मार्केटिंग कैटलॉग: AI-native products के लिए मांग बनाने की पद्धतियाँ

अगर आप इस सब में नए हैं: यहाँ से शुरू करें

यह एक लंबा दस्तावेज़ है। इसे इस्तेमाल करना शुरू करने के लिए आपको पूरा पढ़ने की ज़रूरत नहीं है। अगर आप मार्केटिंग में नए हैं, या शुरुआती stage की AI कंपनी चला रहे हैं, तो "मुझे क्या करना चाहिए?" का सबसे सरल जवाब यह है।

इस सप्ताह। एक platform चुनें: अगर आपका खरीदार business operator है तो LinkedIn, और अगर आपका खरीदार developer या technical व्यक्ति है तो X (Twitter)। उस पर एक चीज़ post करें: अपनी industry के बारे में कोई observation, कोई समस्या जो आपने देखी हो, या product बनाते समय सीखा गया कोई lesson। Perfect बनने की कोशिश न करें। बस कुछ publish करें।

अगले सप्ताह। उसी platform पर एक और चीज़ post करें। Topic अलग हो, effort वही रहे।

इस महीने। हर सप्ताह एक चीज़ post करें। Calendar reminder set करें। पहले छह सप्ताह बेकार लगेंगे: लगभग कोई engage नहीं करेगा। फिर भी जारी रखें।

इस quarter। एक और चीज़ जोड़ें: अपने ग्राहकों के सबसे महत्वपूर्ण सवाल पर एक लंबा article (1,000–1,500 शब्द) लिखें। उसे अपनी कंपनी के blog पर publish करें (या Medium, या LinkedIn पर)। जिस platform पर आप post कर रहे थे, उसी पर उसे एक बार distribute करें।

पहले 90 दिनों के लिए पूरा prescription यही है। कोई paid ads नहीं। कोई webinars नहीं। कोई agencies नहीं। कोई marketing-tech stack नहीं। कोई CMO नहीं। सिर्फ founder, लगातार post करता हुआ, और हर महीने एक article।

इतना सरल क्यों? शुरुआती stage में founder-led content की तुलना में कोई दूसरी marketing पद्धति meaningful results नहीं देती। Paid advertising wasted है क्योंकि आपको अभी तक नहीं पता कि आपका खरीदार कौन है। Webinars के लिए ऐसा infrastructure चाहिए जो अभी आपके पास नहीं है। PR wasted है क्योंकि आपके पास अभी story नहीं है। Account-based marketing के लिए sales टीम चाहिए। पहले महीने में जो चीज़ काम करती है, वह founder का post करना है।

अगर आप यह छह महीने लगातार करते हैं, तो आप 80% founders से ज़्यादा marketing समझेंगे। और आप इस दस्तावेज़ का बाकी हिस्सा practical context के साथ पढ़ने के लिए तैयार होंगे: हर पद्धति किस काम आती है। नीचे की हर चीज़ उसके बाद की playbook है: जब आपके पास ग्राहक हों, जब आप पहला marketer hire करें, जब आप पैसा खर्च करना शुरू करें। अभी आपको इनमें से किसी चीज़ की ज़रूरत नहीं है।

अगर ऊपर दिए prescription पर लौटने से पहले थोड़ा broader overview चाहिए, तो नीचे शुरुआती पाठक के लिए 10 मिनट वाला संस्करण आपको बड़ा map देता है। अगर गहराई में जाना चाहते हैं, तो आगे पढ़ें।

इस दस्तावेज़ में शुरुआती path

अगर आप सच में beginner हैं, तो इस दस्तावेज़ को linearly न पढ़ें। यह catalog कई तरह के पाठकों के लिए बना है: founders, CMOs, investors, experienced operators। इसका ज़्यादातर हिस्सा अभी आपके लिए नहीं है। ये पाँच खंडों इसी क्रम में पढ़ें, और बाकी सब तब तक छोड़ दें जब तक आपने 90 दिनों तक लगातार post न किया हो:

1. अगर आप इस सब में नए हैं: यहाँ से शुरू करें (ऊपर) : literal week-by-week prescription।
2. शुरुआती पाठक के लिए 10 मिनट वाला संस्करण (नीचे) : बड़ी तस्वीर, चार families, बारह पद्धतियाँ एक-एक वाक्य में, और हर पद्धति की शुरुआती कठिनाई।
3. Motion 3: संस्थापक Thought Leadership (खंड A में) : वह एक पद्धति जिसे आप पहले 90 दिनों में सच में चलाएँगे।
4. Motion 1: Content & SEO Marketing (खंड A में) : दूसरी पद्धति, जो लगभग 90-day mark पर शुरू होती है।
5. Appendix A: Glossary (अंत में) : जब कोई term unfamiliar लगे, इसे खोलें।

शुरुआती reading path बस इतना ही है। पाँच खंडों में लगभग 4,000 शब्द। Executive summary, marketer diagnostic, strategic fit matrix, बाकी दस पद्धतियाँ, cross-cutting concepts, AI-era shifts, hybrid motions, common failures, anti-patterns, और stage recommendations आप तब तक छोड़ सकते हैं जब तक आपके पास ऐसे specific सवाल न हों जिनका जवाब वे खंडों देते हैं।

Founder Thought Leadership चलाने और Content & SEO शुरू करने के 90 दिन बाद, दस्तावेज़ पर लौटें और बाकी हिस्सा जिस क्रम में रुचिकर लगे, पढ़ें। तब तक आपके पास practical context होगा, जिससे गहरे खंडों overwhelming के बजाय उपयोगी लगेंगे। ज़्यादातर readers पाते हैं कि जो पहली बार dense लगा था, वही दूसरी बार essential लगता है।

यह दस्तावेज़ कहाँ फिट होता है

यह दस्तावेज़ The AI-Native कंपनी श्रृंखला के अंदर आता है। The Agent Factory Thesis architecture define करती है। The AI Worker Catalog यह define करता है कि क्या बनाया जाता है। The Sales Catalog यह define करता है कि वे products कैसे बेचे जाते हैं। Marketing Catalog यह define करता है कि कंपनी awareness, demand और trust कैसे बनाती है, जिनसे deals संभव होते हैं।

अगर Sales Catalog बताता है कि खरीदार room में आने के बाद क्या करना है, तो Marketing Catalog बताता है कि room को कैसे भरना है।

आप यह दस्तावेज़ standalone पढ़ सकते हैं। Sales Catalog के कुछ cross-references (जहाँ marketing sales को hand off करती है) छोड़े जा सकते हैं; argument समझने में कोई नुकसान नहीं होगा।

इस दस्तावेज़ को कैसे पढ़ें

यह दस्तावेज़ एक tool है, कहानी नहीं। अलग-अलग readers इसे अलग-अलग तरह से इस्तेमाल करेंगे।

अगर आप marketing या demand generation में नए हैं। अंत में Appendix A: Glossary से शुरू करें। उसे एक बार skim करें ताकि vocabulary familiar लगे। फिर उसके तुरंत बाद शुरुआती पाठक के लिए 10 मिनट वाला संस्करण पढ़ें। फिर जब motions तक पहुँचें, तो हर एक के सीधी भाषा में paragraph और काल्पनिक walk-through पर ही ध्यान दें। पहली बार पढ़ते समय गहरे Mechanism, Example और Risk खंडों छोड़ दें। Depth चाहिए, तब वापस आएँ।

अगर आप founder, head of marketing, या CMO हैं और अपनी पद्धति design कर रहे हैं। Marketer Diagnostic और Strategic Fit Matrix का इस्तेमाल करके देखें कि आपके stage और buyer पर कौन सी पद्धतियाँ लागू हो सकती हैं। उन दो या तीन motions को पूरा पढ़ें। बाकी को तब तक छोड़ दें जब तक ज़रूरत न हो।

अगर आप investor या experienced operator हैं। यह दस्तावेज़ आपके लिए बनाया गया है। ऊपर से नीचे तक पढ़ें। Motions pull से शुरू होती हैं (जहाँ ज़्यादातर शुरुआती AI कंपनियाँ शुरू करती हैं, क्योंकि pull सस्ता होता है), फिर push और earned से होते हुए community तक जाती हैं (जहाँ moats compound होते हैं)।

Jargon पर एक ध्यान दें। यह दस्तावेज़ B2B marketing, demand generation, content strategy, DevRel और emerging AI-augmented marketing stack की business और technical vocabulary इस्तेमाल करता है। कोई specialized term पहली बार आने पर आम तौर पर पास में या parentheses में सीधी भाषा में explain किया गया है। Appendix A: Glossary किसी भी अटकाने वाले term के लिए त्वरित reference देता है।

शुरुआती पाठक के लिए 10 मिनट वाला संस्करण

अगर आपके पास सिर्फ 10 मिनट हैं, तो यह खंड पढ़ें। यह आपको वह सब देता है जो AI-native कंपनियाँ marketing कैसे करती हैं समझने के लिए ज़रूरी है, बाकी दस्तावेज़ की depth के बिना।

Marketing motion क्या है?

Marketing motion वह specific तरीका है जिससे कोई कंपनी अपने product के लिए awareness बनाती है, trust बनाती है और demand पैदा करती है। इसमें शामिल है कि relationship कौन शुरू करता है (audience या कंपनी), motion को payoff देने में कितना समय लगता है, और कौन से channels और content types इस्तेमाल होते हैं। अलग-अलग products को अलग-अलग motions चाहिए। Self-serve developer tool, $1M enterprise contract से बहुत अलग तरह से बिकता है, इसलिए उसे बहुत अलग marketing चाहिए।

अलग-अलग products को अलग-अलग motions क्यों चाहिए?

चार चीज़ें तय करती हैं कि कौन सी motion फिट बैठती है: buyer कौन है (developer, line-of-business operator, executive), typical sales cycle कितना लंबा है, आपका product कितना महँगा है, और category कितनी mature है। नई category को education-heavy motions चाहिए (content, thought leadership), क्योंकि buyers को अभी यह भी नहीं पता कि उनके पास समस्या है। Mature category को differentiation-heavy motions चाहिए (case studies, analyst rankings, performance ads), क्योंकि buyers alternatives compare कर रहे होते हैं।

सीधी भाषा में motions की चार families

यह दस्तावेज़ बारह motions को चार families में organize करता है:

1. Pull motions (1–4)। Audience आपको इसलिए ढूँढती है क्योंकि आपने खुद को findable बनाया है। उदाहरण: search में rank करने वाले blog posts, buyers जिन podcasts को सुनते हैं, prospects को सिखाने वाले courses।
2. Push motions (5–8)। आप audience तक जाते हैं। उदाहरण: Google या LinkedIn पर paid ads, webinars, account-based marketing campaigns, email nurture sequences।
3. Earned motions (9–10)। Third parties आपको amplify करती हैं। उदाहरण: press coverage, analyst placements (Forrester, Gartner), influencer collaborations।
4. Community motions (11–12)। आपकी existing audience आपकी future audience को आगे बढ़ाती है। उदाहरण: developer communities, customer case studies, advocacy programs।

Motion चुनने का सबसे आसान तरीका

दो सवालों से शुरू करें: आपका buyer कौन है? और आप motion के payoff के लिए कितनी देर wait कर सकते हैं?

अगर आपका buyer developer या technical user है, तो Pull motions से lead करें (खासकर Content + SEO और DevRel)। अगर buyer line-of-business operator है, तो Push motions (Performance Marketing, Demand Gen) के साथ targeted Pull (Founder Thought Leadership, Educational Content) चलाएँ। अगर buyer enterprise executive है, तो उन तक पहुँचने के लिए Earned motions (PR + analyst) और ABM (Push motion) चाहिए, और उन्हें close करने के लिए Customer Advocacy (Community motion) चाहिए।

Payoff timing के लिए: अगर आपको इस quarter pipeline चाहिए, तो Performance Marketing और Demand Gen चलाएँ। अगर आप छह से बारह महीने wait कर सकते हैं, तो Content + SEO और Founder Thought Leadership बनाएँ। अगर आप compounding moats के लिए दो साल से ज़्यादा wait कर सकते हैं, तो DevRel, PR और Educational Content में invest करें।

बारह motions, हर एक एक वाक्य में

1. Content & SEO Marketing। आप articles, guides और resources produce करते हैं जो search engines में rank करते हैं और आपके buyers के सवालों का जवाब देते हैं।
2. Answer-Engine Optimization (AEO)। आप content को इस तरह structure करते हैं कि AI assistants (ChatGPT, Perplexity, Google AI Overviews) buyers के सवाल पूछने पर आपको cite करें।
3. Founder Thought Leadership। Founder essays publish करता है, podcasts पर बोलता है और personal audience बनाता है जो product की audience बन जाती है।
4. Educational Content & Certification। आप courses, tutorials और certifications बनाते हैं जो buyers को आपकी category इस्तेमाल करना सिखाते हैं, आपके product को foundation बनाकर।
5. Performance Marketing। आप Google, LinkedIn, Meta, TikTok और AI-search platforms पर targeted ad placements खरीदते हैं।
6. Demand Generation Programs। आप webinars, white papers और gated content produce करते हैं जो contact information capture करता है और nurture sequences को feed करता है।
7. Account-Based Marketing (ABM)। आप high-value target accounts की सीमित list के लिए marketing personalize करते हैं।
8. AI-Augmented Email & Outreach। आप AI agents का इस्तेमाल newsletters, drip campaigns और cold outreach को draft और personalize करने के लिए scale पर करते हैं।
9. PR & Analyst Relations। आप tier-1 press में coverage, analyst reports (Forrester, Gartner, IDC) में placements और conferences में speaking slots earn करते हैं।
10. Influencer & Creator Partnerships। आप creators (LinkedIn voices, YouTube channels, X personalities) के साथ partner करते हैं जिनके पास आपकी target audience पहले से है।
11. Developer Relations (DevRel)। आप documentation, sample apps, hackathons, ambassadors और meetups के ज़रिये developer community बनाते हैं।
12. Customer Advocacy & Case Studies। आप existing customers को case studies, testimonials, advocacy programs और referrals के ज़रिये अपनी sales force में बदलते हैं।

हर motion की शुरुआती कठिनाई

• आसान (intuitive, common starting point): Content & SEO Marketing (1), Customer Advocacy (12)
• मध्यम (operational discipline चाहिए): AEO (2), Founder Thought Leadership (3), Educational Content (4), Performance Marketing (5), Demand Gen (6), ABM (7), AI-Augmented Email (8), Influencer (10)
• उन्नत (गहरी domain craft या लंबा lead time चाहिए): PR & Analyst Relations (9), DevRel (11)

10 मिनट में पूरा दस्तावेज़ यही है। बाकी दस्तावेज़ हर हिस्से को detail में explain करता है और आपको अपनी कंपनी में इन motions को चुनने, sequence करने और चलाने के tools देता है।

कार्यकारी सारांश

Marketing Catalog 2026 और उसके बाद AI-native products के लिए demand बनाने की recipe book है। AI Worker के लिए awareness और pipeline बनाने के कई तरीके हैं, और सही तरीका आपके buyer, category maturity, budget, और compound effects के लिए wait करने की क्षमता पर निर्भर करता है। यह दस्तावेज़ बारह motions को नाम देता है, उन्हें चार families में organize करता है, और बताता है कि आपकी स्थिति में कौन सी motion फिट बैठती है।

चार families: हर तरह की motion सबसे पहले किस चीज़ पर compete करती है।

Pull motions (Motions 1–4) तब काम करती हैं जब audience discovery शुरू करती है। Marketer का काम है उस moment पर findable, useful और credible होना जब buyer search करता है। Audience आपको ढूँढने का काम करती है।

Push motions (Motions 5–8) तब काम करती हैं जब marketer relationship शुरू करता है। Marketer का काम है precise targeting, message-channel fit और conversion-rate discipline। Marketer buyer तक जाता है।

Earned motions (Motions 9–10) तब काम करती हैं जब third parties marketer के message को amplify करती हैं। Marketer का काम है relationship management: journalists, analysts, podcasters और creators के लिए आपको feature करना आसान बनाना, और अच्छा feature करना भी आसान बनाना।

Community motions (Motions 11–12) तब काम करती हैं जब existing audience future audience को बढ़ाती है। Marketer का काम advocacy से friction हटाना और multi-year time horizons में community-building की practice में invest करना है।

मार्केटिंग की पाँच संपत्तियाँ: हर motion किन चीज़ों को capture करने के लिए compete करती है।

Audience उन लोगों का set है जिन तक आप हर बार third party को pay किए बिना पहुँच सकते हैं। Email lists, app users, DevRel community members, podcast subscribers, social followers: ये सब owned audience के forms हैं।

Authority आपकी category में recognized expert के रूप में आपकी credibility है। Authority consistent contribution से धीरे-धीरे earn होती है, और एक high-profile mistake से जल्दी खो जाती है।

Reach उन सभी लोगों का total set है जिनके सामने आप message रख सकते हैं: owned audience, paid placement और earned coverage को मिलाकर। Reach flow metric है; audience stock metric है।

Content equity articles, talks, tools और resources की durable inventory है जो समय के साथ traffic, leads या trust produce करती है। Content equity patient लोगों के लिए compound होती है; impatient लोगों के लिए कभी accumulate नहीं होती।

Pipeline qualified sales opportunities में marketing-attributable contribution है। हर motion को अंततः अपना pipeline contribution defend करना पड़ता है, वे motions भी जो मुख्य रूप से बाकी चार assets बनाती हैं, क्योंकि अंततः CFO पूछेगा।

सबसे मज़बूत motions इनमें से तीन या ज़्यादा assets को एक साथ capture करती हैं। सबसे कमज़ोर motions एक चीज़ (आम तौर पर pipeline) को बाकी चीज़ों की कीमत पर optimize करती हैं। इससे short-term win और long-term collapse बनता है।

दायरे पर ध्यान दें। यह catalog मुख्य रूप से B2B marketing पर focus करता है: ऐसे programs जो दूसरे businesses को बेचे जाने वाले AI-native software और services के लिए qualified sales pipeline produce करने के लिए design किए जाते हैं। Consumer-facing AI marketing (mobile app stores, paid social acquisition, consumer apps के लिए brand campaigns) अलग rules follow करती है और यहाँ primary subject नहीं है, हालाँकि तीन motions: Performance Marketing, Influencer Partnerships और Founder Thought Leadership, दोनों contexts में लागू होती हैं।

Maturity spectrum। हर motion को Proven, Emerging या Speculative tag किया गया है, इस आधार पर कि AI-native कंपनियाँ आज उसे कितने व्यापक रूप से सफलतापूर्वक चला रही हैं।

• Proven motions पर कई at-scale कंपनियाँ काम कर रही हैं, established playbooks और benchmarks के साथ।
• Emerging motions 2026 में AI-native कंपनियाँ द्वारा चलाई जा रही हैं, लेकिन underlying tooling के साथ तेजी से evolve हो रही हैं।
• Speculative motions ऐसे buyer behaviors या platform dynamics पर depend करती हैं जो अभी scale पर मौजूद नहीं हैं।

यह पेज किसलिए है

यह दस्तावेज़ तीन purposes serve करता है।

पहला, chooser के रूप में। Marketing motion design करने वाला founder या marketing leader Strategic Fit Matrix, Marketer Diagnostic और Motion Summary Table का इस्तेमाल करके वे motions ढूँढ सकता है जो उसके buyer, stage और budget से fit होती हैं।

दूसरा, reference के रूप में। Existing motion चलाने वाली marketing टीम deep खंडों का इस्तेमाल करके अपने operation को documented mechanics के against audit कर सकती है: funnel performance, channel mix और content velocity को described patterns से compare करके।

तीसरा, sequencing guide के रूप में। ज़्यादातर सफल AI-native कंपनियाँ scale करते समय marketing motions की sequence चलाती हैं। Common Hybrid Motions खंड सबसे common sequences map करता है।

Motion कैसे चुनें

कौन सी marketing motion fit होती है, इसका सबसे clean predictor funnel stage और ROI तक time horizon का intersection है। नीचे की matrix बारह motions को इन दो axes पर map करती है। हर motion की एक sweet-spot cell है और वह adjacent cells में भी (कम optimally) काम करती है।

समय → / Funnel ↓	Immediate (weeks)	Months to compound	Years to compound
Top of funnel (awareness)	Performance Marketing (5)	Content & SEO (1), AEO (2), AI-Email (8), Influencer (10)	Founder Thought (3), PR & Analyst (9), DevRel (11)
Middle (consideration)	Demand Gen (6)	Educational Content (4), ABM (7)	DevRel (11)
Bottom (decision)	Customer Advocacy (12)	Customer Advocacy (12)	लागू नहीं

सबसे महत्वपूर्ण cell है top-of-funnel × years to compound: Founder Thought Leadership, PR & Analyst Relations और DevRel। ये वे motions हैं जो सबसे durable competitive moats बनाती हैं, लेकिन उनका payback सबसे slow होता है। जो कंपनियाँ यहाँ under-invest करेंगी, वे paid acquisition पर हमेशा compete करेंगी और कभी category own नहीं करेंगी।

Marketer diagnostic: आठ सवाल

Motion चुनने से पहले नीचे की आठ dimensions पर खुद को ईमानदारी से score करें। हर row जिन motions की तरफ point करती है, वे उस condition के साथ सबसे aligned हैं। जो टीम इनमें से तीन या चार पर High score करती है, वह आम तौर पर जल्दी ही दो या तीन candidate motions तक narrow हो जाती है।

1. Buyer की technical sophistication। आपका primary buyer कितना technical literate है? Developer / engineer → DevRel, Content & SEO, AEO। Operator → Educational Content, Demand Gen, ABM। Executive → PR & Analyst, ABM, Customer Advocacy।

2. Category maturity। आपकी category well-known है, या आप उसे define कर रहे हैं? Defining → Founder Thought Leadership, Content & SEO, PR & Analyst, Educational Content। Mature → Performance Marketing, ABM, Customer Advocacy।

3. Average deal size। <$10K → Content & SEO, AEO, Performance Marketing। $10–100K → AI-Email, Demand Gen, Influencer। $100K+ → ABM, PR & Analyst, Customer Advocacy।

4. ROI तक time horizon। Weeks → Performance Marketing, Demand Gen, Customer Advocacy। Months → Content & SEO, AEO, AI-Email, ABM। Years → Founder Thought Leadership, PR & Analyst, DevRel।

5. Content के लिए founder availability। क्या founder regular content (essays, podcasts, videos) produce करेगा? Yes → Founder Thought Leadership, Content & SEO। No → Performance Marketing, Demand Gen, ABM, Influencer।

6. Existing customer base। क्या आपके पास ऐसे customers हैं जो advocate करना चाहेंगे? Yes → Customer Advocacy, Educational Content। No → Pull और Push motions, जब तक आपके पास feature करने लायक customers न हों।

7. Budget shape। आपका budget लोगों पर भारी है या media spend पर? People-heavy → Content & SEO, DevRel, PR & Analyst। Media-heavy → Performance Marketing, Demand Gen, Influencer।

8. Audience location। क्या आपका buyer specific channels से reachable है? Developers (GitHub, Hacker News, X) → DevRel, Content। Executives (LinkedIn, podcasts, conferences) → Founder Thought Leadership, PR & Analyst। Mid-market operators (LinkedIn, search, email) → Performance Marketing, ABM, AI-Email।

Diagnostic आपको यह नहीं बताता कि कौन सी motion correct है। यह बताता है कि आपकी starting position को देखते हुए कौन सी motions आपके लिए available हैं। ऊपर की matrix और नीचे के deep खंडों बताते हैं कि available motions में से आपके buyer के लिए कौन सी सबसे sharp है।

Motion summary table

बारहों motions के लिए one-पेज reference।

#	Motion	Maturity	सबसे सही	ROI तक समय	मुख्य moat	मुख्य जोखिम
1	Content & SEO Marketing	Proven	Education-heavy categories	Months	Content equity, search authority	Distribution के बिना content velocity
2	Answer-Engine Optimization	Emerging	Categories जहाँ buyers AI assistants से पूछते हैं	Months	AI-search citation rate	Cite करने लायक content के बिना optimization
3	Founder Thought Leadership	Proven	Education चाहने वाली नई categories	Years	Founder authority + audience	Sporadic posting momentum मार देता है
4	Educational Content & Certification	Proven	Categories जिन्हें buyer-skill development चाहिए	Months	Curriculum + alumni network	Graduation funnel के बिना content production
5	Performance Marketing	Proven	Clear LTV वाली mature categories	Weeks	Channel optimization expertise	Unit economics के बिना paid acquisition
6	Demand Generation Programs	Proven	Measurable funnel वाला mid-market	Weeks–months	Nurture sequence + lead scoring	Follow-through के बिना webinars
7	Account-Based Marketing	Proven	Six-figure-deal targets	Months	Account intelligence + personalization	Sales alignment के बिना ABM
8	AI-Augmented Email & Outreach	Emerging	Broad mid-market reach	Months	AI tooling + deliverability	Distinction के बिना AI-generated content
9	PR & Analyst Relations	Proven	Strategic enterprise categories	Years	Press relationships + analyst placements	Pipeline न चलाने वाली vanity coverage
10	Influencer & Creator Partnerships	Proven	Creators के around clustered audiences	Months	Creator-of-record relationships	Creator की audience से misalignment
11	Developer Relations (DevRel)	Proven	Developer-buyer products	Years	Community + ambassadors	DevRel को product के बजाय marketing budget मानना
12	Customer Advocacy & Case Studies	Proven	Existing customers वाली कंपनियाँ	Weeks–months	Reference customers + advocacy ladder	Case studies को pipeline नहीं, one-offs मानना

मुझे कौन सी motion चलानी चाहिए?

Decision flowchart motion choices को narrow करने के लिए सबसे महत्वपूर्ण सवाल sequence करता है। (Visual: marketing_decision_flowchart.png देखें।)

चार key सवालों हैं: (1) क्या आपका buyer developer है? (yes → DevRel + Content)। (2) क्या आपकी category comparable competitors के साथ mature है? (no → Founder Thought + PR + Education; yes → Performance + ABM + Advocacy)। (3) क्या आपके पास feature करने लायक customers हैं? (yes → अभी Customer Advocacy शुरू करें; no → customers acquire करने के लिए Pull और Push पर focus करें)। (4) ROI के लिए आपका time horizon क्या है? (weeks → Performance + Demand Gen; years → DevRel + PR + Founder Thought)।

ज़्यादातर कंपनियाँ दो या तीन motions साथ-साथ चलाती हैं। सबसे common combinations के लिए दस्तावेज़ के अंत के पास Common Hybrid Motions देखें।

Buyer awareness और timing

हर marketing motion की buyer की awareness journey में एक window होती है। जिस buyer को अभी यह नहीं पता कि उसके पास problem है, वह marketing पर उस buyer से अलग react करता है जो हाथ में quotes लेकर तीन vendors compare कर रहा है। Eugene Schwartz की 1966 की Breakthrough Advertising ने buyer awareness के foundational पाँच stages define किए थे; नीचे की three-stage curve उसके framework का B2B-AI adaptation है, जिसे 2026 में product marketing टीम के लिए तीन usable stages में consolidate किया गया है।⁴

तीन stages Awareness Curve को define करती हैं:

Stage 1: Unaware / Problem-Aware। Buyer या तो नहीं जानता कि उसके पास वह problem है जिसे आपका product solve करता है, या जानता है लेकिन actively solutions देखना शुरू नहीं किया है। इस stage पर marketing का काम education और frame-setting है: buyer को problem का नाम देने, उसका महत्व समझने और solution categories सीखने में मदद करना। सबसे सही motions: Founder Thought Leadership, Content & SEO, PR & Analyst, Educational Content, DevRel।

Stage 2: Solution-Aware। Buyer category की active research कर रहा है। वह articles पढ़ रहा है, approaches compare कर रहा है, podcasts सुन रहा है, webinars attend कर रहा है। उसने अभी vendors shortlist नहीं किए हैं। Marketing का काम यह सुनिश्चित करना है कि आपका product उन channels पर बार-बार और credibly दिखे जहाँ वह search करता है। सबसे सही motions: Content & SEO, AEO, Educational Content, Demand Gen, Influencer Partnerships।

Stage 3: Vendor-Aware। Buyer ने vendors shortlist कर लिए हैं और compare कर रहा है। वह case studies पढ़ रहा है, demos request कर रहा है, references check कर रहा है, pricing evaluate कर रहा है। Marketing का काम comparison में friction हटाना और वह social proof और technical depth देना है जिससे bake-off जीता जाता है। सबसे सही motions: Customer Advocacy & Case Studies, ABM, PR & Analyst (खासकर Gartner/Forrester-style placements), Demand Gen (late-stage technical content के लिए)।

Geography curve को accelerate या delay करती है। San Francisco, Seattle, Boston, New York, London, Toronto, Berlin, Bangalore और Singapore में AI-native categories के buyers आम तौर पर उसी category के अधिकांश दूसरे markets के buyers से दो से तीन साल आगे होते हैं: उन ecosystems में buyers पहले ही AI vendors evaluate कर चुके होते हैं, internal AI procurement playbooks लिख चुके होते हैं और sophisticated comparative criteria develop कर चुके होते हैं। इन markets में buyer आम तौर पर आपकी category के बारे में सुनते ही Stage 2 या Stage 3 में होता है। बाकी दुनिया का ज़्यादातर हिस्सा, जिसमें continental Europe, Latin America, Middle East, Africa और Southeast Asia के ज़्यादातर enterprise buyers शामिल हैं, ठोस रूप से Stage 1 में है और Stage 2 की तरफ transition कर रहा है।

Global B2B marketing के लिए implication यह है कि same content हर market में काम नहीं करता। Stage 3 vendor-comparison पेज (feature-by-feature tables और pricing-tier breakdowns के साथ) San Francisco buyer को वही चाहिए, और São Paulo buyer अभी उसे evaluate करने के लिए ready नहीं है। Stage 1 educational article (category define करना, उसका महत्व explain करना, problem को नाम देना) São Paulo buyer को वही चाहिए, और San Francisco buyer उसे बहुत basic मानकर scroll past करेगा। एक stage के लिए calibrated और markets में broadly targeted marketing programs दूसरे stage के buyers पर खराब land करते हैं।

Stage-mismatched marketing की cost compound होती है। Stage 3 buyers के लिए calibrated motion (case studies, comparison content और ROI calculators पर heavy) Stage 1 buyers पर confusing लगती है: उनके पास comparison interpret करने का context अभी नहीं है और वे bounce करते हैं। Stage 1 buyers के लिए calibrated motion (category education और problem-naming पर heavy) Stage 3 buyers पर बहुत basic लगती है: वे educational stage से आगे निकल चुके हैं और content को vendor की unsophistication का signal मानते हैं। Global B2B marketers के लिए fix है stage-appropriate content libraries maintain करना और traffic को market के हिसाब से route करना: emerging markets के लिए Stage 1 educational paths, established AI markets के लिए Stage 3 comparison paths, और localization जो translation से आगे जाकर address करे कि local buyer सच में क्या research कर रहा है।

Maturity legend

• Proven। Motion को आज कई AI-native (और pre-AI) कंपनियाँ scale पर चला रही हैं, established playbooks और benchmarks के साथ।
• Emerging। Motion 2026 में AI-native कंपनियाँ द्वारा चलाई जा रही है लेकिन तेजी से evolve हो रही है; canonical playbook अभी stabilized नहीं है।
• Speculative। Motion ऐसे buyer behaviors या platform dynamics पर depend करती है जो अभी scale पर मौजूद नहीं हैं।

---

A. Pull motions

Audience discovery शुरू करती है। Marketer का काम उस moment पर findable, useful और credible होना है जब buyer search करता है। ये motions compound returns और CAC efficiency में मजबूत होती हैं, लेकिन patience माँगती हैं: ज़्यादातर pull motions meaningful pipeline produce करने से पहले छह से बारह महीने लेती हैं।

Motion 1: Content & SEO Marketing

Maturity: Proven. शुरुआती कठिनाई: Easy.

सीधी भाषा में। ऐसा सोचें जैसे आप सामने sign वाली public library बना रहे हैं। आप library में books रखते हैं: articles, guides, comparison पेजों, tutorials, जो आपके buyers के सवालों का जवाब देते हैं। Search engines उन road signs की तरह काम करते हैं जो travelers को आपकी library तक ले जाते हैं। जब buyer कोई relevant सवाल search करता है, आपकी library results में आती है, वह अंदर आता है, उसे ज़रूरत की चीज़ मिलती है, और समय के साथ वह आपके brand को जवाबों से associate करने लगता है। Library compound होती है: हर नई book अगले traveler के आपको ढूँढने की संभावना बढ़ाती है।

यह सबसे पुरानी pull motion है और अभी भी सबसे reliable है। बारह से चौबीस महीनों तक systematic content produce करने वाली AI-native कंपनियाँ लगातार report करती हैं कि content उनकी inbound pipeline का सबसे बड़ा source है।¹

लगभग हर B2B AI-native कंपनी के लिए founding motion के रूप में best। शुरू में slow; scale पर शायद ही अकेली motion होती है, लेकिन आम तौर पर foundation होती है जिस पर बाकी motions बनाती हैं।

मुख्य विचार। Evergreen content produce करें जो buyer सवालों का जवाब दे, search में rank करे और समय के साथ value में compound हो।

इसे कब इस्तेमाल करें। किसी भी B2B AI-native कंपनी के लिए, हमेशा। Category-defining article, comparison पेज, "what is X" guide वे mechanics हैं जिन्हें हर सफल marketing program अंततः produce करता है।

काम करने का तरीका। Content marketing इसलिए काम करती है क्योंकि B2B buyers किसी भी vendor से contact करने से पहले अपनी ज़्यादातर research खुद करते हैं। Marcus Sheridan ने एक दशक पहले They Ask, You Answer में इस discipline को document किया था; HubSpot की annual State of Marketing reports और Content Marketing Institute की benchmark studies सहित industry surveys यह underlying finding confirm करते रहते हैं कि buyers sales से engage करने से पहले अपनी evaluation का majority हिस्सा self-directed research से पूरा करते हैं।¹ Content layer वही जगह है जहाँ यह research होती है। जो कंपनी अपनी category के high-intent search results own करती है, उसे pre-qualified buyers का constant stream मिलता है जो problem के बारे में पहले से educated होकर आते हैं।

Economics motion को durable बनाते हैं। 2026 में well-produced 1,500-word article बनाने की cost लगभग $300–$1,500 होती है (AI assistance से तेज़ और सस्ता, credible domain experts से commission करने पर महँगा)। High-intent category में ranking article वर्षों तक qualified leads produce करता है। B2B SaaS में typical compounding pattern देखता है कि content marketing CACs, same buyer के लिए paid acquisition CACs से roughly एक order of magnitude lower आते हैं, हालाँकि category और channel के हिसाब से exact figures काफी vary करते हैं। Joe Pulizzi की Content Inc. ने owned content को primary acquisition channel बनाकर entire businesses बनाने का broader pattern document किया।⁵ Article जितने महीने rank करता रहता है, math उतना improve होता है।

Execution के लिए तीन disciplines चाहिए। Keyword research आपके buyer के actual सवालों map करती है, high-intent commercial queries (buyer vendors compare कर रहा है) और informational queries (buyer category सीख रहा है) को अलग करती है। Production depth 2026 में production volume से ज़्यादा matter करती है: shallow content AI से commoditize हो रही है, और average ranking content average AI-generated competition की volume में दब रही है। जीतने वाले articles वे हैं जिनमें original research, original data, customer quotes, या ऐसे arguments हों जिन्हें competitors आसानी से replicate न कर सकें। Distribution content को pure search से आगे दिखाती है: हर published article के लिए deliberately executed distribution checklist चाहिए (LinkedIn post, X thread, email blast, partner inclusion, podcast mention)। High-quality content produce करके distribution neglect करने वाली कंपनियाँ void में publish करती हैं।

Constraint patience है। Search rankings को compound होने में छह से बारह महीने लगते हैं; कंपनी को weak-looking metrics के लंबे period में consistent content production fund करना पड़ता है, इससे पहले कि trend turn करे। Month four पर program बंद कर देने वाले founders, जब लगता है कि कुछ नहीं हो रहा, इस motion का सबसे common failure pattern हैं।

काल्पनिक walk-through। PromptForge की कल्पना करें, prompt engineering के लिए AI tool। टीम अठारह महीनों तक हर सप्ताह दो long-form articles publish करने का commit करती है: comparison guides, tutorials, case studies। Month nine तक, "best AI prompt engineering tools" PromptForge को top result के रूप में लौटाता है। Month eighteen तक, कंपनी को search से प्रति month दो हज़ार qualified leads मिलते हैं, CAC $50 से कम रहता है: paid acquisition से orders of magnitude below।

उदाहरण। पुष्ट उदाहरण: HubSpot ने content-led inbound playbook पर multi-billion-dollar कंपनी बनाई। AI-native में, playbook reproduce हो रही है: Anthropic का blog, OpenAI के research posts और AI-native कंपनी blogs की long tail सभी inbound funnels anchor करते हैं।

मुख्य जोखिम। Distribution के बिना content velocity। टीम consistently publish करती है लेकिन content किसी तक नहीं पहुँचता। बचाव: distribution में लगभग production जितनी intensity से invest करें। हर published article के लिए distribution checklist बनाएँ (LinkedIn post, email blast, X thread, partner inclusion, search optimization) और execute करें।

दूसरा जोखिम। AI-generated content commoditization। जैसे-जैसे AI average content produce करने की cost को near zero करता है, average content काम करना बंद कर देता है। Bar उठ जाता है। बचाव: original research, original data और original arguments में invest करें: वे चीज़ें जिन्हें AI आसानी से generate नहीं कर सकता। Customer interviews, internal data analyses और founder hot takes को defensible point of view वाले content में repurpose करें।

पहला कदम। एक search query चुनें जिसे आपका buyer अगले महीने type करेगा: आपकी category की highest-intent, highest-frequency query। उस query के लिए internet का सबसे अच्छा article लिखें। उसे ruthlessly distribute करें। अगले सप्ताह second-highest query के साथ repeat करें।

Motion 2: Answer-Engine Optimization (AEO)

Maturity: Emerging. शुरुआती कठिनाई: Medium.

सीधी भाषा में। अगर SEO था "मैं Google में कैसे दिखूँ?", तो Answer-Engine Optimization है "मैं ChatGPT, Claude, Perplexity और Google के AI Overviews में कैसे दिखूँ?" जब buyer AI assistant से पूछता है "legal research के लिए best AI tool क्या है?", तो आप चाहते हैं कि जवाब में आपका product नाम से cite हो। AEO वह practice है जिसमें आप अपना content, brand presence और data footprint इस तरह structure करते हैं कि AI assistants आपको credible source मानें और उसी हिसाब से cite करें।

2024 से पहले यह motion coherent रूप में मौजूद नहीं थी। Search-result-clicks से AI-cited-जवाबों की shift एक दशक में B2B buyer behavior का सबसे बड़ा बदलाव है, और playbook अभी लिखी जा रही है।

Content & SEO Marketing के complement के रूप में best: AEO का ज़्यादातर हिस्सा strong content होने के downstream में आता है। Stand-alone discipline के रूप में emerging; 2026 में टीम scaled programs के बजाय pilots चला रही हैं।

मुख्य विचार। AI assistants को आपकी category के सवालों के जवाब देते समय आपके brand को cite करना चाहने लायक बनाना।

इसे कब इस्तेमाल करें। जब target buyer purchasing decisions से पहले research के लिए AI assistants इस्तेमाल कर रहा हो। 2026 तक यह अधिकांश B2B technical buyers और operator buyers के बढ़ते हिस्से के लिए सच है। AEO AI-native कंपनियाँ के लिए सबसे valuable है क्योंकि उनके buyers पहले से AI-fluent हैं और AI assistants naturally इस्तेमाल करते हैं।

काम करने का तरीका। AEO तीन vectors से काम करता है। Citation worthiness: AI assistants उन sources को cite करते हैं जिन्हें वे credible मानते हैं: widely linked-to sources, well-structured sources, unique data वाले sources, या domain authority वाले sources। Signals traditional SEO authority से overlap करते हैं लेकिन meaningful तरीके से diverge भी करते हैं: AI assistants backlink count alone की तुलना में original research और quotable claims को ज़्यादा weight करते हैं। Brand mention frequency: AI assistants training data composition से influenced होते हैं। News, reviews, podcasts और analyst reports में बार-बार आने वाले brands, खासकर named contexts में ("Anthropic's Claude" rather than "an AI assistant"), ज़्यादा बार cite होते हैं। इससे earned media (Motion 9) और creator partnerships (Motion 10), AEO के upstream inputs बन जाते हैं। Schema और structure: AI assistants clean structure, clear claims और verifiable facts वाले content को cite करना prefer करते हैं। Clear hierarchy, named entities, structured FAQs और original sources की citations वाले पेजों AI parsers को अच्छे लगते हैं, इसलिए वे same content को कम parseable form में रखने वाले पेजों से ज़्यादा cite होते हैं।

Constraint measurement है। AEO के पास अभी Google Search Console equivalent नहीं है: कोई clean way नहीं है track करने का कि आपका brand AI जवाबों में कितनी बार cite होता है, या कौन सी queries आपकी citations trigger करती हैं। 2026 में AEO चलाने वाली कंपनियाँ proxy metrics से काम करती हैं: brand-search lifts (user ने Claude से आपके बारे में सुना, फिर Google किया), self-reported attribution ("आपने हमें कैसे ढूँढा?"), और dedicated AEO measurement tools (Profound, Athena, और यह category scratch से बना रहे कुछ competitors)। SparkToro में Rand Fishkin की research इस discipline की leading early voice है।²

Strategic implication यह है कि AEO authority के downstream है। जिस brand के पास no original research, no analyst coverage, no podcast presence और no creator mentions हैं, उसके पास AI assistants के cite करने लायक कुछ नहीं है, और schema optimization की कोई मात्रा इसे fix नहीं करती। जो टीम AEO को pure technical-SEO discipline (markup, structured data, पेज hierarchy) मानकर citable content में upstream investment नहीं करतीं, उन्हें optimization mechanics से limited returns मिलेंगे। AEO जीतने वाली टीम वे हैं जो original research, named data points और analyst-coverage cycles में invest करती हैं, और optimization काम को whole motion के बजाय last mile मानती हैं।

काल्पनिक walk-through। LegalAgent की कल्पना करें, AI legal-research tool। टीम अपने docs, blog posts और product पेजों को structured FAQs, clear "what is" definitions और original legal sources की citations के साथ systematically update करती है। छह महीने बाद, टीम prospect signups देखने लगती है जो "How did you find us?" का जवाब देते हैं: "मैंने Claude से पूछा कि M&A diligence के लिए कौन से tools इस्तेमाल करूँ और आपका आया।" Traffic source Google Analytics को invisible है: वह conversational है, click-through नहीं। लेकिन वह वास्तविक है और बढ़ रहा है।

उदाहरण। उभरते analogues: Profound और Athena जैसी कंपनियाँ AEO measurement tools बना रही हैं। ज़्यादातर large content-driven SaaS कंपनियाँ 2026 में AEO experiments चला रही हैं; few ने systematic playbooks publish की हैं। SparkToro में Rand Fishkin की research इस discipline की leading early voice है।²

मुख्य जोखिम। Cite करने लायक content के बिना optimize करना। AEO authority के downstream है: अगर आपके brand के पास ऐसा कुछ नहीं है जिसे AI assistants cite करना चाहें, तो optimization की कोई मात्रा इसे fix नहीं करती। बचाव: AEO mechanics में invest करने से पहले original research, original data और original perspectives में invest करें।

पहला कदम। Claude, ChatGPT और Perplexity से अपनी category के buyer के दस-दस सवाल पूछें। ध्यान दें कि आप कहाँ appear होते हैं, competitors कहाँ appear होते हैं, और AI कहाँ कोई specific brand cite नहीं करता। तीसरी category आपका opportunity है।

Motion 3: Founder Thought Leadership

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। ऐसे town की कल्पना करें जहाँ सबसे respected expert एक व्यक्ति है, और वही व्यक्ति ऐसा business भी चलाता है जो उस problem को solve करता है जिस पर वह बोलता है। पूरा town उसे जानता है। जब town को वह problem solve करनी होती है, तो default रूप से उसी expert का business hire करता है। Founder Thought Leadership इस dynamic को deliberately cultivate करना है। Founder essays लिखता है, podcasts पर बोलता है, LinkedIn या X पर daily post करता है, और category में recognized voice बन जाता है। Founder को follow करने वाली audience product की audience बन जाती है।

2026 में यह उपलब्ध सबसे cost-efficient marketing motions में से एक है, लेकिन इसके लिए ऐसा founder चाहिए जो वर्षों तक consistently content produce करने को willing और able दोनों हो।

किसी भी नई category के लिए founding motion के रूप में best। अक्सर Content & SEO Marketing (founder essays SEO backbone बनते हैं) और PR (founder authority analyst doors खोलती है) के साथ combine होती है।

मुख्य विचार। कंपनी की earned authority को एक व्यक्ति, founder, में concentrate करें और उस व्यक्ति की publishing cadence से durable audience बनाएँ।

इसे कब इस्तेमाल करें। जब founder credible domain expert हो (या बन सकता हो), जब category इतनी नई हो कि किसी को उसे define करना पड़े, और जब founder results judge करने से पहले कम से कम 24 महीनों तक content produce करने का commit करने को willing हो।

काम करने का तरीका। Founder thought leadership इसलिए काम करती है क्योंकि B2B audiences brands से ज़्यादा लोगों पर trust करती हैं। Founder accounts same content पर कंपनी accounts से आम तौर पर outperform करते हैं। Engagement gap industry और platform के हिसाब से vary करता है, लेकिन direction consistently वही है: founder posts identical content को कंपनी account से post करने की तुलना में meaningfully higher reach और engagement produce करते हैं। समय के साथ founder की audience captive marketing channel बन जाती है जिसका per impression cost कुछ नहीं है, और जिसे competitors replicate नहीं कर सकते क्योंकि उनके पास आपका founder नहीं है।

Execution के लिए तीन disciplines चाहिए: consistent publishing cadence (primary platform पर आम तौर पर minimum twice weekly: B2B operators के लिए LinkedIn, technical audiences के लिए X), defensible point of view (इतना controversial कि discussion provoke करे, इतना true कि defend किया जा सके), और publicly engage करने की willingness (comments का जवाब देना, podcasts host करना, live conversations करना)। Writing या engagement outsource करने वाले founders ऐसा content produce करते हैं जो inauthentic लगता है और durable audience नहीं बनाता।

Constraint founder time है। Serious thought-leadership program founder से प्रति week पाँच से दस घंटे लेता है। इसे spare moments में बनाने की कोशिश करने वाले founders inconsistent content produce करते हैं जो थोड़ी audience बनाता है।

काल्पनिक walk-through। DataSpace की कल्पना करें, founder-led AI analytics कंपनी। Founder Maria हर week LinkedIn पर एक essay publish करने का commit करती है: analytics market पर sharp opinions, customer war stories, category कहाँ जा रही है इस पर predictions। अठारह महीने बाद, उसका LinkedIn following 80,000 है। तीस महीने बाद, 200,000। जब DataSpace नया product launch करता है, launch post 48 घंटे में 10,000 demo requests drive करता है, effective CAC zero।

उदाहरण। पुष्ट उदाहरण: Mathilde Collin (Front), Andrew Wilkinson (Tiny), Lenny Rachitsky (Lenny's Newsletter), David Cancel (Drift), Sahil Lavingia (Gumroad)। AI-native में Sarah Tavel (Benchmark, AI investing पर) और कई Anthropic और OpenAI researchers ने personal audiences बनाई हैं जो उनकी कंपनियाँ (या funds) की awareness anchor करती हैं।

मुख्य जोखिम। Sporadic posting momentum मार देता है। Founder week one में तीन बार post करता है, week two में दो बार, week three में एक बार, और फिर कंपनी fundraising sprint में जाती है तो एक महीने रुक जाता है। Audience growth को consistency चाहिए, और inconsistency शुरू ही न करने से भी बदतर है। बचाव: minimum cadence (LinkedIn पर एक post per week, एक essay per month) commit करें और उसे non-negotiable मानें। Scheduling और editing outsource कर सकते हैं, content खुद कभी outsource न करें।

दूसरा जोखिम। कंपनी की founder पर dependency। अगर founder छोड़ देता है, audience भी उसके साथ चली जाती है। बचाव: founder brand के साथ-साथ कंपनी brand बनाएँ। Founder का account कंपनी को reference करे; कंपनी का account founder को amplify करे। समय के साथ brand founder की authority का कुछ हिस्सा absorb करता है।

पहला कदम। एक platform चुनें (B2B operators के लिए LinkedIn, technical audiences के लिए X)। साठ weeks तक प्रति week एक post का commit करें। पहले छह महीने लगेंगे कि कुछ नहीं हो रहा; दूसरे छह महीने compound होंगे।

Motion 4: Educational Content & Certification

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। ऐसी university की कल्पना करें जहाँ graduates customers भी हैं। आप courses, tutorials और certifications बनाते हैं जो लोगों को अपना काम करना सिखाते हैं, आपकी category, tooling और worldview को foundation बनाकर। लोग skill सीखने के लिए आपके courses लेते हैं। उनमें से कई customers बन जाते हैं क्योंकि उन्हें इस्तेमाल करना आपके product पर सिखाया गया था। सबसे enthusiastic लोग खुद teachers बन जाते हैं और अगला cohort लाते हैं।

HubSpot की Inbound Marketing certification, Salesforce का Trailhead और Stripe का Atlas, इस motion के examples हैं। Educational content कंपनी का सबसे बड़ा top-of-funnel channel बन जाता है।

Mid-stage motion के रूप में best, जब कंपनी के पास product-market fit और curriculum में invest करने के resources हों। Defined skill सिखाने से पहले शुरू करना कठिन। अक्सर Content & SEO Marketing के ऊपर layer होती है (educational content search traffic खींचता है)।

मुख्य विचार। अपनी category के लिए credentialing system बनाएँ: वह जगह जहाँ practitioners skill सीखते हैं, और उसे lifelong customer acquisition channel की तरह इस्तेमाल करें।

इसे कब इस्तेमाल करें। जब category को ऐसी practitioner skill चाहिए जिसे buyers को develop करना होगा; जब कंपनी के पास curriculum design में invest करने के resources हों (serious certification program 6–12 month बनना है); और जब addressable practitioner population इतनी बड़ी हो कि investment justify हो (आम तौर पर 100,000+ active practitioners)।

काम करने का तरीका। Educational content तीन compounding effects से काम करता है। Top-of-funnel acquisition: लोग "how to do X" search करते हैं और आपका course ढूँढते हैं; course practitioners का constant stream produce करता है जो skill को आपके worldview में सीखते हैं। Trust और dependency: graduates आपके terminology, frameworks और tooling preferences अपने career भर इस्तेमाल करते हैं, जिसका मतलब है कि hiring authority तक पहुँचने पर वे default रूप से आपके product को चुनते हैं। Network effects: graduates next-cohort students को teach करते हैं, meetups में present करते हैं, blog posts लिखते हैं और certification को peers को recommend करते हैं, free में, क्योंकि वे अपने earned credential में emotionally invested होते हैं।

Economics काम करती है क्योंकि curriculum reusable है। First cohort produce करना सबसे महँगा होता है: serious certification program के लिए आम तौर पर $50K–$300K, जिसमें content development, video production, assessment design और platform infrastructure शामिल हैं। Subsequent cohorts near-zero marginal cost पर चलते हैं। जो programs certification को $200–$2,000 per learner price करते हैं, वे अपने आप में meaningful revenue centers बन सकते हैं (HubSpot Academy, Salesforce Trailhead और Snowflake University सभी अपने marketing-funnel value से अलग direct revenue generate करते हैं)। Free certifications भी alumni base के year over year बढ़ने पर compounding marketing ROI produce करती हैं।

Constraint curriculum quality है। Educational content genuinely useful होना चाहिए वरना वह ऐसे graduates produce नहीं करता जो valuable हों। और उससे भी बुरा, वह ऐसे graduates produce करता है जो आपके product के against advocate करते हैं क्योंकि certification ने वास्तविक skill development deliver नहीं किया। Thin certifications जारी करने वाली कंपनियाँ को temporary marketing bump और long-term reputation hit मिलता है; genuinely high-quality curriculum में invest करने वाली कंपनियाँ को ऐसा alumni base मिलता है जो एक decade तक brand compound करता है। सही comparison whitepapers से नहीं, academic credentials से है: bar है "क्या hiring manager इसे resume पर सच में weight देगा?"

काल्पनिक walk-through। PromptCert की कल्पना करें, AI Engineering Certification offer करने वाली AI-native कंपनी। टीम prompt engineering, evaluation design और agent architecture cover करने वाला free 12-hour curriculum बनाती है, साथ में $200 paid certification exam। Year one में 50,000 practitioners free curriculum complete करते हैं और 8,000 certification के लिए pay करते हैं। Year two में certified practitioners अपने LinkedIn profiles पर "PromptCert Certified" list करते हैं, advocates unofficial study groups teach करते हैं, और PromptCert AI engineering hires के लिए de facto credential बन जाता है। Certification marketing नहीं रहती, infrastructure बन जाती है।

उदाहरण। पुष्ट उदाहरण: HubSpot Academy, Salesforce Trailhead, Google Skillshop, Snowflake University। AI-native में: DeepLearning.AI, Anthropic Academy (2026 तक development में), और कई Cohere/Mistral practitioner programs।

मुख्य जोखिम। Graduation funnel के बिना content production। कंपनी courses बनाती है, लेकिन courses product या sales motion से connect नहीं होते; graduates customers बने बिना चले जाते हैं। बचाव: curriculum को product को practical exercises का हिस्सा बनाकर design करें। Course के अंत तक graduates product (free tier या trial में) इस्तेमाल कर रहे होने चाहिए।

पहला कदम। अपनी category में practitioners को सच में सीखने लायक एक skill चुनें। उस skill पर सबसे अच्छा free course बनाएँ। First cohort proof है कि curriculum आगे बनाने लायक है।

---

B. Push motions

Marketer relationship शुरू करता है। Marketer का काम precise targeting, message-channel fit और conversion-rate discipline है। ये motions predictability और immediate ROI में मजबूत होती हैं, लेकिन ongoing budget चाहती हैं। ये pull motions की तरह compound नहीं करतीं।

Motion 5: Performance Marketing

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। Attention को click के हिसाब से rent करने की कल्पना करें। Performance marketing Google, LinkedIn, Meta, TikTok, YouTube और emerging AI-search ad platforms पर paid advertising है। आप placement के लिए bid करते हैं, platform आपका ad अपने users के targeted slice को दिखाता है, और आप impression या click के हिसाब से pay करते हैं। Motion तब काम करती है जब आपकी unit economics clear हों: जब आपको पता हो कि click आपके लिए कितना valuable है और आप उसी हिसाब से bid कर सकें।

2026 में AI performance marketing को dramatically reshape कर रहा है। Generative ad creative ad variants produce करने की cost collapse कर रहा है। AI-augmented bid optimization spend efficiency improve कर रहा है। और AI-driven targeting LinkedIn, Meta और Google के audience tools को ज़्यादा precise बना रही है।

Clear LTV और short sales cycles वाली mature categories के लिए primary motion के रूप में best। नई categories में दूसरी motions के complement के रूप में best। Scale पर rarely अकेली motion।

मुख्य विचार। Lifetime value के relative acquired customer cost की disciplined measurement के साथ targeted attention scale पर खरीदें।

इसे कब इस्तेमाल करें। जब category इतनी mature हो कि buyers high intent के साथ search कर रहे हों; जब unit economics clear हों (आप जानते हों acquired customer आपके लिए कितना worth है); और जब टीम attribution accurately measure करने की analytics maturity रखती हो।

काम करने का तरीका। Performance marketing इसलिए काम करती है क्योंकि platforms (Google, LinkedIn, Meta, TikTok) के पास दुनिया का सबसे valuable targeting data है। Google जानता है कि लोग actively क्या search कर रहे हैं। LinkedIn जानता है कि वे कहाँ काम करते हैं, क्या करते हैं, और कितने senior हैं। Meta उनके interests, behaviors और life events जानता है। Advertiser उस targeting को rent करता है और targeted attention को traffic, leads या sales में convert करता है। Unit economics तीन variables पर depend करती हैं: bid efficiency (cost per click या per impression), conversion rate (clicks का कितना fraction leads या customers बनता है), और lifetime value।

Motion को safely scale करने के लिए math को तीन thresholds clear करने होते हैं। LTV/CAC > 3: lifetime customer value और fully-loaded acquisition cost का ratio standard B2B SaaS benchmark है; 3 से नीचे program payback periods, retention और discount rates factor करने के बाद पैसा खोता है। CAC payback under 18 months cash को pre-revenue cohorts में trap होने से बचाता है। Cohort LTV empirically validated: modeled नहीं, projected नहीं, scaling spend से पहले validated। Performance marketing में सबसे common failure pattern optimistic LTV projections पर spend scale करना है जिन्हें cohort अंततः deliver नहीं करता।

Execution disciplines हैं creative iteration, attribution modeling और channel diversification। Creative iteration 2026 में पहले से dramatically आसान है: generative AI ने most formats में ad variants produce करने की cost 90%+ तक collapse कर दी है, और adapted टीम हर channel पर कुछ variants के बजाय dozens creative variants चलाती हैं। Constraint production capacity से creative judgment पर shift हो गया है: कौन से variants test करने लायक हैं। Attribution modeling इसलिए matter करता है क्योंकि channels interdependent हैं: buyer अक्सर Performance Marketing ad देखता है, फिर PR में brand encounter करता है, फिर content piece के बाद sign up करता है, और single-touch attribution उस channel को credit देता है जो last था। Channel diversification का मतलब है comparable unit economics वाले कम से कम तीन channels; single channel पर dependent कंपनियाँ platform policy changes, algorithm updates और CPC inflation के exposure में होती हैं। B2B SaaS में paid acquisition costs पिछले पाँच वर्षों में most channels और categories में meaningfully बढ़ी हैं; paid-only acquisition strategy बनाने वाली कंपनियाँ इस compounding margin pressure को indefinitely face करेंगी।

काल्पनिक walk-through। SyncFlow की कल्पना करें, $50/month AI productivity tool। टीम "AI scheduling assistant" और "calendar AI" जैसे terms पर Google Ads चलाती है। वे $4 per click pay करते हैं; 2% clicks free-trial signups में convert होते हैं; 15% free trials paid में convert होते हैं। CAC $130 per customer है, $600 LTV के against। Math काम करती है, टीम बारह महीनों में spend $10K/month से $200K/month तक scale करती है। Month eighteen तक paid CAC $180 तक creep कर गया (ज़्यादा competitors bidding), और टीम blended CAC कम करने के लिए Content & SEO बनाना शुरू करती है।

उदाहरण। पुष्ट pattern: लगभग हर B2B SaaS कंपनी Performance Marketing चलाती है। AI-native में Performance Marketing self-serve products (Cursor, Linear, Notion AI, Perplexity Pro) और category leaders (OpenAI के brand campaigns, Microsoft Copilot) के लिए सबसे visible है। अधिकांश enterprise AI vendors specific demand-gen campaigns support करने के लिए smaller performance programs चलाते हैं।

मुख्य जोखिम। Unit economics के बिना paid acquisition। टीम यह confirm किए बिना spend scale करती है कि acquired customers सच में model के assumed LTV generate करते हैं। छह महीने बाद LTV calculations optimistic निकलते हैं और unit economics negative होती हैं। बचाव: cohort LTV empirically confirm होने तक spend रोकें। Scale तब ही करें जब math verified हो, projected नहीं।

दूसरा जोखिम। Channel concentration। Single channel (Google, LinkedIn) पर dependent कंपनियाँ platform policy changes, algorithm updates और CPC inflation के exposure में होती हैं। बचाव: comparable unit economics वाले कम से कम तीन channels में diversify करें।

पहला कदम। जिस channel पर आपका buyer सबसे likely है, वहाँ $5,000 test चलाएँ (high-intent search के लिए Google; B2B targeting के लिए LinkedIn)। CAC और conversion rates rigorously measure करें। Math काम करे तभी scale करें।

Motion 6: Demand Generation Programs

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। अपने prospective customers के लिए party throw करने की कल्पना करें, बस admission price उनका email address है। Demand Generation programs webinars, virtual conferences, white papers, eBooks, gated reports और ऐसा content हैं जिसमें access के लिए "मुझे अपनी contact info दें" exchange होता है। Exchange straightforward है: contact के बदले useful content, फिर nurture sequence जो contact को sales conversation की तरफ warm करता है।

यह motion पंद्रह वर्षों से B2B SaaS marketing का workhorse रही है। Mechanics well-established हैं और playbook mature है। AI production economics बदल रहा है: gated content generate करना पहले से dramatically cheaper है। लेकिन underlying motion unchanged है।

Measurable funnels वाले mid-market के लिए primary motion के रूप में best। लगभग हमेशा Performance Marketing (gated asset की paid promotion) और ABM (lead pool को input की तरह इस्तेमाल करना) के साथ combined।

मुख्य विचार। Useful content को contact information के बदले trade करें, फिर systematic nurture के ज़रिये contacts को pipeline में convert करें।

इसे कब इस्तेमाल करें। जब buyer का purchase cycle multi-month हो (ताकि nurture को काम करने का समय मिले); जब टीम के पास marketing automation infrastructure हो (HubSpot, Marketo, Pardot, या modern AI-native equivalents); और जब टीम high-quality gated assets produce करने में invest करने को willing हो।

काम करने का तरीका। Demand gen तीन-stage funnel से काम करता है, जो Seth Godin द्वारा originally named permission dynamic पर built है: buyer voluntarily content के बदले contact information देकर opt in करता है, और वह opt-in license आगे की हर चीज़ का basis बनता है।⁶ Acquisition: paid ads या organic distribution traffic को landing पेज पर drive करते हैं जहाँ users content के बदले contact info exchange करते हैं। Nurture: contact emails, retargeting ads और personalized content की sequence में enter करता है, जिसे उसे awareness curve में आगे बढ़ाने के लिए design किया गया है। Sales handoff: जब contact behavioral threshold तक पहुँचता है (multiple downloads, repeated visits, calendar request), उसे qualified lead के रूप में sales को route किया जाता है।

Funnel economics हर stage के conversion rates पर depend करती है। Typical mid-market B2B demand-gen programs में paid traffic का 1–5% gated-content downloads में convert होता है, उन leads का 5–15% nurture sequences से meaningfully engage करता है, और engaged leads का 5–10% sales-qualified opportunities में convert होता है। Multiply करने पर overall paid-traffic-to-pipeline conversion rate आम तौर पर 0.05–0.5% होता है: यानी gated asset की paid promotion को एक qualified opportunity generate करने के लिए thousands of impressions produce करने पड़ते हैं। Disciplined lead scoring और tight nurture sequences वाले programs इन ranges के higher end पर operate करते हैं; discipline के बिना programs lower end पर operate करते हैं और meaningful return के बिना budget burn करते हैं।

दूसरा constraint content quality और freshness है। Gated asset genuinely useful होना चाहिए, वरना lead warm होने के बजाय angry होती है। और opt-in permission decay होती है: जिसने आपका white paper नौ महीने पहले download किया और तब से engage नहीं किया, वह अब warm lead नहीं है, भले ही list में रहे। Successful programs leads को perishable asset मानते हैं: active list को quarterly fresh content से re-engage करना, inactive segment को deliverability बचाने के लिए suppress करना, और कई shallow assets के बजाय per quarter एक या दो flagship assets produce करना। Email list को durable inventory मानने वाले programs (दो साल पुराने leads को वही nurture sequence भेजना) deliverability collapse, engagement decline और pipeline contribution erosion देखते हैं।

काल्पनिक walk-through। FinanceAI की कल्पना करें, FP&A टीम के लिए AI tool। टीम 40-पेज report produce करती है: "The State of FP&A Automation in 2026", जिसे email form के पीछे gate किया गया है। वे उसे Performance Marketing, partner emails और PR से promote करते हैं। छह सप्ताह में 8,000 contacts capture होते हैं। उनमें से 1,200 बारह-week nurture sequence में enter करते हैं। उनमें से 80 sales meetings book करते हैं। उनमें से 25 customers के रूप में close होते हैं, average $30K ACV। Program लगभग $1,200 CAC पर $750K pipeline produce करता है।

उदाहरण। पुष्ट उदाहरण: Gartner की annual reports, HubSpot की State of Marketing report, Salesforce की State of Sales report। AI-native में: Anthropic की Economic Index reports, OpenAI की research publications, और कंपनी-published industry reports की long tail।

मुख्य जोखिम। Follow-through के बिना webinars। टीम webinar चलाती है, leads capture करती है, और systematic follow-up कभी नहीं करती। Leads cool हो जाते हैं और pipeline नहीं बनते। बचाव: asset produce करने से पहले nurture sequence design करें। Asset funnel की शुरुआत है; nurture ही funnel है।

पहला कदम। अपने target buyer का highest-stakes सवाल identify करें (आम तौर पर category benchmarks, ROI या implementation के बारे में)। उस सवाल का सबसे thorough जवाब 30-पेज report के रूप में produce करें। उसे gate करें, promote करें, और leads nurture करें।

Motion 7: Account-Based Marketing (ABM)

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। Marketing को broad fishing के बजाय targeted hunting की तरह सोचें। Wide net डालने के बजाय, आप पचास से दो सौ specific कंपनियाँ चुनते हैं जिन्हें आप customers के रूप में सबसे ज़्यादा चाहते हैं। फिर marketing का हर piece हर एक के लिए personalize करते हैं: उनके logo वाले custom landing पेजों, उनकी industry mention करने वाले ads, उनके CEO के नाम वाली direct mail, वे जिन shows को सुनते हैं उनमें podcast sponsorships। Goal है tightly defined target list के लिए सही तरीके से impossible to ignore होना।

ABM वह marketing motion है जो Enterprise Field Sales (Sales Catalog Motion 7) से सबसे aligned है। Marketing और sales same target list पर साथ काम करते हैं: marketing awareness और warmth बनाती है; sales close करती है।³

Limited target accounts के साथ six-figure-plus deals target करने वाली कंपनियाँ के लिए primary motion के रूप में best। हमेशा Enterprise Field Sales के साथ combined: sales alignment के बिना ABM wasted है।

मुख्य विचार। Sales के साथ tight coordination में named accounts की finite list पर marketing spend और personalization concentrate करें।

इसे कब इस्तेमाल करें। जब average deal size per-account personalization justify करने के लिए काफी बड़ा हो (आम तौर पर $100K+ ACV); जब target buyer universe छोटा हो (आम तौर पर 1,000 named accounts से कम); और जब टीम में named accounts के against execute करने की marketing-sales coordination discipline हो।

काम करने का तरीका। ABM तीन coordinated tracks से काम करता है। Awareness: हर target account किसी भी sales conversation से महीनों पहले branded ads (LinkedIn, IP-targeted display, podcast) consistently देखता है। Personalization: जब sales engage करती है, buyer brand encounter कर चुका होता है, messaging उसकी specific industry/use case से fit होती है, और sales द्वारा भेजे जाने वाले marketing assets account के लिए pre-customized होते हैं। Joint orchestration: marketing और sales named accounts पर weekly मिलते हैं, intelligence share करते हैं और touches coordinate करते हैं।

Constraint sales-marketing alignment है। Aligned sales execution के बिना ABM सिर्फ expensive marketing है। ABM अच्छी तरह चलाने वाली कंपनियाँ के पास single shared list, weekly account reviews और tight feedback loops होते हैं; इसे poorly चलाने वाली कंपनियाँ उन accounts के लिए marketing personalize करती हैं जिन्हें sales actively pursue नहीं कर रही।

काल्पनिक walk-through। ClaimsAI की कल्पना करें, insurance carriers के लिए AI tool। Marketing टीम और sales टीम 75 target carriers पर agree करती हैं। Marketing छह महीनों में $300K spend करती है: carrier-specific LinkedIn ads, executive टीम को direct mail, industry podcasts sponsorships और carrier-specific case studies वाले custom landing पेजों। Sales ABM-aligned outbound चलाती है। नौ महीनों बाद, 75 carriers में से 22 sales से engage कर चुके हैं; 8 active evaluation में हैं; 3 average ACV $850K पर close होते हैं। Program लगभग $100K CAC पर $2.5M ARR produce करता है: absolute terms में high, लेकिन deal size के लिए excellent।

उदाहरण। पुष्ट उदाहरण: ABM playbook Sangram Vajre और others की books में documented है।³ AI-native में: अधिकांश enterprise AI vendors (Glean, Harvey, Sierra, Writer) अपने largest target accounts के लिए ABM motions चलाते हैं।

मुख्य जोखिम। Sales alignment के बिना ABM। Marketing 200 accounts के लिए personalize करती है; sales 50 pursue कर रही है; बाकी 150 expensive ad campaigns receive कर रहे हैं, follow-up के बिना। बचाव: named-account list shared हो और weekly reviewed हो। अगर sales account pursue नहीं कर रही, marketing spend खींच ले।

दूसरा जोखिम। Personalization theater। टीम "personalized" landing पेजों बनाती है जो generic template पर account का logo swap करते हैं। Buyers notice करते हैं; personalization laziness signal करती है। बचाव: genuine personalization में invest करें: custom case studies, account-specific use-case writing, executive-name direct mail। अगर वास्तविक personalization resource नहीं कर सकते, तो fewer accounts चलाएँ।

पहला कदम। वे 25 accounts identify करें जिन्हें आप सबसे ज़्यादा customers के रूप में चाहते हैं। List पर sales को brief करें। Marketing और sales touches साथ map करके छह-month coordinated awareness campaign चलाएँ।

Motion 8: AI-Augmented Email & Outreach

Maturity: Emerging. शुरुआती कठिनाई: Medium.

सीधी भाषा में। ऐसी library की कल्पना करें जहाँ हर subscriber को थोड़ा अलग newsletter मिलता है: खास उसी के लिए लिखा गया, इस आधार पर कि उसने पहले क्या पढ़ा, उसे किस चीज़ की परवाह है, और buying cycle में वह कहाँ है। AI-Augmented Email & Outreach, AI agents का इस्तेमाल outbound communications को draft, personalize और time करने के लिए scale पर करता है। Newsletters personalized हो जाते हैं। Drip campaigns adaptive हो जाते हैं। Cold outreach hyper-targeted हो जाता है। जो काम historically email marketers की armies मांगता था, वह अब छोटी टीम AI augmentation से कर देती हैं।

यह Sales Catalog के AI-Augmented Outbound (Motion 6) का marketing-side cousin है। दोनों personalized communication scale करने के लिए AI इस्तेमाल करते हैं; marketing version attention और engagement target करता है, sales version meetings target करता है।

ज़्यादातर दूसरी motions के complement के रूप में best। Rarely stand-alone motion; लगभग हमेशा Content & SEO, Demand Gen, ABM या Performance Marketing के ऊपर layered।

मुख्य विचार। AI agents का इस्तेमाल करके email, newsletters और digital outreach को उस scale पर personalize करें जहाँ human marketing टीम नहीं पहुँच सकतीं।

इसे कब इस्तेमाल करें। जब टीम के पास meaningful email list (10,000+ contacts) या active outbound program हो; जब टीम में AI के prompts और segmentation को instrument और tune करने की marketing-operations maturity हो; और जब brand high-volume AI-generated communication के deliverability और quality risks survive कर सके।

काम करने का तरीका। AI-augmented email इसलिए काम करता है क्योंकि traditional email marketing में limiting factor हमेशा personalization और scale के बीच trade-off था। Humans per day dozens of contacts को deeply personalized emails लिख सकते थे; AI agents thousands को लिख सकते हैं। Constraint production volume से distinctiveness पर shift हो जाता है: जब पूरी industry में AI साथ-साथ millions personalized emails generate कर रहा है, तो "valuable" email का bar sharply rise करता है। AI-generated outreach पर trained recipients उसे पहचानना और ignore करना सीखते हैं; जो senders rising signal-detection ability compensate नहीं करते, उनके लिए channel decay होता है।

Execution के लिए तीन disciplines चाहिए जो AI augmentation से पहले मौजूद नहीं थे। Prompt design: AI की draft quality prompt से bounded है; जो टीम prompts को drive करने वाले agents के prompts को test, version-control और refine करने वाली marketing-operations function के रूप में prompt engineering में invest करती हैं, वे black-box "generate this" function की तरह AI treat करने वाली टीम से dramatically better output produce करती हैं। Segmentation depth: AI personalization well-defined segments पर सबसे effective है; "यह email सबके लिए personalize करो" generic-feeling output produce करता है, जबकि "यह email fintech VPs of engineering के लिए personalize करो, 200–500 employees वाली कंपनियाँ में, जिन्होंने हमारा last white paper download किया था" tight, contextual messaging produce करता है। Human-in-the-loop quality control: higher-stakes communications (named-account executives को ABM emails, reference accounts को customer-marketing outreach) के लिए send से पहले human review और point-of-view, opinion या personal context inject करना AI-augmented को AI-replaced से अलग करता है।

दूसरा constraint deliverability infrastructure है। High-volume AI-augmented email ESP penalties, spam classification और domain reputation damage trigger कर सकता है, जिसे repair करने में महीनों लगते हैं। AI-augmented email scale करने वाली टीम को proper authentication (SPF, DKIM, DMARC), list hygiene (inactive contacts का regular suppression), और segmented sender domains चाहिए (ताकि एक program की deliverability problem पूरी कंपनी email infrastructure को poison न करे)। Deliverability काम skip करके "faster scale" करना AI-augmented email programs के second year में collapse का सबसे common कारण है।

काल्पनिक walk-through। GrowthCRM की कल्पना करें, 50,000-contact email list वाली B2B sales-tools कंपनी। टीम AI agents का इस्तेमाल करके weekly newsletter content generate करती है, सात अलग buyer segments के लिए tailored: सिर्फ subject-line personalization नहीं, content-personalization। Open rates 18% से 31% तक climb करते हैं; click rates 1.4% से 3.9% तक। Newsletter कंपनी की pipeline का सबसे बड़ा single source बन जाता है, qualified inbound का 30% produce करता है।

उदाहरण। उभरते analogues: Lavender, Smartlead, Hyperbound जैसी कंपनियाँ और AI-native sales-and-marketing tools की long tail AI-augmented email को productize कर रही हैं। Significant email lists वाले अधिकांश AI-native vendors 2026 में AI augmentation का कोई न कोई form चलाते हैं।

मुख्य जोखिम। Distinction के बिना AI-generated content। हर कंपनी email draft करने के लिए AI इस्तेमाल कर रही है; recipients AI-generated outreach पहचानना और ignore करना सीखते हैं; channel decay होता है। बचाव: AI को research और first-draft generation के लिए इस्तेमाल करें, लेकिन humans point-of-view, opinion और personal context inject करें। AI काम करता है; human spark जोड़ता है।

दूसरा जोखिम। Deliverability collapse। High-volume AI-augmented email ESP penalties, spam classification और domain reputation damage trigger कर सकता है। बचाव: volume scale करने से पहले deliverability infrastructure (proper authentication, list hygiene, segmented sender domains) में invest करें।

पहला कदम। एक existing email program (newsletter, drip campaign, nurture sequence) लें और 30 दिनों के लिए AI-augmented variant चलाएँ। Performance को baseline के against measure करें। Augmentation को सिर्फ वहाँ scale करें जहाँ वह materially outperform करे।

---

C. Earned motions

Third parties marketer के message को amplify करती हैं। Marketer का काम relationship management है: journalists, analysts, podcasters और creators के लिए आपको feature करना आसान बनाना, और अच्छा feature करना भी आसान बनाना। ये motions बनाने में slow हैं लेकिन ऐसे durable trust assets produce करती हैं जिन्हें paid motions replicate नहीं कर सकतीं।

Motion 9: PR & Analyst Relations

Maturity: Proven. शुरुआती कठिनाई: Advanced.

सीधी भाषा में। दूसरे लोगों ने जो trust बनाया है उसे borrow करने की कल्पना करें। PR और Analyst Relations उन sources से third-party coverage earn करने का discipline है जिन पर आपका buyer पहले से trust करता है: tier-1 business और trade press (Wall Street Journal, Bloomberg, TechCrunch, industry trade publications), analyst firms (Forrester, Gartner, IDC, 451 Research), और तेजी से podcast और conference circuit। जब buyer किसी ऐसी publication में आपके बारे में पढ़ता है जिसे वह हर सुबह पढ़ता है, तो उस mention में trust weight होता है जिसे आपकी अपनी marketing match नहीं कर सकती।

यह marketing motions में सबसे slow है और quarterly numbers के लिए impatient founders द्वारा सबसे ज़्यादा neglect की जाती है। यह वही motion भी है जो कंपनी की trajectory बदलने वाले moments produce करने की सबसे ज़्यादा संभावना रखती है: analyst report जो आपको Gartner's Magic Quadrant में लाती है, press placement जो inbound flood trigger करती है, conference keynote जो signal करता है कि आप arrive कर चुके हैं।

Strategic enterprise customers target करने वाली किसी भी कंपनी में long-term investment के रूप में best। Slow to compound; short term में rarely measurable pipeline produce करती है; long term में extremely valuable।

मुख्य विचार। Third-party media में placements earn करें जिन पर आपका buyer पहले से trust करता है, और उन placements को compounding brand authority में convert करें।

इसे कब इस्तेमाल करें। जब buyer enterprise हो (जहाँ analyst reports और tier-1 press procurement के लिए matter करते हैं); जब कंपनी के पास tell करने लायक credible story हो; और जब टीम measurable returns से पहले 12–24 month investment cycle के लिए patient हो।

काम करने का तरीका। PR और analyst relations तीन vectors से काम करते हैं। Press relationships: journalists उन sources को cover करते हैं जिन पर वे trust करते हैं; trust consistent, useful, accurate communication से वर्षों में बनता है। Analyst placements: Forrester, Gartner और IDC category reports (Magic Quadrants, Waves, MarketScapes) produce करते हैं जिन्हें procurement organizations shortlist filters के रूप में इस्तेमाल करती हैं; इन reports में placed होने के लिए meaningful customer references, scale और analysts के साथ years-long relationship चाहिए। Speaking और conference circuit: industry conferences (TechCrunch Disrupt, SaaStr Annual, AWS re:Invent, NeurIPS) keynote slots और panels produce करते हैं जिन्हें audience members बाद में याद रखते हैं; ये slots पाने के लिए credible story और conference organizers का network चाहिए।

Constraint time है। Analyst placements आम तौर पर 18–36 months relationship-building मांगते हैं। Tier-1 publications में press coverage के लिए journalists को source पर trust develop करना पड़ता है, जिसमें साल लगते हैं। Conference slots speaking circuit से gradually बनते हैं। जो founders तय करते हैं कि उन्हें "next month" PR चाहिए, वे आम तौर पर disappointed होते हैं।

काल्पनिक walk-through। SecureAI की कल्पना करें, AI security कंपनी। CMO 24-month PR और analyst program commit करता है। वे Gartner और Forrester analysts को quarterly brief करते हैं, customer references share करते हैं, और research inquiries का जवाब देते हैं। वे enterprise security cover करने वाले 8 tier-1 journalists के साथ relationships develop करते हैं। वे founder को 30 podcasts और 6 conference keynotes पर book करते हैं। अठारह महीनों में SecureAI Gartner द्वारा "Cool Vendor" named होता है। चौबीस महीनों में वे Forrester Wave में "Strong Performer" के रूप में appear करते हैं। Placements 200+ inbound enterprise inquiries produce करते हैं, और उन inquiries से close होने वाले deals कंपनी history के largest होते हैं।

उदाहरण। पुष्ट उदाहरण: लगभग हर major enterprise software कंपनी analyst relations में heavily invest करती है। AI-native में Anthropic, OpenAI, Cohere और Glean जैसी कंपनियाँ के substantial analyst-relations programs हैं। Tier-1 press coverage uneven है: कुछ AI-native कंपनियाँ (OpenAI, Anthropic) constantly covered रहती हैं; others को placements के लिए कड़ी मेहनत करना पड़ता है।

मुख्य जोखिम। Vanity coverage जो pipeline नहीं चलाती। टीम को TechCrunch article मिलता है जो internally widely shared होता है लेकिन measurable pipeline impact नहीं देता। बचाव: track करें कौन से press placements inbound inquiries produce करते हैं (UTM-tracked links, brand-search lifts, sales conversations में mentions)। उन placements के लिए optimize करें जो pipeline needle move करते हैं, न कि board decks में अच्छे दिखने वाले placements के लिए।

दूसरा जोखिम। Negative coverage। PR bidirectional है; वही journalists जो favorable coverage लिखते हैं, unfavorable coverage भी लिख सकते हैं। बचाव: genuine relationships और genuine transparency में invest करें। Negative coverage के against सबसे resistant कंपनियाँ वे हैं जिन्होंने समय के साथ honesty से trust बनाया है।

पहला कदम। अपनी category में purchasing को सबसे ज़्यादा influence करने वाले तीन analysts identify करें। उन्हें quarterly brief करें। Results judge करने से पहले दो साल relationship बनाएँ।

Motion 10: Influencer & Creator Partnerships

Maturity: Proven. शुरुआती कठिनाई: Medium.

सीधी भाषा में। किसी और ने जो audience already बनाई है उसे borrow करने की कल्पना करें। Influencer और Creator Partnerships उन लोगों के साथ deals हैं जिनके पास आपकी target buyer की attention पहले से है: B2B में LinkedIn voices, technical categories में YouTube creators, अपने niches में X personalities। Deal paid हो सकती है (sponsored posts, paid integrations) या organic (honest coverage के बदले creators को early access देना)। दोनों तरह से, आप audience-building के years skip करते हैं और partnership की duration के लिए audience rent करते हैं।

यह motion पिछले पाँच वर्षों में B2C marketing से B2B में migrate हुई है। Specific niche में 30,000 LinkedIn followers वाले creators अब उस niche की AI-native कंपनियाँ के लिए meaningful marketing channels हैं।

दूसरी motions के complement के रूप में best। Scale पर rarely primary motion, लेकिन specific funnel gaps fill करने और paid channels से unreachable audiences तक पहुँचने में consistently effective।

मुख्य विचार। उन creators को pay या partner करें जिनके पास आपके buyer की attention पहले से है; audience बनाने के बजाय rent करें।

इसे कब इस्तेमाल करें। जब आपका target buyer specific creators से reachable हो (most technical categories के लिए true: niche में लगभग हमेशा YouTube creator या LinkedIn voice होती है); जब deal economics per-creator partnership costs support करे (B2B के लिए आम तौर पर $5K–$50K per partnership); और जब टीम attribution properly measure करने की discipline रखती हो।

काम करने का तरीका। Creator partnerships इसलिए काम करती हैं क्योंकि audiences उन creators पर, जिन्हें उन्होंने वर्षों तक follow किया है, उन brands से ज़्यादा trust करती हैं जिन्हें उन्होंने अभी encounter किया है। Buyer द्वारा weekly देखे जाने वाले creator के tutorial video में 90-second integration, same message वाले paid ad की तुलना में dramatically higher conversion produce करता है। Constraint creator-audience fit है: partnership सिर्फ तब काम करती है जब creator की audience आपके buyer से overlap करती है।

Execution के लिए तीन disciplines चाहिए: genuine audience-fit वाले creators identify करना (follower count vanity metric है; engagement और audience-quality matter करते हैं), ऐसी partnerships structure करना जो creator और brand incentives align करें (pure paid sponsorships अक्सर inauthentic content produce करती हैं; revenue-share या affiliate models better outcomes produce करते हैं), और creator autonomy respect करना (managed महसूस करने वाले creators ऐसा content produce करते हैं जिसे उनकी audience managed detect कर सकती है)।

काल्पनिक walk-through। DevAI की कल्पना करें, software developers के लिए AI tool। टीम developer-tools niche में 20 YouTube creators identify करती है जिनकी audiences 50K से 500K subscribers के बीच हैं। वे उनमें से 8 के साथ $10K–$25K per integration पर paid integration deals strike करते हैं। आठ में से छह integrations land करती हैं, यानी creator की audience meaningful rates पर free signups में convert होती है। टीम काम करने वाले छह relationships scale करती है, दो जो नहीं चले उन्हें drop करती है, और छह महीनों में channel से $400K monthly self-serve revenue produce करती है।

उदाहरण। पुष्ट pattern: 2026 में B2B AI में creator partnerships dev-tools (Cursor, Linear, Cline द्वारा sponsored YouTube creators), creator-economy AI tools (video और image AI के लिए TikTok और YouTube partnerships), और finance/analytics AI (finance categories में LinkedIn voices और Substack writers) में visible हैं।

मुख्य जोखिम। Creator की audience से misalignment। Partnership ऐसा content produce करती है जिससे creator की audience engage नहीं करती, या तो product उनके interests से fit नहीं करता, या integration forced लगता है। बचाव: scale करने से पहले एक या दो creators के साथ test करें। Integrated content पर engagement देखें, सिर्फ total reach नहीं।

पहला कदम। अपनी category के पाँच creators identify करें जिनकी audience आपके buyer से सबसे ज़्यादा overlap करती है। Approach करने से पहले दो सप्ताह उनका content watch/पढ़ें। Generic sponsorship pitch नहीं, specific integration idea के साथ reach out करें।

---

D. Community motions

आपकी existing audience आपकी future audience को बढ़ाती है। Marketer का काम advocacy से friction हटाना और multi-year horizons में community-building में invest करना है। ये motions सबसे defensible moats produce करती हैं लेकिन patience और authenticity मांगती हैं जो दूसरी motions नहीं मांगतीं।

Motion 11: Developer Relations (DevRel)

Maturity: Proven. शुरुआती कठिनाई: Advanced.

सीधी भाषा में। ऐसा clubhouse बनाने की कल्पना करें जहाँ developers hang out करना चाहते हैं। DevRel technical content, sample apps, hackathons, ambassador programs, documentation, sandboxes और community events के ज़रिये developer trust earn करने का discipline है। Goal है कि आपकी category और आपका product developers के लिए space में बनाते समय natural starting point बन जाए। जब developer community तय करती है कि कौन से tools matter करते हैं, आपके tools marketing की वजह से नहीं बल्कि community के खुद तय करने की वजह से जीतते हैं।

Developer buyers target करने वाली किसी भी AI-native कंपनी के लिए DevRel सबसे important marketing motion है। AI infrastructure (model APIs, agent frameworks, eval tools, deployment platforms) developers द्वारा खरीदा जाता है और buying decision community signal से heavily influenced होता है। DevRel जीतने वाली कंपनियाँ आम तौर पर अपनी developer category dominate करती हैं; DevRel ignore करने वाली कंपनियाँ आम तौर पर lose करती हैं।

किसी भी developer-buyer product के लिए primary motion के रूप में best। Early staffed होनी चाहिए, ideally product widely available होने से पहले, क्योंकि developer communities बनने में साल लेती हैं।

मुख्य विचार। वह technical community बनाएँ जिस पर practitioners trust करते हैं, और space में बनाने वाले community members के लिए अपने product को natural choice बनाएँ।

इसे कब इस्तेमाल करें। जब buyer developer या technical practitioner हो; जब कंपनी के पास genuinely useful technical content (sample apps, integrations, technical guides) जारी करने की engineering depth हो; और जब टीम multi-year community-building investment के लिए patient हो।

काम करने का तरीका। DevRel तीन compounding effects से काम करता है। Technical authenticity से trust: developers marketing fluff के लिए low tolerance रखते हैं; DevRel content technically accurate और useful होना चाहिए वरना backlash produce करता है। Community advocacy: जो developers आपका product इस्तेमाल करते हैं और आपकी टीम से respected महसूस करते हैं, वे peers को recommend करेंगे, जिससे paid acquisition replicate न कर सकने वाली growth produce होती है। Ambassador effects: high-credibility developers की छोटी संख्या (5–50) community signal का disproportionate share drive करती है; इन relationships में invest करने से compound returns मिलते हैं।

Execution के लिए तीन disciplines चाहिए: technically credible developer-relations engineers hire करें (former practitioners, pure marketers नहीं), genuinely useful technical content में invest करें (sample apps, working code, deep guides, surface-level tutorials नहीं), और community को product की तरह treat करें (community की needs हैं जिन्हें serve करना होता है; उन्हें अच्छी तरह serve करना ही trust बनाता है)।

Constraint DevRel को product investment के बजाय marketing budget मानना है। Marketing budget से DevRel staff करने वाली कंपनियाँ (और उसे cost-per-lead optimization मानने वाली) consistently विफल होती हैं; product budget से DevRel staff करने वाली कंपनियाँ (और उसे long-term moat मानने वाली) consistently जीतती हैं।

काल्पनिक walk-through। AgentKit की कल्पना करें, AI agent framework। टीम कंपनी के first year में तीन DevRel engineers hire करती है। वे 18 महीनों में 50+ sample apps, 12,000 active members वाला public Discord, 50,000 monthly listeners वाला podcast, और 3,000 attendees वाला quarterly developer conference produce करते हैं। Year three तक AgentKit तीन specific verticals में AI agents के लिए de facto framework है। Paper पर better products वाले competitors उसे dislodge नहीं कर सकते क्योंकि community mindshare AgentKit के पास है।

उदाहरण। पुष्ट उदाहरण: Stripe की developer-relations और documentation canonical exemplar हैं। AI-native में: LangChain की community, OpenAI का developer ecosystem, Anthropic के developer programs, Hugging Face की community, Modal की developer-first marketing।

मुख्य जोखिम। DevRel को product budget के बजाय marketing budget मानना। Function को lead generation वाले KPIs के साथ traditional marketers से staff किया जाता है; developer community months में inauthenticity detect करके disengage कर जाती है। बचाव: DevRel को engineering-credible लोगों से staff करें (former practitioners, ideally prior community-building experience के साथ), और उन्हें marketing KPIs के बजाय product-टीम-aligned KPIs दें (community growth, sample-app downloads, ambassador retention)।

दूसरा जोखिम। Community backlash। Misjudged announcement, perceived bait-and-switch या poorly handled outage community trust को years के लिए damage कर सकता है। बचाव: community-management discipline में invest करें। पहले listen करें; honestly respond करें; mistake होने पर publicly admit करें।

पहला कदम। Genuine technical credibility वाला एक developer-relations engineer hire करें। उनसे एक excellent sample app जारी करवाएँ और एक community event host करवाएँ। जो signal आप भेज रहे हैं वह यह है कि community matter करती है।

Motion 12: Customer Advocacy & Case Studies

Maturity: Proven. शुरुआती कठिनाई: Easy.

सीधी भाषा में। अपने existing customers को अपनी sales force में बदलने की कल्पना करें। Customer Advocacy & Case Studies happy customers को marketing assets में systematically convert करने की practice है: case studies, testimonials, customer-led webinars, peer recommendations, advocacy programs, referral programs। Late-stage buyers किसी भी vendor से ज़्यादा दूसरे customers पर trust करते हैं। अच्छी तरह चलाया गया advocacy program ज़्यादातर कंपनियाँ के पास सबसे highest-converting marketing asset होता है।

यह motion early-stage कंपनियाँ के लिए least available है (advocate करने के लिए customers चाहिए) और mid-to-late-stage कंपनियाँ के लिए सबसे powerful है। एक बार आपके पास 50+ happy customers हों, advocacy सबसे cheap और credible source of pipeline बन जाती है जिसे आप चला सकते हैं।

50+ happy customers होने के बाद primary late-stage motion के रूप में best। ज़्यादातर दूसरी motions की तुलना में execute करना आसान; specialized skills के बजाय consistent operational discipline चाहिए।

मुख्य विचार। Customer success को systematic case-study production, testimonials और advocacy programs के ज़रिये marketing inventory में बदलें।

इसे कब इस्तेमाल करें। जब कंपनी के पास कम से कम 25 happy customers हों जो referenced होने को willing हों; जब टीम के पास systematically case studies produce करने की operational capacity हो (one-offs की तरह नहीं); और जब sales motion ऐसी हो जहाँ social proof matter करता हो (cautious buyers target करने वाली लगभग any B2B motion)।

काम करने का तरीका। Customer advocacy तीन vectors से काम करती है। Case studies: systematically produce होने पर (ideally one per month), वे bottom-of-funnel content library भरती हैं जो deals close करती है। Reference customers: late-stage buyers हमेशा पूछते हैं "इसे और किसने implement किया है?"; willing customers के साथ structured reference program sales cycles meaningfully shorten करता है। Advocacy programs: जो customers valued महसूस करते हैं (community access, advisory boards, advance product previews, named recognition के through) unpaid evangelists बन जाते हैं, peers refer करते हैं, events में बोलते हैं और आपके product पर LinkedIn posts लिखते हैं।

Constraint operational discipline है। ज़्यादातर कंपनियाँ case studies one-offs की तरह produce करती हैं जब कोई customer volunteer करता है। Advocacy में जीतने वाली कंपनियाँ इसे function मानती हैं: उनके पास case-study production pipeline (target one per month), reference-customer program (managed list, regular outreach), और advocacy ladder (पहले small touches, समय के साथ larger asks) होता है।

काल्पनिक walk-through। RetailAI की कल्पना करें, retail merchandisers के लिए AI tool। टीम customer marketing manager hire करती है और प्रति month एक case study produce करने का commit करती है। 12 महीनों बाद उनके पास 12 case studies हैं, जो different industries, deal sizes और उपयोग मामलों को cover करती हैं। वे 30 willing customers के साथ reference-customer program भी बनाते हैं। Sales cycles 20% shorten हो जाते हैं (क्योंकि अब हर prospect evaluation के दौरान relevant case studies देखता है)। Advocacy-sourced referrals new pipeline का 25% produce करते हैं। Advocacy-sourced deals का CAC paid acquisition का roughly one-tenth है।

उदाहरण। पुष्ट pattern: लगभग हर B2B SaaS कंपनी customer advocacy का कोई न कोई form चलाती है। AI-native में Glean, Harvey, Sierra और Writer सभी customer-marketing programs रखते हैं जो case studies systematically produce करते हैं। Anthropic की Customer Stories और OpenAI की Case Studies public examples हैं।

मुख्य जोखिम। Case studies को pipeline के बजाय one-offs मानना। टीम case study तब produce करती है जब customer volunteer करता है, जिसका मतलब है per year तीन case studies, बारह नहीं। बचाव: customer marketing का single owner hire या assign करें जिसका KPI case-study velocity हो। Case-study production को quarterly metric की तरह treat करें।

पहला कदम। अपने तीन सबसे successful customers identify करें। हर एक से उनके results पर 30-minute conversation माँगें। 60 दिनों के अंदर तीन short case studies (1–2 पेजों each, hard ROI numbers के साथ) produce करें। Pipeline वहीं से शुरू होती है।

---

Cross-cutting concepts

कई concepts motions में बार-बार आते हैं और हर बार repeat करने के बजाय एक बार define किए जाने चाहिए।

Attribution और multi-touch journeys। B2B buyers sales-qualified lead बनने से पहले आम तौर पर 7–15 touchpoints से interact करते हैं। एक buyer blog post पढ़ सकता है (Motion 1), LinkedIn ad देख सकता है (Motion 5), webinar download कर सकता है (Motion 6), creator partnership encounter कर सकता है (Motion 10), और अंत में peer recommendation के बाद sign up कर सकता है (Motion 12)। Single-touch attribution (सिर्फ last interaction count करना) pull और earned motions को systematically underweight करता है; multi-touch attribution (journey में credit distribute करना) ज़्यादा accurate है लेकिन operationalize करना कठिन है। Attribution में under-invest करने वाली कंपनियाँ सबसे measurable channels (Performance Marketing) को over-fund करती हैं और सबसे compounding ones (Founder Thought Leadership, DevRel, PR) को under-fund।

Owned/earned/paid framework। Foundational marketing taxonomy। Owned media वह है जिसे आप control करते हैं (आपकी website, email list, app, community)। Earned media वह है जो others आपको देते हैं (press, analyst reports, organic mentions)। Paid media वह है जिसे आप rent करते हैं (advertising)। Healthiest marketing programs तीनों blend करते हैं; paid पर over-reliant programs को margin problems होती हैं; owned पर over-reliant programs को reach problems; earned पर over-reliant programs को predictability problems।

Brand vs. demand-gen tension। Brand marketing long-term recognition और trust बनाती है; demand-gen marketing near-term qualified leads produce करती है। दोनों हर marketing org में budget के लिए compete करते हैं। Pure-demand-gen programs ceiling hit करते हैं: actively searching buyers harvest करने के बाद growth तब तक stall होती है जब तक brand investment addressable audience expand न करे। Pure-brand programs unaccountable होते हैं: awareness generate करते हैं जिसे कोई prove नहीं कर सकता कि pipeline में translate हुआ। Healthiest programs budget को roughly 60/40 demand-gen और brand में split करते हैं, accept करते हैं कि brand half imprecisely measured होगा, और multi-year horizons में brand investment के compounding effects reap करते हैं। Brand काम को compound कराने वाला upstream investment sharp positioning है: April Dunford की Obviously Awesome positioning सही करने के discipline की canonical reference है, उन marketing channels को turn on करने से पहले जो उस पर depend करते हैं।⁷

MarTech stack। 2026 में marketing चलाने वाली infrastructure में आम तौर पर शामिल होता है: CRM (Salesforce, HubSpot, या AI-native equivalent), marketing automation platform (HubSpot, Marketo, Pardot), attribution / analytics stack (Google Analytics 4, Segment, AI-native attribution tool), ad-platform aggregator (Google Ads, LinkedIn Ads, Meta Ads), email-deliverability stack (SendGrid, Postmark, Mailgun), content management system (कंपनी website), और तेजी से AI-augmented content production stack (LLM tools, image generation, video generation)। MarTech में underinvested कंपनियाँ अपनी motions blind चलाती हैं; MarTech में over-invested कंपनियाँ software खरीदती हैं जिसे वे operate नहीं करतीं।

AI era में creative production economics। AI से पहले high-quality ad creative (30-second video, custom landing पेज, polished image set) produce करने में thousands of dollars लगते थे और outside agencies या staff designers चाहिए होते थे। 2026 में generative AI ने कई formats के लिए ये costs 90%+ तक collapse कर दी हैं। Result: ad-variant testing quarterly से weekly हो गया है; landing-पेज personalization account level पर feasible है; video creative अब high-budget campaigns तक limited नहीं है। Adapted कंपनियाँ उन कंपनियाँ की तुलना में dramatically ज़्यादा creative tests चलाती हैं जिन्होंने adapt नहीं किया, और result में तेज़ सीखती हैं। Constraint creative production capacity से creative judgment पर shift हुआ है: कौन सा variant test करने लायक है।

Content velocity vs. content quality। Persistent debate। Velocity argument: search और social surface area maximize करने के लिए high volume content produce करें। Quality argument: fewer, deeper pieces produce करें जिन्हें commoditize करना कठिन हो। 2026 में, AI average content produce करने की cost near zero कर रहा है, इसलिए quality argument decisively जीत रहा है। Average content अब काम नहीं करता; वह AI-generated competition की volume में दब जाता है। Original research, original data और original perspectives अभी भी काम करते हैं। Implication: ज़्यादातर टीम को publishing volume कम करना चाहिए और per-piece investment बढ़ाना चाहिए।

AI हर motion को कैसे बदलता है

Marketing उन disciplines में से है जिन्हें 2024–2026 के AI shift ने सबसे dramatically reshape किया है। इस catalog की हर motion में पाँच changes recur करते हैं और explicit naming deserve करते हैं।

1. Infinite scale पर AI-generated content। Content produce करने वाली हर motion (Motions 1, 2, 3, 4, 8, 9, 12) इस fact से reshape होती है कि AI अब articles, emails, posts और case studies near-zero marginal cost पर generate कर सकता है। Result paradoxical है: content production कभी आसान नहीं रही, लेकिन content distinction कभी कठिन नहीं रही। जो काम करता है उसका bar sharply rise हुआ है: AI-generated average content दब जाता है; original research, original data और original perspectives अभी भी cut through करते हैं। 2026 की marketing टीम fewer, deeper pieces कर रही हैं और "AI-generated middle of the road" को aggressively reject कर रही हैं।

2. New search frontier के रूप में AEO, SEO को replace कर रहा है। एक दशक में पहली बार dominant search interface बदल रहा है। Buyers increasingly search queries type करने के बजाय AI assistants (ChatGPT, Claude, Perplexity, Google AI Overviews) से पूछते हैं। हर Pull motion को adapt करना होगा। SEO dead नहीं है: search engines अभी भी traffic drive करते हैं। लेकिन AI assistants के ज़रिये होने वाली buyer research का share तेजी से बढ़ रहा है। Purely Google rankings के लिए optimized motions slow erosion देखेंगी; AI assistants में citation-worthiness के लिए optimized motions gain करेंगी।

3. AI-augmented buyer evaluation। Buyers अब websites summarize करने, vendors compare करने और human conversation से पहले shortlist बनाने के लिए AI assistants इस्तेमाल करते हैं। Buyer Claude से पूछ सकता है "AI customer service के लिए Sierra और Decagon compare करो" और seconds में structured comparison पा सकता है, जो आपके public content, competitors के public content और analyst reports से produced है। इसे ignore करने वाली motions structural disadvantage में हैं। Implication: हर public surface (website, docs, case studies, press releases) ऐसा लिखा जाना चाहिए कि AI assistants उसे accurately summarize कर सकें। अगर आपकी website पर clear "what we do" पेज नहीं है, तो AI assistants vendor comparisons में आपको skip कर देंगे।

4. Near-zero creative cost पर generative ads। Performance marketing (Motion 5), demand gen (Motion 6) और ABM (Motion 7) सभी AI-generated ad creative से reshaped हैं। जो टीम पहले per month 5 ad variants produce करती थी, वह अब 50 produce कर सकती है। Adapted टीम dramatically ज़्यादा creative tests चला रही हैं, तेज़ सीख रही हैं, और pre-AI production economics में stuck टीम को outperform कर रही हैं। Scarce value पाने वाली skill है creative judgment: कौन से variants test करने लायक हैं।

5. नया role: AI Marketing Engineer। 2026 की marketing टीम में नया function है: engineers (pure marketers नहीं) जो AI-augmented marketing stack बनाते और maintain करते हैं। वे content-production agents के prompts लिखते हैं, AI-personalized email के लिए segmentation pipelines बनाते हैं, AI-search citations के attribution measurement instrument करते हैं, और AI-augmented motions को power देने वाली agent infrastructure operate करते हैं। यह role Sales Catalog के AI Outcome Engineer के parallel है। इसके बिना marketing organizations AI-augmented motions blind चला रही हैं; इसके साथ organizations के पास meaningful operational advantage है।

Common hybrid motions

ऊपर की बारह motions discrete archetypes के रूप में present की गई हैं, लेकिन ज़्यादातर सफल AI-native कंपनियाँ single motion isolation में नहीं चलातीं। वे दो, तीन या चार motions coordinated combination में चलाती हैं, और कंपनी mature होने पर उन्हें deliberately sequence करती हैं। पाँच सबसे common hybrid combinations:

Content & SEO (1) → DevRel (11)। कंपनी developers को बेचती है। वह developer queries target करने वाली content marketing और SEO से शुरू करती है: tutorials, comparison पेजों, technical guides। Audience बढ़ने पर content motion community seed करती है: Discord channel, newsletter, sample apps। 18–24 महीनों में content motion ambassadors, hackathons और community events वाली full DevRel motion में evolve हो जाती है। Transition gradual है और दोनों motions indefinitely एक-दूसरे को reinforce करती हैं। लगभग हर successful developer-tooling कंपनी ने इस hybrid का कोई version चलाया है।

Founder Thought Leadership (3) → PR & Analyst Relations (9)। Founder consistent essays और podcast appearances से category में personal authority बनाता है। Earned reputation वे doors खोलती है जिन्हें institutional PR नहीं खोल सकता: analysts calls return करते हैं, journalists briefs पर follow up करते हैं, conference organizers keynotes invite करते हैं। 24–36 महीनों में founder का personal brand category-defining institutional credibility में transition करता है। Founder visible voice रहता है लेकिन कंपनी brand authority absorb करता है।

Performance Marketing (5) → Demand Gen (6)। टीम paid acquisition (Google Ads, LinkedIn Ads) से शुरू करती है और discover करती है कि cold paid traffic को सीधे paid customers में convert करने की unit economics poor है। वे paid media का इस्तेमाल gated content पर traffic drive करने, emails capture करने और email sequences से nurture करने के लिए evolve करती है। Performance Marketing stand-alone conversion motion के बजाय demand-gen funnel का front बन जाता है। इस transition से CACs आम तौर पर 30–50% improve होते हैं।

ABM (7) → Customer Advocacy (12)। कंपनी tightly defined named-account list के against ABM चलाती है। जो accounts close होते हैं, वे customer advocacy की cornerstone बनते हैं: case studies, reference customers, advocacy program members। Marketing फिर advocacy assets को next ABM cycle में इस्तेमाल करती है, similar accounts को similar accounts के successful proof से target करते हुए। दोनों motions एक-दूसरे को feed करती हैं: ABM customers produce करता है; customer advocacy next ABM cycle के selling materials produce करती है।

Educational Content (4) → Customer Advocacy (12)। कंपनी educational content / certification program चलाती है। Program के graduates customers बनते हैं; graduate customers advocates बनते हैं। Educational content funnel के top को भरता है; advocacy bottom को; कंपनी बीच में trusted infrastructure के रूप में बैठती है जो दोनों को connect करती है। Salesforce Trailhead canonical exemplar है: ऐसा program जो हर साल tens of thousands certified practitioners produce करता है, जिनमें से कई customers और evangelists दोनों बनते हैं।

ये hybrids unique configurations नहीं हैं। ज़्यादातर successful AI-native कंपनियाँ इनमें से एक या अधिक का recognizable variant चलाती हैं। Mistake multiple motions चलाना नहीं है; mistake उन्हें coordinated system के बजाय disconnected functions की तरह चलाना है।

Common motion failures

इस catalog में motions को काम करने वाली recipes के रूप में present किया गया है। हर एक का failure का characteristic तरीका भी है: motion wrong होने से नहीं, बल्कि टीम द्वारा उसे incorrectly चलाने से। Eleven failure patterns इतने often आते हैं कि उन्हें नाम देना चाहिए। जो marketing leader इन्हें अपने operation में recognize करता है, वह fix कर सकता है; जो नहीं करता, वह same way lose करता रहेगा।

Distribution के बिना content velocity। टीम consistently publish करती है लेकिन content किसी तक नहीं पहुँचता। Production को काम माना जाता है; distribution afterthought है। Fix है distribution में roughly production जितनी intensity से invest करना। हर article के लिए distribution checklist बनाएँ: LinkedIn post, email blast, X thread, partner inclusion, search optimization, podcast outreach, और execute करें।

Unit economics के बिना Performance Marketing। टीम यह confirm किए बिना paid spend scale करती है कि acquired customers सच में model के assumed LTV generate करते हैं। छह महीने बाद LTV calculations optimistic निकलते हैं और unit economics deeply negative होती हैं। Fix है cohort LTV empirically confirm होने तक spend रोकना। Scale तभी करें जब math verified हो, projected नहीं।

Sales alignment के बिना ABM। Marketing 200 named accounts के लिए campaigns personalize करती है; sales 50 actively pursue कर रही है; बाकी 150 expensive ad campaigns receive कर रहे हैं, follow-up के बिना। Fix है single shared list जो weekly reviewed हो। अगर sales account pursue नहीं कर रही, marketing spend खींच ले।

DevRel को product investment के बजाय marketing budget मानना। Function marketing से staff होता है, lead generation वाले KPIs के साथ; developer community months में inauthenticity detect करके disengage कर जाती है। Fix है DevRel को product budget से engineering-credible लोगों से staff करना, ऐसे KPIs के साथ जो pure pipeline के बजाय community-building reward करें (sample-app downloads, ambassador retention, Discord engagement)।

Consistency के बिना Founder Thought Leadership। Founder week one में तीन बार post करता है, week two में दो बार, week three में एक बार, और fundraising आते ही एक महीने रुक जाता है। Audience growth को consistency चाहिए, और inconsistency शुरू न करने से worse है। Fix है non-negotiable minimum cadence (LinkedIn पर one post per week, one essay per month) जिसे project नहीं, permanent commitment माना जाए।

Content moat के बिना AEO। टीम AI-search citation के लिए optimize करती है लेकिन cite करने लायक content नहीं है। AEO authority के downstream है: अगर आपके brand के पास ऐसा कुछ नहीं है जिसे AI assistants authoritative मानें, optimization mechanics उसे save नहीं कर सकतीं। Fix है AEO mechanics में invest करने से पहले original research, original data और original perspectives में invest करना।

Pipeline न चलाने वाली vanity PR coverage। टीम को TechCrunch article, Wired profile या Bloomberg mention मिलता है। Coverage internally share होती है, board decks में screenshot होती है, और measurable pipeline impact produce नहीं करती। Fix है track करना कि कौन से placements inbound produce करते हैं (UTM-tracked links, brand-search lifts, sales conversations में mentions), और उन placements के लिए optimize करना जो needle move करते हैं, न कि board decks में अच्छे दिखने वाले placements के लिए।

Case studies को pipeline नहीं, one-offs मानना। टीम case study सिर्फ तब produce करती है जब customer volunteer करता है, जिसका मतलब है per year तीन case studies, बारह नहीं। Fix है customer marketing का single owner जिसका KPI case-study velocity हो। Case-study production को ad-hoc activity नहीं, quarterly target मानें।

Brand-vs-demand-gen budget war। Marketing organizations brand investments (long-term, hard to measure) और demand-gen investments (short-term, easy to measure) के बीच spend split करती हैं। जब budget pressure आता है, आम तौर पर slow quarter या खराब board meeting के बाद, demand-gen camp जीतता है क्योंकि वह attribution numbers से खुद को defend कर सकता है; brand camp हारता है क्योंकि वह नहीं कर सकता। Multiple cycles में brand budget zero तक cut हो जाता है और कंपनी पूरी तरह paid acquisition पर compete करती रह जाती है, किसी compounding awareness asset के बिना। Fix है marketing budget का fixed percentage brand investment के लिए non-negotiable commit करना, जिसे quarterly attribution से नहीं बल्कि long-term cohort data और executive sponsorship से defend किया जाए।

Marketing-sales handoff failures। Marketing funnel-math की माँग के हिसाब से leads produce करती है। Sales उन्हें "unqualified" कहकर reject करती है और different leads मांगती है। Marketing qualification tight करती है, lead volume drop होता है, sales pipeline पर complain करती है। Cycle repeat होता है। Operational symptom के नीचे qualified lead की definition पर misalignment है: marketing की अपनी definition होती है (आम तौर पर behavioral: paper download किया, webinar attend किया), sales की अपनी (आम तौर पर demographic plus active need)। Fix है single shared MQL/SQL definition जो दोनों functions co-own करें, quarterly reviewed हो, और दोनों sides separate KPIs के बजाय same conversion-rate target के accountable हों।

Founder-vs-CMO authority conflict। ऐसा founder जिसने तीन साल से ज़्यादा marketing खुद चलाई है (Founder Thought Leadership और Content & SEO motions से), marketing function scale करने के लिए CMO hire करता है। CMO professionalize करना चाहता है: Performance Marketing, ABM, MarTech infrastructure, formal demand-gen programs जोड़ना। Founder उन motions पर push back करता है जो "corporate" या off-brand लगती हैं; CMO वह playbook execute नहीं कर सकता जिसके लिए उसे hire किया गया था। बारह महीनों में CMO छोड़ देता है और कंपनी दूसरा hire करती है, cycle repeat होता है। Fix है hire से पहले explicit conversation करना कि founder कौन सी motions own रखना चाहता है (आम तौर पर Founder Thought Leadership और strategic narrative) और CMO को किन पर full authority होगी (आम तौर पर demand-gen, performance marketing, MarTech, customer marketing)। उस explicit boundary के बिना conflict structural है।

AI-native marketing anti-patterns

ऊपर का Common Motion Failures खंड universal failure modes describe करता है: operational और cultural traps जो किसी भी motion चलाने वाली marketing टीम को defeat करते हैं। AI era अलग trap category introduce करता है: AI products market करने, AI-augmented marketing tools इस्तेमाल करने, या AI-saturated channels में operate करने वाली कंपनियाँ की specific failures। पाँच anti-patterns इतने often recur करते हैं कि उन्हें नाम देना चाहिए।

Scale पर generic AI content। टीम AI generation को content distinction problem के बजाय content production capability मानती है। वे high volume में articles, posts और emails जारी करते हैं, जिनमें से ज़्यादातर वैसा ही sound करते हैं जैसा पूरी industry में AI produce कर रहा है। Content technically fine है; वह invisible भी है। Fix है AI-generated content को draft layer मानना जिसे distinct बनने के लिए human investment चाहिए: original research, original data, customer quotes, founder opinion, specific context। AI structural काम करता है; human distinguishing signal जोड़ता है। उस human investment के बिना AI-generated content जारी करने वाली टीम बढ़ते noise वाले void में volume पर publish कर रही हैं।

Point-of-view के बिना AI-generated outreach। Recipients AI-generated outbound detect करना सीख चुके हैं: safe-vanilla phrasing, over-personalized opener जो generic ask पर pivot करता है, predictable structure। Missing signal personalization नहीं, opinion है: specific point of view, unexpected observation, या recipient ने सच में जो कहा या किया उस पर सच्चा reaction। AI technically इनमें से कोई भी produce कर सकता है; practice में prompts safe-vanilla पर collapse हो जाते हैं क्योंकि explicit instruction के बिना model वहीं default करता है। Fix है send से पहले humans से AI drafts में opinion inject करवाना, या accept करना कि AI-generated outreach अब low-conversion channel है और volume scale करने के बजाय reduce करना।

Virality को demand समझ लेना। Founder X पर post करता है, post viral हो जाता है (50,000 likes, 5 million impressions), और टीम conclude करती है कि marketing काम कर रही है। Post 12 demo requests और zero closed deals produce करता है। B2B में virality vanity metric है: वह brand awareness से loosely correlate करता है, pipeline से बिल्कुल नहीं। Fix है conversion को पूरे रास्ते track करना: viral impression से demo request, qualified opportunity, closed deal तक। Viral होकर measurable pipeline न produce करने वाली posts entertainment हैं, marketing नहीं। वे important feel होती हैं; होती नहीं।

Trust assets से पहले enterprise targeting। No analyst coverage, no published case studies, no audited security report और no recognized executive presence वाला pre-Series-A startup enterprise field motion चलाने की कोशिश करता है। उन्हें "references हों तो वापस आना" जैसी बात सुननी पड़ती है। Fix sequence को invert करना है: पहले trust assets बनाएँ (पहले 10 customers से Customer Advocacy, executive narrative के लिए founder PR, basic security certifications) 12–18 महीनों में, और फिर enterprise motion activate करें जब buyers आपको credible vendor के रूप में validate कर सकें। "Faster जाने" के लिए trust-asset phase skip करना enterprise pipeline तक सबसे slow path बनाता है।

AI generation से brand voice drift। कंपनी जो कुछ publish करती है वह बाकी कंपनियाँ जैसा sound करने लगता है: वही paragraph structure, वही hedging language, वही predictable metaphors, क्योंकि सभी similar instructions के साथ same foundation models को prompt कर रहे हैं। बारह महीनों में brand की recognizable voice नहीं रहती; logo हटा दें तो readers आपका content competitor के content से अलग नहीं बता सकते। Fix है single editorial voice में invest करना (अक्सर founder, या head of content) जो publish से पहले सब review करे और voice re-inject करे: specific phrases जो brand इस्तेमाल करता है, specific positions जो brand hold करता है, specific stories जो brand बताता है। इस editorial discipline के बिना AI-augmented content production homogenization machine बन जाता है।

Minimum viable marketing stack और stage recommendations

इस catalog को पढ़ने वाले early-stage founders की common mistake यह conclude करना है कि उन्हें बारहों motions चलानी हैं। ऐसा नहीं है। ज़्यादातर सफल AI-native कंपनियाँ दो या तीन motions से शुरू करती हैं और complexity तभी जोड़ती हैं जब stage और resources warrant करें। नीचे के खंडों stage-by-stage prescription देते हैं।

Minimum viable marketing stack (Pre-PMF through Early Traction)।

Early-stage AI-native B2B कंपनी के लिए meaningful demand produce करने वाली motions का सबसे छोटा set:

1. Founder Thought Leadership (Motion 3): month 1 से शुरू करें। Founder LinkedIn या X पर प्रति week एक से दो बार post करता है। Cost: founder time के प्रति week पाँच से दस घंटे। Earliest stage पर यह highest-leverage motion है क्योंकि यह free है, founder कंपनी की सबसे credible voice है, और built audience वर्षों तक compound होती है।

2. Content & SEO Marketing (Motion 1): month 1 से शुरू करें। प्रति week एक long-form article, founder या domain-credible writer द्वारा लिखा गया। Cost: production और minimal distribution सहित $1,000–$3,000 per month। Month six to nine तक compounding expect करें; उससे पहले metrics weak लगेंगे, तब भी जब काम सही तरह से हो रहा होगा।

3. Customer Advocacy & Case Studies (Motion 12): पाँच-plus willing customers होने पर शुरू करें। Explicit outcome metrics के साथ प्रति month एक case study। Cost: production सहित $500–$1,500 per case study। यह motion आम तौर पर operation के month six to nine के around activate होती है।

4. Answer-Engine Optimization (Motion 2): month nine to twelve से शुरू करें। Existing content के ऊपर layer करें, standalone discipline की तरह नहीं। अगर underlying content already है तो marginal cost छोटी है; अगर आप underlying authority के बिना specifically AEO के लिए content produce करने की कोशिश करते हैं तो cost balloon होती है।

Early-stage कंपनी के लिए पूरा minimum viable stack यही है। बाकी आठ motions तब तक छोड़ें जब तक आपके पास product-market fit signals न हों: ARR $1M से ऊपर, NRR 110% से ऊपर, और customers willingly references दे रहे हों। ये validate करते हैं कि कौन सी motions आपके specific product और buyer के लिए सच में demand produce करती हैं।

Stage-based recommendations।

कंपनी stage	चलाने के लिए primary motions	अभी avoid करें
Pre-product-market fit (0–10 customers)	Founder Thought Leadership (3), Content & SEO (1), Educational Content (4)	Heavy paid spend (5), analyst relations (9), full ABM (7), DevRel टीम निर्माण (11)
Early traction ($1M–$10M ARR, 10–100 customers)	Content & SEO (1), AEO (2), Demand Gen (6), Customer Advocacy (12)	Over-built ABM, premature DevRel investment, expensive PR retainers
Enterprise scaling ($10M+ ARR, six-figure deal sizes)	ABM (7), PR & Analyst Relations (9), Customer Advocacy (12), DevRel (11) for developer-buyer products	Random creator partnerships, content velocity over depth, reactive Performance Marketing
Developer-platform कंपनी (any stage targeting developers)	DevRel (11), Content & SEO (1), AEO (2), Educational Content (4)	Generic demand gen, broad ABM, non-technical creator partnerships
Global expansion (entering new markets)	Localized Content & SEO (1), market-specific Influencer partnerships (10), regional PR (9)	US-stage marketing motions को localization के बिना दूसरे markets में direct import करना

सबसे common founder mistake stage से बाहर motions चलाना है: कंपनी के पास support करने वाले references होने से पहले ABM में invest करना, product mature होने से पहले DevRel बनाना, या unit economics validate होने से पहले Performance Marketing scale करना। इनमें से हर mistake कंपनी के 12–24 महीने waste करती है। ऊपर की stage table purposefully conservative है: doubt में, simpler stage में रहें और saved capital को better products और better customer outcomes पर spend करें, जो anyway next stage feed करते हैं।

इस catalog का इस्तेमाल कैसे करें

Reader के लिए तीन closing instructions।

पहला, आपको हर motion चलाने की ज़रूरत नहीं है। ज़्यादातर सफल AI-native कंपनियाँ बारहों नहीं, coordinated combination में दो से चार motions चलाती हैं। अपने candidates narrow करने के लिए Marketer Diagnostic और Strategic Fit Matrix इस्तेमाल करें। वे motions चुनें जो आपके buyer, stage और time horizon से match करती हैं।

दूसरा, sequence selection से ज़्यादा matter करती है। जो कंपनी Performance Marketing add करने से पहले दो साल Content & SEO अच्छी तरह चलाती है, उसकी unit economics आम तौर पर Performance Marketing से शुरू करने वाली कंपनी से बेहतर होती है। जो कंपनी ABM add करने से पहले तीन साल DevRel बनाती है, वह developer category को उस तरह dominate करती है जैसे pure-paid competitors नहीं कर सकते। Investment का order compound करता है; fact के बाद sequence reconstruct करना पहली बार सही चलाने से बहुत कठिन है।

तीसरा, AI era breadth से ज़्यादा depth reward करता है। पाँच साल पहले breadth marketing: कई channels, कई campaigns, कई content pieces, defensible strategy थी क्योंकि production constraint था। 2026 में, AI near-zero cost पर average content generate कर रहा है, इसलिए depth के बिना breadth दब जाती है। इस era में जीतने वाली कंपनियाँ fewer motions में invest करती हैं, उन्हें deeper चलाती हैं, और original research, original data और original perspectives वाला content produce करती हैं जिसे AI आसानी से replicate नहीं कर सकता। कम चुनें; उन्हें बेहतर करें।

Common beginner सवालों

इस catalog को पढ़ने के बाद beginners जो सवाल पूछते हैं उनकी non-exhaustive list, brief जवाबों के साथ।

"यह regular marketing से अलग कैसे है?"

Mostly अलग नहीं है। इस catalog की ज़्यादातर motions (Content & SEO, Performance Marketing, ABM, PR, Influencer Partnerships, Customer Advocacy) AI products के लिए वैसे ही काम करती हैं जैसे किसी भी B2B software के लिए करती हैं। अलग क्या है: (a) AI हर motion को कैसे बदलता है में named AI-era shifts, खासकर AI-generated content commoditization, SEO को replace करता AEO, और AI-augmented buyer evaluation; और (b) AI-native anti-patterns जो AI marketing टीम के लिए specific failures cause करते हैं। अगर आप पहले से B2B SaaS marketing से familiar हैं, तो आपके लिए marginal new content इन्हीं दो खंडों में है।

"Marketing और sales में क्या अंतर है?"

Marketing awareness, demand और trust बनाती है। Sales उस demand को deals में convert करती है। Typical B2B AI कंपनी में marketing qualified leads (Marketing Qualified Leads, या MQLs) produce करती है और उन्हें sales को hand करती है, जो उन्हें Sales Qualified Leads (SQLs) और अंततः closed deals में बदलता है। यह catalog marketing के बारे में है; The Sales Catalog lead qualified होने के बाद क्या होता है cover करता है।

"मुझे marketing के लिए कितना budget रखना चाहिए?"

Common B2B SaaS benchmarks marketing spend को revenue के 10–20% पर रखते हैं, hyper-growth कंपनियाँ के लिए 30%+ तक rising। Pre-revenue early-stage कंपनियाँ के लिए सवाल irrelevant है: आप पैसा नहीं spend कर रहे, founder time spend कर रहे हैं। Stage-appropriate guidance के लिए Minimum viable marketing stack और stage recommendations देखें।

"मुझे marketing agency hire करनी चाहिए, या in-house?"

Earliest stage पर neither। Founders Founder Thought Leadership और Content & SEO के through अपनी marketing खुद करते हैं, जब तक hiring justify करने लायक scale न हो। Hire करने पर पहला marketing hire आम तौर पर senior individual contributor होता है (head of content, head of growth, या generalist marketer), CMO नहीं। CMOs $10M+ ARR कंपनियाँ के लिए होते हैं। Agencies specific campaign needs (PR launch, video production, paid-media optimization at scale) के लिए हैं, primary marketing-motion ownership के लिए नहीं।

"क्या मुझे अपना marketing content लिखने के लिए AI इस्तेमाल करना चाहिए?"

हाँ, लेकिन assistant के रूप में: human point-of-view के replacement के रूप में नहीं। 2026 का successful pattern है: AI structural काम करता है (research, outlines, first drafts, distribution text), humans distinctive signal inject करते हैं (opinion, original observations, voice, specific examples)। AI-native marketing anti-patterns खंड failure modes explain करता है अगर आप human step skip करते हैं।

"Results दिखने में कितना समय लगेगा?"

यह motion पर depend करता है। Performance Marketing weeks में measurable signal produce करती है। Content & SEO छह से बारह महीनों में compound करता है। PR & Analyst Relations को pipeline को meaningfully affect करने वाले placements के लिए आम तौर पर 18–24 महीने लगते हैं। Strategic Fit Matrix बारहों motions के across full timing spectrum दिखाती है।

"अगर मैं solo founder हूँ और budget नहीं है तो?"

आपके पास एक motion है: Founder Thought Leadership। बस। छह महीने consistently post करें। बाकी motions को या तो money, customers, या hires चाहिए जो आपके पास अभी नहीं हैं। वही करें जो free है और compounding value produce करता है। बाकी wait कर सकता है। Literal week-by-week prescription के लिए दस्तावेज़ के top पर अगर आप इस सब में नए हैं: यहाँ से शुरू करें देखें।

"अगर मेरे पास marketing टीम है लेकिन strategy unclear है, तो कहाँ से शुरू करूँ?"

अपनी starting position से fit होने वाली motions identify करने के लिए Marketer Diagnostic (आठ सवाल) चलाएँ। दो या तीन चुनें। बाकी चलाना बंद करें। ज़्यादातर marketing टीम इसलिए underperform करती हैं क्योंकि वे बहुत ज़्यादा motions में फैली होती हैं, इसलिए नहीं कि उनके पास wrong motions हैं।

Appendix A: Glossary

ABM (Account-Based Marketing)। B2B marketing motion जो sales के साथ tight coordination में named accounts की finite list के लिए campaigns personalize करती है। (Motion 7 देखें।)

Activation rate। New signups, free-trial users या leads का percentage जो defined "activation" action perform करते हैं (product का पहला meaningful इस्तेमाल, contact form submission, demo booking)।

AEO (Answer-Engine Optimization)। Content और brand presence को इस तरह structure करने की practice कि AI assistants (ChatGPT, Claude, Perplexity, Google AI Overviews) जवाबों में आपके brand को cite करें। (Motion 2 देखें।)

Audience। वे लोग जिन तक आप हर बार third party को pay किए बिना पहुँच सकते हैं: email subscribers, app users, community members, social followers। Core marketing asset; इस catalog में named पाँच assets में से एक। (Executive summary: पाँच marketing assets देखें।)

Authority। किसी category में recognized expert के रूप में आपकी credibility। धीरे-धीरे earn होती है; जल्दी खो जाती है। पाँच marketing assets में से एक। (Executive summary और Motions 3, 9 देखें: Founder Thought Leadership और PR & Analyst Relations primary authority-building motions हैं।)

Brand marketing। Long-term recognition, trust और category association के लिए aimed marketing। Demand-gen marketing से contrast। (Cross-cutting concepts: Brand vs. demand-gen tension देखें।)

CAC (Customer Acquisition Cost)। एक new customer acquire करने की fully-loaded cost: marketing spend, sales spend, content production और acquisition में contribute करने वाले दूसरे functions सहित। (Unit-economics math के लिए Motion 5 देखें; AI-era twist के लिए AI-native marketing anti-patterns देखें।)

Channel। वह medium जिसके through marketing audience तक पहुँचती है: search, email, paid social, organic social, podcasts, conferences आदि।

Conversion rate। Users का percentage जो defined desired action लेते हैं: ad click करना, sign up करना, demo book करना, customer बनना।

CPC (Cost per click)। Paid ad पर user click करने पर advertiser जो price pay करता है।

CPM (Cost per thousand impressions)। एक thousand ad impressions के लिए advertiser जो price pay करता है।

Creator partnership। Content creator (LinkedIn voice, YouTube creator, podcaster) के साथ paid या organic deal ताकि आपका brand feature हो। (Motion 10 देखें।)

CRM (Customer Relationship Management)। Customers और sales opportunities track करने वाला software: Salesforce, HubSpot, Pipedrive।

CTR (Click-through rate)। Ad impressions या email opens का percentage जो click में result करता है।

Demand generation। Qualified sales pipeline produce करने के लिए designed marketing programs: आम तौर पर content offers, webinars, events और nurture sequences के through। (Motion 6 देखें।)

DevRel (Developer Relations)। Technical content, sample apps, ambassador programs और community events के through developer communities बनाने का discipline। (Motion 11 देखें।)

Distribution। Content को उसकी intended audience तक deliver करने के लिए इस्तेमाल किए गए channels और methods।

Earned media। Coverage और mentions जो आपको pay किए बिना मिलते हैं: press articles, analyst reports, organic social mentions, organic backlinks। (Cross-cutting concepts: owned/earned/paid framework और Motions 9, 10 देखें।)

Educational content। कंपनी द्वारा produced courses, tutorials, certifications जो buyers को category इस्तेमाल करना सिखाते हैं। (Motion 4 देखें।)

ESP (Email Service Provider)। Scale पर email deliver करने वाली infrastructure: SendGrid, Postmark, Mailgun, AWS SES।

Founder thought leadership। Marketing motion जिसमें founder content (essays, podcasts, social posts) publish करता है और personal audience बनाता है जो कंपनी की audience बनती है। (Motion 3 देखें।)

Funnel। Buyer progression का model, awareness से consideration होते हुए decision तक। Different motions different funnel stages target करती हैं।

Gated content। Content जिसे access करने से पहले user को contact information देनी होती है, demand-gen programs में इस्तेमाल होता है। (Motion 6 देखें।)

Influencer marketing। कई contexts में creator partnerships का synonym। (Motion 10 देखें।)

Inbound marketing। Marketing जहाँ buyer relationship शुरू करता है: search, content या word of mouth से brand ढूँढना। ज़्यादातर pull motions inbound हैं। (Section A: Pull motions, Motions 1–4 देखें।)

Lead। वह contact जिसने content के लिए sign up करके, information request करके, या otherwise engage करके interest express किया है। Leads funnel के through scored, qualified और nurtured होते हैं।

LTV (Lifetime Value)। Customer से उसके lifetime as a customer में expected total revenue।

LTV/CAC ratio। Customer lifetime value और customer acquisition cost का ratio। Core unit-economics metric। Healthy SaaS programs LTV/CAC > 3 target करते हैं।

MarTech। Marketing चलाने के लिए इस्तेमाल किया जाने वाला software stack: CRM, marketing automation, attribution, ad platforms, content management।

Marketing automation। Software जो email sequences, lead scoring और nurture programs automate करता है: HubSpot, Marketo, Pardot।

MQL (Marketing Qualified Lead)। ऐसा lead जो marketing से sales handoff के लिए defined criteria (engagement level, fit, behavior) meet करता है। (MQL/SQL definitions में क्या गलत होता है इसके लिए Common motion failures: Marketing-sales handoff failures देखें।)

Multi-touch attribution। Measurement model जो conversion का credit multiple touchpoints में distribute करता है, सिर्फ last interaction को credit करने के बजाय। (Cross-cutting concepts: Attribution and multi-touch journeys देखें।)

Nurture sequence। Emails या दूसरे touchpoints की series जो lead को funnel से sales conversation की तरफ move करने के लिए design होती है।

Outbound marketing। Marketing जिसमें brand contact initiate करता है: paid advertising, cold email, ABM। ज़्यादातर push motions outbound हैं। (Section B: Push motions, Motions 5–8 देखें।)

Owned media। Channels जिन्हें आप control करते हैं: आपकी website, email list, app, community, podcast। (Cross-cutting concepts: owned/earned/paid framework देखें।)

Paid media। Channels जिन्हें आप rent करते हैं: Google, LinkedIn, Meta, TikTok, YouTube पर paid ads। (Cross-cutting concepts: owned/earned/paid framework और Motion 5 देखें।)

Performance marketing। Measurable outcomes (clicks, signups, customers) के लिए optimized paid advertising motions। (Motion 5 देखें।)

Pipeline। Qualified sales opportunities में marketing-attributable contribution। पाँच marketing assets में से एक। (Executive summary: पाँच marketing assets और Common motion failures: Marketing-sales handoff failures देखें।)

Pull motion। Marketing motion जिसमें audience discovery शुरू करती है: content, SEO, AEO, founder thought leadership। (Motions 1–4 देखें।)

Push motion। Marketing motion जिसमें marketer relationship शुरू करता है: paid ads, demand gen, ABM, AI-augmented email। (Motions 5–8 देखें।)

Reach। उन लोगों का total set जिनके सामने आप message रख सकते हैं, owned audience, paid placement और earned coverage को combine करके।

Retargeting। उन users को deliver की गई paid advertising जिन्होंने पहले आपकी website visit की है या आपके content से interact किया है।

ROAS (Return on Ad Spend)। Ad spend के हर dollar पर produced revenue।

SEO (Search Engine Optimization)। Search engines (Google, Bing) में rank करने के लिए content optimize करने की practice। Pull motions की historical foundation; increasingly AEO से complemented।

SQL (Sales Qualified Lead)। ऐसा lead जिसे sales ने pursue करने लायक validate किया है।

Top-of-funnel (TOFU)। Buyer journey का earliest stage: awareness, problem identification, category education।

UTM parameters। URLs में appended tags जो track करते हैं कि कौन से marketing campaigns traffic drive करते हैं।

Notes

¹ Marcus Sheridan, They Ask, You Answer (revised edition, Wiley, 2019), content-led B2B marketing की canonical reference। HubSpot की annual State of Marketing reports और Content Marketing Institute की annual benchmark studies सहित industry surveys confirm करते रहते हैं कि content marketing B2B कंपनियाँ के लिए inbound का top driver है। Specific percentages source के हिसाब से vary करते हैं; directional finding consistent है।

² Rand Fishkin (SparkToro के founder) Answer-Engine Optimization पर leading early voice रहे हैं, और 2024–2026 के through AI-search citation patterns और brand-mention frequency पर research publish करते रहे हैं।

³ Sangram Vajre और Terminus (बाद में acquired) तथा 6sense की टीम ने ABM mechanics पर extensively लिखा है। Vajre की books ABM is B2B (IdeaPress, 2019) और MOVE (Wiley, 2022) B2B account-based marketing टीम के लिए canonical references हैं।

⁴ Eugene Schwartz, Breakthrough Advertising (Boardroom Books, 1966; reprinted 2017)। Schwartz का five-stage awareness framework: Unaware, Problem-Aware, Solution-Aware, Product-Aware, Most-Aware, most modern buyer-journey thinking की foundation है। इस दस्तावेज़ में three-stage adaptation Schwartz के framework को B2B AI marketing टीम के लिए consolidate करता है।

⁵ Joe Pulizzi, Content Inc. (second edition, McGraw-Hill, 2021)। Pulizzi owned content को primary acquisition channel बनाकर entire businesses बनाने का pattern document करते हैं, और Content Marketing Institute में अपने काम के through modern content-marketing vocabulary का बड़ा हिस्सा develop किया।

⁶ Seth Godin, Permission Marketing (Simon & Schuster, 1999)। Godin का foundational argument कि सबसे valuable marketing relationships interruption-based के बजाय opt-in होती हैं, most modern demand-gen mechanics का conceptual basis बना हुआ है।

⁷ April Dunford, Obviously Awesome (Ambient Press, 2019)। B2B products के positioning के लिए Dunford का framework, वह upstream strategic काम जो तय करता है कि marketing motions compound कर सकती हैं या नहीं, product-marketing टीम के लिए canonical reference है जो messaging foundation setup करती हैं जिस पर दूसरी motions depend करती हैं।

Catalog को shape करने वाले अन्य references और influences: strategic narrative पर Andy Raskin का writing; First Round Review की Founding Sales series; conversational marketing पर Drift और HubSpot की research; 6sense में ABM पर Latane Conant का काम; और 2024–2026 के through emerging AI-augmented marketing पर broader writing corpus।