עד חודש דצמבר 2024, עבדתי כתף אל כתף, עם אמיתי בונה, הכותב כאן לא מעט - יחדיו, בצוותא, מחלקת שיווק אל מול מחלקת המוצר, וניסינו להבין יחדיו, איך אפשר להטמיע בינה מלאכותית בארגון שבו עבדנו ביחד - Skywatch, סטארט אפ המתמחה בעולמות ביטוח התעופה. אמיתי, כיאה לאיש מוצר אמיתי - הביא עימו את אתגרי המוצר - איך משפרים את מדדי ההצלחה של המוצר ואת הריטנשן של הלקוחות ואני השלמתי אותו עם אתגרי מחלקת השיווק - איך משפרים את מדדי האפקטיביות של הרכשת הלקוח. 

מגרש המשחקים החדש של השיווק והמוצר

שנינו הבנו, מהר מאוד, שהבינה המלאכותית יכולה להאיץ את המשימות שאנחנו עושים בשתי המחלקות - בהיעדר איש דאטה, שנינו למדנו איך לייצר שאילתות SQL ולהרים דשבורדים שישרתו את שתי המחלקות. גם אמיתי וגם אני, הבנו שלפנינו נמצא מגרש משחקים ענק, והתחלנו לשחק וליצור - הניסיון הראשון שלנו היה ליצור ב-2023 את מחולל ״בדיחות האבא״ הראשון שהפך לבוט תירוצים לרוכבי האופנועים למה הם לא רוכבים הרבה  - טרום ימי base44, עם כלים פשוטים של בינה מלאכותית יוצרת, והשתמשנו בתוצר, כדי לקדם את ביטוח האופנועים שלנו, המבוסס על תשלום מבוסס שימוש (Pay-Per-Mile) - ככל שאתה רוכב פחות, תשלם פחות.

היום בפרספקטיבה של כשנה, מהיום שאמיתי בונה, עזב אותנו, להוביל סדנאות והרצאות בעולמות הבינה המלאכותית היוצרת, הושבתי את אמיתי לשיחה פתוחה, על הטיפים והכללים לעבודה משותפת בין מוצר ושיווק, כמי שעבדו, כתף אל כתף, בשיאה של כניסת כלי הבינה המלאכותית היוצרת לסביבת העבודה שלנו.

אמיתי, כמי שהיום מרצה לארגונים ומלווה מאות מנהלי מוצרים בהליכי טרנספורמציה טכנולוגית, מה בעיניך המפתח להצלחה בעבודה של מחלקת השיווק והמוצר בהטמעת בינה מלאכותית בארגון?

״המפתח הוא בהובלת תהליכים משותפים, עם מטרות ויעדים משותפים, ושפה אחת משותפת. כשאנחנו עבדנו ביחד, התשוקה המשותפת של שנינו לחדשנות טכנולוגית, קיצרה תהליכים, ועזרה לנו, לייצר שפה משותפת ולדחוף לחדשנות מוצרית ושיווקית. לצד זה, כמובן נדרשת דחיפה של הנהלה תומכת, שמעודדת התנסות ולמידה״. 

מכאן, נעבור לצד התמיכה של הארגון וההנהלה, יש להתמקד בתהליך חשוב מאין כמותו - והוא המעבר מסינרגיה ליניארית לפרוטוטייפ בוייב קודינג.

בעבר הלא רחוק, טרום כניסת כלי ה״וייב קודינג״, תהליך העבודה בין צוותי הפרודקט והמרקטינג היה לרוב ליניארי: המוצר פיתח, השיווק קיבל את המידע לאחר ההשקה, ואז התחיל להכין את הקמפיינים השיווקיים. כיום, בעזרת כלים מבוססי AI, ובעיקר בזכות מהפכת ה״וייב קוד״ וה״וייב מרקטינג״, ניתן לייצר וריאציות פרוטוטייפ, לעשות MVP מוצרי ולעשות קריאייטיב לגרסה רזה של המוצר, ללא צורך בפיתוח, לבדוק אותן בשוק, ולהחזיר תובנות עסקיות, צרכניות ומוצריות כבר בשלבי הפיתוח - מה שמאפשר חיבור הדוק יותר בין הצדדים.

האתגרים המרכזיים בשיתוף פעולה בין הפרודקט והמרקטינג

• שפה שונה ומיקודים שונים: בהכללה גסה, צוותי המרקטינג מתמקדים במדדי הצלחה שונים - ולא פעם יש התנגשות בתעדופים בין מדדי, Marketing Effectiveness למדדי Adoption, Retention. 

דוגמא להמחשה בעבודה של אמיתי ושלי - לא פעם התנגשו המטרות והיעדים שלנו, בעבודה בכלי הבינה - אמיתי, דאג ליישור קו במדדי המוצר ואני במדדי השיווק - אבל לאורך הדרך, שנינו יישרנו קו ל-KPIs הארגוני וה-OKRs וכלי הבינה המלאכותית היו עוד כלי בדרך לשם. 

• העברת נתונים וסינרגיה צוותית בעידן ה-PMMs - נושא קריטי בעבודה בין המחלקות.

כאן - לא פעם, כל הוספת פיצ'ר, כללה פגישות וישיבות משותפת של צוותי השיווק והמוצר, של אמיתי ושלי - להתאמת המסרים המשותפים וסינרגיה צוותית של ממש - לא עוד מנהל מוצר מול צ'אט, אלא צוות סינרגטי, מנהל דיאלוג, שממנו יוצאים לקונספט שיווקי. 

• ה-AI מייצר תוצרים קריאייטיבים שמחייבים (בינתיים) Man in the loop, ומכאן חשיבות השתלבות ה-Product Marketing Managers, עוד יותר בעידן ה-AI.

במקרה הזה, למודי ניסיון, אמיתי ואני נמנענו מתלות מוחלטת של תוצרי הבינה, ועטפנו את התוצרים בשפת המותג מלמטה כלפי מעלה, תוך הבנה שהבינה המלאכותית, כאן לתמוך בנו, אבל בסוף, אנחנו אלה שייצקו את התוכן במעטפת המוצרית והשיווקית. 

5 עקרונות לעבודה יעילה עם AI - פרודקט ומרקטינג

1. הגדרת KPI משותף

העיקרון: מדד ברור שמוסכם על שני הצדדים ומנחה את כל הפעילות. 

דוגמה ליישום: צוות המוצר והמרקטינג מגדירים יחד ש־KPI המרכזי הוא שיפור ה-LTV של הלקוח. כל החלטה - החל מבחירת קמפיין ועד לפיתוח פיצ’רים - נמדדת לפי השפעתה על LTV - כולל אופן השימוש בכלי ה-AI בדרך למטרה . במקרה של אמיתי ושלי - שנינו עבדנו עם התכווננות ליעדי ה- OKRs של החברה ויצרנו שפה משותפת ביצירת סוכן GPT משותף ששתי המחלקות משתמשות בו כדי לייצר Alignment מוצרית ושיווקית. 

2. שילוב תובנות מוצר בקריאייטיב

העיקרון: שימוש במידע אמיתי על צרכי המשתמשים בקמפיינים.

דוגמה ליישום: השיווק והמוצר עושים שימוש בכלי בינה מלאכותית לנתח את העקבות הדיגיטליים של הלקוחות בפלטפורמה, למשל עם כלים כמו Clarity, המאפשרים לעשות הצלבה של כל פעולות המשתמשים, והסקת מסקנות מהירות.

3. ספרינטים משותפים

העיקרון: עבודה במקביל כבר משלב הפיתוח כדי לבחון רעיונות מוקדם. דוגמה ליישום: בזמן שהמוצר מפתח פיצ’ר חדש, המרקטינג כבר מייצר וריאציות לקמפיין עם מיקרו-מסרים ובודק אותן ב־A/B Testing, כדי להחליט אילו מסרים ילוו את ההשקה.

4. בניית פרוטוטייפים מהירים

עיקרון: פרוטוטייפים ללא צורך במעורבות מלאה של הפיתוח, אם אין צורך. דוגמה ליישום: צוות השיווק משתמש בכלי no-code (כמו Loveable/Base44/Replit/Bolt) ליצירת דמו אינטראקטיבי של פיצ’ר עתידי, כדי לבדוק את רמת העניין של לקוחות לפני שמשקיעים משאבי פיתוח.

5. הצגת הפרוטוטייפ לקהל מצומצם

העיקרון המנחה: איסוף פידבק וניתוח תובנות לפני ההשקה הרחבה.

דוגמה ליישום: במקום להשיק פיצ’ר חדש לכל המשתמשים, מציגים אותו למשתמשים נבחרים מתוך קהילת הלקוחות. נאסף פידבק איכותני, נבחנת שביעות הרצון, ומשם משפרים את המוצר ואת הקמפיין לפני rollout מלא.

בסופו של דבר ולסיכום, כששיווק ומוצר עובדים יחד בתיאום מלא, קל יותר לקבל החלטות נכונות, להתאים את המסרים לצרכים האמיתיים של המשתמשים ולשפר את התוצאות בשטח. שיתוף מידע, בדיקות מוקדמות והקשבה לפידבק מהקהל מאפשרים להגיע להשקה עם מוצר שמדבר בשפה של המשתמשים ועם קמפיין שמותאם עבורם באמת.