אחד הלקוחות הראשונים שלנו ב SAGE בשנים הראשונות, שנת 2019, היה חברת סייבר גדולה בתחום ניהול סיכונים ארגוניים.

ישבתי מול המנכ"ל והצגתי קונספט שיווקי שלא דמה לשום דבר שראה בתחום. במקום מגנים, 0101 ומסכים שמאחוריהם יושבים האקרים עם קפוצ'ונים (הקלישאות המוכרות של עולם הסייבר) הצעתי אנלוגיה של קוסמות. "הטכנולוגיה שלנו היא הקסם שהארגון שלך צריך."

הוא הסתכל עלי כאילו איבדתי את הדעת.

"מה פתאום. סייבר איננו משחק. סייבר איננו קוסמות. סייבר זה עניין רציני."

הפגישה הסתיימה. הקונספט נדחה. יצאתי משם עם תחושה שאולי טעיתי. הרעיון נגנז.

שנה אחר כך נוסדה Wiz. הם קראו לעצמם "קוסם." הנרטיב כולו: שם החברה, המסרים, הוויזואליזציה כולם בנויים על עולמות של קסם וכישוף. היום היא ה-חברת סייבר שנמכרה לגוגל ב-32 מיליארד דולר.

אני לא מספרת את זה כדי לומר שצדקתי (האמת שקצת :). אבל בעיקר כי הרגע ההוא לימד אותי משהו שמנחה אותי מאז: הסיפור הכי חזק הוא לא זה שנשמע הכי מקצועי אלא זה שמגיע ממקום אמיתי, גם אם הוא יוצא דופן, גם אם הוא מרגיש מסוכן. הפחד מה"לא מקצועי" הוא אחד החסמים הכי יקרים בשיווק B2B. ועכשיו, כש AI מייצר תוכן מקצועי ומלוטש בשניות לכולם בצורה שווה הסיפור האמיתי, האנושי, זה שרק אתם יכולים לספר, הפך לנכס היחיד שאי אפשר לשכפל.

כשכל אחד יכול לייצר תוכן, מה שאותנטי צף מעל הרעש

יש רגע שכל מנהל שיווק בחברת B2B מכיר. אתם יושבים מול מסך, מייצרים פוסט לינקדאין בעזרת AI תוך שלושים שניות, מביטים בו ויודעים זה מדויק, זה קוהרנטי, אבל זה לא מעניין אף אחד.

זו לא בעיה טכנית. זו בעיה אנושית.

חשבו על מה שקרה בעולם המזון. כשמוצרים מתועשים הציפו את המדפים, נוצרה נישה שהפכה לתנועה: "אורגני", "מקומי", "Farm to table". המאפה הביתי נושא משמעות שאי אפשר לייצר בקו ייצור — וזה מה שאנשים משלמים עליו פרמיה.

אותו דבר קורה עכשיו בשיווק. ChatGPT, Claude, Jasper הכלים זמינים לכולם, זולים לכולם, ומייצרים תוכן ברמה דומה לכולם. כל חברת SaaS מבטיחה "efficiency at scale". כל ספקית סייבר מבטיחה "protection from evolving threats". כל ספק AI מבטיח "transformation". הכל נשמע מדויק, מלוטש, נכון - וחסר זהות לחלוטין.

התוצאה: יותר תוכן מאי פעם, ופחות בידול מאי פעם. הקשב הופך לסחורה המוגבלת ביותר.

פתחו את הלינקדאין: כמה פוסטים מתחילים ב"בעולם המהיר של היום"? כמה מבטיחים "חמשת הטיפים לשיפור ה-ROI"? הכל נשמע מדויק, מלוטש, נכון וחסר זהות לחלוטין.

כי רוב החברות מתחילות מהכלי במקום מהסיפור. הן מבקשות מ-AI לכתוב מסר לפני שהגדירו לעצמן מה המסר. התוצאה היא תוכן שנשמע מקצועי אבל חסר זהות ולא זוכרים אותו שעה אחרי שקראו.

מה שנשאר נדיר? דעה אמיתית. ניסיון אישי. נקודת מבט שאי אפשר לייצר בלחיצת כפתור.

סיפור שרק אתם יכולים לספר.

הפרדוקס של האותנטיות המתוכננת

יש כשל חשיבה שמאפיין הרבה חברות היום: הן שומעות "תספרו סיפור אנושי" ומייד מייצרות סיפור אנושי. כלומר, הן לוקחות את האסטרטגיה של האותנטיות ומפעילות עליה תהליך ייצור.

התוצאה היא "ביצועי אותנטיות" תוכן שנראה כמו סיפור אישי אבל מרגיש מעובד. הקורא לא תמיד יודע לנסח למה, אבל הוא מרגיש את ההבדל.

ככל שיותר מותגים מאמצים את שפת הסיפור האנושי, כך השפה הזו הופכת לפורמט ומאבדת את הכוח שלה. "הקמנו את החברה כי ראינו בעיה שאיש לא פתר" הפך לתבנית כמו "בעולם המהיר של היום."

הסיפור האמיתי לא נשמע כמו סיפור. הוא נשמע כמו אמת. לפעמים כמו כישלון. לפעמים כמו פגישה שהסתיימה רע.

שלושה עקרונות לשיווק שאנשים רוצים לשתף

1. אנשים לפני אלגוריתמים

הנחת יסוד נפוצה היא שהסיפור שייך למייסד אבל לא תמיד. לפעמים הסיפור הכי חזק נמצא אצל הלקוח הראשון שהאמין לפני שהיה מוצר, המהנדס שמצא את הבאג שחשף את הבעיה האמיתית, או הכישלון שאילץ פיבוט שהפך לליבת העסק.

Stewart Butterfield כתב מסמך פנימי לצוות Slack שבועיים לפני ההשקה לא לעיתונאים, לא למשקיעים, לעובדים שלו. "אנחנו לא מוכרים תוכנה. אנחנו מוכרים טרנספורמציה ארגונית. התוכנה היא רק האמצעי." המסמך, שנקרא "We Don't Sell Saddles Here", הפך לאחד ממסמכי המותג המצוטטים ביותר בעולם הסטארטאפים לא כי מישהו תכנן לפרסם אותו, אלא כי הוא לכד משהו אמיתי.

מתחרים יכולים להעתיק מוצר, מחיר, ואת אותם כלי AI. הם לא יכולים להעתיק את הרגע שבו נולד הרעיון ואת האומץ לספר אותו.

המשימה של אנשי השיווק היא לא לייצר סיפורים, אלא לחפור ולמצוא אותם. לשאול: מה קרה כאן שאף אחד לא מספר? מה הרגע שממנו אי אפשר להתחמק?

2. לקוחות לפני פרסונות

Loops, סטארטאפ לשיווק במייל, לא ניסה להתחרות על יכולות עם Mailchimp. במקום זאת, הם עשו משהו פשוט וגאוני: קנו שטח פרסום בטיימס סקוור ואיפשרו לסטארטאפים קטנים להציג שם את הלוגו שלהם בחינם.

הקמפיין לא דיבר על מייל בכלל. הוא דיבר על מה שמייסדי סטארטאפ מרגישים: הרצון להיות מוכרים, להרגיש שהם עושים משהו ששווה לעולם לשים לב אליו. זה לא מידע זו הבנה אנושית עמוקה של הקהל.

לפני שאתם שואלים "מה אנחנו רוצים להגיד", שאלו "מה הלקוח שלנו מרגיש". החברות שעונות על השאלה הזו יוצרות קשר. אלה שמפרסמות "עשרת הטיפים הטובים ביותר" - פחות.

3. פסיכולוגיה לפני פרומפט

רוב חברות B2B מפרסמות תשובות "כיצד לפתור את בעיית X". אבל מה שמייצר מעורבות אמיתית הוא תוכן שמדבר על משהו עמוק יותר: לא מה שהלקוח יודע, אלא מה שהוא מרגיש.

חברת הרכבות ההודית איבדה מאות מיליוני דולרים בשנה מנוסעים שלא שילמו כרטיס. עשרות שנים ניסו לפתור את זה עם קנסות ואכיפה ולא הצליחו. הפתרון הגיע כשמישהו שאל שאלה אחרת: מה אם במקום להעניש, נתגמל? הם הפכו כל כרטיס הרכבת לכרטיס לוטו וניצלו את העובדה שהודו מוציאה 28 מיליארד דולר בשנה על הגרלות. השקעה של 1.4 מיליון דולר בפרסים הניבה 685 מיליון דולר בהכנסות. הקמפיין, Lucky Yatra, זכה ב-Grand Prix בקאן 2025 כי הוא הוכיח שהבנת הפסיכולוגיה של הקהל שווה יותר מכל מסר מלוטש.

זה לא שיווק חכם. זו הבנת פסיכולוגיה תרבותית. הם לא שאלו "איך נגרום לאנשים לשלם?" הם שאלו "מה מניע את האנשים האלה?"

פסיכולוגיה זה לב ליבו של השיווק וגם בשיווק B2B. לדוגמא: כשאומרים לאדם "אל תעשה X" הוא דווקא חושב על X. זו לא תאוריה, זו פסיכולוגיה בסיסית שנקראת ריאקטנס והיא עובדת על כל בן אדם, בכל תרבות. AI יכול לכתוב מסר מושלם. הוא לא יכול להרגיש את המתח הפסיכולוגי שנוצר כשאומרים "אל תבואו."

מיקרוסופט ראתה פי 5 בהרשמות לאירוע כשפרסמה בדיוק את זה. לא הסבר, לא יתרונות, אלא ספוילר הפוך שפתח פער סקרנות. 

לפני שאתם פונים לצ'אט ומבקשים "כתוב לי מסר", שאלו קודם: מה מניע את הלקוח שלי? מה הוא מפחד שאף אחד לא ידע? מה הוא חולם עליו בשקט? התשובות לשאלות האלה הן הבסיס לתוכן שאנשים שולחים הלאה ואותן אף כלי לא ימצא עבורכם.

השאלה היא לא בכמה AI אתם משתמשים, אלא איפה אתם נשארים בתמונה

אני לא אומרת לזרוק את ה-AI. להפך.

החברות שמנצחות היום משתמשות בו בצורה חכמה: למחקר, לניתוח נתונים, לאופטימיזציה של קמפיינים, לתמלול פגישות לקוח עבור תובנות שיווקיות. Perplexity מאתר מחקרים. ChatGPT כותב וריאציות. Jasper בונה עמודי נחיתה. הן מייצרות יותר בפחות זמן אבל הן משאירות את נקודות המגע האנושיות ידניות לגמרי: פוסטים בקולם של המייסדים, שיחות לקוח, תוכן שיש לו דעה.

הפרדיגמה אינה "AI או בן אדם." הפרדיגמה היא: סיפור קודם, AI אחר כך.

קודם תמצאו את הרגע האמיתי, הכישלון, ההחלטה הקשה, הפגישה שהסתיימה רע. רק אחרי שיש סיפור ברור, תנו לכלים לפתח אותו לכל הכיוונים. הגרעין (הסיפור שאף אחד אחר לא יכול לספר) חייב לבוא מבני אדם.

הכלים מייצרים תוכן. רק בני אדם מייצרים משמעות.

מה זה אומר עליכם

בשנה הקרובה, כמות התוכן בעולם B2B תמשיך לגדול. AI יהפוך לזול ונגיש עוד יותר. הרעש יגדל.

בסביבה הזו, השאלה השיווקית הכי חשובה שתוכלו לשאול את עצמכם אינה "איך נייצר יותר תוכן?" אלא:

"מה יש לנו לומר שאף אחד אחר לא יכול לומר כי רק אנחנו היינו שם כשזה קרה?"

הניסיון שלכם, הכישלונות, ההחלטות הקשות, הפגישה שהסתיימה בדחייה ושנה אחר כך הוכיחה את עצמה הוא הנכס השיווקי. הוא היתרון התחרותי שאף AI לא יכול לשכפל.

כי בעולם מלא בתוכן שנכתב על ידי מכונות, מה שנוצר על ידי בני אדם הוא זה שאנשים רוצים לשתף.

על הכותבת: שרית למרוביץ היא מייסדת ומנכ"לית SAGE Marketing עם למעלה מ-25 שנות ניסיון בתפקידי שיווק בכירים בחברות גלובליות מובילות, בשנת 2017 הקימה את SAGE Marketing, במטרה לסייע לחברות חדשניות להפוך טכנולוגיות מורכבות לסיפורים שיווקיים ברורים ולמנועי צמיחה עסקיים.

בשנים האחרונות מדברים המון על הגבול המטשטש בין פרודקט ל-R&D כאשר מנהלי מוצר שלומדים לדחוף קוד, ומפתחים שלוקחים חלק פעיל בהחלטות מוצריות. אבל יש עוד גבול שהולך ונעלם מתחת לרדאר, וזה הגבול שבין פרודקט לפרודקט מרקטינג (PMM).

באופן מסורתי, חלוקת העבודה הייתה ברורה: מנהל המוצר חוקר את השוק, מבין את צרכי הלקוח, עובד עם הפיתוח כדי לשחרר את הפיצ'ר, ומודד הצלחה. שיווק הפיצ'ר הבודד? זה כבר היה הבעיה של מישהו אחר (בדרך כלל ה-PMM או השיווק), וגם זה קרה בעיקר סביב הכרזות ענק פעם ברבעון. כמו מרבית התעשייה, גם אנחנו ב-Cycode אנחנו משלבים AI בכל שלב בבניית המוצר, מהמחקר, דרך הפרוטוטייפ והפיתוח, ועד התיעוד וההכשרה. לאחרונה, עם הקפיצה המטורפת ביכולות ה-AI בעולמות הווידאו (ספציפית מאז Veo 3), הבנו שנפתחה בפנינו הזדמנות מדהימה שלא הייתה כלכלית בעבר: לייצר מיני-קמפיין וידאו להרבה יותר פיצ'רים, גם כאלה שבעבר נחשבו לחלוטין ללא שיווקיים.

בעבר, ה-ROI על מהלך כזה היה שלילי לחלוטין. הפקת וידאו דרשה תקציבי עתק, זמן עבודה ממושך, וסט כישורים קולנועי שפשוט אין למנהל מוצר ממוצע. לכן, המאמצים השיווקיים נשמרו רק ליכולות הליבה הכי גדולות ונוצצות של החברה. היום? הסיפור אחר לגמרי, והנגישות הזו מאפשרת לנו לתת במה גם לפיצ'רים "האפורים" יותר, אלו שפותרים בעיות אמיתיות אבל קשה לרגש איתם במצגת משקיעים.

שיווק פיצ'ר הוא לא Product Demo

אחת הטעויות הנפוצות בשיווק מוצרים, במיוחד בעולמות ה-Enterprise SaaS, היא התמקדות ביכולות (ב-Features) במקום בערך (ב-Value). כולנו מכירים את הדמואים המתישים האלה, שבהם מראים לנו מסך אחרי מסך: "אם לוחצים כאן, נפתח התפריט הזה, ואז אפשר לייצא את הדוח...". המוצר במרכז, היוזר והערך בשוליים. כשמנהל מוצר ניגש להפיק סרטון שיווקי קצר לפיצ'ר שלו, הוא נאלץ לזקק את הערך. הווידאו הוא הזדמנות מצוינת לברוח מרשימת המכולת הטכנית ולחשוב: איך היוזר מרגיש כשהוא משתמש בפיצ'ר הזה? מה זה יגרום לקולגות שלו לחשוב עליו?

היופי בעולם הערך והתחושות הוא החופש היצירתי. אנחנו לא חייבים להיצמד ל-use case יבש ומדויק על המסך. אפשר (ורצוי) להשתמש בהומור, ציניות והגזמה כדי להעביר את הפואנטה. כשהתוכן הזה משווק בגישת Bottom-Up על ידי העובדים והמנהלים עצמם ברשתות החברתיות, הוא הופך לכלי מכירות חזק של הארגון.

קייס סטאדי: איך הופכים "ניהול הרשאות" לסרט דוקומנטרי של נטפליקס?

כדי להבין איך זה עובד בפועל, בואו נדבר על אחד הפיצ'רים האחרונים שהוצאנו לאחרונה שנקרא Custom Roles & Permissions. על הנייר, מדובר בפיצ'ר אנטרפרייז קלאסי, חשוב וקריטי לאדמינים, אבל כזה שבמונחים של פעם נחשב הכי פחות "מרקטבילי" שיש. מערכת שמאפשרת מעכשיו לייצר סט הרשאות ספציפי וגמיש לכל אזור, במקום להסתפק ברולים out-of-the-box הסטנדרטיים.

קהל היעד שלנו מבין את היתרון הברור של הפיצ'ר הזה בשנייה, אז במקום לעשות עוד דמו משעמם שמראה טבלאות הרשאה, החלטנו לקחת את זה הפוך לחלוטין בקמפיין הווידאו: התמקדנו דווקא בעובדים שנהינו מהרשאות יתר, ובוקר אחד גילו שלקחו להם אותן.

הפקנו קליפ שנראה כמו פרומו לסדרת דוקו-פשע בנטפליקס. דרמה, מוזיקה מותחת, ועובדים "שבורים" שמספרים למצלמה איך פתאום נחסמה להם הגישה. הטוויסט הגיע בסוף, עם עובדת אחת שדווקא קיבלה עוד הרשאות ודיברה למצלמה על תקן ה-Villain הקלאסי והמרושע של הסדרה.

במקום לחגוג את הפיצ'ר בדרך השגרתית, עצרנו לרגע "להתייחד עם נפגעי הפיצ'ר החדש" ונגענו בכאבם. התוצאה? סרטון מצחיק שמעביר את היתרון המוצרי של פיצ'ר תשתיתי "יבש" בתוך דקה ובאפס תקציב.

צפו בסרטון:

איך עושים את זה בפועל? (בלי תואר בקולנוע ובלי תקציב עתק)

לצערנו (או לשמחתנו), לכתוב פרומפט גנרי ב-Gemini לא יביא לכם קמפיין מנצח. הפיצוח הקריאטיבי והרעיון עדיין דורשים את המוח האנושי שלכם, אבל ה-AI עושה את כל השאר.

בעבודה יעילה של שעה-שעתיים (וכשרון ממוצע לחלוטין), זה התהליך שאנחנו רצים איתו:

1. הפיצוח: מגדירים בשני משפטים את הבעיה הכואבת ואת התחושה (או הדרמה) שהפיצ'ר מביא איתו, כמו בדוגמת הדוקו שלנו.
2. הכלי: יש המון כלי וידאו בשוק, אבל ההמלצה שלי היא Google Vids. מדובר בכלי עריכה פשוט להפליא שמאפשר לג'נרט קליפים של Veo ישירות לתוך הטיימליין, להוסיף קריינות AI מובנית (Voiceover) ולסגור סיפור.
3. אימוץ המגבלות: מנהלי מוצר הם לא קולנוענים ואין להם זמן לפירוטכניקה או מעברונים מתוחכמים. בגוגל וידס, למשל, המגבלה הנוכחית היא יצירת קליפים של 8 שניות בכל פרומפט. וזה מעולה! המגבלה הזו מכריחה אתכם לשמור על זה קצר, קצבי ופשוט. מחברים 3-4 קליפים כאלה, ויוצאים לדרך.

הכלים ישתנו, הטכנולוגיה תתקדם, והאינטגרציות יהיו אפילו יותר פשוטות בעתיד. אבל המהות נשארת זהה: אם תחשבו קצר ופשוט, תזקקו את הערך האמיתי ללקוח, ותארזו את זה בסיפור אישי או משעשע של חצי דקה- הוספתם לעצמכם את אחד הנדבכים החשובים ביותר בארגז הכלים של מנהל המוצר בעולם החדש.

רוב האייגנטים לא נכשלים בגלל המודל. הם נכשלים כי אף אחד לא עשה להם אונבורדינג, ואפשר לראות את זה כמעט בכל צוות שמנסה “להכניס AI” ולא מבין למה זה לא באמת תופס. בואו נדבר על איך הופכים אייגנטים לחברי צוות שלוקחים משימות באופן עצמאי, ולא רק מבצעים מה ששיבצתם להם. אבל לפני שנגיע לאוטונומיות, יש שכבה אחת שצריך להבין קודם: שכבת הקונטקסט.

אז מה זה אותו קונטקסט מפורסם? זו אולי מילה חדשה לקונספט ישן נושן: מידע. אותו תיעוד ודוקומנטציה מצד אחד, ושכבת דאטה מסונתזת ונקייה מצד שני. אבל ההבדל האמיתי הוא לא בשם, אלא באופן שבו המידע הזה מונגש, כי מידע שלא נגיש לאייגנט, פשוט לא קיים מבחינתו.

כשחושבים על זה, אייגנט בלי קונטקסט הוא קצת כמו עובד חדש בלי אונבורדינג. הוא ישאל שאלות בסיסיות, או גרוע מזה: יעבוד בביטחון מלא על הדברים הלא נכונים, וזה בדרך כלל השלב שבו אנשים אומרים “המודל לא מספיק טוב”, כשבפועל פשוט לא נתנו לו סיכוי להצליח.

הדגמה של התחושה הנפוצה:

[caption id="attachment_9004111233711672" align="aligncenter" width="528"] תחושה נפוצה על החרטטנות של אייגנטים :)[/caption]

אז כשאנחנו מדברים על עולם אייגנטי, שבו חברי צוות לא אנושיים הופכים לחלק מהעבודה היומיומית, דווקא החזרה לשורשים של איך אנחנו עובדים עם אנשים עוזרת לנו להבין מה צריך לתת גם להם. בסוף, אייגנט הוא לא קסם, הוא עובד צוות עם זיכרון סטטיסטי, והאיכות שלו נקבעת ישירות לפי איכות הקונטקסט שהוא מקבל.

הסטייט אוף מיינד שצריך להיות לכם הוא שמדובר בעובד צוות חדש, שצריך את כל המידע הרלוונטי כדי להצליח כי אייגנטים לא “מבינים את הארגון” (ואין להם שיחות מסדרון להבין הקשרים), הם פועלים לפי מה שנתתם להם, לא לפי מה שהתכוונתם.

אז מהו אותו מידע?

מידע על הצוות: מה המטרה העסקית, מה נמדד, מי האנשים, אילו ממשקים קיימים ואילו מערכות מתוחזקות. אם היה מצטרף אליכם עובד חדש, מה הייתם מצפים ממנו להבין בשבוע הראשון? כנראה שזה בדיוק מה שגם האייגנט שלכם צריך.

מידע על הכלים: מה כוללת עמדת העבודה של חבר צוות, ואיך ניגשים לכלים השונים. מבחינת האייגנט, כלי שלא הוגדר הוא כלי שלא קיים.

מידע על איך מבצעים משימות: מה נחשב תוצר איכותי, מהם הסטנדרטים ודרכי העבודה המקובלות. כי בלי הגדרה של “מה טוב”, האייגנט פשוט ימקסם משהו אחר.

במילים אחרות, ההבדל בין כלי לבין אייגנט הוא לא רק היכולת, אלא הקונטקסט שמאפשר לו לפעול כמו חלק מהצוות… או לחלופין, להיראות חכם מאוד בזמן שהוא עושה עבודה לא רלוונטית.

אז איך מייצרים את זה בפועל?

בבסיס, מדובר בקבצי md שכל פלטפורמות ה-AI יודעות לעבוד איתם (גם אם בשמות שונים), יחד עם חיבורים למערכות שהצוות משתמש בהן, בין אם דרך MCP ובין אם בדרכים אחרות. זה אולי נשמע פשוט, אבל בפועל זה אחד הנכסים הכי חשובים שאפשר לבנות סביב עבודה עם אייגנטים.

אם אתם צוות טכני, אני ממליצה להתחיל מטמפלייט הריפו הבא (של Michael Imas ): https://github.com/michaelimas1/team-context-template התוצר הוא נקודת כניסה אחת לכל הידע והמשימות בצוות, מקור אמת אחד שממנו גם בני אדם וגם אייגנטים עובדים, וזה בדיוק מה שמאפשר לעבור בין כלים בלי להתחיל כל פעם מחדש.

אם אתם צוות ביזנס, הבחירה היא בעיקר איפה שכבת הקונטקסט הזו חיה: תיקיות בדרייב, מערכת לניהול וביצוע עבודה (כמו מנדיי, ואני מודה שאני משוחדת), או כל פתרון אחר שמתאים לאופן שבו הצוות שלכם עובד. הפלטפורמה פחות חשובה; מה שחשוב הוא שהמידע יהיה נגיש, מעודכן ושמיש.

ואם אתם לא בטוחים מאיפה להתחיל, אפשר פשוט לבקש מהכלי המועדף עליכם לראיין אתכם ולבנות את הקבצים הראשוניים. זה עובד מפתיע טוב, וזה גם רמז חשוב, אם האייגנט לא מצליח לייצר את הקונטקסט, כנראה שגם לא הגדרתם אותו מספיק ברור לעצמכם.

[caption id="attachment_9004111233711674" align="aligncenter" width="619"] פשוט תשאלו את קלוד :)[/caption]

כמובן, יש גם כמה אתגרים שצריך לקחת בחשבון:

הראשון הוא ניפוח קונטקסט. למרות שהמודלים משתפרים, עדיין יש מגבלה לכמה מידע אפשר וכדאי לתת, ולכן חשוב לשמור על רלוונטיות, יותר מידע לא בהכרח אומר תוצאה טובה יותר, לפעמים בדיוק להפך.

השני הוא תחזוקה. שכבת קונטקסט היא לא משהו שמייצרים פעם אחת ושוכחים. צוותים משתנים, כלים מתחלפים, וסטנדרטים מתעדכנים, ולכן גם הקונטקסט צריך להתעדכן בהתאם. כדאי להגדיר מי אחראי על זה, ולקבוע ריטואל קבוע שבו עוברים על התוכן ומוודאים שהוא עדיין משקף את המציאות, כי קונטקסט לא מעודכן גרוע כמעט כמו חוסר קונטקסט. ואפילו כאן יש הזדמנות, אפשר לבקש מהאייגנט עצמו להציע עדכונים על בסיס מה שהוא למד תוך כדי עבודה. במובן הזה, הקונטקסט הופך ממשהו סטטי למשהו שמתפתח יחד עם הצוות.

בסוף, אם אתם רוצים אייגנטים שעובדים באמת, השאלה היא לא רק איזה מודל אתם בוחרים, אלא איזה אונבורדינג אתם עושים להם, ואיזה מציאות אתם מאפשרים להם להבין.

בשנה האחרונה אני מוצא את עצמי בשיחות על השינוי הדרמטי שעובר ענף הסייבר. אם בעבר המירוץ היה סביב בניית חומות גבוהות יותר, היום ברור שאנחנו נמצאים בנקודת מפנה שבה הטכנולוגיה הופכת לכל כך עוצמתית עד שהיא מחזירה אותנו אל נקודת התורפה הבסיסית ביותר, הגורם האנושי.

כמי שמלווה מקרוב את תעשיית הסייבר הישראלית, אני רואה כיצד היא מגיבה מהר יותר מכל מקום אחר לשיבושים הטכנולוגיים של הבינה המלאכותית. ה-AI משנה את כללי המשחק אבל הוא גם יותר פרדוקס, מצד אחד הוא מגביר סיכונים, ומצד שני הוא מאפשר לנו לפתח קטגוריות שלמות של פתרונות שפעם היו בגדר חלום.

כשהסוכנים הופכים לאוטונומיים, האחריות חוזרת אלינו

אחת החזיתות המעניינות ביותר כיום היא אבטחת סוכני בינה מלאכותית (Agents). היכולת של סוכנים אלו לקבל החלטות ולפעול באופן עצמאי הולכת ומתרחבת, אך היא גם פותחת פתח לאיומים חדשים. יזמים ישראלים כבר מזהים את הפוטנציאל הזה ומפתחים כלים להגדרת זהויות של סוכנים, ניטור התנהגותם וזיהוי פעולות זדוניות או השתלטות עוינת.

בנוסף, אנחנו רואים מעבר מאוטומציה חלקית לאוטומציה מלאה. שירותים שבעבר דרשו עבודה ידנית סיזיפית, כמו הקמת מרכזי תגובה לאירועים (SOC), בדיקות חדירות (Penetration Testing) וניהול מידע (SIEM), ניתנים כיום כשירותי ענן מבוססי AI. סוכני ה-AI הופכים למכפיל כוח עבור האקרים, וזה מחייב אותנו לא רק להתקדם טכנולוגית, אלא לחזור ולהתמקד ביסודות.

ההזדמנות הגדולה: Human Security

למרות כל הכלים המתקדמים, הנתונים מדברים בעד עצמם. בשנת 2024 הגורם האנושי היה מעורב בכ-90% מפרצות האבטחה. זהו נתון מדהים שמסביר מדוע תחום ה-Human Security חוזר לקדמת הבמה וצפוי לצמוח לשווי שוק של 10 מיליארד דולר עד 2027.

העובד בארגון היה ונשאר החוליה החלשה, בין אם בגלל רשלנות ובין אם בגלל כוונת זדון. כלי ה-AI החדשים שעובדים מאמצים רק מחריפים את הבעיה. הם מקלים על הגישה למאגרי מידע ומאפשרים להוציא נתונים בהיקפים שטרם הכרנו. מקרה ההדלפה באינטל, שבו עובד לשעבר הדליף כמות אדירה של מסמכים מסווגים, הוא תזכורת כואבת לכך שהאיום הפנימי הוא קריטי.

כאן טמונה ההזדמנות האמיתית ליזמים. אנחנו רואים מעבר מניהול פתרונות מבוזרים כמו ניהול זהויות או מניעת דליפות (DLP), לעבר פלטפורמות אחודות. סטארטאפים כמו Cymphony, Jazz, Orion ו-Bold כבר מובילים את הדרך בפיתוח פתרונות שמנטרים וחוסמים בעיות בזמן אמת. 

המטרה היא לא רק להוסיף עוד שכבת הגנה, אלא להגדיר מחדש את החוסן הארגוני.

חזית אסטרטגית: אופטימיזציה של הענן 

לצד ההתמקדות באדם, אבטחת ענן נותרת שוק אסטרטגי. בעוד שענקיות הענן AWS, Azure, Google וחברות ענק מציעות כמו כמו Wiz ופאלו אלטו, מציעות כלי אבטחה מובנים, ארגונים רבים עדיין הולכים לאיבוד וזקוקים להכוונה כיצד להשתמש בהם ביעילות. כאן בדיוק נכנסת ההזדמנות החדשה שמתפתחת לנגד עינינו, במקום לנסות להתחרות במוצרי המדף של ענקיות הסייבר, ההזדמנות הגדולה עבורכם היזמים נמצאת בפישוט המורכבות, שילוב אופטימיזציה וניהול החכם.

אנחנו כבר רואים התפתחות של פתרונות שמסייעים לארגונים להשתמש באופן חכם בכלי האבטחה המובנים. חברות כמו Native Security, Aryon ו-Blast כבר פועלות שם, הן לא בונות עוד "קיר", אלא בונות את המוח שמנהל את הקירות הקיימים בצורה אופטימלית. 

זהו הכיוון ליזמים שיצטרפו למגמה בשנה הקרובה: יצירת סדר בתוך הכאוס של תשתיות הענן.

טיפ ליזמים בתחילת הדרך

הבינה המלאכותית תמשיך לעצב את שוק הסייבר, אך ככל שהאיומים יהפכו לאוטונומיים ומורכבים יותר, הצורך האמיתי יהיה בפתרונות שעושים סדר בתוך הכאוס ומחזירים את השליטה לידי הארגון.

העצה שלי היא פשוטה: אל תחפשו רק את הטכנולוגיה המתוחכמת ביותר. חפשו את הדרכים לרתום את עוצמת ה-AI כדי לפתור את הבעיות היסודיות ביותר. מי שישכיל לעשות זאת, לא רק יתגבר על האיומים המשתנים אלא יבנה חברה שתשאיר חותם על התעשייה העולמית בעשור הקרוב.

בונים משהו שמשנה את כללי המשחק? אני מחכה לשמוע מכם.

סטארטאפים בתחומי ה Deep-Tech עובדים במשך שנים על פריצות דרך טכנולוגיות בתחומים מגוונים כמו: רפואה, אלגוריתמיקה, פיזיקה, ביולוגיה או AI מתקדם. כבר מההתחלה ברור שהעבודה היא מרתון ארוך ולא ספרינט, והתהליך הזה לוקח זמן. בגלל עומק הפיתוח והמורכבויות שבאות איתו, האתגר המשמעותי עבור חברות אלו הוא לא רק לבנות את הטכנולוגיה, אלא להצליח להסביר אותה לעולם בצורה חכמה.

לרוב הטכנולוגיה תהיה מורכבת מדי להסבר קצר וחד, המוצר עדיין רחוק מלהיות מוחשי, והשפה שבה משתמשים המהנדסים (ארכיטקטורות, מודלים ומערכות מורכבות) היא לא השפה של משקיעים, לקוחות או עובדים פוטנציאליים. האתגר של הדיפ-טק הוא כבר ממש לא רק אתגר הנדסי, ולמעשה הוא גם אתגר של תקשורת ושל נרטיב. חברות עם טכנולוגיה יוצאת דופן מתקשות להסביר מה הן באמת עושות ולמה זה חשוב - וכאן בדיוק נכנס המותג.

הטכנולוגיה היא לא הסיפור

לסטארטאפים בפיתוח עומק, יש נטייה להתחיל את ההסבר שלהם מהמקום הטכנולוגי. הם מסבירים על החידוש, אם זה האלגוריתם, המערכות או פריצת הדרך המדעית. אבל הקהל שמקשיב להם מחפש להבין מה נהיה אפשרי עכשיו שלא היה אפשרי קודם בזכות הפתרון של המוצר. לכן, הסיפור של דיפ-טק צריך להתחיל מהשינוי שהיא מאפשרת בעולם, ולא מהטכנולוגיה.

אפשר לראות דוגמאות לחברות עם טכנולוגיות מורכבות שמתקשרות החוצה את היכולת והערך המוסך עבור הלקוחות, במקום את המנגנון שעומד מאחוריה. הטכנולוגיה היא הבסיס, אבל הסיפור מתחיל מהאימפקט.

OpenAI למשל לא מסבירים לעולם את המוצר שלהם כ- Transformer Architecture. במקום זה הם מציגים רעיון פשוט: מערכת שאפשר לדבר איתה בשפה יומיומית. הטכנולוגיה העומדת מאחורי זה מורכבת מאוד, אבל החוויה פשוטה להבנה.

גם SpaceX לא מדברים רק על הנעה מתקדמת של טילים, הנדסת חומרים ומערכות מורכבות. המסר המרכזי שלהם הוא הרבה יותר פשוט, לייעל ולהנגיש את הגישה לחלל.

דוגמא נוספת היא Nvidia. מאחורי החברה עומדת טכנולוגיה מורכבת מאוד של ארכיטקטורות GPU. אבל המסר המותגי הפשוט שמתקשר היום הוא שהם המנוע שמניע את מהפכת ה-AI.

באותו אופן חברת הפינטק Stripe לא מסבירה APIs פיננסיים מורכבים. היא מציגה את עצמה כתשתית תשלומים אונליין, המסר מוצג בקלילות ובבהירות.  

כאן נכנס המותג

בחברות דיפ-טק, המותג לא רק משמש ככלי עיצוב או שיווק, הוא עוזר לתרגם מורכבות טכנולוגית לסיפור שאפשר להבין. למעשה המותג הוא שכבת התרגום בין המדע לבין העולם. מותג טוב מצליח לפשט רעיונות מורכבים ולייצר מהם מסרים חדים וברורים, הוא בונה נרטיב שמצליח ״לארוז״ את התכנים המורכבים לכדי סיפור שקל להבין ולזכור, ומאפשר לחברה להיות מזוהה עם רעיון אחד ברור.

כאשר הטכנולוגיה מורכבת, יהיה קשה מאד להסביר אותה בכל פעם מחדש בשיחה עם משקיעים, לקוחות או עובדים. מותג חזק יוצר מעין קיצור דרך שמאפשר להבין במה החברה עוסקת כמעט מיד. 

מותג עוזר להגדיר קטגוריה

לעיתים בדיפ-טק הטכנולוגיה כל כך חדשנית שיהיה קשה לשייך אותה לתעשייה קיימת. במקרים כאלה המותג עוזר לא רק להסביר את החברה, אלא ממש להגדיר את התחום שבו החברה פועלת.

monday.com למשל עשתה מהלך דומה כאשר הגדירה את המוצר שלה כ-Work OS. ההגדרה הזו הרחיבה את המוצר מעבר לניהול פרויקטים שהיה מזוהה איתה ומיקמה אותו כתשתית לניהול עבודה בארגונים. במקרים כאלה המותג בונה את המסגרת שבתוכה מבינים גם יותר טוב את הטכנולוגיה.

מתוך מאנדיי בלוג

מסרי מותג דיפ-טק בנויים בשלוש שכבות (דוגמא לפי monday)

השכבה הראשונה: הנרטיב הגדול (Brand Narrative)

השכבה הראשונה היא הרעיון הרחב שמגדיר למה החברה קיימת ומה היא מנסה לשנות בעולם.

במקרה של monday, הנרטיב לא מתחיל מטכנולוגיה, ולא אפילו ממוצר ספציפי. הוא מתחיל מהרעיון שארגונים צריכים דרך טובה יותר לנהל תהליכי עבודה. המסר המרכזי שלהם הוא שהעבודה המודרנית מפוזרת בין כלים, צוותים ותהליכים, ולכן ארגונים צריכים מערכת שמאפשרת לראות, לנהל ולתאם עבודה במקום אחד. הנרטיב הזה מדבר על שינוי בעולם העבודה עצמו, ולא רק על כלי תוכנה.

מתוך מאנדיי בלוג

השכבה השנייה: הערך שהמוצר מאפשר

כאן המסר הופך להיות יותר קונקרטי: מה המוצר מאפשר בפועל.

monday מגדירה את המוצר שלה כ־Work OS, מערכת הפעלה לניהול עבודה. זה מושג שמאפשר להסביר את המוצר בצורה אינטואיטיבית: כמו שמערכת הפעלה מפעילה מחשב, כך המערכת מפעילה את העבודה בארגון.

בפועל המשמעות היא שצוותים יכולים: לנהל פרויקטים ותהליכים במקום אחד, ליצור אוטומציות בין שלבים בעבודה, אינטגרציה בין מערכות שונות, ולראות את כל העבודה בצורה ויזואלית וברורה

המסר בשכבה הזו עדיין לא מדבר על טכנולוגיה עצמה, אלא על היכולת החדשה שנוצרת עבור המשתמשים. אצלנו במונשוט, הטכנולוגיה שלנו מאוד מסובכת ומורכבת, אנחנו בכל כל יום לומדים ומשתפרים באופן שבו אנחנו מספרים את הסיפור שלנו החוצה. המסר שמתאר את הערך שלנו מורכב משתי מילים בודדות: Delivering Space. השימוש בבייליין כזה קצר וקולע עוזר לנו להסביר מה ניתן ללקוחות העתידיים, גם כשמאחורי הקלעים עומדת טכנולוגיה מורכבת מאד. 

מונשוט ספייס

השכבה השלישית: הטכנולוגיה והיכולות מאחורי המוצר

רק בשלב השלישי מגיעה שכבת הטכנולוגיה עצמה.

מאחורי monday קיימת מערכת מורכבת יחסית שמאפשרת בנייה של תהליכי עבודה דינמיים: דאטה בייס גמיש, אוטומציות, אינטגרציות עם מערכות אחרות ופלטפורמה שניתנת להתאמה לצרכים שונים של ארגונים. אבל הטכנולוגיה הזו היא לא נקודת ההתחלה של הסיפור. היא משמשת כהוכחה טכנולוגית לכך שהויז׳ן והערך המוצרי אכן אפשריים.

כך נוצרת היררכיה ברורה של מסרים. קודם מדברים על השינוי בעולם העבודה, אחר כך על הערך שהמוצר מאפשר לצוותים, ורק לבסוף על הטכנולוגיה שמאפשרת את כל זה.

מאנדיי בלוג

גם במקרה הזה המסר לא מתחיל מהפתרון 

כמו שנהוג בכל סטארטאפ מכל תחום, כאשר מתחילים מהבעיה ומהשינוי שרוצים להביא לעולם, הטכנולוגיה הופכת להיות חלק מהסיפור וכך גם יותר קלה להבנה. יש חברות שבאופן טבעי בונות את הסיפור שלהן סביב הטכנולוגיה עצמה, משום שזה הלב של הפעילות שלהן. אבל עבור רוב הקהלים, המסר הזה קשה להבנה. הוא אולי מרשים מבחינה טכנולוגית, אבל לא סובב סביב הערך והתוצר שלה. 

דרך קלה לבנות מסר ברור היא לחשוב על שלושה משפטים:

מה קורה היום: הפער הקיים.
מה יקרה עוד כמה שנים: איך המציאות תיראה אם הטכנולוגיה תצליח.
החלק הייחודי שלנו: מה החברה בונה כדי להגיע לשם.

לדוגמא, אצלנו במונשוט 

היום שילוח לחלל הוא יקר, מזהם, ולא סקיילבילי. 

בעוד כמה שנים ניתן יהיה לשלוח סחורות לחלל שלא על בסיס דלק, ולאפשר שילוח בתדירות גבוהה ובמחיר נגיש. 

התפקיד שלנו הוא לבנות פלטפורמה לשילוח סחורות בקנה מידה מסחרי, המבוססת על טכנולוגיה אלקטרומגנטית.

כך נוצרת מסגרת שמאפשרת להבין את הטכנולוגיה בתוך סיפור ברור.

בסופו של דבר, דיפ-טק הוא אתגר נרטיבי

חברות הסטארטאפ המצליחות בתחומי הדיפ-טק הן אלו שצולחות שני אתגרים במקביל: לבנות טכנולוגיה עמוקה, ולספר סיפור פשוט וברור על הערך שהיא מביאה ועל הטכנולוגיה שמאפשרת אותו.

מותג חזק הוא בטח לא במקום הטכנולוגיה, אבל הוא מאפשר לעולם להבין אותה, לזכור אותה ולהאמין בה. בתחום שבו הפיתוח יכול לקחת שנים, לפעמים זה כל מה שיש לחברה להציע… הסיפור שלה. 

אתם מכירים את השקט הזה? שלחתם את המייל הכי חשוב ברבעון. זה יכול להיות הצעת מחיר ללקוח אנטרפרייז שעבדתם עליו חצי שנה, או במקרה שלי, העדכון החודשי למשקיעים. אתם לוחצים Send, ו... כלום. דממה. יום עובר, יומיים. אתם מתחילים להריץ סרטים בראש: "הם איבדו עניין?", "המספרים לא היו מספיק טובים?", "אולי הניסוח היה אגרסיבי מדי?". 

אחרי שלושה ימים של ייסורים, הרמתי טלפון לאחד המשקיעים. "תגיד," שאלתי בזהירות, "יצא לך לעבור על העדכון?". הוא ענה לי באדישות: "על מה אתה מדבר? לא קיבלתי ממך כלום שבועיים".  באותו רגע רציתי שהאדמה תבלע אותי. זה לא שהם התעלמו ממני. הם פשוט לא ראו אותי. המייל שלי המתין בשקט בתיקיית ה-Spam שלהם, קבור תחת הצעות לויאגרה וביטוח רכב. למה? כי באותו בוקר צוות המרקטינג שלנו החליט "להפציץ" ניוזלטר ל-10,000 לידים קרים מאותו הדומיין בדיוק.

האירוע הזה היה סטירת הלחי שהייתי צריך. הבנתי ש-Deliverability (עבירות מיילים) היא לא "תקלה טכנית" שפותחים עליה טיקט ל-IT. היא סיכון אסטרטגי. היא קובעת אם הקול שלכם יישמע או ייעלם.

אני כותב את הדברים האלו כמי שכבר שילם את שכר הלימוד, כדי שאתם לא תצטרכו לשלם אותו. בואו נדבר על איך בונים אופרציית צמיחה שלא יורה לעצמה ברגל.

"פרדוקס הסקייל": המלכודת שכולנו נופלים בה

אחרי אותו מקרה, התחלתי לראות את הדפוס הזה בכל מקום. אנחנו בונים משוואת צמיחה ליניארית: אם נציג מכירות (SDR) אחד אחד מייצר 10 פגישות באמצעות משלוח הודעות דואר אלקטרוני, 5 SDRs ייצרו 50. בפועל, זה עובד הפוך. ככל שאנחנו מגייסים יותר אנשים ושולחים יותר, אחוזי הפתיחה (Open Rates) של הארגון כולו צונחים.

למה? כי הדומיין שלכם הוא משאב מתכלה. בעיניים של גוגל ומיקרוסופט, זינוק פתאומי בנפח השליחה (למשל, כשצוות חדש נכנס לעבודה) הוא דגל אדום בוהק. זה נראה כמו התקפת ספאם. האלגוריתם לא יודע שגייסתם כסף ועכשיו אתם ב-Hyper Growth; הוא רק רואה אנומליה. התוצאה היא "חוק התפוקה השולית הפוחתת של הדומיין": יותר מאמץ שווה פחות חשיפה.

הנתונים שלא משקרים 

כדי לוודא שאני לא משליך מהטראומה האישית שלי על הכלל, צללנו ב-Warmy.io לנתונים של כ-35,000 חברות ומשתמשים. חיפשנו את הקשר בין בריאות הדומיין לשורה התחתונה.

התוצאה הייתה מדהימה: חברות שניהלו תהליך חימום דומיין (Warm-up) רציף ואקטיבי, הציגו עלייה של 22.5% בהמרות (Conversions). לא רק ב-Open Rate'  אלא בפגישות שנקבעו בפועל. הסיבה היא פסיכולוגית: כשמייל נוחת ב- Inbox, הוא נהנה מ"הילה" של אמינות. הוא נתפס כאישי וחשוב. כשמייל מגיע ל-Promotions או מסומן ב"חשד" (גם אם לא ספאם מלא), הסבירות שמקבל ההחלטות יענה לו צונחת דרמטית.

איך בונים את זה נכון 

אז איך נמנעים מהפאדיחה שהייתה לי מול המשקיעים, ובונים מכונת מכירות משומנת? הנה ה-Playbook שלי ל-RevOps מודרני:

1. הפרדת כוחות מוחלטת (Segmentation) - החטא הקדמון הוא השימוש בדומיין הראשי (company.com) להכל. הכלל החדש שלכם: הדומיין הראשי - קודש הקודשים. משמש אך ורק לתקשורת אישית, הנהלה, ולקוחות משלמים. אף כלי אוטומציה לא נוגע בו.

מכירות (Outbound): מקימים תתי-דומיין ייעודיים לכל צוות. למשל: get.company.com או team.company.com.

שיווק: דומיין נפרד לניוזלטרים ותפוצה רחבה. ככה, אם SDR נלהב מדי "שורף" דומיין, המנכ"ל עדיין יכול לשלוח מיילים למשקיעים, והחשבוניות עדיין מגיעות ללקוחות.

2. SLA פנימי - בדיוק כמו שיש לכם SLA לזמן תגובה לליד, חייב להיות לכם SLA לבריאות הדומיין. ה-RevOps צריך לנטר שבועית:

Spam Rate: הקו האדום הוא 0.1% (במיוחד לאור החמרת הנהלים של גוגל ב-2024).

Bounce Rate: אסור לעבור את ה-2%. חריגה מהמספרים האלו היא Stop Loss. עוצרים את הקמפיין. מתקנים. ורק אז ממשיכים. לא מנסים "לנצח בכוח".

3. חימום כ"ביטוח חיים" (Always-on) -הטעות הנפוצה היא לחשוב שחימום עושים רק בהתחלה. לא. החימום חייב להיות תמידי. המערכת צריכה לייצר כל הזמן "תנועה חיובית" (מיילים שנפתחים, יוצאים מהספאם, מסומנים כחשובים) כדי לקזז את הדיווחים השליליים שיגיעו באופן טבעי מפעילות ה-Cold Outreach. זהו מנגנון החיסון של הדומיין שלכם.

גם אם עשיתם הכל נכון, לפעמים דומיין נשרף. כשאתם מזהים צניחה בביצועים או כניסה ל-Blacklist עוצרים הכל באותו דומיין. מיד. לאחר מכן, מעבירים את הפעילות לדומיין גיבוי שהוכן וחומם מראש (יתירות!). ואז מגישים בקשות Delisting, בודקים רשומות DNS, ונותנים לכלי החימום לעבוד אינטנסיבית כדי לשקם את המוניטין. בסוף חוזרים לפעילות בהדרגה. מתחילים ב-20 מיילים ביום, וגדלים לאט.

Deliverability Ops זו התשתית שמאפשרת להגדיל את הסיכוי שהמיילים האישיים והשיווקיים שלכם יגיעו ליעדם. אל תחכו לרגע שבו תשאלו משקיע בטלפון "ראית את המייל שלי?" ותקבלו שתיקה מביכה. בנו את התשתית היום, כדי שתוכלו לרוץ בשקט מחר.

מנועי הבינה המלאכותית ChatGPT, Google AI Overviews, Google Gemini, Perplexity ועוד הופכים במהירות למקור המידע המרכזי של גולשים ברחבי העולם. המשתמשים, הן פרטיים והן עסקיים, מחפשים כיום תשובות ישירות לשאלות ולא לינקים כחולים או רשימת אתרים מדורגים. הנתונים מוכיחים את המגמה באופן ברור: כ-1.8 מיליארד בני אדם משתמשים מידי חודש במנועי בינה מלאכותית ובשנת 2025 כ-60% מכלל החיפושים בגוגל הסתיימו ללא קליק לאתרים ושיעור זה צפוי לנסוק בשנים הקרובות ככל שאמון המשתמשים בתשובות גובר והולך.

השינוי בהרגלי הגלישה מציב אתגרים מיוחדים לסטארטאפים, במיוחד בשלבים מוקדמים שבהם נראות היא המפתח לשרידות, לגיוס הון ולרכישת לקוחות ראשונים, בעולם שבו הפיתוח הופך לקומודיטי וההפצה הופכת לגורם המבדל. שיטות הפעולה המסורתיות ובראשן בניית אתרים מרשימים, פעילות ברשתות החברתיות ו-SEO כבר לא מספיקות לבדן ועולה הצורך בפתרון משלים בצורת GEO - Generative Engine Optimization, דהיינו אופטימיזציה של תוכן למנועי הבינה המלאכותית. 

פתרון GEO יבטיח ברמת סבירות גבוהה שפרומפט כמו: "איזה סטארט-אפ פינטק מציע כיום פתרון חדשני בתחום ההלוואות?" יציג כתשובה את הסטארט-אפ הספציפי של יזם שהתוכן שלו הותאם בצורה חכמה למנועי ה-AI.

אז איך עושים את זה?

מנועי AI לא עובדים כמו מנוע חיפוש קלאסי. כלומר, הם לא סורקים עמוד אחד בלבד אלא מנתחים את כל האקוסיסטם הדיגיטלי של המותג באתר ומחוצה לו ומשקללים מרכיבים רבים וביניהם: עומק התוכן ולא את האורך בלבד, בהירות והסבריות, עקביות בין עמודים שונים, אזכורים חיצוניים, זהות הכותב או החברה, האם הם ברי סמכא לתת את הפתרון המוצע, מבנה תוכן נוח לסיכום, התאמה לשאלות אמיתיות של משתמשים ועוד.

כדי להתמודד עם הדרישות הללו, פתרון GEO מתמקד בשלושה פרמטרים מרכזיים:

הוכחה סטטיסטית וציטוטי מקורות: מנועי AI אוהבים מספרים ונתונים ועל כן אתר שכולל נתונים מדויקים ומובנים מקבל "ציון אמון" גבוה יותר.

סמכותיות היישות (Entity Authority): מנוע ה-AI בונה "מפת ידע" והוא צריך להבין שהמותג שלכם הוא מומחה מדופלם (אם זה אפשרי) בתחומו.

אופטימיזציה של פגיעות (Vulnerability Optimization): כתיבה ישירה שעונה על שאלות מורכבות ומונעת מהצ'אט לחשוב שיש בעיות בתוכן שלך או באמון שהאתר מייצר. הניסוח מאפשר למנוע ה-AI לשלוף את התשובה שלכם כסיכום (AI Overview). 

הבנה עמוקה של הפרמטרים הללו מאפשרת לבנות אסטרטגיית אפקטיבית לקידום ב-GEO שכוללת 7 שלבים:

הנדסת תוכן מבוססת ציטוטים (Citation Engineering)

מחקרים מעידים ששילוב ציטוטים ממקורות מוסמכים מגדילים את הסיכוי להופיע ב-AI Overviews בשיעור של 40%. לכן, יש לעגן את התוכן במקורות אקדמיים, נתונים מהתעשייה וקישורים חיצוניים שנחשבים ברי סמכא כדי שמנועי ה-AI יזהו את המידע כאמין, מבוסס, מגובה במקורות – וראוי לציטוט.

אופטימיזציה של סכמות (Schema Markup 2.0) 

כדי שמנועי ה-AI יבינו מי החברה ומי עומד מאחורי התוכן, יש להשתמש בסכמות מתקדמות כמו: FAQ, Person, Organization ו-Review שמספקות למנועים הקשר ברור לגבי זהות הכותב, הארגון והנושא שמהווים מרכבי קריטי בתהליך הקידום של אתרים ב-GEO.

מודל E-E-A-T מורחב

מנועי ה-AI לא מסתפקים במידע תיאורטי אלא מחפשים מידע והכוחות בתחומים: ניסיון אישי (Experience) מומחיות ומקצוענות (Expertise) סמכותיות (Authoritativeness) ואמינות (Trustworthiness), המרכיבים ביחד את מודל E-E-A-T. לכן יש לשלב בתוכן סיפורי מקרה, דוגמאות מהשטח, נתונים מניסיון מקצועי והוכחות לשנים של פעילות בתחום. אגב, מודל E-E-A-T הוא שמניע את ה-SEO בתחומים החשובים ביותר כבר משנת 2009.

העשרה סמנטית (Semantic Enrichment)

אין להיצמד למילת מפתח אחת אלא להרחיב את התוכן סביב כל המושגים והנושאים הקשורים לתחום, כולל התייחסות לשאלות קשורות ותתי נושאים במעגלים רחבים, מה שנקרא Query  Fanout.

שיפור ה-Brand Mention ברשת

מנועי ה-AI סורקים את כל הרשת כדי להבין מי החברה ומה רמת הסמכות של המותג. לכן, יש לשלב אזכורים באתרים מובילים, פרסומים מקצועיים, רשתות חברתיות ועוד שיחזקו את האמון של האלגוריתמים במותג.

אופטימיזציה לחיפוש קולי ושפתי (AEO – Answer Engine Optimization)

כיוון שאנשים משתמשים בשפה טבעית במנועי ה-AI, יש להתאים את התוכן לשפה טבעית ולשאלות אמיתיות של משתמשים באמצעות מבנה ברור, ניסוח שיחתי ויישום של עקרונות עיבוד שפה טבעית (NLP).

ניטור ומדידה של AI Visibility 

יש ליישם כלים שעוקבים אחר הנוכחות והנראות של המותג במנועי ה-AI, לזהות באילו תשובות הוא מופיע, אילו תכנים מקבלים חשיפה ולשפר באופן מתמיד את אסטרטגיית ה-GEO.  

GEO הוא הזדמנות גדולה לשחק בליגה של הגדולים בלי להשקיע תקציבי ענק. מחקר של אוניברסיטת פרינסטון גילה שפתרון GEO מגדיל בשיעור של 40% את נראות התוכן (Visibility) בעת שמנוע ה-AI בוחן אותו. זו הסיבה שסטארטאפים בשלבים מוקדמים מאמצים כיום פתרונות GEO בשיעור כפול מחברות עסקיות בגודל בינוני ומצליחים לממש יעדים עסקיים בשלבים הכי רגישים של מחזור החיים.

פתרון GEO הוא מרכיב קריטי ביכולת של סטארט-אפים בשלבים מוקדמים לעניין משקיעים ולקוחות פוטנציאליים ולעלות על הרדאר שלהם. הפתרון חיוני ביותר גם עבור סטארטאפים בצמיחה שצריכים לשמור על נתחי שוק, ליצור העדפה ועוד.

על הכותב: דני הוא מומחה לשיווק דיגיטלי, SEO, GEO, פרסום ו-AI.

פיתוח מוצר B2C נראה לעיתים פשוט יותר מ-B2B, אבל יש היבטים ייחודיים לעבודה ב-B2C אשר דורשים תשומת לב וגישה שונה. בגדול, צריכים להיות מאוד data-driven ולחשוב על איך התוכנה פותרת דברים באופן סקלבילי. אי אפשר לבנות על מכירות שיובילו להכנסות - זה תפקיד המוצר. אי אפשר להשאיר פערים ולסמוך על שיחות עם משתמשים כדי לגלות מה צריך לתקן. 

אני ישי, עבדתי עם יותר מ-10 חברות על יותר מ-20 מוצרים כ-Fractional Chief Product Officer או כעובד חברה בתפקידי Chief Product Officer, Senior Director Portfolio Business Performance, Lead Product Manager. עבדתי על מוצרים משלב קונספט ועד לשלב מוצר באוויר במשך שנים בתחומי משחקי מובייל, פייסבוק, ווב, מרקטפלייס, אפליקציות עיבוד תמונה, פינטק, Subscription, Free to Play וכמובן AI. מבחינת סקייל המוצרים הגדולים הגיעו ל-10 מיליון משתמשים ביום ו-150-250 מיליון דולר בשנה. 

הנה עשר טעויות שראיתי על פני חברות גדולות וסטרטאפים בשלבים מוקדמים ומתקדמים:

1. לא מכוונים לשוק גדול מספיק

עשינו מחקר מקומי ומצאנו בעיה אמיתית בשוק שלנו. קדימה לעבודה?

טעות נפוצה היא להניח שזה תקף בכל העולם. או לפחות בעולם המערבי. או בארה"ב. 

ב-B2C קהל היעד שונה מאוד בין מדינה למדינה. העדפות תרבותיות. מבנה שוק שונה. העדפה למודל עסקי כזה או אחר ומוכנות לשלם על דברים מסוימים. בתעשיות כמו פינטק או מדטק גם רגולציה יכולה להשפיע על מבנה המוצר ואופן השיווק. מבנה הורטיקל ורמת הסגמנטציה או ריכוזיות בשוק גם לא אחידים.

סטארטאפ בתחום ניהול תקציב אשראי שיכול לעבוד בישראל ודורש בנקאות פתוחה לא יצליח בארה"ב היכן שאין בנקאות פתוחה. באירופה יש בנקאות פתוחה - אך אופן לקיחת האשראי על ידי לקוחות ברוב מדינות אירופה שונה מהשיטה בישראל ובארה"ב. 

גרמנים לא אוהבים לשלם על מנוי. סינים אוהבים מנוי לא מתחדש ולבקש החזר. במזרח אירופה מותחים את גבולות השימוש החינמי. 

שחקנים במזרח הרחוק מצפים לסגנון עיצובי מסוים ויש להם סובלנות גבוהה לסיבוכיות עקב מוכנות להשקיע בלימוד מערכות מורכבות. הציפיות של שחקנים במערב שונות ודורשות מבנה שונה ודרך לימוד יותר מודרכת. 

כל זה מוביל לכך שאפילו אם מצאנו בעיה תקפה במספר מדינות המוצר שיוכל לפתור אותה יהיה שונה. זה יכול להיות שוני עמוק בפונקציונליות או הבדלים תרבותיים שדורשים מסע משתמש אחר, מתן פיצ'רים שונים בחינם או בתשלום או אפילו מודל עסקי אחר.

כשחושבים על סקייל של סטארטאפ B2C צריך לוודא שהתכנית היא באמת גלובלית או מכוונת למדינות גדולות בהן מוצר אחד מסוגל להשיג סקייל והכנסות גבוהים. 

לכן מומלץ לחקור את הבעיה והפתרון בשוק הכי גדול קודם ולוודא שמה שמצאנו בשוק קטן תקף לגבי קהל יעד גדול מספיק.

2. מכוונים לשוק הגלובלי אבל משקיעים הרבה זמן בשוק קטן

אחרי שאפיינו מוצר התחלתי שאמור להתאים לשוק הגלובלי צריך להגיע הכי מהר ל PMF. זה אומר שמה שאפיינו בהתחלה הולך להשתנות מאוד, הרבה פעמים, עד שנגיע ל-PMF. מה פותרים, איך פותרים, מה לא פותרים, איך מציגים את הפיצ'רים ואיך הם עובדים, מה בחינם ועל מה לוקחים כסף, מהם דפוסי השימוש ואיך מנתבים את המשתמשים בתוך המוצר כדי לייצר הרגלים. כל אלו יהיו מאוד שונים אם נשווה בין המוצר הראשוני עליו חשבנו למוצר שיעבוד בפועל. S4S20

השלב הזה לוקח יותר זמן ממחקר ופיתוח ראשוניים. אם עושים את זה בשוק קטן בו נגיד ונוח לנו ואנחנו מרגישים בבית, אנחנו עשויים לשנות את המוצר עבור אותו שוק קטן באופן שאיננו מועיל להשגת PMF בשוק הגלובלי או בשוק האמריקאי. הסקייל של המוצר רק בשוק קטן לרוב לא מספיק כדי להעמיד את הסטרטאפ על הרגליים ולאפשר לו להתרחב גלובלית ללא גיוס כסף נוסף. 

הזמן שדרוש לנו להבנת המשתמשים בשוק האמריקאי והתאמת המוצר אליהם לא מתקצר בגלל שהצלחנו בשוק אחר. בצוותים רבים הוא אפילו מתארך כי אנחנו חושבים שאנחנו יודעים דברים שלא בהכרח נכונים לשוק אליו אנו בונים עכשיו ואנחנו כצוות למעשה פיתחנו התנגדות ראשונית לתהליך הכי חשוב שאנחנו צריכים לבצע כעת – למידה. הסבלנות הארגונית וזו של המשקיעים גם כן מועמדים למבחן כי אחרי שבילינו חודשים ארוכים ואולי אפילו שנים בהשגת PMF בשוק הקטן, אנחנו שוב בשלב ה-PMF במקום להתקדם לשלב ה-Growth.

רבים חושבים שמספיק לתרגם כדי להיכנס למדינה חדשה. אבל אפילו אם השפה היא באמת החסם היחיד צריך לעשות culturalization, שזה לתרגם תוך לקיחת ההקשר המוצרי והתרבותי בחשבון. זה כולל לעיתים גם שינוי במודל העסקי. התימחור דורש התאמות. במדינות רבות תרגום לשפה המקומית אפילו לא שיפר את התוצאות לעומת הגרסה האנגלית!

מה עושים? 

אם אנחנו בונים מוצר גלובלי שאיננו מרקטפלייס, אפשר להתחיל במספר מדינות מפתח או להתחיל גלובלי. רוב הסיכויים שנראה פערים בהתנהגות משתמשים וב-KPIs בין מדינות שונות, וזה בסדר: קובעים מדינה או קבוצת מדינות שהן מדינות היעד (ארה"ב, מדינות דוברות אנגלית, מערב אירופה) ומתייחסים לנתונים שלהן כדי לקבל החלטות.

אם אנחנו בונים מרקטפלייס בו המיקום משנה אז להתחיל גלובלית לא מומלץ כי מילוי שני צידי הביקוש וההיצע במיקומים רבים יהיה מאתגר. במצב זה צריך להתחיל באזור גאוגרפי שדומה לעוד הרבה אזורים גאוגרפיים מבחינת המאפיינים הרלוונטיים למוצר. אז ברור שברירת המחדל צריכה להיות שוק היעד הכי גדול, שזה ארה"ב, כדי שלאחר כיבוש עיר אחת אפשר יהיה לעבור להבאה בתור בשינויים מוצריים מינימליים. 

מתי חורגים מברירת המחדל?  כשארה"ב איננה שוק יעד בכלל או המקום בו ההזדמנות היא הכי קטנה בהשוואה למדינות אחרות. ואז צריך להתחיל במדינה בה ההזדמנות היא הכי גדולה.

מרגישים בנוח לפתח ולהתאים לשוק הישראלי כי אנחנו במילא פה ומכירים ומבינים? זה מקרה בו צריך להתחיל בבעיה הכי קשה וחשובה לפיצוח - תתחילו עם השוק שאתם לא מבינים כשיש לכם כסף ואנרגיה.

חוששים מעלויות המרקטינג בארה"ב? הבעיה הזו לא תיעלם והיכולת שלכם להתמודד איתה לא תשתפר בלי שתתחילו להתמודד איתה.

חוששים לשרוף את השוק לפני שהמוצר בשל? אל דאגה, מוצר טוב לא שורף שוק ומוצר גרוע לא מגיע למספיק אנשים כדי לשרוף את השוק. Word of Mouth עובד על מוצרים נהדרים, לא על גרועים.

3. נותנים לנתונים במספרים קטנים לבלבל אותנו

ה-KPIs שאנחנו רואים בשלבים מוקדמים הם משהו שיש לקחת with a grain of salt. במשחקים למשל, חלק מהמספרים שרואים בשלבים מוקדמים יכולים להיות פי 2 או 3 גדולים או קטנים כשמגיעים לסקייל גלובלי. מוצר אחד שעבדתי עליו התחיל 70% מתחת ליעדים שהצבתי וכשיצאנו גלובלית הנתונים השתפרו פי 3 כלפי מעלה. יש מוצרים שהיו חלשים וכשעלו בסקייל נעשו גרועים יותר. 

למה זה קורה? כי כל עוד עובדים במספרים קטנים, אפילו אלפים בודדים, מדובר בדגימה מוטית של קהל היעד. האנשים שהבאנו או הגיעו למוצר שלנו יכולים להיות מאוד מעוניינים או בכלל לא. אנשים גם מבינים באיזה שלב המוצר נמצא ומתנהגים בהתאם. איכות מוצר נמוכה, נוכחות שיווקית לא מקצועית, שירות לקוחות ירוד - משתמשים קולטים הכל ורמת המחוייבות שלהם למוצר היא בהתאם בשילוב עם רמת הצורך. אם מדובר במוצר שפותר צורך גדול וכואב בשוק ללא פתרונות חלופיים - משתמשים סלחנים יותר לפשרות ונרתמים להצלחת המוצר. 

אז מה עושים?

מוודאים איזה משתמשים הבאנו מבחינת השתייכות לקהל היעד ורמת מחוייבות, בייחוד כשמסתמכים על מקורות לא אורגניים למשתמשים. בשלב הראשוני נתמקד ביצירת ערך למשתמשים שרוצים את המוצר וננסה להגיע לכאלה באחוזים גבוהים. לאחר שהוכחנו ערך ומדדנו KPIs טובים עבורם ב-retention, Key action performance  וגם conversion  ומונטיזציה ככל האפשר - אז נעבור להתמודד עם משתמשים פחות מחוייבים כדי לאפשר סקייל גדול יותר.

נשאף להגיע למוצר שמאפשר סקייל ולהגיע לסקייל מהר ככל האפשר. ההיתכנות שאנחנו מאפטמים לקהל יעד מצומצם מדי או שונה מדי תמיד קיימת כל עוד לא התרחבנו. עד שנגיע לשלב הזה נתייחס למספרים בעירבון מוגבל ונקבל החלטות על בסיס מה יוצר תוצאות טובות יותר. נשמור פיצ'רים שמעלים retention גם אם המספר לא בדיוק מה שרצינו, כי יכול מאוד להיות שממילא הוא יהיה גדול או קטן יותר כשנגיע לסקייל רציני. ויש סיכוי שהחלטות נכונות בשלבים מוקדמים יצטרכו להיבחן מחדש כשנגיע לסקייל וזה בסדר.

4. משקיעים יותר מדי בקוסמטיקה לפני שהעיקר שם

עקרונות ה-MVP או MLP עומדים בעינם. גם ובייחוד עכשיו שנעשה קל ומהיר יותר לפתח, עדיף לנצל את הפרודקטיביות הזאת על מה שחשוב. ומה שחשוב זה לייצר ערך למשתמשים ולכן נתמקד בהבאת המשתמשים האלה ל-aha moment, וכל דבר אחר לא חשוב וברוב המקרים מיותר. 

עיצוב גרסה שלישית של סט הצבעים של ה-UI? מיותר אלא אם לא ניתן לקרוא או להבין את האייקונים והטקסט. 

פרופיל משתמש? מיותר במוצרים בהם הוא לא לב המוצר. בדייטינג - כנראה חשוב. במוצר בו אפשר להסתפק בתפריט הגדרות בסיסי - מיותר. 

Infrastructure לעבודה מושלמת בכל סוגי הדפדפנים לפני שהוכחנו שמשתמשי כרום מתים על המוצר? מיותר. 

יכולת שמירת נתונים על פני מכשירים רבים? מיותר כאשר ניתן להוכיח את מתן הערך העיקרי למשתמש בלי התשתית הזאת. חיוני כאשר מפתחים מתחרה לדרופבוקס.

אנליטיקס שמראים לנו איך המשתמשים השתמשו ב-UX ובאיזה פיצ'רים הם השתמשו? ממש לא מיותר! במקרה קיצוני אחד מוצר עלה לאוויר וייצר הכנסות גבוהות מאוד. חודש לאחר מכן הייתה ירידה בביצועים וכשנשאלו מה הסיבה לכך האנליסטים נאלצו להגיד שהם לא יודעים כלום, כי בפיתוח הורידו בתיעדוף את הכנסת ה-analytics hooks למוצר. עד שהכניסו אותם כמובן שהיה מאוחר מדי כי רמת ההכנסות ירדה וחלק גדול מאוד מהמשתמשים עזב את המוצר.

5. משקיעים בברנדינג מוקדם מדי

אין הרבה מה להרחיב כאן. לפני שהמוצר בסקייל, לא בטוח בכלל שהברנד שאתם חושבים עליו תואם למוצר אליו תגיעו. השקעה כספית גדולה בברנדינג גם לרוב מתקשה להדגים ROI כך שזה באמת לעשירים.

6. משקיעים יותר מדי זמן בפיתוח לפני שההיפותיזה נבחנת מול משתמשים אמיתיים

המטרה היא לספק ערך למשתמשים. אין ערך בלי משתמשים. עשינו מחקר. אפיינו מוצר. אין דרך מסביב לזה – הכל היפותיזה עד שזה פוגש משתמשים אמיתיים. וזה רגע מאיים קצת, כי אז מתחילים להגיע מספרים. והמספרים לא בהכרח יהיו טובים. לרוב הם די גרועים. המספרים נותנים ודאות מזוייפת כפי שהסברתי, יש להתייחס אליהם בחשדנות, אבל בכל זאת צריך להסתכל עליהם. וזה נעשה גרוע יותר כי יש משקיעים שיימנעו מלהשקיע בגלל המספרים אבל בלי מספרים אולי הם היו משקיעים. 

ב-B2C המטרה היא להגיע ל-PMF. יש שמגדירים PMF כ-retention ויש שמגדירים כ-ROAS חיובי ברמה כלשהי. אין הגדרת PMF שלא כוללת מוצר באוויר עם משתמשים מקהל היעד. ולכן בהתאם לכללי התיעדוף של ערך למשתמשים קודם – ברגע שניתן לספק להם ערך – צריך להעלות את המוצר ולהתחיל לבדוק את ההיפותיזה שלנו. עדיף להתמודד עם קשיים, טעויות ומאות איטרציות כשיש כסף ואנרגיה מאשר כשמנסים לגייס את הסיבוב הבא ולחוצים בזמן.

כלל אצבע? בייחוד היום עם יכולות הפיתוח המואצות בזכות AI, שישה חודשים זה המקסימום של המקסימום שהייתי מפתח בלי להעלות מוצר לאוויר או לפחות לבדוק גרסאות מוקדמות מול משתמשים. מתי חורגים מכך? כשמדובר במוצר שדורש פיתוח ממושך כדי ליישר קו עם מתחרים בשוק בוגר. גם במקרה זה - אמור להיות לנו Unique Value Proposition והייתי שואף לבחון אותו מול משתמשים בהקדם. 

7. מבלבלים פידבק איכותני מילולי עם נתונים

ב-B2C, בדומה ל-B2B, צריך לדבר עם משתמשים. סקרים, קבוצות מיקוד, שיחות ישירות. צריך לוודא את הבעיה אותה אנו פותרים, להבין איך משתמשים חושבים על הבעיה ואיזה פתרונות אלטרנטיבים עומדים לרשותם. לראות איך הם משתמשים במוצר שלנו ומה עובד או לא עובד להם. 

לשאול שאלות היפותטיות לגבי מה הם היו עושים או אם הם היו מוכנים לשלם או כמה זה פחות אפקטיבי. בהקשר זה כדאי לקרוא את הספר The Mom Test של Rob Fitzpatrick.

ב-B2C התוצר משיחות כאלה עם משתמשים הוא היפותיזות חדשות לנסות, לא החלטות. כי ב-B2C מה שקובע הוא מה מאות אלפי ומיליוני משתמשים עושים בפועל עם המוצר שלנו.

מה עושים? משתמשים במידע ממשתמשים כדי למצוא דברים חדשים לנסות, ממדלים איך הדברים האלה עשויים להשפיע על המוצר, מתעדפים ואז מפתחים ומודדים איך הדברים האלה משפיעים על ה-KPIs בפועל.

מעלים Scale באמצעות User Acquisition מוקדם מדי

טעות נפוצה היא להסתכל על ROAS ולנסות להגדיל את ה-UA Spend לפני שהגענו לביצועים טובים מבחינת שימוש במוצר ו-retention.

הסיכון הגדול הוא שנעלה סקייל לפני שהמוצר באמת ברמת ביצועים הולמת, דבר שעשוי לקרות כשאנחנו מבססים את ההחלטה על מידע חלקי. אם העלינו סקייל באופן משמעותי לפני שהמוצר מספק ערך באופן עקבי לאורך זמן למשתמשים אנו עלולים לגלות שהמשתמשים ששילמנו להביא למוצר לא נשארים לאורך זמן, שה-ROAS לא חיובי כבר ושבעצם יש עוד הרבה עבודת מוצר לפנינו כדי לשמר משתמשים לאורך זמן.

בנוסף, כשמגיעים לסקייל גדול של המוצר הרבה דברים משתנים. האופרציה מתחילה לכלול כמות משמעותית של support. ביקורות משתמשים מתרבות. התשתית צריכה להיות יציבה ומהירה. כל באג עולה כסף ותהליך הפיתוח צריך לעלות ברמה בהתאם. כל פיצ'ר חדש עשוי לפגוע בביצועים של המוצר ובביצועי קמפיין שמוציאים עליו הרבה כסף וכך כל הארגון מתחיל להיות חששן ואיטי יותר כי כל נגיעה יכולה לעלות הרבה כסף.

ראיתם ROAS חיובי על בסיס prediction? מומלץ לוודא שה-retention ומדדי השימוש במוצר תומכים בתחזית ה-LTV הזאת. כדאי לחכות עד שלפחות קצת נתוני אמת ייאספו כדי לחזק את הביטחון ב-prediction.

בינתיים אפשר לקצר את חלון ה-payback כדי להשתמש בנתוני אמת וכך להקטין את הסיכון שהכסף לא יוחזר.

9. מתמכרים ל-A/B testing

A/B testing הוא כלי מאוד שימושי וחשוב ב-B2C. הוא מאפשר להגיע למסקנות חד משמעיות לגבי מה השינוי שעשינו למוצר השיג מבחינת התנהגות משתמשים וביצועי המוצר.

מדובר באנליזה סטנדרטית ועקבית, עם פחות מקום לשיקול דעת כך שהביטחון בתוצאות מ-a/b test גבוה יותר.

מדובר בהשוואה לגבי תוכן הניסוי בלבד, כך ששינויים אחרים וחיצוניים מנוטרלים או מפוזרים בשווה בין קבוצות הניסוי. זה תקף לרוב הדברים שנרצה לבדוק למעט סוגי מוצרים ומקרים בהם a/b test לא ישים, כגון פיצ'רים ויראליים ופיצ'רים מערכתיים במרקטפלייס או באינטראקציות משתמשים אחד מול אחד או PvP. 

לא תמיד a/b test הוא הפתרון העדיף:

a/b test לוקח זמן ולצורך הרצת כל הניסויים שהיינו רוצים צריך הרבה מאוד משתמשים והרבה מאוד זמן וגם יש סיבוכיות פיתוחית וב-QA ככל שמספר הניסויים גדל. אז צריך לתעדף את מה שחשוב, שינויים גדולים שמשפיעים על הערך שהמשתמש מקבל, פיצ'רים חדשים, נקודת המעבר ממוצר חינמי לבתשלום, תימחור. 

לעומת זאת יש קטגוריה שלמה של דברים שבשלבים מוקדמים ולעיתים גם מאוחרים, לא שווה להשקיע a/b test עליהם:  שינויי UI קטנים או שינויי UI בניסויים נפרדים, שינויים שאין דרך להימנע מהם כמו שינוי UI שמאפשר הוספת components חדשים ונחוצים או שינויים עקב רגולציה. 

שינויים שלא מסוגלים להשפיע משמעותית על ה-KPIs גם אין טעם לבדוק ב-a/b test. הדבר החשוב להבין בשלבים מוקדמים הוא שאם משהו לא יכול להשפיע על התוצאות ולכן אין טעם להריץ אותו כניסוי, ברוב המקרים - גם לא כדאי להתעסק בלפתח אותו בכלל. המיקוד שלנו צריך להיות במה שכן יזיז את הנתונים.

באופן כללי, כשמספר המשתמשים קטן לעשות a/b test לוקח יותר זמן מאשר להוציא את השינוי לאוויר ולמדוד את ההשפעה. מומלץ לשחרר לאוויר רק דבר אחד עיקרי כל פעם כדי שנוכל לבסס את הקשר בין השינוי בנתונים לבין מה שעשינו.

והנה הקאצ'. תנודתיות הנתונים שנראה במוצר בשלבים מוקדמים תהיה גבוהה, מה שמקשה על מדידה של שינוי שקטן מהתנודתיות ללא שימוש ב-a/b test. אז גם אם יקח פחות זמן לראות את האפקט, במקרים רבים לא נצליח לראות אותו בכלל ולא נקבל תשובה לשאלה האם מה שאנחנו עושים עוזר למוצר. הגישה שאני ממליץ עליה בשלבים כאלה היא לקבל שתי החלטות:

נתעדף לנסות רק מה שיכול להשפיע באופן משמעותי על התוצאות. אם התנודתיות היא פלוס-מינוס 4%, אנחנו צריכים להתמקד בלהוציא דברים למוצר שיש להם פוטנציאל של לפחות 30% שיפור. כל דבר קטן יותר פשוט לא צריך לקבל תשומת לב בשלב בו אנחנו קטנים.

אם לא ראינו שיפור ברור - נתנהג כאילו מה שעשינו לא הצליח ונשאיר במוצר רק שינויים שהצליחו להראות שיפור ברור. 

גישה זו מתמרצת את הצוות לחשוב בגדול, לחשוב על המשתמשים ולהיות כנים עם עצמנו. תהליך הלמידה מניסוי לניסוי יוביל להצלחה.

10. נותנים למלכוד 22 לעצור אותנו

ב-B2C טרקשן נמדד ב-KPIs, מה שמוביל למלכוד בשלבים מוקדמים: מצד אחד אנחנו אולי יכולים לגייס הון לפני שיש מוצר ו-KPIs להסתכל עליהם. מצד שני התקדמות אמיתית לא יכולה לקרות ללא עלייה לאוויר, מדידת תוצאות ותחילת התהליך לשיפורן. לפעמים עדיף לגייס הון על בסיס החזון ולא להגיע לנתונים כדי לא להישפט על פיהם במידה והם לא מזהירים מההתחלה. 

המלכוד מתחיל כשאנחנו מעכבים את התקדמות המוצר ומדידת תוצאות כדי לא לגייס על בסיס נתונים. תמיד אפשר למצוא סיפור משכנע שמסביר למה עוד לא עלינו לאוויר, אבל האמת היא שמשקיעי B2C במקרים רבים ממילא ירצו לראות נתונים ובמקרה הטוב הם גם יגידו את זה בבירור. משקיעי B2C טובים ידעו להתייחס לנתונים מוקדמים בעירבון מוגבל.

מה עושים? קובעים תכנית עבודה עם יעדים ולו"ז. קובעים זמן מקסימלי שגיוס פוטנציאלי יכול להוות סיבה לעיכוב ביישום התכנית וכשהזמן הזה חולף - מפסיקים לחכות לגיוס וממשיכים בעבודה.

כשהתחלתי את הסטארטאפ שלי הייתי בן 23. לא שירתתי ביחידה הנכונה בצבא, לא גרתי במקום הנכון בארץ ובאותו שלב גם הייתי בלי שותפים. אז איך כמה חודשים אחרי הגעתי ל-100+ שיחות ולידציה?

ברור שזה גם נובע מעבודה של 100 שעות בשבוע ומהניסיון לעשות הכול כדי להוציא מים מן הסלע, אבל האמת היא שזה בעיקר בזכות שיטות שפיתחתי - שיטות שלא דורשות רקע, ניסיון קודם או חיבור לאנשים הנכונים, ושכל אחד יכול להשתמש בהן.

כשהתחלתי זיהיתי שיש המון מידע ופרקטיקות על:

1. למה שיחות ולידציה זה כל כך חשוב? (ממליץ להתחיל עם הסדרה "צעדים ראשונים" של סטארטאפ פור סטארטאפ) 
2. איך לנהל את השיחות האלה כמו שצריך? (ממליץ להתחיל עם הספר The mom test) 

אבל אף פעם לא מצאתי מספיק מידע על איך בדיוק אני אמור להשיג את השיחות האלה?

במעלה הדרך זיהיתי 4 דרכים מרכזיות להשיג שיחות ולידציה שלא דרך קשרים.

אשמח לשתף איתכם את השיטות האלה היום:

שיטה #1: לארגן שולחן עגול (או כל אירוע אחר)

מה שהכי מאתגר בשלבים הראשונים, כשמתחילים מאפס, זו התחושה שאין לך שום דרך לשים רגל בדלת אצל אף אחד.

אז למה שלא תפתחו את הדלת שלכם לאחרים?

באחד האירועים שהלכתי אליהם בתחילת הדרך, פגשתי משקיע ויועץ פוטנציאלי (שלימים הפך לשותף שלי) והוא הציע לי לעשות שולחן עגול לאנשים מהתחום. פתחתי אירוע ב-Luma בשם Recruiters Unfiltered, הבטחתי אווירה טובה וסושי במידטאון בתל אביב ולחצתי על publish. הזמנתי אנשים בפניות קרות ואיכשהו בסוף נרשמו 15 אנשים. 

אחריו היו 2 שולחנות עגולים נוספים.

פתאום מ-3 שיחות ולידציה קפצתי ל-30. עם רובם עשיתי אחר כך שיחות המשך בטלפון 1:1.

אני משער שהקדשתי לזה סך הכל 10-15 שעות כדי לצאת בסוף עם חיבור ל-30+ אנשים חדשים ולפחות שיחה אחת עם כל אחד. 

להשקיע חצי שעה מהזמן שלכם בתחילת הדרך כדי להשיג ראיון זה בהחלט ניצול לא רע של הזמן שלכם כיזמים.

איך לארגן את השולחנות האלה בצורה אפקטיבית זה נושא אחר (תכתבו לי אם מעניין אתכם ואם יהיה ביקוש אכתוב), אבל כמה דגשים חשובים לפני:

• ברוב המוחלט של הפעמים ולידציה לא בשוק היעד שלכם זה בזבוז זמן ולכן זה לא מתאים לרוב התחומים, אבל זה כן יכול לעבוד אם אתם מוצאים ישראלים שפועלים בשוק היעד שלכם ועושים אירוע ספציפית בשבילם. (לדוג' אם הלקוחות קצה שלכם זה CTOs בסטארטאפים בארה"ב, אז תנסו למצוא CTOs של סטארטאפים ישראלים עם site בארה"ב). 
•  אל תיתקעו כי אתם לא יודעים עם מי לדבר או את מי להזמין. אתם לא צריכים לדעת מי הלקוח האידיאלי (ICP) שלכם בשלב הזה. אצל הרוב היזמים בתחילת הדרך המטרה שלכם היא ללמוד לעומק את השוק שלכם ולהתחיל לחפש בעיות.
• סטיב בלאנק מסביר בספר The four steps to the epiphany למה קבוצות מיקוד מסוכנות ומייצרות הטיות עבור סטארטאפים. המטרה שלכם היא לייצר קבוצת פיזור ולא קבוצת מיקוד. בקבוצות מיקוד אתה מחפש ממוצע כדי להבין מה הרוב חושב וזה מה שהורג סטארטאפים. בסטארטאפ אתם מחפשים שונות וקולות קצה כדי לזהות "סודות", (הרחבה על המושג בספר Zero to One), שם נולדות קטגוריות חדשות.

* יש גם בונוס: פתאום הקרדביליות שלכם עלתה, אירגנתם אירוע בדומיין שלכם, ייצרתם עניין, מי לא יענה לכם לפניות קרות עכשיו?

שיטה #2: פניות קרות 

למה רוב האנשים לא עונים?

אז האמת שרוב האנשים לא יענו לכם בהתחלה וזה חלק מהמשחק. יש לאנשים המון רעש וגירויים ברשתות החברתיות וקל להתעלם מהודעות, בטח כשזה מאנשים שלא מכירים. זה לא אומר עליכם כלום ואני חושב שיש קורלציה אפסית בין כמות הלא שתשמעו לכמה אתם בסוף תצליחו אז תנסו לא לתת לזה להשפיע עליכם יותר מדי.

איך מתמודדים עם זה?

  התשובה די מעצבנת אבל פשוט צריך לכתוב לכמה שיותר אנשים.

יש בסטטיסטיקה מושג שנקרא "חוק המספרים הגדולים" ואתם צריכים להשתמש בו לטובתכם. לפיו, ממוצע של הרבה תוצאות מתקרב לתוחלת המתמטית ככל שמספר הניסוים גדל. 

לדוגמה אם אחוז ההמרה שלכם להשגת שיחות הוא 10% וכתבתם ל-10 אנשים, עדיין סטטיסטית יש סיכוי של 35% ש-0 אנשים יעלו איתכם לשיחה. אבל אם תכתבו ל-100 אנשים, אתם תאפשרו מספיק מרחב שבו הסטטיסטיקה תתיישר לטובתכם והסיכויים שלא יעלו איתכם לשיחה שואף ל-0%.

אז איך כותבים הודעה שכן עובדת? אז האמת שאין נוסחת קסם אבל כן יש כמה כללי אצבע מרכזיים שכדאי להיצמד אליהם:

•  להתמקד קודם כל בהם. בלי להתחיל הודעה עם "אני בונה..". תתחילו בהם. ("ראיתי שכתבת", "הפרויקט שפירסמת ב..." וכו׳)
• זה לא מספיק שהתחלתם בהם, ספרו להם למה זה רלוונטי? ("שמעתי בפודקאסט Y שדיברת על X ואני בדיוק בנק׳ ש…")
• אל תבקשו יותר מדי. אל תציעו לקפוץ לקפה בהודעה הראשונה שאתם כותבים. זום או שיחת טלפון של 20 דקות זה המקסימום שאתם צריכים לבקש בהתחלה.
• בלי מגילות. אף אחד לא אוהב מגילות. תשלחו ל-ChatGPT את ההודעה שלכם ותבקשו ממנו שיקצר כמה שיותר בלי לאבד את המשמעות של ההודעה. הייתי אומר שבערך 5 שורות בלינקדאין זה אורך טוב, אפשר גם קצת יותר אבל קצת.
• בלי AI. אתם לא רוצים לוותר על ה-AI? תנסחו בעצמכם ואז תבקשו מ-ChatGPT לעבור על זה. אל תיתנו לו לכתוב מאפס. מריחים את זה מקילומטרים.

טיפ למתקדמים: הבשורות הטובות הן שאפשר לייצר סיסטם ממש יעיל היום באמצעות Claude Code.

אני ממליץ לפתוח טבלת מעקב ב-Notion או ב-Sheets, לייצר באמצעות קלוד קוד סוכן שמוצא לכם אנשים לשיחות לפי קריטריונים שהגדרתם, ומעלה לכם לשם 50 אנשים כל שבוע (זאת המגבלה של לינקדאין לשליחת בקשות לחיבור), לאחר מכן אפשר לשים שם תזכורת לכמה ימים אחרי ולכתוב הודעה לכל מי שאישר את הבקשה. 

*אני לא יודע לכתוב קוד וגם אתם לא צריכים, שווה לעצור הכל וללמוד. זה ניצול טוב מאוד של הזמן שלכם כיזמים כי זה יחסוך לכם המון שעות של עבודה בהמשך.

**בכתיבת ההודעות לא הייתי ממליץ לעשות אוטומציה. זוכרים את עיקרון ה-"בלי AI"? אתם מקטינים משמעותית את הסיכויים לקבל תגובה אם היא גנרית ומריחה לא אותנטית.

שיטה #3: תוודאו שכל שיחה שהשגתם הופכת לעוד 2 שיחות

אחרי שכבר השגתם ועליתם לשיחה, בשלב מסוים יגיע הרגע שתרגישו שהיא מיצתה את עצמה. בדיוק ברגע הזה זה הזמן להגיד: "תודה רבה על הזמן והתובנות ואני אשמח להמשיך לעדכן אותך שנתקדם. אני ממש לא רוצה לבזבז זמן מיותר על לבנות את הדבר הלא נכון וחשוב לי להמשיך ללמוד מאנשים כמוך, יש לך קולגות שתוכל לחבר לי לשיחה קצרה כמו שעשיתי איתך?"

תופתעו כמה אנשים יגידו כן ויעזרו לכם אם רק תבקשו. חשוב לוודא שאתם יוצרים רושם טוב כדי שזה יעבוד - תעלו לשיחה בזמן, תתכוננו מראש ושמרו עליה קצרה ותמציתית, תבהירו לצד השני שאתם רציניים ומהר מאוד שיחה 1 תהפוך ל-3 שיחות. 

*תעשו לכם חוק: פגישה תמיד חייבת להוביל לעוד פגישה. אם לא עם אותו בן אדם, אז עם בן אדם אחר שהוא יחבר לכם. תשאפו ל-2 לפחות.

שיטה #4: מיטאפים וכנסים

זה לא ממש משנה מה הנושא של המיטאפ או הכנס, אבל יש המון כאלה בהייטק בחינם לגמרי וכל אחד יכול ללכת לשם אם הוא רק מביע עניין באג'נדה של הכנס. תופתעו לגלות כמה חיבורים תוכלו להשיג אם תיצרו רושם חיובי של אנשים רציניים וצנועים שרק מחפשים ללמוד. "אני כרגע עובד על סטארטאפ ובעיקר עושה הרבה שיחות" יכול להוביל בקלות לזה שיציעו לכם מישהו לשיחה. השגתי לא מעט שיחות ככה בלי שאפילו תיכננתי.

* חשוב לי להדגיש שלשרוף חצי יום רק בשביל להשיג שיחה זה לא ניצול טוב של הזמן שלכם כיזמים, לכן תוודאו שזאת מטרה משנית שלכם ותבחרו ללכת רק לאירועים ששווים את הזמן שלכם גם בלי קשר לשיחות ולידציה.

לסיכום:

תהליך הולידציה הוא ארוך וממושך ולמעשה הוא אף פעם לא נגמר. לאחרונה שמעתי יזם ישראלי שמכר את החברה שלו ב-10 ספרות שאומר שגם אחרי המכירה הוא עדיין ממשיך לעשות ולידציה. בתחילת הדרך שיחות הן כנראה הפרקטיקה הטובה ביותר לייצר ולידציה, מהר מאוד כדאי להתחיל ליצוק הנחות לגבי הרעיון שלכם על סמך השיחות (והאינטואיציה) שלכם ולהתחיל לבחון אותן עם POC. תוך כדי ובמקביל השיחות תמיד ימשיכו.

חשוב לציין גם שאין מספר קסם לכמות שיחות שצריך ו-100 או יותר זה ממש לא מספר קסם, בתחילת הדרך השאיפה שלכם תמיד צריכה להיות להשיג כמה שיותר שיחות עם לקוחות פוטנציאלים כדי שתהיו מומחים בדומיין שלכם ובבעיה שאותה אתם רוצים לפתור.

על הכותב: אורן הוא מנכ"ל ומייסד-שותף ב-Stealth Startup בקטגוריית Vertical AI. בימים אלה הסטארט אפ נמצא לאחר ולידציה בשוק האמריקאי.