
פרודקטיבי 58: איך מכניסים AI לחברת ריטייל ותיקה?שי די קסטרו

שי די קסטרו
AI & Product Builder
פרודקטיבי 58: איך מכניסים AI לחברת ריטייל ותיקה?
מה קורה כשחברות מסורתיות רוצות לאמץ בינה מלאכותית
חברות מסורתיות מחזיקות בנכס יקר של עשרות שנות ניסיון, אבל כשהן מנסות לאמץ טכנולוגיות חדשות כמו בינה מלאכותית, הן נתקלות במחסומים שחברות הייטק כמעט לא מכירות: היעדר דאטה מובנה, תהליכי עבודה ידניים שהשתרשו במשך 30 שנה ותלות בקטלוגים פיזיים של ספקים חיצוניים ללא ממשקי API. בפרק הזה אנחנו מארחים את שי די קסטרו, מנהלת מוצר ומובילת טרנספורמציות, כדי להבין איך מגשרים על הפער הזה.
האתגר המרכזי ששי הגיעה לפתור ב"טולמנ'ס" היה תהליך הצעות המחיר: משימה מורכבת שדרשה מאנשי המכירות לנבור ידנית בקטלוגים של מאות עמודים כדי לדייק בפרטי פרטים, מהחומר של רגל הרהיט ועד צבע התפר, תהליך שלקח ימים והיה חשוף לטעויות יקרות.
שי משתפת איך ניגשה למיפוי הבעיה דרך צפייה ישירה בעובדים ("Shadowing"), מדוע בחרה להתמקד דווקא בשינוי התנהגותי כחלק מה-MVP, ומה עושים כשהפתרון הטכני שבנית לקטלוג אחד פשוט לא עובד על הקטלוג הבא.
Episode transcript
Automatically transcribed — it may contain errors.
פרודקטיבי. פודקאסט המוצר של סטארטאפ פור סטארטאפ. שלום לכולם, אני רן ארז ואתם הגעתם לפודקאסט שבו אנחנו מדברים עם מנהלי או מנהלות מוצר מחברות שונות על בעיות מוצריות שהם נתקלו בהן, איך הם ניגשו לפתור אותן ומה השיעורים שהם למדו בדרך. ובפרק של היום אנחנו הולכים לדבר על האתגר המוצרי הבא: איך מכניסים AI לחברת ריטייל ותיקה. ומי שהולכת לספר לנו על האתגר הזה היא שי די קסטרו, מנהלת מוצר ומובילה טרנספורמציות AI בארגונים. היי שי. היי, מה קורה? מעולה, מה שלומך? ברוך השם. כיף שאת פה וממש כיף לשמוע. אני חושב שאנחנו הרבה מדברים על איך AI משנה כל מיני תהליכים בכל מיני חברות, אבל אני חושב שפעם ראשונה שאנחנו נכנסים רגע לחברת ריטייל ולדבר בכלל איך הדבר הזה נר בעולם ה יתי והייתי שמח שכזה לפני שאנחנו צוללים, תספרי לנו קצת על הקונטקסט ועלייך. אז אני התחלתי כמנהלת מוצר, הייתי מהנדסת, עברתי לניהול מוצר, כזה המסלול הקלאסי שהרבה אנשים עוברים. ולאורך כל הדרך הייתי מאוד כזה passionate about טכנולוגיה ועל כל מה שקשור לזה ושיחקתי עם AI מהראשונים. ובעצם באיזשהו שלב הבנתי שיש לי, יש לי רצון לגעת בכמה שיותר ולקחתי דרך עצמאית. נכנסתי בסופו של דבר להוביל שינויים וטרנספורמציות AI בארגונים. עבדתי גם עם ארגונים שקיימים שנתיים והם מאוד טכניים וארגוני תוכנה, ועבדתי גם עם ארגונים טיפה יותר מסורתיים, שמצאתי בהם גם אתגר אחר. ויכולתי גם לגעת בהמון, כזה בכל קצוות התהליך. יש משהו מאוד מיוחד בלעבוד עם ארגונים כאלה. זה כזה מה שאני עושה היום. אני מלווה ארגונים, אני נכנסת בתור בן אדם חיצוני ומספקת עיניים חדשות. מדהים. אז בואי נדבר ב ת על הארגונים היותר ותיקים ותספרי לנו קצת על על הארגון ועל הבעיה שהגעת להתמודד איתה. אז התחלתי לעבוד עם טולמנס, זאת חברת ריהוט יוקרה. נר לי שיש הרבה שמכירים את השם הזה. פרוסים בכל רחבי הארץ, יש להם שני ברנדים גדולים. אחד כזה ריהוט פרימיום, affordable premium, ואחד ריהוט טיפה יותר יוקרתי עם דיטיילז מאוד מאוד כזה לפרטים הקטנים. התחלתי לעבוד איתם, לקחנו פרויקט של חודשיים, והמטרה שלהם הייתה, הם ארגון שבכלל אין לו, אין לו המון טכנולוגיה בפנים, אין AI, זה בכלל רחוק מהם, אין להם פול של דאטה. בשונה מהרבה חברות הייטק שאנחנו מכירים, הבסיס שלהם היה היה יותר בסיסי, בוא נגיד את זה ככה. והחברה עצמה יותר מסורתית. אנשים רגילים לעשות אותה עבודה 30 שנה. התחלנו לעבוד, לקחנו פרויקט של חודשיים, הם הציפו כל מיני בעיות שלהם היו, ובסוף המטרה שלנו לפחות בשלב הראשון היה לבחור בעיה ויחסית מהר בחודשים בודדים להוכיח שאפשר לפתור אותה ב צעות AI. הם לא רצו לקחת על עצמם פרויקט גדול קדימה. מעולה. אז אולי ב ת כאילו רגע תתני לנו לפני שאנחנו צוללים לבעיות ואיך ניגשת אליהם, כזה תני לנו איזשהו overview על איך נר העבודה בריטייל יוקרה לריטים. מה הדברים שחשוב לשים לב אליהם כאילו בנקודה הזאת? אז קודם כל אני אגיד שכנכנסים לחברה ועוד אין בה AI, יש המון רעיונות שצפים על השולחן וכשהגעתי להם פעם ראשונה, הם כבר באו עם כל מיני initiatives שהם רצו לקדם. לי היה חשוב לבחון את הדברים בקצב שלי ומהעיניים החדשות שלי ולבחור בעיה שהיא נכונה. Culture-wise, לחברה שהיא של ריהוט יוקרה, יש שני דברים מאוד קריטיים. דבר ראשון זה הדיטיילז. כל דבר שמייצרים או מזמינים, הכמות דיטיילז שלו היא סופר גבוהה. בין הזווית של הידית לכמות הקומפוננטות במערכת ישיבה, לבין החומר שהרגל עשויה ממנו, עד לרמת הצבע של התפר. וכל דבר כזה משפיע על המחיר של הרהיט שהם מוכרים. דבר שני, זה חווית לקוח. היה להם מאוד קריטי, היות ואנשים משלמים המון על על הזמנות מתוך טולמנס וברמה של טולמנס, גם השירות שהם מקבלים והמהירות שאנשים מצפים לקבל בתשובות היא בהתאם. ולכן שני הדברים האלה הם גם הקולצ'ר של טולמנס וגם בסוף היה אחד מה כאילו מה שהוליד את הבעיות הכי גדולות שהם היו צריכים לפתור. זאת אומרת שגם יש לנו ב ת המון המון המון המון חלקים נעים שאפשר לשלוט על כל חלק בדבר הזה וזה משפיע על התוצ הסופית, אבל זה גם חייב לעשות ממש מהר אבל באיכות שהיא סופר סופר פרימיום. ופה פה זה לא רק מהר לשם המהיר, אלא גם מהר ברמת גימור מאוד מאוד גבוהה. נכון. אוקיי, אז את מגיעה לנקודה הזאתי, את בעצם מדברת עם ה עם ההנהלה, הם מביאים מלא מלא מלא רעיונות, את מבינה שהמרחק בין אין לנו עדיין כלום לבין החלומות שהם מביאים רגע על השולחן הוא מאוד מאוד רחוק. מה עכשיו עושים? איך ניגשים לזה כזה שלב אחרי שלב? תר הדבר הראשון שעושים זה לדבר. שבוע שלם מתוך כל התהליך הזה היה לדבר עם כמה שיותר אנשים. התחלתי עם ההנהלה, הם חשפו בפניי מה הם רוצים לעשות, מה ה-vision שלהם, איך הכאבים נראים מהעיניים שלהם. והם גם זרקו שמות של כלים. עכשיו, אפשר לשים אותם בצד ולהגיד אני לא מקשיבה, אבל לי היה כן דווקא קריטי, במיוחד כשחברה היא לא רגילה לטכנולוגיה, לשמוע מה הם כבר מכירים, עם איזה כלים הם מרגישים בנוח. בעיניי זה היה חלק משמעותי כזה להוביל את התהליך הנכון בחברות מהסוג הזה. אז זה התחיל משיחה איתם, התקדמתי לדבר עם כמעט כל תפקידן שיש בחברה. דיברתי עם אנשי מכירות בשטח, דיברתי עם הקסטמר סקסס, דיברתי עם החבר'ה שעושים את הרכש ואת העיצוב ואת אלה שמעמידים דברים בתוך הסניפים, דיברתי עם כולם. והמטרה להבין איך החברה מתנהלת ולזהות בוטלנקס שאולי המנהלים או הדרג הניהולי לא בהכרח רו . או רו אחרת, בוא נגיד ככה. וזה לקח שבוע. זה היה תהליך ארוך, דיברתי עם כולם שעות ובסוף גיבשתי רשימה של דברים שאני רו לנכון לתקן. בסיום השבוע הזה התכנסנו לעוד שעתיים. אני רתי מה אני רו הם רו מה הם חושבים על מה שאני ראיתי. ובסוף בחרנו בעיה שהיא איתה התחלתי ודיברתי בשיחה, אבל בחרנו את הבעיה של ההזמנות, כאילו הצעות מחיר, נקרא לזה. שהיא גם הייתה בעיה שכזה הייתה בעיית בעיית קולצ'ר, גם בעיית ROI, גם בעיה של כאילו שאפשר לפתור אותה עם AI, היה שם כל מיני פרמטרים במשווה. מה, מה הקריטריונים שדרכם את חושבת על הבעיות האלה? כאילו, מה חשוב לשים לב? יש כל מיני סוגים של בעיות שאפשר לפתור. אז איך כזה ניגש למיפוי הזה? תר יש שלושה דברים שלפחות מבחינתי AI יכול לפתור. דבר ראשון, AI יכול לייעל operations. לקחת איזשהו בוטלנק של איך שהחברה עובדת היום ופשוט לפתוח אותו, לייעל אותו. הדבר השני שאפשר לעשות עם AI זה experiments מהירים. זאת אומרת שאם החברה היום לא מתקדמת לכיוון מסוים כי קשה לבדוק אם הוא מתאים לה, אם יש דרך לפתור את זה עם AI, זה זה מדהים. זה יכול לפתוח revenue stream חדש לחברה. והדבר השלישי זה מוצר חדש או שירות חדש שהיום החברה לא יכלה לספק לעובדים שלה או ללקוחות שלה ו-AI פתאום מאפשר אותו. אני באתי עם המשקפיים האלה וניסיתי למצוא בכל השיחות שלי עם אנשים מה לתרגם את זה בעצם לאחד מהווקטורים האלה. זה דבר ראשון. דבר שני, יש פה obviously עניין של ROI. אתה רוצה לראות איזה פתרון AI הוא מצד אחד הכי פשוט ומצד שני פותר את הבעיה הכי משמעותית או משחרר את הבוטלנק הכי משמעותי עבור החברה. והדבר האחרון, משמעותי, יש המון פרמטרים בתוך המשוו הזאת. אני חושבת שגם יש פה עניין של קולצ'ר. כל חברה יש לה את הדברים שקריטיים לה. חברת ריטייל גם חושבת באותה צורה המון המון זמן, במיוחד חברה כמו טולמנס שהיא אומנם מאוד חדשנית יחסית ל כזה למתחרות שלה, אבל בסוף זאת חברה שקיימת 30 שנה. היא יודעת לעשות עבודה בצורה מסוימת, היא לא מבוססת דאטה, לאנשים שהיא עובדת איתם, לספקים, אין API שאפשר להתחבר אליו. צריך לחשוב בתצורה שלה ועם מה שאפשר לעבוד איתה וגם לחשוב מהעיניים שלה. להם דיטיילז מאוד קריטיים, להם עלות של טעות היא אסטרונומית. כל הבעיות שאתה בוחר צריכות בסוף להתכתב עם הדברים האלה. אני רו הקבלה מאוד דומה בהקשר של כשאנחנו עכשיו בארגון ואנחנו מנסים לשאול את עצמנו, אוקיי, יש המון המון המון תהליכים שמנהלי מוצר נוגעים בהם. מה התהליכים שאנחנו יכולים לפתור? ואני חושב שדרך הפריזמה הזאת זה מאוד מעניין להסתכל, האם זה לפתור צוואר בקבוק שהוא קיים? האם זה ב ת היכולת בעצם להציע, לבדוק תהליכים חדשים שאנחנו יכולים לייצר בארגון או להביא value חדש גם בתור פי ים. ומעניין אותי לדעת רגע, אוקיי, עכשיו מישהו נמצא ונמצא בסיטואציה הזאת, בדילמה הזאתי, מה עוד חשוב שהוא ישים לב? אז נגעת בקריטריונים האלה וגם בקולצ'ר. מה עוד בעינייך שמה חשוב לשים לב? תר יש פה גם עניין של מוכנות של הצוות, אוקיי? במיוחד בחברות כאלה, לא כולם נגעו בטכנולוגיה לפני. ולא תמיד יש את הבסיס, גם אם גם אם יש צוות טכנולוגי, לא תמיד יש את הבסיס הטכנולוגי לפתור את הבעיה בצורה שאני רוצה. שוב, נגיד נגעתי בעניין של ה-APIs עם הספקים. אידיאלית, אם הייתי יכולה, אפילו לא הייתי צריכה AI בשביל לקרוא את הקטלוגים, כי גם כל קטלוג ארוך ברמות, זה 600 עמודים לקטלוג. מה זה קטלוג במובן הזה? קטלוג זה ספר של החברה, הם משחררים אותו פעם בכמה חודשים או פעם בשנה, שמכיל את ה את כל המידע או המטא דאטה על כל רהיט. איזה צבעים הוא יכול להגיע, איזה רגליים יכולות להיות לו, איזה זוויות הוא יכול להגיע, כאילו, תפרים בצבעים, כאילו, כל הדברים האלה מגיעים בתוך הקטלוג עם קוד ליד כל דבר. וכשמישהו מתמכר רהיט, ברגע שהוא רו את הקומפוזיציה, הוא פותח את הקטלוג וצריך לחפש בתוך מטריצה ענקית על רהיט מסוים, מה המחיר הספציפי, מה הקוד הספציפי של הרהיט הזה, כדי להזמין אותו מהמפעל. והקטלוגים האלה הם בעובי כזה, מגיעים ב-PDF, ואי אפשר לתת את ה, סתם, אנחנו קופצים אולם לישום, אבל אי אפשר לתת את זה ל-AI. AI לא מסוגל לקרוא 600 עמודים ולזכור טוב מה קרה בכל אחד מהם. אז זאת אומרת, נגיע לזה, אבל ב ת, אוקיי, אז את בשלב הזה מזהה המון המון המון בעיות, את שמה אותם על סוג של איזשהו מיפוי של האם זה עוזר לי ליעילות, האם זה עוזר לי לספק משהו יותר טוב או לעשות אקספרימנטיישן מאוד מאוד מהר. ואיך הקולצ'ר? רת פה בהקשר הזה גם פרימיום וגם הגישה להמון המון המון פרטים ושליטה בגרנולריות מאוד עמוקה. מה את עושה מהנקודה הזאתי בעצם? אני אוסיף רגע עוד משהו אחד אגב, שאני גם חושבת שהוא מתחבר לקולצ'ר, אבל הוא גם ב ת קריטי בארגונים יותר מסורתיים. המיינדסט הוא יותר קריטי פה מאשר בחברות הייטק. אנשים לפעמים רגילים לעשות את העבודה שלהם בצורה מסוימת, ואני חושבת שבחברה הספציפית הזאת הייתה, היה משמעות גדולה לאיזה צוות אני הולכת ללכת. כי היה צריך שיתוף פעולה מהצוות. היה צריך שהם ישבו איתי ויחשבו איתי ביחד, היה צריך שהם י צו את הכלים. כי הם הולכים להיות חלוצים.
אז באיזשהו מקום, גם זה היה ספציפית בחברה הזאת, זה בדרך כלל לא שיקול שלי על איזה צוות אני הולכת. כן, הבעיה היא בעיה בלי קשר, אבל פה זה ב ת, את אומרת, זה דרמטי. לגמרי. כי בעצם המנטליות היא כזאת שכבר עשינו, אנחנו יודעים איך לעשות את הדברים, זה עובד לנו, מה את ב לשנות? לגמרי. אוקיי, אז יש לנו את רשימת בעיות, יש לנו אפילו צוות, צוותים שאנחנו מזהים שהם פוטנציאליים. מה ה-next step? הדבר הבא שאני עשיתי זה לצלול יותר עמוק לבעיה שבחרנו. אם עד עכשיו דיברתי רוחבית עם כולם ונכנסתי לעומק מסוים, השלב הבא היה לצלול מאוד מאוד עמוק לעולם הבעיה שאנחנו הולכים לפתור. ספציפית פה, הצוות שאני הייתי ורה לחקור, צוות המכירות. וצוות הרכש גם באיזשהו מקום, כי הוא זה ששולח את ההזמנות לספקים. ישבתי שעות. הסתכלתי עליהם עובדים, ראיינתי אותם, עשינו תהליך של בניית הצעת מחיר ביחד. כל התהליך הזה לקח כמה ימים גם טובים של של פשוט מחקר. שיחקתי עם התוכנות שהם משתמשים בהם. כל זה היה במטרה ללמוד איפה הבאטלנקס ב ת נמצאים ולא רק להסתמך על הסיפור שהם סיפרו לי, אלא לראות את זה בעיניים שלי קורה. מה, מה נגיד ראית הבדל בין משהו שהם סיפרו לך לבין מה שראית בפועל? למשל, הם עושים יותר, אוקיי, הם עושים יותר קופי פייסט ממה שדמיינתי. יש להם איזה מערכת פנימית שהם בנו לעצמם, ומלהסתכל על איך שהם עובדים, הבנתי שהם הם בסדר, הם מוצאים את הרהיט בתוך הקטלוג, אבל אז מה שהם עושים, הם כותבים את זה בתוך מערכת נוספת שהיא אקסלית, וככה גם לא הולכים להחליף אותה. כאילו כשנגיד שאלתי עליה, הבנתי שהיא כל כך מוטמעת עמוק, והבנתי שהפתרון שאני הולכת לבנות להם יהיה חייב לדבר עם המערכת הנוספת הזאת שהם לא הזכירו אותה לפני. מעניין. זאת אומרת, זה מערכת שבכלל לא היית מודעת אליה, שפתאום את רו אותם משתמשים בה מאוד מאוד מאוד, וזה קרה רק כי ישבת בשולחן איתם וראית את ה את הדבר הזה. לגמרי. אני חושב שמאוד מאוד חשוב לשים לב כשאנחנו בטח כשאנחנו מנסים לשנות תהליך קיים, זה בדיוק לחפש את הקופי פייסטים האלה, או את המעבר בין טאבים שונים, או את הדבר הזה שהם כותבים על דף נייר, או את הדבר שהם שולחים לעצמם במייל. הרבה מההזדמנויות מסתתרות שם, ונר לי שמצאת אחת כזאתי בדיוק. נכון. אוקיי, אז אבל את יושבת איתם עכשיו לעומק ומה את עושה? כאילו, מה התוצר של השלב הזה? את ממפה את התהליך שלהם? מה מה מה אני רו בעיניים? תר היה לי מחברת, פשוט ישבתי וכתבתי כל דבר שאני עשויה לפגוש בדרך כשאני כותבת את הפתרון ועשוי להפריע לי. המערכת הזאת הייתה אחת מהם, העובדה שהם עושים קופי פייסט הייתה אחת מהם, העובדה שהמערכת שלהם לא מחוברת לאינטרנט לצורך העניין, גם היה משהו. ניסיתי להבין איך הם מכניסים מידע לתוך המערכת הזאתי, כי זה שתי… זה לא מחובר לאינטרנט בכלל? גם לא היה כאילו סביבה, כלום? זה על אותו מחשב, אבל הם קופצים בין טרמינלים. יש את המערכת הפנימית של טולמנס ויש את האינטרנט. והם לא מחוברים בצורה נגישה. וזה מה שלא עלה בכלל בשיחות לפני. לא. אוקיי, איזה כיף לגלות את זה תוך כדי התהליך. ממש. אבל זה למה גם זה קריטי. חשוב להבין את הדברים האלה. כן, כי אחרת זה פשוט לא היה עובד, נכון? נכון. ומה מה יוצא בשלב הזה רגע כשאת יושבת מתיידדת עם הקטלוגים כמו ש רת, מה קורה? תר אני אני קצת נוגעת בטעות שעשיתי, אבל אם אני רגע נוגעת במה קרה בפועל. הכי הכי מהשטח שבעולם. פתחתי קטלוג של חברה שנקראת ג'רבסוני. אני לא אשכח גם בחיים את השם של החברה הזאת. אני יושבת עם הקטלוג הזה ולומדת אותו. עכשיו, אתה יודע, בראש כבר מתחילים להיווצר לך דפוסים. אתה אומרת, אוקיי, כל מוצר מתפרס על גג שני עמודים, יש טבלה בפינה שמדברת על המידות, בפינה השמאלית למטה יש לך את הנפח של כל דבר. אם את מגיעה לסוף, יש לך את האם הספה היא ווטרפרוף או האם המנורה היא עשויה מהחומר הזה והזה, אם אפשר לשלוח אותה בקונטיינר הזה וזה. יש המון פרטים. אבל בטוחה שלמדת. עכשיו, מדגדג לך לפתור, את כל כך מתרגשת מהבעיה, שאת אומרת אוקיי, אני רצה, כאילו בא לי כבר לבדוק איזה כלי יעשה את זה ואיזה מודל מתאים לקרוא את הקטלוג הזה. והתפתתי והתחלתי לשחק עם כלים. והתחלתי להתאים אותם מאוד לקטלוג הראשון. למרות ששוב, מלכתחילה, ניסיתי להיות הכי יעילה שיש, כי גם המטרה הייתה לבחור בעיה שאפשר גם לפתור אותה נורא מהר. ניסיתי לחשוב MVP כל הזמן, כי אם הייתי מתחילה לפתור את ה-200 קטלוגים האלה, לא הייתי יוצאת מזה בחיים. גם לא היינו משיגים ולידציה לזה שאפשר לפתור את הבעיה הזאת ב צעות AI. היינו מאבדים המון זמן, כסף, משאבים, סבלנות. אז בחרנו שלושה קטלוגים והייתי בטוחה שזהו, עשיתי את התהליך הנכון, צמצמתי את הבעיה, ועדיין נפלתי במקום כששיחקתי עם הקטלוג הראשון, התרגשתי לרוץ לפתור. ובסוף בניתי פתרון, ישבתי על זה שלושה ימים, והפתרון הזה היה טיילורד רק לקטלוג הזה, וכשבאתי להכניס קטלוג נוסף, פתאום גיליתי שבקטלוג הספציפי הזה, הבדים נמצאים בסוף. אז לא יעזור שגיליתי שהם נמצאים בטבלה בעמוד הראשון, כמו שזה בג'רבסוני, בקטלוג אחר, צריך לתת לו קונטקסט שהוא צריך ללכת לסוף ה-600 עמודים ומשם לשאוב את המידע. ואז היה צריך לחשוב על הכל מהתחלה. למה? למה היה הכל מהתחלה בעצם? כי נגיד פה ספציפית החלטתי שאני שוברת את ה-600 עמודים האלה לשני עמודים כל פעם, כי זה מה שהתאים לקטלוג הזה. פה צריך ליצור זיכרון שיזכור גם את העמוד האחרון וידע להגיד אוקיי, אם אני צריך מידע שלא מצאתי בשני העמודים הראשונים, אני הולך לשאוב את זה ממקום אחר. זה פשוט צורת חשיבה אחרת ללמד AI להתנהג בה ולא לקחתי את זה בחשבון. כן, אני חושב שכשאנחנו נכנסים רגע לשלב של הטרום פתרון או שלב הפלנינג הזה, הדבר הזה שאנחנו חושבים, אוקיי, אנחנו רגילים לחשוב בקוביות והאם הדאטה עובר מא' לב' לג' לד', ואנחנו לא רגילים לחשוב ב האם קונטקסט יחזיק את כל השלבים האלה. ואני חושב שזה נהיה איזשהו וקטור סופר משמעותי שאנחנו חייבים להיות מסוגלים לחשוב עליו בשלב הפלנינג של אוקיי, אנחנו משתמשים במודל AI, איך הקונטקסט ינוהל? זה זה ממש כמו הדאטה, יש את הקונטקסט של האם מישהו ידע לקרוא את הדאטה. ואנחנו רגילים מאוד למדל את מה שסטרקצ'רד למקומות הנכונים, אבל שוכחים למדל את זה שמי שקורא את הסטרקצ'רד לא יכול לקרוא את כל הסטרקצ'רים בבת אחת בהכרח. נכון. אני חושב שזה מה שגילית רגע עם ה עם הקטלוג השני באיזשהו מקום. נכון. סבבה, אבל אם אני שומע רגע בין השורות, יש לך רגע את ה את הפתרון פחות או יותר בראש, אבל אנחנו מדברים פה על 200 קטלוגים שונים ומשונים. איך את מתחילה? אני מניח שכזה MVP, איך את ניגשת למחשבה הזאת? תר בסוף המטרה שלי הייתה, הבעיה המרכזית שנפגשו איתה זה שיש להם הצעות מחיר שלוקחות שלושה ימים. אוקיי. עכשיו, זה לקחתי ב… בשביל להגיע לרמת הדיטיילס ולמנוע מטעויות, וגם כשיש כמות מאות רהיטים שאנשים מזמינים, יושב איש מכירות, פותח קטלוג קטלוג, כי גם כל הזמנה כוללת כמה מותגים לרוב, ומתחיל לעבור אחד אחד ולמצוא את ה את הרהיטים, לבנות אותם, לבנות את הקוד שמזמין אותם. דבר כזה לכל רהיט יכול לקחת במינימום חמש שש דקות, עד שאתה מוצא את העמוד הנכון ואת הקונפיגורציה הנכונה, ובמקרים יותר מורכבים כמו מערכות ישיבה או כמו מיטות ספציפיות, זה יכול לקחת גם חצי שעה. כאילו לקחת המון זמן לרהיט. לרהיט, לרהיט, יש לך מאות. לכל אחד. וואו. יש בהזמנות גדולות שמגיעות למיליונים, כאילו זה זה זה כל טעות היא קריטית ולוקח המון המון זמן להגיע לתשובה הנכונה והמדויקת הזאת. וגם אסור לטעות. אסור לטעות. כי אם משהו מגיע מאיטליה אחרי חודש והוא לא נכון, חווית הלקוח נדפקה. וגם הכסף על הרהיט הלך, וזה רהיטים יקרים. אז איך איך מכנסים בין זה שאסור לטעות בכלל והכל צריך להיות פרפקט, לבין זה שאנחנו חייבים MVP כדי להתקדם? קודם כל, ה ינות של המידע שאני מקבלת זה משהו שתמיד וידאתי. לא נתתי לזה להחליק בשום שלב. נתתי, כאילו, לפני שבדקתי אם רהיט אני מקבלת עליו את התשובה הנכונה מהפתרון שווידאתי, קודם כל הלכתי וחישבתי אותו בעצמי. ועשיתי את זה עשרות פעמים. לא פעם, לא פעמיים, לא שלוש. זה דבר ראשון. ודבר שני, כדי לייעל את זה, גם השתמשתי בהצעות מחיר שכבר נוצרו. כי כבר הכל שם היה כתוב, ורציתי לראות שמה שאני מייצרת דומה למה שהם ייצרו בעבר. נותן לי תוצ דומה. זה דבר ראשון. דבר שני לגבי MVP, המטרה שלי, לפחות בהתחלה, אם לוקח חמש דקות ליצור למצוא רהיט, המטרה שלי לפחות הייתה להגיע לדקה. לקצר לפחות פי חמש. אם לא יותר, כי גם יש מוצרים שלוקחים יותר. אבל זה הייתה המטרה שלי, והגדרתי שברגע שאני מגיעה לשם על שלושת הקטלוגים האלה, הצלחנו לפתור את הבעיה. אני חושב שב-MVP פה, אנחנו בעצם יש לנו שני MVPs, שני דברים שאנחנו צריכים להוכיח. אחד, שאנחנו מסוגלים לפתור את הבעיה, ושתיים, שאנחנו מסוגלים לגרום לשינוי התנהגות שישתמשו בפתרון שעשינו. כאילו, גם אם פתרנו את הבעיה מושלם, אבל אף אחד לא יכול להשתמש בזה כי יש להם מערכת אחרת שהם עובדים איתה, אז זה לא זה לא רלוונטי. ונר לי שבהקשר הזה, ה-MVP היה גם על האם אני מסוגלת לשנות את ה את ההתנהגות. חד משמעית. זה גם היה חלק מאוד אינטגרלי. ישבתי איתם כל הזמן, ותוך כדי שבניתי משהו, גם הלכתי לתת להם לשחק איתו. הצוות היה מאוד חלק מהתהליך, והם עזרו לי בסוף לגבש את איך המוצר, אומנם הכי מינימלי שאנחנו צריכים יר אבל גם משהו ב ת שהם יכולים להשתמש בו ולא לא משהו שהם בסוף יזנחו אותו ויחזרו לעשות את הדפוסים הישנים. את יכולה לשתף עוד נגיד דוגמאות או רעיונות לאיך צמצמת את ה-MVP כדי לוודא שהשינוי התנהגות דווקא קורה? כי זה נר לי משהו שלא מדברים עליו מספיק. בוויז'ן שלהם, הבנתי את השאלה, נכון? בוויז'ן שלהם, הם היו שמחים להכניס קומפוזיציה, הם עובדים בסוף עם דברים נורא ויזואליים. הם רצו שהם יתנו לי תמונה של קומפוזיציה מסוימת, ושאני אדע למצוא להם את ה את המוצר בתוך הקטלוג הנכון, וגם להבין את המידות, וגם להבין איפה זה עומד. כאילו, הם רצו פשוט להדביק תמונה ובום לקבל הצעת מחיר. עכשיו, אידיאלית, זה הדבר הכי מדהים בעולם. פרקטית, זה לא הולך לקרות כרגע. אני כאילו, זה לא יקרה בשלושה ימים או בשבועיים, שזה מה שהגדרנו להבין אם הפתרון הזה עומד לקרות, ואם אפשר בכלל לקרוא את הקטלוגים האלה. אז צמצמנו אותם תודעתית לאוקיי, בוא נבין מה עוד אתם עושים בתהליך כדי להגיע לתוצר המוגמר הזה, שאותו אני יכולה לקצר לכם. והבנתי שלחפש בתוך הקטלוג, לפחות את זה, גם אם אני לא מדביקים תמונה ומקבלים תשובה, לחפש בתוך הקטלוג זה כאב בפני עצמו, ואפשר גם להפוך את זה פשוט למנוע חיפוש. זה נר כמו גוגל או כמו צ'אט GPT, שאתה מקליד בטקסט מה אתה רוצה ומקבל על זה תשובה. ובסוף, שוב, זה היו המון איטרציות והמון רעיונות, אבל בסוף הפתרון הזה נבחר, כי הבנו שהוא מקצר משהו שכבר קורה, וכשהם כן הולכים להשתמש בזה. וגם פרקטית, אחרי שבניתי את ה את הקטלוג הראשון ונתתי להם להשתמש בו, ראינו שזה עובד, ואז היה אפשר להתקדם קדימה. מה קרה ב ת אחרי שעשיתם את הקטלוג הראשון? מה הייתה מה הייתה התגובה או מה מה למה זה גרם? וואי, הם התרגשו ברמות. כאילו לראות…
עוד שאפשר לכתוב, ואגב, היעד שלי היה דקה, הקטלוג הראשון היה אפשר להגיע למוצר שרוצים תוך 15 שניות. כאילו, הוא ידע לבד, באופן שבניתי אותו, את הקונטנר שם של מוצר או שם של דגם, הוא מהר מהר מוצא את כל תתי פרטים שלו, או את הפינישים שלו, זה יותר השפה המקצועית של זה, ובסופו של דבר היה אפשר לבחור אותה מהר בקליקים עם דרובוקסים, ולהגיע למחיר תוך זה היה בשניות, והתגובה שהייתה להם על הפנים הייתה מטורפת. מה הייתה התגובה הזאת למי ששומע את זה? הם היו באלם. כאילו, ישבנו גם, אני זוכרת, היינו בזום, והראיתי להם איך זה עובד, ו רו, תשלחי לי את זה עכשיו, כי אני רוצה להשתמש בזה עכשיו. וואו, זה היה הסיגנל הכי טוב רגע לזה שב ת אנחנו באזור. לגמרי. אוקיי, מה מכאן? עברנו לעשות שני קטלוגים האחרים, היינו שלושה. למה דווקא שלושה, אגב? הרגיש לי שזה הייתה תחושת בטן, אני מודה, אבל הרגיש לי ששלושה זה מה שאני מסוגלת לכסות בשבועיים, שזה מה שלי היה קריטי להבין, לא רציתי להתקדם עם פתרון או לבנות משהו שאי אפשר היה להוכיח שזה הכיוון הנכון ללכת בו. אז בחרנו שלושה, בחרנו כאלה שמשתמשים בהם מספיק בתדירות גבוהה, ושהאימפקט שלהם הכלכלי, אם נפתור אותם, יהיה מספיק משמעותי כדי שהצוות י ץ את הפתרון. כי שוב, גם לזנוח משהו כי לקחנו איזה מותג איזוטרי, יכול לגרום לפתרון להיזנח בצד. אוקיי, זאת אומרת שבעצם גם ה-ROI פה היה מספיק גבוה כזה שב ת יהיה להם כדי להחליף את ההתנהגות הקיימת. נכון. אוקיי, אז אתם בונים את ה-MVP הזה, אנחנו עד עכשיו רגע, אם אני שם רגע את זה על טיימליין, אנחנו שבועיים לתוך האירוע בערך. נכון. אוקיי, ואז אנחנו רגע רצים טיפ טיפון את קדימה בזמן, הם מתחילים להשתמש בזה. מה התוצ שאת רו ? אני רו שבסוף ההשבירה של הקטלוגים לעמודים הייתה עדיין מאוד קוסטום לשלושה, למרות שבחרנו שלושה ועשינו את זה בצורה מאוד יעילה, עדיין יש 200 ויש הרבה יותר וריאציות ממה שהשלושה עליהם מסוגלים להכיל. אז זאת הייתה בעיה משמעותית שגם היה צריך לחשוב איך אנחנו עושים להסקייל אחרי זה. כי סבבה, לקחנו שלושה קטלוגים, זה עבד מעולה עליהם, אבל יש 200. בסוף אנחנו לא יכולים להמשיך עם השלושה האלה, ולי לקח בערך יום וחצי לכל קטלוג בשביל להתאים אותו. ובשלב הזה הבנתי שאוקיי, הבנו שאפשר לפתור את הבעיה ב צעות ה-AI, והבנו גם שאנשים מרוצים מהפתרון ומהדרך שבחרנו לתקוף את הבעיה, אבל איך עושים את זה סקייל? איך עושים את זה עכשיו על כמות ענקית של קטלוגים? ופה החלטתי שאני לא פותרת את זה לבד, כי זה לא היה אפקטיבי. הייתי יושבת רק על הבעיה הזאת ולא מתקדמת לבעיות אחרות אם זה מה שהיא תיוסה, והיו לחברה הזאת המון דברים לפתור. והחלטתי שאני מהרבת חברה חיצונית. והתחיל ריסרד שלם של גם כמה ימים טובים עד שבחרנו את המעמד הראוי ביותר, אבל ללמצוא את החברה שהמוצר שלה כבר כמעט שם, או היכולת שלה לנתח פי-די-אפים הוא כבר כמעט שם, ורוצה לשתף איתנו פעולה כדי לקחת את מה שאני בניתי ולהפוך את זה לפתרון ענקי. אוקיי, עכשיו כשמקשיבים לנו מנהלי ומנהלות מוצר לרוב בחברות טק, והם שואלים, אוקיי, מה הריטל קשור אליי? מה אני יכול לקחת מהדבר הזה? ומעניין אותי לדעת מה הם יכולים לקחת מהפרק הזה בעינייך? או איזה למידות מעניינות את ככה יכולה להוציא שרלוונטיים אליהם? תר למרות שעל הנייר זה לא נשמע אותו דבר, יש המון דברים שהם מאוד מאוד דומים. קירי אתה לוקח את זה לקיצון, אבל בסופו של דבר גם לבחור צוות שלא רוצה ל ץ, לא רוצה ל ץ את הפתרון, סליחה. הוא מבחינתו עובד בצורה שלו והתפוסים שלו מספיק טובים לו, והוא לא רוצה ל ץ את זה. ברית זה הרבה יותר קשוח, כי אנשים עובדים 30 שנה באותה דרך, ובחברות טק זה כמה שנים טובות. אבל עדיין, ההתמודדות עם ל ץ דברים בתוך הצוות, על לקבל את השיתוף פעולה, על לא לרוץ ליישם, למרות שאתה יודע, במקרה שלי לא היה לי דאטה, ולא היה לי APIs, במקרים של מנהלי מוצר אחרים נורא נוח לרוץ לשם, במקום לשבת ולראות מה הדרך הכי נכונה והכי יעילה לעשות את הדברים. אני חושבת שלקחת את זה מהסיפור הזה זה משמעותי. להתאים את עצמך לצוות, תמיד להקשיב, לשאול שאלות, להכיר את הבעיה לעומק, ולא להתאצל או לא לדלג על השלב שבו אתה סופה באנשים שעובדים להשתמש במוצר שלך, עובדים. זה בסוף גורם לך לבנות פתרון שהרבה יותר מתאים לבעיה. אני חושב שמה שאני רגע לוקח מהשיחה שלנו זה קודם כל הפריימינג המעולה שעשית לרגע, איזה בעיות היה יכול לפתור, ואני חושב שזו דרך טובה להסתכל על, אוקיי, אם המטרה היא לפתוח איזשהו צוואר בבוק שקיים היום, האם המטרה היא להתנסות בכיוונים חדשים כדי לבדוק האם זה מתאים לנו, או האם המטרה היא לפתוח ניו ליין אוף ביזנס או לייצר אופרינג שלא ייצרנו עד עכשיו, בין אם זה פנימית או חיצונית, ואז לחבר לדבר הזה את הקולט שלנו. אני חושב שכאילו החיבור בין מה אני מנסה לעשות, האם אני מנסה לעשות אופריישן על אפישנסי, אבל בחברה שמה שהכי חשוב לה זה הפרימיום והדיטיילס מייצר תיעדוף של בעיות שהוא אחר, מאשר אם מה שהיה חשוב לי היה אקסקיושנספיד ולבדוק את המרקט במקום שבו אין לי יוזרים. ואני חושב שהחיבור הזה בין סוג הבעיה לסוג הארגון הוא בעיניי מאוד מאוד דרמטי. הדבר השני שאני לוקח זה שעשית המון איבלים בעצמך בתוך התהליך, לקחת הזמנות ישנות ובדקת אם זה היה עובד בדבר הזה, כי היה חשוב הנושא הזה של טרסט. והדבר השלישי הוא שכשאנחנו בונים MVP, אז אנחנו בעצם בונים שני MVP's. אנחנו בונים MVP לפתרון הטכני, האם אנחנו יודעים להביא את הערך, וMVP לשינוי ההתנהגותי, אם אנחנו מסוגלים לשנות את ההתנהגות של המשתמשים שהולכים להשתמש בדבר הזה, כי הם השתמשו בדברים אחרים עד שהגענו, זה לא שהם חיכו לנו באיזשהו אופן, היה להם את הוורק אראונדים, את המערכות הפנימיות, את ה-copy-paste, הם עשו דברים אחרים. ובעיניי כשאנחנו בוכלים את השני MVP's האלה, זה יכול לשנות את התוצ הרבה יותר מה שאנחנו נייצר רק MVP על הפתרון. אז ככה, קודם כל תודה רבה לך שהיה על הפרק הזה. תודה לך. עם זה אנחנו יכולים לסיים, ואני רק אגיד שאם אתם רוצים לדעת כל פעם שיוצא פרק חדש בתוכנית, אתם מוזמנים לעקוב אחרינו בכל אחת מהאפליקציות הפודקסטים, אז שוב, רנו תודה שי. תודה לך. ותודה לכם שהזנתם.