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.

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 ולקראת סגירה של סבב הפרה-סיד.