- צוותי מוצר ניצבים בפני דילמה: ניתוח מעמיק או פיתוח מהיר.
- AI מגשר על הפער, ומאפשר גם מהירות וגם עומק בתובנות איכותניות.
- המסע של Lightrun ממחיש מסגרת עבודה מעשית למחקר איכותני מבוסס AI.
- מאקסל ידני לתובנות מונעות GPT, התהליך הוא איטרטיבי ואסטרטגי.
בשוק המואץ של ימינו, מנהלי מוצר מוצאים את עצמם לעיתים קרובות בצומת דרכים: לבצע ניתוח איכותני מעמיק וגוזל זמן, או לנוע במהירות עם החלטות שטחיות המבוססות על תחושת בטן. חן אפרמן קור, Senior Product Manager ב-Lightrun, חולקת גישה פורצת דרך להתגברות על אתגר זה, ומדגימה כיצד AI יכול לחולל מהפכה באופן שבו צוותי מוצר מבינים התנהגות משתמשים ומניעים צמיחה אסטרטגית.
Lightrun, חברה הידועה בסיוע למפתחים באיתור באגים באפליקציות חיות, הגיעה לצומת דרכים קריטי. עם ההתקדמות המהירה ב-AI, הם ביקשו להרחיב את קווי המוצרים שלהם ולהגיע לשווקים חדשים. שאפתנות זו, עם זאת, הציבה אתגר מוצרי משמעותי: כיצד לקבל החלטות מבוססות נתונים בקצב חסר תקדים מבלי לוותר על עומק. אפרמן קור הבינה שבעוד שנתוני BI כמותיים סיפקו את ה'מה' של פעולות המשתמשים, הם חסרו באופן מהותי את ה'למה' – הסיפורים, התסכולים והשאיפות הבסיסיים של המשתמשים שלהם.
הפתרון שלה החל באופן מפתיע בטכנולוגיה נמוכה: גיליון אקסל ידני. על ידי מיפוי קפדני של מסעות משתמשים, לא רק בתוך המוצר אלא לאורך כל מחזור חיי המעורבות שלהם (מאינטראקציות בשוק ועד לקריאות תמיכה ושיחות Slack פנימיות), היא החלה לחשוף נרטיבים איכותניים עשירים. באופן מכריע, גישה זו התמקדה לא רק במשתמשי 'צ'מפיון' אלא גם בלקוחות פוטנציאליים שלא המירו, וחשפה אוצר בלום של תובנות לא מנוצלות. תהליך ידני ואיטרטיבי זה אפשר לה להגדיר את הפלט והתבנית הרצויים לניתוח איכותני לפני שניסתה להרחיב את קנה המידה.
הטרנספורמציה האמיתית התרחשה כאשר אפרמן קור הציגה את ה-AI למשוואה. באמצעות כלים כמו Cursor לאיסוף נתונים ממקורות שונים (שיחות Gong, מערכות BI, פלטפורמות פידבק) ו-GPT לניתוח מתקדם, היא בנתה מערכת רב-שכבתית. המפתח היה לא רק צבירת נתונים אלא גם אימות קפדני וכוונון עדין של סוכן ה-AI עם יעדים עסקיים ומוצריים ספציפיים. לדוגמה, עבור מוצר דיבוג, משתמשים שמוצאים באגים הוא סימן חיובי, הדורש הקשר מדויק כדי שה-AI יפרש נכון. תהליך אימות איטרטיבי זה בנה אמון בתוצרי ה-AI, ועבר מעבר לנתונים גולמיים כדי לספק תובנות מעשיות ומותאמות אישית לבעלי עניין שונים, החל מההנהלה הבכירה ועד לצוותי מוצר בודדים.
ההשפעה הייתה עמוקה. מעבר להכוונת הרחבת מוצר אסטרטגית ותעדוף פיצ'רים, המערכת מבוססת ה-AI שיפרה שיחות לקוחות על ידי מתן הבנה עמוקה יותר, ברמת הפלח, של נקודות הכאב של המשתמשים למנהלי מוצר. היא גם הוכיחה את עצמה כבעלת ערך רב בזיהוי וגיוס שותפי עיצוב אידיאליים לפרויקטים חדשים, וייעלה את תהליך שיתוף הפעולה. בעוד שהמערכת דורשת כוונון עדין ותחזוקה מתמשכים כדי להתאים ליעדים עסקיים ונופי נתונים מתפתחים, היא מציעה תוכנית פעולה עוצמתית לכל מנהל מוצר המעוניין לפתוח את הפוטנציאל האסטרטגי של נתונים איכותניים בקנה מידה, ולעבור מהבנה אנקדוטלית לתובנה מערכתית מונעת AI.
“הדאטה אומר לנו 'מה', אבל הוא לא אומר לנו 'למה'. ויש עולם שלם של מה שהם ניסו ולא הצליחו שאנחנו לא נקבל מהדאטה.”
- Chen Apermann Kor, Senior Product Manager
