בעידן שבו AI מעצב מחדש תעשיות בקצב מהיר, האתגר של שילוב טכנולוגיה מתקדמת בחברות ותיקות, במיוחד במגזרים כמו קמעונאות יוקרה, מציב סט ייחודי של מכשולים. מקרה מבחן זה מתעמק בפריסה אסטרטגית של AI בתוך Tollmans, קמעונאית רהיטי יוקרה, ומדגיש את התהליך המוקפד של זיהוי צרכים, התגברות על התנגדות תרבותית והוכחת ערך מוחשי.
“כשאנחנו בונים MVP, אנחנו למעשה בונים שני MVPs: אחד עבור הפתרון הטכני, האם אנחנו יכולים לספק ערך, ואחד עבור שינוי התנהגותי, האם אנחנו יכולים לשנות את התנהגות המשתמשים שישתמשו בדבר הזה.”
- Shi Di Castro, Product Manager and AI Transformations Leader in Organizations
גלו את האתגרים וההצלחות האמיתיים בהטמעת AI בחברת רהיטי יוקרה מסורתית. למדו כיצד לזהות צווארי בקבוק, לבנות אמון ולהניע אימוץ בסביבת קמעונאות ותיקה. הרצאה זו חושפת את הצעדים המכריעים לטרנספורמציית AI מוצלחת.
שלום לכולם, אני רן הרז ואתם הגעתם לפודקאסט שבו אנחנו מדברים עם מנהלי ומנהלות 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 דיקסטרו, 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 נראה. בעולם האמיתי והייתי שמח שהיא כזה לפני שאנחנו צוללים תספרי לנו קצת על הקונטקסט ועלייך.
אז אני התחלתי כמנהלת מוצר, הייתי מהנדסת, עברתי ניהול מוצר, כזה המסלול הקלאסי שהרבה אנשים עוברים ולאורך כל הדרך הייתי מאוד כזה פשננט אבארט טכנולוגיה ועל כל מה שקשור לזה ושיחקתי עם AI מהראשונים. ובעצם באיזשהו שלב הבנתי שיש לי רצון לגעת בכמה שיותר ולקחתי דרך עצמאית, נכנסתי בסופו של דבר להוביל שינויים וטרנספורמציות AI בארגונים, והם מאוד טכניים וארגוני תוכנה, ועבדתי גם עם ארגונים טיפה יותר מסורתיים, שמצאתי בהם גם אתגר אחר, ויכולתי גם לגעת בהמון, בכל קצוות התהליך. יש משהו מאוד מיוחד בלעבוד עם ארגונים כאלה. זה כזה מה שאני עושה היום, אני מלווה ארגונים, אני נכנסת בתור בעלת חיצוני, ומספקת עיניים חדשות. מדהים, אז בואי נדבר באמת על הארגונים היותר ותיקים, ותספר לנו קצת על הארגון ועל הבעיה שהגעת להתמודד איתה.
אז התחלתי לעבוד עם טולמנס, זאת חברת ריהוט יוקרה, נראה לי שיש הרבה שמכירים את השם הזה, פרוסים בכל רחבי הארץ, יש להם שני ברנדים גדולים, אחד כזה ריהוט פרימיום, אפורדאבל פרימיום, ואחד ריהוט טיפה יותר יוקרתי, עם דיטז מאוד מאוד כזה לפרטים הקטנים. התחלתי לעבוד איתם, לקחנו פרויקט של חודשיים, והמטרה שלהם הייתה, הם ארגון שבכלל 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 יותר בסיסי, בוא נגיד את זה ככה. והחברה עצמה יותר מסורתית, אנשים רגילים לעשות את 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 באמצעות, הם לא רצו לקחת על עצמם פרויקט. גדול קדימה. מעולה, אז אולי באמת כאילו רגע תתני לנו לפני שאנחנו צוללים לבעיות ואיך ניגשת אליהם, כזה תני לנו איזשהו overview על איך נראה העבודה בריטל יוקרה לריטי, מה הדברים שחשוב לשים לב אליהם כאילו בנקודה הזאת.
אז קודם כל אני אגיד שכשנכנסים לחברה ועוד אין ב-AI, יש המון רעיונות שצפים על השולחן וכשהגעתי אליהם פעם ראשונה, הם כבר באו עם כל מיני אינישטיב שהם רצו לקדם. לי היה חשוב. לבחון את הדברים בקצב שלי ומעיניים החדשות שלי ולבחור בעיה שהיא נכונה. CultureWise, לחברה שהיא של ריהוט יוקרה, יש שני דברים מאוד קריטיים. דבר ראשון זה ה-Details, כל דבר שמייצרים או מזמינים, הכמות Details שלו היא סופר גבוהה. בין הזווית של הידית לכמות הקומפוננטות במערכת או שווה, לבין החומר שהרגל עשויה ממנו עד לרמת הצבע של התפר. וכל דבר כזה משפיע על המחיר. של הרהיט שהם מוכרים. דבר שני, זה חוויית לקוח. היה להם מאוד קריטי, היות ואנשים משלמים המון על הזמנות מתוך טולמנס וברמה של טולמנס, גם השירות שהם מקבלים והמהירות שאנשים מצפים לקבל בתשובות היא בהתאם. ולכן שני הדברים האלה הם גם הקולטר של טולמנס וגם בסוף היה אחד, כמו שהוליד לי את הבעיות הכי גדולות שהם היו צריכים לפתור. זאת אומרת שגם יש לנו באמת המון המון המון המון חלקים נעים שאפשר לשלוט על כל חלק בדבר הזה וזה משפיע על התוצאה הסופית. אבל זה גם חייב לעשות ממש מהר, אבל באיכות שהיא סופר סופר פרימיום. לגמרי. ופה זה לא רק מהר לשם המהר, אלא גם מהר ברמת גימור מאוד מאוד גבוהה. נכון. אוקיי, אז עד לבנה נקודה הזאתי, את בעצם מדברת 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?
תראה, הדבר הראשון שעושים זה לדבר. שבוע שלם מתוך כל התהליך הזה היה לדבר עם כמה שיותר אנשים. התחלתי מהנהלה, הם חשפו בפניהם מה הם רוצים לעשות, מה הוויז'ן 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 התחיל משיחה איתם, התקדמתי לדבר עם כמעט כל תפקידן שיש בחברה, דיברתי עם אנשי מכירות בשטח, דיברתי עם ה-Customer Success, דיברתי עם החבר'ה שעושים את הרכש ואת העיצוב, ואת אלה שמעמידים דברים בתוך הסניפים, דיברתי עם כולם. במטרה להבין איך החברה מתנהלת ולזהות button X שאולי המנהלים או הדרג הגנוני לא בהכרח רואה, או רואה אחרת, בוא נגיד ככה. וזה לקח שבוע, זה היה תהליך ארוך, דיברתי עם כולם שעות, ובסוף גיבשתי רשימה של דברים שאני רואה לנכון לתקן. בסיום השבוע הזה התכנסנו לעוד שעתיים, אני אמרתי מה אני רואה, הם אמרו מה הם חושבים על מה שאני ראיתי, ובסוף בחרנו בעיה שאיתה התחלתי את השיחה, אבל בחרנו את הבעיה של ההזמנות, כאילו של הצעות מחיר נקרא לזה, שהיא גם הייתה בעיה שכזה... הייתה בעיית culture, גם בעיית ה-ROI, גם בעיה של כשאפשר לפתור אותה עם AI, היה שם כל מיני פרמטרים במשוואה. 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 לה מפה איזה?
תראה, יש שלושה דברים שבפחות מבחינתי היה יכול לפתור. דבר ראשון, היה יכול לייעל Operations, לקחת איזשהו bottleneck של איך שהחברה עובדת היום. ופשוט לפתוח אותו, לייעל אותו. הדבר השני שאפשר לעשות עם AI זה אקספירמנטס 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 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. ואיי פתאום מאפשר אותו. אני באתי עם המשקפיים האלה, וניסיתי למצוא בכל השיחות שלי עם אנשים, לתרגם את זה בעצם לאחד מהווקטורים האלה. זה דבר ראשון. דבר שני, יש פה אובייסטי עניין של ה-ROI. אתה רוצה לראות איזה פתרון AI הוא מצד אחד הכי פשוט, ומצד שני, פותר את הבעיה הכי משמעותית, או משחרר את הבאטלנק הכי משמעותי עבור החברה. ודבר אחרון, משמעותי, יש המון פרמטרים בתוך המשוואה הזאת. אני חושבת שגם יש פה עניין של קולצ'ר. כל חברה יש את הדברים שקריטיים לה. חברת ריטל גם חושבת באותה צורה המון המון זמן, במיוחד חברה כמו טולמן שהיא אומנם מאוד חדשנית יחסית למתחרות שלה, אבל בסוף זאת חברה שקיימת 30 שנה, היא יודעת לעשות עבודה בצורה מסוימת, היא לא מבוססת דאטה לאנשים שהיא עובדת איתה, לספקים, אין API שאפשר להתחבר אליו, צריך לחשוב בתצורה שלה, עם מה שאפשר לעבוד איתה וגם לחשוב מהעיניים שלה. להם details מאוד קריטיים, להם עלות של טעות היא אסטרונומית, כל הבעיות שאתה בוחר צריכות בסוף להתקטע עם הדברים האלה. אני רואה 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 חושבת שדרך הפריזמה הזאת זה מאוד מעניין להסתכל, האם זה לפתור צוואר בקבוק שהוא קיים, האם זה באמת היכולת בעצם להציע, לבדוק. תהליכים חדשים שאנחנו יכולים לייצר בארגון, או להביא value חדש גם בתור PM'ים. ובאמת היא 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 שם חשוב לשים לב?
תראי, יש פה גם עניין של מוכנות של הצוות, אוקיי? במיוחד בחברות כאלה, לא כולם נגעו בטכנולוגיה לפני, ולא תמיד יש את הבסיס, 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 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 כל המידע או המטה דאטה על כל רייט. איזה צבעים הוא יכול להגיע, איזה רגליים יכולות להיות לו, איזה זוויות הוא יכול להגיע, כאילו... כפרים בצווי, כאילו כל הדברים האלה מגיעים בתוך הקטלוג עם קוד לעד כל דבר. וכשמישהו מתמחר ראית, ברגע שהוא רואה את הקומפוזיציה, הוא פותח את הקטלוג, וצריך לחפש בתוך מטריצה ענקית על ראית מסוים, מה המחיר הספציפי, מה הקוד הספציפי של הראית הזה, כדי להזמין אותו מהמפעל. והקטלוגים האלה הם בעובי כזה מגיעים ב-PDF, ואי אפשר לתת את ה... סתם, אנחנו קופצים עליהם ליישום, אבל אי אפשר לתת את זה ל-AI. AI לא מסוגל לקרוא 600 עמודים ולזכור טוב מה קרה בכל אחד מהם. אז עוד מעט נגיע לזה, אבל באמת, אוקיי, אז 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 אקספרמטיישן מאוד מאוד מהר, ואיך הקולצ'ר, אמרת פה בהקשר הזה גם פרימיום וגם הגישה להמון המון המון פרטים ושליטה בגרנולריות מאוד עמוקה, מה את עושה מהנקודה הזאת בעצם? אני אוסיף להגיד עוד משהו אחד אגב. שאני גם חושבת שהוא מתחבר לקולצ'ר, אבל הוא גם באמת קריטי בארגונים יותר מסורתיים. המיינדסט הוא יותר קריטי פה מבחברות הייטק. אנשים לפעמים רגילים לעשות את העבודה שלהם בצורה מסוימת, ואני חושבת שבחברה הספציפית הזאת הייתה, היה משמעות גדולה עם איזה צוות אני הולכת ללכת. כי היה צריך שיתוף פעולה מהצוות. היה צריך שהם ישבו איתי ויחשבו איתי ביחד, היה צריך שהם יאמצו את הכלים. כי הם הולכים להיות חלוצים. אז באיזשהו מקום גם זה היה... ספציפית בחברה הזאת, זה בדרך כלל לא שיקול של ילד לצוות אני הולכת. כן, הבעיה היא בעיה בלי קשר, אבל פה זה באמת, זאת אומרת, זה דרמטי. לגמרי. כי בעצם המנטליות היא כזאת, שכבר עשינו, אנחנו יודעים איך לעשות את הדברים, זה עובד לנו מה את באה 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 לסול 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 אמורה לחקור, צוות המכירות. וצוות הרכש גם באיזשהו מקום, 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 פשוט מחקר. שיחקתי עם התוכנות שהם משתמשים בהם, כל זה היה במטרה ללמוד איפה הבאטלנקס באמת נמצאים, ולא רק להסתמך על הסיפור שהם סיפרו לי, אלא לראות את זה בעיניים שלי קורה. מה נגיד ראית הבדל בין משהו שהם סיפרו לך לבין מה שראית בפועל? למשל, הם עושים יותר קופי פייסט ממה שדמיינתי, יש להם איזו מערכת פנימית שהם בנו לעצמם, ומלהסתכל על איך שהם עובדים, הבנתי שהם מוצאים את הרהיט בתוך הקטלוג. אבל אז מה שהם עושים, הם כותבים את זה בתוך מערכת נוספת שהיא אקסלית, וכרגע הם גם לא הולכים להחליף אותה. 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, זו מערכת שבכלל לא היית מודעת אליה, שפתאום את רואה אותם משתמשים בה מאוד מאוד מאוד, וזה קרה רק כי ישבת בשולחן איתם וראית את הדבר הזה. לגמרי. אני חושב שמאוד מאוד חשוב... לשים לב 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 ונראה לי שמצאת אחת כזאת בדיוק. נכון. אוקיי אז אבל את יושבת איתם עכשיו לעומק ומה את עושה כאילו מה התוצר של השלב הזה את ממפתת התהליך שלהם מה אני רואה בעיניים. תראה, 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 היה 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 אפילו היה עובד, נכון? נכון. ומה יוצא בשלב הזה, הרגע, כשאת יושבת, מתיידדת עם הקטלוגים, כמו שאמרת, מה קורה?
תראה, אני קצת נוגעת בטעות שעשיתי, אבל אם אני רגע נוגעת במה קרה בפועל... 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, צלע, בראש כבר מתחילים להיווצר לך דפוסים. את 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, ויש המון פרטים, ובטוחה שלמדת. עכשיו, מדגדג לך לפתור, את כל כך מתרגשת מהבעיה. שאומרת אוקיי אני רצה כאילו בא לי כבר לדבוק איזה כלי יעשה את זה ואיזה מודל מתאים לקרוא את הקטלוג הזה והתפתיתי והתחלתי לשחק עם כלים והתחלתי להתאים אותה 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 צריכה לפתור את ה-200 קטלוגים האלה לא הייתי יוצאת מזה בחיים גם לא היינו משיגים ולידציה לזה שאפשר לפתור את הבעיה הזאת באמצעות 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 וכששיחקתי עם הקטלוג הראשון התרגשתי לרוץ לפתור. ובסוף בניתי פתרון, שבתי על זה שלושה ימים והפתרון הזה היה טיילור דרק לקטלוג הזה וכשבאתי אחרי זה קטלוג נוסף פתאום גיליתי שבקטלוג הספציפי הזה, הבדים נמצאים בסוף. אז זה לא יעזור שגיליתי שהם נמצאים בטבלה, בעמוד הראשון, כמו שזה בג'רבסוני, וקטלוג אחר צריך לתת לו קונטקסט שהוא צריך להעיר את הסוף ה-600 עמודים ומשם לשאוב את המידע. ואז היה צריך לחשוב על הכל מההתחלה. למה? למה היה הכל מההתחלה בעצם? כי נגיד פה ספציפית החלטתי שאני שוברת את ה-600 עמודים האלה לשני עמודים כל פעם, כי זה מה שהתאים לקטלוג הזה. פה היה צריך ליצור זיכרון, שיזכור גם את העמוד האחרון. וידע להגיד, אוקיי, אם אני צריך מידע שאני לא מצאתי בשני העמודים הראשונים, אני הולך לשאוב את זה ממקום אחר. זה פשוט צורת חשיבה אחרת ללמד דעה 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 בהאם 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 ממש כמו הדאטה יש את הקונטקסט של האם מישהו ידע לקרוא את הדאטה. אנחנו רגילים מאוד למדל את מה שסטרקצ'ירד למקומות הנכונים אבל שוכחים למדל את זה שמי שקורא את הסטרקצ'ירד לא יכול לקרוא את כל הסטרקצ'ירדים בבת אחת בהכרח. נכון. אני חושב שזה מה שגילית רגע עם הקטלוג השני באיזשהו מקום. נכון. סבבה, אבל אם אני שומע רגע בין השורות, יש לך רגע 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?
תראה, בסוף המטרה שלי הייתה, הבעיה המרכזית שהם נפגשו איתה זה שיש להם הצעות מחיר שלוקות שלושה ימים. אוקיי. עכשיו, לקחתי, בשביל להגיע לרמת ה-details ולהימנע 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 הרהיטים, לבנות אותם, לבנות את הקוד שמזמין אותם. דבר כזה לכל רהיט יכול לקחת במינימום 5-6 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, ויש לך מאות. יש בהזמנות גדולות שמגיעות למיליונים, כאילו 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, החברת לקוח נדפקה, וגם הכסף על הראית הלך, וזה יריטים יקרים. אז איך מכנסים בין זה שאסור לטעות בכלל, והכל צריך להיות פרפק, לבין זה שאנחנו חייבים MVP כדי להתקדם?
קודם כל, האמינות של המידע שאני מקבלת זה משהו שתמיד וידאתי. לא נתתי לזה להחליק בשום שלב. נתתי, כאילו, לפני שבדקתי אם רהיט אני מקבלת את התשובה הנכונה מהפתרון שווידאתי, קודם כל הלכתי וחישבתי אותו בעצמי. עשיתי 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 תוצאה דומה, זה דבר ראשון. דבר שני, לגבי MVP, המטרה שלי, לפחות בהתחלה, אם לוקח 5 דקות למצוא רעיד, המטרה שלי לפחות הייתה להגיע לדקה, לקצר לפחות פי 5, אם לא יותר, כי גם יש מוצרים שלוקחים יותר. אבל זו הייתה המטרה שלי, והגדרתי שברגע שאני מגיעה לשם מהשלושת 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 רלוונטי. ונראה לי שבהקשר הזה, ה-MVP היה גם על האם אני מסוגלת לשנות 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 ייראה, אבל גם משהו באמת שהם יכולים להשתמש בו ולא 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 נראה להם שלא מדברים עליו מספיק.
בוויז'ן שלהם. אם הבנתי את השאלה נכון, בוויז'ן שלהם הם היו שמחים להכניס קומפוז... הם עובדים בסוף עם דברים נורא ויזואליים. הם רצו שהם יתנו לי תמונה של קומפוזיציה מסוימת ושאני אדע למצוא להם 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. 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 לא מדביקים תמונה ומקבלים תשובה לחפש בתוך הקטלוג זה כאב בפני עצמו ואפשר גם להפוך את זה פשוט למנוע חיפוש שנראה כמו גוגל או כמו chat gpt שאתה מקליט בטקסט מה אתה רוצה ומקבל איזה תשובה. ובסוף, שוב, היו המון אינטרסות והמון רעיונות, אבל בסוף הפתרון הזה נבחר, כי הבנו שהוא מקצר משהו שכבר קורה, ושהם כן הולכים להשתמש בזה. וגם פרקטית, אחרי שבניתי את הקטלוג הראשון ונתתי להם להשתמש בו, ראינו שזה עובד, ואז היה אפשר להתקדם קדימה. מה קרה באמת אחרי שעשיתם את הקטלוג הראשון, מה הייתה התגובה, או למה זה גרם?
וואי, הם התרגשו ברמות. כאילו, לראות שאפשר לכתוב, אגב, היעד שלי היה דקה. הקטלוג הראשון היה אפשר להגיע למוצר שרוצים תוך 15 שניות. כאילו הוא ידע לבד באופן שבניתי אותו, אתה נותן לו שם של מוצר או שם של דגם, הוא מהר מהר מוצא את כל התתי פרטים שלו, או את הפינישים שלו, זה יותר השפה המקצועית של זה, ובסופו של דבר היה אפשר לבחור אותה מהר בקליקים עם דרופבוקסים ולהגיע למחיר תוך זהבי שניות, והתגובה שהייתה להם על הפנים הייתה מטורפת. מה הייתה התגובה הזאתי למי ששומע את זה? הם היו בהלם, כאילו ישבנו גם, אני זוכרת את זה, היינו בזום, והראתי להם איך זה עובד, ואמרו תשלחי לי את זה עכשיו, כי אני רוצה להשתמש בזה עכשיו. וואו, זה הסגנל הכי טוב רגע לזה שבאמת אנחנו באזור. לגמרי. אוקיי, מה מכאן? עברנו לעשות את שני קטלוגים האחרים, היו לנו שלושה. למה דווקא שלושה אגב? הרגיש לי שזה היה קצת תחושת בטן, אני מודה, אבל הרגשתי 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 יאמץ את הפתרון. כי שוב, גם לזנוח משהו כי לקחנו איזה מותג איזוטרי, יכול לגרום לפתרון להזנח בצד. אוקיי, זאת אומרת שבעצם גם הROI פה היה מספיק גבוה כזה שבאמת 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-טיפונת קדימה בזמן, הם מתחילים להשתמש בזה. מה התוצאה שאת רואה? אני רואה שבקטלוגיה, בסוף הזמנה מורכבת מהרבה ברנדים, וחלק מהברנדים לא היו מה שבחרנו לתוך ה-MVP, ואתה רואה איך בן אדם מגיב כשהוא צריך לבחור משהו ולפתוח שוב אותם את ה-PDF הזה. לעומת כשיש לו את המנוע החיפוש שלי והוא פשוט עושה קליק קליק קליק קליק ומבסוט, אוקיי? וגם התגובות על הפנים שלהם, או למה לא עושים את זה גם על המוצר הזה, או למה לא, אולי תגידי, תדחפי את זה גם, תגידי לה פליס תעשה על זה ועל זה, אני מזמינה את זה שבוע הבא, בא לי שכבר יהיה לי. התגובות האלה גורמות לך להבין שמישהו הולך לאמץ את הפתרון שלך ושמה שבנית הוא משמעותי. כאילו התסכול של, אוי, אני צריך לחזור לחוויה הישנה פתאום. לא, הם גם עושים את זה אחד עד השני, אתה מבין? כאילו, לא פתרתי עוד. כאילו בשלב שבחרנו ה-MVP הזה לא פתר את כל תהליך מכירה או את כל הצעת מחיר שהם בנו. היו הצעות מחיר שהיה בהם חלק עדיין ב-PDFים וחלק בתוך המוצר שלי או הפתרון שלי, ואנשים עפו על זה. כאילו זה גרם להם גם לראות בצורה מאוד מאסיבית את הפער.
ומה כזה לא עובד עדיין, או מה הטרייד-אוף שקיבלת שהיה משמעותי בדרך? השבירה, בסוף השבירה של הקטלוגים לעמודים הייתה עדיין מאוד קוסטום. למרות שבחרנו שלושה ועשינו את זה בצורה מאוד יעילה, עדיין יש 200 ויש הרבה יותר וריאציות ממה שהשלושה האלה היו 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, ובסוף אנחנו לא יכולים להישאר עם השלושה האלה, ולי לקח בערך יום, יום וחצי לכל קטלוג בשביל להתאים אותו. ובשלב הזה הבנתי שאוקיי, הבנו שאפשר לפתור את הבעיה באמצעות 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 שהייתי עושה, והיו לחברה הזאת המון דברים לפתור. והחלטתי שאני מערבת חברה חיצונית, והתחיל ריסרץ שלם. של גם כמה ימים טובים עד שבחרנו את המועמד הראוי ביותר, אבל למצוא את החברה שהמוצר שלה כבר כמעט שם, או היכולת שלה לנתח PDF אם הוא כבר כמעט שם, ורוצה לשתף איתנו פעולה כדי לקחת את מה שאני בניתי ולהפוך את זה לפתרון ענקי. אוקיי, עכשיו מקשיבים לנו מנהלי ומנהלות מוצר, לרוב בחברות טק, והם שואלים, אוקיי, מה ריטל 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?
תראה, למרות שעל הנייר זה לא נשמע אותו דבר, יש המון דברים שהם מאוד מאוד דומים. כי ריטט לוקח את זה לקיצון, אבל בסופו של דבר גם לבחור צוות שלא רוצה להטמיע את הפתרון. הוא מבחינתו עובד בצורה שלו, והדפוסים שלו מספיק טובים לו, והוא לא רוצה לאמץ את זה. בריטט זה הרבה יותר קשוח, כי אנשים עובדים 30 שנה באותה דרך ובחברות טק. זה כמה שנים טובות, אבל עדיין ההתמודדות עם לאמץ דברים בתוך הצוות, על לקבל את השיתוף פעולה, על לא לרוץ ליישם, למרות שאתה יודע, במקרה שלי לא היה לי דאטה, אבל לא היה לי APIs, במקרים של מנהלי מוצר אחרים נורא נוח לרוץ לשם במקום לשבת ולראות מה ההליך 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 ה... את הבעיה לעומק ולא להתעצל או לא לדלג על השלב שבו אתה צופה באנשים שיודעים 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 האם המטרה היא לפתוח איזשהו צוואר בקבוק שקיים היום האם המטרה היא להתנסות בכיוונים חדשים כדי לבדוק האם זה מתאים לנו. או האם המטרה היא לפתוח New Line of Business או לייצר Offering שלא ייצרנו עד עכשיו, בין אם זה פנימית או חיצונית, ואז לחבר לדבר הזה את ה-Culture. אני חושב שכאילו החיבור בין מה אני מנסה לעשות, האם אני מנסה לעשות Operational Efficiency, אבל בחברה שמה שהכי חשוב לה זה הפרימיום וה-Details, מייצר תיעדוף של בעיות שהוא אחר מאשר אם מה שהיה חשוב לי היה Execution Speed ולבדוק את המרקט במקום שבו אין לי יוזרים. ואני חושב ש... החיבור 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 Trust. והדבר השלישי הוא שכשאנחנו בונים MVP, אז אנחנו בעצם בונים שני MVP, אז אנחנו בונים MVP לפתרון הטכני, האם אנחנו יודעים להביא את הערך. ו-MVP 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 ה-workaround, את המערכות הפנימיות, את ה-copy p, copy c, control v, copy paste, הם עשו דברים אחרים. ובאמת כשאנחנו בוחנים את השני MVP האלה, זה יכול לשנות אותנו את התוצאה הרבה יותר מאשר אם נעשה רק MVP על הפתרון. אז ככה, קודם כל תודה רבה לך שיהיה לפרק הזה. תודה לך רם. עם זה אנחנו יכולים לסיים, פרק חדש בתוכנית, אתם מוזמנים לעקוב אחרינו בכל אחת מאפליקציות הפודקסטים. אז שוב, המון המון תודה שי. תודה לך. ותודה לכם שהאזנתם.
אמון ושינוי התנהגותי
משתמשים רוצים עוד AI!
צפו, אל רק תשאלו!
3 מצבי פתרון הבעיות של AI
הימנעו ממלכודת ה-MVP!
דברו עם כולם!
מוכנות הצוות היא המפתח!














