פענוח ה'למה': סודות ה-AI לניתוח נתונים איכותניים בקנה מידה!

שלום לכולם, אני רן ארז 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 נדבר על האתגר המוצרי הבא, איך מנתחים מידע איכותני בסקייל בעזרת AI, ומי שהולכת לספר לנו על האתגר הזה היא חן אפרמן קור, סיניור פרודקט בלייט רנד. מה קורה חן? הכל טוב? מה איתך? מצוין, ממש כשאת פה. תודה שהזמנתם אותי. ושמחה, ואולי כזה לפני שאנחנו צוללים, תספרי לנו קצת עלייך, על לייטראנד ועל מה אנחנו יכולים לדבר היום.

אוקיי, אז אני סיניור פרודקט מנאג'ר בלייטראנד, אני עובד בחברה כבר חמש שנים, בגדול אני פרודקט מנאג'ר כבר עשור בגדול. התחלתי דרכי בכלל כמתכנתת, למדתי מדעי המחשב, למדתי עיצוב גרפי, איך שהתגלגלתי ככה. לפני זה הייתי גם בחברה שקוראים לה וולקה, אני מכירה על די תנאבל, ועכשיו אני פה, כבר תקופה. מעולה, ועל מה אנחנו הולכים באמת לדבר היום? אז זהו, אז בעיקרון גם אני אגיד אולי איזה מילה על לייטרן. אז לייטרן בגדול יש לנו מוצר, החברה כבר קיימת שש שנים, אנחנו באמת עם הלקוחות הכי גדולים בעולם, סיטי בנק, סיילס פורס, מייקרוסופט, פה ועד עוד החדשה, ראינו שיש איזושהי טכנולוגיה שיכולה לעזור למפתחים להבין מה קורה באפליקציות חיות. בזמן תנועה בלי הצורך לעצור אותם או להוסיף קוד. אז זה התחיל מלדבג ויש עוד מלון ניוסקיסים נוספים שאנחנו יודעים לתת בהם ערך. כשאנחנו עושים לזה דמו זה משהו שתמיד אנשים אומרים לנו וואו אני רוצה את זה. שזה גם די הסיבה למה רציתי לעבוד שם כאילו ממש התחברתי. ובגדול עכשיו אנחנו באיזושהי נקודה שאנחנו או לפני שנה כבר היינו בנקודה הזאתי שאנחנו רצינו להרחיב את הקו מוצרים ואני מניחה שנדבר על זה בהמשך. אז יש לנו את המוצר ה-core capabilities שלנו ועוד דברים נוספים שאנחנו גם נותנים כרגע. אוקיי, אז בעצם אתם נמצאים באיזושהי נקודה

שאתם רוצים להרחיב את המוצר, ואז איך ניגשים בכלל להחליט לאן לקחת את זה? זהו, אז זה השנה שעברה, הנקודת קבלת החלטה הזאתי. אז בעצם עם כל הכניסה של ה-AI וכל השינוי, כאילו שהוא גם ברמה של הכלים שיש לכל אחד מהאנשים שיכולים לעבוד איתו, וגם בעצם היכולות שיש לכל אחד מאיתנו, שינוי ארגוני בחברה ועבדנו לעבור עברנו לעבוד בשני סקוואדים. היה סקוואד אחד שזה כאילו הcore capabilities שלנו ואת הסקוואד שאני הפרודקט מנאג'ר שלו שאנחנו צריכים לחשוב על איך אנחנו ממנפים את היכולות שיש ללייטרן גם לעוד קהלים לעוד שווקים ולעוד use cases. וכאילו פה היה לי גם איזשהו אתגר כי מצד אחד רצינו לרוץ נורא מהר רצינו לראות איך אנחנו יכולים לפתח בקצב של השוק ולא להישאר מאחור. ומצד שני לקבל החלטות שהן נכונות שהן מבוססות דאטה ולא להמר על איזשהו כיוון. וזהו, ואז הייתי צריכה לחשוב איך אני מפתחת עם עצמי איזושהי מערכת כזאת שיהיה לי נוח לבוא ולקבל את ההחלטות האלה בצורה שהיא יותר סיסטמטית ממה שכאילו היה לנו לפני. מעולה, אז בעצם למה זה רלוונטי לעוד מנהלי ומנהלות מוצר שמקשיבים לנו עכשיו? אז אמנם זה היה בנקודת זמן כזאת שהיינו צריכים לקבל החלטה סופר אסטרטגית, אבל עם הזמן ראיתי שאני חוזרת להשתמש במערכת הזאת גם לדברים הכי קטנים, למה המסר שצריך להיות בתוך המוצר, הייתי רוצה מבחינת העדוף, מה הייתי רוצה לתעדף קודם, וגם מבחינת אליימנט, כולם יכולים לראות מה התוצר של מה שאני עובדת עליו, כולם מיושרים על מה הסיבות שבגללם בחרנו דבר אחד או אחר, אז איזשהו סיסטם שאנחנו עדיין רצים איתו, שנראה לי כולם יכולים להרוויח ממנו. אני חושב שבעצם אנחנו רואים רגע בשוק, שהפיתוח הואץ פי 10 ובמקומות מזה פי 100, והפרודקט באיזשהו מקומות, לפעמים כן, לפעמים לא, אבל יש עדיין אתגר שלנו בתור אנשי מוצר, לבסס את ההחלטות שלנו על דאטה ולהבין בעצם לנתח לעומק דברים עד עכשיו היה לוקח לנו המון זמן אני חושב שהרבה מאוד PM'ים נמצאים איזשהו במין דילמה כזאת של אוקיי או שאני עושה את הניתוח עמוק או שאני עושה טוב מהר ואני לא יכול אני לא יכול גם וגם ונראה לי שמה שאתם עשיתם זה קצת איזושהי זווית מאוד מעניינת ואיזשהו טייק אז אולי ככה ניכנס רגע לדיטלס של המערכת הזאתי.

אז זה באמת. בדיוק זה שאמרתי אוקיי או שאני עכשיו הולכת ומראיינת לקוחות מראיינת עכשיו עוד פרוספקטים כדי לנסות להבין איפה אנחנו יכולים לתת הכי הרבה ערך במוצר הקיים או בעוד כל מיני ניואנסים כאלה ואחרים. או שאנחנו פועלים מהבטן ושני הדברים האלה לא היו טובים כמו שאמרת כי לא טוב לפעול מהבטן בצורה שהיא לאו דווקא מבוססת וגם זה לוקח זמן להתחיל לראיין. אז נפל לי האסימון באיזשהו שלב שבעצם כבר יש לנו בי איי ויש לנו דאטה שהוא כמותי שהוא אנחנו עובדים מאוד קשה. יש לנו מחלקת בי.איי בעילה אורי המנהלת של החלק הזה, והיא עושה עבודה מדהימה, ובעצם אנחנו יכולים לגמרי לזהות את האיבנטים ואת הטרנדים, אבל זה משקף חצי מהתמונה, כי בעצם אני לא יכולה לצבוע את המשתמשים שם בעוד גוון שהוא יותר איכותני, שזה בעצם להבין סיפור בזום-אאוט, להבין בעצם מי הם האנשים האלה, אולי יש איזושהי סיבה למה הם ניסו לפתור איזושהי בעיה, אולי הם נתקלו במשהו במוצר שהיה להם פחות טוב, אולי הם אהבו משהו יותר, איזשהו מערכת בי איי אני אוכל להבין. אז מה שניסיתי לעשות זה קודם כל לזרוק את כל הדאטה שאני יכולה לחשוב עליו על איזשהו אקסל ולנסות להבין את הסיפור ברמת הuser journey אבל zoom out כמו שהתכוונתי זה מרמת הgo to market ולהבין מי זה המשתמש הזה, מה הוא עושה בחברה שלו, מה הוותק שלו, מתי הוא התחיל לעבוד איתנו, למה הוא עשה במערכת, איזה, לא יודעת, החברה הזאתי, איזה טיקטים נפתחו תוך כדי בג'ירה שאנחנו יש לנו איזשהו באג ספציפית שאולי הוא חווה במערכת, יש איזשהו פידבק בתוך המערכת עצמה שהוא נתן, להבין איפה הוא נתקע, איפה הוא חזר, ממש לנסות לתאר את כל היוזר ג'רני שלו על כמה סשנים, וככה לעבות עוד ועוד ועוד שכבות של מידע על כל אחד מהמשתמשים האלה שהיו נראים לי מעניינים. ולמה זה רלוונטי? כי זה היה עבור משתמשים שהם לאו דווקא הצ'מפיונים. אלה כבר אנחנו ידענו לתת להם את הערך, זה הסקווד השני, עכשיו אנחנו רוצים להתרחב. אז הרעיון היה לא לתת עכשיו איזשהו ערך למחלקה אחרת שהיא לאו דווקא מתכתבת עם אותו ערך שאנחנו כבר נותנים, אלא איך אפשר לעשות איזושהי התרחבות שהיא גם עושה שכל ללקוח, שאנחנו באים אליו ואנחנו אומרים לו, אוקיי, אנחנו כבר נותנים לך את זה, בוא רק תוסיף את הצוות הזה, את המחלקה הזאתי לעוד סאב מוצר או איזשהו מוצר משלים, ונראה איך אנחנו יכולים לתת לך ביחד איזושהי תמונה משלימה. אני חושב שבאמת כשאנחנו מסתכלים רגע על הסיגנלים הקיימים, אז זה מצוין אנחנו רואים רגע את מה קורה אבל זה כאילו קצת חסר לנו לדמיין מה קרה לפני מה קרה אחרי ואני חושב באינסטינקט של רגע לרוץ לדאטה לרוץ לאיבנטים האלה זה בסוף אנחנו רואים רגע את מה שהם הצליחו לעשות בתוך המוצר למרות המגבלות ולמרות החסרונות. ובדיוק מה שאני מתארת שיש עולם שלם של מה הם ניסו ולא הצליחו שאנחנו לא נביא מהדאטה כאילו הדאטה אומר לנו מה אבל לא אומר לנו למה. בדיוק. ואז איך אנחנו מחברים את הלמה הזה אז את אומרת באקסל תתני לי קצת יותר צבע על זה מה זה אומר. אז לדוגמה באקסל, יכלתי לדעת שעבור איזשהו משתמש מסוים היה לו איזשהו פידבק שהוא נתן לנו, שחבל שלא עשינו ככה וככה. עכשיו, זה היה יכול פשוט להישלח לנו לפרודקט בורד בתור איזשהו פיצ'ר ריקווסט, והיינו מגיעים אליו או כן או לא באיזשהו שלב, אבל לטובת הסקסס של היוזר הזה, כנראה שנכשלנו כי הוא לא היה מרוצה מאיזשהו סיבה. ובעולם כאילו הקודם זה היה אולי פחות רלוונטי, כי הוא לא הצ'מפיון, הוא לא הבן אדם שאנחנו בהכרח מתרגמים. שזה בסדר, פוקוס זה סבבה, זה עניין של בחירה. עכשיו החלטנו להרחיב את המשקפת הזאת, עכשיו אנחנו רוצים להתרכז גם בבן אדם הזה. אז אני יכולה להגיד, אוקיי, עכשיו שיש לי קבוצה של אנשים, שהם בעצם מתארים את אותו סגמנט, כולם נתקעים באיזושהי נקודה, כולם לא מרוויחים איזשהו ערך שהיינו יכולים לתת להם ובחרנו שלא באיזושהי נקודה. זה ברמת המוצר עצמו. אבל אחרי שכאילו עשיתי את הזום-אאוט הזה, גם היה הרבה פרוספקטים, אנשים שדיברו איתנו, שהם לאו דווקא הפכו להיות לקוחות

משלמים. שאין עליהם את הדאטה-איבנטים. בדיוק, אבל היינו יכולים לספק להם את הערך שהם היו רוצים, אם היינו מחליטים. פשוט במקום ללכת וללכת מאפס את כל המידע הזה דרך רעיונות חדשים, או דרך הבנה שהיא בדרך כלל מילולית, ויש פה דברים שהם בסאבטקסט שהיינו יכולים להבין, אז פתאום יש לי את כל הדאטה הזה כבר. שנים אחורה, שרק הייתי צריכה להגן. על כל אלה שלא התקבלו אלינו, שלא הצליחו, לא חתמו איתנו באיזשהו אופן. כן. אוקיי, אבל רגע, באקסל הזה את ממש שמה את כזה, את רשימת החלומות של כל המקורות שהיית רוצה לחבר? לא, פשוט שמתי ממש את הדאטה עצמו. למה שמת את הדאטה ידנית באקסל? כאילו, מה היה הרעיון? כי אני הרבה פעמים עושה ככה, זה איזושהי פרקטיקה שנראה לי הרבה אנשים מתחברים אליה. קודם כל, לעשות את זה פשוט. אוקיי. להתחיל בקטן. רדוקציה, קודם כל מתחילים בעיה קטנה ואז מגדילים אותה. אז הבעיה שלי הייתה לנסות להבין האם לפרסונות מסוימות שהם לא המפתחים, יש ערך או אין ערך או מה החוויה שהם חווים בתוך המערכת. אז ניסיתי להבין עבור אנשים ספציפית מה הם חוו. שהם מהסגמנט שאני חושבת ללכון, אז ממש מיפית את הג'רני שלהם לאורך כל החיים של בתוך החברה ולא רק בתוך המוצר. בדיוק, וזה

קצת אולי קריפי, אבל זה נותן מלא ערך, כאילו, להיכנס לנעליים שלהם ולהבין ואז אמרתי אוקיי זה אני מניחה שגם עשו את זה בעבר לא המצאתי את הגלגל אבל לפני ה-AI זה היה סופר ידני זה היה תמיד מפוקס לאיזשהו objective מסוים. נכון. ועכשיו לא צריך יש אפשר לעשות איזושהי שכבה שזה כאילו כאילו קצת כזה בגלל שאני בעולם הזה זה כזה דרך להביא מקונקטורים שונים את כל הדאטה. אוקיי. לייצר איזשהו דאטה בייס כזה. ואז אני יכולה ספוילר להגיד כאילו מה אחר כך עשיתי. עוד רגע נגיע לזה באמת, אבל רגע בסוף בנקודה הזאת אני חושב שאת עולה פה על איזושהי תובנה מאוד מעניינת. בעצם התחלת בידיים הכי אנקדוטלי בעולם, כמו שהיינו עושים כל תהליך עכשיו רגע אנקדוטלי. כמו שאם עכשיו אני הייתי ניגש לעשות מחקר מתחרים, רן הישן היה עושה את זה אנקדוטלי, לוקח את הטופ מתחרים שלו ועובר על הדברים האלה, ופה את אומרת רגע רגע אפשר עכשיו לעשות את זה. בסקייל בעצם, לא צריך להנקט אותה יותר. נכון. אוקיי, אז השלב הבא של איך את קופצת מהידעני, מהרדוקציה הזאתי, לעשות את הדבר הזה בסקייל, איך את ניגשת בזה לפני שזה בכלל עובד? אז אחרי שכבר ראיתי בגדול מה התבנית שאני רוצה, איך אני רוצה לתרגם את התוצאה, אז זה היה לי יותר קל. כי קודם כל כשזורקים את זה, זה כן היה חשוב שנניח כל שורה מייצגת יוזר, ולא סתם איזשהו כזה משהו שלא מתקמפל. אז כאילו היה לי איזשהו סיפור, כבר הצלחתי לספר איזשהו סיפור. ואז אמרתי אוקיי במקום שאני ידנית אלך ואשלוף את המידע מכל אחד מהכלים זה יכול להיות משיחות מגונג וכמו שאמרתי מה-BI או מהפידבקים או מסלאק יש לנו סלאקים משותפים עם לקוחות אז שם במקום שאני אעשה את כל הפאזל הזה לבד בניתי בקרסר ככה ידנית כזה אני בדיוק כמו שאמרתי עכשיו כתבתי אני רוצה שיעשה ככה וככה זה האוטפוט ככה אני רוצה שהוא ייראה ושכבה אחרי שכבה כל פעם הוספתי עוד קונקטור ועוד כאילו יכולת להוסיף עוד דאטה. עד שהיה לי לוקאלית אצלי איזשהו תמונה כזאת תמונת מצב של מה קורה עכשיו ליוזרים מסגמנטים שונים. לא בחרנו כלום אבל הצלחתי לכווט כזה כל מיני חוטים כדי שיהיה לפחות איזה התחלת בי איי איכותני. אוקיי אז שלב

ראשון זה רגע את בונה את זה בידיים באקסל הכי הכי ידני שבעולם רואה שיש לך input וoutput שאת מבינה. נכון. שלב שני את הולכת לקרסר. ואני מנסה רגע לקחת ולהפוך חלקים מהאינפוט-אאוטפוט הזה לאוטומטיים. כן. אינפוטים מקונקטורים שונים ולאט לאט את מוסיפה. איך את עושה לזה ולידציה שזה בכלל נכון או עובד או אפשר לסמוך על זה? כי זו השאלה שכל צוותי המוצר שאני מלווה אותם מגיעים לאותה הדילמה. כן. חיברנו הכל אבל אני לא סומך על מה שאני רואה. זהו, אז קודם כל זו שאלה קשה שכולם מתמודדים גם כמנהלת מוצר שעובדת על מוצר AI, כל העניין של בנצ'מרקינג ולהבין כאילו את ה-quality זה אתגר. אבל אני לא בניתי את זה כאילו עכשיו יש לי איזשהו צוות R&D שמייצר לי מוצר ואז אני צריכה לבחון אותו, זה היה סופר איתרטיבי, כל פעם הוספתי עוד קצת דאטה, כן ידנית בדקתי את התוצאות כדי לראות מה קורה שם, והרחבתי עוד ועוד ועוד, וזה תמיד היה באיזושהי ולידציה שלי כדי לראות שבעצם זה בכיוון הנכון. אז זה היה העניין. יש עוד דרך אחרת להסתכל על זה, זה שאחר כך על ה-output אפשר להריץ עוד agent אחר, שהוא כאילו נטול. כן, איזשהו קונטקסט מסוים שיבוא ויעשה את המעבר הנוסף והוא גם יכול לזהות אם נניח היו שגיאות כאלה ואחרות. אגב, עוד משהו שהוספתי שממש עזר זה אם היה איזשהו קוואוטס כאלה מעניינים כאלה ואחרים, כי אז זה באמת נותן צבע. נכון. זה גם עזר לי אחר כך כשהייתי רוצה כזה, לתת לכולם את התמונה של למה בחרנו אחד אחר, אף אחד לא רוצה מספרים בסוף, רוצים להבין באמת מה משתמש חברה. אז זה עזר גם לי להבין שהאיג'נט יודע לעשות עבודה נכונה כוולידציה וגם אחר כך כאילו בשביל לשכנע יותר. ומה שהיה מגניב זה שבסוף כן ביקשתי מקרסר תעזור לי לייצר איזשהו דשבורד משהו שיהיה לי משהו גם ויזואלי להראות, זה כאילו הפידבקים שקיבלתי מהסביבה שלי לגבי התוצאות האלה, זה כבר לא היה רק הדבר הקטן שלי שבו אני יכולה לתת איזשהו ערך, אלא כל מחלקה מהפרספקטיבה שלה גם רוצה לקבל את המידע האיכותני הזה בסקייל, אם זה לטובת באמת ההתרחבות שזה מעניין את הביזנס, כאילו מה הפרסונה שהיא לא הצ'מפיון שלנו אני יכולה לקבל ומה בעצם מפריע לה היום. איך אני יכולה להסביר מה ה- use case שהם רוצים ומה הם לא מקבלים. אז עכשיו יש לי צבע, אני יכולה להגיד להם את זה. אוקיי, אבל רגע, יש פה קפיצה, כי בעצם אנחנו סיימנו רגע תהליך לוקאלי אצלך בקרסר, שמה האוטפוט שלו בסוף? מה את מקבלת? אז האוטפוט היה, עשיתי שני דברים. היה, אז כאילו, אני עוד ברמה של קרסר, אחר כך היה עוד שכבה. אז היה לי איזשהו דשבורד, הייתי עושה לזה איזשהו סקרין שוט ומעלה את זה לוויקליז שלנו, אם זה קוממון או וויקליז, זה היה כאילו פנימית בסקוואד שלהסביר להם איפה מה שאנחנו עובדים עכשיו עומד ואיפה זה, לאן אנחנו הולכים, וגם כאילו למחלקות אחרות ולהנהלה כדי להבין סטטוס כזה, אם אנחנו בכיוון הנכון או לא, לפי היעדים. ואז היה לי בעצם כאילו תכלס איזה סוג של מוצר, שעכשיו יש לי פידבק עליו מפנימית, שאני יכולה לדעת לאן לקדם אותו.

כאילו הדשבורד הזה ששלח, זה עצר מלא עניין, כולם רוצים להבין איך אפשר למשוך את זה יותר לכיוון שלהם, מי לדייק את זה. ואז אמרתי, אוקיי, יש פה משהו יותר גדול, אבל זה כבר, אני לא אוכל לתחזק את זה ככה, צריך עוד שכבה. עכשיו, השכבה השנייה זה באמת השכבה של האנליזה. כי מה שעשיתי עד עכשיו זה איסוף דאטה ממקורות שונים. עכשיו צריך שיהיה איזשהו agent, זה מה שעשיתי, אנחנו כאילו עובדים ב-GPT, אז יש אפשרות שם לייצר אפליקציה. אז יצרתי שם את האנליזה של הדאטה שאספתי דרך קרסר, ששם זה החלק שבעצם צריך לארגן את ה-instructions של האנליזה הזאתי, שזה יהיה בהתאם למוצר שלי. זה לא obvious, אם עכשיו יש איזשהו משתמש שכותב לי בפידבק שנניח אצלנו במקרה הפרטי, זה דיבגתי עכשיו עם Lightrun וקיבלתי x, y, z, זה טוב או לא טוב? כי המוצר שלנו הוא לדבג, בדיוק, אבל באג'נט בהתחלה אמר יש לכם בעיה, יש מלא לקוחות מתוסכלים כי יש מלא באגים במוצר, זאת אומרת זה דווקא מצוין, הם רואים את הבאגים, זה אהבה לי שהם באו, נכון, אז יש מלא פיין טיונינג שזה כאילו מהדבר הכי טריוויאלי עד לדברים שכאילו תתעלם מזה, תתעסק בזה, שצריך ממש לדייק אותו תוך כדי תנועה גם בהתאם למטרות שלנו, כאילו אולי זה בסדר שיש לקוחות שיחוו טיפה ליותר תסכולים, אחרים מרוויחים יותר ערך. אז כל החלק הזה של להבין את ה-Business Goals וה-Product Goals והמהות המוצר ולהבין כאילו מלא שכבות של קונטקסט ארגוני שהייתי צריכה להוסיף ב-GPT כדי שה-Output יהיה נכון למה שאנחנו בעצם מנסים עכשיו ללמוד. זאת אומרת שברגע שבעצם עברת ממצב שבו את מראה דאטה ל-את רוצה להראות insights שהם רלוונטיים לחברה. פה הייתה עוד איזו קפיצה שהיית צריכה לעשות ובעצם כששלחת את הדאטה אז קיבלת מלא מלא שאלות גם על איך אפשר להשתמש בזה בעוד מקומות אבל גם בטח שאלות על מה זה אומר והאם זה ככה וזה בדיוק מה שגרם לך להבין שאוקיי רגע צריך לעשות עוד קפיצה לאינסייטס. כן. אוקיי אני חושב שעוד נקודה

מעניינת בהקשר הזה שפתאום זה גם פותח לך את האפשרות לעשות פרסונליזציה לאינסייטס לפי הקהל כי מה שמעניין את הסקוואט שלך זה לא מה שמעניין את הלידרשיפ. אז בעיקרון יצרתי כל מיני סוגים שונים של אוטפוטים, יש אוטפוט בפוש שזה אומר שיש לנו עכשיו איזה שהוא וויקלי כזה ריפורט בסלאק שממש הוא יותר כזה לאקזקיוטיב שממש יודע לסכם אתמול כל מה שקרה בתקופה מסוימת בטרנד לפי יוסקייס שזה מה שמעניין אותם לפי הפרסונה לפי כאילו כמה אינגייג'מנט יש דברים שרלוונטי להם. יש עוד ריפורט שאני מוציאה שזה יותר כאילו לסקוואד שזה טיפה ליותר אולי מצד אחד אפשר להגיד טקטי אבל גם מאוד מאוד משמעותי כדי להבין את האימפקט של מה שהם עובדים עליו, אותם לביזנס ויש גם בפול כאילו בגלל שזה בתוך gpt אז גם אנשים יכולים ללכת ליטרלי להכילו למקום הזה ופשוט לשאול מה שהם רוצים בצ'אט אבל כאילו הדאטה בייס שממנו מקבלים את התשובות וכל החלק הזה של הקונטקסט הארגוני כבר יושב שם אז כשהם שואלים דברים כאלה ואחרים פשוט מקבלים את התוצאות הרלוונטיות אחרי העיבוד מידע הזה. אוקיי אז אנחנו בעצם בשלב שבו הנגשת בשלושה ערוצים פוטנציאליים את האינסייטס נכון בין אם זה בפוש בין אם זה בפול ובין אם זה פנימית לצוות אבל את עדיין מקבלת מלא מלא מלא ריקווסטים משאר הארגון מה עושים בנקודה הזאת? אז עכשיו אנחנו בדיוק בשלב שאנחנו באמת עובדים עם ה-BI כדי שזה יהיה הרבה יותר הוליסטי ושלם וזה גם תהליך הסתכלות אחרת כי אני הסתכלתי לפי הבעיות שלי והחלטתי לתת ערך גם לאנשים אחרים עכשיו זה הרבה יותר כאילו רוחבי אז אנחנו בתהליך כזה וחוץ מזה רציתי להגיד שעוד ערך שקיבלתי חוץ מקבלת החלטות ותיעדוף זה שהרבה יותר קל לי לדבר עכשיו עם לקוח אני הרבה יותר מבינה את הכאב שלהם, אם זה ספציפית כי כבר יש לי על הבן אדם הזה שעכשיו אנחנו מדברים איתו הבנה יותר נכונה על מה קורה בחברה שלך ועבודה שלך מולנו, וגם כי אני כבר מכירה את הפיין פוינטס ברמה של הסגמנט של הבן אדם שאני עכשיו מדברת איתו, שאני מניחה שזה תמיד היה קיים. אבל עכשיו קל לי נניח, אני רבע שעה לפני שיחה, אני עושה איזשהו בריף על דרך כאילו המערכת הזאתי להבין שנייה, להתכונן, מי הבן אדם, מה הבן אדם, מה הוא חווה, הרבה יותר בקלות. כל הקונטקסט הזה עד עכשיו היה מפוזר בכל מיני מערכות והיה קשה כאילו להבין איך לעבוד איתו. אוקיי, אז בעצם בסוף יצרת איזשהו דאטאבייס שהוא structured על מידע איכותני וגם על החיבור הדאטאי בתוך המוצר, ויצרת על זה שכבות של אנליזה ושל insights ודשבורדים, שזה מדהים, אבל אני רוצה שאולי נדבר רגע קצת על מה זה מאפשר לך. אז נתת דוגמא אחת שהיא מצוינת, שזה בעצם אומר prep על שיחת לקוח, אני מבינה הרבה יותר טוב את הלמה, את הכאבים הפנימיים וגם את השימוש עצמו, כי אני מסתכל עכשיו רחב על כל האנשים בסגמנט ולא רק אנקדוטלי, אלה שהם מהיוזר אינטרוויז האחרונים שעשית, נכון, מה עוד זה

מאפשר לך? אז לצורך העניין, לפני איזה חצי שנה היה לנו מאוד חשוב שעל איזשהו פרויקט מסוים שעבדנו אותה, יהיה לנו design partners שיעבדו איתנו ביחד. עכשיו design partners זה טריקי, כי מצד אחד הם כבר לקוחות משלמים, אבל אני רוצה להרחיב את השימוש שלהם עכשיו למוצר חדש, אז אני רוצה לדעת כשאני מגיעה ומציעה להם להיות design partners, יהיה לי כבר איזשהו claim שהם יתחברו אליו, וחבל להתחיל מאפס ולנסות למכור להם כאילו על יבש, יש לי דאטה עליהם, אני יודעת כבר... אני יכולה לנסות כאילו למנף את זה שאני יודעת כבר איך החברה בנויה, איזה צוותים יש, איזה טכנולוגיה הם משתמשים, איפה הקשיים שלהם ולהציע את הפתרון שלנו עכשיו ככאילו תוצר משלים למה שכבר יש להם. אז זה גם מחבר אותם יותר בקלות ועובר הרבה הרבה יותר שלבים מהירים כזה שלי אצל להיות דיזיין פרטנרס. וגם לנו אחר כך זה עוזר לתעדף כי אם עכשיו אני יושבת ומנסה להבין. איזה משהו ספציפי שכאילו אנחנו רוצים לתמוך בו קודם, אז קל לי כי כאילו אני עושה איזשהו query ורואה מה יש ללקוחות הקיימים שאנחנו רצינו שהם יהיו הדיזיין פרטנרס הראשונים, ולדעת לתעדף דווקא את הכלים האלה לפני אחרים. זאת אומרת, זה עוזר לך בעצם, את יכולה להריץ ולהגיד מי הם הדיזיין פרטנרס הכי מתאימים עבורי, ולהמליץ לך על דיזיין פרטנרס, וגם אחר כך לסגור את הלופ ולהבין האם האימפקט שאני עושה באמת ישפיע על הדיזיין פרטנרס או לא. נכון. אוקיי, מה נגיד עדיין

לא עובד? אז קודם כל צריך כל הזמן לעשות לזה פיינטיונינג. כאילו זה לא איזה עבודה של כזה פעם אחת וסיימנו. נניח להבין את הקונטקסט הארגוני, זה לא משהו שנגמר. או כי המטרות השתנו, לא יודעת, נניח יש ברזולוציה של רבעון, מטרות מסוימות שהן רבעוניות. עכשיו צריך לראות שכאילו גם האנליזה היא מתואמת למטרות האלה. יכול להיות שיש לקוחות שהם... דאטה שלו, דווקא לא חשבתי עליו שהוא כן רלוונטי שלא מופיע והוא יכול להשפיע לחלוטין על כל המערכת, אז איכשהו גם צריך לתחזק את החלק הזה של הדאטה כל הזמן. גם צריך לדעת להוציא החוצה דברים, נניח יכול להיות שמישהו טען שמפריע לו משהו במערכת או בכללי בעולם שלו, שזה היה לפני ה-AI וזה כבר לא רלוונטי, אז כל הזמן צריך להיות בבקרה על ה-output, זה לא כאילו כזה one time shot. אז זה אתגר כי אני רוצה לעבוד מהר, אני רוצה שהמערכת תשרת אותי ולא אני אותה, אז כל הזמן צריך לחסות איזשהו בלנס סביב זה, וזה משהו שאני צריכה גם ברמה היומית לחשוב כי אולי אני רוצה שיהיה לכולם את היכולת לבוא ולשאול את מה שהם רוצים את המערכת, עד כדי שזה לא פוגע בעצם ביכולת שלי לזוז מהר, אז זה איזשהו בלנס שנראה לי ספציפית פה אנחנו מדברים על דאטה אנליסיס אבל זה כמעט כל דבר שקשור עכשיו ל... מצד אחד הוא מאפשר לנו לעשות דברים אבל הוא גם יוצר לנו עוד עבודה כדי לגרום לו לעבוד נכון. אוקיי אז אני עכשיו PM בחברה אני פותח את הלפטופ שלי אני אומר זהו שמעתי את הפרק עם חן אני חייב לעשות את זה. מה מאיפה אני מתחיל מה אני עושה מה הדבר

הראשון שאני עושה? להבין מה המטרות נניח אם לא יודעת לפני כמה שנים היה לי מטרה להגדיל את האנגייג'מנט אז שנייה למה נכון תמיד מנסים להבין את הלמה. אנחנו רוצים להרחיב את ה... לא יודעת, את ה... אקספנצ'ן של כמה כאילו אנחנו רוצים להרחיב, או שזה כאילו מבחינת כמה כסף אנחנו רוצים... לא יודעת, להבין כאילו שנייה את הביזנס ברמה יותר גבוהה מאיזושהי מטרה ספציפית. ואז זה בעצם יכול לפתוח לעוד המון נתיבים שונים של איך מגדילים את האנגייג'מנט. זה יכול להיות עם שימוש נוסף במוצר הנוכחי, זה יכול להיות עכשיו עם AI, איך אנחנו מנתבים את המוצר הזה לעבוד עם... לא משנה, לנסות להבין את היעדים ולרדד אותם לאיזשהו... הוא objective שהוא טיפה יותר נמוך, שהוא בר השמה, בוא נגיד ככה. אני הייתי גם מנסה לגרום לכל האנשים שעובדים איתי לחתום על זה, ואז אחר כך אני אומרת, אוקיי, אם עכשיו הייתי יכולה לקבל את כל הדאטה שבעולם, מה הוא היה? בוא נתחיל מהכי פשוט, הדאטה שכבר קיים לי. ואז כמו שאמרתי קודם, למה? בוא ננסה ללכת צעד אחד שמאלה, מי זה הבן אדם? בוא נרחיב מהצד הזה בפלואו, אוקיי, ימינה, לעומק, לנסות להבין, עצמך איזשהו סיפור והכי טוב זה אם יש אפשרות גם באמת להציג את זה אם יש את הוויקלי זה את המקומות האלה שבו אפשר לעשות איזשהו נקודת עצירה ולהראות לאחרים את הפלט לקבל את הפידבק הזה ולהכניס אותו לתוך המערכת. פשוט לחשוב על זה כמוצר. כן אני חושב שהנקודה שאת אומרת באמת להרחיב שמאלה וימינה ביוזר ג'רני של מה קרה לפני מה קרה אחרי אני חושב שזה המפתח זה בסדר להתחיל עם הדאטה הקיים אבל מה שאת עשית זה בדיוק ההתרחבות הזאת לנסות לייצר בסקייל. את המסלולים שהם לאו דווקא רק פוגשים בתוך המוצר ואני חושב שזה אנלוק שהוא מאוד משמעותי. יש עוד איזה שהן תובנות שככה חשוב שאנשים ששומעים את הפרק הזה יצאו איתם מהצד שלך? אז אני חושבת שבעצם זה כלי שבהתחלה התחלתי אותו בתור מנהלת מוצר שרוצה להבין לאן לקחת את המוצר אבל הוא פתח לי את הראש ברמה האסטרטגית ברמת הביזנס ברמה של כאילו כמו שאמרנו שעכשיו כולם יכולים להיות כזה סוג של מיני סטארט-אפ בפני הצד. אז אני הרבה יותר יכולה לדבר את השפה עכשיו של המנג'מנט, כי אני יכולה להתחבר למטרות שלהם רמה אחת יותר גבוהה. אז זה התחיל מאיזשהו מחקר כזה איכותני, וזה נתן לי יכולת להסתכל הרבה יותר רחב על כל היכולות שלנו, על הבעיות שלנו, על הדרכים לפתור אותן. הפך את הכל להיות הרבה יותר כאילו שיחה אסטרטגית, שזה אני אוהבת. אז כאילו נראה לי גם לזה פרודקט מנג'רס יכולים להתח... אני חושב שמה שאני לוקח גם מהשיחה הזאת זה קודם כל של האקסיומה של בעולם האיכותני זה או עמוק ולוקח זמן או מהר ושטחי או מהבטן זה כבר לא נכון אפשר לעשות גם עמוק וגם מהר. התובנה השנייה היא שבאמת במקום לבנות טופ דאון מקצה לקצה ואז לנסות לדבג את זה אלא להתחיל דווקא עם הבילדינג בלוקס ולעלות למעלה אז גם מאפשר לייצר יותר טראסט וגם בעצם לדעת מה יצא בסוף ולמה בנינו את הדבר הזה. ואני חושב שהתובנה השלישית היא באמת העולם הזה של. אוקיי, בוא ניקח רגע את המצב הקיים ונתרחב ימינה ושמאלה. מה באמת קרה למשתמשים לפני שהם השתמשו במוצר? מה קרה להם בשיחות כשהם היו פרוספקט? אם הם לא חתמו, אז למה? אני חושב שזה מייצר איזשהו מנוע שבו אנחנו מבינים יותר טוב את המוצר, וזה משפר את רמת הניתוח, ואז זה שוב משפר את רמת המוצר, וכן הלאה וכן הלאה, ובעיניי זה המעגל הכי מעניין שיכול להיות פה. אז חן, המון המון תודה שהיית פה, זה היה סופר מעניין. תודה לך, ותודה שהזמנתם אותי. ואני אגיד לכם, קודם כל תודה רבה שהאזנתם, שיוצא פרק חדש בתוכנית שלנו אתם מוזמנים לעקוב אחרינו בכל אחת מהאפליקציות. אז שוב המון המון תודה לכם ותודה לכם שהזנתם.