Show Notes
עסקאות מול ארגוני ענק וגופים ציבוריים מגיעות כמעט תמיד בתוך עטיפה רשמית - מכרז. בעוד שלסטארטאפים בתחילת דרכם מכרזים עלולים להיראות כמו תהליך מאיים, עבור חברות B2B מדובר באחד ממנועי ההכנסה היציבים והרווחיים ביותר, ולכן יש להפנות אליו פוקוס. בפרק השבוע שקד הרשקוביץ, Director of Solution Engineering במאנדיי, מדבר עם דריה ורטהיים על הדרך שבה החברה בנתה את שריר המכרזים שלה החל מ-2019 ועד היום, ועל כללי ״עשה ואל תעשה״ ובסט פרקטיסז שהוא למד בכל הנוגע למכרזים. שקד מדבר על הדילמות המרכזיות בניהול מכרזים כמו האם לגשת לכמה שיותר מכרזים בשיטת בתקווה לתפוס משהו, או להתמקד רק בהזדמנויות בעלות סיכויי סגירה גבוהים, ועל הטעויות שנעשו, מהניסיון לקדש כמות על פני איכות שדרש משאבים משפטיים וטכניים מרובים והוביל לאחוזי זכייה נמוכים, דרך ההתמודדות עם דרישות רגולציה ואבטחת מידע נוקשות, ועד ההבנה שחוסר ביכולת מוצרית מסוימת עלול לעלות בעסקה של מאות אלפי דולרים גם כשהלקוח רוצה לעבוד איתך. אנחנו מדברים גם על כלים פרקטים לניהול מכרז החל מזיהוי ההזדמנות עוד בשלב ה-RFI והשפעה על חוברת המכרז מראש, דרך חשיבות ההתאמה האישית ללקוח והגעה לשלב הדמו כמה שיותר מהר. בנוסף, שקד מסביר כיצד הטמעת כלי AI ואייג׳נטים בתהליך העבודה מאפשרת לסרוק חוברות מכרזים בשניות, להעריך סיכויי הצלחה ולחסוך מאות שעות עבודה, ומציג את הפורמולה שהעלתה את אחוזי הזכייה של מאנדיי ל-35%. See omnystudio.com/listener for privacy information.
More from Startup for Startup
בחודשים האחרונים נוצר ערוץ מרקטינג חדש שעדיין אין לו פלייבוק מוגדר: פרסום בצ'אט GPT. יואב רובין ותמר אזולאי, Growth Marketing Managers במאנדיי, התחילו לנהל קמפיינים בפלטפורמה ממש מהיום הראשון שבו נפתחה האפשרות בחודש פברואר. בפרק הם מספרים על המעבר מהפלטפורמות המוכרות של חיפוש בגוגל או ״דחיפת״ תוכן במטא, לערוץ שבו משתמשים באים כדי לעבוד, להתייעץ ולקבל החלטות מול מנוע בינה מלאכותית. במהלך העבודה יואב ותמר הבינו שהפרסום בצ'אט מתנהג אחרת לחלוטין מגוגל, ונמצא על התפר שבין עולמות ה-Push ל-Pull. בפרק הם משתפים באתגרים כמו חוסר ויזביליות וקושי במדידה הקלאסית, מסבירים למה העתקת מודעות מגוגל פשוט לא עובדת, משתפים בפרקטיקות עבודה שמותאמות להתנהגות המשתמשים בפלטפורמה החדשה, ומסבירים על היתרון והאימפקט שבכניסה מוקדמת לפלטפורמה שבה התחרות עדיין נמוכה. See omnystudio.com/listener for privacy information.
בפרק השבוע רז דיסקין (GTM Engineer) ומשה קריספין (Senior Software Engineer) מצוות ה-RevAI במאנדיי מדברים עם יעל עבאדי על AgentOS - הפלטפורמה הפנימית שבנו ליצירת אייג׳נטים עבור מערך המכירות של החברה. רז ומשה משתפים בצורך שקם לבנות אייג׳נטים במהירות מבלי להתפשר על האמינות שלהם מצד אחד ועל הגמישות והיכולות שלהם מהצד השני. השניים מתארים כי אם בעבר אופן בניית האייג׳נטים והפעלתם הזכירו מסילת רכבת דטרמיניסטית, AgentOS מזכירה יותר כלוב שבו האייגנ׳טים חופשיים לחשוב ולהחליט בעצמם, אבל כשהם חורגים מחוקי הביזנס מערכת הפוליסיז חוסמת אותם ומלמדת אותם כך שלא יחזרו על כך שוב. בנוסף, הצוות בנה את AgentOS כך שאנשי הביזנס הם אלו מעדכנים את האייג׳נטים בעצמם מבלי להמתין למפתחים - מה שהפחית את התלות בצד הטכני ועזר לייעל משמעותית את תהליכי הבנייה. התוצאה של המהלך הייתה קיצור של בניית אייג׳נטים אמינים שבאים במגע ישיר עם לקוחות מחודש ליום אחד, צמיחה משמעותית בפגישות שנסגרות מול לידים, ו-8.5 מיליון דולר Pipeline בחודש אחד, כשכל ליד מקבל יחס אישי בהתאם לצרכים המדויקים שלו. See omnystudio.com/listener for privacy information.
בעולם ה-SaaS בעבר, לקוחות ידעו בדיוק כמה הם משלמים: תקציב שנתי מסודר, בלי הפתעות. עם התבססות מוצרי ה-AI, הכל השתנה. עלויות הטוקנים אינן קבועות, הצריכה משתנה מיוזר ליוזר, ואף אחד לא יכול לומר ללקוח אנטרפרייז בדיוק כמה יעלה לו האייג'נט בסוף החודש, בדיוק כמו שאי אפשר להבטיח לו מראש כמה דלק תצרוך המכונית שהוא קונה. בפרק השבוע, רוני הרניב מדברת עם רועי מן, Co-Founder ו-Co-CEO של מאנדיי, על האתגרים בעולם התמחור כיום, ועל שאלות שעוד אין עליהן תשובות סגורות במאנדיי או למעשה בתעשייה כולה. רועי משתף במודלי התמחור השונים שנבחנים בחברה: מ-Pool ארגוני, דרך באקט לכל יוזר ועד שילוב של מאגר אישי וארגוני יחד. בנוסף, הוא מדבר על אתגרים והזדמנויות במודלים השונים, ואיך יוצרים Alignment בין הלקוחות שיקבלו הנחות משמעותיות ויפיקו את הערך המקסימלי מהמוצר, לבין החברה שתשמור על מרג'ין גבוה על קרדיטים שנרכשו ולא נוצלו. פרק מומלץ לכל מי שבונה מוצר מעל AI ומנסה להבין לא רק מה לתמחר, אלא איך לחשוב על זה. הפרק המלא בוידאו גם ביוטיוב: https://youtu.be/Ul0zk43QtRw האזינו גם לפרק על השינוי במודל העסקי בעידן ה-AI See omnystudio.com/listener for privacy information.
כשבונים מוצר AI, האינטואיציה הראשונית היא לייצר ערך למשתמש מהר ככל האפשר. זה יכול להיות דרך יצירת אפליקציה, הקמת אתר או ג׳ינרוט של תמונה תוך רגע. אולם ב-Base44 גילו שבשיטה כזו הריטנשיין נפגע משמעותית מפני שמשתמשים נוטשים מיד עם סיום הפרוייקט הראשוני שלהם. נראה שהמפתח למעבר ממוצר של "קסם חד-פעמי" לפלטפורמה עם סטינקינס שמלווה את הלקוח לאורך זמן, טמון דווקא בהאטה מכוונת של הפלואו כדי לבנות אמון. השבוע אנחנו משדרים פרק מפודקאסט המוצר שלנו ״פרודקטיבי״, שבו רן ארז מארח את ניצן פודה, VP Product ב-Base44, לשיחה על על איך ומתי נכון לייצר פריקשן יזום בתהליך העבודה מבלי לגרום למשתמש לנטוש. בפרק ניצן משתפת בניסויים שביצעו בחברה סביב מציאת נקודת האיזון המדויקת להצגת פייוואל ושדרוג חבילות, מתוך שאיפה לאפשר למשתמש לראות את קיר חסימת הקרדיטים - רגע לפני שהוא מתנגש בו. בנוסף, היא מספרת על יצירת נקודות חיכוך ככלי לבניית אמון והעלאת תחושת המסוגלות של המשתמש, ועל הובלת המשתמשים משלב היצירה הבסיסי ועד לשלב מתקדם יותר של מוניטיזציה וצמיחה עסקית. הצטרפו לקבוצת העדכונים השקטה של Startup for Startup כדי לדעת על כל התכנים, המיטאפים והוובינרים שלנו https://chat.whatsapp.com/DHfMDuQsbxoG5lGMwNqeOf See omnystudio.com/listener for privacy information.
בשנתיים האחרונות, טוקנים הפכו להיות אחת מההוצאות המשמעותיות בארגונים טכנולוגיים, אלא שכרגע עוד לא ממש ברור איך לנהל אותן. כיום חברות מעודדות עובדים לשלב AI בכל תהליך, אבל מתקשות לקבל את התמורה הטובה ביותר עבור ההשקעה שלהן. אז איך מאפטמים את ההוצאה על AI ברמה הארגונית? איך אפשר לעזור לעובדים שלנו להשתמש בטוקנים בצורה חכמה? ואיך משיגים את התוצאות הרצויות בפחות טוקנים? בפרק השבוע דריה ורטהיים מדברת עם ירון סברדלוב (CDIO) וקרן קושמן (Head of Applied AI) על כלכלת הטוקנים במאנדיי דרך שלוש שכבות של אופטימיזציה - החל ממשא ומתן מול ספקיות ה-LLM, דרך שימוש חכם בטוקנים, ועד לוגיקה שצרובה ממש בהארנס עצמו. הם משתפים במאמצים כמו פיתוח סקילים כגון "Caveman", שמנקה אוטומטית טקסט מיותר מהפרומפט וחוסך כ-60% מעלות האינפוט, ודיוק וצמצום הקונטקסט לרמה אופטימלית כדי לשפר את איכות התשובה. הם מסבירים גם על מנגנוני הראוטינג שבוחרים מאחורי הקלעים את המודל המשתלם ביותר לכל משימה, ואיך פיתחו את מדד ה-monday bench שמאפשר מעקב והשוואה שעוזרים לחתוך את העלויות בעשרות אחוזים עבור אותו תוצר. לצד הפתרונות הטכנולוגיים, הם מראים שחינוך המשתמשים הוא מפתח קריטי להצלחה, ומדגימים כיצד חשיפת נתוני ההוצאות האישיות לכל עובד רתמו את האנשים לקחת אחריות והובילו לירידה דרסטית בצריכה הכוללת בארגון. See omnystudio.com/listener for privacy information.