להפסיק לנחש, להתחיל להבין: איך בינה מלאכותית עוזרת לכם לפצח את הלקוחות שלכם

אתם מרגישים שאתם מכירים את הלקוחות שלכם, אבל ברגע שצריך לנסח את זה במילים חדות משהו מתערפל. למי אתם פונים בפועל, מה גורם לאנשים לבחור דווקא בכם, למה הם שואלים את אותן שאלות שוב ושוב, ומה עוצר אותם רגע לפני החלטה. קל לדבר על גיל, אזור או תחומי עניין. הרבה יותר קשה להסביר מה הלקוח מרגיש, ממה הוא חושש, איזה סיכון הוא מנסה להימנע ממנו, ואיזה צורך עמוק הוא מנסה לפתור מעבר למוצר או לשירות עצמו.

כאן נוצר השורש של הרבה טעויות שיווקיות. לא שאין לכם מסרים, אלא שהמסרים נשענים על תחושת בטן חלקית. אתם כותבים, מפרסמים, משנים כותרת, מחליפים תמונה, מוסיפים פסקה בעמוד שירות, ועדיין מרגישים שאתם מגיבים במקום להבין. אתם משקיעים, אבל ההחלטות לא יושבות על קרקע יציבה.

בינה מלאכותית לא מחליפה את ההבנה האנושית הזאת, והיא גם לא “מכירה את הלקוחות” במקומכם. מה שהיא כן עושה מצוין הוא לעזור לכם לראות דפוסים שקשה לזהות כשאתם בתוך השגרה. היא מסדרת כמויות גדולות של מידע, מחברת בין נקודות שמופיעות במקומות שונים, ומחזירה תמונה בהירה יותר של השפה, ההתלבטויות והחסמים. בסוף אתם אלה שמפרשים, מחליטים ומתרגמים את זה לפעולות שיווקיות. אבל במקום לנחש מה עובר ללקוח בראש, אתם מתחילים לעבוד מול אינדיקציות שמבוססות על מה שהוא כבר אמר ועשה.

מה זה פרסונה ולמה היא נשברת כשעובדים רק מהבטן?

פרסונה שיווקית טובה היא לא דמות דמיונית של “הלקוח האידיאלי”. היא כלי שמרכז תשובות לשלוש שאלות מעשיות: מה האדם מנסה להשיג, מה עוצר אותו בדרך, ומה יגרום לו להרגיש מספיק בטוח כדי לבחור. כששלושת הדברים האלה ברורים, השיווק מפסיק להרגיש כמו ניסוי וטעייה. עמודים באתר, מודעות, תוכן ושיחות מכירה מתחילים לדבר באותה שפה, ומפסיקים למשוך לכיוונים שונים.

הבעיה היא שרוב הפרסונות נבנות הפוך. מתחילים מפרטים טכניים שקל לכתוב, ומסיימים עם תיאורים כלליים שאפשר להדביק על כמעט כל עסק. ואז הפרסונה נראית טוב על הנייר, אבל היא לא עוזרת לבחור מסר נכון, סדר נכון של מידע, או דרך שמתאימה לרמת הביטחון של הקהל.

כאן בינה מלאכותית יכולה לעזור, לא כדי “ליצור פרסונה” במקוםכם, אלא כדי להצמיד את הפרסונה לשפה אמיתית ולהתנהגות אמיתית. היא דוחפת אתכם לעבוד עם מה שיש בשטח, במקום עם מה שנוח להניח.

שלושה מקורות מידע שמהם יוצאת פרסונה שאפשר לעבוד איתה

כדי להגיע להבנה שלא נשענת רק על תחושה ולא רק על נתון, צריך לחבר בין שלושה סוגי מידע. כל אחד מהם מאיר את הלקוח מזווית אחרת, והחיבור ביניהם הוא זה שיוצר תמונה אמינה.

המקור הראשון הוא השיח הציבורי. שאלות שחוזרות בפורומים, בקבוצות, בתגובות, וגם בחיפושים. המטרה כאן היא לא “ללמוד את השוק” באופן כללי, אלא לזהות את הבעיות שאנשים מנסחים במילים שלהם, ואת הפער בין איך שאתם מדברים לבין איך שהם מבקשים עזרה.

המקור השני הוא השפה שמגיעה אליכם ישירות. הודעות, מיילים, שאלות בטפסים, תמלולים של שיחות, תגובות, ביקורות. זה המקום שבו מסתתרת הפרסונה האמיתית. לא כי כתוב שם הכול במפורש, אלא כי שם רואים מה מעניין, מה מפחיד, מה מעצבן, ומה גורם לאנשים לבקש עוד הבהרה לפני שהם זזים.

המקור השלישי הוא ההתנהגות. נתוני אנליטיקס, חיפושים באתר, דפים שבהם עוצרים, נקודות שבהן נושרים, תבניות של זמן שהייה, קליקים, או חזרה לאותו עמוד כמה פעמים לפני פנייה. אלה לא “מספרים על מסך”. זו שפה של החלטות. אם יודעים לקרוא אותה בזהירות, היא מספרת מה עובד, מה מבלבל, ואיפה נוצר חוסר אמון.

בינה מלאכותית נכנסת לתמונה בנקודה הזאת בדיוק: היא יכולה לעזור לכם לעבור על כמויות טקסט ונתונים, לזהות דפוסים חוזרים, ולנסח אותם כך שאפשר לעבוד איתם. לא כפסיקה, אלא כהצעה מבוססת שמקצרת משמעותית את הדרך לדיוק.

איפה נכנסים דאשבורדים ושיחה טבעית עם נתונים

הרבה בעלי עסקים מכירים שני קצוות. או שהם “מרגישים” את הלקוחות ומחליטים לפי אינטואיציה, או שהם מסתכלים על דוחות ומרגישים שהם לא באמת יודעים מה לעשות עם זה. מה שמשתנה בשנים האחרונות הוא הדרך שבה אפשר לתווך נתונים לא רק באמצעות גרפים, אלא באמצעות שיחה.

יותר ויותר מערכות דאטה מוסיפות שכבות שמסכמות, מסבירות ושולפות תובנות מתוך שאלות בשפה רגילה. לא במקום הנתונים, אלא כדי להפוך אותם לנגישים ולסגור את הפער בין “יש לנו מספרים” לבין “אנחנו מבינים מה הם אומרים”. במקום להסתכל על עשרה מדדים ולנחש מה חשוב, אתם שואלים שאלות כמו איפה אנשים נושרים הכי הרבה, מה הדפים שמביאים את הפניות הטובות ביותר, ומה השתנה אחרי ששיניתם את הפתיח בעמוד השירות.

אבל צריך לשים גבול ברור. העוזר יכול להצביע על דפוסים, הוא לא יכול לקחת אחריות על החלטות. והוא יכול להטעות אם הנתונים לא נקיים או אם השאלה כללית מדי. לכן דאשבורד “חכם” לא מחליף חשיבה, הוא מקצר את הדרך לחשיבה מדויקת.

דוגמה קצרה שממחישה איך זה עובד בפועל

נניח שיש לכם עסק בתחום מתנות או מוצרים עם ערך רגשי. מגיעות פניות, יש עניין, אבל בשלב מסוים השיחה מתכנסת למחיר. התגובה האינסטינקטיבית היא לחשוב שהבעיה היא המחיר או ההצעה, ולהתחיל להוסיף מבצעים או “לחזק ערך”.

במקום זה, אפשר להתחיל מהחומרים שכבר קיימים: שאלות לפני רכישה, הודעות, תגובות, ביקורות. מנתחים אותם כדי לראות מה באמת חוזר. לפעמים מתגלה שהמחיר הוא לא הבעיה המרכזית, אלא סימפטום של חוסר בהירות בערך, או של חיבור רגשי שלא נסגר. במקום “יקר”, חוזרים משפטים סביב משמעות, התאמה, וסיפור. במילים אחרות, אנשים לא מחפשים אובייקט, הם מחפשים דרך לסמן רגע.

ברגע שמזהים את זה, השינוי הוא לא במוצר ולא בהנחה, אלא בנקודת הפתיחה. במקום לפתוח בחומר, מפרט או “מה מיוחד אצלנו”, פותחים במי זה מיועד, איזה רגע זה בא לציין, ומה הופך את הבחירה ליותר מדויקת. זה לא מהלך שמנסה לשכנע, זה מהלך שמסדר את ההחלטה. והוא גם עושה דבר בריא נוסף: הוא מצמצם קהל שלא באמת מחפש את זה, ומביא פניות מדויקות יותר שמראש נמצאות על אותו סוג ערך.

ארבעה שלבים לבניית פרסונה בעזרת AI

השלב הראשון הוא הקשבה לשפה הקיימת. לא למה שאתם רוצים להגיד, אלא למה שאנשים כבר אומרים כשהם מתלבטים. אוספים חומרים אמיתיים ומחפשים דפוסים: מילים שחוזרות, שאלות שחוזרות, מקומות שבהם אנשים מבקשים אישור, ומקומות שבהם הם נושרים בלי להסביר.

השלב השני הוא זיהוי מניעים וחסמים. מה האדם רוצה להשיג, ומה הוא מפחד לאבד. מניע יכול להיות תוצאה, אבל גם שקט, שליטה או ביטחון. חסם הוא כמעט תמיד פחד מטעות, התחייבות, בזבוז, או חוסר הבנה. כשמנסחים את זה נכון, הרבה מסרים משתנים בלי “לשדרג קופי”.

השלב השלישי הוא ניסוח הפרסונה כדרך חשיבה. לא “מי הלקוח”, אלא איך הוא מחליט. מה רמת הביטחון שלו, כמה הוא צריך סדר, מה סוג ההוכחה שמרגיעה אותו, ואיפה הוא מרגיש שמנסים לקדם אותו מהר מדי.

השלב הרביעי הוא בדיקה מתמשכת. פרסונה היא השערה חיה. בודקים אותה דרך שינויים קטנים: פתיח, סדר מידע, שאלה ראשונה בטופס, או מסר בעמוד שירות. אחר כך לא מסתכלים רק על קליקים, אלא בוחנים אם משהו השתנה בשאלות שמגיעות ובאיכות הפניות.

מה AI יודע לעשות מצוין ומה הוא לא יכול לעשות בשבילכם?

הוא יודע לזהות דפוסים בשפה ובהתנהגות בקנה מידה שקשה לעשות ידנית. הוא יודע לסכם ולהשוות, והוא יכול לעזור לכם לראות את העסק מבחוץ.

הוא לא יכול להבין הקשר אנושי כמו שאתם מבינים, והוא לא יכול לקחת אחריות על ההחלטות. אם נותנים לו חומר לא מייצג, הוא יחזיר מסקנות לא מייצגות. אם שואלים שאלה כללית, נקבל תשובה כללית. זה לא נפתר עם “מודל יותר חזק”, אלא עם חומרים טובים יותר ושאלות חכמות יותר.

טעויות נפוצות שמורידות את הערך של התהליך

הטעות הראשונה היא לעבוד עם פרסונות מוכנות ותבניות. זה נראה מסודר, אבל זה מזיז אתכם מהלקוחות שלכם אל שפה כללית.

הטעות השנייה היא להסתפק בנתונים שטחיים. גיל ומיקום אולי עוזרים למיקוד טכני, אבל הם לא מסבירים החלטה.

הטעות השלישית היא להסיק מסקנה מהר מדי. שינוי קצר או שבוע חריג לא בונים פרסונה.

והטעות הרביעית היא לצפות שהמערכת “תיתן תשובה”. הערך של AI הוא לא בתשובה אחת, אלא ביכולת לחדד את השאלות ולזהות מה חוזר שוב ושוב לאורך זמן.

איך יודעים שאתם בכיוון בלי להסתבך?

המדד הכי טוב הוא לא רק כמה פניות הגיעו, אלא איך הן נשמעות. האם אנשים מגיעים עם שאלות שמראות שהם הבינו למה הם פנו, או שהם עדיין מבקשים שתסבירו הכול מהתחלה. האם השיחה מתקדמת מהר יותר להבנה והתאמה, או שהיא נתקעת סביב חששות בסיסיים שאפשר היה לפתור במסר מוקדם יותר.

גם בדאטה אפשר לראות סימנים, אבל צריך להיזהר. יותר קליקים לא תמיד אומר יותר התאמה. זמן שהייה ארוך לא תמיד אומר עניין. הסימן החזק הוא שינוי משולב: המספרים זזים, וגם השפה זזה. פחות שאלות בסיסיות, יותר שאלות של התאמה.

לסיכום, התחילו מהשיחות שכבר יש לכם

אם אתם רוצים להתחיל בלי להסתבך, אל תתחילו מכלי. התחילו מחומר. אספו עשרים עד שלושים משפטים אמיתיים: שאלות, הודעות, תגובות, סיכומי שיחות. בקשו מהמערכת לזהות דפוסים, לא לכתוב עבורכם מסרים. אחר כך שאלו שאלה אחת שמכריחה דיוק: מה הדבר המרכזי שאנשים מנסים להשיג כאן, ומה הדבר המרכזי שעוצר אותם.

ברגע שרואים את זה כתוב בצורה מסודרת, הרבה החלטות נעשות פשוטות יותר. מה לשים בפסקה הראשונה, מה להבהיר מוקדם, מה לדחות לשלב מתקדם, ואיפה אתם מדברים בשפה שלכם במקום בשפה שלהם. זה הרגע שבו השיווק מפסיק להיות ניחוש מתמשך ומתחיל להיות שיחה ברורה, מחוברת, ומבוססת הבנה אמיתית של האנשים שמולכם.

איך בינה מלאכותית יכולה לעזור לי להבין לקוחות בלי לייצר פרסונה גנרית שלא קשורה לעסק שלי?

בינה מלאכותית עוזרת כשהיא עובדת על חומר אמיתי מהעסק ומחזירה לכם דפוסים, לא כשמבקשים ממנה “להמציא פרסונה”. הדרך הבטוחה היא להזין מקבץ טקסטים אמיתיים ולבקש שלושה פלטים: ביטויים שחוזרים בשפה, חששות שחוזרים לפני החלטה, ושאלות שהלקוחות מנסים לפתור כשהם פונים אליכם.

כדי להימנע מגנריות, תגבילו את המערכת מראש: לעבוד רק על בסיס החומרים שסיפקתם, להפריד בין מה שנמצא במפורש בטקסטים לבין פרשנות, ולסיים כל תובנה בהשלכה פרקטית אחת, למשל מה לשנות בפתיח של עמוד שירות, איזה מידע להוסיף לפני תמחור, או איזה משפט להוציא כי הוא לא מדבר בשפה של הלקוחות.

צעד אחד ליישום: קחו עשרים הודעות אמיתיות, ובקשו “שלושה דפוסים בשפה, שלושה חסמים, ושלוש שאלות שחוזרות לפני החלטה, עם דוגמה קצרה מהטקסט לכל נקודה”.

אין לי דאטה גדול, עם איזה חומרים כדאי להתחיל בעסק קטן?

דאטה גדול הוא יתרון, אבל לא תנאי. עסק קטן יכול להתחיל מחומר שכבר קיים אצלו, בעיקר טקסטים שנולדו מתוך אינטראקציה אמיתית: הודעות וואטסאפ ומיילים, שאלות שחוזרות בשיחות, תשובות בטפסי יצירת קשר, וביקורות אם יש. גם מקבץ לא גדול יכול להספיק כדי לראות דפוסים בשפה ובחששות, כל עוד הוא לא נאסף כולו מאותו סוג לקוח או מאותו שלב בתהליך.

מה שחשוב כאן הוא לא הכמות אלא המגוון. אם אתם מזינים רק הודעות של לקוחות שכבר החליטו לקנות, תקבלו תמונה חלקית של מה שגורם להחלטה להרגיש בטוחה, אבל תפספסו את מה שעוצר אנשים רגע לפני. לכן עדיף לכלול גם טקסטים של התלבטות ודחייה, שאלות סביב סיכון, שאלות שחוזרות לפני תמחור, וגם ניסוחים שמופיעים כשלקוח מבקש “רק להבין עוד משהו קטן”. אם אין לכם מגוון כזה, לא ממציאים אותו ולא מנפחים אותו. פשוט עובדים עם מה שיש, ומבינים שהתמונה שתצא תהיה התחלה, לא אבחון סופי.

וכאן נכנס נושא הפרטיות בצורה עניינית. לפני שמזינים חומרים לכלי AI, מסירים פרטים מזהים: שמות, מספרי טלפון, כתובות, פרטי הזמנה, וכל דבר שלא צריך כדי להבין את השפה והדפוסים. אם יש חומרים רגישים במיוחד, אפשר להסתפק בפרפראזה של משפטים חוזרים במקום להדביק את ההודעות המקוריות מילה במילה.

איך לנסח פרומפט שיחזיר תובנות מעשיות ולא טקסט יפה?

פרומפט טוב לא מנסה לגרום למערכת “להמציא לכם פרסונה”, אלא מכריח אותה לעבוד כמו מנתח חומרים: לקחת טקסטים אמיתיים, לזהות דפוסים שחוזרים, ולהחזיר תובנות שאפשר לתרגם למסרים, לסדר מידע, ולשאלות בשיחה. הדרך הכי טובה למנוע תשובות חלקות וגנריות היא להגדיר שלושה דברים מראש: מקור ברור, גבולות ברורים, ופלט שמחובר לפעולה. מקור הוא החומרים שאתם מדביקים. גבולות הם ההוראה לעבוד רק על בסיסם, בלי להשלים ידע כללי ובלי לנחש. פלט הוא תוצאה שמכריחה “ראיה” מתוך הטקסטים, ומחייבת את המסקנות להתיישב על מילים שחוזרות, לא על דמיון.

חשוב לזכור שפרומפט הוא התחלה, לא סוף. המטרה היא לנהל שיחה עם המערכת, לשאול שאלות המשך, לבקש הבהרות, ולחדד את התובנות עד שהן מספיק קונקרטיות כדי להזיז משהו במציאות. אם התוצאה הראשונה יוצאת כללית, זה בדרך כלל לא סימן שבינה מלאכותית “לא עובדת”, אלא סימן שהחומר עדיין לא מייצג מספיק, או שהמשימה לא הוגדרה מספיק צר.

להלן הפרומפט המלא משולב בתוך התשובה, וכלו מסומן באיטליק:

אתם מומחים לניתוח שפת לקוחות וזיהוי דפוסים שיווקיים. אתם משלבים בין שני מקורות מידע: מה שבעל העסק יודע מהניסיון ומהשטח, ומה שעולה מחומרים אמיתיים של לקוחות ונתונים. התפקיד שלכם הוא להפוך את הידע הזה לתמונה שיווקית שאפשר לעבוד איתה, בלי לנחש ובלי להמציא. בכל מקום שבו אתם מציגים מסקנה, אתם מסמנים לעצמכם אם היא מבוססת ישירות על חומר שסופק, או שהיא השערה שדורשת בדיקה נוספת. אתם לא “ממציאים פרסונה”, אלא בונים הבנה שמבוססת על דפוסים, חסמים, ושפה אמיתית, ואז מתרגמים אותה להחלטות תוכן, מסר, מבנה עמודים ושיחות מכירה.

כללי עבודה מחייבים. אתם עובדים רק עם המידע שהמשתמש נתן לכם בתוך השיחה. אם אין מספיק מידע כדי להסיק משהו, אתם אומרים מה חסר ולא משלימים פערים. אם יש סתירות בין מקורות, אתם מציגים אותן ולא מכריעים בכוח. אתם לא כותבים תוצאות בסגנון “גורואי” ולא נותנים הבטחות. אתם לא משתמשים בדוגמאות שמתחזות לסיפורי הצלחה. אם צריך דוגמה, היא דוגמה כללית שממחישה מבנה, בלי מספרים, בלי שמות ובלי טענות על תוצאות.

פתיחת השיחה, לא מדביקים חומרים ישר. אתם פותחים בסדרת שאלות קצרה שמאפשרת לבעל העסק להבין מה נאסף ולמה, ומאפשרת לכם לקבל הקשר לפני שנוגעים בחומר רגיש. אתם שואלים את השאלות בסדר הזה, ולא עוברים לשלב הבא לפני שיש תשובה מספקת.

ראשית, הקשר עסקי קצר. מה אתם מוכרים בפועל במשפט אחד, ולמי. מה התוצאה שהלקוח רוצה להשיג, ומה הצעד המרכזי שאתם רוצים שיקרה בסוף תהליך השיווק, פנייה, שיחת היכרות, רכישה, או משהו אחר.

שנית, מצב נוכחי. איפה זה נתקע היום. למשל הרבה פניות לא מתקדמות, מעט פניות, הרבה שאלות מחיר, הרבה “אני צריך לחשוב”, חוסר אמון, או בלבול סביב מה בדיוק מקבלים.

שלישית, סוג הלקוחות שאתם רוצים להבין עכשיו. לא “כולם”. לקוח חדש לגמרי, לקוח מתלבט, לקוח שכבר קנה ורוצים שיחזור, או לקוח שהגיע מהמלצה. אם יש יותר מסוג אחד, אתם מבקשים לבחור אחד להתחלה.

רביעית, מה כבר ברור לכם ומה זו רק תחושה. אתם מבקשים מהמשתמש לכתוב שתי תובנות שהוא בטוח בהן מהשטח ושתי השערות שהוא רק חושד שהן נכונות. אתם מבהירים מראש: התובנות ייכנסו כהקשר, ההשערות ייכנסו לבדיקה.

חמישית, פרטיות ורמת שיתוף. אתם מציעים שלוש רמות עבודה, כדי להפחית חשש ולהתחיל גם בלי להדביק חומרים גולמיים. רמה אחת היא תקציר בלבד, המשתמש כותב במילים שלו עשר שאלות שחוזרות ועשרה משפטים אופייניים של לקוחות בלי שום פרטים מזהים. רמה שתיים היא ציטוטים מטושטשים, משפטים אמיתיים אבל עם השמטת שמות, טלפונים, כתובות, פרטים רפואיים וכל פרט מזהה אחר. רמה שלוש היא הדבקה רחבה יותר של חומרים, ועדיין בלי פרטים מזהים. אתם מבקשים מהמשתמש לבחור רמה, ומבהירים שאתם יכולים להתחיל גם ברמה הראשונה.

רק אחרי הסבב הזה אתם מבקשים חומרים, בצורה שהמשתמש מבין מה נדרש. אתם לא אומרים “תדביקו חומרים” באופן כללי, אלא מבקשים מקבץ ראשון קטן ומוגדר, כדי שהשיחה תהיה בטוחה ומדויקת.

בקשה למקבץ ראשון, מינימום ישים. אתם מבקשים אחד מהבאים, לפי מה שיש למשתמש. עשר עד עשרים משפטים אמיתיים של לקוחות שנאמרו לפני החלטה, או עשר שאלות שחוזרות בשיחות, או עשר תשובות שכתבו בטופס יצירת קשר, או עשר הודעות ווטסאפ מטושטשות. אתם מבקשים לערבב בין שלושה מצבים אם אפשר, לפני החלטה, בזמן התלבטות, ואחרי קנייה, אבל אם אין מגוון אתם מבקשים להגיד את זה במפורש ולא להמציא מגוון.

הניתוח עצמו מתבצע בשני סבבים, כדי לא להעמיס ולא לקפוץ למסקנות.

בסבב הראשון אתם מחזירים תוצר קצר ומבוקר, שמטרתו לתת תמונת כיוון ולגלות מה חסר. אתם מחזירים תמונת מצב של השפה, מה חוזר שוב ושוב במילים ובביטויים, מה סוג השאלות שמנהלות את ההתלבטות, ואיפה יש נקודת בלבול או פחד שחוזרת. אתם מוסיפים הבחנה ברורה בין מה שמופיע במפורש בטקסטים לבין פרשנות אפשרית. אתם מסיימים עם שלוש שאלות השלמה שאתם צריכים כדי לדייק, לא שאלות כלליות אלא שאלות שמכוונות לפער שנמצא.

בסבב השני, אחרי שהמשתמש עונה ומשלים, אתם בונים את התוצר השיווקי שאפשר לעבוד איתו. אתם מציגים תמונה מגובשת שעונה על שלוש שאלות קבועות: מה הלקוח מנסה להשיג, מה עוצר אותו בדרך, ומה יגרום לו להרגיש מספיק בטוח כדי לבחור. לאחר מכן אתם מתרגמים את זה לשניים עד שלושה שינויים קונקרטיים. שינוי אחד במסר, שינוי אחד במבנה עמוד או פתיח, ושינוי אחד בשיחת מכירה או בתהליך המשך. כל שינוי חייב להיות מנומק מתוך הדפוסים שנמצאו, ולא מתוך “מה שנשמע נכון”.

מה נחשב דפוס, כדי שלא תהיה עמימות. דפוס הוא חזרה שמופיעה בכמה ניסוחים שונים, לא משפט יחיד. דפוס יכול להיות מילה שחוזרת, סוג שאלה שחוזר, פחד שחוזר, או סוג הוכחה שהלקוח מחפש. למשל בקשה לחיזוק אמון דרך אחריות, בקשה לשליטה דרך תהליך ברור, או בקשה לבהירות דרך דוגמה ליום הראשון. אתם לא קוראים לזה “דפוס” כדי להרשים, אלא משתמשים בזה כדי להחליט מה חייב להופיע מוקדם, מה אפשר לדחות, ומה צריך להימנע ממנו.

הנחיות כתיבה ופלט. אתם כותבים בעברית טבעית ובטקסט שוטף, בלי טבלאות ובלי רשימות ארוכות. אם אתם נותנים דוגמת ניסוח, אתם נותנים אחת או שתיים בלבד, קצרות, ומסבירים למה הן עובדות ביחס לדפוס שנמצא. אתם לא כותבים “צעד ליישום” קבוע בסוף כל תשובה. במקום זה אתם נותנים הצעה אחת בלבד לבדיקה, ורק אם היא באמת נגזרת מהחומר שיש.

סגירת השיחה והמשך עבודה. בסיום כל סבב אתם אומרים למשתמש מה הדבר הבא שהכי יעזור לכם לדייק, ומציעים אחת משתי אפשרויות: להוסיף עוד מקבץ חומרים מאותו שלב במסע, או להוסיף מקבץ משלב אחר כדי לבדוק אם הדפוס עקבי. אתם לא מבקשים ממנו “עוד מידע” באופן כללי, אלא מציעים בדיוק מה להביא ובאיזה פורמט, בהתאם לרמת הפרטיות שבחר.

אם אתם רוצים להקשיח את הפרומפט עוד מעט כדי להקטין גנריות, אפשר להוסיף בסוף שורת דרישה קצרה שמכריחה הוכחות מתוך הטקסטים: בכל תובנה שתציגו, צטטו שניים עד שלושה ניסוחים קצרים מתוך החומרים שמחזקים אותה, והפרידו בין מה שנאמר במפורש לבין הפרשנות שלכם. זה משאיר את התשובות מחוברות לשטח, ומונע “חכמה על הנייר”.

איך מחברים בין מה שלקוחות אומרים לבין מה שהם עושים באתר או בקמפיינים?

הטקסטים מספרים למה אנשים מתלבטים, והנתונים מראים איפה זה מתרחש. אם בטקסטים חוזרת אי ודאות לגבי מה נדרש מהלקוח, ובנתונים רואים זמן שהייה בעמוד שירות אבל מעט פניות, זה סימן שחסרה תמונה שמספיקה כדי לקבל החלטה. אם בטקסטים חוזר פחד מהתחייבות, ובנתונים רואים נטישה בעמוד תמחור או לפני טופס, זה סימן שתחושת הסיכון גבוהה מדי בנקודה הזו.

המטרה היא לא “לנתח הכול”, אלא לבחור נקודת חפיפה אחת ולתקן אותה. לפעמים זה שינוי סדר מידע, לפעמים זה הוספת פסקה שמסבירה את הצעד הראשון, ולפעמים זה ניסוח מחדש של הבטחה שנשמעת גדולה מדי מוקדם מדי.

צעד אחד ליישום: בחרו עמוד אחד שבו יש הרבה צפיות ומעט פניות, ושאלו את המערכת “בהתבסס על טקסטי הלקוחות, מה חסר כאן כדי שהקורא ירגיש בטוח לבצע צעד”.

איך יודעים שהתובנה שקיבלתי מה AI שימושית ולא רק נשמעת חכמה?

תובנה שימושית היא תובנה שמאפשרת פעולה אחת ברורה שאפשר לבדוק בלי להמר על הכול. “הלקוחות צריכים יותר ביטחון” זה ניסוח שנשמע נכון אבל לא נותן לך ידית. לעומת זאת, “חוזרת שוב ושוב שאלה על מה נדרש מהלקוח בשבוע הראשון, ואתם מסבירים את זה רק אחרי שיחה” זו תובנה שאפשר לתרגם מיד לשינוי קטן: פסקה שמקדימה את המידע, משפט שמוריד אי ודאות, או סדר אחר של הסבר.

הבדיקה לא חייבת להיות מספרית ולא חייבת להיראות אותו דבר בכל עסק. יש עסקים שהאינדיקציה הכי טובה אצלם היא שהשאלות משתנות, יש עסקים שהאינדיקציה היא שפחות אנשים נעלמים אחרי הצעת מחיר, ויש עסקים שהאינדיקציה היא שיותר פניות מגיעות “מבושלות” כי אנשים כבר הבינו למה הם פונים. לכן במקום להבטיח “שבועיים ושתי אינדיקציות”, נכון יותר להגדיר מבחן פשוט שמתאים לכם: האם משהו נהיה ברור יותר מוקדם, האם פחות צריך לחזור על אותו הסבר, והאם נקודת התקיעות זזה קדימה או נעלמה.

אם אין שינוי, זה לא אומר שהתובנה שקרית. זה בדרך כלל אומר אחד משלושה דברים: שהחומר שהוזן לא מייצג מספיק, שהתובנה נכונה אבל לא המרכזית, או שהשינוי שנעשה לא פגע בנקודת החיכוך האמיתית. וזו בדיוק הסיבה שהעבודה עם AI צריכה להישאר שיחה: לא כדי לקבל “מסקנה”, אלא כדי להתקרב בכל סבב עוד קצת למה שבאמת קורה אצל הלקוחות שלכם.

מה הטעות הכי נפוצה כשבונים פרסונה עם AI, ואיך נמנעים ממנה?

הטעות הכי נפוצה היא לבקש מהמערכת “תשובה” במקום להפעיל אותה כמכשיר זיהוי דפוסים על חומרים אמיתיים. כשמבקשים “תבנה פרסונה”, מקבלים טקסט חלק וכללי שקל להאמין לו, אבל הוא לא מחויב למה שבאמת קורה אצלכם. הטעות השנייה היא לקבל מסקנות בלי ראיות, בלי לראות על מה הן נשענות.

כדי להימנע מזה עובדים עם שני כללים. הראשון הוא מקור: עובדים רק עם חומרים שאתם מספקים. השני הוא ראיות: כל מסקנה חייבת להגיע עם דוגמה לשפה שחוזרת מתוך החומר, או עם חיבור ברור לנקודת התנהגות שאתם מזהים באתר או בשיחות. ובנוסף, אל תדלגו על פרטיות: מסירים פרטים מזהים לפני שמזינים חומרים, ומשתמשים רק במה שמותר לכם להשתמש בו.

צעד אחד ליישום: בקשו מהמערכת שבכל נקודה היא תכתוב “על מה זה נשען” ותציג שני ניסוחים שחוזרים מתוך החומרים. אם היא לא יכולה, זו אינדיקציה שהתובנה חלשה.

שתפו
שתפו
שתפו
שתפו
שלחו

כותב הפוסט:

מאמרים נוספים שאולי יעניינו אותך:

שתפו
אוהבים עוגיות? גם אני!
האתר עושה שימוש בקובצי Cookies לצורך תפעולו התקין, שיפור חוויית המשתמש, ניתוח שימושים והתאמת פרסום. המשך גלישה באתר מהווה הסכמה לשימוש זה. לפרטים נוספים ראה מדיניות הפרטיות.