כשחברת Lightrun החליטה להרחיב את קו המוצרים ולפנות לשימושים וקהלים חדשים, עלה הצורך לקבל החלטות אסטרטגיות מבוססות דאטה מעבר לגרעין המשתמשים הקיים. חן אפרמן קור, Senior Product Manager בחברה, מתארת בפרק השבוע את התהליך של זיהוי הזדמנויות צמיחה בנקודת זמן שבה הארגון נדרש להשתנות ולהתרחב.

האתגר המרכזי שחן מציגה הוא הפער שבין ניתוח כמותי שמראה מה המשתמשים עושים, לבין הצורך בהבנה איכותנית של הסיבות להתנהגות. בדרך כלל, מנהלי מוצר נאלצים לבחור בין ראיונות עומק איטיים לבין קבלת החלטות מהירה המבוססת על אינטואיציה. חן משתפת כיצד בנתה מערכת לניתוח מידע איכותני ב-scale, שהחלה במיפוי ידני של מסע המשתמש והתפתחה לשימוש בסוכני AI שסורקים מקורות מידע מגוונים כמו שיחות גונג, ערוצי סלאק ופידבקים מהמוצר.

חן מפרטת את הצעדים לבניית תשתית לניתוח איכותני, החל מאיסוף הדאטה ועד לביצוע Fine-tuning למודלי ה-AI כדי שיבינו את ההקשר הארגוני הייחודי. היא גם מסבירה כיצד המערכת משמשת את צוותי המוצר וההנהלה ביומיום לצורך הכנה לשיחות לקוח, איתור דיזיין פרטנרז למוצרים חדשים ויצירת שפה משותפת בין המחלקות השונות בארגון.