לשבת ולנתח.” מציין לאופר, “בנינו מוצר שלקוחות שמשתמשים בו כבר רואים עלייה ממוצעת של 20-30 לופס פיתחה פלטפורמה ראשונה מסוגה שעוזרת לחברות לשפר מוצרים ע”י זיהוי והצגה של תובנות מבוססות KPIs מהדאטה שלהן
Loops, בוגרת המחזור הרביעי של אינטל איגנייט, תוכנית ההאצה לסטארט אפים של אינטל, שפיתחה פלטפורמה שעוזרת לחברות לזהות הזדמנויות לשיפור המוצר שלהן, הודיעה היום על השקתה הציבורית עם השקעת הון ראשוני של 14 מיליון דולר בהובלת Scale Venture Partners ובהשתתפות קרדומן קאפיטל ו- Scopus Ventures. בנוסף, לסבב ההשקעה הנוכחי הצטרפו גם בכירים מחברות כמו האבספוט, מטא, גוגל, דיסקורד, ליפט ועוד.
פחות זמן על ניתוח מידע ויותר פעולות קונקרטיות מבוססות דאטה
לופס, שבמקביל מדווחת על גדילה של פי 8 בהכנסות בחודשים האחרונים, פיתחה פלטפורמה המאפשרת למנהלי מוצר וצוותי דאטה לשפר את מדדי הביצוע המרכזיים (KPIs) שלהם, על ידי זיהוי אוטומטי של הזדמנויות מתוך הדאטה שלהם. להבדיל מפתרונות אנליזה וויזואליזציה קיימים בשוק, לופס מציגים למשתמש פיד של תובנות (הזדמנויות) על בסיסן הם יכולים לקבל החלטות בנוגע למוצר ומשתמשיו. בין הלקוחות שכבר משתמשים ורואים השפעה על המדדים ניתן למנות את Replit, Monday.com, טאבולה ולייטריקס.
“חברות מתמקדות כיום ברווחיות ויעילות, אז מדדים כמו שיעור ההמרה, שימור לקוחות והזדמנויות למכירות נוספות (upselling) הם בעדיפות העליונה עבורן,” אומר אריאל צייטלין, שותף ב-Scale Venture Partners. “לופס מאפשרת להגיע לתשובות המאפשרות צמיחה מהירה אך מושכלת באופן ייחודי. אנחנו רואים פוטנציאל אדיר למוצר בשוק.”
יש לך המון דאטה, עכשיו מה אתה עושה איתו?
במהלך העשור האחרון, תעשיית ההייטק מדגישה שוב ושוב את חשיבות תהליך קבלת החלטות מבוססות נתונים. פתרונות אנליטיים רבים משווקים לחברות, אך בניסיונם לתת מענה לבעיה אחת, הם יוצרים בעיה אחרת: הם מנגישים נתונים, אבל לא תובנות שניתן לפעול איתן. מה שקורה בפועל הוא שאנשי מוצר ודאטה מוצפים ב’דשבורדים’ ומקורות מידע וטובעים בים של נתונים. זמן רב הולך על פירוש המידע שהם רואים בחיפוש אחר תובנות על פיהן הם יכולים לקבל החלטות לשיפור המוצר והרווחיות שלו.
לופס מתחברת למקורות המידע של החברה ללא קוד ומריצה עשרות אנליזות ומודלים מבוססי למידת מכונה כדי לגלות ולהציף בדיוק את מה שצוותי מוצר וצמיחה חייבים לדעת, את מה שבאמת משפיע על המדדים החשובים שלהם. יתרה מכך, לופס מזהה ומתעדפת את ההזדמנויות המשמעותיות ביותר, וממליצה על פעולות ישירות לצוותים, ובכך מעלימה ספקות וניחושים בנוגע לצעדים הבאים שיש לנקוט. לופס גם מודדת את מידת ההשפעה של פעולות החברה ומשכללת את המלצותיה לאורך זמן, כדי שצוותים יוכלו בעקביות לבנות מוצרים טובים ורווחיים יותר.
“מרבית המודלים המבוססי AI בתעשייה מתבססים על קורלציה, לא על סיבתיות. עם כמה שחברות מנסות לקבל החלטות מבוססות נתונים, בפועל הן בעצם מסתמכות על תובנות העשויות להטעותן,” אומר תום לאופר, מנכ”ל לופס ואחד המייסדים, “המודלים שלנו בנויים על מתודולוגיית casual inference (הסקה סיבתית), המאפשרת לצוותי מוצר להבין מה מוביל לעלייה או ירידה מסוימת במדדי הביצוע המרכזיים של החברה. זו גישה שונה לגמרי שלא מבזבזת משאבים על אסטרטגיות ושיטות שלא עובדות.”
השקתה של לופס קורית בעת ששוק ניתוח המוצר העולמי צפוי להגיע לשווי של כ-30 מיליארד דולר עד 2027, אבל למרות כל הנתונים שחברות אוספות כיום, לכמעט 70% מהן אין גורם ייעודי לניתוח נתוני השימוש מוצר בתוך הארגון (דאטה אנליסט). עם כמות הולכת וגדלה של מידע שנאסף, חברות פשוט לא מצליחות למנף את המידע שברשותן כמו שצריך. מקינזי מצאה כי רק כ-1% מכל המידע הנוצר בכלל מנותח, בעוד Splunk ציינו כי כ-55% מכל המידע הנאסף על-ידי עסקים הינו “מידע שחור”, כלומר מידע שנאסף אך מעולם לא נעשה בו שימוש.
נבנה מכאב
לאחר שהוביל את צוות הצמיחה וניתוח הנתונים בגוגל EMEA ושימש כיועץ לחברות רבות, זיהה לאופר בעיה מהותית. “עם כמות המידע האדיר שנאסף, להושיב מישהו מול מאות ‘דשבורדים’ ולקוות שהוא ימצא את הזדמנויות הצמיחה הגדולות ביותר זה אתגר גדול מאוד,” מציין לאופר. “זו הבעיה שידעתי שאנחנו צריכים לתקן.”
כדי להפוך את המידע לשימושי באמת, לאופר עזב את גוגל וחבר לעידו אדיב, יזם סדרתי שכבר ייסד ומכר בהצלחה שתי חברות. אדיב מפתח מנוסה שהתמקד בבניית מוצרי ביג-דאטה ובינה מלאכותית, מה שהעניק לו הבנה עמוקה של הבעיות הקיימות כיום. יחד הם הקימו את לופס.
“ידענו שחייבת להיות דרך להציג לאנשים תובנות אמיתיות ולא להעמיס עליהם בעוד מידע שהם צריכים אחוזים בכל המדדים המובילים שלהן, מה שמוכיח את הנחיצות של לופס ואת הפוטנציאל שלנו בשוק”.
תמונת כותרת: צוות Loops.ai. צילום- דנה תמרי
