תהליכי AI

איך בונים מערכת AI לניתוח מתחרים שמעדכנת תובנות שיווקיות אוטומטית

איור איזומטרי כהה של מרכז כחול ועליו לוח מסמך קטן, מוקף בחמישה מגדלי תצפית, ארבעה בהירים ואחד ענבר, שכל אחד מוכתר בחיישן טבעתי ומחובר למרכז בקווי תכלת זוהרים, אחד מהם ענבר

מערכת AI לניתוח מתחרים היא צינור עבודה מתוזמן, ולא צ'אט שמנחש מה קורה בשוק. הצינור אוסף שינויים פומביים אצל מתחרים שבחרתם, מזהה מה באמת השתנה, מחלץ את השינוי למבנה קבוע, נותן למודל לנתח אותו עם ציטוט מהמקור, מדרג כמה הוא חשוב לכם ושולח תקציר קצר למי שפועל על פיו, כשאדם בודק לפני שמשהו מתפרסם. במאמר תמצאו איך בונים כל שלב, אילו מקורות לבחור ואיך נמנעים מהתראות שווא.

מה בעצם בונים כשבונים מערכת AI לניתוח מתחרים?

בונים צינור עבודה בן שמונה שלבים, שבו המודל פועל בשניים או שלושה שלבים ולא בכולם. את רוב העבודה עושה קוד רגיל: איסוף, השוואה, אימות ושליחה. המודל נכנס רק איפה שצריך להבין טקסט, כלומר לחלץ שדות מקטע שהשתנה ולהסביר מדוע השינוי חשוב לכם.

מקורות איסוף זיהוי שינוי (diff) חילוץ למבנה ניתוח עם ציטוטים דירוג חשיבות תקציר בדיקה אנושית

הסדר הזה חשוב. השלבים הזולים והצפויים באים ראשונים ומסננים, והשלבים היקרים והפחות צפויים מקבלים רק את מה שעבר סינון. הגישה ההפוכה, "שהמודל יעבור על האתרים של המתחרים כל שבוע", נכשלת מהר: בלי תיעוד של מה שנראה בפעם הקודמת אין לו עם מה להשוות, וקל לו להמציא שינוי או להחמיץ שינוי אמיתי.

מבחינת הגדרות, רוב הצינור הוא אוטומציה עם כללים קבועים ולא "סוכן" שמחליט לבד מה לעשות. סוכן במובן המלא נדרש רק אם תרצו שהמערכת תחקור בעצמה שינוי חשוד, למשל תפתח עמודים נוספים ותחפש אישור. על ההבדל בין סוכן AI לאוטומציה רגילה ועל דרך ההחלטה בין השניים כתבנו בנפרד.

אילו מקורות מותר ושווה לעקוב אחריהם?

כדאי להתחיל ממקורות שהמתחרה בחר לפרסם לציבור, ולאסוף אותם בדרך שהמקור עצמו מאפשר. כל סוג מקור חושף דבר אחר ונושא סיכון אחר, ולכן הטבלה מציגה את שלושת הדברים יחד: מה מחלצים, באיזו תדירות ומה הסיכון.

סוגי מקורות לניטור מתחרים: מה מחלצים, באיזו תדירות ומה הסיכון
סוג מקורמה מחלציםבאיזו תדירותהסיכון העיקרי
אתר ועמודי מחיריםתוכניות, שמות חבילות, מחיר או מגבלת שימוש כפי שמוצגים, כותרות וקריאות לפעולהמיומי עד שבועי, לפי תנודתיותתוכן שנטען בסקריפט, מחירים לפי מדינה או ניסוי A/B שנראים כשינוי, ותנאי שימוש שמגבילים גישה אוטומטית
יומן שינויים, הערות גרסה ותיעודיכולות חדשות, הסרות, אינטגרציות חדשות ושינויי APIלפי הפיד של המקור, או פעם בשבועמינוח טכני שונה משפת השיווק, ו"יכולת חדשה" שהיא בעצם שינוי שם
משרות פתוחותתפקיד, תחום, מיקום ושינוי במספר המשרות בתחום לעומת הצילום הקודםפעם בשבועאות עקיף בלבד לכיוון עסקי; אין לאסוף שמות של מגייסים או של עובדים
בלוג, הודעות לעיתונות וניוזלטרהכרזות, שותפויות, מסרים וקהלי יעדלפי פיד RSS, או פעם ביוםשיווק מנופח שנראה כעובדה, וכפילויות בין ערוצים
ספריות מודעות ציבוריותנוסחי מודעות, הצעות, זוויות מסר ומועד הופעה של מודעה חדשהפעם בשבוערואים שמודעה קיימת ולא אם היא מצליחה; תנאי השימוש של הספרייה חלים
אתרי ביקורות וחנויות אפליקציותנושאים חוזרים בשבחים ובתלונות, שינוי בדירוג והערות גרסהפעם בשבועטקסט של משתמשים עלול לכלול פרטים אישיים; דגימה מוטה ותנאי שימוש מגבילים
פוסטים ציבוריים ברשתותהכרזות, טון וקמפיינים של חשבון החברהפעם ביום, דרך ממשק רשמימגבלות הפלטפורמה על איסוף אוטומטי; לא עוקבים אחרי חשבונות פרטיים
דיווחים לרשויות ומאגרים רשמייםמידע פיננסי, גיוסי הון ושינויים משפטיים, כשהמתחרה חברה ציבורית או חייבת בדיווח לרשותעם הפרסוםאיטי ולעיתים מאוחר, אבל המקור הסמכותי ביותר

לגבי האיסוף עצמו, שישה כללים חוסכים את רוב הבעיות:

  • כבדו את robots.txt ואת תנאי השימוש של כל אתר. אלה שני מסמכים נפרדים, וצריך לבדוק את שניהם.
  • העדיפו ערוץ רשמי. פיד RSS, מפת אתר, ממשק API או ספרייה ציבורית שנועדו לשימוש חוזר באים לפני סריקה של עמודים.
  • אל תיכנסו מאחורי התחברות או חומת תשלום, אל תשתמשו בחשבון בזהות בדויה ואל תעקפו חסימות או מנגנוני אימות אנושי.
  • אל תאספו מידע אישי. שמות של עובדים, מגייסים וכותבי ביקורות אינם חלק מהמטרה. מחלצים נושאים וציטוט קצר עם קישור.
  • הגבילו קצב בנימוס. בקשה אחת בכל פעם, רווחים ארוכים בין בדיקות ועצירה אוטומטית כשהאתר מחזיר שגיאת עומס או מבקש להאט.
  • נהלו רישום מקורות. לכל מקור: כתובת, שיטת איסוף, קישור לתנאים, תאריך הבדיקה האחרונה שלהם ובעלים בצוות.

שמרו עותקים לשימוש פנימי וצטטו בקצרה עם קישור, ואל תפרסמו מחדש תוכן של אחרים. ושימו לב: העובדה שמידע פומבי אינה אומרת שכל דרך לאסוף אותו מותרת. הכללים תלויים בתנאי האתר, בסוג המידע ובמדינה, ולכן אשרו את רשימת המקורות ושיטות האיסוף מול יועץ משפטי שמכיר את המקרה שלכם.

איך מזהים שינוי אמיתי ומחלצים אותו למבנה קבוע?

קודם משווים צילומים בקוד, ורק את הקטע ששונה שולחים למודל, שממלא טופס קבוע במקום לכתוב חיבור. הסיבה פשוטה: רוב העמודים לא משתנים ברוב הימים, ושליחה של הכול למודל יוצרת עלות והרבה רעש. קוד רגיל יכול להכריע בשלב מוקדם אם בכלל קרה משהו.

  1. שומרים צילום (snapshot). טקסט נקי של העמוד, כתובת, חותמת זמן וגיבוב (hash) של התוכן.
  2. מנרמלים. מסירים תפריטים, כותרת תחתונה, באנר עוגיות, תאריכים, מוני צפיות, פרמטרי מעקב ורכיבים שמתחלפים מעצמם, כמו קרוסלת עדויות, כדי שההשוואה תראה רק את מה שנועד להשתנות.
  3. משווים לפי בלוקים. לא שורות גולמיות אלא יחידות בעלות משמעות: שורה בטבלת תוכניות, כותרת ראשית או פריט ביומן שינויים.
  4. מאשרים שהשינוי נשאר. שינוי נחשב אמיתי רק אם הוא מופיע גם בצילום הבא. תיקוני טעויות, ניסויי A/B והחלפת עדויות מתהפכים לא פעם אחרי ימים ספורים.
  5. שולחים למודל את הקטע ששונה בלבד, עם מעט הקשר סביבו.

את התדירות קובעים לפי תנודתיות המקור: עמוד מחירים נבדק לעיתים קרובות, פיד של בלוג נבדק כשהוא מתעדכן ועמוד משרות פעם בשבוע. מקור שלא השתנה שבועות רבים נבדק בתדירות נמוכה יותר, ומקור שהשתנה נבדק צפוף יותר לכמה ימים. כלל ההמתנה לצילום הבא מעכב כל התראה בסבב אחד, ולכן במקורות רגישים כמו עמוד מחירים מקצרים את המרווח בין הצילומים. החיסכון בעלות אמיתי, כי העלות החוזרת של מודל נגזרת בעיקר מכמות הטקסט שנשלחת אליו ומספר הקריאות, כפי שמפורט במאמר על עלות הרצה של סוכני AI בקנה מידה.

אחרי שזיהיתם שינוי, מחלצים אותו לסכמה לפי סוג השינוי. כך הפלט ניתן לחיפוש והשוואה, ולא נשאר כפסקת טקסט:

  • שינוי מחיר: מתחרה, תוכנית, השדה שהשתנה (מחיר, מגבלת שימוש או תקופת חיוב), ערך קודם, ערך חדש, כתובת, תאריך שנצפה וציטוט.
  • שינוי מסר: עמוד, רכיב (כותרת, תת-כותרת או כפתור), הטקסט הקודם, הטקסט החדש ונושא מתוך רשימה סגורה, כמו מחיר, מהירות, אבטחה, אינטגרציות או AI.
  • השקת יכולת: שם היכולת, מקור (יומן שינויים או בלוג), קהל היעד כפי שנאמר במקור וציטוט.
  • אות גיוס: תפקיד, תחום, מיקום ושינוי במספר המשרות הפתוחות בתחום לעומת הצילום הקודם.
  • נושא בביקורות: נושא מתוך רשימה סגורה, כיוון (שבח או תלונה), מספר האזכורים בתקופה וקישור לדוגמה אחת.

שלושה כללים הופכים את הסכמה לשימושית. ערכים נלקחים מרשימה סגורה במקום טקסט חופשי. "לא ידוע" הוא ערך חוקי כשהמידע לא כתוב בקטע. והפלט מאומת מול הסכמה בקוד, עם ניסיון חוזר אחד ואחריו הפניה לבדיקה אנושית. שימו לב גם ל"תאריך שנצפה": זה תאריך הצילום ולא התאריך שבו המתחרה שינה. אתם לא יודעים מתי זה קרה, והמערכת לא צריכה להיראות כאילו היא יודעת.

כשהשינויים יושבים בטבלה ולא בפסקאות, אפשר לשאול אותם שאלות כמו "אילו מתחרים שינו מחיר ברבעון האחרון?" בשאילתה מבוקרת, באותה גישה שמתוארת במאמר על בינה עסקית וניתוח SQL מבוקר.

איך גורמים לניתוח של המודל להיות אמין?

כל טענה על מתחרה חייבת לנבוע מטקסט מצוטט, והמודל חייב לקבל רשות מפורשת לומר "אין מספיק ראיות". בלי שני התנאים האלה תקבלו תקצירים רהוטים שאי אפשר לסמוך עליהם. הדרך הפשוטה להבין את זה היא להפריד בין מה שנצפה לבין מה שהמודל מסיק:

עובדה שנצפתה

בעמוד התמחור נוספה תוכנית רביעית. המערכת מציגה את הציטוט המדויק, את הכתובת ואת התאריך שבו הצילום נלקח.

הסקה

ייתכן שהמתחרה מרחיב את ההצעה ללקוחות גדולים. זו השערה שמסומנת ככזו, עם רמת ביטחון ועם הנימוק, ואף פעם לא כעובדה.

בפועל, חמישה כללים מחזיקים את הניתוח ישר:

  • ציטוט, כתובת ותאריך בכל טענה. טענה שחסר בה אחד משלושתם לא נכנסת לתקציר.
  • אימות בקוד. בודקים שהציטוט שהמודל החזיר באמת מופיע בטקסט של הצילום. ציטוט שלא נמצא פוסל את הטענה, ואין משאירים אותו לעין האנושית.
  • "אין מספיק ראיות" כתשובה חוקית. כשהקטע חלקי או עמום, התשובה הנכונה היא סימון חוסר ולא ניחוש.
  • רמת ביטחון בכל הסקה, לצד הנימוק במשפט אחד.
  • הסתמכות על הקטעים שנשלחו בלבד. ההנחיה למודל אוסרת להשלים מהזיכרון, כי מה שהוא "יודע" על המתחרה מהאימון עלול להיות מיושן.
לעולם לא מייחסים כוונה כעובדה. "המתחרה נכנס לשוק הארגוני" היא פרשנות. "נוספו משרות מכירות לארגונים ועמוד אבטחה חדש באתר" הוא מה שנצפה. תקציר שמערבב ביניהם גורם לצוות להגיב למשהו שלא הוכח.

איך מדרגים חשיבות ומוסרים תקציר שאנשים באמת קוראים?

דירוג מול המיצוב שלכם

חשיבות נמדדת ביחס אליכם ולא באופן מוחלט: אותו שינוי אצל מתחרה חשוב לחברה אחת ולא רלוונטי לאחרת. לכן מגדירים טבלת דירוג קצרה. המודל מדרג כל קריטריון בסולם קצר, למשל מאפס עד שלוש, עם נימוק של משפט אחד, ואילו הציון הסופי מחושב בקוד. כך שינוי משקלים לא מחייב לשנות את ההנחיה למודל.

  • חפיפה לקהל: האם השינוי פונה לסגמנטים שאתם משרתים?
  • קרבה למוצר ולמחיר: האם הוא נוגע בקו מוצר או בטווח מחיר שבו אתם מתחרים?
  • חדשנות: האם זה דבר חדש, או חזרה על משהו שכבר נרשם?
  • בולטות: האם השינוי בעמוד הבית או במודעה ממומנת, או בעמוד עמוק שכמעט אף אחד לא רואה?
  • אפשרות לפעול: האם יש משהו שצוות מסוים יכול לעשות השבוע?

את המשקלים קובעים אתם, לפי מה שחשוב לעסק היום. עסק שמתחרה על מחיר ישקול את הקרבה למחיר כבד יותר. מעל סף עליון נשלחת התראה מיידית, בין שני הספים השינוי נכנס לתקציר השבועי, ומתחת לסף התחתון הוא נשמר בארכיון וניתן לחיפוש. העיקרון הוא שמעט התראות טובות עדיפות על הרבה התראות שאיש לא קורא: אם הצוות מתחיל להתעלם מהן, הסף נמוך מדי.

אחרי הדירוג מגיעה המסירה. אותם שינויים משרתים שלושה קהלים, וכל אחד מקבל את החתך שלו, עם קישור לראיות:

1

שיווק: תקציר שבועי

שינויי מסרים, מודעות חדשות ונושאים חוזרים בביקורות: מה השתנה בניסוח אצל המתחרים ומה אתם אומרים אחרת.

2

מכירות: כרטיסי השוואה

הצעות לעדכון כרטיסי השוואה (battlecards): שורה חדשה או שורה שדורשת תיקון, עם הראיה לצידה, כדי שנציג לא יצטרך לחפש אותה בעצמו.

3

מוצר: אותות על כיוון

השקות יכולות, הסרות ואותות גיוס שמעידים על כיוון, בפורמט שאפשר לצרף לדיון על מפת הדרכים של המוצר.

כל פריט בתקציר בנוי אותו דבר: שורה אחת על מה שהשתנה, למה זה חשוב לכם (מסומן כהסקה), ציטוט וקישור לראיה, והצעה לפעולה. מפרסמים אותו במקום שהצוות כבר עובד בו: ערוץ צ'אט כמו Slack, מייל, הערה ב-CRM או מסמך כרטיסי ההשוואה.

שום דבר לא מתפרסם ולא משתנה בכרטיס השוואה בלי אישור של אדם. הצעה לעדכון כרטיס מוצגת כהשוואה בין הניסוח הנוכחי לניסוח המוצע, עם הציטוט מהמקור לצידה, כך שהמאשר בודק את השינוי עצמו ולא את הסיכום של המודל. איך מעצבים מסך כזה, וכיצד דחיות הופכות לבדיקות קבועות, מפורט במאמר על תורי אישור אנושי בתהליכי AI.

איך בודקים שהמערכת טובה ושולטים בעלות?

בונים מערך בדיקה קטן משינויים אמיתיים מהעבר, ומריצים אותו מחדש בכל שינוי של מודל, הנחיה או סף. בלי מערך כזה אי אפשר לדעת אם שדרוג שיפר את המערכת או הרס אותה בשקט.

  1. אספו שינויים אמיתיים שהצוות זוכר: העלאת מחיר, השקה, שינוי מסר.
  2. הוסיפו מקרים של "לא השתנה כלום": עמודים עם הבדלים קוסמטיים בלבד, כדי למדוד התראות שווא.
  3. תייגו ידנית כל מקרה: סוג השינוי, השדות הנכונים והדירוג שהייתם נותנים.
  4. מדדו שלושה דברים בנפרד: האם החילוץ מילא את השדות נכון, האם הציטוט אכן קיים במקור והאם הדירוג קרוב לדירוג האנושי.
  5. אחרי ההשקה, עברו פעם בחודש על שני סוגי טעויות: התראות שווא (נשלחו ואיש לא פעל) והחמצות (שינוי שהצוות שמע עליו ממקור אחר, למשל משיחת מכירה). הוסיפו אותם למערך.

שיטות הבדיקה והמעקות לסוכנים בייצור מפורטות במאמר על בדיקות הערכה ומעקות בטיחות לסוכני AI. כאן חשוב לזכור דבר אחד: ציטוט שלא נמצא במקור הוא כשל ברור שאפשר למדוד אוטומטית, ולכן הוא הראשון שכדאי לעקוב אחריו.

את העלות מניעים כמות הטקסט שנשלחת למודל, מספר הקריאות, הרצת דפדפן לעמודים שנטענים בסקריפט וזמן הבדיקה האנושית. ארבע פעולות שומרות עליה בשליטה:

  • תקציב לכל הרצה, עם עצירה והתראה כשחוצים אותו.
  • מטמון: תוכן שלא השתנה לא נשלח שוב.
  • קטעים קצרים במקום עמודים שלמים.
  • מודל קטן וזול לסיווג ראשוני, כשמודל חזק יותר מקבל רק שינויים שעברו את הסף.

את העלות השוטפת מעריכים על נפח מייצג של מקורות. מחירי המודלים משתנים לעיתים קרובות, ולכן בודקים אותם מול הספק ולא מסתמכים על מספר ממאמר.

איך זה נראה בפועל, ומה עוד אפשר לעשות עם הנתונים?

תרחיש להמחשה: צוות שיווק של חברת SaaS עוקב אחרי חמישה מתחרים. החברה והמתחרים בדויים, ואין כאן נתוני לקוח או תוצאות אמיתיות.

לכל מתחרה הצוות מגדיר ארבעה מקורות: עמוד מחירים, יומן שינויים, עמוד משרות ופיד הבלוג. הצינור רץ בלילות, ורק הקטעים ששונו מגיעים לחילוץ ולניתוח. רוב העמודים לא השתנו, ולכן לא נשלחה עליהם אף קריאה למודל. במהלך השבוע עברו את הסינון שני שינויים:

  • שינוי שחצה את הסף העליון: בעמוד התמחור של אחד המתחרים נוספה שורה של תוכנית חדשה, בטווח המחיר שבו החברה מתחרה. המערכת שלחה התראה מיידית עם הציטוט, הכתובת ותאריך הצפייה, והציעה שורה חדשה בכרטיס ההשוואה. מנהלת המכירות קראה את הציטוט לצד ההצעה ואישרה.
  • שינוי שנכנס לתקציר של יום שני: בעמוד המשרות של מתחרה אחר נוספו משרות מכירות לארגונים. המערכת סימנה זאת כהסקה בביטחון נמוך ("ייתכן שהמתחרה מתכוון לפנות ללקוחות גדולים יותר"), ולא הציעה שום פעולה.

שני דברים לא הגיעו לצוות בכלל. עדות לקוח שמתחלפת בעמוד הבית סוננה בשלב הנרמול. ומתחרה אחר הציג בעמוד התמחור מחיר שונה ליום אחד וחזר לקודם, ולכן הכלל "השינוי חייב להישאר בצילום הבא" הבליע את ההתראה.

מעבר להתראות, אותם נתונים משרתים שלושה שימושים שיווקיים. כדאי לשמור על ציפיות צנועות:

  • ניתוח פערי מסרים: השוואה בין הטענות החוזרות אצל כל המתחרים לבין מה שאתם אומרים, כדי לראות איזה מסר כולם משתמשים בו ואיזה נושא אף אחד לא מזכיר.
  • כריית ביקורות להתנגדויות: נושאי תלונה חוזרים בביקורות על מתחרים רומזים על שאלות שלקוחות עשויים לשאול גם אתכם, ועל מקום לחזק בדף שאלות ותשובות או בכרטיס השוואה.
  • מעקב אחרי מודעות ומילות חיפוש: אילו זוויות מסר מופיעות במודעות חדשות ואילו עמודי נחיתה נוספו. מה שרואים הוא שמודעה קיימת, לא שהיא עובדת.

בכל שלושת השימושים התוצר הוא השערה לבדיקה, ולא מסקנה על מה שמצליח אצל המתחרה. שאלות חופשיות על הארכיון, למשל "איך המתחרים מתארים אינטגרציות?", הן כבר שימוש של בינה ארגונית: ידע מחובר שעונה עם הפניה למקור.

מתי לא כדאי לבנות מערכת כזו?

כשהבעיה קטנה מספיק כדי לפתור ביד, או כשכלי קיים כבר מכסה את המקורות שלכם. ארבעה מצבים מובהקים:

  • יש שניים או שלושה מתחרים ואפשר לעבור על האתרים שלהם פעם בחודש. מסמך משותף ותזכורת ביומן ינצחו כל מערכת.
  • כלי מוכן כבר מכסה את המקורות שלכם, ומעביר את המידע למקום שבו הצוות עובד. פיתוח מותאם מצדיק את עצמו כשהמקורות, הסכמה והדירוג ספציפיים לכם, או כשהפלט צריך להגיע ל-CRM או לכרטיסי ההשוואה שלכם. איך מחליטים בין כלי מדף למערכת מותאמת מפורט במאמר על אוטומציה מותאמת מול כלי מדף.
  • אין מי שיקרא את התקציר ויפעל לפיו. מערכת בלי בעלים בצוות הופכת לרעש. הגדירו תחילה מי מקבל ומה הוא עושה אחרי שקיבל.
  • המידע החשוב לכם נמצא מאחורי התחברות, חומת תשלום או בשיחות פרטיות. אין דרך לגיטימית לאסוף אותו אוטומטית, והמערכת לא תפתור את זה.

זו גם השאלה הראשונה שאנחנו שואלים בפרויקט AI: האם כלי קיים או אוטומציה עם כללים קבועים כבר פותרים את הצורך. אם התשובה כן, זה מה שנמליץ עליו.

מה עושים עכשיו? צעד ראשון

הצעד הראשון הוא לא קוד אלא שבוע או שבועיים של איסוף ידני, שמראה אם המידע בכלל משנה החלטות אצלכם:

  1. רשמו עד חמישה מתחרים ושלוש שאלות שאתם רוצים שהמערכת תענה עליהן, כאלה שמישהו בצוות היה פועל לפיהן.
  2. בחרו שני סוגי מקורות, בדרך כלל עמוד מחירים ויומן שינויים, ורשמו לכל אחד כתובת, שיטת איסוף ותנאי שימוש.
  3. אספו ידנית לטבלה עם הסכמה שהגדרתם. כך תראו אילו שדות באמת שימושיים, והטבלה תהפוך לבסיס של מערך הבדיקה.
  4. רק אחרי זה אוטמטו, שלב אחרי שלב: איסוף והשוואה קודם, מודל אחר כך ותקציר אחרון.

אם אתם מתלבטים איזה תהליך לאוטמט ראשון, המדריך לבחירת התהליך הראשון לאוטומציה עם AI יעזור לדרג את המועמדים. דפוס דומה של תהליך עם נקודות בקרה אנושית מוצג בעמוד סוכני תהליכי עבודה, ואם תרצו לתכנן צינור כזה, שיחה קצרה איתנו יכולה לעזור למפות מקורות, סכמה ונקודות אישור. בפרויקטים של פיתוח AI לעסקים אנחנו מתחילים מתהליך אחד, בודקים אותו על דוגמאות מהעסק ומגדירים איפה נדרש אישור אנושי.

שאלות ותשובות

האם חוקי לנטר מתחרים באמצעות AI?

ניטור מידע שמתחרים פרסמו לציבור הוא נוהג שכיח, אבל השאלה אם הוא מותר תלויה באופן האיסוף ולא רק בסוג המידע. כבדו את robots.txt ואת תנאי השימוש של כל מקור, העדיפו פיד או ממשק רשמי, אל תיכנסו מאחורי התחברות, אל תעקפו חסימות ואל תאספו מידע אישי. הכללים משתנים לפי האתר והמדינה, ולכן כדאי לאשר את רשימת המקורות מול יועץ משפטי.

כל כמה זמן כדאי להריץ מערכת לניתוח מתחרים?

התדירות צריכה להתאים לכל מקור ולא להיות אחידה. עמוד מחירים נבדק לעיתים קרובות, בלוג ויומן שינויים נבדקים לפי הפיד שלהם, ועמוד משרות פעם בשבוע. התקציר לצוותים נשלח פעם בשבוע, והתראה מיידית רק לשינוי שעבר סף חשיבות. בדיקה תכופה מדי מגדילה עלות ורעש ומעמיסה על האתר של המתחרה, ומקור יציב אפשר לבדוק בתדירות נמוכה יותר.

אפשר לעקוב אחרי שינויי מחירים של מתחרים אוטומטית?

כן, כשהמחיר מוצג בגלוי בעמוד ציבורי, אבל צריך להתגונן מפני התראות שווא. מחיר משתנה לפי מדינה, מטבע, ניסוי A/B או מבצע זמני, ולפעמים נטען בסקריפט. לכן מחלצים כל שינוי לשדות קבועים (תוכנית, ערך קודם, ערך חדש, תאריך שנצפה) ומאשרים שהוא נשאר גם בצילום הבא. מחיר שמוצג רק אחרי התחברות או בהצעה אישית אינו מידע ציבורי, ולא מנסים להשיג אותו אוטומטית.

איך מונעים התראות שווא ממערכת ניטור מתחרים?

מסננים בקוד לפני שהמודל מגיע לתמונה: מנרמלים את העמוד, משווים לפי בלוקים, דורשים שהשינוי יישאר בצילום הבא ומדרגים חשיבות מול המיצוב שלכם מול סף שנקבע מראש. אחר כך עוברים פעם בחודש על התראות שנשלחו ואיש לא פעל לפיהן, ומכוונים משקלים וסף. המטרה היא מעט התראות טובות, ואם הצוות מתחיל להתעלם מהן, הסף נמוך מדי.

אפשר ש-AI יכתוב כרטיסי השוואה (battlecards) מול מתחרים?

כן, כטיוטה מבוססת ראיות ולא כמסמך סופי. המערכת יכולה להציע שורה חדשה או תיקון לשורה קיימת, עם ציטוט, כתובת ותאריך צפייה, ולהציג אותם לצד הניסוח הנוכחי. אדם ממכירות או משיווק מאשר לפני שהכרטיס מתעדכן, כי טענה שגויה על מתחרה שנאמרת ללקוח עלולה לפגוע באמינות שלכם. הערכות על כוונות המתחרה נשארות מסומנות כהשערה.

כמה עולה להפעיל מערכת AI לניתוח מתחרים?

העלות השוטפת תלויה בכמה טקסט נשלח למודל ובכמה פעמים, ומצטרפים אליה הרצת דפדפן לעמודים שנטענים בסקריפט, אחסון הצילומים, תחזוקה ומאמץ הבדיקה האנושית. כשמזהים שינוי לפני המודל ושולחים רק קטעים ששונו, המודל מקבל הרבה פחות טקסט מאשר בסריקה מלאה בכל הרצה, וסריקה מלאה כזו היא הטעות היקרה הנפוצה. מחירי מודלים משתנים, ולכן בודקים אותם מול הספק.

צריך לבנות מערכת מותאמת או שאפשר לקנות כלי מוכן לניתוח מתחרים?

אם כלי קיים מכסה את המקורות שלכם ומעביר את המידע למקום שבו הצוות עובד, התחילו בו. פיתוח מותאם מצדיק את עצמו כשהמקורות, הסכמה או הדירוג ספציפיים לעסק שלכם, כשהפלט צריך להגיע למערכות שלכם כמו CRM, או כשנדרשים ציטוט ראיות ואישור אנושי. בכל כלי בדקו גם את תנאי הנתונים ואת היכולת לייצא את מה שנאסף.

איזה תהליך כדאי לחבר ל-AI?

מתחילים ממשימה ברורה, מגדירים את המידע וההרשאות, ומתכננים איך בודקים את התוצאה.

אפשר גם להתחיל מתיאור קצר של התהליך או המוצר שתרצו לבנות.

רעיונות שמגיעים למייל

מדי פעם, מדריכים ודוגמאות שימושיים על AI ובניית מוצרים. בלי ספאם.

אפשר לבטל בכל רגע.

שואלים את DevShift