לא מזמן בחנתי תהליך Outbound של חברת B2B בעולם הסייבר שחדרה לשוק חדש. לחברה פתרון מורכב ויציב שפותר בעיה בתחום שהניהול בו מסובך. על פניו, הם עשו כמעט הכול נכון. השתמשו ב-AI כדי למפות את השוק, לבנות רשימת חברות, למצוא את האנשים המתאימים, לזהות Signals ולנסח פניות מותאמות. הרבה עבודה שפעם הייתה לוקחת שבועות נעשתה בתוך ימים. רק דבר אחד היה חסר: לא הגיעו מספיק שיחות איכותיות עם לקוחות פוטנציאליים. כשהתחלנו לבדוק למה, גילינו שהבעיה לא הייתה באוטומציה. מערכת ה - Outbound עבדה מצוין. הבעיה התחילה עוד לפני שהיא התחילה לעבוד. החברה דילגה על שלב שאני רואה יותר ויותר חברות מדלגות עליו: Research ו-Validation לפני Scale. מי באמת הלקוחות הראשונים שכדאי להתמקד בהם? איזה Use Case מספיק כואב כדי לגרום להם לפעול? איך הם פותרים את הבעיה היום? מה גורם להם לשקול שינוי? מי באמת מעורב בהחלטה? אילו Signals מעידים על Pain ו-Timing ואילו רק נראים מעניינים? אי אפשר פשוט להניח הנחות. צריך לחקור את השוק, לקוחות קיימים, עסקאות שניצחנו והפסדנו, מתחרים ותהליך הקנייה. מתוך ה-Research בונים השערות. ואז צריך לעשות משהו שעולם ה-AI גורם לנו לפעמים לרצות לדלג עליו: לצאת לשוק ולבדוק אותן. לבדוק מי מגיב. איזה Pain באמת קיים. איזה מסר פותח דלת. איזה Signal באמת מופיע לפני הזדמנות. מאוד כדאי לדבר (ממש לדבר, כמו שעשינו פעם...) עם לקוחות ומומחים. רק אז יש לנו Context שאפשר לסמוך עליו. כלי AI הפכו את ה-70% הראשונים של הביצוע לקלים וזולים (זו מהפכה אדירה!) אפשר בתוך שעות למפות מאות Accounts, למצוא Contacts, לזהות Signals ולייצר פניות מותאמות בקנה מידה שפעם היה בלתי אפשרי. אבל אם דילגנו על Research ו-Validation, הוא פשוט מאפשר לנו לעשות Scale להנחות שלא בדקנו. הגדרת ICP לא מדויק הופכת מהר מאוד ל-500 Accounts לא נכונים. הגדרת קונה לא נכון הופכת ל-2,000 Contacts שלא יכולים לקדם עסקה. הגדרת Signal לא נכון הופך למאות "הזדמנויות" שאינן באמת הזדמנויות. לכן ה-30% הקשים אינם עוד כלי או עוד Agent. הם היכולת לחקור ← לבנות השערות ← לעשות להן Validation ← לבנות Context ← ורק אז להפעיל AI ב-Scale. כאן בדיוק נדרשת הבנה עמוקה של תהליכי GTM. לא כדי לעשות במקום ה-AI את העבודה שהוא כבר עושה מצוין, אלא כדי להחליט איזו עבודה בכלל נכון לתת לו לעשות. לכן גם המדד שלנו לאימוץ AI ב-GTM צריך להשתנות. פחות מעניין כמה Agents בנינו, כמה Research ביצענו וכמה פניות שלחנו. יותר מעניין: האם AI עזר לנו לזהות הזדמנות שלא היינו מזהים אחרת, לפתוח שיחה שלא היינו מצליחים לפתוח אחרת, או לקדם עסקה? כי הסיכון הגדול ב-AI ל-GTM אינו שהוא לא עובד. הסיכון הוא לעשות Scale מהר מאוד להנחות שאף אחד לא טרח לבדוק. ______________________________________ אנחנו בונים עבור לקוחות מנוע שמחבר הבנת שוק, מודיעין עסקי ו-Outreach, כדי לזהות את החברות שיש להן סיבה טובה להקשיב עכשיו לחברה ישראלית לא מוכרת. המנוע מזהה חברות מתאימות ← מחפש Signals שמעידים על צורך ועיתוי ← מתעדף הזדמנויות ← מוצא את האדם הנכון ← יוצר פנייה מותאמת ← עוקב ומקדם עד לפגישה. בניתי Executive Map שמציג את התמונה המלאה - מהבנת השוק ועד לפגישה, מדידה ולמידה. המפה מאפשרת למנהלים להבין מה נדרש, איפה הפערים אצלם ומה כדאי לבנות קודם. מי שרוצה את המפה, שיכתוב לי ל-michael@michaelgally.com ואשלח. אם יש לכם מוצר שכבר נמכר בחו"ל ושוק יעד ברור, אבל קשה לייצר בו פגישות באופן עקבי - בואו נבדוק אם המודל מתאים לכם.

בשני הפוסטים האחרונים כתבתי על 14 החלטות GTM ועל החשיבות של ההתאמה בין ההחלטות (Fit). ראו את התרשים. עד לא מזמן, גם אם היו לכם תשובות טובות לשאלות האלה, היכולת להוציא אותן לפועל הייתה מוגבלת. כדי לבדוק מאות חברות פוטנציאליות, להבין מה קורה בכל אחת, לזהות אצל מי מתעורר עכשיו צורך, למצוא את האדם המתאים ולבנות עבורו פנייה רלוונטית - נדרשה הרבה מאוד עבודה מקצועית. עבור חברת B2B קטנה, Outbound איכותי היה פשוט יקר מדי לביצוע בקנה מידה משמעותי. לכן רבות הסתמכו על שותפים, תערוכות ופעילות נקודתית. כלי AI מתגברים על המגבלה הזאת כלי AI יכולים לעזור לנו לחקור מאות חברות, לזהות Signals שמעידים על צורך, לתעדף Accounts למצוא את האנשים הרלוונטיים ולבנות פניות מותאמות - במהירות ובהיקף שלא היו מעשיים בעבר. כאן בדיוק נמצא גם הסיכון, AI לא רק מגדיל את מה שאנחנו עושים נכון. הוא מגדיל גם את מה שאנחנו עושים לא נכון. כלי AI לא יודעים לבד מי הלקוח הנכון שלכם, איזו בעיה מספיק חשובה עבורו, איזה Use Case כדאי לקדם או איזה Signal באמת מעיד שעכשיו כדאי לפנות. אלה לא החלטות AI אלה החלטות GTM והן שלכם. אני רואה בשטח שני סוגים של חברות: חברה א' משתמשת ב – AI על בסיס החלטות GTM לא מדויקות או לא מתואמות, שמייצר הרבה יותר פעילות אבל לא מדויקת, הרבה יותר מהר. אני רואה לא מעט חברות שנמצאות פה. חברה ב' משתמשת ב – AI על בסיס החלטות GTM מדויקות ומתואמות, תוך יכולת להפעיל אותן בקנה מידה גדול (גם ע"י חברה לא גדולה כמוכם). פה נמצא השינוי המבטיח מבחינתכם. במקום להשתמש ב – AI כדי לכתוב עוד מייל או לחפש עוד Lead, אפשר לבנות מנוע Outbound שפועל באופן שוטף: מזהה את החברות המתאימות ← מחפש Signals שמעידים על צורך ← מתעדף את ההזדמנויות ← מוצא את האדם הנכון ← מתאים את הפנייה אליו ← ועוקב אחרי התוצאה. מערכת שמתרגמת את החלטות ה - GTM שלכם לפעילות שיטתית שמייצרת Pipeline כל הזמן ומעלה אתכם על מסלול של צמיחה. אם אתם כבר מוכרים בחו"ל אבל ה - Outbound שלכם עדיין ספורדי ולא מייצר מספיק הזדמנויות, התפנה לי עכשיו מקום לעבוד עם עוד 2-3 חברות. המטרה היא להתחיל עכשיו ואחרי החגים כבר לעבוד עם מנוע כזה.

כל מי שקרא את הספר המטרה (The Goal) של אליהו גולדרט (נחשב לאחד מספרי הניהול המשפיעים ביותר) זוכר את הרבי (Herbie). בספר, הגיבור, אלכס יוצא לטיול עם קבוצת הצופים של בנו. הילדים הולכים בטור. חלקם מהר, חלקם לאט. הטור נמתח, נוצרים פערים ואלכס מנסה שוב ושוב לגרום לילדים להתקדם מהר יותר. זה לא עובד. עד שהוא מבין משהו פשוט: הקצב של כל הקבוצה נקבע על ידי הילד האיטי ביותר ששמו – הרבי (Herbie). אפשר להאיץ את כל שאר הילדים כמה שרוצים. הקבוצה כולה תגיע רק כשהרבי יגיע. גולדרט קרא לזה האילוץ של המערכת. אני חושב על הרבי לא מעט כשאני פוגש חברות B2B שהצמיחה שלהן תקועה. כשאין מספיק עסקאות, האינסטינקט הוא לעשות יותר: יותר לידים יותר קמפיינים יותר אנשי מכירות יותר תוכן יותר אוטומציה ו – AI אבל מה אם אף אחד מאלה אינו הרבי (Herbie) שלכם? אולי עדיין אין לכם Product-Market Fit מספיק חזק בשוק שאליו אתם מנסים להיכנס. אולי יש PMF, אבל עדיין אין Go to Market Fit - אין לכם דרך עקבית להגיע ללקוחות הנכונים, בזמן הנכון, עם הצעת הערך, דרך הערוץ ותוך הפעלת תהליך המכירה הנכונים. ההרבי יכול להיות ICP רחב מדי, הצעת ערך חלשה, ערוץ חדירה לא נכון, Timing גרוע או תהליך מכירה שלא ממיר עניין לעסקאות. כל אחד מאלה יכול להיות הרבי. זו הסיבה שאני חושב שחברות צריכות להיזהר מהשאלה: מה אנחנו יכולים לעשות יותר? השאלה החשובה יותר היא: מה הדבר האחד שמגביל כרגע את הצמיחה שלנו? כי אם הבעיה היא PMF, עוד אלף לידים לא יפתרו אותה. ואם הבעיה היא GTM Fit, כלי AI שמאפשר לשלוח פי עשר פניות עלול בעיקר לאפשר לכם לעשות את הדבר הלא נכון הרבה יותר מהר. לפני שמאיצים ומקצים עוד משאבים, כדאי למצוא את הרבי שלנו. בדיוק לשם כך בניתי כלי AI שמנסה לזהות את ה-Herbie של מנוע הצמיחה שלכם - את בעיית השורש שמגבילה כרגע את הצמיחה. פנו לעצמכם 30 דקות, מלאו שאלון עם שאלות על השוק, החברה והמוצר שלכם ותקבלו אבחון שמבוסס על מתודולוגיות GTM מוכחות וניסיון עשיר. אני פותח עכשיו את הגרסה הראשונה להתנסות ללא עלות. כתבו לי michael@michaelgally.com ותארו בקיצור את החברה, המוצר ושוק היעד שלכם.

בפוסט הקודם השתמשתי באנלוגיה של צוות חותרים בסירה כדי לטעון שחברות לא נתקעות בהכרח בגלל החלטות GTM שאינן מספיק טובות. לעיתים הבעיה היא בממשק ההתאמה (Fit) בין החלטות סבירות. כלומר שתי החלטות שכל אחת מהן הגיונית כשלעצמה, אבל ביחד הן עוצרות את ההתקדמות. למשל בחירת קהל מטרה וניסוח value Proposition הגיוני כשלעצמו, אבל אינו נתפס כערך משמעותי בעיני אותו קהל. אבל איך מזהים את הממשק הבעייתי (ראו תרשים למטה)? אני מציע לבדוק את מערכת הצמיחה בשלוש שכבות, ובסדר הזה. [אם אתם משתמשים בכלי AI רק אם ההחלטות מדויקות וה - Fit קיים תמצו את פוטנציאל הכלים] הראשונה - Product-Market Fit - האם המוצר באמת מתאים לשוק? זה המקום הראשון שאני בודק. בחברות B2B שכבר מוכרות והצמיחה שלהן איטית, ההנהלה כמעט תמיד מניחה שיש PMF. הרי יש לקוחות ולעיתים החברה פועלת בשוק כבר שנים. אבל קיום לקוחות אינו בהכרח הוכחה ל-PMF חזק מספיק לצמיחה משמעותית. לפעמים ה-Fit קיים רק בסגמנט מסוים פחות משמעותי, סביב Use Case מסוים או אצל סוג מסוים של לקוחות. אני בודק את ההתאמה: Problem ↔ Use Case ↔ Customer (ICP/ECP) ↔ Value Proposition ולא מסתפק בדעת ההנהלה. אני חוזר ללקוחות ולעסקאות ובודק: למה הלקוחות הטובים קנו? איזו בעיה חזרה? על מה היו מוכנים לשלם? איזה Use Case והצעת ערך חזרו בעסקאות המוצלחות? ה-Gate: האם הממצאים מוכיחים דפוס ברור וחוזר של Customer + Problem + Use Case + Value? אם לא - נשארים כאן ומחפשים לתקן כדי להגיע ל - PMF מוכח. זכרו, PMF הוא תנאי הכרחי לצמיחה, אבל הוא לא מספיק. השניה: GTM Fit - האם בנינו דרך לשוק שמתאימה ל-PMF שמצאנו? כאן אני בודק את ההתאמה בין: ICP/ECP ↔ Use Case ↔ Buying Process ↔ Trigger ↔ Channel ↔ Message ושוב, חוזר לעסקאות אמיתיות: מי היו הלקוחות הטובים ביותר? מה גרם להם לפעול דווקא עכשיו? מי השתתף בהחלטה? איך הגענו אליהם? איזה מסר הניע אותם? ה-Gate: האם חוזר דפוס שמראה מי קונה, למה עכשיו, איך מגיעים אליו ואיך הוא קונה? אם לא - נשארים כאן ומחפשים לתקן. השלישית: Execution Alignment - האם אנחנו מבצעים את ה-GTM שבחרנו כמערכת אחת? רק עכשיו אני מגיע ל-Marketing-Sales Alignment. כאן אני בודק: Target Accounts ↔ Lead Definition ↔ Message ↔ Handoff ↔ Follow-up ↔ KPIs בדיקה פשוטה: שאלו בנפרד את מנהל השיווק ואת מנהל המכירות: "איזו הזדמנות בדיוק אנחנו מחפשים?" אם הם לא מתארים את אותם לקוחות, בעיות, Use Cases והגדרת Qualified Opportunity - לא בטוח שאתם צריכים יותר לידים. יכול להיות שאתם פשוט לא חותרים יחד. ה-Gate: האם Marketing ו-Sales מוציאים לפועל את אותו GTM? כמה זמן לוקח לגלות איפה הסדק בו אין Fit? לא מדובר בפרויקט של חודשים. בחברה B2B קטנה או בינונית, בדיקה ראשונית טובה יכולה להיעשות בדרך כלל בתוך שבועיים-שלושה: שיחות עם ההנהלה, ניתוח עסקאות ונתונים קיימים, וכמה שיחות ולידציה עם לקוחות. המטרה בשלב הזה אינה לפתור הכול. היא לזהות באיזו שכבה נמצאת הבעיה המרכזית, כדי לא להשקיע עוד זמן וכסף בשיפור החלק הלא נכון. הסדר כאן קריטי. אין טעם לייעל GTM למוצר שאין לו PMF מספיק חזק. ותיאום של Marketing ו-Sales לבצע GTM שעדיין לא הוכח שעובד לא יניב פירות. לכן סדר האבחון הוא: Product-Market Fit → GTM Fit → Execution Alignment → Growth אל תתחילו בלשפר את מה שהכי קל לראות. קודם תמצאו איפה נמצא הסדק. וכאן נכנס AI לתמונה. כלי AI יכולים לשפר דרמטית את היכולת שלנו לחקור שוק, לזהות לקוחות, לנתח Signals, לייצר מסרים ולהפעיל Marketing ו - Sales בקנה מידה גדול יותר. אבל AI הוא מכפיל כוח, לא מתקן כיוון. אם ה - PMF חלש, החלטות ה - GTM אינן מתאימות זו לזו, או Marketing ו - Sales חותרים לכיוונים שונים AI פשוט יעזור לנו לבצע מהר יותר ובהיקף גדול יותר מערכת שאינה עובדת מספיק טוב. בפוסט הבא אראה איך איכות ההחלטות וה - Fit ביניהן קובעים אם כלי AI יהפכו למנוע צמיחה - או רק למנוע שמאיץ אותנו בכיוון הלא נכון. אם אתם משקיעים בשיווק ומכירות אבל לא מתקדמים, כדאי לכם להבין למה, לפני גיבוש צעדים נוספים. בדיוק לשם כך, בניתי עבורכם כלי AI שיבצע עבורכם אבחון. אם רלבנטי ומעוניינים לנסות גרסה ראשונה של הכלי ללא עלות, כתבו לי michael@michaelgally.com תארו את החברה, המוצר ושוק היעד שלכם. פנו לעצמכם 30 דקות, מלאו שאלון עם שאלות על השוק, החברה והמוצר שלכם ותקבלו אבחון שמבוסס על מתודולוגיות GTM מוכחות וניסיון עשיר.

בחופשה בפלופונז (יוון) בסוף יולי קראתי את "הבחורים בסירה", שמספר את סיפורה של נבחרת החתירה האמריקאית באולימפיאדת ברלין 1936 (יש גם סרט). אחד הדברים שתפסו אותי בספר הוא העיסוק החוזר בהרמוניה, Fit ו-Alignment. בחתירה, לא מספיק להושיב בסירה שמונה חותרים מצוינים. לכל אחד יכולות ומאפיינים שונים. אחד חזק יותר, אחר טכני יותר. לאחד זרועות ארוכות יותר, לאחר גב חזק יותר. כדי שהסירה תנוע במהירות והצוות ינצח, כל אחד מהחותרים צריך להתאים את עצמו לאחרים. חותר בעל זרועות קצרות יצטרך להימתח קצת יותר. זה עם הזרועות הארוכות יצטרך דווקא לקצר מעט את התנועה. המטרה אינה למקסם את הביצועים של כל חותר. המטרה היא למקסם את הביצועים של הסירה. זה גרם לי לחשוב שאנו לא עוסקים מספיק בהתאמה והרמוניה בין החלטות ובין אנשים בחברות ששואפות לצמוח. אני לא מדבר פה על פילוסופיה מזרחית, אלא על ביזנס. דוגמא לכך היא תופעה שאני פוגש לא מעט בחברות B2B, ובמיוחד בחברות שמבוססות על טכנולוגיה חזקה: הדעה השולטת היא שאם המוצר מצוין, הוא כבר ימצא את דרכו לשוק. לא מייחסים חשיבות למרכיבים אחרים ולהתאמה בין מרכיבים. זו אמונה נוחה, כי היא מאפשרת להמשיך להשקיע במה שאנחנו כבר טובים בו - המוצר - במקום לבדוק אם בכלל בנינו סביבו מערכת מרובת משתנים שיודעת לייצר צמיחה. מוצר טוב הוא חשוב אבל רק חלק אחד מסירה מנצחת. השגת Product-Market Fit הוא שלב מתקדם יותר והוא תנאי הכרחי לצמיחה, אבל גם הוא לא מספיק. עדיין חברות יכולות להתקשות לצמוח, אם הדרך שבה הן יוצאות לשוק אינה מתאימה לאופן שבו הלקוחות שלהן קונים. חברה מתקדמת יודעת לבחור שוק נכון, Use Case נכון ואפילו דרך נכונה להגיע אליו - זה כבר GTM Fit והוא בודק התאמה בין כמה מרכיבים. עדיין חברה כזו לא תייצר מספיק עסקאות, אם Marketing ו-Sales אינם מתואמים מספיק. זה Marketing-Sales Alignment. שלושת המושגים האלה שקשורים להתאמה מוצגים לעיתים כנושאים נפרדים. אני חושב שנכון יותר לראות אותם כחלק ממערכת אחת: Product-Market Fit → GTM Fit → Marketing-Sales Alignment כל אחד מהם יכול לעבוד לא רע בפני עצמו ולתרום לצמיחה, אבל הצמיחה המשמעותית נוצרת מההתאמה ביניהם. בדיוק כמו בסירת החתירה, לא מספיק שכל חלק במערכת יהיה טוב בפני עצמו. הוא צריך לעבוד בהתאמה לשאר החלקים. אני פוגש לא מעט חברות B2B טובות שיש להן מוצר טוב, אנשים טובים, ניסיון ולקוחות - ובכל זאת הן לא מצליחות לפרוץ ולייצר צמיחה עקבית. במקרים רבים, החברות ממשיכות לנסות לשפר מרכיבים (החלטות) ספציפיים כשהבעיה אינה באיכות המרכיבים. הבעיה שחוסמת את הצמיחה היא ב-Fit ביניהם. ולכן, במקום לשאול שוב "מה אנחנו צריכים לשפר?", אולי כדאי להתחיל משאלה אחרת: "איפה במערכת אנחנו לא חותרים יחד?" אם מסתכלים על ה-GTM כעל "סירה", אלה בעיניי ההחלטות המרכזיות שצריכות להיות ב-Fit זו עם זו: איזה שוק אנחנו רוצים לנצח בו איזו בעיה אנחנו פותרים עבור איזה סוג לקוח איזה Use Case מוביל מה הצעת הערך והבידול מי ה-Early Customers או ה - ICP מי מקבל את החלטת הקנייה ומי משפיע עליה מה גורם ללקוח לקנות עכשיו - Signals / Triggers איך מגיעים ללקוח - Direct / Partners / Inbound / Outbound מה המסר שמוביל את החדירה איך Marketing מייצר ומזהה הזדמנויות איך Sales הופך אותן לעסקאות מה נחשב ליד / הזדמנות איכותית איך מודדים הצלחה: מה אנחנו מוכרים ולמי, איך אותם לקוחות קונים, ואיך השיווק והמכירות פועלים יחד כדי לגרום לזה לקרות. מתי לאחרונה עסקתם ברצינות בבחינת ההתאמה בין כל ההחלטות שלכם? בפוסט הבא אציג שלוש נקודות שבהן כדאי לחפש את חוסר ההתאמה - ואיך לזהות איזו מהן עוצרת את הצמיחה.

כל מנכ"ל / סמנכ"ל בחברת B2B שעוסקים בצד העסקי צריכים לעקוב אחרי 7 דברים בשוק היעד אם הם רוצים להעלות את החברה שלהם על מסלול של צמיחה. המעקב חשוב אסטרטגית - כדי לבחור באיזה מגרש לשחק ואיך לשחק. המעקב חשוב טקטית - כדי לזהות ולהתמקד בלקוחות שפתוחים עכשיו לרכוש מחברה לא ידועה. זו הרשימה שלי: לקוחות פוטנציאליים - פרויקטים חדשים, גיוס מנהלים, השקעות או כל שינוי שמעיד שהם נכנסים לתהליך רכישה. לקוחות קיימים - אירועים שיוצרים הזדמנות למכור יותר, להרחיב פעילות או לחדש חוזה. מתחרים - כניסה לשווקים חדשים, גיוסים, שותפויות, השקות או שינוי אסטרטגי. שותפים פוטנציאליים - הרחבת סל פתרונות, כניסה לטריטוריות חדשות או זכייה בפרויקטים שיכולים לייצר שיתוף פעולה. השוק - רגולציה, תקציבים, מכרזים והשקעות שיוצרים ביקוש חדש. טכנולוגיה - חידושים שעלולים לשנות את כללי המשחק או לפתוח הזדמנויות חדשות. הלקוחות של הלקוחות שלכם - כי פעמים רבות שם מתחיל הצורך שמוביל בסופו של דבר לרכישה. שתי נקודות חשובות בהקשר של זיהוי וניצול הזדמנויות. הראשונה: עד לא מזמן רק חברות גדולות יכלו להרשות לעצמן לנהל מעקב כזה באופן שיטתי. היום, בזכות AI וכלי אוטומציה, גם חברות B2B קטנות ובינוניות יכולות לבנות מנגנון ייעודי שעוקב אחר הסיגנלים החשובים להן, מסנן רעש ומתריע רק כשנוצרת הזדמנות אמיתית. השניה: סיגנל בפני עצמו אינו מספיק. אותו אירוע יכול להיות קריטי בענף אחד וחסר משמעות בענף אחר. לכן את בחירת הסיגנלים ואת הפרשנות שלהם צריך לבנות יחד עם מומחים שחיים ומכירים את השוק, את תהליך הקנייה ואת דפוסי ההתנהגות של הלקוחות. בסופו של דבר, היתרון התחרותי כבר אינו למי שאוסף הכי הרבה מידע. היתרון הוא למי שעוקב אחרי האירועים הנכונים, מבין את המשמעות שלהם ופועל בזמן.

אחת השאלות שאני שומע הרבה בחודשים האחרונים היא: באיזה כלי AI כדאי להשתמש כדי לשפר את ביצועי ה - GTM? אלו שמבינים יותר משתמשים במונח Technology Stack (פה תמצאו מאמר בנושא). התשובה שלי בדרך כלל מפתיעה את השואלים, אני אומר להם: זו ממש לא השאלה הנכונה, השאלה שחשוב לשאול קודם היא: אילו החלטות אתם מצפים שה - AI יעזור לכם לקבל? לפני מספר ימים ישבתי עם מנכ"ל של חברת B2B יצואנית. הוא הראה לי אוסף אייג'נטים שמפתח בנה על פי הנחיות סמנכ"ל המכירות. ניהול התהליך וניתוח חברות נעשה ע"י Claude, אחריו Clay מעשיר מידע ועושה Data orchestration, אחריו ,Apollo בונה רשימות, Sales Navigator מאתר אנשי קשר, Instantly.ai שולח מיילים ועוד כלים מבצעים משימות נוספות. היה תרשים זרימה יפה, היתה מצגת שהסבירה, היתה אוטומציה והכול עבד. רק דבר אחד הפריע, התוצאות לא היו טובות. כשעברנו על התהליך שאלתי אותו שאלה פשוטה: למה דווקא החברות האלה נכנסו לרשימת היעד? התשובה הייתה: כי הן מתאימות ל – ICP שהגדרנו. שאלתי שאלה נוספת: איך החלטתם שזה ה - ICP הנכון לחברה שלכם בשוק החדש? כאן כבר לא הייתה תשובה מספיק מבוססת. הבדיקה הראתה שהחברה בנתה את ה - ICP סביב לקוחות גדולים בפרופיל מסויים. זה נבע מכך שהשיגה לקוח אחד כזה בשוק היעד בעקבות התקנה בחברת אחות שלו בישראל. בפועל הלקוחות הראשונים הסבירים היו דווקא חברות בינוניות בפרופיל מעט שונה, להן היה צורך מיידי ותהליך החלטה קצר יותר. השינוי הזה החליף את רשימת היעד, את המסר ואת הסיגנלים שחיפשנו. זו בדיוק הנקודה. כלי AI יודעים לחפש, לנתח, להשוות, לכתוב ולהציע. אבל הם עובדים על ההנחות שאנחנו מספקים להם. אם ההנחה הראשונה אינה מדויקת, כל מה שיגיע אחריה יהיה אולי יעיל יותר, אבל לא בהכרח נכון יותר. למה זה קורה גם בחברות מצוינות? מפני שרוב החלטות ה - GTM הראשונות מתקבלות תחת לחץ של זמן, משאבים ואי־ודאות עם השפעה של ניסיון שהוא לא בהכרח רלבנטי לשוק החדש. במצבים כאלה אנחנו נוטים להסתמך בעיקר על מידע שמחזק את מה שכבר החלטנו, במקום לחפש ראיות שסותרות אותו. אנחנו גם נוטים להיצמד להחלטות שקיבלנו בתחילת הדרך. ה – ICP, הסגמנט או הצעת הערך הראשונים הופכים לעוגן. גם כשאין תוצאות קשה לנו לערער עליהם. לפעמים גם עסקה אחת גדולה או לקוח בולט כמו בדוגמא שתיארתי, משפיעים על כל האסטרטגיה, למרות שהם בכלל אינם מייצגים את רוב השוק. כלי AI יודעים לנתח את המידע שאנחנו נותנים לו. הם הרבה פחות טובים בלזהות את ההנחות וההטיות שגרמו לנו לבחור את נקודת ההתחלה. פה צריך ניסיון והבנה מעמיקה בתהליכי חדירה וצמיחה של חברות B2B בשווקים חדשים. בעזרתו ניתן לזהות הטיות, החלטות לא מבוססות ותהליכים לא מתאימים לסיטואציה. בשנתיים האחרונות גיליתי שבמרבית החברות החסם אינו בחירת כלי AI לא מתאימים. בכל פרויקט אני מחפש קודם החלטות GTM לא מבוססות שמגבילות כרגע את קצב הצמיחה. לפעמים זו באמת הגדרת ה – ICP, בפרויקט אחר זו הייתה בחירת השוק ובאחר ההנחה לגבי ה - Use Case בו יש להתמקד. אין רשימת תשובות קבועה. יש תהליך שמטרתו למצוא את ההחלטה בעלת ההשפעה הגדולה ביותר על הביצועים. רוב החברות אינן יודעות שהן פועלות על בסיס החלטת GTM שגויה. הן פשוט משקיעות עוד זמן, עוד תקציב ועוד כלי AI כדי לבצע אותה טוב יותר. לכן, לפני שאני חושב על פרומפטים, Agents או אוטומציה, אני מחפש את השאלה החשובה באמת: מהי החלטת ה - GTM האחת שאם נשפר אותה, כל שאר מערכת השיווק והמכירות תשתפר בעקבותיה? מניסיוני, כשמוצאים את ההחלטה הזאת, כמעט כל השאר נעשה פשוט יותר והשיווק והמכירות מקבלים רוח גבית.

לאחרונה ליוויתי חברת B2B ישראלית טיפוסית. כ-30 עובדים, מוצר מצוין, לקוחות מרוצים בארץ וניסיון ראשוני בשוק הבינלאומי עם מספר עסקאות ראשונות. כמו חברות רבות, גם היא כבר עבדה עם Claude ,ChatGPT ,Apollo ו-Sales Navigator. למרות זאת, מספר הפגישות האיכותיות היה נמוך, קצב יצירת ההזדמנויות איטי וההנהלה הרגישה שכלי ה-AI משפרים את הפרודוקטיביות, אבל לא מצליחים להעלות את החברה על מסלול של צמיחה בשוק האמריקאי. זו בעיה שאני פוגש שוב ושוב. רוב החברות מזינות ל-Claude את אתר החברה, המצגת והקטלוג. זה משאיר לכלי ה - AI חופש רב מדי וכך הוא לא יספק ביצועים טובים. קונטקסט הוא כל המידע שהנהלה הייתה מבקשת לפני קבלת כל החלטת GTM. מה שאתם מזינים ל-Claude קרוב לוודאי לא מספיק. בטרמינולוגיה של AI הקונטקסט דל. לא העמקתם מספיק - מי הם הלקוחות הראשונים שכדאי להתמקד בהם? למה עסקאות אבדו? מי באמת המתחרים? אילו סיגנלים מעידים שלקוח עומד לקבל החלטת רכישה? מענה לשאלות אלו ונוספות הוא תוצאה של ניסיון וידע שצברתם או חייבים להשיג. בלי המידע הזה, גם Claude יפיק תשובות שנשמעות מצוין, אבל יהיו גנריות. בחברה הנדונה החלטנו לבחון את איכות החלטות ה-GTM שעליהן כל כלי ה-AI עובדים. כבר אחרי מספר שעות היה ברור שהבעיה הייתה בשתי החלטות GTM בסיסיות שהתקבלו בתחילת הדרך. תהליך העבודה במהלך השנתיים האחרונות גיבשתי תהליך עבודה שאני מיישם כמעט בכל פרויקט שבו אני משלב AI בתהליך ה-GTM. הוא מבוסס על חמש החלטות. כל החלטה מייצרת את הקונטקסט להחלטה שאחריה וכך משתפרות בהדרגה גם איכות ההחלטות וגם איכות התוצרים של כלי ה-AI - פגישות ועסקאות. ההחלטה כיצד AI סייע לקבל את ההחלטה מה השתנה בחירת השוק, הוורטיקל וה-ECP מחקר שוק, ניתוח מתחרים, זיהוי דפוסים והצלבת מידע מיקוד בשוק ובקהל יעד חדשים הגדרת ה-ICP ניתוח לקוחות, עסקאות וסיגנלים רשימת חברות המטרה השתנתה הצעת הערך ניתוח מתחרים, ראיונות ומומחי שוק המסרים השתנו לחלוטין ערוץ החדירה ניתוח חלופות ושותפים נבחר ערוץ חדירה אחר מנוע הסיגנלים ניתוח אירועים עסקיים אנשי המכירות פנו בזמן הנכון בכל חדירה לשוק חדש קיימת אותה דילמה: מאיפה מתחילים? באיזו סגמנט? באיזה ורטיקל? מי יהיו אותם לקוחות ראשונים שכדאי להשקיע בהם את רוב מאמצי השיווק והמכירות? בשווקים גדולים זו החלטה קריטית כי היא משפיעה על איכות כל ההחלטות שיבואו אחריה. רוב החברות שואלות: מי מתאים למוצר שלנו? צריך לשאול שאלה אחרת: מי צפוי להיות הלקוח הראשון שיקנה מאיתנו? אלה לא אותם לקוחות. ה - ECP - Early Customer Profile. הם קבוצת הלקוחות בעלת ההסתברות הגבוהה ביותר להפוך ללקוחות הראשונים של חברה שעדיין בונה לעצמה מוניטין בשוק. לפני שהתחלנו את הפרויקט לחברה הייתה הגדרת ICP שהתבססה בעיקר על גודל החברה והענף. גם Claude המליץ להתמקד באותו כיוון. מבחינתו זו הייתה מסקנה נכונה, משום שזה היה הקונטקסט שקיבל. אבל שאלנו שאלה אחרת: האם זה גם קהל הלקוחות בעל ההסתברות הגבוהה ביותר להפוך ללקוחות הראשונים? כאן התחיל התהליך האמיתי. בשלב הראשון מיפינו באמצעות Apollo ,Sales Navigator וכלי AI נוספים כ-1,000 חברות פוטנציאליות. בשלב השני השתמשנו ב-Claude וב-ChatGPT כדי לנתח את השוק, את פעילות המתחרים, שותפים אפשריים, את הלקוחות הקיימים ואת דפוסי ההצלחה והכישלון. בשלב השלישי חיפשנו סיגנלים עסקיים והצלבנו מידע ממאות מקורות פתוחים. בשלב הרביעי אתגרנו את כל המסקנות באמצעות שיחות זום עם מומחי תחום, שותפים ולקוחות פוטנציאליים. השיחות לא נועדו לאסוף עוד מידע. הן נועדו לאתגר את ההנחות שעליהן התבסס הניתוח. בכמה מקרים גילינו שהמסקנות של ה-AI היו נכונות תיאורטית, אבל לא תאמו את הדרך שבה לקוחות באמת מקבלים החלטות. רק לאחר שחיברנו בין הניתוח של ה-AI לבין המציאות בשוק קיבלנו את החלטת ה-GTM. בסיום התהליך הבנו שהחברה אינה צריכה לפנות לכל הלקוחות שמתאימים למוצר. בחרנו אזור גיאוגרפי אחד, ורטיקל אחד ופרופיל ECP ממוקד מאוד, שבו התקיימו ארבעה תנאים: הכאב היה משמעותי וברור. לבעיה הייתה השפעה כלכלית גבוהה. תהליך קבלת ההחלטות היה קצר יחסית. והופיעו סיגנלים שהעידו על הסתברות גבוהה להתחיל תהליך רכישה. רק לאחר שהגדרנו את ה-ECP הרחבנו מחדש את ה-ICP. באותו רגע השתנו רשימת חברות המטרה, המסרים, הסיגנלים וסדרי העדיפויות של אנשי המכירות. במקום להשקיע חודשים בפנייה למאות חברות, פגישות עם חברות שהסיכוי שירכשו נמוך, החברה התמקדה בעשרות חברות בלבד, שנבחרו משום שהייתה להן הסתברות גבוהה משמעותית להפוך ללקוחות הראשונים. אבל השינוי לא הסתיים שם. Claude כבר לא עבד על בסיס אתר החברה והמצגת. הוא עבד על שכבת קונטקסט שנבנתה לאורך הפרויקט. כאשר אנשי המכירות ביקשו לנתח חברה, לזהות סיגנלים או להכין פנייה ראשונה, Claude כבר ידע באיזה שוק מתמקדים, מהו ה-ECP, מהי הצעת הערך, אילו סיגנלים חשובים ואילו ערוצי חדירה עדיפים. לא החלפנו את Claude. לא שינינו את הפרומפט. שיפרנו את החלטות ה-GTM (הקונטקסט) שעליהן Claude עובד. אם אתם מובילים חברת B2B ומרגישים שההשקעה ב-AI עדיין לא מתורגמת ליותר פגישות, יותר הזדמנויות ויותר מכירות, אשמח לבצע יחד אתכם אבחון GTM ממוקד. המטרה אינה להחליף את כלי ה-AI שלכם, אלא לוודא שהם עובדים על ההחלטות הנכונות. לעיתים, החלטת GTM אחת מדויקת יותר משנה את כל תוכנית החדירה לשוק. פנו אלי - michael@michaelgally.com.

רק בשבוע שעבר 3 מנכ"לים של חברות B2B הביעו בפני אכזבה מהתוצאות שמניבה מערכת ה – GTM שבנו והם מפעילים. לא הופתעתי. לא בגלל ש - Claude לא מספיק טוב. הוא מצוין! הבעיה הייתה במקום אחר. אני תמיד שואל מנהלים שמביעים אכזבה מביצועי AI: איזה מידע נתתם למערכת לפני שביקשתם ממנה לבנות אסטרטגיית GTM ולתפעל אותה. התשובה די צפויה: אתר החברה, מצגת, קטלוג מוצרים, כמה ברושורים ולפעמים גם פייפליין בסיסי ומיפוי תחרותי. עכשיו תשאלו את עצמכם שאלה אחרת. האם מנכ"ל מקצועי היה מקבל החלטות שיווק מכירות בשוק חדש, רק על בסיס המידע שבאתר החברה והמצגת שלה? ברור שלא. הוא היה מבקש להשלים פרטים כדי להבין את התמונה המלאה, פרטים כמו, מה המאפיינים של ה – ECP וה – ICP? מי הם הלקוחות הרווחיים ביותר? למה לקוחות קונים מאיתנו? למה הפסדנו עסקאות? מי המתחרים הישירים שלנו בשוק? אילו סיגנלים מעידים שלקוח עומד לקבל החלטת רכישה? אילו שותפים באמת פותחים דלתות? אילו מסרים כבר נוסו ומה באמת עבד? איזה מתחרים מצליחים יותר ולמה? רק כאשר אתם מסוגלים להתחיל לתת תשובות טובות לשאלות אלו, AI יתחיל להיות אפקטיבי ולתת תשובות שנכונות בדיוק לחברה שלכם. שכבת הקונטקסט היא כל מה שצריך לדעת כדי לקבל החלטה טובה ואשר מאפשר ל – AI להתחיל להראות תוצאות (פגישות ומכירות). זה הבסיס שאתם חייבים לבנות, ממנו AI מתחיל לעשות קסמים. אבל אסור לשקוט על השמרים, צריך לשאוף כל הזמן להתקדם ולשפר את שכבת הקונטקסט ע"י העמקת ההבנה שלנו בלקוחות, ערוצים ומתחרים. זה עקרון בסיסי. הבוס האמריקאי שלי, בתחילת שנות ה - 90, הרבה לפני שה – AI הופיע היה מעודד אותי לקבוע כמה שיותר פגישות בכל נסיעה - "אין דבר כזה פגישה מבוזבזת עם גורם בשוק היעד, מכל אחד יש מה ללמוד" איך עושים את זה? בכל פרויקט אנחנו מאתגרים את המידע שברשותנו שבונה את הקונטקסט. מזהים איזה מידע חסר ומשלימים אותו באמצעות שיחות עם מומחים, לקוחות פוטנציאליים, מפיצים, אינטגרטורים ואנשי מקצוע שחיים את הענף. המטרה אינה לאשר את מה שהחברה כבר חושבת. המטרה היא למצוא את מה שהיא עדיין לא יודעת. היום כל חברה, גם קטנה מאוד, יכולה לעשות את זה מהר ושיטתי יותר. עשיתי את זה עם חברה של 10 עובדים מהמשרד ביבנה. בפרויקט החברה הייתה משוכנעת שהיתרון הגדול שלה הוא הדיוק הטכנולוגי של הפתרון שלה שהיה מיועד לקווי ייצור. כל המסמכים והמסרים היו בנויים סביבו. כששוחחנו עם שלושה גורמים בענף, קיבלנו תשובה אחרת לגמרי. מבחינת הלקוח, הסוגיה המרכזית היתה מניעת / צמצום זמן השבתת קו הייצור. הבנו שהסתכלנו על המוצר דרך העיניים של המהנדסים, במונחים של Features (דיוק) ולא דרך העיניים של הלקוח כאב - השבתת קו הייצור. כל שעה כזו עלולה לעלות עשרות אלפי דולרים. לכן ה - Value Proposition השתנה. עברנו מלדבר על דיוק טכנולוגי ללדבר על רציפות ייצור, צמצום סיכונים והחזר השקעה. לא החלפנו את Claude. לא שינינו את הפרומפט. שינינו את איכות החשיבה שהזנו אליו. התחלנו להשיג יותר פגישות איכותיות באופן עקבי. הערת אזהרה - AI יודע להציג גם רעיונות בנאליים כך שיישמעו אינטליגנטיים. זו בדיוק הסיבה שקל כל כך להתאהב בתשובה הראשונה שהוא נותן. הסיכון אינו שהוא יטעה. הסיכון הוא שהוא ייתן תשובה שנשמעת מצוינת וכל הארגון יתחיל לפעול לפיה (האם זה כך אצלכם?). התפקיד שלנו כמנהלים וכיועצים הוא לאתגר את התשובות שלו, להוסיף קונטקסט, לשאול עוד שאלה, לבדוק אותן מול השוק ולחזור שוב ל – AI. רק כך מתקבלות החלטות GTM חדות יותר. תוך כדי הקריאה אולי שאלתם את עצמכם כמה שאלות. האם גם ה - AI שלנו עובד על קונטקסט חלקי? האם ה - Value Proposition שלנו מבוסס על מה שאנחנו חושבים או על מה שהלקוחות באמת מעריכים? האם אנשי המכירות שלנו משקיעים את רוב זמנם בחברות בעלות ההסתברות הגבוהה ביותר להפוך ללקוחות? אם אחת מהשאלות האלה גרמה לכם לעצור לרגע, כנראה שיש מה לבדוק. זה בדיוק סוג הפרויקטים שאני מלווה. אני לא בונה עוד מערכת AI. אני מסייע לחברות B2B לבנות את שכבת החשיבה והקונטקסט ומעליה עוזר לבנות מערכת GTM שתעבוד. המטרה אינה לייצר יותר פעילות. המטרה היא לשפר את איכות החלטות ה - GTM כך שאנשי המכירות ישקיעו את זמנם בחברות הנכונות, בזמן הנכון, עם המסר הנכון. אם אתם כבר עובדים עם Claude ,ChatGPT או כל מערכת AI אחרת, אבל מרגישים שהתוצאות העסקיות עדיין אינן בהתאם לציפיות, אשמח לחשוב יחד אתכם. לא פעם שיחה אחת מספיקה כדי להבין האם החסם נמצא בכלי, בפרומפט, או בשכבת הקונטקסט שעליה הוא עובד. פנו אלי: michael@michaelgally.com.

בשנתיים האחרונות ליוויתי יצואני B2B ישראלים רבים. לרובם יש מוצר טוב, לקוחות מרוצים, אנשי מכירות טובים, ריסלרים וכולם כבר עובדים עם ChatGPT, Claude ,Apollo ו - Sales Navigator, למרות זאת, חלקם מצליחים להאיץ משמעותית את החדירה והצמיחה בשוק, בעוד אחרים מרגישים שהשימוש ב – AI אולי שיפר את היעילות של העבודה, אבל לא השפיע על הגדלת המכירות. מה מקור ההבדל? זה אף פעם לא היה קשור לבחירה בכלי AI כזה או אחר. ההבדל נבע מהדרך שבה ההנהלה השתמשה בכלים כדי לקבל החלטות. באחד הפרויקטים ליוויתי חברה ישראלית שפיתחה ציוד לתעשיית המזון. ציוד שמשפר את היעילות התפעולית. החברה לא היתה מוכרת כלל בשוק בארה"ב למרות שהיו לה 2 התקנות. המטרה הייתה פשוטה: לייצר יותר פגישות עם יצרני מזון בארה"ב. לא פנינו לאפולו וביקשנו לבנות רשימת לקוחות פוטנציאליים גדולה, אלא שאלנו שאלה אחרת: אילו יצרני מזון צפויים לקבל החלטות השקעה בחצי השנה הקרובה? זו כבר שאלה אחרת לגמרי. בשלב הראשון מיפינו מאות יצרני מזון. אבל לא כולם היו שווים את הזמן של אנשי המכירות. התחלנו לחפש סיגנלים שקשורים להחלטות עסקיות של יצרני מזון - האם קורה עכשיו משהו משמעותי אצלם שמייצר כאב, שיבוש, דחיפות, תזמון שמצביע על כך שיקשיבו למסר מחברה לא מוכרת. אחרי כשעתיים של עבודה עם AI ומקורות מידע שונים הבנו משהו שלא היה לנו ברור בתחילת הפרויקט. מתוך מאות יצרני מזון, רק מיעוט קטן הציג באותו זמן שילוב של שני סיגנלים או יותר המעידים על הסתברות גבוהה קודם כל שיקשיבו לנו ואח"כ לרכישה. הבנו שלהשיג רשימה של לקוחות שתואמים לפרופיל גנרי ופניה אליהם לא תספיק. חסר לנו סדר עדיפויות וזיהוי יצרנים שקורה בעסק שלהם משהו שיעזור לנו לעניין אותם. למשל, יצרן שהודיע על הרחבת קו ייצור. למה זה סיגנל חשוב? כי הרחבת קו ייצור אינה רק רכישת מכונות. זו תקופה שבה מתקבלות עשרות החלטות על ציוד, תהליכי ייצור, אוטומציה, ספקים ופתרונות חדשים. דווקא בתקופה הזו ארגונים פתוחים הרבה יותר לבחון ספק חדש מאשר בשגרה. סיגנל נוסף היה יצרנים שיש להם בעיות איכות, יציבות וכיו"ב בייצור. מאחורי בעיות מסתתרות בדרך כלל השקעות בקווי ייצור, שינויים באריזה, התאמות רגולטוריות ושיפור תהליכי איכות. כל אלה יוצרים חלון הזדמנות שבו ההסתברות להיכנס לשיחה עסקית גבוהה יותר. השאלה הבאה הייתה: איפה בכלל מוצאים מידע כזה? התשובה - לא במקום אחד. שילבנו חיפוש הודעות לעיתונות של החברות, מודעות דרושים למהנדסי ייצור ומנהלי מפעל, פרסומים של ספקי ציוד, אתרי חדשות מקצועיים, אתרי תערוכות, מאגרי מידע ענפיים, LinkedIn וכמובן כלי AI שסייעו לאתר, לחבר ולנתח את כל פיסות המידע. AI הצליח לאתר מאות פריטי מידע בתוך דקות. אבל הוא לא ידע להבחין בין ידיעה מעניינת לבין ידיעה שמשנה הסתברות לרכישה. כאן נכנסים הבנת עקרונות ה-GTM. הניסיון של הלקוח ושלי לימד אותנו אילו אירועים באמת משנים את התנהגות הקונה, ואילו רק נראים מעניינים. אף אחד מהמקורות בהם השתמשנו לא סיפק את התשובה הכוללת. היתרון נוצר מהיכולת לחבר ביניהם ולהבין מה הם מספרים על מצב החברה ופתיחותה להקשיב לחברה ישראלית לא ידועה. בסופו של התהליך לא הגדלנו את רשימת הלקוחות. עשינו בדיוק את ההפך. צמצמנו אותה ממאות חברות לכמה עשרות שהציגו שניים או יותר סיגנלים המעידים על הסתברות גבוהה יותר לקבלת החלטת השקעה בתקופה הקרובה. רק אז עברנו לשלב הפנייה. השימוש ב -AI לא באמת מצא לנו יותר לקוחות. הוא עזר לנו להחליט במי כדאי להשקיע את הזמן, מתי לפנות ולמה דווקא עכשיו. זו אחת התובנות החשובות ביותר שלי מהשנתיים האחרונות. החברות שמצליחות יותר אינן אלה שמשתמשות ביותר כלי AI ורודפת אחרי המתקדמים ביותר. אלא על מנהלים שיודעים לשלב – החלטות GTM (בחירת השוק, הסגמנט, והלקוחות הנכונים, בחירת ערוץ החדירה הנכון ובחירת המסר הנכון בענף ספציפי) + שימוש ב – AI + שיקול דעת עסקי של מנהלים מנוסים שמכירים את הדינמיקה בענף. לדעתי, שם ייווצר היתרון התחרותי של יצואני ה - B2B בשנים הקרובות. לא בעוד כלי. לא בעוד אוטומציה. אלא ביכולת לשאול את השאלות הנכונות, לזהות את הסיגנלים הנכונים ולהפוך אותם להחלטות שמייצרות יותר פגישות, יותר הזדמנויות ויותר מכירות. אם גם אצלכם השימוש ב-AI שיפר את הפרודוקטיביות, אבל לא את מספר ההזדמנויות העסקיות, ייתכן שהבעיה אינה בכלים אלא בהחלטות שמקדימות את השימוש בהם. זה בדיוק סוג השאלות שאני מאבחן עם הנהלות של חברות B2B. אשמח לחשוב על זה יחד אתכם. כתבו לי - michael@michaelgally.com.

אימצנו כלי AI, יש לנו ChatGPT ,Claude ,Apollo ו - Sales Navigator, אז למה מספר הפגישות עם לקוחות שמובילות למכירות לא גדל? כך שאל אותי מנכ"ל של חברת B2B ישראלית. חייכתי. לא כי ידעתי את התשובה. אלא כי ידעתי מאיפה להתחיל. שאלתי אותו: איך בחרתם דווקא את החברות שאליהן פניתם? הייתה שתיקה של כמה שניות. ואז הוא ענה: האמת? פשוט בנינו באמצעות Apollo רשימה גדולה ופנינו אליהם. בדיקה מהירה הוכיחה שהחברה פשוט התמקדה בחברות הלא נכונות. הגדרה ראשונית של ה – ICP, וולידציה ומיקוד בחברות שתואמות לו, שינה את כל תוכנית החדירה של החברה לשוק והעלה אותה על מסלול צמיחה. זו לא הייתה דוגמה חריגה. זו הייתה אחת מתוך עשרות חברות שבדיקה מהירה גילתה שחלק מהחלטות הבסיס שלהן לא היו מדויקות. אחרי יותר מ-35 שנה בעולם ה - B2B, ה-AI הוא השינוי הגדול ביותר שראיתי בעולם השיווק, המכירות והפיתוח העסקי. אבל הוא לא מחליף את החלטות ה – GTM, הוא מנוע סופר חזק שמעצים את מי שמכיר איך נכון לחדור לחדור ולצמוח בשוק חדש. במהלך השנתיים מאז שהתחלתי להשתמש בכלי AI התחדדו אצלי כמה תובנות. כלי AI פותחים לכולנו גישה לאינטליגנציה – לדאטה, מידע, ידע (knowledge) ותבונה (wisdom), עכשיו השאלה האם יודעים למנף את זה לתוצאות עסקיות? האם השימוש ב – AI משפר אצלכם את ה – ROI של פעילות השיווק והמכירות? כלי AI לא מחליפים את איש המכירות אלא מכפילים את היכולת שלו. פחות זמן על מחקר, יותר זמן על שיחות עם הלקוחות הנכונים. דווקא לחברות B2B קטנות ובינוניות נפתחה הזדמנות שלא הייתה להן בעבר. יכולות שפעם דרשו צוותי שיווק גדולים ותקציבי ענק זמינות היום גם לחברות עם צוות קטן. כמעט כל החברות משתמשות בכלי AI. הפער בין המצליחות לאחרות היה בדרך שבה שילבו אותם בתוך תהליך ה – GTM. יותר מידע כבר אינו יתרון תחרותי. כולם יכולים למצוא מידע. היתרון עובר למי שיודע להפוך אותו להחלטות עסקיות טובות יותר. ככל שה - AI משתפר, כך שיקול הדעת של ההנהלה הופך חשוב יותר. כלי AI יודעים לנתח, לנסח ולהציע. הם עדיין לא יודעים להחליט באיזה שוק להתמקד, עם אילו לקוחות להתחיל ואיפה נכון להשקיע את התקציב. חברות תוכלנה להשיג הרבה יותר תוצאות עם אותם המשאבים. אני מתכוון לחברות B2B ישראליות עם מוצר בשל בענפים כמו: מכשור רפואי, בריאות דיגיטלית, אוטומציה תעשייתית, ציוד ומכונות לתעשייה, תוכנה ארגונית, סייבר תעשייתי, טכנולוגיות מים, טכנולוגיות חקלאיות, טכנולוגיות מזון, אלקטרוניקה ורכיבים אלקטרוניים... בפוסטים הבאים אשתף כאן בדוגמאות, בדילמות ובתובנות שאני פוגש שוב ושוב אצל יצואני B2B ואיך השילוב בין AI, עקרונות GTM מוכחים וניסיון עסקי מאפשר להשיג הרבה יותר עם מה שכבר קיים בארגון. היתרון התחרותי של חברות B2B לא גדולות שיצמחו בשנים הקרובות יתבסס על שילוב של – החלטות GTM (בחירת השוק, הסגמנט, והלקוחות הנכונים, בחירת ערוץ החדירה הנכון ובחירת המסר הנכון) + שימוש ב – AI + שיקול דעת עסקי. זה בדיוק הנושא שעליו אכתוב כאן בתקופה הקרובה.

כל יום תמצאו ברשתות מומחי GTM שמציגים לכם את הכלים הטכנולוגיים מבוססי AI העדכניים הטובים ביותר לשלבים השונים של GTM. הכול מוצג בתרשימים מעוצבים היטב בעזרת AI. אתם חושבים ששיפור ה - GTM שלכם תלוי במרדף אחרי הכלים הטובים ביותר (FOMO). זה ממש לא מה שצריך להטריד אתכם. רוב מערכות ה - Outbound לא אפקטיביות בגלל בחירה בכלים לא מתאימים או לא מעודכנים, אלא מסיבות אחרות: Context חלש, ICP לא מדויק, Signals גנריים או לא מתאימים ו - Triggeing לא נכון. סיגנל (Signal) הוא אירוע, שינוי או מצב שניתן לזהות אצל לקוח פוטנציאלי, שעשוי להעיד שכואב לו ולכן הוא פתוח יותר להקשיב, לבחון פתרון או להתחיל תהליך רכישה. אם תדעו לזהות סיגנל מדויק אצל לקוח תדעו מתי ואיך לפנות אליו. הדיוק חשוב במיוחד לחברות לא מוכרות בשוק חדש שמתקשות לעורר עניין אצל לקוח. מתי אתם הגבתם למייל מגורם לא מוכר. לעתים זיהוי האירוע נעשה ע"י כלי טכנולוגי כמו Clay למשל. במצבים אחרים רק גורם אנושי הממוקם בשוק יזהה את הסיגנל. התוצאה הטובה ביותר תתקבל בדרך כלל, כאשר תשלבו שימוש בכלים וסיוע של גורמים אנושיים. היום באמצעות כלי AI אנחנו יכולים לזהות ארבע שכבות של סיגנלים: האם זו בכלל החברה הנכונה שתואמת להגדרת הלקוח האידאלי (Fit Signals) עפ"י משתנים כמו: גודל חברה ענף מיקום טכנולוגיה בשימוש סוג לקוחות זו השכבה הבסיסית, בלי Fit אין טעם להמשיך. האם החברה מחפשת פתרון? (Intent Signals) ביקור באתר הורדת תוכן השתתפות בוובינר חיפוש מונחים רלוונטיים אלו מעידים על עניין, אך לא בהכרח על צורך בטווח הקרוב. האם מישהו בארגון הלקוח מגיב? (Engagement Signals) פתיחת מייל תגובה בלינקדאין שיחה ראשונה השתתפות בפגישה מעידים על מעורבות, לא בהכרח על כוונת רכישה. אולי אין ללקוח בכלל תקציב. מה השתנה בעסק של הלקוח ובסביבת העסק שאמור לייצר פעולה עכשיו? (Business Signals) פרויקט חדש הרחבת מפעל רגולציה חדשה פעילות של מתחרים דרישה של לקוחות גיוס לקוח גדול רכישת חברה בעיית איכות מעידים על שינוי עסקי אמיתי שקשור ללקוח ומעיד על צורך או בעיה. זו השכבה שאם תגיעו אליה תייצרו צמיחה! אני מניח שבפעילות שלכם אתם לא מזהים ביזנס סיגנלס! איפה נמצא המפתח לשיפור מערך ה – Outbound שלכם וצמיחה? רוב החברות מחפשות רק סיגנלים בשלוש השכבות הראשונות של Fit ,Intent ו – Engagement כי זה קל יותר ואינטואיטיבי. אך סיגנלים אלו לא יוצרים שינוי משמעותי. הקסם מתחיל כאשר מפסיקים לשאול: מי הלקוח שלי? ומתחילים לשאול: מה השתנה אצל אלו שהגדרתי כלקוחות מטרה שמעיד על בעיה או צורך אצלם עכשיו? מעט מאוד חברות מחפשות: מה קרה בעסק של הלקוח. אנשים קונים כי משהו השתנה אצלם בעסק ובסביבת העסק שיוצר Trigger שמניע אותם לבקש פגישה ובסופו של דבר גם לרכוש. נסו את המנוע לזיהוי Business Signals ו – Triggers פיתחתי מנוע לזיהוי Business Signals ו – Triggers. שימוש ב - Signals בפעילות ה - Outbound ישיג לכם פגישות עם לקוחות איכותיים. המנוע לומד את החברה שלכם והסיטואציה העסקית שלכם ומספק: ✅ 5-10 סיגנלים לכך שקורה משהו אצל הלקוח שמגביר את הסיכוי לעסקה (רק סיגנלים כאלו יעלו אתכם על מסלול של צמיחה!) ✅ איפה ניתן לאתר את הסיגנלים האלו ✅ קבוצת טריגרים ראשונית מה נדרש מכם – רק מילוי ברצינות של שאלון (כ-10 דקות). מה תקבלו - דו"ח קצר ואפשרות לשיחה ממוקדת לבחינת הצעדים הבאים שלכם. השימוש ללא עלות או התחייבות כלשהי מצדכם ומוגבל ל - 5 חברות שיפנו ראשונות. מעוניינים? שלחו לי מייל - michael@michaelgally.com עם תיאור קצר של החברה שלכם (שוק יעד, סוג לקוח, מוצר, כמה זמן פועלים בשוק).