موردی برای حذف اولویت از چیزهای آسان

هر رهبر لحظه ای دارد که باید کاری را انتخاب کند که به جای راه آسان، سخت ترین راه است، گاهی اوقات نتیجه می دهد، گاهی اوقات شکست می خورد، اما رهبران تماس می گیرند. من تمرین هوش مصنوعی خود را در Seer هدایت می کنم.

وقتی از مدیر عامل شما خارج می شود، «همه درون» روی هوش مصنوعی عالی به نظر می رسد. شرکت ما می گوید: «ما می خواهیم یکی از آژانس های پیشرو باشیم که به مشتریان کمک می کند تا جستجوی آینده LLM را ایجاد کنند.»

واقعیت این است که برای ورود همه جانبه به یک فناوری، بدون دفترچه راهنمای کاربر، ما هیچ نقشه راه نداریم، و در حالی که این یک چالش فوق العاده سرگرم کننده است، ما صدها تصمیم خرد را دست کم می گیریم. هزاران تصمیم کوچکی که در طول سال گذشته گرفته ایم که بر روی سرمایه گذاری، اولویت بندی و آزمایش ما تأثیر می گذارند و نمی کنند. فقط برای پیدا کردن یک مدل جدید بیرون آمده است و ما باید همه چیزهایی را که فقط یک ماه پیش فکر می کردیم / ممکن نیست، دوباره ارزیابی کنیم.

همه صرفه جویی در زمان یکسان ایجاد نمی شود.

1000 پنی از نظر فنی 10 دلار است. دلیلی وجود دارد که شما نمی خواهید با 1000 پنی برای خرید خود قدم بزنید.

صرفه جویی 30 دقیقه ای برای شخصی در هفته - 10 دقیقه اینجا، 15 دقیقه آنجا - برای تغییر اساسی ظرفیت تیم برای کار استراتژیک کافی نیست. آیا کل این موضوع اتوماسیون در مورد این نیست؟

این بخش های «زمان ذخیره شده» اغلب به جای اینکه به ارزش مشتری معنادار تبدیل شوند، در بررسی ایمیل، جلسات سریع یا وظایف اداری جذب می شوند.

شما نمی توانید آنچه را که اندازه گیری نمی کنید بهبود بخشید، خوب.

من این درس را در گفتگو با مدیر مالی و تیم رهبری درباره مدیریت منابع به سختی آموختم. هنگامی که در مورد صرفه جویی 30 دقیقه تا یک ساعت در هفته به ازای هر فرد هوش مصنوعی صحبت کردیم، پاسخ مدیر مالی این بود:

"اگر کسی هفت ساعت روی پروژه ای کار می کند و ما 30 دقیقه آزاد می کنیم، هنوز 6.5 ساعت است. حتی برای سه یا چهار مشتری، این ساعت های آزاد لزوما به ظرفیت یک پروژه جدید تبدیل نمی شود."

صرفه جویی در زمان اندک تأثیر معناداری بر مالی آژانس ندارد.

آن ساعت های آزاد به ظرفیت معنادار اضافه نمی شود. این مانند حمل حدود 1000 پنی به جای یک اسکناس 10 دلاری است - از نظر فنی ارزش مشابهی دارد، اما عملاً بی فایده است. ما هرگز به دلیل توضیحات متا استخدام یا اخراج نشده ایم، پس چرا از آنجا شروع کنیم.

در حالی که ابزارها می توانند به ما کمک کنند تا کارهای آسان را در مقیاس انجام دهیم و در زمان صرفه جویی کنیم، این زمان صرفه جویی شده آنقدر پراکنده خواهد بود که نمی تواند به نوعی کار عمیق و استراتژیک تبدیل شود که مشتریان ما برای به دست آوردن نتایج در این دنیای جدید با همه تغییراتی که در هوش مصنوعی رخ می دهد، نیاز دارند. & جستجو کنید.

آیا تا به حال برای شما پیش آمده است که مشتری به خاطر استراتژی توضیحات متا شما را استخدام کرده یا اخراج کند؟

نه. به همین دلیل است که تصمیم گرفتم حوزه هایی را که می توانند بخش های متعددی را در زمینه هایی که بیشترین احتمال کمک به رشد و حفظ مشتریان را به ما کمک می کنند، بهبود بخشم. اولویت های ما به ناامیدی صریح مشتری که دیده و شنیده ایم مربوط می شود. ما به توضیحات متا خواهیم رسید، فقط زود نیست، زیرا من برنده هایی می خواهم که بر امور مالی کسب وکار تأثیر بگذارد.

ما برای بهره وری بهینه سازی می کنیم بدون اینکه در واقع اثربخشی را بهبود بخشیم. به همین دلیل است که وقتی به تصمیم خود برای تمرکز بر ابتکارات با تأثیرگذاری بالاتر نگاه می کنم، حتی اگر اجرای آنها سخت تر باشد، بر این انتخاب می ایستم.

پست زیر به بررسی این موضوع می پردازد که چرا این تصمیمات به ظاهر خلاف واقع در مورد مدیریت زمان، آزمون های ما را شکل داده است. به هر حال، همه اینها یک آزمایش است…

نقطه شروع: ما قصد نداریم یک مدرنا بکشیم

وقتی Moderna اعلام کرد که 750 GPT را به کار گرفته است، همه در Seer از جمله من هیجان زده شدند. سپس فکر کردم... وای می توانیم 200 GPT سفارشی در دو ماه بسازیم، یک عدد برای هر نفر؟ مطمئنا آیا این به مشتریان کمک می کند، من چندان مطمئن نیستم.

مقیاس همه چیز را تغییر می دهد. با 200 نفر، نمی توانیم به دنبال سکه باشیم - باید طلا استخراج کنیم. برخی از تیم های ما از ChatGPT برای توضیحات متا استفاده می کنند، و این خوب است، آنها مجوزها، ابزارها و پشتیبانی من را با گروه ضربت هوش مصنوعی دارند.

اما کار من این نیست که ابزارهایی بسازم که ممکن است در عرض شش ماه منسوخ شوند (CRM HubSpot ما تمام توضیحات متا را با استفاده از هوش مصنوعی خود برای ما می نویسد) - کاری که HubSpot انجام نمی دهد این است که تمام فرآیندهای تجاری ما را بررسی کند، از 6 سال و 170 گذشته. محصولات قابل تحویل، زمان ما را برای هر کار مورد نیاز نمی گیرد، و بالاترین نقاط اهرم را پیدا می کند، بنابراین نحوه عملکرد ما را تغییر نمی دهد. کل آژانس ارزش ارائه می دهد

تیم های ما 20 برابر بیشتر از نوشتن توضیحات متا ساعت ها را صرف ارتباط با مشتریان می کنند.

ارتباطات در قالب ارائه های مشتری، بررسی آن کام ها بر اساس معیارهای پذیرش و خلاصه های مشتری، و انتقال یافته ها و استراتژی های ما به مشتریان.

آیا سرمایه گذاری های هوش مصنوعی ما نباید منعکس کننده مکان هایی باشد که بیشتر زمان صرف می شود و روابط رشد می کنند یا از بین می روند که بر نتایج آژانس و مشتریان ما تأثیر می گذارد؟

به جای مسابقه برای ساخت 200 ابزار مختلف، عقب نشینی کردیم و یک سوال پرسیدیم: چه چیزی سوزن را برای مشتریان ما حرکت می دهد؟

نوشتن توضیحات متا از قبل آنقدر زمان کمی می برد که صرفه جویی های کوچک در اینجا و آنجا به اندازه ای مفید نخواهد بود که اگر چیزی را توسعه دهیم که استراتژی های تیم را در مقابل آنچه رهبری فکری ما می گوید بررسی می کند، بله، همه چیزهایی را که رهبران فکری ما در ویدیو می گویند به صورت داخلی در نظر گرفته است. برای 18 ماه گذشته و در حال ایجاد یک GPT رهبری فکری برای بررسی افکار داخلی خود در برابر نتایج قابل تحویل برای تیم ها هستیم و به ما امکان می دهد روی استراتژی هایی که ممکن است مخالف افکار اخیر ما به نظر برسند، فشار بیاوریم.

مستندات غیرسکسی هستند، اما کلید هستند.

از طریق مستندات دقیق، ما فقط وظایف را فهرست نکردیم - ما سرمایه گذاری زمانی را در پشت هر گردش کار و تحویل در همه بخش ها کمیت کردیم.

این فقط شمردن سکه نبود. دنبال پول بود تا پیدا کند که بخش هایی از زمان ارزشمند در کجا خرج می شود یا گاهی اوقات گم می شود.

آنچه ظاهر شد فقط یک لیست کار نبود - این یک نقشه حرارتی از فرصت ها بود که در چندین نقطه داده کیفی و کمی به ثمر رسید. در حالی که دیگران در حال استخراج سطحی برای بردهای سریع بودند، ما در حال ساخت یک مدل سه بعدی از محل حفاری برای حداکثر تأثیر بودیم.

ما ابتدا روی ارتباطات و نتایج مشتری تمرکز کردیم

با حفظ این ایده که «چه وظایفی را چندین بار در هفته، در هر مشتری، در هر بخش انجام می دهیم» به عنوان شمال واقعی خود، می توانیم اصلاحات کوچکی مانند توضیحات متا را پشت سر بگذاریم و روی مناطقی تمرکز کنیم که روابط را بهبود می بخشد یا از بین می برد... ارتباطات.

ما سه GPT اساسی را با تجزیه و تحلیل رشته های مشترک در بیش از 170 محصول تحویلی خود شناسایی کردیم، بله، ما 170 محصول تحویلی را قبل از شروع ساختن برنامه های AI در سطح سازمانی فهرست بندی کردیم. این گام به عقب ما را از واکنش های تند و تیز... مثل ویل به چیزهای اساسی درست جلوی ما باز داشت. اینها GPTهای پایه ما بودند:

1. Slide Deck Outline GPT: در هسته خود، این به تیم ها کمک می کند تا اطلاعات پیچیده را به قانع کننده ترین شکل ممکن به مشتریان منتقل کنند. این در مورد ساختار روایت است که طنین انداز است.
2. Project Brief Generator GPT: این به یکی از خسته کننده ترین "خطاهای غیراجباری" در کار آژانس می پردازد - انتظارات نادرست. به جای اینکه تیم ها خلاصه های قدیمی را کپی و جایگذاری کنند و نکات مهم یا ذینفعان جدید را از دست بدهند، این GPT آن ها را از مرحله اول در یک فرآیند کامل همسویی راهنمایی می کند.
3. خلاصه جلسه GPT: در حالی که ابزارهایی مانند زوم رونوشت ها را ارائه می دهند، اغلب علامت ارتباط آماده مشتری را از دست می دهند. این GPT رونوشت های خام را به روش های Seer Interactive به رونوشت های جلسات عملی تبدیل می کند. این به ما کمک می کند تا بیت های مهمی از اطلاعات را ذخیره کنیم که به راحتی از بین می روند و مشتریان را مجبور می کند تا خود را تکرار کنند.

اما اینجاست که مفهوم "سطح پایه" واقعاً می درخشد: این GPT ها به عنوان بلوک های سازنده عمل می کنند. از GPT Recap جلسه استفاده کنید - در حالی که به عنوان یک ابزار عمومی به خوبی کار می کند، می توانیم آن را برای مشتریان خاص سفارشی کنیم.

به عنوان مثال، اگر مشتری نیاز به ارائه خلاصه های خود به روشی خاص داشته باشد، ما صدها ساعت در آموزش GPT سفارشی، آزمون و خطا سرمایه گذاری کرده ایم، بنابراین کل تیم ما می تواند دستورالعمل های GPT پایه (به عنوان یک بلوک ساختمانی) را دریافت کند و یک سفارشی ایجاد کند. نسخه، کدگذاری سخت ترجیحات، اصطلاحات و سبک ارتباطی آنها.

آنچه یک رونوشت عمومی بود به یک راه حل با یک کلیک تبدیل می شود که به زبان مشتری صحبت می کند.

این رویکرد اهمیت دارد زیرا آنچه اغلب اعتماد مشتری را از دست می دهد، وظایف کوچکی مانند توضیحات متا نیست - این زمانی است که آنها احساس می کنند ما عناصر کلیدی را در مورد رفتنشان به بازار فراموش کرده ایم یا زمانی که درک واقعی اهداف و محورهای تجاری آنها را از دست می دهیم.

نتایج: جایی که ما امروز ایستاده ایم

ما نحوه برقراری ارتباط یافته ها را در نزدیک به ده ها تحلیل استاندارد کرده ایم، و تجزیه و تحلیل منظره جستجو نمونه ای کامل از اینکه چگونه GPTهای سطح پایه ما کار ما را تغییر می دهند، ارائه می کند. اینجاست که جالب می شود - و غیر منطقی.

C-suite دوست دارد در زمان برای استعدادهای ارشد (گران قیمت) صرفه جویی کند

ما هرگز رهبران 8 تا 10 ساله سئو را نداشتیم که روی استراتژی توضیحات متا کار کنند، ما آنها را برای راه حل های منحصر به فرد و راهنمایی از طریق بررسی های قابل تحویل که سال ها تجربه آنها می درخشد حفظ می کنیم.

GPTهای پایه ما، هدایایی را ارائه می دهند که رهبران ارشد هنگام انجام بررسی های قابل تحویل از آن استفاده می کردند.

بر اساس چارچوب های مشاوره کلاسیک از شرکت هایی مانند مک کینزی و دیلویت ساخته شده است، به هدایت تیم «خراشنده تر» ما در گفتن داستان های متقاعدکننده ای کمک می کند که ارزش فوری را به همراه دارد. این فقط در مورد سازماندهی اسلایدها نیست - این در مورد پاسخ دادن به "پس چی؟ حالا چی؟" سوالاتی که بینش را به عمل تبدیل می کند.

آن ها می توانند تمام ایده ها و یافته های خود را در ChatGPT قرار دهند و GPT های سفارشی ما یادداشت های ملاقات مشتریان و خلاصه مشتری را برای اطمینان از همسویی در نظر می گیرند.

این کمک می کند گاهی اوقات ما را از شر خودمان نجات دهیم، جایی که در داده ها آنقدر عمیق می شویم که می توانیم اهداف را از دست بدهیم.

زنجیر کردن CustomGPTها با هم 1+1 = 3!

آنچه این رویکرد را قدرتمند می کند این است که چگونه این GPT های سطح پایه می توانند با هم کار کنند. یک تحلیلگر ممکن است با GPT تجزیه و تحلیل پیوند داخلی ما (که فرآیند دستی کلیک کردن بین صفحات گسترده و ماکروهای در حال اجرا را ساده می کند) شروع کند، سپس آن یافته ها را در Slide Deck Outline GPT برای ساختاربندی ارائه ارائه کند.

آنها حتی می توانند در SERP Data GPT ما حلقه بزنند تا فرصت های کلمه کلیدی خاص را در زمان واقعی اعتبار سنجی کنند - بله، ما یک SERP GPT داریم که به ما امکان می دهد 200 فاکتور را برای یک کلمه کلیدی، درست در داخل Chatgpt با یک اعلان اولیه بکشیم... ما می توانیم مجموعه ای از کلمات کلیدی را انتخاب کنیم. و به زبان طبیعی ما بپرسید که آیا هر یک از PAA ها حاوی کلمه کلیدی خاصی نسبت به خلاصه مشتری / یادداشت های ملاقات مشتری هستند. بدون پرش از ابزاری به ابزار دیگر، به صندوق ورودی، به ابزار دیگر می خواهیم همه این کارها را در ChatGPT انجام دهیم.

به یک تیم کنجکاو بلوک های سازنده، آموزش و پشتیبانی بدهید و ببینید با آن چه می کنند.

جادوی واقعی اینجاست: چون اینها GPTهای سطح پایه هستند، می توانیم آنها را برای مشتریان خاص سفارشی کنیم. اگر مشتری اولویت های زبان یا اولویت های تجاری خاصی داشته باشد، می توانیم آن ها را در GPT «کد سخت» کنیم. این بدان معناست که ما فقط تحلیل های سریع تری را ارائه نمی کنیم، بلکه آنها را به گونه ای ارائه می کنیم که با دیدگاه و نیازهای منحصر به فرد هر مشتری همخوانی داشته باشد.

نتیجه؟ ما در حال تغییر از مدلی هستیم که در آن تحلیل گران ممکن است دو ماه را سر به زیر در داده ها صرف کنند به مدلی که دائماً در چرخه «تحلیل، اجرا، تجزیه و تحلیل، اجرا» هستیم. این در مورد انجام تجزیه و تحلیل کمتر نیست - این در مورد انجام تجزیه و تحلیل درست در زمان مناسب است که به روشی درست ارائه شده است تا ارزش واقعی مشتری را افزایش دهد.

افکار فراق

ببین من متوجه شدم وقتی آژانسی متشکل از 200 نفر را اداره می کنید، فشار زیادی برای نشان دادن پیروزی های سریع با هوش مصنوعی وجود دارد. اما من آموخته ام که تعقیب آن سودهای کارآمدی آسان - آن سکه های پراکنده صرفه جویی در زمان - در واقع بازی کم اثرتر است، به خصوص اگر تمام وظایف، قابل تحویل، معیارهای پذیرش خود را از قبل مستند کرده باشید، می توانید بزرگتر شوید.

به همین دلیل ما تصمیم گرفتیم ابتدا به مسائل سخت بپردازیم. بله، ما می توانستیم 200 GPT را در عرض دو ماه بسازیم و اعلامیه ای بدیع کنیم.

آیا این بدان معناست که ما گاهی روی کاغذ کندتر از آژانس هایی که یک خودکار توضیحات متا را ارائه می کنند به نظر می رسیم؟ شاید.

من ترجیح می دهم آژانسی باشم که متفکرانه نحوه ارائه ارزش مشتری را متحول می کند تا آژانسی که تعداد تصادفی GPT ساخته شده را جشن می گیرد.

گاهی اوقات راه سخت، راه درست است - و من هر بار بر این انتخاب خواهم ایستاد.