Startups&Products

1. Як перетворити data science
рішення на глобальний
продукт?

2. Знайомтесь,
Captain Growth
Сервіс, що автоматично аналізує
дані компанії про маркетинг, і
знаходить в них інсайти -
можливості для росту.

3. Captain Growth сьогодні:
та ще 1000+ користувачів на борту

4. Captain Growth 8 місяців тому:

5. Продукт + Маркетинг

6. Продукт

7. Що робить
Captain Growth?
Аналізує дані з GA, Adwords,
Fb Ads і інших джерел.
01
02
03
Знаходить точки зростання в
даних про маркетинг та рекламу.
Визначає оптимальні точки для
докладання зусиль маркетингової
команди.

8. Наприклад:

9. Класичні дашборди відповідають лише
на ті питання, які ти їм поставив:

11. Ручний пошук інсайтів:

12. Пошук інсайтів з Captain Growth:

13. Шлях до продукту
Проблема01
02
03
Технологія
Продукт

14. Як шукати бізнес-проблему для Data
Science продукту?
Пошук всередині доменної області, де ви є експертом01
02
03
Усвідомлений біль потенційних клієнтів
Місце, де зосереджена найбільша кількість рутини
04
Напрямок, до якого застовується технологія, є пріоритетним або принаймні
значущим для потенційних клієнтів

15. Чек-ліст для майбутнього B2B-продукту:
Відносна легка інтеграція - базування на готовій інфраструктурі
Мінімально необхідний рівень перебудови внутрішніх процесів в компанії
Напрямок, де рівень сприйняття та довіри до технологій є достатньо
високим

16. Чек-ліст для майбутнього B2B-продукту:
Зрозуміло, де брати дані

17. Чи завжди потрібний data science?

18. Використовуйте rule-based, допоки це
має сенс

19. В який момент знадобився data science?
Кількість правил перевалила за 200 і покрила менше 10% можливих
випадків.
01
02
03
Стало зрозуміло, що природа даних складна і не піддається простій
типізації.
Гіпотеза продукту була валідована. Став зрозумілим необхідний кінцевий
результат.

21. Швидкість

22. Особливість продукту: швидкість
важливіша за точність
Дані про тисячі клієнтів мають обраблятись одночасно01
02
03
Мінімізація часу очікування: з 3 годин до 10 хвилин. В 60% випадків час
очікування не перевищує 2 хвилин.
Точність відносна. Складність алгоритму не гарантує корисності знайдених
інсайтів.

23. Універсальність

24. Data Science - це здебільшого кастомні моделі,
створені під конкретний датасет та клієнта
Бізнеси різного масштабу з різних індустрій і регіонів.01
02
03
Різна природа та структура даних у різних джерелах (Adwords, Facebook,
Google Analytics)
Різні об’єми даних. Але інсайті потрібні кожному.

25. Тестування: які результати ми хочему
отримати від моделі? Як їх оцінити?

26. Еволюція тестування:
Синтетичні дата-сети, де є зрозумілий очікуваний результат01
02
03
Метод експертних оцінок
Внутрішній рекомендаційний сервіс

28. Запуск
Старт-апи роблять вигляд, що пишаються, коли в них вперше падають
сервери від навантажень. Насправді це неприйнятно.
01
02
03
Цілодобова підтримка і виправлення багів «на льоту».
Більше даних - більше питань до алгоритму. Процес оптимізації -
нескінченний.

29. Маркетинг

30. Є 2 різні data science світи.
Й у кожному з них діють свої закони.
Enterprise Mass market

31. Ринок тяжіє до mass market підходу,
тому що:
Це набагато дешевше.01
02
03
Це набагато швидше.
Конкуренція – величезна й ти можеш обрати найкращого.

32. Особливості масового data science ринку

33. Про яких саме людей ми говоримо?

34. 1. Хочеш мої дані? Просто бери їх!
NDA? HA-HA-HA

35. 2. Клієнтам не цікаво, які технології “під
капотом”. Цікава виключно цінність.

36. 3. Продукт має коштувати дешево.
50$
Вас порівнюють не з іншими DS продуктами, а
з близькими за категорією.

37. 4. Але клієнти будуть очікувати високу
якість. Ви ж іноватори – давайте зореліт.

38. 5. AI – це просто must-have маркетингове
кліше. Треба з цим змиритися.

39. AI насправді не існує, але через маркетологів
на ринку вже є чітка категорія AI-продуктів.
Ці продукти роблять щось замість користувача.01
02
03
Вони здатні адаптуватися до потреб/особливостей кожного окремого клієнта.
Часто ці продукти пов’язані з prediction, data mining(B2B) або NLP(B2C).

40. Через стрімкий розвиток AI-категорії сам
термін втратив свою вагу:
Online – 2000
Cloud – 2005
Соціальний – 2010
Мобільний – 2012
Блокчейн – 2017
“Штучний інтелект” – 2018

41. AI ринок обіцяє багато, а робить – мало.
Через це існує недовіра до AI-продуктів.

42. Недовіра + запит й зацікавленність

43. Як довести, що ти дійсно крутий продукт?

44. Цінність – ключовий меседж, а data
science – лише спеція
Captain Growth автоматизує
маркетингову аналітику.
Ми знаходимо у твоїх даних проблеми,
які варто виправляти, та можливості, що
треба використовувати.

45. Captain Growth автоматизує
маркетингову аналітику з допомогою AI.
Ми знаходимо у твоїх даних проблеми,
які варто виправляти, та можливості, що
треба використовувати.
Цінність – ключовий меседж, а data
science – лише спеція

46. AI – це не лише технологія, а й user experience
Інструмент Член команди

47. AI – це не лише технологія, а й user experience
Інструмент Член команди

48. Усі IT-продукти однакові.
Треба виділятися.

49. Усі IT-продукти однакові.
Треба виділятися.

50. Як виділитися з-поміж 5000 конкурентів?

51. Зробіть все навпаки
Вони Ми

52. Покажіть, хто стоїть за цим продуктом

53. Будуйте стосунки з early adopters та не
забувайте нагадувати про себе

54. Зараз в нас більш ніж 1000 sign-ups й приріст
продовжується.

55. Продукт росте, тому ми шукаємо
професіоналів у команду:
Back-end developer – PYTHON
Front-end developer – ANGULAR 4

56. LET’S MAKE
THE AI REVOLUTION
TOGETHER!
d.pleshakov@captaingrowth.ai
+380 93 443 85 71
d.bilash@captaingrowth.ai
+380 93 546 03 21