למה בנינו מערכת דוחות במקום לקנות אחת מהמדף
ברוב הסוכנויות הדוח החודשי נבנה ביד. מישהו מייצא נתונים מכמה חשבונות פרסום, מדביק לגיליון, ומקווה שלא היה שינוי ממשק שהפיל עמודה בדרך.
בנינו מערכת דוחות וניהול קמפיינים משלנו כי הלקוחות שלנו מנהלים תקציבים אמיתיים, ואי-אפשר לחכות לסוף החודש כדי לגלות שקמפיין נשרף. המערכת מריצה סוכני AI שאוספים ומנתחים באופן שוטף, ומתריעים בזמן שעוד אפשר לתקן.
שקלנו כלים מהמדף. הם יודעים להציג נתונים, אבל לא מכירים את המושג מחזור קורס, ואת החיבור בין ההוצאה לבין הנרשם בפועל היינו צריכים לבנות מעליהם ידנית בכל חודש. זה בדיוק החלק שרצינו להעלים.
המטרה לא הייתה לבנות עוד לוח בקרה יפה, אלא תשתית שכל לקוח יכול לסמוך עליה גם כשמנהל החשבון לא מול המסך באותו רגע.
מה המערכת בפועל: מדוח סטטי לתשתית חיה
כל לקוח מקבל לוח בקרה שמחבר את חשבונות הפרסום שלו (פייסבוק, גוגל, טיקטוק) לצד מערכת-ה-CRM. הנתונים לא מיובאים פעם בחודש, הם נשלפים ומתעדכנים באופן שוטף, כך שהתמונה שהלקוח רואה תואמת את מה שקורה עכשיו, לא את מה שקרה לפני שלושה שבועות.
מעל הנתונים יושבים כמה כלים שמדברים זה עם זה, לא כלים נפרדים שכל אחד חי בטאב משלו:
- לוח בקרה שיווק: הוצאה, לידים, נרשמים ועלויות לפי קורס, פלטפורמה ומחזור, במקום אחד.
- לידים ומשפך: כל ליד מסומן לפי סטטוס האמת שלו ב-CRM, כדי שאחוז ההמרה שהלקוח רואה יהיה אמיתי.
- מסך תקציבים: כמה נשאר לכל קורס ולכל מחזור, בזמן אמת, בלי לחכות לסוף החודש.
- מנוע חוקים: בודק קמפיינים מול תנאים שהוגדרו מראש, ומזהה חוק שהיה אמור להפעיל ולא הפעיל.
כשקמפיין חורג ממה שהוגדר, למשל תקציב גבוה מול שיעור סגירה נמוך, המערכת שולחת התראה במקום לחכות שמישהו יבחין בזה בגיליון. לפעמים ההתראה מפעילה פעולה אוטומטית, ולפעמים היא מסמנת "צריך עין אנושית" ומחכה לאישור, כי בהוצאה גדולה עדיף שההחלטה תהיה של בן-אדם.
עלות לנרשם: המדד שבאמת מספר את הסיפור
עלות לליד היא מדד נוח ומטעה. ליד זול שלא נרשם לקורס עדיין עולה לעסק כסף. לכן פיתחנו את מתודולוגיית "עלות לנרשם": מחברים את כל ההוצאה על פני תקופת הפרסום המלאה של מחזור מסוים, ומחלקים במספר הנרשמים שאותו מחזור הפיק בפועל, לפי הסטטוס האמיתי ב-CRM ולא לפי הערכה.
ההבדל קופץ לעין כשמסתכלים על שני קורסים עם עלות לליד דומה ועלות לנרשם שונה פי שניים. פתאום ברור לאן להזיז את התקציב, לא לפי תחושת בטן אלא לפי מספר שמייצג הכנסה בפועל.
הפרסום של מחזור אחד לרוב נמשך כמה חודשים לפני שהוא נסגר, ולכן המדד מסתכל על כל תקופת המחזור ולא על חודש בודד. קורס בלי מחזור מוגדר ממשיך להיספר חודשי, כדי שאף תהליך לא ייעלם מהדוח רק כי הוא לא מתוזמן כמו האחרים.
תיוג ותקצוב אוטומטיים: פחות עבודה ידנית, פחות טעויות
לפני המערכת, שיוך הוצאה לקורס ולמחזור נעשה ידנית, ומי שעשה את זה יודע כמה קל לטעות בתאריך אחד ולערבב חודשים. היום סוכן תיוג קורא את שם הקמפיין ומזהה קורס ומחזור לפי כללים קבועים, ומסך התקציבים מציג ללקוח בזמן אמת כמה כבר הוצא וכמה נשאר, בלי שאיש שיווק צריך לעדכן גיליון בסוף כל שבוע.
כשמשהו לא ברור, למשל קמפיין שנקרא בשם לא שגרתי, המערכת לא מנחשת בשקט. היא מסמנת פער נתונים בגלוי, כדי שהלקוח יראה "המספר הזה חלקי" במקום לקבל דוח שנראה שלם ואינו. עדיף תקלה גלויה על סכום שמרגיש נכון ומטעה.
מודלים בפרודקשן: Gemini לתובנות, Claude לבנייה
שני סוגי AI רצים במערכת, לשני תפקידים שונים. בתוך המוצר, Gemini 3.x מייצר סיכום ושלוש המלצות בשפה טבעית לכל לקוח, מבוסס אך ורק על הנתונים שלו. אין ניחוש ואין תוכן גנרי, רק תובנות שמצטרפות למה שכבר בדוח.
מאחורי הקלעים, את המערכת עצמה בונים ומתחזקים סוכני AI מבוססי Claude: Opus 4.8 למשימות מורכבות כמו תכנון פיצ'ר או בדיקת אבטחה, ו-Haiku למשימות מכניות וזולות כמו עדכון תיעוד או תיקון קטן. זו ההטמעה האגנטית שאנחנו מתכוונים אליה: לא רק מוצר שמריץ AI ללקוח, אלא תהליך פיתוח שבו סוכנים בונים, בודקים ומשפרים את הקוד עצמו תחת פיקוח אנושי.
לכל שינוי יש נתיב קבוע: סוכן בונה על ענף נפרד, שער איכות אוטומטי בודק אבטחה ובידוד לקוחות, ורק אחרי אישור השינוי עולה לסביבת הלקוחות. אף שינוי לא נכנס בלי בדיקה, בין אם כתב אותו אדם או סוכן.
הבחירה בין מודל יקר למודל זול היא לא רק שאלת תקציב. משימה מכנית שרצה על מודל גדול מדי לא נעשית טובה יותר, היא רק עולה יותר ומחזירה תשובה לאט יותר.
מה זה אומר בפועל ללקוח
לקוח שמנהל כמה קורסים ומחזורים במקביל רואה תמונה אחת נכונה, בלי לשאול חמישה אנשים ולקבל חמש גרסאות. כשמשהו חורג, הוא יודע לפני שההוצאה מצטברת, לא אחריה. ולקוח אחד לעולם לא רואה נתון של לקוח אחר, כי הבידוד בין חשבונות מובנה במערכת מהיסוד ולא מוסף בדיעבד.
המערכת גם לא מנסה להחליף את מנהל החשבון שלכם. היא נותנת לו נתונים נכונים ומעודכנים, כדי שהשיחה איתכם תתמקד באסטרטגיה ולא בבירור למה מספר בגיליון לא תואם למה שקרה בפועל.
זו הדוגמה הכי ברורה שלנו ליישום Agentic AI שלא נשאר בגדר מצגת: מערכת שרצה, מטפלת בכסף אמיתי, ומוכיחה את עצמה מול לקוחות בכל שבוע. ומכיוון שאנחנו משתמשים בה בעצמנו כדי לנהל את הלקוחות שלנו, כל תקלה נתפסת אצלנו לפני שהיא מגיעה אליכם.
שאלות ותשובות
מה זה "עלות לנרשם", ולמה זה עדיף על עלות לליד?
עלות לנרשם מחלקת את ההוצאה הכוללת של מחזור פרסום במספר הנרשמים בפועל, לפי סטטוס CRM אמיתי. זה מראה כמה עולה הכנסה בפועל, לא רק ליד שאולי לא ימשיך.
איך המערכת מונעת בלבול בין נתונים של לקוחות שונים?
הבידוד בין לקוחות מובנה בכל שכבה של המערכת מהיסוד, לא נוסף בדיעבד. חשבון של לקוח אחד לעולם לא נגיש דרך חשבון של לקוח אחר.
אילו מודלי AI רצים במערכת בפועל?
בתוך המוצר Gemini 3.x מייצר תובנות ללקוח מהנתונים שלו בלבד. מאחורי הקלעים, סוכני Claude (Opus 4.8 ו-Haiku) בונים ומתחזקים את הקוד עצמו.
האם המערכת מחליפה את מנהל החשבון שמלווה אותנו?
לא. היא נותנת לו נתונים מדויקים ועדכניים, כדי שהזמן איתכם יתמקד באסטרטגיה ולא באיסוף נתונים ידני.
מה קורה כשקמפיין חורג מהיעדים שהוגדרו?
מנוע החוקים מזהה את החריגה ושולח התראה. בהוצאות גדולות המערכת מסמנת שצריך אישור אדם לפני פעולה, ולא פועלת לבד.
אור פיאלקוב
מתמחה בשיווק ופרסום בפייסבוק
