סיגלית שדה | Lusha | איך עושים Opportunity Sizing חכם?
מנחה: אייל דוד · אורח: סיגלית שדה · על המנחה
סיגלית שדה היא Director of Product בלושה, שם היא מובילה את תחום ההמלצות מבוססות AI ודאטה, ובעבר הובילה מוצר בדרופבוקס וב-HP. לדבריה, Opportunity Sizing טוב נשען על שלוש שאלות: על כמה משתמשים הבעיה משפיעה ומה הערך העסקי שלה, כמה היא כואבת (must have או nice to have), וכמה פעמים נתקלים בה. את התיעדוף עושים קודם ברמת הבעיות, ורק אחר כך מדרגים פתרונות לפי impact מול effort.
בפרק הזה
- Opportunity Sizing נשען על שלוש שאלות: על כמה משתמשים הבעיה משפיעה ומה הערך העסקי שלה, כמה היא כואבת (must have מול nice to have), ובאיזו תדירות נתקלים בה. בעיה כואבת שקורה פעם בחצי שנה או רק ללקוחות נישתיים כנראה לא שווה פתרון.
- קודם מתעדפים בעיות ורק אחר כך פתרונות: מתחילים ממטרה עסקית (retention, engagement, acquisition), ממפים את הבעיות שחוסמות אותה, מוצאים לכל בעיה לפחות שני פתרונות, ומדרגים אותם לפי impact מול effort (ICE).
- בעולם של AI כבר אי אפשר לתכנן שנה קדימה: מתכננים רבעון, עוצרים כל שבועיים לבדוק שהבעיות עדיין רלוונטיות, ומדברים עם משתמשים לפחות פעמיים בשבוע.
- בשיחות לקוח שואלים על התהליך והכאב, לא על המוצר שאתם בונים. השאלה "על מה היית משלם" מגיעה רק בסוף, מתוכננת מראש, וכל השיחות בנויות על אותו סט שאלות כדי שאפשר יהיה להשוות.
- AI מקצר את הדיסקאברי: פרוטוטייפ ב-Base44 או Lovable בשעתיים במקום שבועיים עד usability testing, מחקר שוק עם deep research שנותן כ-60% מהדאטה, וניתוח כמותי של שיחות לקוח ופידבק שמזין את ה-sizing.
- בהעלאת GenAI לפרודקשן צריך לנהל סיכונים: לתת context והוראות ברורות, לבדוק אקיורסי ומבנה של הפלט, ולשים גארדריילס כדי שמשתמשים לא "יתווכחו" עם ה-AI ויקבלו דברים בחינם.
תיאור הפרק
בפרק הזה פגשתי את סיגלית שדה, דירקטורית פרודקט ב Lusha, עם רקע ונסיון עמוק בפרודקט, דאטה ו-AI מחברות כמו Dropbox, HP ו-ClickTale.
סיגלית מובילה היום את תחום ההמלצות בחברה — אחד האתגרים הכי מורכבים מבחינת דיוק, תיעדוף וסקייל.
דיברנו על איך עושים דיסקאברי חכם ומהיר, איך ניגשים להזדמנות חדשה עם פרקטיקות של sizing, ולמה כל תיעדוף חייב להתחיל בבעיה עסקית אמיתית.
הפרק הזה עמוס בתובנות פרקטיות – למי שרוצה לבנות מוצר מדויק, מבוסס דאטה, ולהשתמש ב-AI בלי לאבד אחריות מוצרית.
פרקים בשיחה
- 0:00 · פתיח והיכרות עם סיגלית
- 1:49 · הסקילז הכי חשובים ל-PM
- 5:39 · מה לושה עושה ולאן שוק המכירות הולך עם AI
- 13:02 · לעבוד בקצב מהיר: תכנון רבעוני ושיחות משתמשים
- 14:40 · תיעדוף ואבחון בעיות עם אימפקט עסקי: Opportunity Solution Tree
- 16:14 · Opportunity sizing: שלוש שאלות פשוטות שמובילות לבחירה חכמה
- 20:52 · קצת פרקטיקה: מסקור להזדמנות ועד ICE
- 22:59 · מתכון פשוט לארגון: לגזור הכל מהמטריקות
- 26:52 · שיחות לקוח ו-The Mom Test
- 29:50 · איך משתמשים ב-AI כדי לקצר דיסקאברי ולהבין שוק
- 32:05 · תובנות מניתוח שיחות לקוח עם AI
- 34:53 · ההמלצות של לושה, והכניסה של סיגלית לפרודקט דרך HP
- 39:02 · דרופבוקס: מטא-דאטה וחיפוש בסקייל
- 41:48 · הסיכונים ב-GenAI ואיך לשלב אותו נכון בפרודקשן
- 44:07 · המלצה לסיום: למה סקרנות היא הכלי הכי חזק של מנהל מוצר
תמלול מלא עם דוברים וחותמות זמן
ציטוטים נבחרים
“Stop falling in love with solutions, and start falling in love with problems.”
“אם פעם היה לי את הלוקשרי לתכנן שנה קדימה, אין אותו יותר. מתכננים מקסימום רבעון קדימה.”
“יש לנו AI, יש לנו Accessibility להמון המון דאטה, אבל בסוף, אין תחליף לראש שלנו.”
שאלות ותשובות
מה זה Opportunity Sizing ואיך עושים אותו לפי סיגלית שדה?
זו הערכה של כמה שווה לפתור בעיה מסוימת. סיגלית עונה על שלוש שאלות: היקף (מי הסגמנט, כמה אנשים, האם הם בקסטמר בייס והאם אפשר למנטז), עוצמת הכאב (must have או nice to have, והאם מנסים לפתור את זה היום ולא מצליחים), ותדירות (כמה פעמים נתקלים בכאב). מהשלושה יוצא סקור שמאפשר להשוות בין בעיות.
מה עושה לושה?
לושה מספקת לארגוני מכירות ב-B2B דאטה מדויק על אנשי קשר וחברות, ועוברת היום להמלצות מבוססות AI: עם מי לדבר, למה עכשיו ועל מה לדבר. לפי סיגלית, אנשי מכירות מוכרים רק כ-28% מהזמן ומשתמשים ב-8 עד 10 כלים כדי לאסוף מידע, ולושה רוצה לקחת מהם את המחקר הזה.
איך מתעדפים בעיות לפני שבוחרים פתרון?
בעזרת Opportunity Solution Tree של תרזה טורס: מתחילים ממטרה עסקית, ממפים את כל הבעיות וההזדמנויות שחוסמות אותה, נותנים להן סקור, ורק אז מוצאים לכל בעיה שניים-שלושה פתרונות ומדרגים אותם לפי impact מול effort.
איך מנהלים שיחות לקוח שמייצרות תובנות אמיתיות?
סיגלית ממליצה על The Mom Test: לא לשאול על המוצר שאתם בונים אלא על התהליך, הכלים והכאבים. השיחות צריכות להיות מובנות עם אותו סט שאלות, מנותקות מהפתרון, והשאלה על תשלום מגיעה רק בסוף, לפעמים רק בשיחה השנייה.
איך ה-PMים בצוות של סיגלית משתמשים ב-AI?
כל ששת ה-PMים בצוות עובדים עם AI כל יום: פרוטוטייפים ב-Base44, Lovable ו-Claude כדי לצאת לוולידציה תוך שעתיים, agent או deep research לחקר שוק ו-TAM, וניתוח תמלולי שיחות ופידבק של שלושה עד שישה חודשים כדי לזהות דפוסים ולכמת הזדמנויות.
אנשים ומקורות שהוזכרו
אנשים
- סיגלית שדה — Director of Product בלושה
- תרזה טורס — מחברת Continuous Discovery Habits
חברות וארגונים
- Lusha (לושה)
- Dropbox (דרופבוקס)
- HP
- ClickTale (קליקטייל)
- ZoomInfo
- Cognism
- Apollo
- Amplemarket
- Clay
- Gong
- Spotify
כלים
- Base44
- Lovable
- Claude
- ChatGPT / Deep Research
- Opportunity Solution Tree (OST)
- ICE (Impact, Confidence, Effort)
ספרים ומדיה
- Continuous Discovery Habits — תרזה טורס
- The Mom Test — רוב פיצפטריק
פרקים נוספים
"חששתי שה-AI ייקח לי את התפקיד. הוא חידד לי אותו" — שירה מויאל (imagen)
00:43:40 · 10 במאי 2026
שירה מויאל היא ראש צוות פרודקט באימאג'ן (imagen), סטארט-אפ ישראלי שמפתח מודל AI פרסונלי לעריכת תמונות עבור צלמים מקצועיים. המודל לומד את סגנון העריכה...
נתנאל מור | Papaya | הוצאנו את ה-Bingo מתוך Bingo — ואז זה התפוצץ
00:34:53 · 27 באפריל 2026
נתנאל מור הוא Product Lead בפאפאיה (Papaya), אחת החברות המובילות בעולם ה-Skill-Based Games, עם משחקים כמו Solitaire Cash, Bingo Cash ו-Bubble Cash. נת...
״עזבתי את הפיגמה ויצאתי לשטח, זה שינה לי את הכל" | עמית סלוצקי (Trullion)
00:41:22 · 24 בפברואר 2026
עמית סלוצקי הוא Director of Product בטרוליון — חברת AI-first שבונה מוצרים לעולמות האקאונטינג, עבור משרדי CFO וחברות אודיט כמו EY. עמית בפרודקט כמעט עש...
תום מייבלום | MIND | מתי שיחה עם לקוח שווה יותר מדאטה?
00:33:39 · 9 בפברואר 2026
תום מייבלום הוא VP Product בחברת MIND. בפרק הזה צללנו לעולם שיחות הלקוח — מה הופך אותן לכלי מפתח בעבודת המוצר, איך בונים תהליך אפקטיבי לדיסקאברי, ומה...