گوگل

پربازدیدترین‌ها

فشار کنگره بر غول‌های فناوری: جزئیات حذف اپلیکیشن‌های ردیاب ماموران مهاجرت

چطور در «سرچ AI» دیده شویم؟

هوش مصنوعی نانو بنانا پرو به فتوشاپ اضافه شد؛

برای رشد استارتاپ ها کارهایی را انجام دهید که مقیاس پذیر نیستند

فشار کنگره بر غول‌های فناوری: جزئیات حذف اپلیکیشن‌های ردیاب ماموران مهاجرت

کمیته امنیت میهن کنگره آمریکا از شرکت‌های گوگل و اپل درخواست کرده است. این کمیته خواستار ارائه جزئیات دقیق درباره اقدامات آن‌ها برای حذف اپلیکیشن‌های ردیاب شده است. این اپلیکیشن‌ها به کاربران امکان می‌دهند ماموران اداره فدرال مهاجرت را ردیابی کنند. این درخواست با هدف افزایش ایمنی پرسنل فدرال مطرح شده است.

به گزارش پایگاه اطلاع رسانی جاده مخصوص، رهبران کمیته امنیت میهن نامه‌هایی به ساندار پیچای، مدیرعامل گوگل، و تیم کوک، مدیرعامل اپل، ارسال کردند. آن‌ها به طور خاص به اپلیکیشن ICEBlock اشاره کرده‌اند. کاربران قبلاً از این برنامه برای رصد مأموریت اداره مهاجرت و گمرک آمریکا استفاده می‌کردند. رهبران کمیته معتقدند میزبانی از چنین اپ‌هایی در فروشگاه‌های اپلیکیشن، ایمنی پرسنل فدرال را به خطر می‌اندازد. قانونگذاران از این شرکت‌ها خواستند تا ۱۲ دسامبر جزئیات مربوطه را ارائه دهند.

کمیته در نامه‌های خود از گوگل و اپل خواست. آن‌ها باید تضمین کنند که این اپلیکیشن‌ها نمی‌توانند افسران گمرک را هدف قرار دهند. همچنین این برنامه‌ها نباید مانع اجرای قانون مهاجرت شوند. این اقدام برای حفظ امنیت و کارایی نیروهای فدرال ضروری است.

کمیته این نامه‌ها را در حالی ارسال کرد که مقامات پیش از این نگرانی خود را ابراز کرده بودند. این نگرانی‌ها درباره ابزارهایی بود که به کاربران اجازه می‌داد تحرکات مأموران فدرال را به طور ناشناس ردیابی و گزارش کنند. گوگل در ماه اکتبر اعلام کرد که ICEBlock را در پلی استور عرضه نکرده است. این شرکت همچنین افزود که اپلیکیشن‌های مشابه را به دلیل نقض قوانین خود حذف کرده است. این اقدامات در راستای حذف اپلیکیشن‌های ردیاب از پلتفرم‌ها صورت گرفته است.

به گزارش جاده مخصوص، شرکت اپل نیز این اپلیکیشن و نمونه‌های مشابه آن را از اپ استور خود حذف کرد. این اقدام نشان‌دهنده همکاری شرکت‌های فناوری با درخواست‌های امنیتی است. هدف نهایی، جلوگیری از ردیابی غیرمجاز و حفظ امنیت پرسنل فدرال است. حذف اپلیکیشن‌های ردیاب گامی مهم در این راستا محسوب می‌شود.

چطور در «سرچ AI» دیده شویم؟

چطور در «سرچ AI» دیده شویم؟
دنیای سرچ عوض شده،وقتی GEO (https://digitaldynamollc.com/wp-content/uploads/2025/01/ChatGPT-search-vs.-Google-Search-e1737395406335.jpg) جای SEO را می‌گیرد

به گزارش پایگاه اطلاع رسانی جاده مخصوص ، طبق گزارش Gartner پیش‌بینی می‌کند تا ۲۰۲۶ حدود ۳۰٪ کل جستجوها از “AI-first experiences” انجام می‌شود.این یعنی رفتار جستجو رسماً داره از گوگل جدا می‌شود.

امروز کاربر به‌جای این‌که بنویسد«ابزار جذب سرمایه»، مستقیم از AI می‌پرسد.پس دیگه بازی «صفحه اول گوگل» تنها معیار دیده‌شدن نیست؛بحث  اسم برند شما است که داخل جواب AI بی آید.
این همون چیزی است که که به آن GEO یا Generative Engine Optimization می گویند.

چند نکته مهم برای GEO

۱) محتوا باید جواب واقعی بدهد، نه متن جذاب

مدل AI دنبال جوابی است که مسئله رو حل کند.سه مدل محتوا همیشه بیشترین شانس را برای دیده‌شدندارد:
«این چیه و چه مشکلی رو حل می‌کنه؟»
«چطور ازش استفاده کنم؟»
«یه مثال یا داده واقعی بده»

یک مثال کاربردی در این مورد :
«استارتاپ Evalyze روی داده ۸۰۰۰ پیچ‌دک موفق آموزش دیده و آمادگی جذب سرمایه استارتاپ رو امتیاز می‌کند.»

این مدل معرفی، هم برای انسان واضح است، هم برای AI قابل‌استفاده است.

۲) کانتکست مهم‌تر از کلمه‌کلیدیست

مدل AI دنبال keyword نیست؛ دنبال جمله‌های طبیعی + داده + دلیله.
«ابزار تحلیل پیچ‌دک»
«مدلی که هر اسلاید رو با الگوهای پیچ‌دک قبول‌شده مقایسه می‌کند و امتیاز می‌دهد»

همین فرمول برای هر بیزنس جواب می‌دهد:
کلینیک، مدرس، مهاجرتی، SaaS و…

۳) محتوا رو جایی بگذارید که AIها ازش تغذیه شدند

طبق تحلیل‌های SparkToro و داده‌های منتشرشده درباره منابع آموزشی LLMها،
مدل‌های AI به این فضاها خیلی اتکا دارند:
Reddit
Hacker News
Medium
Quora
YouTube (به‌خاطر زیرنویس و توضیحات)

اگه تجربه واقعی یا داده کاربردی اینجا منتشر بشود، احتمال دیده‌شدن داخل پاسخ AI چند برابر می‌شود.

۴) اعتبار بیرونی و Back link مهم‌ترین سیگنال GEO

مدل‌های AI برندهایی رو انتخاب می‌کند که «اعتبار بیرونی» داشته باشند.
این رسانه‌ها بیشترین اثر رو دارند:
Yahoo Finance
Business Insider
Wired / TechCrunch

حتی رپورتاژ در این رسانه‌ها هم چون وارد دیتای عمومی وب می‌شود، ارزش GEO دارد.

۵) داده اختصاصی = سوخت قوی برای دیده‌شدن

هر چیزی که «منحصربه‌فرد» باشد، AI به‌شدت دوست دارد:
مثال برای ما:
– تحلیل ۱۰۰۰ ایمیل فاندریزینگ
– داده‌های ۸۰۰۰ پیچ‌دک
– مقایسه ۳۰ ابزار جذب سرمایه با تست واقعی

هر کسب‌وکاری می‌تواند نسخه خودش رو بسازد:
آمار بیماران، ترند فروش، تجربه مشتری، تست محصول…

۶) متن تبلیغی رد می‌شود

مدل AI محتواهای خالی و شعارگونه رو حذف می‌کند.
«ما بهترینیم» و «رتبه یکیم» هیچ ارزشی برای GEO ندارد.
محتوا باید واقعی، کاربردی و بدون اغراق باشد.

۷) نسخه انگلیسی همیشه لازم است

حدود ۷۰٪ دیتای آموزشی مدل‌ها انگلیسی است.
پس حتی اگر بازار فارسی باشد، داشتن نسخه انگلیسی شانس دیده‌شدن رو چند برابر می‌کند.

البته نکته نهایی اینکه هنوز ساختار انتخاب و نمایش نتایج مدل‌ها خیلی قابل پیش‌بینی نیست و به صورت در حال تغییرمی باشد ، و بنظرم هنوز اگر کسی با ادعای GEO به شما ابزار یا محصولی خواست بفروشد باید با شک زیاد برخورد کنید.

چند منبع مهم و جالب بکارگیری GEO

راهنمای جامع GEO مجموعه Backlinko (https://backlinko.com/generative-engine-optimization-geo)
بازاریابی بدون کلیک مجموعه Sparktoro (https://sparktoro.com/blog/why-do-we-need-zero-click-marketing/)
ویدئو از Rank Fishkin: آینده سرچ و AI (https://www.youtube.com/watch?v=rbd0IcGCWOw)

هوش مصنوعی نانو بنانا پرو به فتوشاپ اضافه شد؛

 

ادوبی با ادغام نانو بنانا پرو در فتوشاپ، قابلیت‌های ویرایش تصویر را متحول کرد. این مدل جدید گوگل امکان تغییر زاویه دوربین و تنظیم نور را تنها با یک دستور متنی فراهم می‌کند.

به گزارش پایگاه اطلاع رسانی جاده مخصوص ،ادوبی در یک بروزرسانی بزرگ، مدل هوش مصنوعی جدید گوگل با نام نانو بنانا پرو (Nano Banana Pro) را مستقیما به نرم‌افزارهای فتوشاپ و فایرفلای اضافه کرد. این مدل که بر پایه معماری قدرتمند جمینای ۳ توسعه یافته است، قرار است رقیبی جدی برای سایر ابزارهای مولد تصویر باشد. کاربران اکنون می‌توانند بدون خروج از محیط فتوشاپ، از قدرت پردازشی گوگل برای خلق و ویرایش تصاویر استفاده کنند.

قابلیت‌های شگفت‌انگیز مدل جدید؛ از تغییر نور تا زاویه دوربین

نقطه قوت اصلی نانو بنانا پرو در درک عمیق آن از بافت و نورپردازی است. با استفاده از ویژگی Generative Fill که اکنون به این مدل مجهز شده، طراحان می‌توانند کارهایی که قبلاً ساعت‌ها زمان می‌برد را در چند ثانیه انجام دهند.

برای مثال، تغییر کامل نورپردازی یک صحنه از روز به شب یا تغییر زاویه دوربین (Camera Angle) در یک عکس ثابت، تنها با نوشتن یک دستور متنی ساده امکان‌پذیر شده است. همچنین این مدل در تولید متن‌های خوانا داخل تصاویر عملکردی خیره‌کننده دارد.

دسترسی رایگان فقط برای حرفه‌ای‌ها

ادوبی اعلام کرده است که برای تشویق کاربران به استفاده از جمینای ۳ و مدل نانو بنانا، طرح ویژه‌ای را در نظر گرفته است. مشترکین سرویس‌های Creative Cloud Pro تا اول دسامبر فرصت دارند تا به صورت نامحدود و رایگان از قابلیت‌های این هوش مصنوعی استفاده کنند. این ادغام نشان می‌دهد که همکاری غول‌های تکنولوژی برای تسلط بر بازار خلاقیت دیجیتال وارد فاز جدیدی شده است و ابزارهای ویرایش تصویر روز‌به‌روز هوشمندتر می‌شوند.

برای رشد استارتاپ ها کارهایی را انجام دهید که مقیاس پذیر نیستند

یکی از رایج‌ترین توصیه‌هایی که در Y Combinator می‌دهیم این است که کارهایی انجام دهید که مقیاس‌پذیر نیستند. بسیاری از افرادی که می‌خواهند بنیان‌گذار شوند، باور دارند که استارتاپ‌ها یا رشد می‌کنند یا نمی‌کنند. شما چیزی می‌سازید، آن را در دسترس قرار می‌دهید، و اگر تله‌موش بهتری ساخته باشید، مردم طبق وعده به سمت‌تان هجوم می‌آورند. یا این اتفاق نمی‌افتد، که در این صورت فکر می‌کنند بازار وجود ندارد.

در واقع، استارتاپ‌ها رشد می‌کنند چون بنیان‌گذاران باعث رشدشان می‌شوند. ممکن است تعداد انگشت‌شماری خودبه‌خود رشد کرده باشند، اما معمولاً به نوعی هل دادن نیاز دارند تا راه بیفتند. یک استعاره خوب، هندل‌هایی است که موتورهای ماشین قبل از اختراع استارت برقی داشتند. وقتی موتور راه می‌افتاد، خودش به کار ادامه می‌داد، اما راه‌اندازی آن یک فرآیند جداگانه و پرزحمت بود.

جذب کاربر

رایج‌ترین کاری که بنیان‌گذاران در ابتدا باید انجام دهند و مقیاس‌پذیر نیست، جذب دستی کاربران است. تقریباً همه استارتاپ‌ها باید این کار را انجام دهند. نمی‌توانید منتظر بمانید تا کاربران به سراغ‌تان بیایند. باید بروید و آن‌ها را پیدا کنید.

استرایپ یکی از موفق‌ترین استارتاپ‌هایی است که ما تأمین مالی کرده‌ایم، و مشکلی که حل کردند، نیازی فوری بود. اگر قرار بود کسی بتواند عقب بنشیند و منتظر کاربران بماند، آن استریپ بود. اما در واقع، آن‌ها در Y Combinator به خاطر جذب تهاجمی کاربران در مراحل اولیه معروف هستند.

استارتاپ‌هایی که برای دیگر استارتاپ‌ها چیزی می‌سازند، مجموعه بزرگی از کاربران بالقوه در شرکت‌های دیگری که ما تأمین مالی کرده‌ایم دارند، و هیچ‌کس به اندازه استرایپ از این فرصت استفاده نکرد. در YC ما از اصطلاح «نصب کالیسون» برای تکنیکی که برادران کالیسون ابداع کردند استفاده می‌کنیم. بنیان‌گذاران محتاط‌تر می‌پرسند «آیا بتای ما را امتحان می‌کنید؟» و اگر جواب بله باشد، می‌گویند «عالیه، ما براتون لینک می‌فرستیم.» اما برادران کالیسون منتظر نمی‌ماندند. وقتی کسی موافقت می‌کرد استرایپ را امتحان کند، می‌گفتند «بسیار خب، لپ‌تاپ‌تون رو بدید» و همان‌جا آن‌ها را راه‌اندازی می‌کردند.

دو دلیل وجود دارد که بنیان‌گذاران از رفتن و جذب تک‌به‌تک کاربران مقاومت می‌کنند. یکی ترکیبی از خجالت و تنبلی است. آن‌ها ترجیح می‌دهند در خانه بنشینند و کد بنویسند تا اینکه بروند و با غریبه صحبت کنند و احتمالاً توسط اکثرشان رد شوند. اما برای موفقیت یک استارتاپ، حداقل یکی از بنیان‌گذاران (معمولاً مدیرعامل) باید زمان زیادی را صرف فروش و بازاریابی کند.

دلیل دیگر این است که اعداد مطلق در ابتدا خیلی کوچک به نظر می‌رسند. آن‌ها فکر می‌کنند این نمی‌تواند راهی باشد که استارتاپ‌های بزرگ و معروف شروع کرده‌اند. اشتباه آن‌ها این است که قدرت رشد مرکب را دست‌کم می‌گیرند. ما به هر استارتاپ توصیه می‌کنیم پیشرفت‌شان را با نرخ رشد هفتگی بسنجند. اگر ۱۰۰ کاربر دارید، باید هفته بعد ۱۰ کاربر دیگر جذب کنید تا ۱۰٪ در هفته رشد کنید. و اگرچه ۱۱۰ ممکن است خیلی بهتر از ۱۰۰ به نظر نرسد، اگر به رشد ۱۰٪ در هفته ادامه دهید، شگفت‌زده خواهید شد که اعداد چقدر بزرگ می‌شوند. بعد از یک سال ۱۴,۰۰۰ کاربر خواهید داشت، و بعد از دو سال ۲ میلیون.

وقتی کاربران را هزارتا هزارتا جذب می‌کنید، کارهای متفاوتی انجام خواهید داد، و رشد در نهایت باید کند شود. اما اگر بازار وجود داشته باشد، معمولاً می‌توانید با جذب دستی کاربران شروع کنید و سپس به‌تدریج به روش‌های کمتر دستی تغییر دهید.

ایربی‌ان‌بی نمونه کلاسیکی از این تکنیک است. بازارها آن‌قدر سخت راه می‌افتند که باید انتظار داشته باشید در ابتدا اقدامات قهرمانانه انجام دهید. در مورد ایربی‌ان‌بی، این اقدامات شامل رفتن در به در در نیویورک، جذب کاربران جدید و کمک به کاربران موجود برای بهبود آگهی‌هایشان بود. وقتی ایربی‌ان‌بی‌های زمان YC را به یاد می‌آورم، آن‌ها را با چمدان‌های چرخ‌دار تصور می‌کنم، چون وقتی برای شام‌های سه‌شنبه می‌آمدند، همیشه تازه از جایی پرواز کرده بودند.

شکننده

ایربی‌ان‌بی حالا مثل یک غول توقف‌ناپذیر به نظر می‌رسد، اما در ابتدا آن‌قدر شکننده بود که حدود ۳۰ روز تعامل حضوری با کاربران، تفاوت بین موفقیت و شکست را رقم زد.

این شکنندگی اولیه ویژگی منحصربه‌فرد ایربی‌ان‌بی نبود. تقریباً همه استارتاپ‌ها در ابتدا شکننده‌اند. و این یکی از بزرگ‌ترین چیزهایی است که بنیان‌گذاران و سرمایه‌گذاران بی‌تجربه (و همچنین گزارشگران و همه‌چیزدان‌های تالارهای گفت‌وگو) درباره آن‌ها اشتباه می‌کنند. آن‌ها ناخودآگاه استارتاپ‌های نوپا را با معیارهای شرکت‌های جاافتاده قضاوت می‌کنند. مثل این است که کسی به یک نوزاد تازه متولدشده نگاه کند و نتیجه بگیرد «این موجود کوچک به هیچ وجه نمی‌تواند کاری انجام دهد.»

اگر گزارشگران و همه‌چیزدان‌ها استارتاپ شما را نادیده بگیرند، بی‌ضرر است. آن‌ها همیشه اشتباه می‌کنند. حتی اگر سرمایه‌گذاران استارتاپ‌تان را نادیده بگیرند، اشکالی ندارد؛ وقتی رشد را ببینند نظرشان عوض می‌شود. خطر بزرگ این است که خودتان استارتاپ‌تان را نادیده بگیرید. من این را دیده‌ام. اغلب باید بنیان‌گذارانی را که پتانسیل کامل چیزی که می‌سازند را نمی‌بینند، تشویق کنم. حتی بیل گیتس این اشتباه را کرد. او بعد از شروع مایکروسافت برای ترم پاییز به هاروارد برگشت. زیاد نماند، اما اگر می‌فهمید مایکروسافت حتی کسری از اندازه‌ای که به آن رسید را خواهد داشت، اصلاً برنمی‌گشت.

سؤالی که باید درباره یک استارتاپ در مراحل اولیه پرسید این نیست که «آیا این شرکت دنیا را تسخیر می‌کند؟» بلکه این است که «اگر بنیان‌گذاران کارهای درست را انجام دهند، این شرکت چقدر می‌تواند بزرگ شود؟» و کارهای درست اغلب در آن زمان هم پرزحمت و هم بی‌اهمیت به نظر می‌رسند. مایکروسافت وقتی فقط چند نفر در آلبوکرکی بودند که مفسرهای بیسیک برای بازاری با چند هزار هابیست (همان‌طور که آن موقع به آن‌ها می‌گفتند) می‌نوشتند، نمی‌توانست خیلی چشمگیر به نظر برسد، اما در نگاه به گذشته، این مسیر بهینه برای تسلط بر نرم‌افزار میکروکامپیوترها بود. و من می‌دانم برایان چسکی و جو جبیا وقتی داشتند از آپارتمان‌های اولین میزبان‌هایشان عکس‌های «حرفه‌ای» می‌گرفتند، احساس نمی‌کردند که در مسیر بزرگی هستند. فقط سعی داشتند زنده بمانند. اما در نگاه به گذشته، آن هم مسیر بهینه برای تسلط بر یک بازار بزرگ بود.

چطور کاربرانی را برای جذب دستی پیدا کنید؟ اگر چیزی برای حل مشکلات خودتان بسازید، فقط باید هم‌سالان‌تان را پیدا کنید، که معمولاً ساده است. در غیر این صورت، باید تلاش هدفمندتری برای پیدا کردن پربازده‌ترین رگه کاربران انجام دهید. راه معمول این است که با یک عرضه نسبتاً غیرهدفمند مجموعه اولیه‌ای از کاربران را جذب کنید، سپس ببینید کدام گروه مشتاق‌تر به نظر می‌رسند و دنبال افراد بیشتری مثل آن‌ها بگردید. مثلاً، بن سیلبرمن متوجه شد که بسیاری از اولین کاربران پینترست به طراحی علاقه‌مند بودند، بنابراین به کنفرانسی از وبلاگ‌نویسان طراحی رفت تا کاربر جذب کند، و این روش خوب جواب داد.

خوشحال کردن

شما باید اقدامات فوق‌العاده‌ای نه‌تنها برای جذب کاربران، بلکه برای خوشحال کردن آن‌ها انجام دهید. ووفو (Wufoo) تا زمانی که می‌توانست (که به‌طور شگفت‌انگیزی طولانی بود)، برای هر کاربر جدید یک یادداشت تشکر دست‌نویس می‌فرستاد. اولین کاربران‌تان باید احساس کنند که ثبت‌نام در استارتاپ شما یکی از بهترین انتخاب‌های زندگی‌شان بوده است. و شما هم به نوبه خود باید مغزتان را به کار بیندازید تا راه‌های جدیدی برای خوشحال کردن آن‌ها پیدا کنید.

چرا باید این را به استارتاپ‌ها یاد بدهیم؟ چرا این برای بنیان‌گذاران غیرشهودی است؟ فکر می‌کنم به سه دلیل.

اول اینکه بسیاری از بنیان‌گذاران استارتاپ‌ها به‌عنوان مهندس آموزش دیده‌اند، و خدمات مشتری بخشی از آموزش مهندسان نیست. قرار است چیزهایی بسازید که مستحکم و ظریف باشند، نه اینکه مثل یک فروشنده به‌صورت برده‌وار به کاربران فردی توجه کنید. به‌طور طنزآمیزی، بخشی از دلیل اینکه مهندسی به‌طور سنتی از دست‌درازی به کاربران دوری می‌کند، این است که سنت‌هایش به زمانی برمی‌گردد که مهندسان قدرت کمتری داشتند—زمانی که فقط مسئول حوزه محدود ساختن چیزها بودند، نه مدیریت کل نمایش. وقتی اسکاتی هستید، می‌توانید بداخلاق باشید، اما وقتی کرک هستید، نه.

دلیل دیگر اینکه بنیان‌گذاران به‌اندازه کافی روی مشتریان فردی تمرکز نمی‌کنند، این است که نگرانند این کار مقیاس‌پذیر نباشد. اما وقتی بنیان‌گذاران استارتاپ‌های نوپا در این مورد نگران می‌شوند، به آن‌ها می‌گویم که در وضعیت فعلی‌شان چیزی برای از دست دادن ندارند. شاید اگر تمام تلاش‌شان را بکنند تا کاربران فعلی را خیلی خوشحال کنند، روزی آن‌قدر کاربر داشته باشند که نتوانند این‌قدر برایشان کار کنند. این مشکل فوق‌العاده‌ای برای داشتن است. ببینید آیا می‌توانید این را محقق کنید. و به‌طور اتفاقی، وقتی این اتفاق بیفتد، متوجه خواهید شد که خوشحال کردن مشتریان بهتر از آنچه انتظار داشتید مقیاس‌پذیر است. بخشی به این دلیل که معمولاً می‌توانید راه‌هایی پیدا کنید تا هر چیزی بیش از آنچه پیش‌بینی می‌کردید مقیاس‌پذیر شود، و بخشی به این دلیل که تا آن زمان خوشحال کردن مشتریان در فرهنگ‌تان نفوذ کرده است.

من هرگز ندیده‌ام که استارتاپی با تلاش بیش از حد برای خوشحال کردن کاربران اولیه‌اش به بیراهه کشیده شود.

اما شاید بزرگ‌ترین چیزی که مانع از این می‌شود که بنیان‌گذاران بفهمند چقدر می‌توانند به کاربران‌شان توجه کنند، این است که خودشان هرگز چنین توجهی را تجربه نکرده‌اند. استانداردهایشان برای خدمات مشتری توسط شرکت‌هایی که مشتری‌شان بوده‌اند تعیین شده است، که عمدتاً شرکت‌های بزرگ هستند. تیم کوک بعد از خرید لپ‌تاپ برایتان یادداشت دست‌نویس نمی‌فرستد. او نمی‌تواند. اما شما می‌توانید. این یکی از مزیت‌های کوچک بودن است: می‌توانید سطحی از خدمات ارائه دهید که هیچ شرکت بزرگی نمی‌تواند.

وقتی متوجه شوید که قراردادهای موجود سقف تجربه کاربری نیستند، فکر کردن به اینکه تا کجا می‌توانید برای خوشحال کردن کاربران‌تان پیش بروید، به شکلی بسیار دلپذیر جالب می‌شود

تجربه

سعی می‌کردم عبارتی پیدا کنم که نشان دهد توجه شما به کاربران باید تا چه حد افراطی باشد، و متوجه شدم استیو جابز قبلاً این کار را کرده است: «دیوانه‌وار عالی». استیو از «دیوانه‌وار» فقط به‌عنوان مترادف «خیلی» استفاده نمی‌کرد. او منظور دقیق‌تری داشت—اینکه باید روی کیفیت اجرا تا حدی تمرکز کنید که در زندگی روزمره غیرعادی یا حتی بیمارگونه به نظر برسد.

همه استارتاپ‌های موفقی که ما تأمین مالی کرده‌ایم این ویژگی را دارند، و این احتمالاً برای کسانی که می‌خواهند بنیان‌گذار شوند تعجب‌آور نیست. چیزی که بنیان‌گذاران تازه‌کار درک نمی‌کنند این است که «دیوانه‌وار عالی» در یک استارتاپ نوپا به چه معناست. وقتی استیو جابز این عبارت را به کار برد، اپل شرکتی جاافتاده بود. او منظور داشت که مک (و مستندات و حتی بسته‌بندی آن—این ماهیت وسواس است) باید به‌صورت دیوانه‌وار خوب طراحی و ساخته شود. این برای مهندسان قابل‌فهم است. فقط نسخه افراطی‌تر طراحی یک محصول مستحکم و ظریف است.

چیزی که بنیان‌گذاران به‌سختی درک می‌کنند (و شاید خود استیو هم به‌سختی می‌فهمید) این است که «دیوانه‌وار عالی» وقتی اسلایدر زمان را به چند ماه اول زندگی یک استارتاپ برمی‌گردانید، به چه چیزی تبدیل می‌شود. در این مرحله، محصول نیست که باید دیوانه‌وار عالی باشد، بلکه تجربه کاربری از شما بودن است. محصول فقط یکی از اجزای این تجربه است. برای یک شرکت بزرگ، محصول به‌ناچار جزء غالب است. اما شما می‌توانید و باید با یک محصول اولیه، ناقص و پر از اشکال، تجربه‌ای دیوانه‌وار عالی به کاربران بدهید، اگر کمبودها را با توجه و مراقبت جبران کنید.

آیا می‌توانید؟ شاید. اما آیا باید؟ بله. تعامل بیش‌ازحد با کاربران اولیه فقط یک تکنیک مجاز برای شروع رشد نیست. برای اکثر استارتاپ‌های موفق، بخشی ضروری از حلقه بازخورد است که محصول را خوب می‌کند. ساختن تله‌موش بهتر یک عملیات اتمیک نیست. حتی اگر مثل اکثر استارتاپ‌های موفق، با ساختن چیزی که خودتان نیاز دارید شروع کنید، اولین چیزی که می‌سازید هرگز کاملاً درست نیست. و جز در حوزه‌هایی که اشتباه کردن جریمه‌های بزرگی دارد، اغلب بهتر است در ابتدا به دنبال کمال نباشید. به‌خصوص در نرم‌افزار، معمولاً بهترین کار این است که چیزی را به‌محض اینکه کمترین میزان کاربرد را دارد در دسترس کاربران قرار دهید و سپس ببینید با آن چه می‌کنند. کمال‌گرایی اغلب بهانه‌ای برای تعلل است، و در هر حال، مدل اولیه شما از کاربران همیشه نادرست است، حتی اگر خودتان یکی از آن‌ها باشید.

بازخوردی که از تعامل مستقیم با اولین کاربران‌تان می‌گیرید، بهترین بازخوردی خواهد بود که تا به حال دریافت کرده‌اید. وقتی آن‌قدر بزرگ شوید که مجبور به استفاده از گروه‌های متمرکز شوید، آرزو خواهید کرد که ای کاش می‌توانستید مثل زمانی که فقط تعداد انگشت‌شماری کاربر داشتید، به خانه‌ها و دفاتر کاربران‌تان بروید و ببینید چطور از محصول‌تان استفاده می‌کنند.

آتش

گاهی اوقات ترفند غیرمقیاس‌پذیر مناسب این است که روی یک بازار عمداً محدود تمرکز کنید. این مثل این است که ابتدا آتش را محدود نگه دارید تا حسابی داغ شود، قبل از اینکه هیزم بیشتری اضافه کنید.

این کاری است که فیسبوک انجام داد. ابتدا فقط برای دانشجویان هاروارد بود. در این شکل، تنها چند هزار نفر بازار بالقوه داشت، اما چون آن‌ها احساس می‌کردند این واقعاً برای آن‌هاست، تعداد کافی از آن‌ها ثبت‌نام کردند. بعد از اینکه فیسبوک دیگر فقط برای دانشجویان هاروارد نبود، برای مدت زیادی همچنان برای دانشجویان دانشگاه‌های خاص بود. وقتی با مارک زاکربرگ در Startup School مصاحبه کردم، او گفت که اگرچه ایجاد لیست دروس برای هر دانشگاه کار زیادی بود، اما این کار باعث شد دانشجویان احساس کنند سایت خانه طبیعی آن‌هاست.

هر استارتاپی که بتوان آن را به‌عنوان یک بازار توصیف کرد، معمولاً باید از زیرمجموعه‌ای از بازار شروع کند، اما این می‌تواند برای استارتاپ‌های دیگر هم کارساز باشد. همیشه ارزش دارد که بپرسید آیا زیرمجموعه‌ای از بازار وجود دارد که بتوانید در آن به‌سرعت به تعداد کافی کاربر برسید.

بیشتر استارتاپ‌هایی که از استراتژی آتش محدود استفاده می‌کنند، این کار را ناخودآگاه انجام می‌دهند. آن‌ها چیزی برای خودشان و دوستان‌شان می‌سازند، که اتفاقاً اولین پذیرندگان (early adopters) هستند، و بعداً متوجه می‌شوند که می‌توانند آن را به بازار گسترده‌تری عرضه کنند. این استراتژی اگر ناخودآگاه هم انجام شود، به همان خوبی کار می‌کند. بزرگ‌ترین خطر ناآگاه بودن از این الگو برای کسانی است که به‌طور ساده‌لوحانه بخشی از آن را کنار می‌گذارند. مثلاً، اگر چیزی برای خودتان و دوستان‌تان نسازید، یا حتی اگر بسازید، اما از دنیای شرکت‌های بزرگ آمده باشید و دوستان‌تان اولین پذیرندگان نباشند، دیگر بازار اولیه‌ای عالی که به‌راحتی در اختیارتان قرار گرفته باشد، نخواهید داشت.

در میان شرکت‌ها، بهترین اولین پذیرندگان معمولاً استارتاپ‌های دیگر هستند. آن‌ها به‌طور طبیعی به چیزهای جدید بازترند و چون تازه راه‌اندازی شده‌اند، هنوز همه انتخاب‌هایشان را نکرده‌اند. به‌علاوه، وقتی موفق می‌شوند، سریع رشد می‌کنند و شما هم با آن‌ها رشد می‌کنید. یکی از مزایای غیرمنتظره مدل YC (و به‌خصوص بزرگ کردن YC) این بود که استارتاپ‌های B2B حالا بازاری فوری از صدها استارتاپ دیگر دارند که آماده استفاده‌اند.

مراکی

برای استارتاپ‌های سخت‌افزاری، نسخه‌ای از انجام کارهایی که مقیاس‌پذیر نیستند وجود دارد که ما آن را «کشیدن یک مراکی» می‌نامیم. اگرچه ما مراکی را تأمین مالی نکردیم، بنیان‌گذاران آن دانشجویان تحصیلات تکمیلی رابرت موریس بودند، بنابراین تاریخچه آن‌ها را می‌دانیم. آن‌ها کارشان را با کاری شروع کردند که واقعاً مقیاس‌پذیر نیست: سرهم کردن روترهایشان به‌صورت دستی.

استارتاپ‌های سخت‌افزاری با مانعی روبه‌رو هستند که استارتاپ‌های نرم‌افزاری ندارند. حداقل سفارش برای یک دوره تولید کارخانه‌ای معمولاً چند صد هزار دلار است. این می‌تواند شما را در یک موقعیت دشوار قرار دهد: بدون محصول نمی‌توانید رشد لازم برای جمع‌آوری پول برای تولید محصول‌تان را ایجاد کنید. زمانی که استارتاپ‌های سخت‌افزاری برای پول به سرمایه‌گذاران وابسته بودند، باید خیلی متقاعدکننده می‌بودید تا این مانع را پشت سر بگذارید. ظهور کرادفاندینگ (یا دقیق‌تر، پیش‌سفارش‌ها) خیلی کمک کرده است. اما حتی با این حال، به استارتاپ‌ها توصیه می‌کنم که در ابتدا اگر بتوانند یک مراکی بکشند. این کاری است که پبل (Pebble) انجام داد. پبل چند صد ساعت اولیه را خودشان سرهم کردند. اگر از این مرحله عبور نکرده بودند، احتمالاً وقتی به کیک‌استارتر رفتند، ۱۰ میلیون دلار ساعت نمی‌فروختند.

مانند توجه بیش‌ازحد به مشتریان اولیه، ساختن چیزها توسط خودتان برای استارتاپ‌های سخت‌افزاری ارزشمند است. وقتی خودتان کارخانه باشید، می‌توانید طراحی را سریع‌تر تنظیم کنید، و چیزهایی یاد می‌گیرید که در غیر این صورت هرگز نمی‌دانستید. اریک میجیکوفسکی از پبل گفت یکی از چیزهایی که یاد گرفت این بود که «چقدر ارزشمند است که پیچ‌های خوب تهیه کنید.» چه کسی فکرش را می‌کرد؟

مشاوره

گاهی اوقات به بنیان‌گذاران استارتاپ‌های B2B توصیه می‌کنیم که تعامل بیش‌ازحد را به حد افراط برسانند و یک کاربر خاص را انتخاب کنند و طوری عمل کنند که انگار مشاورانی هستند که فقط برای همان یک کاربر چیزی می‌سازند. کاربر اولیه به‌عنوان قالب برای محصول شما عمل می‌کند؛ آن‌قدر تنظیم کنید تا کاملاً با نیازهایشان مطابقت داشته باشید، و معمولاً خواهید دید که چیزی ساخته‌اید که دیگر کاربران هم می‌خواهند. حتی اگر تعدادشان زیاد نباشد، احتمالاً حوزه‌های مجاوری وجود دارند که کاربران بیشتری دارند. تا زمانی که بتوانید فقط یک کاربر پیدا کنید که واقعاً به چیزی نیاز دارد و بتواند بر اساس آن نیاز عمل کند، یک نقطه اتکا برای ساختن چیزی که مردم می‌خواهند دارید، و این همان چیزی است که هر استارتاپی در ابتدا به آن نیاز دارد.

مشاوره نمونه بارز کاری است که مقیاس‌پذیر نیست. اما (مثل دیگر روش‌های بخشیدن سخاوتمندانه توجه‌تان) تا زمانی که برایش پولی دریافت نمی‌کنید، انجامش بی‌خطر است. اینجاست که شرکت‌ها از خط عبور می‌کنند. تا وقتی یک شرکت محصول‌محور هستید که فقط به یک مشتری توجه بیشتری نشان می‌دهید، آن‌ها حتی اگر همه مشکلاتشان را حل نکنید، بسیار سپاسگزارند. اما وقتی شروع به پرداخت پول به‌طور خاص برای آن توجه می‌کنند—وقتی ساعتی به شما پول می‌دهند—انتظار دارند همه‌چیز را انجام دهید.

یک تکنیک مشاوره‌مانند دیگر برای جذب کاربرانی که در ابتدا چندان مشتاق نیستند، این است که خودتان به‌جای آن‌ها از نرم‌افزارتان استفاده کنید. ما این کار را در Viaweb انجام دادیم. وقتی به تاجران پیشنهاد می‌دادیم که از نرم‌افزار ما برای ساخت فروشگاه آنلاین استفاده کنند، بعضی‌ها نه گفتند، اما اجازه دادند که ما برایشان یکی بسازیم. چون ما هر کاری برای جذب کاربر می‌کردیم، این کار را کردیم. در آن زمان حسابی احساس حماقت می‌کردیم. به‌جای سازمان‌دهی مشارکت‌های بزرگ استراتژیک تجارت الکترونیک، داشتیم سعی می‌کردیم چمدان و خودکار و پیراهن مردانه بفروشیم. اما در نگاه به گذشته، این دقیقاً کار درستی بود، چون به ما آموخت که تاجران چه احساسی از استفاده از نرم‌افزار ما دارند. گاهی حلقه بازخورد تقریباً آنی بود: در حین ساخت سایت یک تاجر، متوجه می‌شدم که به قابلیتی نیاز دارم که نداشتیم، پس چند ساعت صرف پیاده‌سازی آن می‌کردم و سپس به ساخت سایت ادامه می‌دادم.

دستی

یک نوع افراطی‌تر وجود دارد که در آن نه‌تنها از نرم‌افزار خود استفاده نمی‌کنید، بلکه خودتان به نوعی همان نرم‌افزار هستید. وقتی تعداد کاربرانتان کم است، گاهی می‌توانید کارهایی را که قصد دارید بعداً خودکار کنید، به‌صورت دستی انجام دهید. این روش به شما امکان می‌دهد سریع‌تر کار را شروع کنید و وقتی بالاخره خودتان را از این فرآیند کنار بکشید و آن را خودکار کنید، دقیقاً می‌دانید چه چیزی باید بسازید، چون خودتان تجربه مستقیم انجام آن را داشته‌اید.

وقتی بخش‌های دستی به نظر کاربر مثل یک نرم‌افزار به نظر بیایند، این تکنیک حالتی شبیه به یک شوخی عملی پیدا می‌کند. برای مثال، روشی که استارتاپ «استرایپ» در ابتدا حساب‌های تجاری «فوری» به کاربرانش ارائه می‌داد، این بود که بنیان‌گذارانش در پشت صحنه به‌صورت دستی آن‌ها را برای حساب‌های تجاری سنتی ثبت‌نام می‌کردند.

برخی استارتاپ‌ها در ابتدا می‌توانند کاملاً دستی باشند. اگر بتوانید کسی را پیدا کنید که مشکلی دارد و نیاز به حل آن است، و شما بتوانید آن مشکل را به‌صورت دستی حل کنید، تا جایی که می‌توانید این کار را ادامه دهید و سپس به‌تدریج گلوگاه‌ها را خودکار کنید. حل مشکلات کاربران به روشی که هنوز خودکار نشده، ممکن است کمی ترسناک به نظر برسد، اما خیلی کمتر از حالت بسیار رایجی که چیزی خودکار دارید ولی هنوز مشکل هیچ‌کس را حل نمی‌کند، ترسناک است.

بزرگ

باید به یک نوع تاکتیک اولیه اشاره کنم که معمولاً جواب نمی‌دهد: عرضه بزرگ. من گاهی با بنیان‌گذارانی مواجه می‌شوم که به نظر می‌رسد باور دارند استارتاپ‌ها مانند موشک هستند، نه هواپیماهای مجهز به موتور، و فکر می‌کنند برای موفقیت بزرگ، فقط کافی است با سرعت اولیه کافی پرتاب شوند. آن‌ها می‌خواهند به‌طور هم‌زمان در هشت نشریه مختلف رونمایی کنند، با محدودیت‌های خبری (امبارگو). و البته، حتماً باید در روز سه‌شنبه باشد، چون جایی خوانده‌اند که سه‌شنبه بهترین روز برای رونمایی است.

به‌راحتی می‌توان فهمید که رونمایی‌های بزرگ چقدر اهمیت کمی دارند. به برخی از استارتاپ‌های موفق فکر کنید. چندتا از رونمایی‌هایشان را به خاطر دارید؟ تمام چیزی که از یک رونمایی نیاز دارید، گروه اولیه‌ای از کاربران است. این که چند ماه بعد چقدر خوب عمل می‌کنید، بیشتر به این بستگی دارد که چقدر آن کاربران را راضی کرده‌اید، نه این که تعدادشان چقدر بوده است.

پس چرا بنیان‌گذاران فکر می‌کنند رونمایی‌ها مهم هستند؟ ترکیبی از خودمحوری و تنبلی. آن‌ها فکر می‌کنند چیزی که می‌سازند آن‌قدر فوق‌العاده است که هر کس درباره‌اش بشنود، فوراً ثبت‌نام می‌کند. به علاوه، اگر بتوانید فقط با اعلام وجودتان کاربران را جذب کنید، کار خیلی راحت‌تر می‌شود تا این که بخواهید آن‌ها را یکی‌یکی جذب کنید. اما حتی اگر چیزی که می‌سازید واقعاً عالی باشد، جذب کاربران همیشه یک فرآیند تدریجی است — بخشی به این دلیل که چیزهای عالی معمولاً جدید و ناآشنا هستند، و عمدتاً به این دلیل که کاربران به چیزهای دیگری هم فکر می‌کنند.

شراکتها هم معمولاً جواب نمی‌دهند. شراکت برای استارتاپ‌ها به طور کلی کارساز نیست، اما به‌ویژه برای شروع رشد، اصلاً مناسب نیست. یک اشتباه رایج بین بنیان‌گذاران بی‌تجربه این است که فکر می‌کنند شراکت با یک شرکت بزرگ، نقطه عطف بزرگ آن‌ها خواهد بود. شش ماه بعد، همه‌شان یک چیز می‌گویند: این کار خیلی بیشتر از چیزی که انتظار داشتیم وقت‌گیر بود، و عملاً هیچ سودی از آن نبردیم.

فقط انجام یک کار خارق‌العاده در ابتدا کافی نیست. باید در ابتدا تلاشی خارق‌العاده هم داشته باشید. هر استراتژی که تلاش را نادیده بگیرد — چه انتظار برای جذب کاربران از طریق یک رونمایی بزرگ باشد، چه شراکت با یک شرکت بزرگ — به خودی خود مشکوک است.

بردار

نیاز به انجام کاری سخت و غیرقابل‌مقیاس در ابتدای کار آن‌قدر رایج است که شاید بهتر باشد دیگر به ایده‌های استارتاپی به‌صورت تک‌بعدی (اسکالر) نگاه نکنیم. در عوض، باید آن‌ها را به‌صورت جفت‌هایی ببینیم: چیزی که می‌خواهید بسازید، به علاوه کار(های) غیرقابل‌مقیاسی که در ابتدا برای به‌راه‌انداختن شرکت انجام می‌دهید.

دیدن ایده‌های استارتاپی از این زاویه می‌تواند جالب باشد، چون حالا که دو بخش وجود دارد، می‌توانید در مورد بخش دوم هم مثل بخش اول خلاقیت به خرج دهید. اما در بیشتر موارد، بخش دوم همان چیزی است که معمولاً هست: جذب کاربران به‌صورت دستی و ارائه تجربه‌ای فوق‌العاده به آن‌ها. فایده اصلی دیدن استارتاپ‌ها به‌عنوان بردار این است که به بنیان‌گذاران یادآوری می‌کند باید در دو بعد سخت تلاش کنند.

در بهترین حالت، هر دو بخش این بردار به DNA شرکت شما کمک می‌کنند: کارهایی غیرقابل‌مقیاسی که برای شروع باید انجام دهید، صرفاً یک شر ضروری نیستند، بلکه شرکت را برای همیشه به سمت بهتر شدن تغییر می‌دهند. اگر وقتی کوچک هستید، برای جذب کاربران تهاجمی عمل کنید، احتمالاً وقتی بزرگ شوید هم همین‌طور خواهید بود. اگر مجبور باشید سخت‌افزار خودتان را تولید کنید یا نرم‌افزارتان را به نمایندگی از کاربران استفاده کنید، چیزهایی یاد می‌گیرید که در غیر این صورت نمی‌توانستید. و از همه مهم‌تر، اگر وقتی تعداد کمی کاربر دارید برای خوشحال‌کردن آن‌ها سخت تلاش کنید، وقتی تعداد کاربرانتان زیاد شود هم این کار را ادامه خواهید داد.

یادداشت ها

در واقع، امرسون هیچ‌گاه به‌طور خاص به تله‌موش اشاره نکرد. او نوشت: «اگر کسی ذرت خوب، چوب، تخته، خوک یا هر چیز دیگری برای فروش داشته باشد، یا بتواند صندلی، چاقو، بوته آزمایشگاهی یا ارگ کلیسا را بهتر از دیگران بسازد، خواهید دید که جاده‌ای پهن و پررفت‌وآمد به خانه‌اش کشیده می‌شود، حتی اگر خانه‌اش در دل جنگل باشد.»

از سم آلتمن تشکر می‌کنم که پیشنهاد کرد این موضوع را به‌صراحت بیان کنم. خیر، شما نمی‌توانید با استخدام یک نفر برای انجام فروش، از انجام آن شانه خالی کنید. در ابتدا خودتان باید فروش را انجام دهید. بعداً می‌توانید یک فروشنده حرفه‌ای استخدام کنید تا جای شما را بگیرد.

دلیل موفقیت این روش این است که هرچه بزرگ‌تر می‌شوید، اندازه شما به رشدتان کمک می‌کند. پاتریک کالیسون نوشته است: «در مقطعی، تغییر محسوسی در حس و حال استریپ (Stripe) ایجاد شد. از حالتی که مثل یک تخته‌سنگ بود که باید آن را هل می‌دادیم، به یک واگن قطار تبدیل شد که خودش شتاب داشت.»

یکی از راه‌های ظریف‌تر که وای‌سی (YC) می‌تواند به بنیان‌گذاران کمک کند، تنظیم سطح بلندپروازی آن‌هاست، چون ما دقیقاً می‌دانیم که استارتاپ‌های موفق در ابتدای راهشان چه شکلی بودند.

اگر در حال ساخت چیزی هستید که نمی‌توانید به‌راحتی گروه کوچکی از کاربران را برای مشاهده آن پیدا کنید (مثلاً نرم‌افزارهای سازمانی) و در حوزه‌ای هستید که هیچ ارتباطی در آن ندارید، باید به تماس‌های سرد و معرفی‌ها تکیه کنید. اما آیا اصلاً باید روی چنین ایده‌ای کار کنید؟

گری تن به تله جالبی اشاره کرد که بنیان‌گذاران در ابتدای کار در آن گرفتار می‌شوند. آن‌ها آن‌قدر دوست دارند بزرگ به نظر برسند که حتی عیوب شرکت‌های بزرگ، مثل بی‌توجهی به کاربران فردی، را تقلید می‌کنند. به نظرشان این کار «حرفه‌ای‌تر» است. در واقع، بهتر است بپذیرید که کوچک هستید و از هر مزیتی که این کوچکی به شما می‌دهد، استفاده کنید.

مدل کاربری شما تقریباً نمی‌تواند کاملاً دقیق باشد، چون نیازهای کاربران اغلب در پاسخ به چیزی که برایشان می‌سازید تغییر می‌کند. برایشان یک میکروکامپیوتر بسازید، و ناگهان نیاز دارند روی آن صفحه‌گسترده (اسپردشیت) اجرا کنند، چون ورود میکروکامپیوتر جدید شما باعث می‌شود کسی صفحه‌گسترده را اختراع کند.

اگر مجبورید بین گروهی که سریع‌تر ثبت‌نام می‌کنند و گروهی که بیشترین پول را می‌پردازند یکی را انتخاب کنید، معمولاً بهتر است اولی را انتخاب کنید، چون این‌ها احتمالاً پذیرندگان اولیه (early adopters) هستند. آن‌ها تأثیر بهتری روی محصول شما خواهند داشت و شما را مجبور نمی‌کنند برای فروش انرژی زیادی صرف کنید. و اگرچه پول کمتری دارند، در ابتدای کار برای حفظ نرخ رشد هدف خود به پول زیادی نیاز ندارید.

بله، می‌توانم تصور کنم که در مواردی ممکن است چیزی بسازید که واقعاً فقط برای یک کاربر مفید باشد. اما این موارد معمولاً حتی برای بنیان‌گذاران بی‌تجربه هم واضح هستند. بنابراین، اگر مشخص نیست که دارید برای یک بازار یک‌نفره چیزی می‌سازید، نگران این خطر نباشید.

حتی ممکن است یک همبستگی معکوس بین بزرگی لانچ (معرفی محصول) و موفقیت وجود داشته باشد. تنها لانچ‌هایی که به یاد می‌آورم، شکست‌های معروفی مثل سگوی (Segway) و گوگل ویو (Google Wave) هستند. ویو مثال به‌خصوص نگران‌کننده‌ای است، چون ف

کر می‌کنم ایده واقعاً خوبی بود که بخشی از مرگش به‌خاطر لانچ بیش‌ازحد بزرگش بود.

گوگل روی دوش یاهو بزرگ شد، اما این یک شراکت نبود. یاهو مشتری آن‌ها بود.

این موضوع همچنین به بنیان‌گذاران یادآوری می‌کند که ایده‌ای که بخش دوم آن خالی باشد — یعنی ایده‌ای که هیچ کاری نمی‌توانید برای شروع انجام دهید، مثلاً چون راهی برای پیدا کردن کاربران و جذب دستی آن‌ها ندارید — احتمالاً ایده بدی است، حداقل برای آن بنیان‌گذاران

https://www.paulgraham.com/ds.html

گوگل از Gemini for Home برای مدیریت خانه با هوش مصنوعی رونمایی کرد

این سرویس جای گوگل اسیستنت را در مدیریت خانه‌های هوشمند می‌گیرد.گوگل امروز از Gemini for Home برای مدیریت خانه هوشمند رونمایی کرده است. این سرویس قرار است جایگزین گوگل اسیستنت در اکوسیستم خانه هوشمند گوگل شود.

به گزارش پایگاه اطلاع رسانی جاده مخصوص ، 9to5Google، قابلیت‌ها و کارایی که Gemini for Home به کاربران ارائه خواهد کرد بسیار بیشتر از دستیار صوتی گوگل خواهد بود. این سرویس با استفاده از معماری بازطراحی‌شده اپلیکیشن Home، سطح هوشمندی بالاتری را به دوربین‌ها اضافه می‌کند و امکان ارائه نسخه‌ای بازطراحی‌شده از اپلیکیشن Home را برای اندروید و iOS فراهم خواهد کرد.

 

 

 قابلیت‌های Gemini for Home

Gemini for Home برای محیط‌های اشتراکی بهینه‌سازی شده و دارای درک فضایی است. در بخش صدا نیز ۱۰ گزینه صوتی جدید به کاربران ارائه شده که ریتم و لحن طبیعی‌تری دارند. همچنین این سرویس اکنون می‌تواند زمینه درخواست‌های کاربران را درک کند و دیگر نیازی به توصیف دقیق یک وظیفه نیست.برای مثال، اگر در طبقه بالا باشید و بگویید: «هی گوگل، می‌خوام آشپزی کنم، می‌تونی چراغ‌ها رو روشن کنی؟» جمینای متوجه می‌شود که منظور شما چراغ‌های آشپزخانه در طبقه پایین است و آن‌ها را روشن می‌کند.

 

 

 

 

از دیگر قابلیت‌های جمینای می‌توان به امکان پردازش چندین درخواست پشت‌سرهم، پردازش درخواست‌های پیچیده با استثناها و به‌خاطر سپردن گفتگوها برای مکالمات بعدی توسط این سرویس هوش مصنوعی اشاره کرد.

همچنین در بخش تقویم، یادآورها، فهرست‌ها و تایمرها بهبودهایی اعمال شده که امکان اجرای دستورهایی مانند «یک ماه قبل از هالووین یادآوری کن که لباس‌های مخصوص سفارش بدم.» یا «یک تایمر برای پخت استیک تنظیم کن» را فراهم می‌کند.

 

برای داشتن تجربه گفتگوی عمیق‌تر نیز می‌توانید بگویید: «هی گوگل، بیا گپ بزنیم» به این صورت جمینای لایو برای شما فعال خواهد شد. گوگل می‌گوید که کاربران می‌توانند هر زمان مکالمه را متوقف کنند، وسط حرف جمینای بپرند یا سؤال‌های دیگری بپرسند.

 

 

 

 

جمینای با دوربین‌های هوشمند یک پارچه می شود.

گوگل می‌گوید دوربین‌های هوش مصنوعی می‌توانند با بهره‌گیری از چندوجهی‌بودن جمینای متوجه شوند در یک صحنه چه اتفاقی درحال رخ‌دادن است. توصیف‌های هوش مصنوعی مستقیماً در بخش هشدارها و تاریخچه ویدیو ظاهر می‌شوند تا جمینای درک بهتری از آنچه واقعاً در خانه شما اتفاق می‌افتد داشته باشد. برای مثال، در پاسخ به سؤال «آیا چیزی گیاهانم را خورده؟»، هوش مصنوعی ممکن است به شما بگوید چه روزی خرگوش‌ها در باغ شما دیده شده‌اند.همچنین جمینای حالا قادر است تاریخچه ویدیوهای شما را بررسی کند و مستقیماً به سؤالاتی مثل «فرزندانم چه ساعتی به خانه رسیدند؟» پاسخ دهد.

 اپلیکیشن Google Home باز طراحی شده است.

گوگل همچنین اپلیکیشن Google Home خود را برای دسترسی به این قابلیت‌های جدید به‌روزرسانی و بازطراحی کرده است. در سال ۲۰۲۵، گوگل حدود ۱۰۰ بهبود را برای اپلیکیشن Home ارائه کرده است، از جمله افزایش سرعت راه‌اندازی تا ۷۰ درصد و کاهش ۸۰ درصدی میزان کرش‌ها. سایر ارتقاهای ساختاری شامل کاهش مصرف باتری و بهبود حافظه می‌شود.

این اپلیکیشن حالا از پردازش زبان طبیعی نیز پشتیبانی می‌کند. برای مثال می‌توانید بگویید «شب‌ها، اگر خانه خالی بود، تنظیمات را طوری تغییر بده که انگار کسی در خانه است.» در این حالت گوگل پیشنهاد می‌کند از چراغ‌ها و تلویزیون برای شبیه‌سازی حضور استفاده کنید. این اپلیکیشن جدید از امروز به‌صورت جهانی برای اندروید و iOS منتشر می‌شود.

خوب برای گوگل، بد برای آمریکا

«پروژه منهتن» برای هوش مصنوعی؛ این توصیفی بود که دمیس هاسابیس، بنیان‌گذار شرکت «دیپ‌مایند»، در سال ۲۰۱۰ از شرکتش داشت، زمانی که من یکی از اولین سرمایه‌گذاران آن بودم. من این را یک گزافه‌گویی مجازی تلقی کردم. اما باید آن را یک هشدار واقعی می‌دانستم، زیرا در پایتخت‌های خارجی که با دقت به آن توجه داشتند، به همین شکل تعبیر شد.

اکنون تقریباً یک دهه بعد، «دیپ‌مایند» نگین تاج تلاش‌های گوگل در زمینه هوش مصنوعی است. این شرکت به ویژه پس از مارس ۲۰۱۶، که پروژه نرم‌افزاری آلفاگو (AlphaGo) آن، لی سدول، قهرمان بازی تخته‌ای استراتژیک و باستانی گو را شکست داد، کانون توجه شدید در شرق آسیا بوده است.

با وجود چنین دستاوردهایی، «دیپ‌مایند»، که اکنون سه برابر بیشتر از «پروژه منهتن» اصلی طول کشیده است، به طور واضح به هدف اصلی خود یعنی ایجاد یک «هوش عمومی مصنوعی» که رقیب یا جایگزین انسان شود، نزدیک‌تر نشده است. اما بالاخره مشخص می‌شود که مانند شکافت هسته‌ای پیش از آن، اولین کاربران ابزارهای یادگیری ماشین که امروز ایجاد می‌شوند، ژنرال‌ها خواهند بود نه استراتژیست‌های بازی‌های تخته‌ای.

هوش مصنوعی یک فناوری نظامی است. خیال‌پردازی‌های علمی-تخیلی را فراموش کنید؛ آنچه در مورد هوش مصنوعی واقعاً موجود قدرتمند است، کاربرد آن در کارهای نسبتاً روزمره مانند بینایی کامپیوتر و تحلیل داده است. اگرچه این ابزارها کمتر از هیولای فرانکنشتاین غیرعادی هستند، اما با این وجود برای هر ارتشی ارزشمندند—برای مثال، برای به دست آوردن مزیت اطلاعاتی، یا برای نفوذ به دفاع در حوزه نسبتاً جدید جنگ سایبری، که ما در حال حاضر در میانه معادل یک جنگ مسلحانه چندملیتی زندگی می‌کنیم.

بی‌شک ابزارهای یادگیری ماشین کاربردهای غیرنظامی نیز دارند؛ هوش مصنوعی نمونه خوبی از یک فناوری «دوکاربرده» است. اما این درک عقل سلیم از ابهام هوش مصنوعی به طرز عجیبی از روایتی که یک «هوش مصنوعی» یکپارچه را در مقابل تمام بشریت قرار می‌دهد، حذف شده است.

قدرت نظامی هوش مصنوعی دلیل ساده‌ای است که رفتار اخیر شرکت پیشرو نرم‌افزاری آمریکا، یعنی گوگل، شوکه‌کننده است— راه‌اندازی یک آزمایشگاه هوش مصنوعی در چین در حالی که به یک قرارداد هوش مصنوعی با پنتاگون پایان داد. همانطور که اش کارتر، وزیر دفاع باراک اوباما، ماه گذشته اشاره کرد، «اگر در چین کار می‌کنید، نمی‌دانید که آیا روی یک پروژه برای ارتش کار می‌کنید یا خیر.»

تحقیق فشرده‌ای برای تأیید این موضوع لازم نیست. تنها کاری که باید انجام دهید این است که نگاهی به قانون اساسی خود حزب کمونیست چین بیندازید: شی جین‌پینگ در سال ۲۰۱۷ اصل «ادغام غیرنظامی-نظامی» را به آن اضافه کرد که تصریح می‌کند تمام تحقیقات انجام شده در چین باید با ارتش آزادی‌بخش خلق به اشتراک گذاشته شود.

همان سال، گوگل تصمیم گرفت یک آزمایشگاه هوش مصنوعی در پکن افتتاح کند. به گفته فی-فی لی، مدیری که آن را افتتاح کرد، این آزمایشگاه «بر تحقیقات بنیادی هوش مصنوعی متمرکز است» زیرا گوگل «یک شرکت اول-هوش مصنوعی» در دنیایی است که در آن «هوش مصنوعی و مزایای آن مرز نمی‌شناسند.» همه اینها بخشی از یک «تحول عظیم» در خود «بشریت» است. در آمریکا، شورش در میان کارکنان عادی، گوگل را در ژوئن گذشته وادار کرد تا اعلام کند که قرارداد هوش مصنوعی «پروژه میوِن» خود با پنتاگون را کنار می‌گذارد. شاید بخشنده‌ترین کلمه برای این دو تصمیم، «ساده‌لوحانه» باشد.

چگونه گوگل می‌تواند از لفاظی‌های «مزایای بی‌مرز» برای توجیه کار با کشوری استفاده کند که «فایروال بزرگ» آن مرزی را بر خود اینترنت تحمیل کرده است؟ این طرز تفکر فقط در محوطه حفاظت‌شده و پرتکلف گوگل در شمال کالیفرنیا کار می‌کند، که کاملاً با دنیای بیرون متفاوت است. نگرش سیلیکون‌ولی که گاهی «جهان‌وطنی» نامیده می‌شود، احتمالاً بهتر است به عنوان یک گونه افراطی از «محله‌گرایی» فهمیده شود؛ محله‌ای از مناطق خوشبخت که از مشکلات سایر نقاط منزوی هستند—و نسبت به آنها بی‌کنجکاو.

کنجکاوی اندکی در مورد چین می‌توانست بسیار مفید باشد، زیرا حزب کمونیست در اعلام تعهد خود به سلطه به طور کلی و بهره‌برداری از فناوری به طور خاص، خجالتی نیست. البته، هر آمریکایی که توجه کند و خط حزب کمونیست را زیر سوال ببرد، توسط حزب متهم به داشتن «ذهنیت جنگ سرد» می‌شود—اما همین اتهام متکی بر فراموشی و بی‌کنجکاوی در میان مخاطبان مورد نظر آن است.

از سال ۱۹۷۱، نگرش نخبگان آمریکایی در طول جنگ سرد نسبت به رهبران چین، یک نگرش با تساهل گرم بوده است. در دهه‌های ۱۹۷۰ و ۱۹۸۰، این به معنای حمایت از چین در برابر یک دشمن بزرگتر، یعنی اتحاد جماهیر شوروی بود. آنچه فوق‌العاده عجیب است این است که این سیاست تساهل پس از فروپاشی اتحاد جماهیر شوروی در سال ۱۹۹۱ ادامه یافت و حتی عمیق‌تر شد.

چند سال پس از پایان جنگ سرد، رهبران آمریکایی با چین همانند آلمان غربی و ژاپن رفتار کردند. ما کسری‌های تجاری دردناک را در دهه‌های ۱۹۷۰ و ۱۹۸۰ تحمل کردیم تا از آن دو متحد حمایت کنیم، و دلایل استراتژیکی برای این کار داشتیم. اما در مورد تقویت چین در دهه‌های ۱۹۹۰ و ۲۰۰۰، قرار بود سخاوت آمریکا به نوعی به آزادسازی چین منجر شود. در واقعیت، این به انتقال پایگاه صنعتی ما به یک رقیب خارجی منجر شد.

به این معنا، یک «ذهنیت جنگ سرد» زامبی‌مانند هرگز از بین نرفت—اگرچه مطمئناً از منطقی بودن باز ایستاد. اخیراً، با کمک تصمیم سال گذشته شی جین‌پینگ مبنی بر اینکه عملاً خود را رهبر بالقوه مادام‌العمر اعلام کند، دونالد ترامپ به اولین رئیس‌جمهوری پس از ریچارد نیکسون تبدیل شد که به چین توجه کرد و یک بررسی واقعیت‌سنجی در مورد آن انجام داد.

سیلیکون‌ولی در بی‌توجهی به واقعیت ژئوپلیتیک تنها نیست؛ برخی در وال استریت نیز مشتاق بوده‌اند تا برای ساده‌لوحی گوگل بهانه‌تراشی کنند. این زمان‌بندی تصادفی نیست؛ همین هفته مقامات آمریکایی با همتایان چینی خود در شانگهای برای مذاکره بر سر یک توافق تجاری دیدار کردند.

روی دیگر کسری تجاری عظیم چین، کسری حساب جاری عظیم آمریکا بوده است. تمام دلارهایی که ما به خارج می‌فرستیم و هرگز برای خرید کالاهای آمریکایی استفاده نمی‌شوند، باید به جایی بروند، و بیشتر آنها از طریق بانک‌های مرکزی پول نیویورک در مسیر خرید دارایی‌های مالی عبور می‌کنند. از آنجایی که برهم زدن این عدم تعادل تهدیدی برای سود است، وال استریت ترجیح می‌دهد در مورد تجارت کوتاه بیاید و در همان حال قیمت سهام گوگل را بالا نگه دارد.

اما تجربه بانک‌ها از چند دهه گذشته جهانی‌سازی، نماینده نبوده است. کسری‌های تجاری که جریان‌های پول را به وال استریت آورد، شغل و قدرت چانه‌زنی را از کارگر عادی سلب کرد.

دستمزدها از دهه ۱۹۷۰ راکد مانده است. تفاوت بین دوره جهانی‌سازی پس از ۱۹۷۱ ما و رونق اواسط قرن پس از ۱۹۴۵، یک فروپاشی در رابطه بین اجزا و کل است: مجموعه‌ای از مکان‌های درون‌نگر و محله‌گرا مانند وال استریت و سیلیکون‌ولی برای خود بسیار خوب عمل کرده‌اند، در حالی که هموطنان آنها در یک اقتصاد راکد جا مانده‌اند.

در دهه ۱۹۵۰، کلیشه این بود که «آنچه برای جنرال موتورز خوب است، برای کشور نیز خوب است.» گوگل چنین ادعایی برای خود نمی‌کند؛ این امر بیش از حد واضح است که نادرست باشد. در عوض، گوگل می‌گوید «متعهد به بهبود قابل توجه زندگی هر چه بیشتر افراد ممکن است»— استانداردی آنقدر مبهم که هر چالشی را به چالش می‌کشد.

تا به حال باید فهمیده باشیم که هدف واقعی از صحبت در مورد آنچه برای جهان خوب است، شانه خالی کردن از مسئولیت در قبال خیر کشور است.

پیتر تیل، کارآفرین و سرمایه‌گذار، عضو هیئت مدیره فیس‌بوک و بنیان‌گذار و رئیس شرکت «پالانتیر» است.

منبع:https://www.nytimes.com/2019/08/01/opinion/peter-thiel-google.html

گوگل مپس با تصاویر واضح‌تر به‌روز می‌شوند؛ تصاویر تاریخی بیشتر برای گوگل ارث

گوگل مپس تصاویر ماهواره‌ای واضح‌تر و محتوای استریت ویو (Street View) بیشتری دریافت می‌کند؛ همچنین گوگل ارث (Google Earth) به زودی امکان دسترسی به تصاویر تاریخی بیشتری را ارائه می‌دهد. همه این تغییرات به لطف هوش مصنوعی انجام می‌شود.

به گزارش وبلاگ گوگل، این شرکت از این هفته با استفاده از مدل هوش مصنوعی Cloud Score+ خود که می‌تواند ابرها، سایه‌های ابرها، مه و موارد دیگر را شناسایی و حذف کند، تصاویر ماهواره‌ای واضح‌تری را در گوگل مپس و گوگل ارث نشان می‌دهد. این کار بدون ازبین‌بردن یخ، برف، سایه‌های کوهستانی و دیگر الگوهای آب‌وهوای دنیای واقعی انجام می‌پذیرد.

استفاده از Cloud Score+ منجر به نمایش «کره‌ای روشن‌تر و پر جنب‌و‌جوش‌تر» برای «نگاه واضح‌تر و دقیق‌تر به زمین» در این اپلیکیشن‌ها می‌شود. عکس پایین، یک تصویر ترکیبی با +Cloud Score است که دریاچه‌های توشکا مصر را نشان می‌دهد.

در همین حال، گوگل «یکی از بزرگ‌ترین آپدیت‌های استریت ویو» را با تصاویر جدید در نزدیک به 80 کشور جهان راه‌اندازی می‌کند.

ویژگی استریت ویو در گوگل مپس در دسترس چه کشورهایی قرار می‌گیرد؟

آپدیت استریت ویو ابتدا در بوسنی، نامیبیا، لیختن‌اشتاین و پاراگوئه عرضه می‌شود. همچنین تصاویر گسترده‌ای از کشورهایی مانند استرالیا، آرژانتین، برزیل، کاستاریکا، دانمارک، فرانسه، ایسلند، ژاپن، مکزیک، نیوزیلند، فیلیپین، رواندا، صربستان، اسپانیا، آفریقای جنوبی، سوئیس و اروگوئه وجود خواهد داشت.

همچنین از امروز Google Earth درحال دریافت تصاویر تاریخی (ماهواره‌ای و هوایی) است که حداکثر بازه‌ای در حدود 80 سال را در بر می‌گیرد. این تصاویر از طریق نسخه وب و موبایل گوگل ارث قابل مشاهده هستند. گوگل با انتشار ویدیوی بالا از سان‌فرانسیسکو می‌گوید: «این عکس سیاه و سفید سانفرانسیسکو در سال 1938 توسط خلبانان فرودگاه اوکلند گرفته شده است. در این دوره، می‌توانید ببینید که بنادر عمدتاً برای حمل‌ونقل و کاربردهای صنعتی استفاده می‌شدند، اما در مقایسه با سال 2022، اسکله‌ها را می‌بینید و رستوران‌ها و کشتی‌های کروز که در بندر پهلو گرفته‌اند.»