Все счастливые продавцы счастливы одинаково

Последние 10 лет наблюдаю и участвую в том, как стартапы выходят на рынок. Заметил, что продажи ломаются по миллиону причин — от несоответствия канала и продукта до дебильных скриптов. А вот успешные строятся по одной закономерности:

1. Ищем ценность. Бегаем по рынку в поисках идеального клиента — тестируем цены, офферы, собираем возражения. Этап пройден — понимаем, почему у нас по-настоящему покупают.

2. Описываем процесс. Фиксируем последовательность шагов, приводящих к результату, и четкую систему квалификации лидов. Тратим время только на перспективных клиентов. Этап пройден — высокая конверсия в сделки без импровизаций.

3. Передаем. Нанимаем первых продавцов и делаем для них 30-дневный онбординг. Этап пройден — они дают 75% от конверсии фаундера.

4. Обеспечиваем предсказуемость. Формируем планы продаж, нанимаем РОПа, ставим ему KPI. Этап пройден — выполнены два квартальных плана подряд.

5. Растем. Заливаем лидами и считаем деньги :)

Простая модель показывает, куда фаундеру инвестировать внимание и силы.

📊 Секрет успеха в TikTok: чем больше подписчиков, тем длиннее ролики! 🤯
Исследования показывают удивительную закономерность: популярные тиктокеры не только чаще выкладывают контент, но и создают более продолжительные видео!
• Новички (5-50К): видео длятся всего 21-26 секунд
• Миллионники: целых 39 секунд в среднем
Кроме того, звёзды TikTok:
• Публикуются в 2,5 раза чаще (каждые 2.2 дня против 5.8 дней)
• В 2 раза чаще используют речь в своих роликах (40% против 20%)
• За время существования аккаунта создают в 5 раз больше контента!
А что думаете вы — действительно ли длина имеет значение? Или секрет успеха в другом? 🧐

Делаем картинки за несколько секунд: Hailuo AI выпустили свой генератор изображений Image-01.

Бесплатных кредитов хватит на 1100 картинок. Модель справляется с портретами, гиперреализмом, рекламными баннерами. Можно вводить промты до 800 символов.

Забираем тут.

​​🅰️ The Anthropic Economic Index.

Давайте уже наконец доберемся до исследования Anthropic по использованию генеративных моделей. Они смотрят на то, кто и как пользуется моделями в разрезе профессий. Если бы сделали в разрезе бизнесов, было бы еще интереснее, но пока что так.

Вы почитайте исследование самостоятельно. Есть их статья, которая читается проще и 💾 само исследование в PDF, которое идет чуть сложнее, но в целом оно не такое большое.

Хочется подсветить всего две вещи:

1/ Посмотрите на приложенный график, который сравнивает то, какой процент людей занят в той или иной профессии и то, какой процент запросов они делают в Claude от общего числа запросов (запросы тут не совсем верно, там слово conversations, но перевод как “обсуждения” тоже не совсем нравится).
Посмотрим на два среза. Топ-3 профессий, где обсуждений видимо больше, чем доля в workforce:
🟢 Computer and mathematical: 37.2% запросов против 3.4% занятости;
🟢 Arts, design…media: 10.3% против 1.4%;
🟢 Life, physical and social science: 6.4% против 0.9%.
🔹Ожидали увидеть в топе кого-то, кроме программистов и математиков?

Интереснее с другой стороны – у кого разница максимальна в другую сторону?
🔴 Transportation and material moving: 0.3% против 9.1%
🔴 Food preparation and serving related: 0.5% против 8.7%
🔴 Healthcare support: 0.3% против 4.7%

2/ Кажется, что будет интересно найти такие ниши, где распространение низкое, а доля в занятости большая, и предложить им какой-то вертикальный продукт. Стоит подождать пару лет, и мы увидим много проектов, которые эксплуатируют проблему проникновения сервисов с уже большие отрасли.

3/ Второй момент – это еще один график по использованию Claude в зависимости от зарплаты. Топовые профессии, которые используют запросы часто в разных когортах зарплат:
▪️<$75K в год: Tutors, Bioinformatics Technicians, Copy Writers;
▪️$75K-$150K: Computer Programmers, Software Developers (systems), Software Developers (apps);
▪️>$150K: Obstetricians and Gynecologists (акушеры и гинекологи).

❓А давайте поймем, для чего лично вы используете генеративные сети?

@proVenture

#ai #research #hr

Gemma 3 12B локально 🤯

Я искал причину обновить свой макбук и решил запустить какую-нибудь LLMку. Благо Гемма вышла вчера.

Качаю квантованные веса. Открываю activity monitor. Открываю ollama. Открываю сайт apple с макбуками. И…

Модель из LMSYS лидерборда запустилась на совершенно скромном macbook air M1 16Gb 5-летней давности! И даже ещё хватило памяти на пару вкладок в хроме.

Если приглядеться на скриншот, можно заметить что вся нагрузка на видеокарте. В пике всего 10W. Процессор отдыхает.

Говорит мне это о том что все эти модельки переедут на устройства уже очень скоро.

спросили в комментариях какие то материала по Агентам ИИ - держите - https://www.youtube.com/live/iLVyYDbdSmM

Как погрузиться в любую тему за один день?

Часто рассказываю про Notebooklm от Google — а сегодня хочу показать, как я его использую. Давайте разберем на примере погружения в тему ИИ-Агентов:

1. Открываем Notebooklm, регистрируемся и добавляем источники: файлы на Google Диске, ссылки на сайты или YouTube ролики. А можно просто текст пихать. Все это машина переварит и превратит в эмбединги (векторные базы), где LLM будет искать ответы на ваши вопросы.

2. Что я советую добавить для погружения в тему ИИ-Агентов: Обязательно добавьте этот документ с базовой информацией про агентов и легендарную статью «Building effective agents» от Anthropic. Еще ролик от Кевина и текст от Google, можно еще это и хватит на первое время.

3. Когда все источники добавлены, можно попросить Notebooklm сформировать вам план обучения или составить краткое содержание всех документов. Либо воспользоваться меню справа и указать: «методичка», «краткий обзор» или «часто задаваемые вопросы» и LLM сама пересоберет информацию из источников в нужном формате.

Если этого будет мало (надеюсь), настоятельно советую пройти курс От Deep learning и Arize и Hugging Face про ИИ-Агентов. Для последнего я тут перевод выкладывал вот и вот.

Подсмотрено

🔥 Kling + DeepSeek!

Сегодня прилетело обновление, которое выводит Kling вперёд в гонке видеогенераторов! Теперь в интерфейсе появился DeepSeek — встроенный мощный AI, который не только пишет тексты, но и помогает улучшать промты.

Было бы круто, если бы модель реально затачивалась под работу с промтами. Пока тестирую — отпишусь, что да как. Если всё сработает, это будет прорыв!

Арт, дизайн и нейросети
@art_design_ai
#kling@art_design_ai

Правила жизни Стивена Хокинга:

1) Моя цель очень проста. Я хочу понимать вселенную, почему она устроена так, как устроена, и зачем мы здесь.

2) Уравнения — самая скучная часть математики. Я пытаюсь смотреть на вещи в терминах геометрии.

3) Мы всего лишь развитые потомки обезьян на маленькой планете с ничем не примечательной звездой. Но у нас есть шансы постичь Вселенную. Это и делает нас особенными.

4) Мне кажется, компьютерные вирусы стоит рассматривать, как форму жизни. Это многое говорит о природе человека: единственная форма жизни, которую мы создали к настоящему моменту, несет только разрушения. Мы создаем жизнь по образу и подобию своему.

5) Мы не должны удивляться тому, что устройство Вселенной пригодно для жизни — ведь это не является доказательством того, что Вселенная была задумана для жизни.

6) Главный враг знания — не невежество, а иллюзия знания.

7) Там где есть жизнь, есть надежда.

8) Эйнштейн никогда не принимал квантовую механику из-за присущего ей элемента случайности и непостоянства. Он говорил: «Господь не играет в кости». Он был неправ дважды. Наличие черных дыр доказывает, что Господь не только играет в кости, но еще и бросает их туда, где никто не сможет их увидеть.

9) Очень важно просто не сдаваться.

10) Я заметил, что даже те люди, которые утверждают, что все предрешено и что с этим ничего нельзя поделать, смотрят по сторонам, прежде чем переходить дорогу.