Zaangażowanie oparte na udziałach
Dołączyliśmy do startupu z udziałami i pracowaliśmy na wspólny rezultat produktowy, a nie w modelu stałego zakresu przekazanego klientowi. Ten projekt pokazuje, jak agencja może skalować swój udział: budować produkt usprawniający operacje klientów, a jednocześnie tworzyć możliwość zwiększenia LTV i obniżenia CAC.
Nasza odpowiedzialność obejmowała produkt i technologię. Zapewnialiśmy zarządzanie produktem, doradztwo techniczne, wsparcie wewnętrznych programistów, rekrutację talentów, architekturę systemu, DevOps, AI engineering oraz integracje z usługami zewnętrznymi. Następnie zrealizowaliśmy exit z projektu.
W momencie naszego exitu na platformie było ponad 30 wdrożonych firm. W tej grupie znajdowały się startupy i międzynarodowe korporacje. Liczba opisuje konkretny moment rozwoju spółki i nie jest przedstawiana jako aktualny stan klientów.
Budowa platformy operacyjnej
Produkt łączył planowanie kampanii, analizę informacji, wspólny stan kampanii i rekomendowane działania. Praca marketingu i sprzedaży jest zwykle rozproszona między dane klientów, sygnały rynkowe, dokumenty, komunikację i raportowanie. Platforma łączyła części tego procesu marketingowego, aby zespół nie musiał odtwarzać kontekstu przed każdą decyzją.
Orkiestracja kampanii wymagała czegoś więcej niż wygenerowania rekomendacji. System musiał zachowywać stan kampanii, wiązać analizę z jej kontekstem i pokazywać punkty decyzyjne. Rekomendowane działania wspierały zespół, ale odpowiedzialność za komunikat lub działanie zewnętrzne pozostawała po stronie człowieka. Decyzje człowieka były szczególnie ważne, gdy niepełny kontekst albo nieaktualny sygnał mógł prowadzić do niewłaściwej sugestii.
Model orkiestracji kampanii łączył te elementy w jeden widoczny przepływ pracy. Każdy proces marketingowy wymagał wskazania aktualnego etapu, dostępnych informacji i osoby odpowiedzialnej za kolejny krok. Dzięki temu automatyzacja mogła wspierać koordynację bez ukrywania decyzji przed zespołem.
Budowaliśmy też integracje z usługami zewnętrznymi. Dzięki nim produkt stawał się częścią środowiska operacyjnego klientów, a nie odizolowanym interfejsem. Nie wymieniamy dostawców, ponieważ ich nazwy nie są potrzebne do wyjaśnienia funkcji i nie zostały przekazane do publikacji.
Produkt i wewnętrzny zespół
Zapewnialiśmy zarządzanie produktem równolegle z doradztwem technicznym. Oznaczało to przekładanie potrzeb operacyjnych na priorytety, łączenie wartości dla klienta z decyzjami implementacyjnymi i ustalanie kolejności rozwoju funkcji. Pracowaliśmy zarówno nad kierunkiem, jak i szczegółami potrzebnymi do dostarczenia produktu.
Startup miał własnych programistów, których wspieraliśmy zamiast zastępować. Pomagaliśmy również zatrudniać kolejne osoby i konfigurowaliśmy agenty programistyczne dla procesu wytwarzania. Łączyliśmy architekturę, sposób pracy zespołu i implementację, aby rozwijająca się organizacja miała spójny obraz systemu.
AI engineering obejmował pisanie promptów i projektowanie zarządzania kontekstem. W systemie agentowym sam prompt nie stanowi całego rozwiązania. Zachowanie zależy od dostępnych informacji, ich aktualności i struktury oraz od tego, kiedy proces wymaga potwierdzenia użytkownika.
Low-code przed skalowaniem
Część systemu korzystała z n8n i Langflow obok kodu aplikacji. Łączyliśmy w ten sposób procesy i szybko poprawialiśmy ich efektywność. Niektóre rozwiązania najpierw powstawały w low-code, aby sprawdzić ich działanie przed przeniesieniem do bardziej skalowalnej implementacji.
Była to świadoma kolejność dostarczania, a nie stała preferencja jednego typu narzędzi. Wczesne użycie low-code obniżało koszt nauki, gdy proces nadal się zmieniał. Po potwierdzeniu użycia i ograniczeń wybrane elementy mogły przejść do głównej aplikacji albo warstwy usług.
Aplikacja korzystała z Next.js, a usługi z NestJS i FastAPI. Środowisko multi-cloud obejmowało AWS, Azure i Google Cloud. Zestaw technologii ma tu znaczenie, ponieważ odpowiadaliśmy za działanie kodu aplikacji, procesów low-code, usług AI i kilku środowisk chmurowych.
Potwierdzony rezultat i granice
Potwierdzonym rezultatem jest działający produkt z ponad 30 firmami wdrożonymi do momentu naszego exitu. Wnieśliśmy powiązane udziałami przywództwo produktowe, wsparcie zespołu, rekrutację, architekturę, DevOps, AI engineering, procesy low-code, rozwój aplikacji i integracje.
Opis nie deklaruje zmierzonego wzrostu LTV, obniżenia CAC, poprawy wyników kampanii, przychodów ani aktualnej liczby klientów. Nie otrzymaliśmy dla tych wyników odtwarzalnej metody pomiaru. Exit i liczba wdrożonych firm są dostępnymi rezultatami komercyjnymi o określonej granicy czasowej.
W podobnej platformie punktem wyjścia jest opisanie planowania kampanii, integracji, rekomendowanych działań i granic akceptacji przed wyborem automatyzacji. Więcej o takim podejściu można przeczytać na stronie o projektowaniu systemów agentowych.