Περίληψη TechCrunch+: Βασικά στοιχεία SaaS+, επιλογές βιβλίων για την Ημέρα της Εργασίας, οικοδόμηση εμπιστοσύνης με πελάτες τεχνητής νοημοσύνης

Το “SaaS+” αναφέρεται σε εταιρείες λογισμικού που ενισχύουν τα βασικά προϊόντα και τις υπηρεσίες τους με χαρακτηριστικά προστιθέμενης αξίας, όπως ενσωματωμένο ηλεκτρονικό εμπόριο, ασφάλιση ή επεξεργασία πληρωμών.

Το ψήσιμο αυτών των χαρακτηριστικών στη σειρά προϊόντων δημιουργεί δευτερεύουσα άνεση που ευχαριστεί τους πελάτες — μαζί με νέες ροές εσόδων που ενθουσιάζουν τους

επενδυτές

.

Αντλώντας από την εμπειρία τους στη δημιουργία μιας πλατφόρμας για αθλητισμό νέων, ο Justin Kaufenberg (διευθύνων σύμβουλος στο Rally Ventures) και ο Greg Blasko (συνιδρυτής της Monoline) εξηγούν πώς να «χτίσετε σωστά τα θεμέλια του σπιτιού σας SaaS+» με την τεχνολογία multimerchant cart, γονέας- μοντέλα παιδικών δεδομένων και άλλες ιδέες.

Τα πλήρη άρθρα TechCrunch+ είναι διαθέσιμα μόνο στα μέλη.

Χρησιμοποιήστε τον εκπτωτικό κωδικό

TCPLUSROUNDUP

για εξοικονόμηση 20% σε συνδρομή ενός ή δύο ετών.

Και οι έξι συστάσεις περιλαμβάνουν λεπτομερή παραδείγματα επιλογών αρχιτεκτονικής λογισμικού που έγιναν σε εταιρείες όπως η Kayak, η Amazon και η Shopify που συνδυάζονται για να αυξήσουν τον αριθμό των συναλλαγών που κάνει κάθε χρήστης.

«Η ευθυγράμμιση με αυτές τις έννοιες θα οδηγήσει τον οδικό χάρτη προϊόντων, την βασική τεχνική αρχιτεκτονική, τη στρατηγική τιμολόγησης και το μάρκετινγκ προϊόντων», σύμφωνα με τους συγγραφείς.

Ευχαριστώ πολύ που διαβάσατε το TC+!

Walter Thompson

Διευθυντής σύνταξης, TechCrunch+

Ποτέ μην εκφράζετε τη διαφάνεια «χρήση κεφαλαίων» ως ποσοστά

Η κατασκευή ενός γηπέδου είναι σαν το τετραδιάστατο σκάκι: Οι ιδρυτές πρέπει να δώσουν στους επενδυτές μια πειστική αφήγηση που θα μεταφέρει την εταιρεία από αυτόν τον γύρο συγκέντρωσης κεφαλαίων στον επόμενο.

Σε ορισμένες ομάδες αρέσει να μοιράζονται διαφάνειες που εξηγούν πώς σχεδιάζουν να κατανείμουν τη χρηματοδότηση, αλλά ο Haje Jan Kamps λέει ότι οι ποσοστιαίες αναλύσεις αποτελούν «κόκκινη σημαία» για τους πιθανούς επενδυτές.

«Πόση τεχνολογία πρέπει να έχεις αναπτύξει; Πόσους πελάτες και πόσα έσοδα χρειάζεστε; Τι προσωπικό χρειάζεστε για να αναπτύξετε αυτήν την τεχνολογία, να πουλήσετε σε αυτούς τους πελάτες και να τους υποστηρίξετε;

Με άλλα λόγια: «Κάνετε αύξηση για ορόσημα, όχι για ποσοστά ή για πασαρέλα».

4 τρόποι για να δείξετε στους πελάτες ότι μπορούν να εμπιστευτούν το επιχειρηματικό εργαλείο τεχνητής νοημοσύνης που δημιουργείτε

Συντελεστές εικόνας:


umdash9

(ανοίγει σε νέο παράθυρο)


/ Getty Images

Υπό το φως της συνεχιζόμενης συζήτησής μας σχετικά με τους υπαρξιακούς κινδύνους της τεχνητής νοημοσύνης, ήταν ενδιαφέρον να καθίσουμε σε ένα θέατρο χθες το βράδυ και να παρακολουθήσουμε ένα τρίωρο έπος για την αυγή της Ατομικής Εποχής.

Οκτώ δεκαετίες αργότερα, βιαζόμαστε για άλλη μια φορά σε μια νέα τεχνολογική εποχή χωρίς πρώτα να δημιουργήσουμε ένα πλαίσιο για ηθική, ασφάλεια, εμπιστοσύνη ή χίλια άλλα ζητήματα.

Δεδομένου ότι δεν υπάρχουν βιομηχανικά πρότυπα ή κυβερνητικές υπηρεσίες που να καθοδηγούν την ανάπτυξη της τεχνητής νοημοσύνης, οι νεοφυείς επιχειρήσεις πρέπει να καθιερώσουν νέες βέλτιστες πρακτικές, σύμφωνα με τους συνεργάτες του TC+ Luigi La Corte και Leo Arango.

«Οι πάροχοι που λαμβάνουν ενεργά μέτρα για να μειώσουν την πιθανότητα «τυχαίας» LLM και να δημιουργήσουν τη μεγαλύτερη εμπιστοσύνη θα είναι μεγάλοι νικητές».

Pitch Deck

Teardown

: BusRight’s $7M Series A deck

Συντελεστές εικόνας:


BusRight

(ανοίγει σε νέο παράθυρο)

Τα σχολικά λεωφορεία της Αμερικής αποτελούν τον μεγαλύτερο στόλο δημόσιων συγκοινωνιών της χώρας: Σύμφωνα με μια εκτίμηση, οι μαθητές πραγματοποιούν 10 δισεκατομμύρια ταξίδια κάθε χρόνο.

Η πλατφόρμα διαχείρισης σχολικών λεωφορείων BusRight συγκέντρωσε πρόσφατα μια Series A 7 εκατομμυρίων δολαρίων με ένα “καλοσχεδιασμένο” κατάστρωμα που είναι “γεμάτο προσεκτικές πινελιές”, σύμφωνα με τον Haje Jan Kamps:

1. Κάλυμμα
2. Πήγαινε στην αγορά
3. Στοχευμένο κοινό
4. Το μέγεθος της αγοράς
5. Πρόβλημα
6. Λύση/προϊόν
7. Ελξη
8. Διαδικασία πώλησης
9. Οικονομικά επιχειρηματικού μοντέλου/μονάδας
10. Μαρτυρίες
11. Δυναμική απόφαση πώλησης
12. Προβολή ανάπτυξης
13. Ομάδα
14. Κλείσιμο/επαφή

Ρωτήστε τη Sophie: Ποιες είναι οι επιλογές βίζας για έναν ιδρυτή startup με οικογένεια;

Συντελεστές εικόνας:

Bryce Durbin/TechCrunch

Αγαπητή Σοφία,

Είμαι ιδρυτής startup στο Βερολίνο. Μόλις επέστρεψα από μια επίσκεψη στο Silicon Valley όπου συναντήθηκα με έναν νέο πελάτη. Στο ταξίδι συνειδητοποίησα ότι πρέπει να κατοικώ στις ΗΠΑ για να αναπτύξω τη βάση μας με πελάτες στις ΗΠΑ.

Ποιες είναι οι καλύτερες επιλογές βίζας για την οικογένειά μου και εμένα; Θα επιτρέψει κάποια από αυτές στον άντρα μου να εργαστεί και να συνεχίσει την καριέρα του;

— Αναζήτηση κλίμακας

Αποκτήστε το

ενημερωτικό δελτίο

TechCrunch+

Roundup

στα εισερχόμενά σας!

Για να λαμβάνετε το TechCrunch+ Roundup ως email κάθε Τρίτη και Παρασκευή, κάντε κύλιση προς τα κάτω για να βρείτε την ενότητα «εγγραφή για ενημερωτικά δελτία» σε αυτήν τη σελίδα, επιλέξτε «TechCrunch+ Roundup», εισαγάγετε το email σας και κάντε κλικ στην «εγγραφή».

Κάντε κλικ εδώ για να εγγραφείτε

Ψάχνετε για το επόμενο βιβλίο σας; Αυτοί οι 9 συγγραφείς έχουν προτάσεις ανάγνωσης για εσάς

Συντελεστές εικόνας:

Daniel Grizelj / Getty Images

Η Άννα Χάιμ ρώτησε αρκετούς συγγραφείς τεχνολογίας: «Ποιο βιβλίο έχετε διαβάσει αυτό το καλοκαίρι που πιστεύετε ότι θα απολαύσουν οι άλλοι;» Ιδού ποιος απάντησε:

• Adam DuVander
• Φιλ Ρόζεν
• Άντι Πόλακ
• Άντριου Λι Μίλερ
• Ντέιβιντ Καντάβι
• Σάρα Ε. Μπράουν
• Zeke Faux
• Ντέιβιντ Σπινκς
• Purna Virji

Κάνοντας την τεχνητή νοημοσύνη αξιόπιστη: Μπορούμε να ξεπεράσουμε τις παραισθήσεις του μαύρου κουτιού;

Συντελεστές εικόνας:


Custom Designer

(ανοίγει σε νέο παράθυρο)


/ Getty Images

Οι χαρακτήρες στα κινούμενα σχέδια μπορεί να φαντάζονται γιγάντια χοτ-ντογκ όταν πεινούν, αλλά ένα μεγάλο γλωσσικό μοντέλο (LLM) μπορεί να έχει παραισθήσεις για διάφορους λόγους, όπως η κακή ποιότητα δεδομένων ή μια ασαφής προτροπή.

Οι μεγάλες πλατφόρμες τεχνητής νοημοσύνης «συμπεραίνουν και προεκβάλλουν με βάση αυτή που πιστεύουν ότι είναι η πιο πιθανή απάντηση, όχι πραγματικά δεδομένα», σύμφωνα με τον Δρ. Mike Capps, Διευθύνοντα Σύμβουλο και συνιδρυτή της Diveplane.

Η

μάθηση

που βασίζεται σε παραδείγματα, από την άλλη πλευρά, συγκρίνει τα σημεία δεδομένων εκπαίδευσης «το ένα με το άλλο για να αποκτήσει μια εικόνα για το σύνολο δεδομένων και τις προβλέψεις», λέει ο Capps. «Με άλλα λόγια, το IBL «δείχνει τη δουλειά του».