ניתוח

פרסונליזציה בזמן אמת בלי קוקיז: מהלך Sequen נוגע גם בישראל

Sequen גייסה 16 מיליון דולר ומבטיחה דירוג בזמן אמת בפחות מ-20ms — עם השלכות ישירות למסחר, מדיה ותיירות

6 דקות קריאה
פרסונליזציה בזמן אמת בלי קוקיז: מהלך Sequen נוגע גם בישראל
מבוסס על כתבה שלTechCrunch ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. Sequen גייסה 16 מיליון דולר והגיעה ל-22 מיליון דולר מצטבר, עם עיבוד של כ-10 מיליארד בקשות בחודש.

  2. לפי החברה, מנוע הדירוג שלה מחליט בפחות מ-20ms ומספק עליית הכנסות של 7% עד 20% אצל לקוחות ראשונים.

  3. הבשורה העסקית אינה צ'אטבוט אלא שכבת דירוג שמחליטה איזה מוצר, תוכן או הצעה המשתמש יראה קודם.

  4. בישראל, הערך הגבוה ביותר צפוי באיקומרס, תיירות, מדיה ועסקים עם לידים — במיוחד כשמחברים WhatsApp, Zoho CRM ו-N8N.

  5. פיילוט של 14 יום עם יעד של 2%-5% שיפור בהמרה הוא דרך מעשית לבדוק אם פרסונליזציה בזמן אמת מצדיקה השקעה.

פרסונליזציה בזמן אמת לעסקי צרכנות: למה זה חשוב עכשיו

מודל אירועים גדול הוא מנוע פרסונליזציה שלומד התנהגות משתמשים בזמן אמת במקום להסתמך על קוקיז או פרופילים היסטוריים. במקרה של Sequen, לפי הדיווח, הטכנולוגיה פועלת בהכרעות של פחות מ-20 אלפיות השנייה, וכבר משרתת עיבוד של כ-10 מיליארד בקשות בחודש. עבור עסקים ישראליים שפועלים באיקומרס, תיירות, מדיה ושירותים דיגיטליים, זו לא עוד כותרת על AI אלא שינוי תשתיתי: הדרך שבה אתם מדרגים מוצרים, תכנים והצעות הופכת מפעולה סטטית למערכת חיה שמגיבה לכל ריחוף עכבר, חיפוש ושיחה. לפי McKinsey, פרסונליזציה איכותית יכולה לייצר צמיחה דו-ספרתית בהכנסות בחלק מהקטגוריות, ולכן מדובר בנושא שמנהלים מסחריים לא יכולים לדחות.

מה זה מודל אירועים גדול?

מודל אירועים גדול, או Large Event Model, הוא מודל שלומד רצפים של פעולות משתמשים — לא רק קליקים וגלילות אלא גם השהיות, סדר פעולות, אינטראקציות בתוך סשן ולעיתים גם הקשר שיחתי. בהקשר עסקי, המשמעות היא התאמה של תוצאות חיפוש, מוצרים, תוכן או מבצעים תוך כדי הביקור באתר או באפליקציה. לדוגמה, רשת קמעונאית ישראלית יכולה להציג בתוך שניות קטגוריות שונות ללקוח שמתלבט בין סלון, שולחן אוכל ותאורה, בלי לבנות עליו פרופיל צד ג'. לפי הדיווח, Sequen טוענת שהזיהוי הזה אינו תלוי בזהות המשתמש אלא בזרם האירועים עצמו.

גיוס של 16 מיליון דולר והבטחה להביא "אלגוריתם כמו טיקטוק" לחברות צרכניות

לפי הדיווח ב-TechCrunch, Sequen השלימה סבב Series A של 16 מיליון דולר, ובכך הגיעה לגיוס מצטבר של 22 מיליון דולר. החברה נוסדה בידי Zoë Weil, לשעבר ב-Etsy, שם סייעה לשיפור מערכות דירוג מבוססות AI שלפי הכתבה תרמו לעלייה של מיליארד דולר ב-GMV בתוך שנה אחת. יחד איתה פועלים Ethan Benjamin, Mo Afsharr ו-Alexander Thom, ולתפקיד CPO הצטרף Raphael Louca שהגיע מ-Meta. מדובר בצוות של 14 עובדים בניו יורק, עם רקע מ-DeepMind, Meta ו-Anthropic — שילוב שמאותת שהחברה בונה שכבת תשתית ולא רק פיצ'ר שיווקי.

Sequen מציעה פלטפורמה בשם RankTune, שמתחברת דרך API ומחליפה את שכבת הדירוג הקיימת של הלקוח. לפי החברה, לקוחות לא צריכים לבנות מחדש את כל המערכת אלא להחליף API במערכת הרלוונטיות הקיימת שלהם. החברה מדווחת על זמני החלטה של פחות מ-20 מילישניות, קצב חשוב במיוחד במסחר אלקטרוני ובמדיה, שם כל עיכוב משפיע על המרה. עוד לפי הדיווח, בין לקוחותיה יש חברת ריהוט גדולה, Fetch Rewards, חברת סטרימינג וסוכנות נסיעות אונליין. אחד הנתונים הבולטים: חברת ריהוט ראתה גידול של 7% בהכנסות, לעומת 0.4% שנחשב קודם להצלחה, ו-Fetch Rewards רשמה עלייה של 20% בהכנסה נטו בתוך פחות מ-11 ימים.

מה שונה כאן מעולם הקוקיז וההמלצות הישן

החידוש המרכזי בטענה של Sequen הוא לא רק שיפור בדירוג אלא החלפה חלקית של לוגיקת הקוקיז. במקום להסתמך על מזהי משתמש, החברה טוענת שהמודלים שלה לומדים מזרם האירועים החי בתוך הסשן. זה חשוב כי שוק הפרסום והמרקטינג כבר שנים מתמודד עם היחלשות קוקיז צד ג', רגולציה פרטית ודרישות שקיפות. לפי Gartner, ארגונים רבים מעבירים תקציבים משיטות טרגוט היסטוריות לשיטות הקשריות והתנהגותיות בזמן אמת. אם Sequen אכן מסוגלת לספק פרסונליזציה יעילה בלי זהות משתמש, זו הצעה שמדברת ישירות גם למחלקות מוצר וגם ליועצים משפטיים.

ניתוח מקצועי: למה תשתית הדירוג חשובה יותר מהצ'אטבוט

מניסיון בהטמעה אצל עסקים ישראליים, הרבה הנהלות נוטות לזהות AI עם צ'אטבוטים, סיכום שיחות או יצירת תוכן. אבל מנקודת מבט של יישום בשטח, שכבת הדירוג היא לעיתים המקום שבו נוצר הכסף בפועל. אם אתר איקומרס מציג את 12 המוצרים הלא נכונים בעמוד הראשון, או אם אפליקציית תוכן מקדמת תכנים שלא מתאימים לכוונת המשתמש באותו רגע, גם סוכן שירות מצוין לא יתקן את האובדן. המשמעות האמיתית כאן היא מעבר מ-AI שמדבר עם הלקוח ל-AI שמחליט מה הלקוח יראה קודם. זהו הבדל עסקי דרמטי.

עוד נקודה שרבים מפספסים: כדי לממש ערך ממודל כזה לא מספיק לקנות API. צריך צנרת נתונים מסודרת, איסוף אירועים ברמת מוצר, וחיבור בין שכבת הדירוג לבין מערכות הפעלה עסקיות כמו CRM, מרקטינג אוטומיישן ותמיכה. כאן נכנסת חשיבות של מערכת CRM חכמה ושל זרימות N8N שמעדכנות סטטוסים, טריגרים ומקטעי קהל. בעסקים עם מחזור של עשרות מיליוני שקלים, שיפור המרה של 1%-3% בלבד יכול להצדיק פרויקט בתוך רבעון. לכן התחזית שלי היא שב-12 עד 18 החודשים הקרובים נראה יותר חברות בינוניות מאמצות מנועי דירוג בזמן אמת, הרבה לפני שיאמצו מערכות AI מורכבות יותר בפרונט.

ההשלכות לעסקים בישראל: מאיקומרס ועד מרפאות פרטיות

בישראל, ההשפעה הפוטנציאלית רחבה במיוחד בארבעה סוגי עסקים: חנויות אונליין, אתרי תיירות, פלטפורמות תוכן ועסקים עתירי לידים כמו נדל"ן, ביטוח ומרפאות פרטיות. באתר איקומרס ישראלי שמוכר 15,000-50,000 פריטים, הבעיה המרכזית אינה רק תנועה אלא סדר ההצגה: איזה מוצר, באיזה רגע, מול איזה משתמש. אם אותו עסק מפעיל גם WhatsApp להזמנות, Zoho CRM לניהול לקוחות ו-N8N להעברת אירועים בין המערכות, אפשר לייצר רצף שבו התנהגות באתר משנה בזמן אמת את המסר שנשלח, את ההצעה שמופיעה לנציג ואת הסיווג ב-CRM. זה כבר לא "מנוע המלצה" מבודד אלא שכבת החלטה עסקית.

יש כאן גם זווית רגולטורית חשובה. עסקים בישראל כפופים לחוק הגנת הפרטיות, לתקנות אבטחת מידע ולרגישות גבוהה סביב שימוש במידע אישי. מערכת שמתבססת פחות על זהות ויותר על אירועים בתוך סשן יכולה להקל על חלק מהמורכבות, אבל לא פוטרת מבקרות: צריך מדיניות שמגדירה אילו אירועים נאספים, כמה זמן שומרים אותם, ואיך מסבירים זאת למשתמשים. מבחינת תקציב, פיילוט התחלתי של מנוע דירוג, איסוף אירועים, חיבורי API ובקרת BI יכול לנוע אצל עסק ישראלי סביב ₪25,000-₪90,000, תלוי בכמות הטראפיק והמורכבות. עבור ארגונים שרוצים לחבר את זה ל-אוטומציית שירות ומכירות או ל-WhatsApp Business API, התועלת גדלה כאשר הפרסונליזציה לא נעצרת באתר אלא ממשיכה לשיחה, להצעת המחיר ולמעקב המכירה.

מה לעשות עכשיו: צעדים מעשיים להנהלה ולצוותי מוצר

  1. בדקו אם שכבת ה-CRM והמסחר שלכם — למשל Zoho CRM, HubSpot, Shopify או Magento — יודעת לקבל ולעדכן אירועים דרך API בזמן אמת. בלי זה, מודל דירוג יישאר מנותק מהפעילות העסקית.
  2. הריצו פיילוט של 14 יום על אזור אחד בלבד: חיפוש פנימי, דף קטגוריה או המלצות מוצר. הגדירו יעד מספרי ברור, למשל שיפור של 2% בהמרה או 5% בקליקים למוצר.
  3. מפו אירועים שאתם באמת צריכים: חיפוש, ריחוף, הוספה לעגלה, זמן שהיה, פתיחת שיחת WhatsApp. אל תאספו 200 שדות אם 20 שדות נותנים החלטה טובה.
  4. חברו את הפיילוט לזרימת N8N או לכלי אנליטיקה קיים, כך שתוכלו למדוד השפעה על הכנסה, לא רק על מעורבות. אם אין לכם מומחיות פנימית, פנו לייעוץ AI לפני בחירת ספק.

מבט קדימה: שוק הפרסונליזציה נכנס לשלב תשתיתי

Sequen עדיין חברה צעירה, אבל המסר מהגיוס ומהלקוחות הראשונים ברור: מנועי דירוג בזמן אמת הופכים ממותרות של TikTok, Instagram ו-YouTube ליכולת שנבחנת גם מחוץ לענקיות הטק. עבור עסקים בישראל, השאלה אינה אם להשתמש ב-AI אלא איפה להניח אותו כדי שישפיע על הכנסות בתוך חודשים, לא שנים. השילוב שהכי הגיוני לעקוב אחריו כעת הוא AI Agents יחד עם WhatsApp Business API, Zoho CRM ו-N8N — כי שם פרסונליזציה פוגשת תהליך עסקי מלא.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של TechCrunch. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

תשקיף Anthropic חושף את האסטרטגיה לשימור לקוחות ארגוניים
חדשות
3 דקות
מ־TechCrunch

תשקיף Anthropic חושף את האסטרטגיה לשימור לקוחות ארגוניים

לפי דיווח ב-TechCrunch, חברת Anthropic הגישה לרשות ניירות הערך של ארצות הברית (SEC) תשקיף הנפקה (טופס S-1), המפרט את האסטרטגיה העסקית שלה לשימור לקוחות ארגוניים באמצעות מערכת אקולוגית רב-מוצרית. המסמכים מלמדים כי יותר ממחצית מהלקוחות בעלי הוצאה שנתית של לפחות 100,000 דולר משתמשים כיום הן בפלטפורמת Claude והן באפליקציות מבית החברה כמו Claude Code או Cowork, לעומת כ-30% בסוף השנה שעברה. במקביל להתרחבות זו, אשר תרמה לשיעור שימור הכנסות נטו של כ-900% בסוף הרבעון השלישי, התשקיף מפרט גם אתגרים עתידיים, לרבות תחרות מול שותפות הענן הגדולות וסיכוני ריכוזיות לקוחות.

קרא עוד
בית הקברות של ה-AI: רשימת הפרויקטים והסטארט-אפים שלא שרדו
חדשות
4 דקות
מ־TechCrunch

בית הקברות של ה-AI: רשימת הפרויקטים והסטארט-אפים שלא שרדו

לפי דיווח ב-TechCrunch, שוק הבינה המלאכותית מציג רשימה הולכת וגדלה של מוצרים, השקות ומיזמים שלא שרדו. נתוני S&P Global Market Intelligence מצביעים על כך שכ-42% מיוזמות הבינה המלאכותית ננטשות בסופו של דבר על ידי החברות האם שלהן, בשל סיבות כמו מימון בלתי מספק, אתגרים טכניים, תחרות, קשיי צמיחה או ביקוש חלש מצד משתמשים. בין המקרים הבולטים נמנים כלי האוטומציה Relay שנסגר באוגוסט, פלטפורמת Character.ai שהגישה בקשה לפשיטת רגל, וכן מהלכים של ענקיות טכנולוגיה: OpenAI ביטלה את העיצוב מחדש של ChatGPT וסגרה את הדפדפן ChatGPT Atlas ואת פלטפורמת Sora; אפל עיכבה את Siri AI ושילמה הסדר של 250 מיליון דולר; ומיקרוסופט התמודדה עם ביקורת אבטחה סביב Recall.

קרא עוד
סוכני בינה מלאכותית הפועלים דרך הודעות טקסט: סקירת הפתרונות
חדשות
5 דקות
מ־TechCrunch

סוכני בינה מלאכותית הפועלים דרך הודעות טקסט: סקירת הפתרונות

לפי כתבה ב-TechCrunch, יותר סוכני בינה מלאכותית מציעים למשתמשים ממשק מבוסס הודעות טקסט רגילות, ללא צורך בהורדת אפליקציות ייעודיות נוספות. הסוכנים מתחברים לשירותים קיימים כמו דוא"ל, לוחות שנה ואפליקציות מסרים כגון iMessage, WhatsApp ו-Telegram, ומבצעים משימות בשם המשתמשים. הסקירה מציגה פתרונות אישיים כלליים, סוכנים ייעודיים למשפחות כמו Fambot ו-Ollie, סוכני עבודה ויצירת תוכן כמו Comma, Town ו-Stanley, וכן סוכנים עם דגש על נסיעות או פרטיות מקומית.

קרא עוד
סוכני AI בהודעות טקסט: פתרונות בולטים הפועלים ללא אפליקציה נפרדת
חדשות
5 דקות
מ־TechCrunch

סוכני AI בהודעות טקסט: פתרונות בולטים הפועלים ללא אפליקציה נפרדת

לפי TechCrunch, שורה של סוכני בינה מלאכותית פועלים ישירות דרך ערוצי הודעות טקסט מוכרים כמו iMessage, וואטסאפ, טלגרם ו-SMS ללא צורך בהורדת אפליקציות נפרדות. סוכנים אלה מבצעים משימות מגוונות, החל מניהול יומנים, מעקב טיסות וביצוע שיחות טלפון ועד ניהול משק בית, יצירת תוכן ומשימות מקצועיות. בין הפתרונות הבולטים נכללים Instinct שהגיע לשווי של 10 מיליארד דולר, Caddy, Folk, Town, Fambot ו-Wajo, הפועלים במודלים שונים של בטא, מנויים בתשלום ורמות אוטונומיה שונות.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
ההבדל בין ארכיטקטורה כבולה לדפדפן לארכיטקטורת Headless
ניתוח
4 דקות
מ־Salesforce Blog

ההבדל בין ארכיטקטורה כבולה לדפדפן לארכיטקטורת Headless

במאמר שפרסמה Salesforce מוצג ההבדל בין ארכיטקטורה כבולה לדפדפן (browser-bound) לבין ארכיטקטורת headless בעידן שבו ארגונים מסתמכים על עובדים אנושיים וסוכני בינה מלאכותית. בעוד שבמודל המסורתי המשתמש נדרש לנווט בין מסכים, להתחבר למערכות נפרדות ולעבור בין לשוניות כדי לבצע משימות, ארכיטקטורת headless מפרידה בין הלוגיקה העסקית ושכבת הנתונים לבין ממשק המשתמש. באמצעות ה-Headless Toolkit ומערכת AIforce, יכולות הפלטפורמה נחשפות ישירות דרך ממשקי API, פרוטוקול MCP וממשק CLI, מה שמאפשר לסוכנים אוטונומיים לגשת לנתונים, להריץ תהליכים ולבצע משימות ישירות בערוצים שבהם העובדים פועלים, כמו Slack, Microsoft Teams ו-WhatsApp.

קרא עוד
תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier
ניתוח
5 דקות
מ־Zapier

תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier

בסקירה מאת קריסטינה לורן בבלוג של Zapier הוצגו שבע אפליקציות מובילות לניהול עובדים לשנת 2026, שנבחרו בעקבות מחקר ושיחות עם מנהלי משאבי אנוש. הסקירה מדגישה פתרונות בתחומי ניהול משימות, תזמור בינה מלאכותית, תקשורת ניידת ושכר, בהם monday.com, Zapier, Connecteam, BambooHR, Gusto, Leapsome ו-Eddy, לצד שורה של מערכות מומחיות נוספות.

קרא עוד
קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית
ניתוח
4 דקות
מ־Zapier

קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית

סקירה השוואתית מקיפה של Zapier משנת 2026 מנתחת את ההבדלים בין Claude של Anthropic לבין ChatGPT של OpenAI. בעוד שמודלי הדגל של שתי החברות מציגים כיום יכולות דומות וחלון הקשר של עד מיליון טוקנים, היישומים נבדלים במיקוד שלהם: Claude בולט במיוחד בתחום פיתוח הקוד האוטונומי באמצעות Claude Code (המחזיק ב-54% משוק הפיתוח הארגוני לפי Menlo Ventures) ובעבודה יצירתית טבעית, בעוד ש-ChatGPT מציע ארגז כלים רחב יותר הכולל יצירת תמונות, עריכת מסמכים ב-Canvas, סוכן דפדפן מובנה וכלי ChatGPT Work לאוטומציה של משימות מורכבות.

קרא עוד
סוכני בינה מלאכותית אינם חיים עם מוגבלות: הדרך לסגירת פער הנגישות
ניתוח
4 דקות
מ־Salesforce Blog

סוכני בינה מלאכותית אינם חיים עם מוגבלות: הדרך לסגירת פער הנגישות

צוותים רבים ממהרים לפרוס סוכני בינה מלאכותית מתוך הנחה שגויה שהסוכנים חכמים מספיק כדי לספק נגישות באופן עצמאי. אולם סוכני בינה מלאכותית אינם חיים עם מוגבלות ומאומנים על רשת שאינה נגישה, כפי שמעיד דוח WebAIM משנת 2026 לפיו ב-95% ממיליון האתרים המובילים ישנם כשלי נגישות. כדי לסגור את פער הנגישות שנוצר, אין להסתמך רק על מודלים מתקדמים או כלי בדיקה אוטומטיים שמזהים פחות ממחצית מהכשלים. במקום זאת, נדרש תהליך עיצוב מכוון: הרחבת פרסונות על פני ממדי מוגבלות חזותיים, מוטוריים וקוגניטיביים, הגדרת משימות נגישות וכתיבת קריטריוני קבלה מפורשים שמוזנים לפרומפטים יחד עם הנחיות עיצוב. בנוסף, נדרשת בדיקה בשלוש שכבות הכוללת סריקה אוטומטית, בדיקה ידנית ותיקוף מול משתמשים אמיתיים בטכנולוגיה מסייעת.

קרא עוד