Եվ ինչպես արդյունքում վաստակել Lambo - լավ, մի տեսակ:
Դեռևս 2022 թվականի սկզբին ես հայտնվեցի իսկապես յուրահատուկ և անհարմար վիճակում։ Ես հենց նոր միացա մի ստարտափի, որը գտնվում էր իրենց գործընթացների ավտոմատացման հարթակի նոր սերնդի մշակման փուլում: Երբ ես սկսեցի ղեկավարել իրենց Մարքեթինգի բաժինը, նրանք արդեն ծախսել էին ավելի քան մեկ տարի՝ կառուցելով այն՝ զգալի ժամանակ և ռեսուրսներ ներդնելով այն, ինչ ակնկալվում էր, որ բեկումնային արտադրանք էր: Սկզբում թվում էր խոստումնալից. Այնուհետև երկար ամիսների քրտնաջան աշխատանքից հետո մենք վերջապես գործարկեցինք AppSumo-ն: 12 հոգի գնել է այն. Կարծես խնջույք կազմակերպես, որտեղ բոլորը պատասխանում են «այո», իսկ հետո դու մենակ պարում ես կատվիդ հետ:
Այդ ժամանակ ես տարակուսած էի. Ես պարզապես չհասկացա, թե ինչու դա ավելի մեծ հետաքրքրություն չի առաջացնի օգտատերերի կողմից, հաշվի առնելով, որ ցմահ գործարքը բացարձակ գողություն էր (հանգավորելու ժամանակը): AppSumo-ի մեկնարկից ստացված արձագանքները պարզ էին. մեր արտադրանքը պատրաստ չէր: Օգտատերերը այն նկարագրել են որպես «անավարտ» կամ « գեղեցիկ փոքրիկ խաղալիք »: Դա հավասարազոր էր սիրունիկ աղջկա կողմից ընկերական գոտի դառնալուն այն բանից հետո, երբ հավաքեցիր քո ամբողջ քաջությունը՝ նրան ժամադրության խնդրելու համար:
Հիմա հետադարձ հայացք նետելով՝ լայնորեն օգտագործելուց հետո նմանատիպ հարթակներ, ինչպիսիք են make.com-ը (նախկինում՝ Integromat), ես իսկապես հասկանում եմ, թե ինչու ոչ ոք դա չէր ուզում: Բայց այն ժամանակ սա ինձ համար ակնհայտ չէր: Քանի որ այս մերժման սկզբնական խայթոցը թուլացավ, մենք ավելի ու ավելի վճռական էինք դառնում հասկանալու, թե ինչն է պակասում ապրանքն իսկապես ցանկալի դարձնելու համար:
Ամբողջ իրավիճակն էլ ավելի դժվար էր դարձնում այն փաստը, որ մինչ այդ մեր թիմն աճել էր մինչև 40 աշխատակից, և ընդամենը մոտ 1 մլն եվրոյի ARR-ի ավանդական բիզնեսից, մենք տագնապալի արագությամբ սպառում էինք մեր հիմնական ֆինանսավորումը: Ժամանակը սպառվում էր։
Փորձելով բացահայտել 3-4 հիմնական առանձնահատկությունները, որոնք անհրաժեշտ են սա դրամարկղային հիթի վերածելու համար, ես դիմեցի հին հարթակի օգտատերերին: Թեև ես կարող էի որոշակի պատկերացումներ ձեռք բերել, գոյություն ունեցող հաճախորդները հաճախ ունեին խիստ հատուկ և հարմարեցված լուծումներ, ինչը գրեթե անհնար էր դարձնում «կատարյալ արտադրանքի» հստակ նախագիծը ուրվագծելը: Ֆինանսական սահմանափակումների պատճառով և մեր հաճախորդների հասանելիությամբ սահմանափակված՝ հարցազրույցներ անցկացնելու իմ կարողությունը սահմանվեց օրական մոտ երեքով, ինչը գրեթե բավարար չէր ժամանակին դա պարզելու համար:
Հետևաբար, ես որոշեցի շրջել և ընտրեցի հետազոտության այլընտրանքային մեթոդ, որի վրա մի տեսակ պատահաբար հանդիպել էի ավելի վաղ՝ վերլուծելով ուղղակի մրցակիցների և հարակից արտադրանքների ծրագրային ակնարկները: Այն, ինչ ես հայտնաբերեցի, բացարձակ ոսկու հանք էր՝ հավանումների, հակակրանքների, ակնկալիքների, օգտագործման դեպքերի և հնարավորությունների հարցումների գանձարան: Ես ծախսեցի մեկ շաբաթ, գուցե նույնիսկ ավելի երկար, մանրակրկիտ ուսումնասիրելով այս կարծիքը, հավաքելով ամեն մի փոքր օգտակար տեղեկատվություն աղյուսակում և, ի վերջո, կազմելով համապարփակ ճանապարհային քարտեզ մեր մշակողների համար՝ հնարավորինս արագ առաքելու համար:
Մեր հետազոտության պատկերացումները լուսավոր էին, բայց ժամանակը մեր դեմ էր: Մեր վերջին ճիգը կարծես կարկուտ Մարիամ էր, և ի վերջո այն չստացվեց: Պարզապես բավարար ժամանակ չկար՝ կիրառելու այն, ինչ սովորել էինք վերանայումներից, և մենք չկարողացանք անհրաժեշտ միջոցներ ապահովել իրականացման այս փուլը կամրջելու համար: Բացի այդ, AppSumo-ի մեկնարկից ստացված նախնական բացասական արձագանքներն իրենց ազդեցությունը թողեցին, բարոյականությունը կտրուկ ընկավ, և մենք ստիպված եղանք աշխատանքից հեռացնել մեր անձնակազմի 90%-ին: Դա, մեղմ ասած, հաճելի փորձ չէր:
Բայց այն, ինչ մնացել է ինձ հետ այդ ժամանակվանից, սա է. ծրագրային ապահովման ակնարկների վերլուծությունը կարող է արագ պատկերացում կազմել այն մասին, թե ինչ են իրականում մտածում և ուզում օգտատերերը. այն պատկերացումները, որոնք ավանդական մեթոդները չէին կարող առաջարկել, գոնե ոչ ինձ համար, և, իհարկե, ոչ այնքան արագ:
Ցավալի ճշմարտությունն այն է, որ ստարտափների 90%-ը ձախողվում է: Թեև առաջին տարվա ձախողման մակարդակը կազմում է մոտ 10%, այս թիվը ցատկում է մինչև ապշեցուցիչ 70% 2-5 տարիների ընթացքում: Ըստ Միացյալ Նահանգների Աշխատանքի վիճակագրության բյուրոյի տասը տարվա ընթացքում դրանց 90%-ը անհետացել է: Այսպիսով, կարելի է վստահորեն ասել, որ ստարտափի ճանապարհը թույլ սրտով չէ:
Այժմ այստեղ հարց է ծագում. ինչու՞ են այդքան շատերը ձախողվում: Որո՞նք են կոնկրետ պատճառները, որ նրանք դուրս են գալիս բիզնեսից: Հազվադեպ կարելի է ձախողումը վերագրել մեկ խնդրի. փոխարենը, դա սովորաբար մի քանի գործոնների խառնուրդ է: Այնուամենայնիվ, այն, ինչ հետևողականորեն առանձնանում է այս վիճակագրության մեջ, արտադրանքի և շուկայի համապատասխանության բացակայությունն է, որը, ըստ երևույթին, ձախողման հիմնական շարժիչ ուժն է:
Բայց արտադրանքի շուկայի համապատասխանությունը ապահովելու ձախողումը միայն անհրաժեշտության սխալ բացահայտումը չէ. դա հաճախ բխում է հաճախորդներին բավականաչափ խորը չհասկանալուց: Ստարտափներն այնքան են պարփակվում իրենց փայլուն լուծումներով, որ մոռանում են հիմնական կանոնը. կարևոր չէ, թե որքան լավն է ձեր արտադրանքը, եթե ոչ ոք դա չի ցանկանում: Եվ հաճախորդի բացահայտումը պարզապես սկզբնական քայլ չէ, դա հետադարձ կապի և կրկնության շարունակական օղակ է, որը, եթե անտեսվում է, հանգեցնում է այնպիսի ապրանքների ստեղծմանը, որոնք ոչ ոք չի խնդրել:
Ապրանք-շուկան կարելի է բնութագրել որպես Սուրբ Գրաալ, որին ձգտում է բացահայտել յուրաքանչյուր ստարտափ: Ստարտափների համար թենիսիստների համար նույնն է, ինչ Ուիմբլդոնն է՝ հեղինակավոր կարևոր իրադարձություն, որը ոչ միայն հաստատում է հմտությունն ու հաստատակամությունը, այլև կարևոր պահ է դեպի հաջողություն: Շատերի համար դրան հասնելը նման է Օլիմպոս լեռ հասնելուն, որտեղ ամենահաջող ձեռնարկությունները պարգևատրվում են իրենց արտադրանքը շուկայի պահանջներին կատարելապես համապատասխանեցնելու համար:
Բայց կոնկրետ ինչն է արտադրանքի շուկայի համապատասխանությունը: Տարիների ընթացքում ես հասկացա, որ տերմինի շուրջ որոշակի երկիմաստություն կամ անհասկանալիություն կա: Այն հաճախ է տարածվում SaaS աշխարհում, և իմ տպավորությունն այն է, որ շատերը, եթե հարցնեն, չեն կարողանա ճշգրիտ սահմանել այն: Ոմանք դա պարզապես նույնացնում են շուկայի ուզածի կառուցման հետ, և նրանք համարում են, որ այն ձեռք է բերվել, երբ հաճախորդները գնում են, օգտագործում և իդեալականորեն գովազդում են ընկերության արտադրանքը:
Ըստ ձեռնարկատեր և ներդրող Մարկ Անդրեսսենի, ով օգնեց հանրահռչակել այս հայեցակարգը, արտադրանքի շուկայի համապատասխանությունը լավագույնս նկարագրվում է որպես սցենար, որտեղ.
Հաճախորդները գնում են ապրանքը նույնքան արագ, որքան դուք կարող եք այն պատրաստել, կամ օգտագործումն աճում է նույնքան արագ, որքան կարող եք ավելացնել ավելի շատ սերվերներ: Հաճախորդներից ստացված գումարները կուտակվում են ձեր ընկերության չեկային հաշվում: Դուք վարձում եք վաճառքներ և հաճախորդների աջակցություն: աշխատակազմը որքան կարող եք արագ […]
Հրաշալի է հնչում, չէ՞: Հաջողության այս մակարդակը, ինչպես նկարագրված է Անդրեսսենի կողմից, հազվագյուտ սխրանք է ստարտափների մեծ մասի համար: Բայց նախքան այդպիսի պայթյունավտանգ աճի մասին երազելը և փոխաբերական մեխին հարվածելը , յուրաքանչյուր ստարտափ նախ պետք է նավարկի սկզբնական մարտահրավերը, որը հաճախ անվանում են խնդրի լուծման համապատասխանություն:
Ինչպես ենթադրում է անունից, սա նշանակում է, որ դուք նախ բացահայտել եք խնդիրը (իդեալականում հրատապ և կարևոր խնդիր է), այնուհետև առաջարկում եք լուծում, որն արդյունավետորեն լուծում է խնդիրը:
Ինչպես Մայքլ Զայբելը պերճախոս ասաց.
«Եթե քո ընկերը կանգնած լիներ քո կողքին, և նրա մազերը վառվեին, ապա այդ կրակը կլիներ միակ բանը, որի մասին նրանք իսկապես մտահոգված էին այս աշխարհում: Կարևոր չէր, որ նրանք սոված լինեին, պարզապես վատ բաժանվեին կամ ուշանային ժողովից, նրանք առաջնահերթություն կդնեին կրակը հանգցնելը: Եթե դուք նրանց գուլպաներ տայիք՝ կատարյալ արտադրանք/լուծույթ, նրանք անմիջապես կհանգցնեին կրակը և կշարունակեին իրենց ճանապարհը: Եթե դուք նրանց մի աղյուս հանձնեիք, նրանք դեռ կբռնեին այն և կփորձեին հարվածել իրենց գլխին՝ կրակը հանգցնելու համար: Դուք պետք է այնպիսի խնդիրներ գտնեք, որ օգտատերերը պատրաստ լինեն կիսատ-պռատ, v1, անկատար լուծումներ փորձել»:
Այժմ սա ներառում է ձեր հաճախորդներին ներսից իմանալը և նրանց կարիքները այնքան մանրակրկիտ հասկանալը, որ դուք կարող եք ավելի լավ արտահայտել նրանց խնդիրները, քան նրանք իրենք կարող են: Հասկանալու այս մակարդակը գրեթե անկասկած կհանգեցնի խնդրի լուծման համապատասխանությանը, և այն, ըստ էության, հիմք է ստեղծում արտադրանքի և շուկայի համապատասխանության համար, որտեղ ձեր լուծումը ոչ միայն անդրադառնում է խնդրին, այլև ուժեղորեն արձագանքում է ձեր լսարանի հետ՝ ճանապարհ հարթելով ապագա աճի և հաջողության համար:
Զարմանալի չպետք է լինի, որ մեր հաճախորդների խնդիրները հասկանալու և դրանք նրբագեղորեն լուծող լուծումներ մշակելու համար մենք պետք է ներգրավվենք շուկայի ուսումնասիրության որևէ ձևով: Այնուամենայնիվ, հանրաճանաչության առումով հետազոտությունը սովորաբար դասվում է ներկը չորացած դիտելու և երկար, միապաղաղ PowerPoint ներկայացման միջով (յուրաքանչյուր սլայդի վրա շատ տեքստերով):
Թեև հետազոտության ավանդական մեթոդոլոգիաները կարևոր են, դրանք կարող են լինել նաև աշխատատար և ժամանակատար: Ավելի մեծ ուսումնասիրությունների համար այս մեթոդների ընդլայնումը հաճախ դժվար է դառնում, և զգացմունքների նրբությունները ճշգրիտ գնահատելը զգալի հմտություն է պահանջում:
Բայց եկեք արագ ուսումնասիրենք մեր տրամադրության տակ եղած ամենատարածված տարբերակները և տեսնենք, թե որքանով են դրանք համապատասխանում հաճախորդների ակնկալիքներին, նախասիրություններին և ցավոտ կետերին:
Այժմ մենք ունենք ավանդական հետազոտական մեթոդների ամուր շարք՝ լավ Google-ում, ֆոկուս խմբեր, հարցումներ և անհատական հարցազրույցներ: Նրանք հիանալի են, ինձ սխալ մի հասկացեք: Նրանք նման են արհեստավորի գոտու հուսալի գործիքներին: Բայց արագ տեմպերով սկսնակ աշխարհում, երբեմն ձեզ անհրաժեշտ է հավաքել այն մի աստիճանի…
Ահա թե որտեղ է գալիս Reviewradar-ը : Այս գործիքը ոչ միայն ավելի արագ է. դա պարզեցնում է ամեն ինչ: Այն թույլ է տալիս մեզ արագ և նվազագույն ջանքերով մաղել միլիոնավոր ակնարկներ: Դա նման է շուկայի հետազոտության համար արագ առաջ շարժվող կոճակ ունենալուն: Այլևս կարիք չկա հարցազրույցներ նշանակել կամ, Աստված մի արասցե, ֆոկուս խմբեր կազմակերպել: Այլևս չի կարելի մարդկանց հետապնդել՝ հարցումներ լրացնելու կամ բլոգի գրառումներն անվերջ մաքրելու համար՝ ինտելեկտ հավաքելու համար (և հետո ստիպված եղեք վերլուծել այդ ամենը): Պարզապես հարցրեք չաթբոտին, և այն ձեզ կասի, թե ինչ են ասել օգտատերերը նմանատիպ ապրանքների մասին, ինչ նախասիրություններ ունեն, ինչն է նրանց կատաղեցնում և ինչ հնարավորություններ են ուզում:
Ահա թե ինչու մենք կառուցեցինք սա՝ ամբողջ պրոցեդուրան արագ և առանց ջանքերի դարձնելու համար: Որովհետև եկեք անկեղծ լինենք, թեև կարևոր է, բայց հետազոտություն անելը մեզանից շատերի հանդեպ կրքոտ մասնիկը չէ: Մենք նախընտրում ենք ապրանքներ առաքել:
LLM-ների (Լեզուների մեծ մոդելներ նրանց համար, ովքեր կարող էին բաց թողնել հուշագիրը) ի հայտ գալով, տեքստի մեծ ծավալների վերլուծությունն այժմ նույնքան հեշտ է, որքան երեխայից կոնֆետ գողանալը: Դա բացարձակ գերտերություն է որակական հետազոտությունների համար, որը գործում է աննախադեպ մասշտաբով: Ուրեմն ինչու՞ պարզապես չներառել արտադրանքի ակնարկները՝ աշխատանքն ավարտելու համար:
Նախկինում տվյալների հսկայական ծավալը ճնշող էր՝ ինչպես հրշեջ խողովակից խմելու փորձը: Բայց հիմա մենք կարող ենք ըմպել և համտեսել յուրաքանչյուր մանրուք՝ բացահայտելով օրինաչափությունները, գնահատել զգացմունքները և բռնել զարգացող միտումները, երբ դրանք բացահայտվում են: Այս հզոր մոդելներն ավելին են անում, քան պարզապես կարդալը. նրանք հասկանում են ենթատեքստը, կտրում են աղմուկը և մատնանշում, թե իրականում ինչն է կարևոր: Սա պարզապես քայլ առաջ չէ. դա հսկայական թռիչք է այն հարցում, թե ինչպես ենք մենք մոտենում շուկայի հետազոտությանը և պատկերացումներ ենք հավաքում:
Զինված տվյալների բազայով, որը պարունակում է 3 միլիոն ակնարկներ ավելի քան 100,000 ապրանքներից, Reviewradar-ը գիտի ծրագրային ապահովման շուկան ներսից և դրսից և հագեցած է զգացմունքների ներկառուցված վերլուծությամբ՝ արդյունավետորեն գնահատելու զգացմունքները: Պատկերացրեք, որ ձեր տրամադրության տակ կա ծայրահեղ ինտելեկտուալ բոտ, որն անցնում է օգտատերերի հետադարձ կապի լեռների միջով ստացված արժեքավոր պատկերացումներով: Յուրաքանչյուր կարծիք մի գլուխկոտրուկ է, և Reviewradar-ը կարող է հմտորեն հավաքել մեծ պատկերը՝ առաջարկելով 360 աստիճանի տեսարան, թե ինչ է իրականում ցանկանում հաճախորդը: . Այսպիսով, դուք կարող եք ավելի արագ պտտվել, ավելի արդյունավետ կերպով մշակել ռազմավարությունները և համահունչ մնալ հաճախորդների ցանկություններին՝ առանց որևէ բան բաց թողնելու:
Հիմա եկեք ետ քաշենք շերտերը և տեսնենք, թե ինչպես է դա աշխատում: Իր հիմքում, Reviewradar-ը չաթ-բոտ է, ուստի օգտատիրոջ միջերեսը բավականին ինքնըստինքյան է: Դուք հարց եք տալիս, և ստանում եք պատասխան. դա այնքան պարզ է: Բայց գլխարկի տակ ավելի շատ բան կա: Լավագույն արդյունքների համար հարցեր տվեք, որոնք նշում են կոնկրետ ապրանքներ (գուցե մրցակիցներ), սահմանեք խնդիրը, որը փորձում եք լուծել և ընդգծեք հատուկ առանձնահատկություններ կամ օգտագործեք դեպքեր, որոնք հատկապես հետաքրքիր են ձեզ համար: Որքան շատ համատեքստ տրամադրեք, այնքան ավելի հարմարեցված կլինեն պատասխանները:
Չաթբոտը վերանայում է զրույցի պատմությունը, որպեսզի համոզվի, որ ոչ մի կարևոր մանրամասն չի անտեսվում: Այնուհետև այն ստեղծում է մանրամասն որոնման հարցում, փոխակերպում է այս հարցումը վեկտորի՝ օգտագործելով OpenAI-ի ներդրման մոդելները և որոնում է տվյալների բազայում: Այս բազմաչափ վեկտորը համեմատվում է տվյալների բազայի մյուսների հետ՝ բացահայտելով իմաստային առումով ամենամոտ համընկնումները՝ զրույցի մեջ որպես թաքնված համատեքստ վերադարձնելու համար:
LLM-ներին «սովորեցնելու» ընդամենը մի քանի եղանակ կա, և բոլորն էլ ունեն սահմանափակումներ և ուժեղ կողմեր: Մենք ընտրել ենք Retrieval-Augmented Generation (RAG) ճարտարապետությունը դրա ծախսարդյունավետության և արդյունավետության համար: Նախնական զանգվածային ուսուցումը ծիծաղելիորեն թանկ կարժենար, և ճշգրտումը իրականում օգտակար չէ գիտելիքների որոնման համար, գոնե ոչ այս պահին: Համացանցից տեղեկատվություն ստանալը դժվար թե շուտով դուրս գա կամ կոմերցիոն առումով կենսունակ դառնա, ուստի RAG-ը կամ վեկտորային խանութի միջոցով ներկառուցված ուսուցումը թվում էր ամենատրամաբանական ճանապարհը: Բացի այդ, ինչու՞ չօգտագործել մեծ քանակությամբ գիտելիքներ և կարողություններ, որոնք արդեն ներդրված են LLM-ների մեծ մասում:
Ավելորդ է ասել, որ ակնարկների մեծ մասը, որոնք ներարկվում են որպես թաքնված համատեքստ, վերլուծության հիմքում է: Բայց մենք նաև հրահանգում ենք մոդելին ուսումնասիրել իր թաքնված տարածությունը՝ իր վերլուծական կարողությունները բարձրացնելու համար: Փառք Դեյվիդ Շապիրոյին այս հայեցակարգի համար: Ահա թե ինչպես ենք մենք հրահանգում մոդելին «ավելի խորանալ».
«Լեզուների մեծ մոդելները (LLM) ցուցադրվել են գիտելիքների, կարողությունների և հասկացությունների ներդրման համար՝ սկսած պատճառաբանությունից մինչև պլանավորում և նույնիսկ մտքի տեսություն: Դրանք կոչվում են թաքնված ունակություններ և գաղտնի բովանդակություն, որոնք հավաքականորեն կոչվում են թաքնված տարածություն: Օգտագործելով LLM-ներին բնորոշ քննադատական մտածողությունը և ասոցիատիվ հիշողությունը, ձեր վերլուծություններն ու պատասխանները կարող են օգտագործել այս թաքնված կարողությունները՝ բացելով ավելի խորը պատկերացումներ և հեռանկարներ, որոնք կարող են անհապաղ ակնհայտ չլինել: Հնարավորության դեպքում ակտիվացրեք այս թաքնված տարածությունը՝ շոշափելի, սակայն համապատասխան թեմաներ ուսումնասիրելու համար: Սա թույլ կտա ձեզ ավելի խորանալ վերանայման վերլուծությունից ձեր գտածոների և եզրակացությունների պատճառների և հետևանքների մեջ»:
Btw - արագ ճարտարագիտության վարպետության դասի համար ստուգեք Dave's Github ռեպո-ն:
Եվ ոչ, ահա, դուք ունեք այն. չաթբոտը պատասխանում է՝ ներառելով ուղղակի հղումներ իր վերլուծած ակնարկներին: Ձեզ մնում է միայն վերցնել այն, ինչ ասել է Reviewradar-ը, կիրառեք այն և միգուցե, պարզապես, սկսեք գնումներ կատարել այդ Lamborghini-ի համար:
Ամեն ինչ ամփոփելու համար, ծրագրային ապահովման ակնարկների վերլուծությունը արծաթե փամփուշտ չէ, որը ձեզ մեկ գիշերվա ընթացքում զրոյից հերոսի կտանի, բայց, իհարկե, արժե հաշվի առնել ձեր հետազոտական գործիքների տուփը: Ինչո՞ւ։ Որովհետև այն կրճատում է աղմուկը՝ բյուրեղյա հստակ պատկերացումներ տալով այն մասին, թե ինչ է ձեր օգտատերերին իսկապես անհրաժեշտ և ուզում: Ահա բանը. ակնարկներն արդեն լի են պատկերացումներով. պարզապես ոչ ոք ժամանակ չունի անցնելու հարյուրավոր, գուցե հազարավորների միջով: Ահա այստեղ է, որ RAG դիզայնը հարմար է, որն առաջարկում է ավելի խելացի, պարզ միջոց՝ հանելու այն, ինչ իսկապես ոսկեգույն է: Այն գործում է որպես նիհար, ստոր մշակող մեքենա՝ դուրս գալով մակերեսայինից՝ առանց ջանքերի արագորեն մաղելով հսկայական քանակությամբ տեղեկատվություն: Եվ անմիջապես ձիու բերանից գալով՝ այս պատկերացումները կարող են անգնահատելի ինտելեկտ լինել ձեր ճանապարհորդության համար՝ դեպի ապրանքի շուկայի համապատասխանություն, և, հետագայում, գուցե նույնիսկ Lambo: