1 Milyar Dolarlık Popüler Olmayan Startup Fikirleri [YouTube]

• Y Combinator ortakları, yapay zeka çağında artan rekabet ortamında popüler olmayan alanlar ve ters köşe fikirlerle başarıya ulaşan startup örneklerini analiz ederek, yalnızca trendleri takip etmek yerine temel müşteri sorunlarını çözmeye odaklanmak gerektiğini vurguluyor
• Yapay zeka alanında başlangıçtaki greenfield fırsatlar azalıyor; sigorta, bankacılık gibi her dikeyde halihazırda çok sayıda startup rekabet ediyor, bu yüzden farklılaştırıcı içgörü ve ters köşe yaklaşım şart
• DoorDash, Lyft/Uber, Coinbase, Flock Safety, OpenAI, SpaceX gibi şirketler lansman dönemlerinde karamsar değerlendirmeler ve olumsuz medya haberleriyle karşılaştı, ancak derin müşteri ihtiyaçlarına odaklanıp kendi yönlerini koruyarak onlarca milyar dolarlık şirketlere dönüştü
• Başarılı girişimciler, X (Twitter) ya da TechCrunch gibi medya trendleri yerine gerçek kullanıcılarla doğrudan konuşarak ürün-pazar uyumunu keşfediyor ve gerektiğinde iş modelini ve dağıtım stratejisini cesurca değiştiriyor
• İnternet ve akıllı telefonlarda olduğu gibi yeni teknoloji platformlarında yaklaşık 2 yıllık ilk altına hücum döneminin ardından bariz fikirler doygunluğa ulaşıyor; sonrasında daha derin bir sır (secret) keşfetmek ve 10 kişiden yalnızca 1’inin katılacağı fikirlerin peşinden gitmek başarı şansını artırıyor

---

Yapay zeka dikey pazarında artan rekabet

• Daha 1 yıl önce bile yapay zeka startup fikri bulmak kolaydı; modellerdeki sıçramalı ilerleme ve keşfedilmemiş dikeyler boldu, bu yüzden pivot ederek fikir aramak rahattı
• Bugün sigorta, bankacılık gibi her dikeyde birden fazla startup rekabet ediyor ve model inovasyonunun hızı da yavaşladığı için farklılaştırıcı içgörü daha da önemli hale geliyor
• Sadece workflow otomasyonu önermek artık yeterli değil; rekabette öne çıkmak için kendine özgü, ters köşe bir bahis yapmak gerekiyor
• İnternet ve akıllı telefon çağında olduğu gibi yeni teknoloji platformları yaklaşık 2 yıllık bir altına hücum dönemi geçirdikten sonra bariz fikirleri tüketiyor; sonrasında daha derinde saklı sırları (secret) bulmak gerekiyor

Bariz olmayan fikirlerin riski ve fırsatı

• Bariz olmayan fikirler kulağa nötr gelebilir, ama pratikte riskli ve korkutucu hissettirir; 10 yıl harcayıp hiçbir sonuç alamadan bitirme korkusunu da beraberinde getirir
• Medyadan ya da çevredeki konuşmalardan edinilen sorgulanmadan benimsenmiş düşünce kalıpları girişimcinin yargısını bozabilir
• Pazarlama alanındaki bir girişimci, “bu alanda büyük bir şirket kuran olmadı” diye tereddüt etti; ancak yapay zeka gibi yeni bir kabiliyete ve gerçek müşterilerin olumlu tepkisine dayanarak ilerledi ve büyüyor
  • Geçmişte çok sayıda başarısız örneğin birikmiş olması, tersinden bakıldığında rekabet olmadığı anlamına gelebilir
  • “Buna yarın hemen ihtiyacım var” diyen müşteri tepkisi, ürün-pazar uyumunun sinyalidir
• X (Twitter) ya da TechCrunch’taki tepkilere, partide arkadaşların yorumlarına gibi dış sinyallere dayanmak risklidir; odak gerçek pazar tepkisinde olmalıdır

Örnek 1: DoorDash — banliyöleri hedeflemek

• iPhone’un çıkışından sonra ilk dönemde Instagram gibi fotoğraf uygulamaları gibi bariz fikirler öne çıkmıştı; ama asıl büyük başarıyı Uber, DoorDash, Instacart gibi bariz olmayan fikirler yakaladı
• iPhone çıktığında yazılan sayısız yazı ve sosyal medya gönderisi olası iş modellerini ele aldı, ancak Uber gibi bir fikri öngören neredeyse kimse yoktu
• DoorDash, zaten yoğun rekabetin olduğu yemek teslimatı pazarına girdi; Postmates, Grubhub, Seamless gibi oyuncular halihazırda büyük şirketlerdi
  • Mobil, yemek teslimatı uygulamalarında bir katalizör işlevi gördü ve DoorDash’in çıktığı dönemde pazar zaten doymuş gibi görünüyordu
  • Y Combinator içinde de Order Ahead adında bir yemek ön sipariş/paket alma servisi vardı ve o dönemde daha büyük bir pazar gibi görünüyordu
• İlk dönemde Palo Alto’da restoranlara bizzat gidip teslimat ortaklığı teklif ettiler, ama çoğu reddetti; ilk siparişin gelmesi de uzun sürdü
  • İlk müşteri bir arkadaştı, ardından siparişler saatte bire çıkmaya başladı
• İlk yatırımcılar şüpheciydi; “zaten çok fazla rekabet var”, “Grubhub ve Seamless zaten varken buna neden ihtiyaç olsun?” tepkileri geliyordu
• Kurucuların keşfettiği fark yaratıcı nokta, banliyö bölgelerini (suburban area) hedeflemekti
  • Grubhub ve Seamless, Manhattan ve büyük şehirlerin yoğun bölgelerine odaklanıyordu
  • DoorDash, banliyölerin teslimat talebi yüksek ama hizmet almayan yerler olduğuna dikkat çekti
  • Banliyöler restoran yoğunluğu düşük olduğu için mevcut platformlara cazip gelmiyordu, ama gerçekte devasa bir pazardı
• Banliyö stratejisi başlangıçta “apaçık kötü bir fikir” gibi görünüyordu
  • Restoranlar dağınıktı, teslimat mesafeleri uzundu ve unit economics’in kötü olacağı düşünülüyordu
• Ama işin pratiğinde banliyölerde rekabet az, talep yüksek çıktı; DoorDash de bunun sayesinde hızla büyüyüp sonunda şehir merkezlerine genişledi
• Geriye dönüp bakınca bariz görünüyor, ama o dönemde bu ters köşe ve riskli görünen bir bahisti

Örnek 2: Lyft/Uber — yasallığın gri alanı ve kullanıcı faydası

• Zimride’dan Lyft’e pivot

  • Lyft başlangıçta Zimride adlı bir uzun mesafe araç paylaşım servisiydi
    • Y Combinator içinde Ridejoy adında aynı alanda bir rakip de vardı ve rekabet yoğundu
    • Her ikisi de kullanıcıları Craigslist’ten topluyordu: “Bu hafta sonu LA’e gidiyorum, benimle gelmek isteyen var mı?” tarzında
    • Uzun e-posta yazışmaları, buluşma saatini ayarlama, benzin masrafını paylaşma gibi karmaşık bir süreç vardı
  • Zimride, akıllı telefon penetrasyonu %70-80 seviyesine ulaştığında stratejisini değiştirdi
    • Uzun mesafe yerine kısa mesafeli günlük ulaşıma odaklandı
    • Her gün kullanılabilecek bir hizmete dönüştü
    • Mobil merkezli iş gücünden yararlanmanın ilk anlarından biriydi
  • Uber de benzer dönemde black car hizmetiyle başladı, ancak yaklaşımı farklıydı

• Yasallık sorunu ve kurucunun cesareti

  • Ridejoy kurucularıyla yapılan bir ofis saatinde Zimride’ın (Lyft) başarısından söz edildiğinde, tepkileri “hukuken sorunlu görünüyor ve yasa dışı gibi geliyor, bu yüzden yapmak istemiyoruz” oldu
    • Kaygıları da yanlış değildi
  • Lyft kurucuları, lansmandan 1 hafta önce hapse girebileceklerine dair aşırı kaygı yaşadı, ama yine de zar atıp ürünü çıkarmaya karar verdi
  • Başkalarının Lyft ya da Uber’i daha önce başlatmamasının büyük nedenlerinden biri, bunun temelde yasa dışı olması ve hapse girme korkusuydu
  • Instacart’tan Apoorva Mehta da benzer dönemde market teslimatıyla aynı şeyi deniyordu; pazar bu startup’lardan hizmeti adeta çekip alıyordu

• Son kullanıcı regülasyonu değiştirebilir

  • Son kullanıcı ezici biçimde fayda sağladığında dünyanın yasaları değiştirdiği kanıtlandı
  • Pek çok büyük startup fikri hukuki gri alanda bulunur
    • Yasal mı yasa dışı mı olduğu tamamen net değildir, belli bir muğlaklık taşır
  • OpenAI de benzer bir örnek: izin almadan tüm web’i crawl etmek
    • Bu durum fair use olarak da savunulabilir, büyük ölçekli telif hakkı ihlali olarak da görülebilir
  • Bariz olmamak, yalnızca entelektüel olarak başarı ihtimalinin belirsiz olması değil; daha ince bir düzeyde “biraz riskli görünüyor”, “bir şey rahatsız edici hissettiriyor” duygusudur
  • Gerçekten büyük kurucular bu duyguyu tersine bir sinyal olarak görür

• San Francisco’da yaşam kalitesinin değişimi

  • Uber X ve Lyft çıktıktan sonra bunun etkisi özellikle San Francisco’da ilk birkaç ay içinde açıkça görüldü
    • San Francisco, berbat taksi altyapısı ve zorlayıcı toplu taşımasıyla ünlüydü
    • Hizmet bir ihtiyaçtan doğmuştu
  • San Francisco’da yaşam kalitesi dramatik biçimde arttı
    • Taksi çağırdığında yarısının gelmemesi gibi belirsizlikten kurtulundu
    • İnsanlar özgürce hareket edebilir hale gelince şehir yaşamı 10 kat daha yaşanabilir oldu
  • Buradaki ders, yasa dışı işler yapın demek değil; first principles ile düşünüp pazarın ve insanların gerçekten neye ihtiyaç duyduğunu bulmaktır

Örnek 3: Coinbase — kripto parada sezgilere ters seçim

• Erken dönem kripto topluluğunun eğilimi

  • Coinbase, yasal meşruiyetin gri alanında faaliyet gösteriyordu ama Uber/Lyft’ten farklı bir yaklaşım benimsedi
  • Kripto para yeterince anlaşılmadığı için açıkça yasal sayılması zordu
  • Coinbase’in gerçekten hizmet başlatabilmesi için bankacılık ortakları bulması gerektiğinden, Uber tarzı “önce çıkaralım, gerisine sonra bakarız” yaklaşımını izleyemedi

• Brian Armstrong’un ters köşe yaklaşımı

  • İlk Bitcoin kullanım örneklerine cypherpunk’lar öncülük ediyordu
    • Radikal liberteryenler
    • Merkezi bankacılık sistemine karşı olanlar
    • Tamamen anonim kimlikler isteyenler
  • Erken dönem Bitcoin, bugünkünden çok daha fazla Silk Road’a yakındı
  • Brian Armstrong ise tam tersine, sezgilere aykırı bir yaklaşım seçti
    • 2010–2012 arasında Bitcoin’e ciddi ilgi duyanların çoğu cypherpunk’tı
    • Onların bakış açısı: “devleti siktir et, hukuku siktir et, Bitcoin’le radikal özgürlük”
  • Brian Armstrong, bankalarla iş yaptı ve düzenleyici kurumlarla iş birliği kurdu
    • Onun sezgilere ters bahsi buydu

• Pazar istemezken yapılan ek iş

  • Pazarın bunu isteyip istemediğinin bile belirsiz olduğu bir dönemde tüm bu ek işi üstlenmeye değeceğine karar verdi
  • Cypherpunk’lar ve Silk Road, kripto para ile anonim ödemeleri açıkça istiyordu
  • Ama genel kitlenin bunu isteyip istemeyeceği belirsizdi
  • Bu yüzden bankalarla konuşmak, ortaklık kurmak ve KYC (müşterini tanı) ile AML (kara para aklamayı önleme) düzenlemelerine uymak, o sırada pek değerli görünmüyordu
    • Bunu yapmanın tek mantığı, bir gün sıradan insanların da kripto alım satımı yapmak isteyeceğine inanmak olabilirdi

• Mevcut pazarın sert tepkisi

  • KYC gibi şeyler ürünü gerçekten daha kötü hale getiriyordu
    • Kullanıcıları KYC’den geçmeye zorlamak sürtünmeyi ciddi biçimde artırıyordu
  • Bu, o dönemde pazarın istediğinin tam tersiydi
    • O zamanki pazarın kendisi olan cypherpunk’lar, Brian ve Coinbase’in kriptoya yaklaşımına şiddetle öfkelenmişti
  • “Asla çalışmaz” sözünü duyacağınız kesindi
  • Pazar tamamen yeni ve çok erken aşamadayken, “bariz” görülen şeyler çoğu zaman aslında bariz biçimde yanlış olabiliyor
    • Bu, bunun çok daha derin bir versiyonu olabilir

• TAM tuzağı

  • Coinbase başladığında Bitcoin’in toplam pazar büyüklüğü yüz milyarlarca dolar değil, onlarca ila yüz milyonlarca dolar düzeyindeydi
  • Flock Safety’de de benzerdi: mahalle gruplarının sayısı ile ACV çarpıldığında TAM en fazla yıllık yaklaşık 50–60 milyon dolardı
  • VC bakış açısından tavsiye: TAM’i sadece bir kontrol listesi maddesi olarak kullanmayın
    • Bir metrik olarak faydalıdır, ancak ne yatırımcılar ne de kurucular bunun yüzünden bir fırsatı doğrudan elememeli
  • Yatırım için ne kadar çok kural koyarsanız, venture’da büyük para kazanma fırsatlarını kendi elinizle kapatmanın yollarını da o kadar artırırsınız

Örnek 4: Flock Safety — yerel yönetimlere satış ve donanım

• Kişisel deneyimden çıkış

  • Flock Safety, toplum güvenliği için otomatik plaka tanıma kamera sistemi sunuyor
  • Kurucu Garrett Langley, Atlanta çıkışlıydı ve daha önce başarılı bir exit yaşamıştı, ancak bu kez iş donanımdı
  • Partnerin (Diana) kişisel deneyimi: San Francisco Noe Valley’de sokaktaki tüm arabalar aynı anda soyuldu
    • Profesyonel bir organizasyon bunu askeri operasyon gibi hassas şekilde gerçekleştirdi
    • Nest kamera her şeyi kaydetti ama polis, “plaka yoksa yapabileceğimiz bir şey yok” dedi
    • Bu deneyim, Flock Safety’e yönelik first principles temelli yatırım kararını kolaylaştırdı

• Teknoloji yığını ve ilk ürün

  • Raspberry Pi’ye kamera takılmış ve buna güneş paneli eklenmiş bir donanım
  • ImageNet tabanlı bilgisayarlı görü, edge üzerinde çalıştırılabiliyordu
  • Güneş enerjisi teknolojisi, sistemin süresiz çalışabileceği kadar gelişmişti
  • Satışa Piedmont ve Atlanta metro bölgesindeki mahalle grupları ile HOA’lerden (ev sahipleri dernekleri) başlandı

• VC’lerin sevmediği üç unsur

  • Donanım: VC’ler donanımdan hoşlanmaz
  • Küçük pazar: mahalle grubu sayısı ile ACV çarpıldığında TAM en fazla yıllık 50–60 milyon dolar çıkıyordu
  • Atlanta, Georgia merkezli olması: Silikon Vadisi değil
  • Bu üç unsur, işi temelde fonlanamaz hale getiriyordu

• İş modeli pivotu ve büyüme

  • Başta mahalle gruplarına satış yapıldı ama büyüme yavaş kaldı ve gelir aylık yaklaşık 600 bin dolarda takıldı
  • İş modeli pivotu: doğrudan polis departmanları ve şehir yönetimlerine satışa geçildi
    • Büyüme hedeflerinden geriye doğru hesap yapınca bunun gerekliliği ortaya çıktı
    • Sadece mahalle gruplarına satışla yeterli büyüme mümkün değildi
    • Başta imkânsız görünse de uygulanabilir olduğu görüldü
  • Gerçek vakalarda kaçıranların yakalanması gibi ciddi suçların çözülmesine katkı sağlandı
    • Çözülen suçlar akşam haberlerinde yer alınca kulaktan kulağa yayıldı
    • Bir şehirde suç çözülünce yakındaki şehirlerin emniyet müdürleri “Bu da ne? Hemen lazım” demeye başladı
  • Medya ekibi kuruldu: haber sunucularına Flock Safety’nin suç çözdüğüne dair bilgi ve B-roll görüntüleri verildi
    • Viral etkiyle hızla yayıldı

• Mevcut sonuçlar

  • Şu anda 7,5 milyar dolar değerlemeye ulaştı
  • Yıllık geliri 60 milyon doların çok üzerinde
  • ABD’de bildirilen tüm suçların %10’unun çözülmesine katkı sağlıyor (şaşırtıcı bir rakam)
  • Temel teknoloji Demo Day’dekiyle neredeyse aynı, ancak iş modeli birkaç kez pivot etti
  • Hâlâ mahalle gruplarına da satış yapıyor, ama resmî olarak polis departmanlarına satış büyümenin anahtarı oldu

• Genellenebilir dersler

  • Bir startup fikriyle birçok VC ile konuşursanız çok fazla geri bildirim alırsınız
  • Garrett birçok VC ile konuşmuş olsaydı, “VC fonuna uygun değil, yerel yönetimlere satış, donanım, B2B SaaS yapman lazım” sözlerini duyacaktı
  • Diğer herkesin fazla tuhaf bulduğu için rekabetin neredeyse olmadığı bir pazara girmiş olması avantaj sağladı
  • Müşteriye ve gerçek ihtiyaca odaklanınca mesele netleşiyor
  • Bunlar blog, X ya da ChatGPT’den öğrenilemez; gerçekten çok şey denemek gerekir
  • Herkesin hikâyesi çok farklıdır ama Garrett ve Flock ekibi, first principles düşüncesiyle özgün kaldı
    • Ne inşa edilecek
    • Müşteriler nasıl kazanılacak
    • İş modeli ne olmalı

Forward Deployed Engineer modeli ve Giga ML

• Forward Deployed Engineer’in yükselişi

  • Son dönemde startup’ların varsayılan playbook’u haline geldi
  • Müşterinin şemasını ve iş mantığını kendi şema ve mantığınıza dönüştürme işi
  • Özünde danışmanlık işi
  • Bu modeli benimseyen şirketler agresif büyüme oranları gösteriyor
  • Ancak bu, en köklü varsayılan playbook haline geldiyse, ona ters açıdan yaklaşmak için bir fırsat da doğar

• Giga ML’nin yapay zeka Forward Deployed Engineer’i

  • İnsan FD yerine kod üretimini kullanarak kendi yapay zeka Forward Deployed Engineer’ini kurdu
  • İnsan FD’ler hâlâ haftalar sürüyor (tarihsel enterprise danışmanlığa kıyasla yine hızlı olsa da)
  • Yapay zeka FD ise dakikalar içinde tamamlanabiliyor
  • Rakiplerden çok daha hızlı anlaşma kapatabilmesinin büyük nedenlerinden biri bu
  • Aslında bu hiç FD bile değil, ürünün kendisi
    • Müşteri spesifikasyonu giriyor ve ürünü anında alıyor
  • Bu, oyunu tersine çeviren sezgilere aykırı bir bahsin büyük sonuçlar üretebileceğine dair bir örnek

Bilim kurgu (SF) kurucuları ve "imkansız" dev fikirler

• OpenAI örneği

  • Sam Altman, Y Combinator çıkışlı biri olarak OpenAI'ı başlattığında, yapay zekanın gerçekten mümkün olup olmadığı bile belirsizdi
    • İlk başta daha çok araştırmacıların deneysel projesi gibi görünüyordu
    • Makale yayımlama, Rubik küpü çözücü, Dota oyun yapay zekası gibi çeşitli yan projeler
    • Bütün bunların nasıl birleşip bugünkü OpenAI'a dönüşeceği belirsizdi
  • Çıkış yaptığı dönemde medyanın büyük kısmından olumsuz haberler aldı
    • Yalnızca az sayıdaki teknoloji iyimserinden olumlu tepki geldi
    • Akademi ve diğer şirketlerdeki yapay zeka araştırmacılarının çoğu son derece olumsuzdu
    • "20'li ya da 30'lu yaşlardaki insanların AGI yapabileceğini söylemek saçmalık" eleştirisi
    • "Biz 50 yıldır bunu araştırıyoruz; bir yolu olsaydı şimdiye kadar yapmış olurduk" tepkisi
    • "Makale yayımlamıyorlar" ifadesi büyük bir eleştiri noktasıydı
  • Scaling laws için yüz binlerce dolarlık GPU maliyeti harcamanın daha fazla makale üretmediği yönünde eleştiriler vardı
    • Makale, yanlış optimize edilmiş bir hedeftir (paperclip optimization)
    • Gerçek üreticiler müşteri ve kullanıcılar için sonuçlara göre optimize olur
  • Yönlerinden sapmadılar ve bu da bugünkü başarıya yol açtı

• SpaceX örneği

  • Elon Musk, uzay uçuşu şirketi kuran beşinci milyarderdi
    • Ondan önceki dört milyarder zaten başarısız olmuştu
    • Medya, "servetini roketlere harcayan bir milyarder daha" diye alay etti
  • Yeniden kullanılabilir roket kavramı küfür gibi görülen bir fikirdi
    • Roket bilimcilerden tavsiye istediğinde aldığı yanıt, "imkansız" oldu
  • Yıllar boyunca pek çok başarısız fırlatma denemesi yaşandı
    • Roket her patladığında bir yeni olumsuz medya dalgası geldi
  • Her iki şirkette de (OpenAI, SpaceX), kurucuların uzun süre boyunca çoğu insan tarafından aptal ya da deli denmesine rağmen inançlarını korumaları gerekti

• 10 kişiden 1'i için mıknatıs

  • 10 kişiden 9'u size aptal ya da deli diyebilir, ama 10 kişiden 1'i sizin inancınıza katılabilir
  • Aykırı olup sonradan haklı çıktığı kanıtlanan fikirlerin gerekli olmasının nedeni, aynı şekilde düşünen herkesi kendine çeken bir mıknatıs görevi görmeleridir

Gerçekliği değerlendirme yöntemi

• Dünyada neyin doğru ve gerçek olduğunu bilme yöntemini yeniden gözden geçirmek gerekir
• Tüm bilgi kaynaklarını yeniden gözden geçirip bunun nereden geldiğini kontrol et
• Eğer bilgi kullanıcılardan, kişisel deneyimden, doğrudan konuştuğun insanların deneyimlerinden geliyorsa, bu doğrulanabilir gerçeklik için iyi bir temeldir
• X'te doomscrolling yapmak ya da ünlü insanların söylediklerini dinlemek (dürüst olmak gerekirse bu konuşmacılar da dahil) sonuçta yalnızca N=1'dir
  • Önemli olan, ilgilendiğin belirli probleme sahip insanlar
  • O problemi çözme becerin
  • Ve o problemi çözmek isteyen diğer herkesi kendine çekme becerin

Temel tavsiye: müşteri sorununa odaklan

• Yasadışı bir şey yapmaya çalışma; insanların umutsuzca istediği ve ihtiyaç duyduğu şeyi bul
• O zaman geri kalan her şey kendiliğinden çözülür
• İnsanların problemlerine ve bu problemin ne kadar ciddi olduğuna gerçekten odaklanırsan, geri kalanı doğal şekilde çözülür
  • İş modelini bulursun
  • Dağıtımı bulursun
• Bilgisayar başında oturup bir kahin gibi bunları bilemezsin
  • Gerçekten dışarı çıkman gerekir
  • Müşterilerle konuşman gerekir
• Y Combinator'un hedef belirleme yaklaşımının faydalı olmasının nedeni
  • Büyüme hedefinden geriye doğru giderek ne yapılması gerektiğini anlamayı sağlamasıdır

Popüler olanın tuzağı

• Sadece popüler olanı yapmaya çalışırsan, 5, 10 ya da 100 rakibi olan türev ve bariz fikirlere saplanıp kalırsın
• Bu, 1. ve 2. için iyidir ama 3.'den 98.'e kadar olanlar için startup ölür

[yeobi222]

Mevzuata bakış açısı tehlikeli hissettiriyor.
Tamamen haksız da sayılmaz.