Jigsaw AI-Team — แผนธุรกิจ การตลาด และการเงินฉบับสมบูรณ์ (Master Plan 8 Parts)
เอกสารอ้างอิงหลักสำหรับทีม Premium — รวม 8 Parts: New Positioning, 18 Key Messages (5 KILLER), SWOT, Investor Rebuild, Marketing 360, Content 360 Hooks, Financial Model 3 Scenarios, 6 Buyer Personas พร้อม PDCA Action Items
Jigsaw AI-Team — แผนธุรกิจ การตลาด และการเงินฉบับสมบูรณ์ (Master Plan 8 Parts)
Jigsaw AI-Team — แผนธุรกิจ การตลาด และการเงินฉบับสมบูรณ์
เอกสารอ้างอิงหลักสำหรับทีม — รวม 8 ส่วนครบจบ: New Positioning, 18 Key Messages, SWOT, Investor Rebuild, Marketing 360, Content 360 Hooks, Financial Model 3 Scenarios, 6 Buyer Personas พร้อม PDCA Action Items ที่ track ได้จริง
Part 1 — Executive Summary & Product Analysis
ลูกค้าเป้าหมายคือใคร?
SME ไทยที่มีรายได้ 20 ล้านบาทขึ้นไปต่อปี มีพนักงาน 30-150 คน แต่มีคนใช้ AI จริงแค่ 10% — Pain ที่ใหญ่ที่สุดคือ จ่ายค่า AI ไปแล้วไม่รู้ว่าได้อะไรกลับมา คุมงบไม่ได้ และพนักงานใช้ไม่เป็น
| รายการ | รายละเอียด |
|---|---|
| บริษัท | SME รายได้ > 20M THB/ปี (~฿1.7M/เดือน) |
| พนักงานทั้งหมด | ประมาณ 30-150 คน |
| คนที่ใช้ AI (10%) | 3-15 คน |
| ค่าใช้จ่ายปัจจุบัน | จ่าย ChatGPT/Claude แยกรายคน ≈ ฿600-1,500/คน/เดือน |
| ผู้ตัดสินใจ | MD / CEO / CFO / Head of Digital |
| Pain ที่ใหญ่ที่สุด | จ่ายแล้วไม่รู้ว่าได้อะไรกลับมา, คุมงบไม่ได้, พนักงานใช้ไม่เป็น |
SME ไทยจ่ายค่า AI เฉลี่ย ฿3,000/คน/เดือน สำหรับ 5 แอปแยก — แต่ 70% ของพนักงานที่ได้รับ AI ใช้ไม่เป็น = ทิ้งเงินฟรีทุกเดือน ปัญหาไม่ใช่ "เข้าถึง AI ไม่ได้" แต่คือ "ใช้ AI ไม่เป็น"
Product Vision — สิ่งที่ Feature Doc เปิดเผย
Jigsaw ไม่ใช่แค่ "รวม AI หลายตัว" — เป็น AI Enablement Platform ที่ Feature Doc แสดงศักยภาพเกินกว่าที่หน้า Investor โชว์อยู่มาก
| Category | Features ที่ยังไม่ได้โชว์บน Investor Page |
|---|---|
| Canvas/Creative | Website builder, PDF generator, Presentation (9 layouts, 85 icons, 6 charts), Spreadsheet, Sketch-to-Code |
| AI Intelligence | Smart Routing (Cost/Quality Tier), AI Culture Score (0-100), Prompt Coaching (Grade A-F + Rewriter) |
| Project/Task | Kanban, Calendar, Timeline, Gantt, AI task assistant, batch creation, subtasks, time tracking |
| Wiki/Knowledge | Team wiki, RAG (Hybrid Search), GraphRAG, semantic search, version history, OCR |
| Enterprise | RBAC, multi-org, multi-workspace, admin dashboard, PDF export, 2FA, Argon2 |
| Gamification | XP system, leaderboard, streaks, badges — ไม่มีคู่แข่งรายไหนมี |
| Billing | 7-tier pricing ($6.99-$12.99), 4-Tier Credit System, Stripe+Omise+PromptPay, ใบกำกับภาษีไทย |
Insight สำคัญ: Jigsaw ไม่ใช่ "AI Chat" — เป็น "AI Enablement Platform" ที่ Canvas + Agents + Task Mgmt + Wiki + Gamification + Coaching + Culture Score สร้าง ecosystem lock-in ที่คู่แข่งต้องสร้างจาก 0 ใช้เวลา 12-18 เดือน
Feature Status — อะไร LIVE อะไรยังพัฒนา
LIVE — พร้อมให้บริการ
- AI Culture Score (unique)
- Prompt Coaching — Analysis, Grading, Rewriter (unique)
- Smart Routing — Cost/Quality Tier (unique)
- Credit System 4-Tier + Pool + Auto Top-up
- Gamification — XP, Leaderboard, Badges, Streaks (unique)
- Slash Commands (14 commands)
- GraphRAG (Knowledge Graph)
- Chat — Private, Group, Project
- Canvas — Website, PDF, PPT, Spreadsheet, Code
- AI Agents + Knowledge Base
- Project & Task Management (Kanban/Calendar/Timeline/Gantt)
- Wiki + RAG + OCR
- Dashboard & Analytics + PDF Export
- Deep Research + Voice Input + Background Streaming
- Security — 2FA, RBAC, Multi-org, Argon2
- Billing — 7-tier, Stripe, Omise, PromptPay
อยู่ระหว่างพัฒนา / ปิดใช้งาน
- API Keys Management — อยู่ระหว่างพัฒนา
- Agent Quota System — อยู่ระหว่างพัฒนา
- Custom Skills Backend — ปิดใช้งาน
KM-5 (Privacy & Group Chat): บางส่วนยังไม่พร้อมเต็มรูปแบบ — ใช้ด้วยความระวังในการสื่อสาร
AI Models (มี.ค. 2026)
- Claude Opus 4.6, Sonnet 4.6
- GPT-5.4 (1M+), GPT-5.4-mini, GPT-5-mini
- Gemini 3.1 Pro, 3 Flash, 2.5 Flash
- DeepSeek V3.2
- Perplexity Sonar, Sonar Pro
- OpenRouter 100+ models
Credit System 4-Tier
| ระดับ | โมเดลตัวอย่าง | เครดิต/ข้อความ |
|---|---|---|
| Budget | GPT-5-mini, Gemini 3 Flash | 1-3 |
| Standard | GPT-5.4-mini, Claude Sonnet 4.6 | 5-15 |
| Premium | Claude Opus 4.6, GPT-5.4 | 20-50 |
| Ultra | DeepSeek V3.2, o4-mini-deep-research | 50-200 |
Smart Routing — AI เลือก AI ให้
| ประเภทงาน | Cost Tier | Quality Tier |
|---|---|---|
| Coding | DeepSeek V3.2 | Claude Opus 4.6 |
| Creative | GPT-5.4-mini | GPT-5.4 |
| Analysis | Gemini 3.1 Pro | Claude Opus 4.6 |
| Vision | Gemini 3 Flash | Gemini 3.1 Pro |
| Search | Perplexity Sonar | Perplexity Sonar Pro |
Pricing Plans (7-Tier)
| แผน | ผู้ใช้ | ราคา | เครดิต/เดือน |
|---|---|---|---|
| Starter | 1 คน | $6.99 | 5,000 |
| Basic Team | 2-10 | $19.99/seat | 10,000/seat |
| Small Team | 11-25 | $17.99/seat | 15,000/seat |
| Large Team | 26-100 | $15.99/seat | 20,000/seat |
| Enterprise S | 101-250 | $14.99/seat | ตามตกลง |
| Enterprise M | 251-500 | $13.99/seat | ตามตกลง |
| Enterprise L | 501+ | $12.99/seat | ตามตกลง |
โบนัสรายปี: จ่าย 12 เดือน ได้ 15 เดือน (ฟรี 3 เดือน)
Part 2 — New Positioning: AI Enablement Platform
สภาพการแข่งขัน — ทุกคนติดอยู่ใน "AI Aggregator"
True, AIS, JIB Computer เริ่มรวม AI 30-50 ตัวมาให้ใช้ — ทำเหมือนกันหมด คือ "ขายของเหมือนกัน" ลูกค้าเข้าไปใช้แล้วไม่รู้จะทำอะไร ทำให้ adoption ต่ำ ไม่เห็น ROI แล้วยกเลิก subscription
| คู่แข่ง | สิ่งที่ขาย | ปัญหาของโมเดลนี้ |
|---|---|---|
| True | รวม AI 30-50 ตัวมาให้ใช้ | ขาย "ของเหมือนกัน" — ลูกค้าเข้าไปแล้วไม่รู้จะทำอะไร |
| AIS | รวม AI 30-50 ตัวมาให้ใช้ | เหมือนกัน — แข่งกันที่ราคาและจำนวน model |
| JIB | รวม AI 30-50 ตัวมาให้ใช้ | เหมือนกัน — race to the bottom |
| Jigsaw (เดิม) | 300+ model จาก OpenRouter | ทุกคนรู้ว่ามาจาก OpenRouter — ไม่ใช่ moat จริง |
ปัญหาของตลาดตอนนี้: ลูกค้าซื้อ AI มาใช้ → 70% ของทีมใช้ไม่เป็น → adoption ต่ำ → ไม่เห็น ROI → ยกเลิก subscription — ทุกคนขาย "เครื่องมือ" แต่ไม่มีใครขาย "การเปลี่ยนแปลง"
New Positioning: จาก "AI Aggregator" สู่ "AI Enablement Platform"
AI Aggregator (True/AIS/JIB)
- ขายอะไร: เข้าถึง AI หลายตัว
- เปรียบเทียบ: ขายสมาชิกยิม
- KPI ลูกค้า: "มี AI ให้ใช้กี่ตัว"
- วันที่ลูกค้ายกเลิก: เมื่อไม่มีใครใช้
- Moat: ไม่มี — ใครก็ aggregate ได้
- Value ตลอดชีวิต: ค่า subscription
AI Enablement Platform (Jigsaw)
- ขายอะไร: เปลี่ยนองค์กรให้เป็น AI Company
- เปรียบเทียบ: ขาย Personal Trainer + โปรแกรม + วัดผล
- KPI ลูกค้า: "ทีมใช้ AI เก่งขึ้นแค่ไหน วัดได้ด้วยตัวเลข"
- วันที่ลูกค้ายกเลิก: ไม่ยกเลิก เพราะเห็นความก้าวหน้าของทีม
- Moat: Data + Culture + Habit + Ecosystem
- Value ตลอดชีวิต: Transformation journey ที่ไม่มีวันจบ
One-liner: "True/AIS/JIB ให้คุณ 'ใช้' AI — Jigsaw ทำให้ทีมคุณ 'เก่ง' AI"
AI Transformation Journey — 4 Stages
Jigsaw ไม่ใช่ขายซอฟต์แวร์ — Jigsaw ขาย journey ที่พาองค์กรจาก "ใช้ AI ไม่เป็น" ไปสู่ "ทุกคนเก่ง AI"
Key Insight: True/AIS/JIB หยุดที่ Stage 1 — ให้ access แล้วจบ ลูกค้าต้องหาทางเองต่อ | Jigsaw มี features ครบทั้ง 4 stages — นี่คือสิ่งที่คู่แข่ง copy ไม่ได้ภายใน 18 เดือน
Moat ใหม่ 5 ชั้น — ทำไม True Copy ไม่ได้
| Moat Layer | รายละเอียด | เวลา copy |
|---|---|---|
| 1. Feature Depth | Prompt Coaching + AI Culture Score + Gamification = 3 systems ที่ต้องสร้างจาก 0 | 12-18 เดือน |
| 2. Data Network Effect | ยิ่งทีมใช้ → ยิ่งมีข้อมูล prompt/usage → AI Coaching ยิ่งดี → ทีมยิ่งใช้ | ไม่สามารถ copy ได้ |
| 3. Habit Lock-in | Gamification + Streaks + Leaderboard สร้างนิสัยใช้ AI ทุกวัน | Switch cost สูงมาก |
| 4. Org Knowledge | RAG + GraphRAG + Wiki + Agents = ความรู้องค์กรสะสมใน Jigsaw | ย้ายไม่ได้ |
| 5. Culture Score History | ประวัติ AI maturity ขององค์กร — ลบไม่ได้ ย้ายไม่ได้ | Unique ถาวร |
Positioning Statement
สำหรับ SME ไทยที่มีพนักงาน 30-150 คน และต้องการให้ทีมใช้ AI เป็น
Jigsaw AI-Team คือ AI Enablement Platform ตัวแรกที่ไม่ใช่แค่ให้เข้าถึง AI ได้ แต่ทำให้ทีมจาก "ใช้ไม่เป็น" ไปสู่ "AI-Proficient" พร้อมวัดผลได้ด้วยตัวเลข
ต่างจาก True, AIS, JIB ที่ได้รวม AI มาให้ใช้แล้วจบ
เพราะ Jigsaw มี AI Coaching ที่สอนทีมเขียน prompt, Gamification ที่ทำให้อยากใช้ทุกวัน, และ AI Culture Score ที่วัดความก้าวหน้าขององค์กรได้ด้วยตัวเลข 0-100
Tagline Candidates
| # | Tagline | โทน |
|---|---|---|
| 1 | "เปลี่ยนทีมให้เก่ง AI — วัดผลได้" | ตรง, professional |
| 2 | "ไม่ใช่ให้ใช้ AI — แต่ทำให้ทีมเก่ง AI" | เปรียบเทียบ |
| 3 | "AI Enablement Platform ตัวแรกของไทย" | Category creation |
| 4 | "จาก 'ใช้ไม่เป็น' สู่ 'AI-Proficient' — ทั้งทีม" | Journey |
| 5 | "Transform Your Team Into an AI-Powered Team" | Global/investor |
Before/After Story — บริษัท SME สมมุติ
BEFORE (ก่อนใช้ Jigsaw)
- ซื้อ ChatGPT 10 คน → ใช้จริง 3 คน (30%)
- Prompt แย่ ผลลัพธ์แย่
- ไม่มีใครวัดผล
- จ่าย ฿7,000 ใช้งาน 30%
- CEO ไม่รู้ว่าคุ้มไหม
- ฝ่ายขายทำ PPT 3 ชม.
- SOP หาไม่เจอ
AFTER (3 เดือน Jigsaw)
- Jigsaw 10 คน → ใช้จริง 9 คน (90%)
- Prompt Score B+ เฉลี่ย
- AI Culture Score: 67/100 (Productive)
- จ่าย ฿6,900 ใช้งาน 90%
- ROI Dashboard: 4.2x return
- ฝ่ายขายทำ PPT 5 นาที
- ถาม AI ได้ตลอด 24 ชม.
จาก Positioning สู่ Strategic Messaging
ส่วนถัดไปคือ 18 Key Messages + 5 KILLER Messages ที่จัดตาม Decision Journey — แต่ละข้อมี Pain, Message, Proof, Copy, Target พร้อมใช้ทันที
Part 3 — Strategic Messaging: 18 Key Messages
5 KILLER Messages ที่ไม่มีคู่แข่งรายไหนมี
KM-18: เครื่องมือ vs การเปลี่ยนแปลง
"ทุกคนขาย 'เครื่องมือ' แต่ไม่มีใครขาย 'การเปลี่ยนแปลง'" — Meta-message ที่ reframe ตลาดทั้งหมด
Target: CEO/Board | Unique: เปลี่ยนวิธีมองตลาดทั้งหมด
KM-16: AI Culture Score
คะแนน 0-100 วัดว่าองค์กร AI-Ready แค่ไหน — 5 ระดับ: Aware → Leading
Target: CEO/Board | Unique: ไม่มี AI platform ไหนในโลกมี
KM-17: Smart Routing 2-Tier
บอกแค่ว่าจะทำอะไร — ระบบเลือก AI ให้ ทั้งแบบ "ประหยัด" และ "คุณภาพ"
Target: ทุกคน | Unique: คู่แข่งให้เลือกเอง Jigsaw เลือกให้
KM-2: Prompt Coaching
พิมพ์ prompt แย่ๆ ไป — AI ให้คะแนน A-F แล้วเขียนใหม่ให้เอง
Target: พนักงานทุกระดับ | Unique: ไม่มี platform ไหนสอน prompt built-in
KM-10: Gamification
XP, Leaderboard, Badge, Streaks — พนักงานอยากใช้ AI เอง ไม่ต้องบังคับ
Target: HR/Team Lead | Unique: ไม่มี AI platform ไหนมี gamification
5 KILLER Messages นี้รวมกันสร้าง flywheel — KM-18 reframe ตลาด → Gamification ดึงให้ใช้ → Prompt Coaching สอนให้เก่ง → Smart Routing เลือก AI ที่ดีที่สุด → Culture Score วัดผลให้เห็น → CEO มั่นใจลงทุนต่อ
กลุ่ม 1: ทำไมต้องเปลี่ยน — สร้าง awareness
KM-1เลิกสลับ 5 แอป STRONG
Pain: พนักงานเปิด ChatGPT, Claude, Gemini, Midjourney, Notion — สลับไปมาเสียเวลาวันละ 47 นาที
Message: "ยุบ 5 แอป เหลือ 1 — แต่ได้ AI 300+ ตัว"
Proof Points
- Chat + Canvas + Agents + Wiki + Task Management ทำได้หมดในที่เดียว
- Smart Routing เลือก AI อัตโนมัติ + Background Streaming + Slash Commands 14 commands
Copy: "พนักงานคุณเสียวันละ 47 นาทีแค่สลับแอป — Jigsaw ยุบทุกอย่างเหลือหน้าจอเดียว" | ตัวเลข: ฿3,000/คน → ฿690 = ประหยัด 77%
Target: User / Team Lead
KM-11วิจัยตลาด 3 วัน เสร็จใน 10 นาที GOOD
Pain: SME ไม่มี research team แต่ต้องตัดสินใจเรื่องตลาด
Message: "AI ค้น วิเคราะห์ สรุป จากหลายร้อยแหล่ง — ส่งรายงานพร้อมอ้างอิง ใน 10 นาที"
Copy: "ฝ่ายขายถามว่า 'คู่แข่งเปิดราคาเท่าไหร่?' — AI หาคำตอบให้ก่อนประชุมบ่าย" | Target: User
KM-7กด 1 ที ได้ Presentation ทั้ง Deck GOOD
Pain: ทำ PPT ใช้เวลา 3-4 ชั่วโมงต่อ deck
Message: "บอก AI 1 ประโยค ได้ 12 สไลด์ — พร้อมกราฟ, ไอคอน, ธีมสี — ส่งออก PowerPoint ได้เลย"
Copy: "คู่แข่งคุณเสียครึ่งวันทำ slide — ทีมคุณเสียแค่ 5 นาที" | Target: User / Creative
KM-9รูปวาดมือเป็นเว็บไซต์ใน 30 วินาที NICE
Pain: SME อยากมีเว็บ แต่จ้าง dev แพง ฿30,000-100,000+
Message: "วาดบนกระดาษ ถ่ายรูป โยนให้ AI — ได้เว็บไซต์จริงพร้อมใช้"
Copy: "CEO วาด mockup บน napkin → เอาเข้า Jigsaw → ออกมาเป็นเว็บจริงก่อนกาแฟเย็น" | Target: Creative
กลุ่ม 2: ใช้ง่ายจริง — ปิด objection
KM-2Prompt Coaching — ไม่เก่ง Prompt ก็ใช้ได้ KILLER
Pain: 80% พนักงาน SME ไม่รู้จะถาม AI ยังไง — สรุปว่า "AI ไม่เวิร์ค"
Message: "พิมพ์ prompt แย่ๆ ไป — AI ให้คะแนนและเขียนใหม่ให้เอง"
Proof: Prompt Analysis (เติม Role/Context/Format/Tone) + Grading A-F ตามกรอบ RISE + Rewriter อัตโนมัติ + Prompt Library + Variables + System Prompts องค์กร + Slash Commands + Smart Routing + Voice Input + Thinking Modes 3 ระดับ
Copy: "พนักงานพิมพ์ prompt แย่? ไม่เป็นไร — Jigsaw ให้คะแนน A-F แล้วเขียนใหม่ให้ ยิ่งใช้ยิ่งเก่ง"
Key Insight: make or break สำหรับ SME — CEO ซื้อ AI ให้ทีม แต่ 70% ใช้ไม่เป็น = เสียเงินฟรี | Unique: ไม่มี platform ไหนมี Prompt Coaching built-in
Target: พนักงานทั่วไป
KM-17Smart Routing — AI เลือก AI ให้ KILLER
Pain: พนักงานไม่รู้จะใช้ GPT, Claude, Gemini หรือ DeepSeek
Message: "บอกแค่ว่าจะทำอะไร — ระบบเลือก AI ตัวที่ดีที่สุดให้ ทั้งแบบ 'ประหยัด' และ 'คุณภาพสูงสุด'"
Copy: "พนักงานไม่ต้องรู้จัก Claude, GPT, Gemini — แค่บอกว่าจะทำอะไร Jigsaw เลือกให้เอง" | Target: ทุกคน | Unique: คู่แข่งให้เลือกเอง
KM-13เปรียบเทียบ AI 5 ตัวพร้อมกัน NICE
Message: "ถามครั้งเดียว AI 5 ตัวแข่งตอบ — คุณเลือกคำตอบที่ชอบ" | Auto Mode Comparison + Message Variants + Conversation Branching
Target: Power User
KM-6AI เข้าใจบริษัทคุณ — Agents + RAG + GraphRAG STRONG
Message: "สอน AI ให้รู้จักธุรกิจคุณ — ตอบลูกค้า, เขียนข้อเสนอ, วิเคราะห์ข้อมูล ในแบบของบริษัทคุณเท่านั้น"
Proof: AI Agents + KB + RAG (Hybrid Search) + GraphRAG + System Prompt องค์กร + Wiki + OCR + Smart Image Handling
Copy: "ฝ่ายขายถาม 'สรุปข้อเสนอล่าสุดที่ส่งให้ บ.ABC หน่อย' → AI ดึงจากไฟล์ภายในตอบได้เลย" | Target: Team Lead
KM-12เอกสารบริษัทไม่ตายในโฟลเดอร์ GOOD
Message: "อัปโหลดเอกสารบริษัททั้งหมด → AI อ่านจำให้ → พนักงานถามได้ตลอด 24 ชม."
Copy: "พนักงานใหม่ถาม 'SOP ส่งของทำยังไง?' → AI ตอบได้ใน 3 วินาที พร้อมอ้างอิงเวอร์ชันล่าสุด" | Target: HR / Operations
กลุ่ม 3: คุ้มค่าพิสูจน์ได้ — CFO ชอบ
KM-3ROI Dashboard STRONG
Pain: CEO ถาม "จ่ายค่า AI ไป แล้วได้อะไรกลับมา?" → ไม่มีใครตอบได้
Message: "รู้ทันทีว่าทุก ฿1 ที่จ่าย AI ได้กลับมา ฿X"
Proof: Productivity Dashboard + ROI Calculator + Credit tracking ต่อคน/ทีม/model/tier + Cost breakdown + Performance metrics + Organization Analytics + PDF Export
Copy: "แพลตฟอร์ม AI ตัวเดียวในไทยที่ CEO เปิดดูแล้วรู้เลยว่า — ได้กำไรจาก AI หรือเปล่า" | Target: CEO / CFO
KM-44-Tier Credit System ควบคุมงบ STRONG
Pain: ChatGPT Plus 10 คน = ฿7,000/เดือน ตายตัว — บางคนไม่แตะเลยแต่จ่ายเท่ากัน
Message: "เลือกได้ — จะใช้ AI ถูก 1 เครดิต หรือ AI แรง 200 เครดิต ทุกบาทอยู่ในมือคุณ"
Proof: 4-Tier Credit + Org Pool (จัดสรร/เรียกคืน) + Auto Top-up + Pool ไม่มีวันหมดอายุ + Refund อัตโนมัติเมื่อ AI error + Warning 80%/95%
ChatGPT Plus
- $20/คน ไม่ว่าใช้อะไร
- งานง่าย = จ่ายเท่างานยาก
- คนไม่ใช้ = จ่ายเท่าคนใช้
- Admin คุมไม่ได้
Jigsaw Credit
- เริ่ม $6.99 + เลือก tier
- งานง่าย = 1-3 เครดิต
- ไม่ใช้ = ไม่เสียเครดิต
- Admin จัดสรร/เรียกคืนได้
Copy: "งานง่ายใช้ AI ราคา 1 เครดิต — งานยากใช้ Opus 50 เครดิต — คุณเลือกเอง" | Target: CFO
KM-8จ้าง AI 1 ตัว แทน Intern 3 เดือน GOOD
Message: "AI ที่ทำงานเป็น — รับมอบงาน, จัดลำดับ, ส่งงาน, รายงานผล เหมือนพนักงานจริง"
Proof: Task Mgmt (Kanban/Calendar/Timeline/Gantt) + AI Task Assistant + Batch creation + Subtasks + Dependencies + Time tracking + ระบบยืนยัน
Copy: "AI ที่ไม่ใช่แค่ตอบคำถาม — แต่รับงาน ทำงาน ส่งงาน เหมือนมีพนักงานเพิ่มอีกคน" | Target: MD
KM-16AI Culture Score KILLER
Pain: CEO ลงทุน AI แต่ไม่รู้ว่าองค์กรก้าวหน้าไปแค่ไหน ไม่มีตัวเลขวัด
Message: "คะแนน AI Culture 0-100 — รู้ทันทีว่าองค์กรอยู่ระดับไหน: Aware → Experimenting → Productive → Optimizing → Leading"
Proof: 3 มิติ (Adoption 30% + Skills 30% + Processes 40%) | 5 ระดับ | กราฟแนวโน้ม | PDF/CSV | ผูก Prompt Coaching | เกณฑ์ ≥50 prompts + ≥30% มี skill profile | คำนวณอัตโนมัติ
Copy: "บริษัทคู่แข่งอยู่ระดับ 'Experimenting' — บริษัทคุณอยู่ 'Leading' แล้ว ใช้ตัวเลขพิสูจน์ได้"
Key Insight: ไม่มี AI platform ไหนในโลกมี — CEO ที่ต้องรายงาน digital transformation ให้ board นี่คือ metric ที่ขาดหายมาตลอด
Target: CEO / Board | Unique: ไม่มีใครในโลกมี
กลุ่ม 4: ปลอดภัย + ควบคุมได้
KM-5Privacy & Group Chat GOOD บางส่วนยังพัฒนา
Message: "ใช้ AI ร่วมกัน โดยข้อมูลไม่รั่วออกนอกบริษัท" | Private/Group/Project Chat + @ mention + RBAC + Multi-org + 2FA + Argon2 + CSRF
Copy: "ทีมถาม AI ด้วยกัน เห็นคำตอบพร้อมกัน — แต่ข้อมูลบริษัทไม่เคยออกไปข้างนอก" | PDPA: SME 20M+ ถูกบังคับ comply จริงจัง
Target: IT / CEO / Legal
KM-14Admin รู้ทุกอย่าง — แต่เคารพ Privacy STRONG
Message: "เห็น usage, cost, ROI ระดับทีม — โดยไม่ต้องอ่านแชทส่วนตัวของใคร"
Copy: "CEO เห็นว่าทีมประหยัดเงินไปเท่าไหร่ — โดยไม่ต้องอ่านแชทใครสักตัวอักษร" | Target: CEO + พนักงาน
KM-15ภาษาไทยก่อน — Thai-First GOOD
Message: "แพลตฟอร์ม AI ตัวแรกที่สร้างมาเพื่อคนไทย — UI ไทย, ซัพพอร์ตไทย, จ่ายเงินไทย"
Proof: UI TH/EN สลับทันที + PromptPay + ใบกำกับภาษีไทย + THB + PDPA
Copy: "ChatGPT ไม่มีใบกำกับภาษี PromptPay ไม่รับ ซัพพอร์ตไทยไม่มี — Jigsaw มีหมด" | Target: CFO / Admin
กลุ่ม 5: ทีมอยากใช้เอง
KM-10Gamification — แข่งกันใช้ AI KILLER
Pain: ซื้อ AI ให้ทีม แต่ผ่าน 3 เดือนใช้จริงแค่ 2-3 คนจาก 15
Message: "ระบบ XP, Leaderboard, Badge — ทำให้พนักงานอยากใช้ AI ด้วยตัวเอง ไม่ต้องบังคับ"
Proof: Level System + XP + Leaderboard (Top 3) + Badges/Achievements + Streaks (เหมือน Duolingo) + Gamification Header แสดงตลอด
Copy: "ไม่ต้องบังคับทีมใช้ AI — แค่เปิด Leaderboard แล้ว adoption พุ่งเอง"
Key Insight: ChatGPT Enterprise ไม่มี, Claude Team ไม่มี, Gemini for Work ไม่มี → unique differentiator ที่แข็งมาก HR จะชอบเพราะแก้ adoption โดยไม่ต้องบังคับ
Target: HR / Team Lead | Unique: ไม่มี AI platform ไหนมี
กลุ่ม 6: Meta-Message — เปลี่ยนวิธีมองตลาด
KM-18ทุกคนขาย "เครื่องมือ" ไม่มีใครขาย "การเปลี่ยนแปลง" KILLER #1
Pain: ตลาด AI ทั้งหมดแข่งกันที่จำนวน model และราคา — ไม่มีใครแข่งที่ผลลัพธ์จริง
Message: "True/AIS/JIB ให้คุณ 'ใช้' AI — Jigsaw ทำให้ทีมคุณ 'เก่ง' AI"
Proof: 4 Stages (ACCESS→LEARN→ADOPT→TRANSFORM) + Prompt Coaching + Gamification + AI Culture Score = Transformation journey ที่วัดผลได้
Copy: "ขายสมาชิกยิม vs ขาย Personal Trainer + โปรแกรม + วัดผล — คุณเลือกอะไร?"
Strategic Value: KM-18 ไม่ใช่แค่ message — มันเป็น meta-message ที่ reframe ตลาดทั้งหมด เมื่อลูกค้าเข้าใจ "เครื่องมือ vs การเปลี่ยนแปลง" แล้ว ทุก message อื่นจะแข็งขึ้นทันที
Target: CEO / Board / Investor | Unique: เปลี่ยนวิธีมองตลาดทั้งหมด
18 Key Messages — Impact Ranking
| Tier | # | Key Message | Unique? | Target |
|---|---|---|---|---|
| KILLER | 18 | เครื่องมือ vs การเปลี่ยนแปลง (Meta) | Reframe ตลาด | CEO/Board |
| KILLER | 16 | AI Culture Score (0-100) | ไม่มีใครมี | CEO/Board |
| KILLER | 17 | Smart Routing 2-Tier | เหนือกว่าทุกราย | ทุกคน |
| KILLER | 2 | Prompt Coaching (Grade A-F + Rewrite) | ไม่มีใครมี | พนักงาน |
| KILLER | 10 | Gamification (XP/Leaderboard) | ไม่มีใครมี | HR/Team |
| STRONG | 4 | 4-Tier Credit System + Pool | เหนือกว่า | CFO |
| STRONG | 3 | ROI Dashboard + PDF Export | เหนือกว่า | CEO/CFO |
| STRONG | 1 | เลิกสลับ 5 แอป (All-in-one) | ทั่วไป | User |
| STRONG | 6 | AI เข้าใจบริษัท (RAG+GraphRAG) | มีบ้าง | Team Lead |
| STRONG | 14 | Admin Dashboard + Privacy | เหนือกว่า | CEO |
| GOOD | 5 | Privacy & Group Chat + PDPA | ทั่วไป | IT/Legal |
| GOOD | 7 | PPT ใน 5 นาที | ทั่วไป | User |
| GOOD | 8 | AI แทน Intern | มีบ้าง | MD |
| GOOD | 12 | เอกสารไม่ตาย (Wiki+GraphRAG) | เหนือกว่า | Ops |
| GOOD | 15 | ภาษาไทยก่อน + PromptPay | Unique TH | CFO |
| GOOD | 11 | Deep Research | มีบ้าง | User |
| NICE | 9 | Sketch-to-Code | ทั่วไป | Creative |
| NICE | 13 | เปรียบเทียบ AI 5 ตัว | มีบ้าง | Power User |
Part 3 ครบ — ถัดไป Part 4: Investor Page Analysis + SWOT
ส่วนถัดไปจะวิเคราะห์หน้า Investor ปัจจุบัน, SWOT Analysis (แก้ตาราง balance แล้ว), แผน Rebuild 14 sections, และ 4 roles ที่ต้องใช้
Part 4 — Investor Page Analysis & SWOT
หน้า Investor ปัจจุบัน — 10 Sections
| # | Section | เนื้อหาหลัก |
|---|---|---|
| 1 | Hero | "ให้ทั้งทีมใช้ AI ได้ทุกตัว ในราคาเดียว" | ฿2,050→฿690 (-66%) | $200B+, 300+, 66%, 10x |
| 2 | Problem | 3 cards: Enterprise Vendor ($50-100K), Dev สร้างเอง, AI Chat สำเร็จรูป | รวม $310K/ปี |
| 3 | Solution | 5 feature cards: 300+ Models, Team Collaboration, ROI, Security, Agents |
| 4 | Comparison | Jigsaw vs ChatGPT Enterprise vs MS Copilot — ฿690 vs $25 vs $30 |
| 5 | Moat | 4 ชั้น: Product Depth (18 mo), Knowledge Lock-in, Partner, 2-Sided Marketplace |
| 6 | Business Model | 75%+ GM, 120% NRR | SaaS 65%, AI Usage 20%, Enterprise 10%, Services 5% |
| 7 | Projections | 3 tabs | Base: $2.0M ARR, 4,500 users, 8 Enterprise |
| 8 | Metrics | NRR ≥120%, Trial→Paid ≥20%, MAU +30%, LTV:CAC >3:1, CAC <$150, PDPA |
| 9 | GTM | 3 phases: ไทย (1-6mo) → ASEAN (6-12mo) → Global (12-24mo) |
| 10 | CTA | $500K Pre-Seed, 18mo runway | Download Deck + นัดหมาย |
SWOT Analysis — หน้า Investor
S — Strengths
- Value Proposition ชัด — ฿2,050→฿690 (-66%)
- Multi-model — 300+ models real differentiator
- ครบทุก section — Hero→CTA ครบ 10
- UI/UX สวย — Framer Motion, bento grid
- Bilingual TH/EN
W — Weaknesses
- ไม่มี Team Section — CRITICAL
- ไม่มี Traction/Social Proof — CRITICAL
- Metrics เป็น "เป้าหมาย" ไม่ใช่ "ผลจริง" — HIGH
- ไม่มี "Why Now" — HIGH
- TAM/SAM/SOM ไม่มี — HIGH
- ไม่มี Use Cases — MEDIUM
- CTA อ่อน — MEDIUM
- Ask ไม่ชัด (terms?) — MEDIUM
- ราคาผสมสกุลเงิน — LOW
- Moat ยังไม่แข็งพอ — LOW
O — Opportunities
- ASEAN AI ว่าง — ไม่มี local player
- AI spend +40% YoY — timing ดีมาก
- PDPA = moat จริง — ต่างชาติทำยาก
- "Spotify of AI" narrative
- Remote work trend
T — Threats
- OpenAI/Google/MS bundle — เพิ่ม features เร็ว
- Barrier to entry ต่ำ — aggregate ได้ไม่กี่เดือน
- Model providers ไป direct
- $500K อาจเล็กเกินไป
Proposed Investor Page — 14 Sections ใหม่
| # | Section | สถานะ | Role |
|---|---|---|---|
| 1 | Hero → "AI Enablement Platform" | แก้ไข | Copy+Strategy |
| 2 | Why Now (timing, PDPA, AI adoption) | สร้างใหม่ | Narrative |
| 3 | Problem → เน้น productivity loss | แก้ไข | Copy |
| 4 | Solution → โชว์ unique features | แก้ไข | Strategy |
| 5 | Traction & Social Proof | สร้างใหม่ | Copy |
| 6 | Use Cases (3-4 industries + ROI) | สร้างใหม่ | Strategy+Copy |
| 7 | Market / TAM-SAM-SOM | สร้างใหม่ | Strategy |
| 8 | Comparison → เพิ่ม features | แก้ไข | Copy+Strategy |
| 9 | Moat → ecosystem + data + compliance | แก้ไข | Strategy |
| 10 | Business Model → 7-tier + credit | แก้ไข | Narrative |
| 11 | Team | สร้างใหม่ | Copy |
| 12 | GTM | แก้ไข | Narrative |
| 13 | Projections + Metrics | แก้ไข | Narrative+Strategy |
| 14 | The Ask / CTA → terms ชัด | แก้ไข | Narrative+Copy |
4 Roles สำหรับงาน Investor Rebuild
Role 1: Product Strategist
Skill: Product positioning, value proposition, competitive moat, investor narrative
วิเคราะห์ Features → คัดเลือกสำหรับ investor | Reframe → "AI Enablement Platform" | สร้าง moat จาก features จริง | ออกแบบ Use Cases + ROI | ปรับ TAM narrative
Role 2: Investor Narrative Architect
Skill: Fundraising storytelling, pitch deck structure, investor psychology, deal terms
ปรับ section order เป็น investor decision journey | สร้าง "Why Now" | ปรับ Metrics actual vs target | ปรับ "The Ask" terms ชัด | urgency signals | Team section framework
Role 3: Data-Driven Copywriter
Skill: B2B/investor copywriting, data storytelling, bilingual TH/EN
เขียน copy ทุก section — ดึงตัวเลข/feature เป็น proof | Social Proof framework | Use Case stories + ROI | comparison table (เพิ่ม Canvas, Agents, Task, Wiki) | headlines persuasive
Role 4: Frontend Architect
Skill: Next.js, React, Framer Motion, Tailwind CSS, responsive
Implement ทุก content change | สร้าง components ใหม่ (Team, Why Now, TAM, Use Cases, Traction) | ปรับ section order | คง design system (#E53935, rounded, Framer Motion)
Investor: คำถามที่ต้องตอบก่อน Rebuild
| # | คำถาม | ระดับ | สถานะ |
|---|---|---|---|
| 1 | Team/Founders — ชื่อ, ตำแหน่ง, background, รูป? | CRITICAL | รอข้อมูล |
| 2 | Traction — pilot customers, LOIs, waitlist, revenue, active users? | CRITICAL | รอข้อมูล |
| 3 | Fundraising Terms — $500K SAFE/equity? valuation cap? lead investor? | CRITICAL | รอข้อมูล |
| 4 | Deck PDF — มี pitch deck จริงให้ download? | MEDIUM | รอข้อมูล |
| 5 | ภาษาหลัก — English-first สำหรับ investor page? | MEDIUM | รอตัดสินใจ |
| 6 | ข้อมูล sensitive — ตัวเลขไหนห้ามโชว์? | MEDIUM | รอข้อมูล |
Part 5 — Marketing 360° + GTM Strategy
Lead Magnet #1: Free AI Culture Score Assessment
แทนที่จะใช้ "ทดลองใช้ฟรี 14 วัน" ที่ทุกคนทำ — ใช้ AI Culture Score Assessment เป็น lead gen machine ที่ให้ value ก่อนขาย
แบบเดิม (ทั่วไป)
- Lead magnet: "ทดลองใช้ฟรี 14 วัน"
- ลูกค้ารู้สึก: "ขายของ"
- Data ที่ได้: แค่ email
- Follow-up: "สมัครเลย!"
- Conversion: ต่ำ (~2-5%)
- Virality: ไม่มี
Free AI Culture Assessment
- Lead magnet: "วัดว่าองค์กรคุณ AI-Ready แค่ไหน — ฟรี"
- ลูกค้ารู้สึก: "ได้ประโยชน์จริง"
- Data: ขนาดบริษัท, pain, budget, อุตสาหกรรม
- Follow-up: "คะแนน 23/100 — นี่คือ 3 สิ่งที่ต้องทำ"
- Conversion: สูงมาก (ลูกค้าเห็น gap)
- Virality: CEO เอาไปอวดใน LinkedIn
10 คำถามในแบบประเมิน: จำนวนพนักงาน / % ที่ใช้ AI / AI tools ที่ใช้ / มีการวัดผลไหม / มีการอบรมไหม / AI ถูกใช้ในกระบวนการหลักไหม / มี policy ไหม / ผู้บริหารให้ความสำคัญ / มีงบ AI / เป้าหมายสำคัญที่สุด
Output: คะแนน 0-100 + ระดับ (Aware→Leading) + Radar chart 3 มิติ + 3 recommendations + CTA: "ทดลอง Jigsaw ฟรี 14 วัน"
Email Strategy — 500K Email List
Step 1: Email Hygiene + Domain Warming
| สัปดาห์ | จำนวน/วัน | รวม/สัปดาห์ | เป้าหมาย |
|---|---|---|---|
| 1 | 50 | 350 | Warm up + test subjects |
| 2 | 200 | 1,400 | A/B test hooks |
| 3 | 500 | 3,500 | Scale winning templates |
| 4 | 1,000 | 7,000 | Full campaign mode |
| 5+ | 2,000-5,000 | 14K-35K | Steady state |
Step 2: 5 Segments × 5 Emails
| Segment | เป้าหมาย | Hook หลัก | KM |
|---|---|---|---|
| A: CEO/MD | ผู้ตัดสินใจ | "ทีมคุณใช้ AI ได้กี่ % — วัดฟรีใน 3 นาที" | KM-18, 16, 3 |
| B: Manager | ผู้ใช้ + influencer | "ไม่เก่ง Prompt ก็ใช้ได้" | KM-2, 1, 7 |
| C: IT/Digital | Technical evaluator | Smart Routing + Credit System | KM-17, 4, 5 |
| D: HR/Training | People development | AI Culture Score + Gamification | KM-16, 10, 2 |
| E: Finance/CFO | Budget approver | ROI Dashboard + PromptPay/ใบกำกับภาษี | KM-3, 15, 4 |
Email Sequence ตัวอย่าง (Segment A: CEO)
| # | วัน | Subject Line | CTA |
|---|---|---|---|
| 1 | 0 | "ทีมคุณใช้ AI ได้กี่ % — วัดฟรีใน 3 นาที" | ทำ Assessment ฟรี |
| 2 | 3 | "True ให้คุณใช้ AI — แต่ใครสอนทีมคุณ?" | ดู Transformation Journey |
| 3 | 7 | "CEO บริษัท 45 ล้าน เพิ่ม AI adoption จาก 30% เป็น 90%" | อ่าน Case Study |
| 4 | 14 | "฿250/คน/เดือน — ถูกกว่ากาแฟ แต่ทีมเก่ง AI ทั้งองค์กร" | เริ่มทดลองฟรี |
| 5 | 21 | "คุณพร้อมที่จะเป็นบริษัทแรกในอุตสาหกรรมที่ 'AI-Leading'?" | จัด demo 15 นาที |
5 Landing Pages ตาม Segment
| Segment | LP Theme | Hero Message |
|---|---|---|
| CEO | AI Readiness Assessment | "วัดว่าองค์กรคุณ AI-Ready แค่ไหน" |
| Manager | Team Productivity | "ทำให้ทีมคุณเก่ง AI ใน 30 วัน" |
| IT | Technical Features | "AI 300+ ตัว Smart Routing Credit System" |
| HR | Upskilling | "วัดและพัฒนาทักษะ AI ของทีม" |
| Finance | Cost Savings | "ROI พิสูจน์ได้ ใบกำกับภาษีมี PromptPay จ่ายได้" |
14 Channels — Thai + International
| Channel | ภาษา | Target Persona | Priority |
|---|---|---|---|
| TH+EN | วิชัย(CEO), ต้น(Mgr), เบนซ์(IT) | #1 | |
| TikTok | TH+EN | ต้น(Mgr), น้องมิ้น(User) | #2 |
| YouTube | TH+EN | ทุกคน (Shorts+Long) | #3 |
| TH | คุณณภา(CFO), คุณแอน(HR) | #4 | |
| X/Twitter | EN | เบนซ์(IT), Global tech | #5 |
| TH+EN | น้องมิ้น(User), ต้น(Mgr) | #6 | |
| LINE OA | TH | ทุกคน (direct channel) | #7 |
| EN | เบนซ์(IT), Global SaaS | #8 | |
| Medium | EN | Thought leadership | #9 |
| Product Hunt | EN | Global launch (เดือน 4) | #10 |
| Indie Hackers | EN | Founder community | #11 |
| Dev.to | EN | เบนซ์(IT), Developers | #12 |
| Substack | EN | Weekly newsletter | #13 |
| Hacker News | EN | Tech community | #14 |
Viral Mechanics — 4 Loops
Loop 1: Assessment Score Sharing
CEO ทำ Assessment → ได้คะแนน 28/100 → โพสต์ลง LinkedIn "บริษัทเราอยู่ระดับ Experimenting" → CEO คนอื่นเห็น → "ฉันจะได้เท่าไหร่?" → ทำ Assessment → วนซ้ำ
Loop 2: Leaderboard & Badges
พนักงานได้ Badge "AI Champion Bronze" → โพสต์ LinkedIn → เพื่อน/คนรู้จักเห็น → "Jigsaw คืออะไร?" → เข้าเว็บ → สมัคร
Loop 3: Culture Score ขององค์กร
CEO แชร์ board: "Culture Score เดือนนี้ 67 ขึ้นจาก 45" → Board member เอาไปพูดในบริษัทอื่น → บริษัทอื่นสนใจ → ทำ Assessment
Loop 4: Referral Program
Referrer ได้ เครดิตฟรี 5,000 (~1 เดือนใช้งาน) | ผู้ถูกแนะนำได้ ทดลองใช้ฟรี 30 วัน (แทน 14 วัน) | แนะนำ 3 บริษัท = ฟรี 1 เดือน
Objection Handling — คำถามที่ลูกค้าจะถาม
| คำถาม/ข้อแย้ง | คำตอบ |
|---|---|
| "True/AIS ถูกกว่า มีอยู่แล้ว" | "True ให้คุณ ใช้ AI — แต่กี่คนในทีมที่ ใช้เป็น จริง? ถ้าจ่ายถูกกว่าแต่ไม่มีใครใช้ ROI = 0" |
| "ChatGPT Plus ก็พอแล้ว" | "ChatGPT ไม่มี: Prompt Coaching, Gamification, AI Culture Score, Credit Pool — ได้แค่ 1 model ทำงานคนเดียว" |
| "ทีมเรา 5 คนที่ใช้ AI ก็พอ" | "5 คนที่เก่ง AI = เท่ากับเพิ่ม 2-3 คน ลองคิดว่าถ้า 5 คนค่อยๆ เพิ่มเป็น 15 จะเปลี่ยนองค์กรแค่ไหน" |
| "เราไม่พร้อมสำหรับ AI" | "นั่นแหละคือเหตุผลที่ต้องเริ่ม — Jigsaw ออกแบบมาสำหรับทีมที่ 'ยังไม่พร้อม' โดยเฉพาะ Stage 1-2 คือสำหรับคุณ" |
| "แพงไหม?" | "$6.99/คน/เดือน = ฿250 ถูกกว่ากาแฟวันละแก้ว แต่ทีมเก่ง AI ทั้งองค์กร" |
| "มี data security ไหม?" | "RBAC, 2FA, Argon2 encryption, Multi-tenancy, PDPA compliant — Private Chat ที่แม้ Admin ก็ดูเนื้อหาไม่ได้" |
GTM Channel Strategy — Quick Wins
| # | Action | Impact | ระยะเวลา |
|---|---|---|---|
| 1 | สร้าง AI Assessment บนเว็บ | Lead gen + data + PR | 2 สัปดาห์ |
| 2 | เปลี่ยน headline เว็บ จาก "300+ models" เป็น "เปลี่ยนทีมให้เก่ง AI" | Repositioning ทันที | 1 วัน |
| 3 | หา 3-5 pilot SME ให้ใช้ฟรี 3 เดือน แลก case study | Social proof | เริ่มทันที |
| 4 | Founder เขียน LinkedIn — "ทำไม AI Aggregator กำลังตาย" | Thought leadership | 1 วัน |
| 5 | เพิ่ม "Transformation Journey" บนเว็บ (4 stages visual) | แสดง positioning ใหม่ | 1 สัปดาห์ |
| 6 | แสดง pricing เป็น THB (฿250/คน/เดือน) | ลด friction SME ไทย | 1 วัน |
Budget Model — 6 เดือน
| รายการ | ต่อเดือน | 6 เดือน |
|---|---|---|
| Email tools (Instantly/Smartlead) | ฿3,500 | ฿21,000 |
| Extra domains (5) | ฿500 | ฿3,000 |
| Email verification (ครั้งเดียว) | — | ฿7,000 |
| Content production (AI) | ฿0 | ฿0 |
| Organic channels ทั้งหมด | ฿0 | ฿0 |
| Reserve for boosting winners | ฿6,000 | ฿36,000 |
| รวม | ~฿6,000 | ~฿67,000 |
Additional Growth Ideas
| # | Idea | Impact | ทำได้เร็ว |
|---|---|---|---|
| 1 | AI Transformation Guarantee 90 วัน — Culture Score ไม่ขึ้น ใช้ฟรีอีก 90 วัน | สูงมาก | ทันที |
| 2 | CEO AI Dashboard — 3 ตัวเลข: Culture Score + ROI + Adoption | สูง | 1 สัปดาห์ |
| 3 | AI Champion Program — Bronze/Silver/Gold badges สำหรับ internal AI coaches | สูง | 2 สัปดาห์ |
| 4 | Vertical Playbooks — AI Kit เฉพาะอุตสาหกรรม (Trading, Service, Manufacturing) | สูง | 1 เดือน |
| 5 | Thailand AI Readiness Index — รายงานประจำปีจาก Assessment data | สูงมาก (PR) | 6 เดือน |
| 6 | BOI/สรรพากร ลดหย่อนภาษี — ค่า Jigsaw ลดหย่อนได้ 200% | สูงมาก (CFO) | 1-2 เดือน |
| 7 | White-Label สำหรับ Consulting Firms | กลาง-สูง | 3 เดือน |
| 8 | AI Transformation Podcast/Content Series | สูง (ระยะยาว) | เริ่มทันที |
Part 5 ครบ — ถัดไป Part 6: Content 360 Hooks
360 hooks สำหรับ 6 เดือน จัดเป็น 20 categories ครอบคลุม 14 platforms — compact table format ที่ AI automation อ่านแล้วสร้าง content ได้ทันที
Part 6 — Content 360 Hooks (6 เดือน)
20 Content Categories × 360 Hooks
| # | Category | ย่อ | KM | Hooks |
|---|---|---|---|---|
| 1 | AI Transformation vs Aggregator | TF | KM-18 | 20 |
| 2 | Prompt Coaching & Skills | PC | KM-2 | 20 |
| 3 | AI Culture Score | CS | KM-16 | 18 |
| 4 | Smart Routing | SR | KM-17 | 16 |
| 5 | Credit System & Cost | CR | KM-4 | 18 |
| 6 | ROI & Dashboard | RO | KM-3 | 16 |
| 7 | Gamification & Adoption | GM | KM-10 | 18 |
| 8 | All-in-One Platform | AO | KM-1 | 16 |
| 9 | Canvas/Creative (PPT/PDF/Web) | CV | KM-7,9 | 20 |
| 10 | Task Management | TK | KM-8 | 14 |
| 11 | Knowledge/Wiki/RAG | KB | KM-6,12 | 16 |
| 12 | Deep Research | DR | KM-11 | 12 |
| 13 | Privacy & Security | PR | KM-5,14 | 14 |
| 14 | Thai-First | TH | KM-15 | 12 |
| 15 | Competitor Comparison | CC | — | 18 |
| 16 | Industry Use Cases | UC | — | 20 |
| 17 | Building in Public | BP | — | 20 |
| 18 | AI Tips & Education | ED | — | 22 |
| 19 | Trend Riding / News | TR | — | 20 |
| 20 | Customer Stories | SP | — | 20 |
| รวม | 360 | |||
360 Hooks — Month 1-3 (Hooks 1-90)
Month 1 (W1-W4): AWARENESS — "ปลุกตลาดให้ตื่น" (30 hooks)
| # | Cat | Hook TH | Hook EN | Platforms |
|---|---|---|---|---|
| 1 | TF | ทุกคนขาย 'เครื่องมือ' ไม่มีใครขาย 'การเปลี่ยนแปลง' | Everyone sells AI tools. Nobody sells AI transformation. | LI,X,FB |
| 2 | TF | True ให้คุณ 'ใช้' AI — แต่ใครทำให้ทีมคุณ 'เก่ง'? | Your AI platform gives access. But who makes your team good? | LI,TT,YS |
| 3 | ED | 70% ของทีมที่ซื้อ AI — ใช้ไม่เป็น (ตัวเลขจริง) | 70% of teams that buy AI tools never use them. | LI,X,TT,RD |
| 4 | PC | ลองให้ AI ให้คะแนน prompt ของคุณ — ส่วนใหญ่ได้ D | I let AI grade my prompts. Most people score a D. | TT,YS,IG |
| 5 | CC | จ่าย ChatGPT ฿7,000 vs Jigsaw ฿6,900 — แต่ค่าต่างกันลิบ | ChatGPT Team vs Jigsaw: Same price, different value | LI,FB,YL |
| 6 | CV | พิมพ์ /presentation — ได้ PPT 12 slides ใน 30 วินาที | Typed /presentation. Got 12 slides in 30 seconds. | TT,YS,IG |
| 7 | CS | AI Culture Score คืออะไร — metric ใหม่ที่ CEO ต้องรู้ | AI Culture Score: The metric no CEO tracks but should | LI,MD,X |
| 8 | TF | บริษัทคุณอยู่ Stage ไหน? ACCESS→LEARN→ADOPT→TRANSFORM | 4 Stages of AI Transformation. Most are stuck at Stage 1. | LI,IG,TT |
| 9 | GM | ใส่ Leaderboard ใน AI platform — adoption พุ่ง 3 เท่า | We added a leaderboard. Adoption tripled. | LI,X,RD |
| 10 | SR | พนักงานไม่ต้องรู้จัก GPT Claude Gemini — ระบบเลือกให้เอง | Your team doesn't need to know which AI. Smart Routing decides. | TT,YS,LI |
| 11 | ED | 5 Prompt ที่ทุกฝ่ายขาย SME ต้องมี (copy ได้เลย) | 5 AI prompts every sales team needs (copy-paste ready) | LI,FB,TT |
| 12 | CR | งานง่ายใช้ AI 1 เครดิต งานยาก 200 — ทำไมจ่ายราคาเดียว? | Why pay the same for simple and complex AI tasks? | LI,X,FB |
| 13 | TH | ChatGPT ไม่มีใบกำกับภาษี PromptPay ไม่รับ — CFO ปวดหัว | Try getting a Thai tax invoice from ChatGPT. You can't. | FB,LI,TT |
| 14 | BP | Day 1: เราหยุดขาย '300 models' — นี่คือเหตุผล | We stopped selling '300+ AI models.' Best decision ever. | LI,X,IH |
| 15 | CV | วาดบนกระดาษ → ถ่ายรูป → ได้เว็บจริง (ไม่ได้โม้) | Drew on napkin, took photo, got working website. No code. | TT,YS,IG |
| 16 | RO | CEO ถาม 'AI คุ้มไหม?' — เปิด dashboard ตอบได้เลย | CEO asked 'Is AI worth it?' Now I just show this dashboard. | LI,FB,TT |
| 17 | UC | ฝ่ายขาย 8 คนทำ proposal เร็วขึ้น 5 เท่า — วิธีการ | 8-person sales team makes proposals 5x faster. | LI,FB,YL |
| 18 | TF | ขายสมาชิกยิม vs ขาย Personal Trainer — AI market ตอนนี้ | Gym membership vs personal trainer. That's the AI market now. | LI,X,TT |
| 19 | PC | Before/After: Prompt ก่อน coaching vs หลัง (ห้ามดูตอนกลางคืน) | Prompt before vs after coaching. The difference is shocking. | TT,YS,IG |
| 20 | KB | พนักงานใหม่ถาม AI 'SOP ส่งของทำยังไง?' — ตอบได้ 3 วิ | New hire asks AI about SOP. Gets answer in 3 seconds. | TT,YS,LI |
| 21 | TR | [ข่าว AI สัปดาห์นี้] — สิ่งที่ SME ไทยต้องรู้ | [This week's AI news] — What it means for your team | LI,X,TT |
| 22 | GM | ได้ Badge AI แรก — adoption พุ่งไม่ต้องบังคับกัน | First AI badge earned. Nobody had to be forced. | LI,RD,IH |
| 23 | CS | วัด AI Culture Score 100 บริษัท — ค่าเฉลี่ย 28/100 เท่านั้น | AI Culture Score across 100 companies. Average: 28. | LI,X,MD |
| 24 | TF | ถ้า AI aggregator ตาย — อะไรจะมาแทน? | AI aggregators are dying. What comes next? | LI,X,MD |
| 25 | ED | Framework RISE: เขียน Prompt ให้ได้เกรด A ทุกครั้ง | The RISE Framework: A-grade prompts every time | LI,TT,YL |
| 26 | DR | วิจัยตลาด 3 วัน — AI ทำ 10 นาที (สาธิตจริง) | Market research: 3 days vs 10 minutes. Live demo. | TT,YS,YL |
| 27 | PR | พนักงานเอาข้อมูลลูกค้าใส่ ChatGPT ส่วนตัว — คุณรู้ไหม? | Your employees put client data in personal ChatGPT. | LI,FB,TT |
| 28 | SP | ลูกค้าบอก 'ยกเลิก ChatGPT Team ทั้งบริษัทแล้ว' — ทำไม? | Customer canceled ChatGPT Team company-wide. Here's why. | LI,X,FB |
| 29 | CR | คำนวณจริง: บริษัท 10 คน ประหยัดเท่าไหร่ย้ายจาก ChatGPT | How much a 10-person team saves switching from ChatGPT | LI,FB,TT |
| 30 | AO | เปิดแอปเดียวได้: Chat + PPT + เว็บ + งาน + Wiki + Dashboard | One app replaced ChatGPT, Canva, Notion, Trello, analytics | TT,YS,IG |
Month 2 (W5-W8): EDUCATION — "สอนให้เข้าใจ" (30 hooks)
Hook 31-60: เน้น How-to, Tutorial, Comparison, Framework RISE, Use Cases เจาะอุตสาหกรรม
ตัวอย่างหัวข้อเด่น: Prompt F vs A (3 สิ่งที่ต่าง) | AI Playbook ฟรี 10 หน้า | Smart Routing demo | HR สร้าง training material ทั้งปี 1 วัน | 10 Slash Commands | Culture Score 20→60 ใน 90 วัน | True vs AIS vs Jigsaw 20 ข้อ | CFO Prompts 5 ข้อ | สร้าง PDF 1 ประโยค | เดือนแรก: ตัวเลขจริง
รายละเอียดครบ 30 hooks อยู่ใน content_360_hooks.md
Month 3 (W9-W12): SOCIAL PROOF — "พิสูจน์ด้วยผลจริง" (30 hooks)
Hook 61-90: Case studies, testimonials, data proof, Product Hunt prep
ตัวอย่างหัวข้อเด่น: Culture Score 23→67 ใน 90 วัน | Prompt Score D+→B+ | 5 อุตสาหกรรม 5 Use Cases | Webinar 3 บริษัทเล่าจริง | Dashboard จริงลูกค้า ROI 4.2x | GraphRAG เชื่อมข้อมูลข้ามเอกสาร | MRR milestone
รายละเอียดครบ 30 hooks อยู่ใน content_360_hooks.md
Month 4 (W13-W16): INTERNATIONAL — "ขยายสู่โลก" (30 hooks)
Hook 91-120: Product Hunt launch, English content, Reddit/HN, global case studies
ตัวอย่างหัวข้อเด่น: "Stop giving your team AI. Start making them good at it." | Product Hunt launch day | "AI aggregators are the new ISPs" | "Why we compete with McKinsey not ChatGPT" | Jigsaw vs Poe vs TypingMind vs OpenRouter
รายละเอียดครบ 30 hooks อยู่ใน content_360_hooks.md
Month 5 (W17-W20): AUTHORITY — "เป็นผู้นำความคิด" (30 hooks)
Hook 121-150: Thailand AI Readiness Index, press mentions, webinars, AI Champion Program
ตัวอย่างหัวข้อเด่น: "SME ไทย 73% อยู่ระดับ Aware" | CEO video testimonial | Prompt quality +47% data | AI Champion Gold คนแรก
รายละเอียดครบ 30 hooks อยู่ใน content_360_hooks.md
Month 6 (W21-W26): FLYWHEEL — "ระบบทำงานเอง" (50 hooks)
Hook 151-200: Year review, vertical playbooks, comprehensive case studies, flywheel content
ตัวอย่างหัวข้อเด่น: AI Readiness Report ฉบับเต็ม | 5 Case Studies collection | 1 ปีของ Jigsaw ตัวเลขจริง | AI Culture Score Certification | Public roadmap v2
รายละเอียดครบ 50 hooks อยู่ใน content_360_hooks.md
Evergreen (Hook 201-360): หมุนเวียนได้ตลอด (160 hooks)
จัดเป็น 8 กลุ่ม: AI Tips (22) | Use Cases (20) | Competitor (18) | Building in Public (20) | Trend Riding (20) | Customer Stories (20) | Smart Routing (6) | Credit System (6) | ROI (3) | All-in-One (5) | Task (2) | Knowledge (2) | Deep Research (2) | Privacy (2) | Thai-First (4) | Culture Score (3) | Gamification (3) | Canvas (2)
รายละเอียดครบ 160 hooks อยู่ใน content_360_hooks.md
Weekly Content Schedule
| วัน | Platform 1 | Platform 2 | Platform 3 | Platform 4 |
|---|---|---|---|---|
| จันทร์ | LI (Text/Carousel) | X (Tweet/Thread) | TT (Video) | FB (Text) |
| อังคาร | TT (Video) | YS (Short) | IG (Reel) | MD/DV (Article) |
| พุธ | LI (Text/Poll) | X (Thread) | FB (Group) | RD/IH (Post) |
| พฤหัส | TT (Video) | YS (Short) | IG (Carousel) | LI (Video) |
| ศุกร์ | LI (Carousel) | X (Thread) | TT (Video) | FB (Text) |
| เสาร์ | YL (Long video) | SS (Newsletter) | — | — |
| อาทิตย์ | LINE (Broadcast) | Schedule next week | — | — |
Output ต่อสัปดาห์: ~30-40 pieces จาก 7 core ideas | AI Automation: เลือก hook ตาม week → สร้าง content ตาม format guide → post ตาม schedule
Part 7 — Financial Projections: 3 Scenarios (9 เดือน)
Assumptions พื้นฐาน
| รายการ | ค่า |
|---|---|
| ลงทุนสะสม (9 เดือน) | ฿900,000 |
| เฉลี่ย/เดือน | ฿100,000 |
| AI API COGS | ~35% ของ revenue |
| Gross Margin | 65% |
| Marketing | 15% ของ MRR (ปรับตาม scenario) |
Scenario 1: BEST CASE — "Product-Market Fit ดีมาก"
AI Assessment viral, email campaign ได้ผลดี, Product Hunt top 3, international traction เร็ว | New customers เริ่ม 15 → +40% MoM | Churn 5% | Viral 0.4 | Trial→Paid 15%
| เดือน | ลูกค้าใหม่ | Active | MRR (฿) | Revenue สะสม (฿) |
|---|---|---|---|---|
| 1 | 15 | 15 | 33K | 38K |
| 3 | 30 | 63 | 139K | 286K |
| 6 | 82 | 230 | 871K | 2.4M |
| 9 | 225 | 678 | 3.6M | 11.5M |
| 12 | 617 | 1,901 | 11.2M | 40.2M |
| คืนทุน ฿900K | เดือน 4-5 | กำไรสุทธิปี 1: ฿19.4M | |||
Scenario 2: NORMAL CASE — "Startup ทั่วไป เติบโตดี"
Email ได้ผลปานกลาง, organic growth ค่อยๆ มา, บาง channel ไม่ work | New customers เริ่ม 8 → +25% MoM | Churn 8% | Viral 0.2 | Trial→Paid 10%
| เดือน | ลูกค้าใหม่ | Active | MRR (฿) | Revenue สะสม (฿) |
|---|---|---|---|---|
| 1 | 8 | 8 | 18K | 20K |
| 3 | 13 | 29 | 64K | 137K |
| 6 | 25 | 80 | 256K | 810K |
| 9 | 49 | 174 | 783K | 2.96M |
| 12 | 95 | 352 | 1.83M | 8.05M |
| คืนทุน ฿900K | เดือน 6-7 | กำไรสุทธิปี 1: ฿3.5M | |||
Scenario 3: WORST CASE — "ยากลำบาก แต่รอดได้"
Email campaign ผลต่ำ, organic growth ช้า, churn สูง, ต้อง pivot messaging หลายครั้ง | New customers เริ่ม 4 → +15% MoM | Churn 12% | Viral 0.05 | Trial→Paid 5%
| เดือน | ลูกค้าใหม่ | Active | MRR (฿) | Revenue สะสม (฿) |
|---|---|---|---|---|
| 1 | 4 | 4 | 6K | 7K |
| 3 | 6 | 14 | 21K | 45K |
| 6 | 9 | 31 | 56K | 193K |
| 9 | 14 | 54 | 135K | 567K |
| 12 | 21 | 86 | 258K | 1.3M |
| คืนทุน ฿900K | เดือน 11 (revenue) | กำไรสุทธิปี 1: ฿428K | |||
Unit Economics เปรียบเทียบ 3 Scenarios
| Metric | Best | Normal | Worst | เกณฑ์อุตสาหกรรม |
|---|---|---|---|---|
| ARPU (เดือน 12) | ฿5,914 | ฿5,200 | ฿3,000 | ฿3,000+ |
| CAC | ฿850 | ฿1,800 | ฿3,500 | < ฿5,000 |
| LTV | ฿118,280 | ฿65,000 | ฿25,000 | > 3x CAC |
| LTV/CAC | 139x | 36x | 7x | > 3x |
| NRR | 103% | 97% | 90% | > 100% = excellent |
| Payback Period | < 1 เดือน | 1-2 เดือน | 3-4 เดือน | < 12 เดือน |
| กำไรปี 1 | ฿19.4M | ฿3.5M | ฿428K | — |
| ROI vs ฿900K | 2,153% | 389% | 48% | — |
Sensitivity Analysis: ลด churn 1% = revenue เพิ่มมากกว่าหาลูกค้าใหม่ 10% — นี่คือเหตุผลที่ Gamification + AI Culture Score + Prompt Coaching สำคัญมาก เพราะทุกอย่างลด churn
Early Warning Signals — ดูเดือน 1-3
| Signal | Best → Scale | Normal → Iterate | Worst → Pivot |
|---|---|---|---|
| New customers/เดือน | > 15 | 8-15 | < 8 |
| Churn | < 5% | 5-10% | > 10% |
| Email open rate | > 30% | 20-30% | < 15% |
| Assessment/เดือน | > 200 | 50-200 | < 50 |
Part 8 — 6 Buyer Personas + PDCA Action Plan
6 Buyer Personas
Persona 1: "คุณวิชัย" — CEO/MD ผู้ตัดสินใจ (42-55 ปี)
ใช้: LinkedIn (อ่านทุกวัน), Facebook (group CEO), LINE, YouTube | ใช้ AI: ลอง ChatGPT เอง บ้างไม่สม่ำเสมอ
Pain: "ซื้อ AI 10 คน ใช้จริง 3" / "ไม่มีตัวเลขพิสูจน์ ROI" / "คู่แข่งเริ่มใช้ AI แล้ว กลัวตกขบวน"
KM ที่โดน: KM-18 (เครื่องมือ vs การเปลี่ยนแปลง), KM-16 (Culture Score), KM-3 (ROI) | Trigger: เห็น CEO คนอื่นใช้ AI สำเร็จ / Board ถามว่า "AI strategy เราเป็นยังไง?"
ซื้อเมื่อ: เห็น Culture Score + ROI Dashboard + Case study CEO คนอื่น + Guarantee 90 วัน
Persona 2: "คุณณภา" — CFO ผู้อนุมัติงบ (38-50 ปี)
ใช้: Facebook (group CFO/บัญชี), LinkedIn (บ้าง), LINE | ใช้ AI: แทบไม่ใช้ — ใช้ Excel เป็นหลัก
Pain: "MD สั่งซื้อ AI ทุกเดือน ไม่มี report ว่าคุ้มไหม" / "ใบกำกับภาษีไม่มี" / "ค่าใช้จ่าย AI กระจายคุมไม่ได้"
KM ที่โดน: KM-4 (Credit System), KM-15 (Thai-first/PromptPay), KM-3 (ROI Dashboard)
อนุมัติเมื่อ: PromptPay + ใบกำกับภาษี + Credit System 4 Tiers + ROI Dashboard PDF + ลดหย่อนภาษี 200%
Persona 3: "คุณต้น" — Manager/Team Lead ผู้ implement (30-42 ปี)
ใช้: LinkedIn, TikTok, Instagram, Facebook, YouTube | ใช้ AI: ใช้ ChatGPT เองทุกวัน — แต่ยังไม่รู้จะสอนทีม
Pain: "ทีม 10 คนใช้ AI จริงแค่ 2" / "สอน prompt ให้ทีมแล้ว อาทิตย์เดียวลืม" / "อยากให้ทีมทำ report, PPT เร็วขึ้น"
KM ที่โดน: KM-2 (Prompt Coaching), KM-10 (Gamification), KM-7 (PPT), KM-1 (All-in-one)
ผลักดันเมื่อ: เห็น demo Prompt Coaching + Slash Commands + "ทีมทำได้เลยไม่ต้องสอน"
Persona 4: "คุณแอน" — HR/Training ผู้ดูแล upskilling (32-45 ปี)
ใช้: Facebook (group HR), LinkedIn, Instagram, LINE | ใช้ AI: บ้าง — สนใจเรื่อง upskilling แต่ไม่รู้จะเริ่มยังไง
Pain: "MD สั่งให้จัด AI training — แต่ไม่รู้จะสอนอะไร" / "จ้าง trainer มาสอน 1 วัน ฿50K อาทิตย์เดียวลืม"
KM ที่โดน: KM-16 (Culture Score = KPI สำหรับ HR), KM-2 (Prompt Coaching = training อัตโนมัติ), KM-10 (Gamification)
Champion เมื่อ: AI Culture Score = KPI วัดผล upskilling + Prompt Grading A-F = วัดทักษะรายคน + AI Champion Program
Persona 5: "คุณเบนซ์" — IT/Digital ผู้ประเมิน technical (28-40 ปี)
ใช้: Twitter/X, Reddit, Dev.to, HN, LinkedIn, GitHub | ใช้ AI: ใช้เป็นมาก — ใช้ทั้ง CLI, API, หลาย model
Pain: "MD สั่งให้หา AI platform — แต่ต้อง secure" / "ต้อง manage หลาย subscriptions" / "OpenRouter ใช้เองตรงถูกกว่า?"
KM ที่โดน: KM-17 (Smart Routing), KM-5 (Privacy/Security), KM-14 (Admin), KM-6 (RAG/GraphRAG)
แนะนำ MD เมื่อ: เห็น RBAC + 2FA + Argon2 + Admin Dashboard + Smart Routing + GraphRAG = "technical depth ที่ respect ได้"
Persona 6: "น้องมิ้น" — End User พนักงานทั่วไป (23-35 ปี)
ใช้: TikTok (ดูทุกวัน), Instagram, Facebook, LINE, YouTube | ใช้ AI: ลอง ChatGPT ฟรีบ้าง — ไม่รู้จะถามอะไร กลัวผิด
Pain: "ไม่รู้จะเริ่มใช้ AI ยังไง" / "กลัวว่าถ้าใช้ AI แล้วทำงานผิดจะถูกตำหนิ" / "งาน routine ซ้ำๆ ทุกวัน"
KM ที่โดน: KM-2 (ไม่เก่ง Prompt ก็ใช้ได้), KM-7 (PPT 5 นาที), KM-10 (Gamification — ได้ XP Badge)
ใช้ทุกวันเมื่อ: Prompt Coaching สอนเอง + Slash Commands ง่ายมาก + Gamification สนุก + Voice Input พูดก็ได้ + Guided Tours ไม่หลง
Persona × Key Message Matrix
| KM | วิชัย CEO | ณภา CFO | ต้น Mgr | แอน HR | เบนซ์ IT | มิ้น User |
|---|---|---|---|---|---|---|
| 18 Transformation | ★★★ | ★ | ★★ | ★★ | ★ | — |
| 16 Culture Score | ★★★ | ★★ | ★★ | ★★★ | ★ | ★ |
| 2 Prompt Coaching | ★★ | — | ★★★ | ★★★ | ★ | ★★★ |
| 10 Gamification | ★★ | — | ★★★ | ★★★ | — | ★★★ |
| 4 Credit System | ★★ | ★★★ | ★ | — | ★★ | — |
| 3 ROI Dashboard | ★★★ | ★★★ | ★★ | ★★ | ★ | — |
| 1 All-in-One | ★ | ★★ | ★★★ | ★ | ★★ | ★★★ |
| 5 Privacy | ★★ | ★ | — | ★ | ★★★ | — |
| 15 Thai-First | ★ | ★★★ | — | — | ★ | ★ |
★★★ = Primary message | ★★ = Secondary | ★ = Supporting | — = ไม่เกี่ยว
Persona × Platform Matrix
| Platform | วิชัย | ณภา | ต้น | แอน | เบนซ์ | มิ้น |
|---|---|---|---|---|---|---|
| ★★★ | ★★ | ★★★ | ★★ | ★★ | ★ | |
| TikTok | ★ | — | ★★ | ★ | — | ★★★ |
| YouTube | ★★ | ★ | ★★ | ★★ | ★★★ | ★★★ |
| ★★ | ★★★ | ★★ | ★★★ | — | ★★ | |
| X/Twitter | ★ | — | ★ | — | ★★★ | — |
| — | — | ★ | ★ | — | ★★★ | |
| LINE | ★★ | ★★ | ★★ | ★★ | ★ | ★★ |
| — | — | — | — | ★★★ | — |
PDCA Action Plan — Priority Items
| P | Action | Owner | Status |
|---|---|---|---|
| P0 | ตอบ 6 คำถาม Critical (Team, Traction, Terms) | Founder | รอข้อมูล |
| P0 | ตัดสินใจ Tagline + Hero KM | Founder | รอตัดสินใจ |
| P1 | สร้าง AI Assessment บนเว็บ (10 คำถาม → คะแนน) | Dev+Design | พร้อมเริ่ม |
| P1 | เปลี่ยน headline เว็บ → Transformation messaging | Copy+Dev | พร้อมเริ่ม |
| P1 | หา 3-5 pilot SME ให้ใช้ฟรี 3 เดือน | Sales/BD | เริ่มทันที |
| P2 | Verify 500K emails + setup domain warming | Email team | พร้อมเริ่ม |
| P2 | สร้าง 5 Landing Pages (ตาม segment) | Dev+Design | พร้อมเริ่ม |
| P2 | เขียน Email Templates (5 segments × 5 emails = 25) | Copy | พร้อมเริ่ม |
| P2 | เริ่ม content production 14 channels | Content | พร้อมเริ่ม |
| P3 | Investor Page rebuild (14 sections) | All roles | รอ P0 |
| P3 | Product Hunt launch prep (เดือน 4) | Growth | เดือน 3 |
| P3 | AI Champion Program design | Product+HR | เดือน 2 |
| P4 | Thailand AI Readiness Index (รอ data) | Strategy | เดือน 5 |
| P4 | Vertical Playbooks (Trading, Service, Manufacturing) | Strategy+Copy | เดือน 4 |
| P4 | White-Label consulting partnership | BD | เดือน 5 |
6-Month KPI Dashboard
| KPI | เดือน 1 | เดือน 2 | เดือน 3 | เดือน 4 | เดือน 5 | เดือน 6 |
|---|---|---|---|---|---|---|
| Emails sent | 10K | 50K | 100K | 150K | 200K | 250K |
| Assessments | 200 | 1K | 3K | 5K | 8K | 12K |
| Trial signups | 20 | 50 | 200 | 400 | 600 | 800 |
| Paid customers | 0 | 5 | 30 | 80 | 150 | 250 |
| MRR (฿) | 0 | 18K | 100K | 250K | 500K | 800K |
| Referral % | 0% | 5% | 10% | 15% | 18% | 20% |
| Content pieces | 120 | 240 | 360 | 480 | 600 | 720 |
Blog Skill QC Compliance Table
| Rule | Check | Result |
|---|---|---|
| R1 Contrast/Color | Inline color = แค่ 4 brand (#e94560, #16c79a, #4fc3f7, #f59e0b) | ✅ PASS |
| R2 Tone | ห้าม "ผม" / "เรา" | ✅ 0 instances |
| R3 HTML Interactive | Diagram/Architecture เป็น HTML (4 Stages Flow) | ✅ PASS |
| R4 Highlights | Pullquote/Highlight ≥ 3 (ใช้ blockquote) | ✅ 6 จุด |
| R7 DOMPurify | ไม่มี script/input/form/button/data-* | ✅ 0 forbidden |
| R10 Animation | ≥ 3 types (fadeInUp, slideRight, pulse, shimmer, nodeIn) | ✅ 5 types |
| R10.1 Staggered | nth-child delay ทุก grid ≥ 3 items | ✅ Stats + Killer + Stage |
| R11 Break Elements | Blog > 20K chars → มี break elements | ✅ 3 จุด |
| R12 Skimmable | 3 ชั้น (Heading → Highlight → Full Read) | ✅ H2/H3 + pullquote + bold |
| R13 Reader-First | Business outcome ก่อน technical | ✅ Target Profile → Positioning → KMs |
| R15 Responsive | ทุก grid ≥ 2 cols มี @media | ✅ SWOT + Killer + Stage + Compare |
| LL-1 Compare Card | 2 columns grid | ✅ ทุก compare card |
| LL-2 Stat Card | center + brand color 2.2rem | ✅ 8 stat cards |
| LL-7 Pullquote | ใช้ blockquote ไม่ใช่ p | ✅ ทุก pullquote |
| LL-12 Table | Striped rows + header เด่น | ✅ ทุกตาราง |
| LL-13 Step Card | border-left สีสลับ + bg tint | ✅ 18 KMs + 6 Personas |
คำถามที่พบบ่อย
ทำไม Jigsaw ต่างจาก ChatGPT Enterprise / True AI?
ChatGPT Enterprise ให้เข้าถึงแค่ 1 provider + ไม่มี Prompt Coaching, Gamification, AI Culture Score, Credit Pool — True/AIS ให้เข้าถึง AI หลายตัว แต่ไม่มีระบบสอนทีม วัดผล หรือกระตุ้น adoption Jigsaw เป็น AI Enablement Platform ที่มีครบทั้ง 4 Stages: ACCESS → LEARN → ADOPT → TRANSFORM
Financial Model ใช้ assumptions อะไร?
Pricing ตาม 7-tier ($6.99-$12.99) | AI API COGS 35% | Gross Margin 65% | Marketing 15% of MRR | ARPU เพิ่มตามเวลาเพราะ upsell จาก Starter → Team | Churn ขึ้นกับ scenario (5-12%) | ลงทุน ฿900K ระยะ 9 เดือน
360 Hooks ใช้อย่างไร?
เลือก hook ตาม week → AI สร้าง content ตาม format guide ของแต่ละ platform → post ตาม weekly schedule ทุก hook มีทั้ง TH + EN + platforms ที่เหมาะ + format ที่ควรใช้ ใช้ AI automation เลือก hook → สร้าง content → schedule post อัตโนมัติได้เลย
Worst Case คืนทุนได้ไหม?
ได้ — Worst Case cumulative revenue ผ่าน ฿900K ที่เดือน 11 | Net profit ปี 1 = ฿428K (ยังไม่คืนทุนจาก profit แต่คืนจาก revenue) | ถ้า worst case จริง ต้องเตรียม buffer ฿100-150K เพิ่ม และ focus แค่ 1-2 channels ที่ดีที่สุด
AI Culture Score คำนวณอย่างไร?
3 มิติ: Adoption (30%) — กี่คนใช้ ใช้บ่อยแค่ไหน | Skills (30%) — Prompt score, tool diversity | Processes (40%) — AI ถูกใช้ในกระบวนการหลักไหม มี policy ไหม | เกณฑ์ขั้นต่ำ: ≥50 prompts + ≥30% ผู้ใช้มี skill profile | คำนวณอัตโนมัติจากข้อมูลใช้งานจริง ไม่ต้องกรอกแบบสอบถาม
แผนธุรกิจ การตลาด และการเงินฉบับสมบูรณ์
เอกสารนี้คือ Single Source of Truth สำหรับทีม — ครบ 8 Parts: Positioning → 18 KMs → SWOT → Marketing 360 → Content 360 → Financial Model → 6 Personas → PDCA
ใช้เป็นคู่มืออ้างอิงสำหรับการวางแผน marketing, rebuild website, pitch ลูกค้า, pitch investor และ track progress ได้จริงตาม PDCA
อัพเดตล่าสุด: 24 มี.ค. 2026 | Companion file: content_360_hooks.md (360 hooks ฉบับเต็ม) | Feature Ref: Feature_Mar_52.md
ชอบบทความนี้ใช่ไหม?
สมัครสมาชิก Idea2Level เพื่อเข้าถึง Content, Template และ Community คุณภาพสูง
สมัครสมาชิกบทความที่เกี่ยวข้อง
OpenClaw x Lark x n8n: ระบบ AI ที่ดูแลทีมทั้งบริษัทแทนผู้บริหาร
สร้างระบบ AI Agent ด้วย OpenClaw + n8n + Lark ที่ดูแลทีมทั้งบริษัท — 8 Bots, 49 Workflows, 12 ฐานข้อมูล รันบน server เครื่องเดียว 4GB RAM ทั้งหมดสร้างด้วย vibe code
Git Worktree — ทีมทำงาน Server เดียว ไม่ชนกัน
หลาย Project บน Server เดียว ทีมหลายคน clone แยก กิน Disk มหาศาล → ใช้ Bare Repo + Worktree แชร์ .git เดียว ประหยัด Disk ~80% + wt helper script ทีมสร้าง worktree ได้ใน 30 วินาที
สร้าง idea2logic.com ด้วย AI — เปิดโครงสร้าง 30+ หน้า 40+ API ทั้งระบบ
สร้าง idea2logic.com ทั้งระบบด้วย AI — 30+ หน้า, 40+ API, 14 database tables ค่า server ไม่ถึง 1,000 บาท/เดือน บทความนี้เปิดโครงสร้างทั้งหมดด้วย Interactive Diagram