Как применять продуктовое мышление к управлению изменениями
Если вы строите процессы, лидите команды или внедряете любые изменения — очень рекомендую послушать этот выпуск с Марией Осиповой, продуктовым директором Авито Доставки. Там не про «успешный успех», а про вполне практичные вещи, которые помогают не развалить команду в процессе трансформаций. Выделил несколько мыслей, которые стоит забрать себе:
1. Самый страшный понедельник команды — когда накануне руководитель сходил на какое-нибудь обучение. Вдохновение может быть опасной штукой, и тут Мария озвучила отрезвляющую мысль: «Не ломается — не чини». Прежде чем бросаться внедрять «гениальную идею», стоит выдохнуть и подумать, а надо ли?
2. Майндсет нельзя насадить приказом. Не получится просто прийти к команде и сказать: «Ребята, с завтрашнего дня думаем по-новому». Даже если вы создадите идеальные процессы и точки контроля, люди не переключаются мгновенно только потому, что «бигбосс захотел».
3. Как ИИ меняет подход к трансформациям в командах. Искусственный интеллект дает тебе наиболее вероятный ответ и наиболее усредненное топовый вариант. В реальности нельзя внедрять перемены, ориентируясь на усредненный вариант. Провал трансформаций чаще всего случается как раз не из-за нехватки технологий, а из-за игнора человеческого фактора. ИИ может собрать лучшие практики и составить правильную коммуникацию, но он не способен учесть индивидуальные страхи, циклы адаптации и личную мотивацию конкретных людей, которым с этими изменениями жить.
Для всех, кто работает в e-commerce, финтехе или крупных продуктах, это очень сильный выпуск о том, как одна из лучших продуктовых команд страны выстраивает внутреннюю экспертизу.
Слушать здесь.
Если вы строите процессы, лидите команды или внедряете любые изменения — очень рекомендую послушать этот выпуск с Марией Осиповой, продуктовым директором Авито Доставки. Там не про «успешный успех», а про вполне практичные вещи, которые помогают не развалить команду в процессе трансформаций. Выделил несколько мыслей, которые стоит забрать себе:
1. Самый страшный понедельник команды — когда накануне руководитель сходил на какое-нибудь обучение. Вдохновение может быть опасной штукой, и тут Мария озвучила отрезвляющую мысль: «Не ломается — не чини». Прежде чем бросаться внедрять «гениальную идею», стоит выдохнуть и подумать, а надо ли?
2. Майндсет нельзя насадить приказом. Не получится просто прийти к команде и сказать: «Ребята, с завтрашнего дня думаем по-новому». Даже если вы создадите идеальные процессы и точки контроля, люди не переключаются мгновенно только потому, что «бигбосс захотел».
3. Как ИИ меняет подход к трансформациям в командах. Искусственный интеллект дает тебе наиболее вероятный ответ и наиболее усредненное топовый вариант. В реальности нельзя внедрять перемены, ориентируясь на усредненный вариант. Провал трансформаций чаще всего случается как раз не из-за нехватки технологий, а из-за игнора человеческого фактора. ИИ может собрать лучшие практики и составить правильную коммуникацию, но он не способен учесть индивидуальные страхи, циклы адаптации и личную мотивацию конкретных людей, которым с этими изменениями жить.
Для всех, кто работает в e-commerce, финтехе или крупных продуктах, это очень сильный выпуск о том, как одна из лучших продуктовых команд страны выстраивает внутреннюю экспертизу.
Слушать здесь.
👍4❤1🔥1
Возможности для роста в профессии
Наша редакция регулярно ищет возможности для роста. Вот на что стоит обратить внимание:
1. ИИ-революция в продуктовке идет полным ходом. Если хотите не просто играться с ИИ, а реально внедрять его в бизнес — стоит заглянуть на конференцию от Kaiten. Три дня — от стратегии до реальных кейсов и внедрения без саботажа, с сильным составом практиков. Сам тоже планирую подключаться, посмотреть, что действительно работает в 2026, а не в презентациях. Подробности и регистрация по ссылке. Такое неприлично пропускать.
2. На мной любимом ЛитРес вышла книга Не усложняй от Димы и Леры Ильенковых, ранее про нее и почему надо прочитать, писал тут https://xn--r1a.website/FreshProductGo/1733. Подарок от меня по реферальной ссылке.
3. Мы тоже собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге. Торопитесь, тут ресурс и возможности ограничены, можно писать сразу @SKoloskov с запросом. Также будем рады издателям и предложениям по релизу книги.
4. Также напоминаем, возможности от редакции канала по ссылке.
Наша редакция регулярно ищет возможности для роста. Вот на что стоит обратить внимание:
1. ИИ-революция в продуктовке идет полным ходом. Если хотите не просто играться с ИИ, а реально внедрять его в бизнес — стоит заглянуть на конференцию от Kaiten. Три дня — от стратегии до реальных кейсов и внедрения без саботажа, с сильным составом практиков. Сам тоже планирую подключаться, посмотреть, что действительно работает в 2026, а не в презентациях. Подробности и регистрация по ссылке. Такое неприлично пропускать.
2. На мной любимом ЛитРес вышла книга Не усложняй от Димы и Леры Ильенковых, ранее про нее и почему надо прочитать, писал тут https://xn--r1a.website/FreshProductGo/1733. Подарок от меня по реферальной ссылке.
3. Мы тоже собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге. Торопитесь, тут ресурс и возможности ограничены, можно писать сразу @SKoloskov с запросом. Также будем рады издателям и предложениям по релизу книги.
4. Также напоминаем, возможности от редакции канала по ссылке.
❤5🔥3👍2
Когда есть ощущение, что что-то с продуктом не так, но непонятно что именно
Собрал простой чек-лист продуктовой культуры. Пройдитесь честно — займет 5 минут, но сильно отрезвляет.
— Есть ли у вас 1 ключевая метрика продукта (не 10, а одна)?
— Команда формулирует цели через результат (например, +15% к retention), а не сделать 20 фич?
— Вы регулярно общаетесь с пользователями (хотя бы 3–5 интервью в неделю)?
— Есть единое место, где хранятся инсайты, а не у каждого в заметках?
— Все инициативы проходят через гипотезы (что изменим - какую метрику двинем - почему)?
— Вы проводите эксперименты, а не просто релизите?
— Есть доступные дашборды, куда реально смотрит команда?
— Продукт, дизайн, разработка и аналитика работают вместе, а не «перекидывают задачи»?
— Команда может сказать «нет» фиче без ценности?
— Руководство поддерживает эксперименты, даже если они неудачные?
Как читать результат:
0–3 да — у вас не продукт, а поток задач
4–7 да — что-то есть, но системности нет
8–10 да — уже продуктовая культура, можно масштабировать
Если интересно — могу бесплатно посмотреть на вашу ситуацию и дать конкретные рекомендации:
— где вы реально находитесь
— что тормозит рост
— какие 2–3 шага дадут максимальный эффект
Пишите в личку или сюда в комментарии разбор — посмотрим на ваш кейс @SKoloskov.
Как писал вчера, собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге.
Собрал простой чек-лист продуктовой культуры. Пройдитесь честно — займет 5 минут, но сильно отрезвляет.
— Есть ли у вас 1 ключевая метрика продукта (не 10, а одна)?
— Команда формулирует цели через результат (например, +15% к retention), а не сделать 20 фич?
— Вы регулярно общаетесь с пользователями (хотя бы 3–5 интервью в неделю)?
— Есть единое место, где хранятся инсайты, а не у каждого в заметках?
— Все инициативы проходят через гипотезы (что изменим - какую метрику двинем - почему)?
— Вы проводите эксперименты, а не просто релизите?
— Есть доступные дашборды, куда реально смотрит команда?
— Продукт, дизайн, разработка и аналитика работают вместе, а не «перекидывают задачи»?
— Команда может сказать «нет» фиче без ценности?
— Руководство поддерживает эксперименты, даже если они неудачные?
Как читать результат:
0–3 да — у вас не продукт, а поток задач
4–7 да — что-то есть, но системности нет
8–10 да — уже продуктовая культура, можно масштабировать
Если интересно — могу бесплатно посмотреть на вашу ситуацию и дать конкретные рекомендации:
— где вы реально находитесь
— что тормозит рост
— какие 2–3 шага дадут максимальный эффект
Пишите в личку или сюда в комментарии разбор — посмотрим на ваш кейс @SKoloskov.
Как писал вчера, собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге.
❤7👍3🔥2
Как мне помогает в работе Mind Tracker Neuroenhancment Program?
Сначала контекст. Программа состоит из 3 элементов: нейроинтерфейса, который считывает ЭЭГ, нейрофидбек тренингов и аналитики в реальном времени
Как это выглядит в жизни:устройство в реальном времени выдаёт: когнитивную нагрузку, фокус, вовлечённость, стресс, расслабление. Сегодня у меня за день: пик вовлечённости 100% на одной из задач, падение фокуса до 55% к середине дня, стресс 23% во время конкретного промежутка — я знаю, что происходило в этот момент. Данные не абстрактные, они про конкретные минуты конкретного дня. Теперь кейсы.
1. Когда реально планировать сложные задачи? Стандартный совет — "делай важное утром". Но у всех разные паттерны. Приложение показывает твой личный график когнитивного пика с точностью до получаса. У меня самая высокая вовлечённость и фокус — в районе 10:30–11:30. После 12:30 начинается устойчивый спад. Теперь я жёстко защищаю это окно: никаких синков, никаких созвонов по статусу.
2. Качество решений в зависимости от состояния. Продакты принимают десятки решений в день — и почти никогда не фиксируют, в каком состоянии они их принимали. А зря. Я начал замечать паттерн: решения, принятые при фокусе ниже 50%, через день кажутся мне сырыми. Я их переделываю. Это потери. Теперь если вижу низкие показатели — откладываю приоритизацию, не иду на стратегический разговор, не пишу PRD. Делаю операционку или вообще отдыхаю 15 минут. Звучит очевидно. Но без данных это просто слова.
3. Стресс на встречах. Один из самых интересных сценариев — надеть девайс на сложный разговор: с командой разработки, со стейкхолдером, на защиту роадмапа. После встречи видно: в какой момент пошёл стресс, насколько глубоко, как быстро вернулся в норму. Это материал для ретроспективы на себя. Не "встреча прошла нормально" — а конкретная кривая состояния с таймкодами. У меня однажды стресс 23% зафиксировался, я точно помню что происходило. Теперь знаю, что именно этот тип коммуникации меня триггерит — и могу с этим работать.
4. Оценка форматов работы. Дип-ворк или встречи? Асинхрон или синхрон? Обычно это вопрос предпочтений и культуры команды. Но можно сделать это вопросом данных. Программа показывает, какие форматы работы дают реальную вовлечённость, а какие — имитацию занятости при низком фокусе. Моя длинная сессия 1ч 8м дала пик вовлечённости 79–100% в конце. Короткие разрозненные сессии — в среднем 21% вовлечённости за день. Разница говорит сама за себя.
5. Онбординг и UX-исследования. Это уже не про себя, а про пользователей. Нейроинтерфейсы в UX-исследованиях — отдельная история. Можно видеть не "что пользователь говорит о продукте", а что происходит с его вниманием и стрессом в момент взаимодействия с интерфейсом. Где реально теряется фокус, где возникает когнитивная перегрузка — не по словам, а по сигналу мозга. Крупные компании это уже используют. Порог входа снижается. Например, Neiry уже использует это в партнёрстве с Кинопоиском и таким образом делает российские сериалы интересными
Кстати, по моему промокоду PRODUCT30 вас ждёт приятная скидка 30% на один из самых неожиданных и функциональных подарков для своего состояния, которые я видел.
Подарите себе не ещё один гаджет, а инструмент для борьбы с выгоранием и пересборки фокуса.
Ссылка: https://clc.to/KKxa_A
Сначала контекст. Программа состоит из 3 элементов: нейроинтерфейса, который считывает ЭЭГ, нейрофидбек тренингов и аналитики в реальном времени
Как это выглядит в жизни:устройство в реальном времени выдаёт: когнитивную нагрузку, фокус, вовлечённость, стресс, расслабление. Сегодня у меня за день: пик вовлечённости 100% на одной из задач, падение фокуса до 55% к середине дня, стресс 23% во время конкретного промежутка — я знаю, что происходило в этот момент. Данные не абстрактные, они про конкретные минуты конкретного дня. Теперь кейсы.
1. Когда реально планировать сложные задачи? Стандартный совет — "делай важное утром". Но у всех разные паттерны. Приложение показывает твой личный график когнитивного пика с точностью до получаса. У меня самая высокая вовлечённость и фокус — в районе 10:30–11:30. После 12:30 начинается устойчивый спад. Теперь я жёстко защищаю это окно: никаких синков, никаких созвонов по статусу.
2. Качество решений в зависимости от состояния. Продакты принимают десятки решений в день — и почти никогда не фиксируют, в каком состоянии они их принимали. А зря. Я начал замечать паттерн: решения, принятые при фокусе ниже 50%, через день кажутся мне сырыми. Я их переделываю. Это потери. Теперь если вижу низкие показатели — откладываю приоритизацию, не иду на стратегический разговор, не пишу PRD. Делаю операционку или вообще отдыхаю 15 минут. Звучит очевидно. Но без данных это просто слова.
3. Стресс на встречах. Один из самых интересных сценариев — надеть девайс на сложный разговор: с командой разработки, со стейкхолдером, на защиту роадмапа. После встречи видно: в какой момент пошёл стресс, насколько глубоко, как быстро вернулся в норму. Это материал для ретроспективы на себя. Не "встреча прошла нормально" — а конкретная кривая состояния с таймкодами. У меня однажды стресс 23% зафиксировался, я точно помню что происходило. Теперь знаю, что именно этот тип коммуникации меня триггерит — и могу с этим работать.
4. Оценка форматов работы. Дип-ворк или встречи? Асинхрон или синхрон? Обычно это вопрос предпочтений и культуры команды. Но можно сделать это вопросом данных. Программа показывает, какие форматы работы дают реальную вовлечённость, а какие — имитацию занятости при низком фокусе. Моя длинная сессия 1ч 8м дала пик вовлечённости 79–100% в конце. Короткие разрозненные сессии — в среднем 21% вовлечённости за день. Разница говорит сама за себя.
5. Онбординг и UX-исследования. Это уже не про себя, а про пользователей. Нейроинтерфейсы в UX-исследованиях — отдельная история. Можно видеть не "что пользователь говорит о продукте", а что происходит с его вниманием и стрессом в момент взаимодействия с интерфейсом. Где реально теряется фокус, где возникает когнитивная перегрузка — не по словам, а по сигналу мозга. Крупные компании это уже используют. Порог входа снижается. Например, Neiry уже использует это в партнёрстве с Кинопоиском и таким образом делает российские сериалы интересными
Кстати, по моему промокоду PRODUCT30 вас ждёт приятная скидка 30% на один из самых неожиданных и функциональных подарков для своего состояния, которые я видел.
Подарите себе не ещё один гаджет, а инструмент для борьбы с выгоранием и пересборки фокуса.
Ссылка: https://clc.to/KKxa_A
👍2🔥2
Когда аналитика действительно даёт продакту право принимать решение
Если свыше 8 пунктов - точно инсайт. Если меньше 5, то скорее гипотеза.
1. Есть стабильный паттерн, а не разовый всплеск. Если ты видишь повторяемость (по когортам / неделям / сегментам), а не единичный пик - можно действовать. Пример: churn растёт 3 недели подряд у новых пользователей: системная проблема онбординга, а не шум.
2. Есть причинно-следственная связь, а не просто корреляция. Ты понимаешь почему метрика изменилась.
Не “упал retention”, а “упал retention, потому что users не доходят до value moment (шаг 3)”.
3. Есть декомпозиция метрики до управляемых факторов. Метрика разбита на части, на которые можно влиять.
Пример: CR = трафик × активация × конверсия в оплату, если падает CR, ты знаешь, где именно.
4. Есть сегментация, а не средняя температура. Решения принимаются по сегментам, а не по общему графику.
Пример: общий retention норм, но у Android ниже 10 версии провал.
5. Есть подтверждение из нескольких источников. Если только цифры - риск ложной интерпретации.
Цифры сходятся с:
• интервью
• саппортом
• поведенкой
6. Есть baseline и понятно что такое хорошо. Ты знаешь, с чем сравниваешь:
• прошлые периоды
• рынок
• бенчмарки
7. Есть достаточный объём данных. Решение не принимается на 20 пользователях. Минимум — есть уверенность, что результат не случайный.
8. Есть лаги и отложенные эффекты учтены. Ты понимаешь, что:
• LTV не меняется за день
• retention может проявиться через 2–3 недели
9. Есть контрольная группа или возможность сравнения. A/B, квази-эксперимент или хотя бы before/after с поправками.
10. Есть понятный expected impact. Ты можешь сказать:“если гипотеза верна, +3% к активации, +X к выручке”
11. Решение обратимо или риск ограничен. Даже если данные не идеальны, но:
• можно откатить
• риск контролируем
12. Есть связь с бизнес-метриками, а не vanity. Ты не оптимизируешь:
• клики
• просмотры
если это не ведёт к:
• выручке
• retention
• LTV
13. Есть понимание стоимости ошибки. Иногда данные достаточно хорошие, потому что ошибка дешёвая.
Иногда, наоборот, нужен почти идеальный сигнал.
14. Есть повторяемость гипотезы, результат можно воспроизвести:
• на другой когорте
• в другой стране
• в другой неделе
15. Есть чёткое решение, а не просто интересное наблюдение. Аналитика заканчивается action’ом:
• что делаем
• что не делаем
• что тестируем
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
Если свыше 8 пунктов - точно инсайт. Если меньше 5, то скорее гипотеза.
1. Есть стабильный паттерн, а не разовый всплеск. Если ты видишь повторяемость (по когортам / неделям / сегментам), а не единичный пик - можно действовать. Пример: churn растёт 3 недели подряд у новых пользователей: системная проблема онбординга, а не шум.
2. Есть причинно-следственная связь, а не просто корреляция. Ты понимаешь почему метрика изменилась.
Не “упал retention”, а “упал retention, потому что users не доходят до value moment (шаг 3)”.
3. Есть декомпозиция метрики до управляемых факторов. Метрика разбита на части, на которые можно влиять.
Пример: CR = трафик × активация × конверсия в оплату, если падает CR, ты знаешь, где именно.
4. Есть сегментация, а не средняя температура. Решения принимаются по сегментам, а не по общему графику.
Пример: общий retention норм, но у Android ниже 10 версии провал.
5. Есть подтверждение из нескольких источников. Если только цифры - риск ложной интерпретации.
Цифры сходятся с:
• интервью
• саппортом
• поведенкой
6. Есть baseline и понятно что такое хорошо. Ты знаешь, с чем сравниваешь:
• прошлые периоды
• рынок
• бенчмарки
7. Есть достаточный объём данных. Решение не принимается на 20 пользователях. Минимум — есть уверенность, что результат не случайный.
8. Есть лаги и отложенные эффекты учтены. Ты понимаешь, что:
• LTV не меняется за день
• retention может проявиться через 2–3 недели
9. Есть контрольная группа или возможность сравнения. A/B, квази-эксперимент или хотя бы before/after с поправками.
10. Есть понятный expected impact. Ты можешь сказать:“если гипотеза верна, +3% к активации, +X к выручке”
11. Решение обратимо или риск ограничен. Даже если данные не идеальны, но:
• можно откатить
• риск контролируем
12. Есть связь с бизнес-метриками, а не vanity. Ты не оптимизируешь:
• клики
• просмотры
если это не ведёт к:
• выручке
• retention
• LTV
13. Есть понимание стоимости ошибки. Иногда данные достаточно хорошие, потому что ошибка дешёвая.
Иногда, наоборот, нужен почти идеальный сигнал.
14. Есть повторяемость гипотезы, результат можно воспроизвести:
• на другой когорте
• в другой стране
• в другой неделе
15. Есть чёткое решение, а не просто интересное наблюдение. Аналитика заканчивается action’ом:
• что делаем
• что не делаем
• что тестируем
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
1👍7🔥2❤1
Фреймворки для диагностики проблем в delivery-части
Формируем программу для разборов на уже “послемайских” - https://xn--r1a.website/productcasebar/240
Если у команды что-то не так, но непонятно что именно — полезно сначала не чинить, а диагностировать систему. Ниже — набор практичных фреймворков и чеклист, которые помогают быстро разложить команду по слоям.
1) Модель диагностики команды (3 слоя). Смотри команду не как людей, а как систему:
1. Люди
• навыки
• мотивация
• роли
• перегруз / недогруз
2. Команда
• коммуникации
• конфликты
• доверие
• распределение ответственности
3. Система / окружение
• процессы
• цели и приоритеты
• структура управления
• внешние зависимости
2) GRPI (очень быстрый аудит команды). Проверка 4 уровней:
• G (Goals) — понимают ли все одну цель?
• R (Roles) — понятно ли, кто за что отвечает?
• P (Processes) — есть ли рабочие правила взаимодействия?
• I (Interpersonal) — есть ли доверие и нормальная коммуникация?
3) Tuckman. Определи, где вы сейчас:
• Forming — знакомство, нет ясности
• Storming — конфликты, борьба за роли
• Norming — появляются правила
• Performing — стабильная продуктивность
• Ошибка менеджмента: требовать performance, когда команда в storming.
4) McKinsey 7S. Проверка баланса:
• Strategy — есть ли стратегия
• Structure — структура команды
• Systems — процессы
• Shared Values — общие ценности
• Skills — навыки
• Staff — люди
• Style — стиль управления
Если 2–3 элемента не синхронизированы — команда сыпется.
5) Belbin
Проверь баланс ролей:
• генераторы идей
• аналитики
• исполнители
• коммуникаторы
• координаторы
• Проблема часто не в людях, а в перекосе ролей (например, 5 идеологов и 0 исполнителей).
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
Формируем программу для разборов на уже “послемайских” - https://xn--r1a.website/productcasebar/240
Если у команды что-то не так, но непонятно что именно — полезно сначала не чинить, а диагностировать систему. Ниже — набор практичных фреймворков и чеклист, которые помогают быстро разложить команду по слоям.
1) Модель диагностики команды (3 слоя). Смотри команду не как людей, а как систему:
1. Люди
• навыки
• мотивация
• роли
• перегруз / недогруз
2. Команда
• коммуникации
• конфликты
• доверие
• распределение ответственности
3. Система / окружение
• процессы
• цели и приоритеты
• структура управления
• внешние зависимости
2) GRPI (очень быстрый аудит команды). Проверка 4 уровней:
• G (Goals) — понимают ли все одну цель?
• R (Roles) — понятно ли, кто за что отвечает?
• P (Processes) — есть ли рабочие правила взаимодействия?
• I (Interpersonal) — есть ли доверие и нормальная коммуникация?
3) Tuckman. Определи, где вы сейчас:
• Forming — знакомство, нет ясности
• Storming — конфликты, борьба за роли
• Norming — появляются правила
• Performing — стабильная продуктивность
• Ошибка менеджмента: требовать performance, когда команда в storming.
4) McKinsey 7S. Проверка баланса:
• Strategy — есть ли стратегия
• Structure — структура команды
• Systems — процессы
• Shared Values — общие ценности
• Skills — навыки
• Staff — люди
• Style — стиль управления
Если 2–3 элемента не синхронизированы — команда сыпется.
5) Belbin
Проверь баланс ролей:
• генераторы идей
• аналитики
• исполнители
• коммуникаторы
• координаторы
• Проблема часто не в людях, а в перекосе ролей (например, 5 идеологов и 0 исполнителей).
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
Telegram
Product case bar
Сейчас формируем программу на май и июнь
Есть ли запросы на кейс? Может, что-то определенное хотите разобрать? Уже прошло 76 разборов и 190 кейсов.
Можно рассмотреть кейсы с работы, тестовые собеседования и др.
Пишите в комментариях или @SergeKoloskov…
Есть ли запросы на кейс? Может, что-то определенное хотите разобрать? Уже прошло 76 разборов и 190 кейсов.
Можно рассмотреть кейсы с работы, тестовые собеседования и др.
Пишите в комментариях или @SergeKoloskov…
1👍6❤2🔥1
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
❤4
Стеки для быстрого вайбкодинга полноценных приложений
Все возможности от редакции канала по ссылке.
1. AI-first стек (Lovable / Bolt + Supabase + Vercel)
• Lovable / Bolt.new (генерация full-stack приложения)
• Supabase (база данных, auth, storage)
• Vercel (деплой)
Что это дает
• минимальный код руками
• быстрый запуск MVP
• фокус на продукте, а не архитектуре
Примеры проектов / продуктов
• early-stage SaaS лендинги и MVP, собранные через Lovable (включая internal tools и CRM для небольших команд)
• SaaS-генераторы лендингов и AI tools (много проектов типа “AI writing tool”, “AI resume builder”)
• внутренние админки стартапов (CRM, dashboards, аналитика), собранные на Supabase + AI builder
2. Next.js + Supabase + Vercel (де-факто стандарт SaaS)
Стек
• Next.js (frontend + backend API)
• Supabase (DB + auth)
• Tailwind CSS
• Vercel (deploy)
Что это дает
• один язык (TypeScript)
• нормальная масштабируемость
• быстрый production
Примеры реальных продуктов
• Supabase Dashboard (частично экосистема сама на этом стеке)
• Dub.co (open-source short link SaaS)
• Cal.com (частично Next.js стек + API-first подход)
• Indie SaaS: CRM, аналитика, AI-инструменты (очень много проектов в YC и indie space)
3. T3 Stack (Next.js + tRPC + Prisma + Clerk)
Стек
• Next.js
• tRPC (типизированный backend)
• Prisma / Drizzle (ORM)
• Clerk / NextAuth (auth)
• Tailwind
Что это дает
• почти нулевая ошибка на стыке frontend/backend
• строгая типизация end-to-end
• удобен для сложных SaaS
Примеры проектов
• Course platforms и образовательные платформы (типа dashboard + billing + content)
• SaaS для разработчиков (API tools, dev dashboards)
• большое количество YC startups используют T3-подобную архитектуру
4. AI-native платформы (Replit / Base44 / OutSystems)
Стек
• Replit Agent / Base44 / OutSystems
• встроенные DB, auth, deploy
• минимум внешней инфраструктуры
Что это дает
• можно сделать приложение вообще без DevOps
• генерация продукта через промпт
• быстрые прототипы сложной логики
Примеры
• внутренние инструменты для компаний (HR системы, CRM, трекинг задач)
• образовательные приложения, собранные non-dev командами
• прототипы стартапов, которые потом переписываются в Next.js стек
5. Mobile-first стек (Expo / Flutter + Firebase / Supabase)
Стек:
• Expo (React Native) или Flutter
• Firebase или Supabase
• Cursor / AI IDE
Что это дает
• быстрый выход в mobile
• realtime функции
• push-уведомления из коробки
Примеры приложений:
• Discord (частично React Native в мобильных частях)
• Shopify mobile apps (часть экосистемы)
• множество D2C приложений (fitness, finance trackers, habit apps)
• AI chat apps и journaling apps в App Store
Всем роста и быстрых проверок гипотез!
Все возможности от редакции канала по ссылке.
1. AI-first стек (Lovable / Bolt + Supabase + Vercel)
• Lovable / Bolt.new (генерация full-stack приложения)
• Supabase (база данных, auth, storage)
• Vercel (деплой)
Что это дает
• минимальный код руками
• быстрый запуск MVP
• фокус на продукте, а не архитектуре
Примеры проектов / продуктов
• early-stage SaaS лендинги и MVP, собранные через Lovable (включая internal tools и CRM для небольших команд)
• SaaS-генераторы лендингов и AI tools (много проектов типа “AI writing tool”, “AI resume builder”)
• внутренние админки стартапов (CRM, dashboards, аналитика), собранные на Supabase + AI builder
2. Next.js + Supabase + Vercel (де-факто стандарт SaaS)
Стек
• Next.js (frontend + backend API)
• Supabase (DB + auth)
• Tailwind CSS
• Vercel (deploy)
Что это дает
• один язык (TypeScript)
• нормальная масштабируемость
• быстрый production
Примеры реальных продуктов
• Supabase Dashboard (частично экосистема сама на этом стеке)
• Dub.co (open-source short link SaaS)
• Cal.com (частично Next.js стек + API-first подход)
• Indie SaaS: CRM, аналитика, AI-инструменты (очень много проектов в YC и indie space)
3. T3 Stack (Next.js + tRPC + Prisma + Clerk)
Стек
• Next.js
• tRPC (типизированный backend)
• Prisma / Drizzle (ORM)
• Clerk / NextAuth (auth)
• Tailwind
Что это дает
• почти нулевая ошибка на стыке frontend/backend
• строгая типизация end-to-end
• удобен для сложных SaaS
Примеры проектов
• Course platforms и образовательные платформы (типа dashboard + billing + content)
• SaaS для разработчиков (API tools, dev dashboards)
• большое количество YC startups используют T3-подобную архитектуру
4. AI-native платформы (Replit / Base44 / OutSystems)
Стек
• Replit Agent / Base44 / OutSystems
• встроенные DB, auth, deploy
• минимум внешней инфраструктуры
Что это дает
• можно сделать приложение вообще без DevOps
• генерация продукта через промпт
• быстрые прототипы сложной логики
Примеры
• внутренние инструменты для компаний (HR системы, CRM, трекинг задач)
• образовательные приложения, собранные non-dev командами
• прототипы стартапов, которые потом переписываются в Next.js стек
5. Mobile-first стек (Expo / Flutter + Firebase / Supabase)
Стек:
• Expo (React Native) или Flutter
• Firebase или Supabase
• Cursor / AI IDE
Что это дает
• быстрый выход в mobile
• realtime функции
• push-уведомления из коробки
Примеры приложений:
• Discord (частично React Native в мобильных частях)
• Shopify mobile apps (часть экосистемы)
• множество D2C приложений (fitness, finance trackers, habit apps)
• AI chat apps и journaling apps в App Store
Всем роста и быстрых проверок гипотез!
koloskoveducation.tilda.ws
Курсы, статьи и продуктовый консалтинг от Сергея Колоскова
На этом сайте вы найдёте информацию о карьере в области управления продуктами. Здесь собраны курсы, кейсы роста, статьи и другие материалы, которые помогут вам понять основные принципы работы продуктового менеджера и успешно применять их на практике. Также…
1❤3👍3🔥3
О чём говорят продакты 👀
Как вы считаете, работа продакта — это бесконечные митинги и диаграммы Ганта? На самом деле нет: всё ещё хуже. Продакты, как родители, делают всё, чтобы продвинуть свой продукт: и с соседним отделом поговори, и на конференцию съезди, и с пользователем пообщайся. Работа интересная, но об этом никто не знает, потому что рассказать некогда.
А нам, продактам из Авито, есть когда, поэтому мы создали телеграм-канал «Чтобы что». Будем рассказывать о буднях и внутрянке, а также шутить, постить мемы и иногда душнить (ну мы продакты или кто?)
Например, в канале вышел пост о том, как мы отредактировали процесс собеседований для продактов. Было 8 секций и 70+ дней, а стало 5 секций и… Читайте в посте.
Подписывайтесь, будет интересно!
Как вы считаете, работа продакта — это бесконечные митинги и диаграммы Ганта? На самом деле нет: всё ещё хуже. Продакты, как родители, делают всё, чтобы продвинуть свой продукт: и с соседним отделом поговори, и на конференцию съезди, и с пользователем пообщайся. Работа интересная, но об этом никто не знает, потому что рассказать некогда.
А нам, продактам из Авито, есть когда, поэтому мы создали телеграм-канал «Чтобы что». Будем рассказывать о буднях и внутрянке, а также шутить, постить мемы и иногда душнить (ну мы продакты или кто?)
Например, в канале вышел пост о том, как мы отредактировали процесс собеседований для продактов. Было 8 секций и 70+ дней, а стало 5 секций и… Читайте в посте.
Подписывайтесь, будет интересно!
1👍4
Как сделать сегментацию через ИИ
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.
Большинство делают сегментацию неправильно: делят пользователей “по полу и возрасту” и не понимают, что с этим делать дальше. Рабочий подход через ИИ выглядит так:
1. Начни с цели. Не “сегментировать ради сегментации”, а:
— увеличить конверсию
— повысить retention
— найти точки роста
2. Собери нормальные данные. Минимум:
— действия в продукте
— частота использования
— платежи
— источник трафика
3. Сделай признаки (это 70% успеха)
ИИ не думает, он считает.
Примеры:
— дней с последнего входа
— количество действий
— средний чек
— сколько фич использует
4. Запусти простую модель. Самый быстрый вариант — K-means clustering. Он сам разобьет пользователей на группы по похожести.
5. Переведи “кластеры” в смысл. Модель даст:
Cluster 1, Cluster 2…
Ты должен превратить это в:
— “новички с высоким интересом”
— “активные, но не платят”
— “спящие пользователи”
6. Самое главное — внедрение. Иначе это просто красивая аналитика
Что делать дальше:
— разные onboarding
— разные офферы
— разные пуши
— персонализация
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.
Большинство делают сегментацию неправильно: делят пользователей “по полу и возрасту” и не понимают, что с этим делать дальше. Рабочий подход через ИИ выглядит так:
1. Начни с цели. Не “сегментировать ради сегментации”, а:
— увеличить конверсию
— повысить retention
— найти точки роста
2. Собери нормальные данные. Минимум:
— действия в продукте
— частота использования
— платежи
— источник трафика
3. Сделай признаки (это 70% успеха)
ИИ не думает, он считает.
Примеры:
— дней с последнего входа
— количество действий
— средний чек
— сколько фич использует
4. Запусти простую модель. Самый быстрый вариант — K-means clustering. Он сам разобьет пользователей на группы по похожести.
5. Переведи “кластеры” в смысл. Модель даст:
Cluster 1, Cluster 2…
Ты должен превратить это в:
— “новички с высоким интересом”
— “активные, но не платят”
— “спящие пользователи”
6. Самое главное — внедрение. Иначе это просто красивая аналитика
Что делать дальше:
— разные onboarding
— разные офферы
— разные пуши
— персонализация
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
❤3🔥2👍1
Геймдев — индустрия, у которой продакты из других сфер до сих пор недостаточно воруют механики проверки гипотез
Все возможности от редакции канала по ссылке.
Причем многие механики появились там сильно раньше, чем в SaaS, финтехе или e-commerce. Что стоит брать на вооружение:
1. Vertical Slice вместо «давайте сначала построим платформу». В играх почти никогда не делают «сразу весь продукт».
Сначала собирают Vertical Slice — маленький, но полностью рабочий кусок опыта:
— с настоящим UX,
— настоящей механикой,
— настоящим ощущением прогресса.
Правильный вопрос: может ли пользователь почувствовать главный value loop за 3–5 минут? Если нет — вы строите систему раньше, чем проверили желание ей пользоваться.
2. Retention — главная проверка ценности. В геймдеве никто не считает продукт успешным из-за красивого DAU.
Сначала смотрят:
— D1 retention,
— D7 retention,
— return rate,
— session frequency.
Очень много продуктов ошибочно смотрят:
— регистрации,
— MAU,
— CAC,
— количество фич,
— GMV.
Хотя главный вопрос:
«человек захотел вернуться без принуждения?»
3. Core Loop — основа любого продукта. В играх продукт начинается не с экрана. А с loop’а.
Пример:
действие → награда → ощущение прогресса → новое действие.
Где эмоциональная награда?
Где прогресс?
Где причина вернуться раньше следующей коммуналки?
Поэтому многие продукты ощущаются как «утилита», а не среда постоянного использования.
4. В геймдеве поведение важнее слов. Игрок может говорить: «мне скучно».
Но реальные вопросы:
— на какой минуте он вышел?
— где умер?
— после какого экрана quit?
— сколько секунд стоял без действия?
— куда смотрел курсор?
— где пропустил туториал?
То есть продукт диагностируется на микроуровне поведения. Большинство компаний до сих пор живут на:
— NPS,
— интервью,
— «нам кажется»,
— мнении HIPPO.
5. LiveOps — продукт как живой организм. Самая сильная вещь из геймдева, которую почти никто нормально не перенес. Игра после релиза не «закончена».
Она живет через:
— события,
— сезоны,
— временные режимы,
— ограниченные награды,
— таймеры,
— комьюнити-ивенты.
Большинство сервисов после онбординга превращаются в: «ну… можешь пользоваться при необходимости». А сильные продукты создают ритм жизни пользователя.
6. Баланс экономики через данные. В играх есть огромная дисциплина — balancing. Там постоянно балансируют:
— сложность,
— награды,
— скорость прогресса,
— стоимость действий,
— силу персонажей.
То есть engagement — это не магия.
Это управляемая экономика усилий и вознаграждений.
7. Time-to-fun как универсальная метрика В играх давно поняли: если человек не получил эмоцию быстро — он ушел. Большинство продуктов убивают пользователя до ценности:
— 14 полей регистрации,
— сложный онбординг,
— обучение,
— permissions,
— KYC,
— пустой home screen.
Геймдев учит: ценность должна произойти раньше усталости.
Все возможности от редакции канала по ссылке.
Все возможности от редакции канала по ссылке.
Причем многие механики появились там сильно раньше, чем в SaaS, финтехе или e-commerce. Что стоит брать на вооружение:
1. Vertical Slice вместо «давайте сначала построим платформу». В играх почти никогда не делают «сразу весь продукт».
Сначала собирают Vertical Slice — маленький, но полностью рабочий кусок опыта:
— с настоящим UX,
— настоящей механикой,
— настоящим ощущением прогресса.
Правильный вопрос: может ли пользователь почувствовать главный value loop за 3–5 минут? Если нет — вы строите систему раньше, чем проверили желание ей пользоваться.
2. Retention — главная проверка ценности. В геймдеве никто не считает продукт успешным из-за красивого DAU.
Сначала смотрят:
— D1 retention,
— D7 retention,
— return rate,
— session frequency.
Очень много продуктов ошибочно смотрят:
— регистрации,
— MAU,
— CAC,
— количество фич,
— GMV.
Хотя главный вопрос:
«человек захотел вернуться без принуждения?»
3. Core Loop — основа любого продукта. В играх продукт начинается не с экрана. А с loop’а.
Пример:
действие → награда → ощущение прогресса → новое действие.
Где эмоциональная награда?
Где прогресс?
Где причина вернуться раньше следующей коммуналки?
Поэтому многие продукты ощущаются как «утилита», а не среда постоянного использования.
4. В геймдеве поведение важнее слов. Игрок может говорить: «мне скучно».
Но реальные вопросы:
— на какой минуте он вышел?
— где умер?
— после какого экрана quit?
— сколько секунд стоял без действия?
— куда смотрел курсор?
— где пропустил туториал?
То есть продукт диагностируется на микроуровне поведения. Большинство компаний до сих пор живут на:
— NPS,
— интервью,
— «нам кажется»,
— мнении HIPPO.
5. LiveOps — продукт как живой организм. Самая сильная вещь из геймдева, которую почти никто нормально не перенес. Игра после релиза не «закончена».
Она живет через:
— события,
— сезоны,
— временные режимы,
— ограниченные награды,
— таймеры,
— комьюнити-ивенты.
Большинство сервисов после онбординга превращаются в: «ну… можешь пользоваться при необходимости». А сильные продукты создают ритм жизни пользователя.
6. Баланс экономики через данные. В играх есть огромная дисциплина — balancing. Там постоянно балансируют:
— сложность,
— награды,
— скорость прогресса,
— стоимость действий,
— силу персонажей.
То есть engagement — это не магия.
Это управляемая экономика усилий и вознаграждений.
7. Time-to-fun как универсальная метрика В играх давно поняли: если человек не получил эмоцию быстро — он ушел. Большинство продуктов убивают пользователя до ценности:
— 14 полей регистрации,
— сложный онбординг,
— обучение,
— permissions,
— KYC,
— пустой home screen.
Геймдев учит: ценность должна произойти раньше усталости.
Все возможности от редакции канала по ссылке.
koloskoveducation.tilda.ws
Курсы, статьи и продуктовый консалтинг от Сергея Колоскова
На этом сайте вы найдёте информацию о карьере в области управления продуктами. Здесь собраны курсы, кейсы роста, статьи и другие материалы, которые помогут вам понять основные принципы работы продуктового менеджера и успешно применять их на практике. Также…
1👍14🔥2❤1
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
gem-shaker-6ab on Notion
Путь продакта: от нуля до результата | Notion
Авторский курс Сергея Колоскова
👍2
Границы AI-ускорителей продакта
AI действительно может ускорить продакта в 3–10 раз. Но почти у каждого такого ускорителя есть потолок. Вот где AI начинает ломаться в реальной продуктовой работе.
Все возможности от редакции канала по ссылке.
- AI ускоряет создание артефактов, а не создание ценности. PRD, CJM, ресерч, гипотезы, SQL, саммари — появляются за часы. Но это не значит, что вы быстрее нашли PMF.
- Garbage in - garbage out. Плохие интервью + слабая аналитика + мусорные события = AI просто красиво упакует ошибки.
- AI не знает внутреннюю политику компании. Он не понимает:
• кто реально принимает решения,
• где конфликт интересов,
• какие команды саботируют изменения,
• почему прошлые инициативы умерли.
- Возникает “false velocity”. Кажется, что команда стала быстрее. На деле быстрее стали:
• презентации,
• документы,
• прототипы.
Но не факт, что быстрее стало обучение о пользователе.
- AI плохо держит длинный контекст продукта. Через 20–30 экранов, 5 сегментов и 3 года легаси ответы начинают плыть. Поэтому AI отлично работает:
• в локальных задачах,
• ресерче,
• first draft,
• операционке.
И заметно хуже:
• в стратегии,
• платформенных решениях,
• сложных компромиссах.
- AI-агенты почти всегда требуют сильного оператора. Большинство автономных AI-систем на рынке:
• ломаются на edge-cases,
• требуют постоянной настройки,
• не умеют проверять себя,
• плохо работают без человека рядом.
- Главный bottleneck — не AI, а организация. Обычно 2-3 человека ускоряются в 5 раз. А потом упираются в:
• согласования,
• разработку,
• legal,
• доступы,
• безопасность,
• отсутствие данных.
- Чем выше цена ошибки — тем меньше автономии у AI. Финансы, медицина, enterprise, security — там AI остается copilot’ом, а не самостоятельным исполнителем.
• AI делает рынок более “усредненным”. Когда все используют одинаковые модели:
• гипотезы становятся похожими,
• тексты одинаковыми,
• интерфейсы шаблонными.
Поэтому конкурентное преимущество всё ещё создают:
• уникальные данные,
• скорость исполнения,
• дистрибуция,
• понимание аудитории,
• сильная команда.
Все возможности от редакции канала по ссылке.
AI действительно может ускорить продакта в 3–10 раз. Но почти у каждого такого ускорителя есть потолок. Вот где AI начинает ломаться в реальной продуктовой работе.
Все возможности от редакции канала по ссылке.
- AI ускоряет создание артефактов, а не создание ценности. PRD, CJM, ресерч, гипотезы, SQL, саммари — появляются за часы. Но это не значит, что вы быстрее нашли PMF.
- Garbage in - garbage out. Плохие интервью + слабая аналитика + мусорные события = AI просто красиво упакует ошибки.
- AI не знает внутреннюю политику компании. Он не понимает:
• кто реально принимает решения,
• где конфликт интересов,
• какие команды саботируют изменения,
• почему прошлые инициативы умерли.
- Возникает “false velocity”. Кажется, что команда стала быстрее. На деле быстрее стали:
• презентации,
• документы,
• прототипы.
Но не факт, что быстрее стало обучение о пользователе.
- AI плохо держит длинный контекст продукта. Через 20–30 экранов, 5 сегментов и 3 года легаси ответы начинают плыть. Поэтому AI отлично работает:
• в локальных задачах,
• ресерче,
• first draft,
• операционке.
И заметно хуже:
• в стратегии,
• платформенных решениях,
• сложных компромиссах.
- AI-агенты почти всегда требуют сильного оператора. Большинство автономных AI-систем на рынке:
• ломаются на edge-cases,
• требуют постоянной настройки,
• не умеют проверять себя,
• плохо работают без человека рядом.
- Главный bottleneck — не AI, а организация. Обычно 2-3 человека ускоряются в 5 раз. А потом упираются в:
• согласования,
• разработку,
• legal,
• доступы,
• безопасность,
• отсутствие данных.
- Чем выше цена ошибки — тем меньше автономии у AI. Финансы, медицина, enterprise, security — там AI остается copilot’ом, а не самостоятельным исполнителем.
• AI делает рынок более “усредненным”. Когда все используют одинаковые модели:
• гипотезы становятся похожими,
• тексты одинаковыми,
• интерфейсы шаблонными.
Поэтому конкурентное преимущество всё ещё создают:
• уникальные данные,
• скорость исполнения,
• дистрибуция,
• понимание аудитории,
• сильная команда.
Все возможности от редакции канала по ссылке.
koloskoveducation.tilda.ws
Курсы, статьи и продуктовый консалтинг от Сергея Колоскова
На этом сайте вы найдёте информацию о карьере в области управления продуктами. Здесь собраны курсы, кейсы роста, статьи и другие материалы, которые помогут вам понять основные принципы работы продуктового менеджера и успешно применять их на практике. Также…
👍6❤2
🚀 Как продакту ускорить свою работу с AI — учимся на Podlodka Product Crew
Едва ли среди читателей этого канала найдется человек, который ни разу не применял AI в работе.
Но есть разница: пользоваться базовыми промптами для генерации текстов и аналитики данных, или же создать рабочую систему из инструментов на основе AI.
Команда конференции Podlodka Product Crew открывает новый сезон — «AI-инструменты продакта». Он пройдет с 18 по 22 мая.
В течение недели участники познакомятся с экспертами, которые с помощью AI ускорили продуктовый цикл в разы, причём на всех этапах: от проверки гипотез и создания PRD до пользовательской аналитики.
На конфе выступят как известные в сообществе визионеры AI — например, Глеб Кудрявцев и Влад Терзи, так и продуктовые практики из ведущих российских компаний и активно развивающихся зарубежных стартапов.
👀 В программе:
— исследование с AI: от анализа до синтеза интервью,
— прототип или сервис за вечер,
— аналитика через AI-агентов,
— AI-агенты для мониторинга,
— внедрение AI в команду.
И это ещё не всё — программа дополняется! Формат такой: 5 дней, 10 сессий с демо и практикой и закрытое комьюнити в Telegram.
Отдельный плюс — цена: заметно ниже привычных конференций, при этом контента много, а новые знания можно сразу же приземлять на свои задачи.
🔗Если хотите увидеть, как продакт-менеджеры применяют AI-инструменты, ускорить свою работу и принести больше пользы бизнесу, ловите ссылку с early-bird билетами: https://podlodka.io/productcrew
А по промокоду FreshProduct получите скидку 500р🎁
Едва ли среди читателей этого канала найдется человек, который ни разу не применял AI в работе.
Но есть разница: пользоваться базовыми промптами для генерации текстов и аналитики данных, или же создать рабочую систему из инструментов на основе AI.
Команда конференции Podlodka Product Crew открывает новый сезон — «AI-инструменты продакта». Он пройдет с 18 по 22 мая.
В течение недели участники познакомятся с экспертами, которые с помощью AI ускорили продуктовый цикл в разы, причём на всех этапах: от проверки гипотез и создания PRD до пользовательской аналитики.
На конфе выступят как известные в сообществе визионеры AI — например, Глеб Кудрявцев и Влад Терзи, так и продуктовые практики из ведущих российских компаний и активно развивающихся зарубежных стартапов.
👀 В программе:
— исследование с AI: от анализа до синтеза интервью,
— прототип или сервис за вечер,
— аналитика через AI-агентов,
— AI-агенты для мониторинга,
— внедрение AI в команду.
И это ещё не всё — программа дополняется! Формат такой: 5 дней, 10 сессий с демо и практикой и закрытое комьюнити в Telegram.
Отдельный плюс — цена: заметно ниже привычных конференций, при этом контента много, а новые знания можно сразу же приземлять на свои задачи.
🔗Если хотите увидеть, как продакт-менеджеры применяют AI-инструменты, ускорить свою работу и принести больше пользы бизнесу, ловите ссылку с early-bird билетами: https://podlodka.io/productcrew
А по промокоду FreshProduct получите скидку 500р🎁
❤4
Почему проваливаются AI-стартапы и AI-проекты
Все возможности от редакции канала по ссылке.
Большинство AI-проектов умирают не из-за слабых моделей. А из-за плохого продукта, экономики и отсутствия реальной ценности. Вот основные причины.
- Делают AI ради AI. Самая частая ошибка: смотрите, что умеет модель вместо какую дорогую проблему мы решаем. В итоге:
• демо выглядит круто,
• retention низкий,
• платить никто не хочет.
AI снижает стоимость MVP. Но не упрощает поиск PMF.
- Нет moat. Очень много AI-продуктов сейчас: LLM + UI + промпты.
Проблема:
это легко копируется.
Если нет:
• уникальных данных,
• workflow lock-in,
• интеграций,
• distribution,
• сообщества,
то продукт быстро становится commodity.
- AI ускоряет создание артефактов, а не ценности. Команды начинают делать:
• PRD,
• прототипы,
• AI-фичи,
• лендинги
в 10 раз быстрее. Но это не значит, что:
• найден PMF,
• есть retention,
• пользователь меняет поведение.
Очень часто ускоряется “производство активности”, а не обучение о пользователе.
- Human-in-the-loop ломает экономику. На демо AI выглядит автономным.
На практике внутри сидят:
• операторы,
• support,
• QA,
• модераторы,
• аналитики.
Потому что AI:
• галлюцинирует,
• ошибается,
• ломается на edge cases.
Многие AI-компании — это “ручной труд за AI-интерфейсом”.
- AI плохо работает на масштабе. На 100 пользователях всё выглядит магически. На 100 000 начинаются:
• нестандартные сценарии,
• конфликты инструкций,
• длинный контекст,
• падение качества.
AI-системы требуют огромного слоя:
• monitoring,
• evals,
• fallback logic,
• human review.
- Слишком дорогой inference. Особенно больно в:
• AI-видео,
• AI-codegen,
• AI-агентах,
• real-time AI.
На росте выясняется, что каждый активный пользователь буквально сжигает GPU и маржу.
- Distribution важнее технологий. Доступ к моделям есть почти у всех. Поэтому выигрывают не всегда те, у кого лучший AI. А те, у кого:
• аудитория,
• бренд,
• enterprise sales,
• SEO,
• existing platform,
• комьюнити.
- Переоценивают зрелость AI. Многие строят roadmap так, будто AGI уже рядом. Но у моделей всё еще большие ограничения:
• слабая память,
• нестабильный reasoning,
• hallucinations,
• плохая работа в длинных workflows.
Главная ошибка AI-рынка сейчас — думать, что модель и есть продукт.
Все возможности от редакции канала по ссылке.
Все возможности от редакции канала по ссылке.
Большинство AI-проектов умирают не из-за слабых моделей. А из-за плохого продукта, экономики и отсутствия реальной ценности. Вот основные причины.
- Делают AI ради AI. Самая частая ошибка: смотрите, что умеет модель вместо какую дорогую проблему мы решаем. В итоге:
• демо выглядит круто,
• retention низкий,
• платить никто не хочет.
AI снижает стоимость MVP. Но не упрощает поиск PMF.
- Нет moat. Очень много AI-продуктов сейчас: LLM + UI + промпты.
Проблема:
это легко копируется.
Если нет:
• уникальных данных,
• workflow lock-in,
• интеграций,
• distribution,
• сообщества,
то продукт быстро становится commodity.
- AI ускоряет создание артефактов, а не ценности. Команды начинают делать:
• PRD,
• прототипы,
• AI-фичи,
• лендинги
в 10 раз быстрее. Но это не значит, что:
• найден PMF,
• есть retention,
• пользователь меняет поведение.
Очень часто ускоряется “производство активности”, а не обучение о пользователе.
- Human-in-the-loop ломает экономику. На демо AI выглядит автономным.
На практике внутри сидят:
• операторы,
• support,
• QA,
• модераторы,
• аналитики.
Потому что AI:
• галлюцинирует,
• ошибается,
• ломается на edge cases.
Многие AI-компании — это “ручной труд за AI-интерфейсом”.
- AI плохо работает на масштабе. На 100 пользователях всё выглядит магически. На 100 000 начинаются:
• нестандартные сценарии,
• конфликты инструкций,
• длинный контекст,
• падение качества.
AI-системы требуют огромного слоя:
• monitoring,
• evals,
• fallback logic,
• human review.
- Слишком дорогой inference. Особенно больно в:
• AI-видео,
• AI-codegen,
• AI-агентах,
• real-time AI.
На росте выясняется, что каждый активный пользователь буквально сжигает GPU и маржу.
- Distribution важнее технологий. Доступ к моделям есть почти у всех. Поэтому выигрывают не всегда те, у кого лучший AI. А те, у кого:
• аудитория,
• бренд,
• enterprise sales,
• SEO,
• existing platform,
• комьюнити.
- Переоценивают зрелость AI. Многие строят roadmap так, будто AGI уже рядом. Но у моделей всё еще большие ограничения:
• слабая память,
• нестабильный reasoning,
• hallucinations,
• плохая работа в длинных workflows.
Главная ошибка AI-рынка сейчас — думать, что модель и есть продукт.
Все возможности от редакции канала по ссылке.
koloskoveducation.tilda.ws
Курсы, статьи и продуктовый консалтинг от Сергея Колоскова
На этом сайте вы найдёте информацию о карьере в области управления продуктами. Здесь собраны курсы, кейсы роста, статьи и другие материалы, которые помогут вам понять основные принципы работы продуктового менеджера и успешно применять их на практике. Также…
❤4🔥2👍1
Level Up для продактов: что важно для резюме
Недавно с моим участием запустился проект Level Up (кстати, приходите, региструйтесь и следите за проектом, очень интересный и актуальный - ссылка). И решил освежить, а что для продакта важно в Level Up с точки зрения резюме
1. Оцифрованные достижения и факапы (которые не будут повторяться) в нескольких компаниях
Описание адекватных достижений в денежном или метричном эквиваленте в нескольких местах работ.
Нельзя писать «увеличил прибыль компании в пять раз», это значит присвоить себе заслуги c-level.
Ошибки тоже могут быть в вашем резюме, структурированном рассказе и выводах, которые вы делаете по итогам них. Тут же круто наличие сайд-проекта с вашей рефлексией и результатами.
2. Насмотренность — это бизнес-модели и функции
При озвученной проблеме вы должны выдать 2-3 ситуации или какой-то мощнейший вывод, который расскажет все о вашей экспертизе. Если речь идет о низком ритеншене, то вы должны сразу же поговорить про с1,с2,с3+, про поведение когорт и LTV клиентов. Также вы должны понимать, какие метрики в какой бизнес-модели работают.
3. Разбираться в финансах и экономике продукта и компании.
Вы должны быть подкованы в финансах и экономике предприятия, иначе как вы будете общаться с функциями финансов, операциями и маркетингом. Эти люди отвечают за бюджет, и рассказы про роадмап их не впечатлят и не позволят вам получить от них достойное сотрудничество. Прибылеобразующим функциям всегда платят больше.
4. Структурно выражать свои мысли, управлять ожиданиями
Логика — это про то, чтобы четко понимать профиль собеседника и его нужды. Если вы ничего не сказали — значит, рассказать вам нечего.
5. Разбираться в разработке, дизайне и аналитике
Вас не должны обманывать, вы должны контролировать сроки и эффективность команды, траты на техдолг. Вы должны знать, что такое код ревью, зиро код, чем занимается девопс и чем его работа отличается от фронт-эндера. Чем больше у вас практических навыков, тем выше ваша стоимость на рынке труда.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Недавно с моим участием запустился проект Level Up (кстати, приходите, региструйтесь и следите за проектом, очень интересный и актуальный - ссылка). И решил освежить, а что для продакта важно в Level Up с точки зрения резюме
1. Оцифрованные достижения и факапы (которые не будут повторяться) в нескольких компаниях
Описание адекватных достижений в денежном или метричном эквиваленте в нескольких местах работ.
Нельзя писать «увеличил прибыль компании в пять раз», это значит присвоить себе заслуги c-level.
Ошибки тоже могут быть в вашем резюме, структурированном рассказе и выводах, которые вы делаете по итогам них. Тут же круто наличие сайд-проекта с вашей рефлексией и результатами.
2. Насмотренность — это бизнес-модели и функции
При озвученной проблеме вы должны выдать 2-3 ситуации или какой-то мощнейший вывод, который расскажет все о вашей экспертизе. Если речь идет о низком ритеншене, то вы должны сразу же поговорить про с1,с2,с3+, про поведение когорт и LTV клиентов. Также вы должны понимать, какие метрики в какой бизнес-модели работают.
3. Разбираться в финансах и экономике продукта и компании.
Вы должны быть подкованы в финансах и экономике предприятия, иначе как вы будете общаться с функциями финансов, операциями и маркетингом. Эти люди отвечают за бюджет, и рассказы про роадмап их не впечатлят и не позволят вам получить от них достойное сотрудничество. Прибылеобразующим функциям всегда платят больше.
4. Структурно выражать свои мысли, управлять ожиданиями
Логика — это про то, чтобы четко понимать профиль собеседника и его нужды. Если вы ничего не сказали — значит, рассказать вам нечего.
5. Разбираться в разработке, дизайне и аналитике
Вас не должны обманывать, вы должны контролировать сроки и эффективность команды, траты на техдолг. Вы должны знать, что такое код ревью, зиро код, чем занимается девопс и чем его работа отличается от фронт-эндера. Чем больше у вас практических навыков, тем выше ваша стоимость на рынке труда.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
👍7❤1
Методика, как работать, когда у тебя много договоренностей
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Когда у тебя становится 15–20 проектов одновременно, ты перестаешь тонуть в задачах. Настоящий хаос начинается из-за договоренностей, контекста и постоянного переключения между проектами. В какой-то момент вся работа превращается в бесконечные попытки вспомнить обсуждали ли это, кто должен был сделать, согласовано это уже или нет, почему команда делает не то, о чем договаривались.
1. Один главный документ на проект. У каждого проекта должна быть одна точка входа, где лежит весь актуальный контекст: цель проекта, последний статус, ссылки, принятые решения, следующие шаги, риски, ответственные. Когда этого нет, мозг начинает тратить огромное количество энергии просто на поиск информации.
2. Фиксировать не задачи, а решения. Большинство команд ведут task tracker, но почти никто не ведет decision log. А потом через месяц начинается попытка восстановить: почему вообще выбрали это решение, кто это согласовал, почему поменяли scope, когда это обсуждалось. После каждого созвона достаточно буквально нескольких строк: что решили, что не решили, кто отвечает, какой дедлайн, какие есть риски.
3. Список ожиданий. На большом количестве проектов ты редко работаешь руками. В основном ты зависишь от других людей: дизайнеров, разработки,клиентов, аналитиков, подрядчиков, юристов. Поэтому главный список выглядит не как To Do, а как Waiting For: ждем estimate от backend, ждем доступы от клиента, ждем макеты, ждем согласование договора.
4. Перестать хранить что-либо в голове. Пока ты пытаешься помнить все сам, мозг постоянно работает в фоне: не забыть написать, не забыть отправить, не забыть согласовать, не потерять договоренность. Из-за этого появляется ощущение, что ты работаешь весь день, но при этом постоянно что-то упускаешь. Нормальная система управления проектами нужна не для контроля команды. Она нужна для разгрузки собственной головы.
5, Раз в неделю нужно пройтись по всем проектам: обновить статусы, убрать мусор, проверить блокеры, понять, где проект реально стоит, а где только создает ощущение движения. На большом количестве проектов выигрывает не тот, кто больше работает.
Выигрывает тот, у кого: минимум хаоса, минимум мест хранения информации, понятные договоренности, прозрачные статусы и пустая голова.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Когда у тебя становится 15–20 проектов одновременно, ты перестаешь тонуть в задачах. Настоящий хаос начинается из-за договоренностей, контекста и постоянного переключения между проектами. В какой-то момент вся работа превращается в бесконечные попытки вспомнить обсуждали ли это, кто должен был сделать, согласовано это уже или нет, почему команда делает не то, о чем договаривались.
1. Один главный документ на проект. У каждого проекта должна быть одна точка входа, где лежит весь актуальный контекст: цель проекта, последний статус, ссылки, принятые решения, следующие шаги, риски, ответственные. Когда этого нет, мозг начинает тратить огромное количество энергии просто на поиск информации.
2. Фиксировать не задачи, а решения. Большинство команд ведут task tracker, но почти никто не ведет decision log. А потом через месяц начинается попытка восстановить: почему вообще выбрали это решение, кто это согласовал, почему поменяли scope, когда это обсуждалось. После каждого созвона достаточно буквально нескольких строк: что решили, что не решили, кто отвечает, какой дедлайн, какие есть риски.
3. Список ожиданий. На большом количестве проектов ты редко работаешь руками. В основном ты зависишь от других людей: дизайнеров, разработки,клиентов, аналитиков, подрядчиков, юристов. Поэтому главный список выглядит не как To Do, а как Waiting For: ждем estimate от backend, ждем доступы от клиента, ждем макеты, ждем согласование договора.
4. Перестать хранить что-либо в голове. Пока ты пытаешься помнить все сам, мозг постоянно работает в фоне: не забыть написать, не забыть отправить, не забыть согласовать, не потерять договоренность. Из-за этого появляется ощущение, что ты работаешь весь день, но при этом постоянно что-то упускаешь. Нормальная система управления проектами нужна не для контроля команды. Она нужна для разгрузки собственной головы.
5, Раз в неделю нужно пройтись по всем проектам: обновить статусы, убрать мусор, проверить блокеры, понять, где проект реально стоит, а где только создает ощущение движения. На большом количестве проектов выигрывает не тот, кто больше работает.
Выигрывает тот, у кого: минимум хаоса, минимум мест хранения информации, понятные договоренности, прозрачные статусы и пустая голова.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
koloskoveducation.tilda.ws
Курсы, статьи и продуктовый консалтинг от Сергея Колоскова
На этом сайте вы найдёте информацию о карьере в области управления продуктами. Здесь собраны курсы, кейсы роста, статьи и другие материалы, которые помогут вам понять основные принципы работы продуктового менеджера и успешно применять их на практике. Также…
👍3🔥3❤2
Есть ощущение, что мы находимся в моменте, когда классическая модель образования начала ломаться об скорость изменений рынка.
Особенно в IT, AI и продуктовой разработке. Раньше цикл был понятный:
университет → junior → 3–5 лет роста → middle/senior. Сейчас рынок меняется быстрее, чем успевают обновляться программы обучения.
По факту многие компании в первые 6–12 месяцев доучивают джунов почти с нуля:
• как пользоваться AI-инструментами в ежедневной работе;
• как декомпозировать проблемы;
• как работать с неопределенностью;
• как принимать решения на основе данных;
• как общаться с разработкой, дизайном и бизнесом;
• как понимать метрики и юнит-экономику;
• как проверять гипотезы;
• как вообще работать в современной продуктовой команде.
Проблема даже не в качестве вузов. Проблема в том, что рынок перестал быть стабильным. Программа обучения обновляется раз в несколько лет. AI-модели – раз в несколько месяцев. Подходы к разработке и продукту – еще быстрее. Из-за этого диплом всё чаще перестает быть сигналом «готов к работе». Особенно на junior-рынке.
Кстати, в тему был такой пост у меня.
Потому что AI уже начинает забирать часть задач, на которых раньше учились новички (например, рисерч и базовый код).
И это сильно меняет сам вход в профессию. Раньше junior мог долго расти на простых задачах.
Сейчас от человека ждут:
• скорости;
• самостоятельности;
• системного мышления;
• умения работать в паре с AI;
• способности быстро адаптироваться.
По сути рынок начинает ценить не «объем знаний», а скорость обучения и способность работать в реальной среде. И мне кажется, именно поэтому начинают появляться новые форматы университетов, которые строятся ближе к индустрии, чем к классической академической модели.
Недавно наткнулся на интересный пример — Центральный университет. Это STEM-вуз, который делают вместе с индустрией: Сбер, Авито, VK, Яндекс, Т-Банк и другими компаниями. Там делают упор не только на теорию, а на подготовку специалистов под реальные задачи рынка:
— AI;
— разработка;
— ML;
— аналитика;
— дизайн;
— product management;
— backend.
Плюс, у студентов есть возможность получить грант до 100% на обучение.
24 мая в Москве у них пройдет МЕГАДОД-2026:
• расскажут про программы;
• покажут кампус;
• дадут пообщаться со студентами и преподавателями;
• будут мастер-классы и интерактивы.
Для тех, кто сейчас выбирает направление в IT/AI/продукты — хороший повод посмотреть, как вообще может выглядеть образование следующего поколения.
Особенно в IT, AI и продуктовой разработке. Раньше цикл был понятный:
университет → junior → 3–5 лет роста → middle/senior. Сейчас рынок меняется быстрее, чем успевают обновляться программы обучения.
По факту многие компании в первые 6–12 месяцев доучивают джунов почти с нуля:
• как пользоваться AI-инструментами в ежедневной работе;
• как декомпозировать проблемы;
• как работать с неопределенностью;
• как принимать решения на основе данных;
• как общаться с разработкой, дизайном и бизнесом;
• как понимать метрики и юнит-экономику;
• как проверять гипотезы;
• как вообще работать в современной продуктовой команде.
Проблема даже не в качестве вузов. Проблема в том, что рынок перестал быть стабильным. Программа обучения обновляется раз в несколько лет. AI-модели – раз в несколько месяцев. Подходы к разработке и продукту – еще быстрее. Из-за этого диплом всё чаще перестает быть сигналом «готов к работе». Особенно на junior-рынке.
Кстати, в тему был такой пост у меня.
Потому что AI уже начинает забирать часть задач, на которых раньше учились новички (например, рисерч и базовый код).
И это сильно меняет сам вход в профессию. Раньше junior мог долго расти на простых задачах.
Сейчас от человека ждут:
• скорости;
• самостоятельности;
• системного мышления;
• умения работать в паре с AI;
• способности быстро адаптироваться.
По сути рынок начинает ценить не «объем знаний», а скорость обучения и способность работать в реальной среде. И мне кажется, именно поэтому начинают появляться новые форматы университетов, которые строятся ближе к индустрии, чем к классической академической модели.
Недавно наткнулся на интересный пример — Центральный университет. Это STEM-вуз, который делают вместе с индустрией: Сбер, Авито, VK, Яндекс, Т-Банк и другими компаниями. Там делают упор не только на теорию, а на подготовку специалистов под реальные задачи рынка:
— AI;
— разработка;
— ML;
— аналитика;
— дизайн;
— product management;
— backend.
Плюс, у студентов есть возможность получить грант до 100% на обучение.
24 мая в Москве у них пройдет МЕГАДОД-2026:
• расскажут про программы;
• покажут кампус;
• дадут пообщаться со студентами и преподавателями;
• будут мастер-классы и интерактивы.
Для тех, кто сейчас выбирает направление в IT/AI/продукты — хороший повод посмотреть, как вообще может выглядеть образование следующего поколения.
👍2❤1🔥1
Что нужно развивать в эпоху AI продактам?
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.
AI очень быстро убьет всю “механическую” часть продакт-менеджмента: PRD, ресерчи, user stories, аналитику, конкурентные обзоры, roadmap’ы и даже часть UX-гипотез. Все, что можно разложить на паттерны и процессы, станет автоматизированным. PM как “человек, который таскает задачи между командами”, уже постепенно исчезает.
Но есть компетенции, которые AI не заменит. Первая — продуктовая интуиция. Когда данных недостаточно, рынок меняется, а метрики противоречат друг другу, нужен человек, который способен принять решение в тумане и сказать: вот куда мы идем дальше. AI хорошо анализирует прошлое, но почти все сильные продуктовые решения сначала выглядят нелогичными.
Вторая — понимание человеческой мотивации. Пользователи редко формулируют настоящую проблему напрямую. Они говорят “сделайте быстрее”, хотя на самом деле боятся ошибиться, потерять деньги или выглядеть глупо. AI умеет кластеризовать интервью, но пока не умеет по-настоящему чувствовать напряжение, эмоции и скрытые причины поведения людей.
Третья — влияние и лидерство. Продукт — это не Figma и не backlog. Это умение собрать вокруг идеи команду, убедить бизнес, выдержать конфликт интересов, удержать фокус и не дать продукту развалиться под компромиссами. AI не умеет строить доверие, чувствовать внутреннюю политику компании и брать на себя ответственность за сложные решения.
И самое важное — вкус и создание смысла. В мире, где AI сможет генерировать бесконечное количество “нормальных” фич, выиграют продукты с характером, позицией и ощущением “это сделано для меня”. Будущее PM — не в управлении задачами, а в способности понимать людей, чувствовать рынок и создавать продукты, которые хочется любить, а не просто использовать.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.
AI очень быстро убьет всю “механическую” часть продакт-менеджмента: PRD, ресерчи, user stories, аналитику, конкурентные обзоры, roadmap’ы и даже часть UX-гипотез. Все, что можно разложить на паттерны и процессы, станет автоматизированным. PM как “человек, который таскает задачи между командами”, уже постепенно исчезает.
Но есть компетенции, которые AI не заменит. Первая — продуктовая интуиция. Когда данных недостаточно, рынок меняется, а метрики противоречат друг другу, нужен человек, который способен принять решение в тумане и сказать: вот куда мы идем дальше. AI хорошо анализирует прошлое, но почти все сильные продуктовые решения сначала выглядят нелогичными.
Вторая — понимание человеческой мотивации. Пользователи редко формулируют настоящую проблему напрямую. Они говорят “сделайте быстрее”, хотя на самом деле боятся ошибиться, потерять деньги или выглядеть глупо. AI умеет кластеризовать интервью, но пока не умеет по-настоящему чувствовать напряжение, эмоции и скрытые причины поведения людей.
Третья — влияние и лидерство. Продукт — это не Figma и не backlog. Это умение собрать вокруг идеи команду, убедить бизнес, выдержать конфликт интересов, удержать фокус и не дать продукту развалиться под компромиссами. AI не умеет строить доверие, чувствовать внутреннюю политику компании и брать на себя ответственность за сложные решения.
И самое важное — вкус и создание смысла. В мире, где AI сможет генерировать бесконечное количество “нормальных” фич, выиграют продукты с характером, позицией и ощущением “это сделано для меня”. Будущее PM — не в управлении задачами, а в способности понимать людей, чувствовать рынок и создавать продукты, которые хочется любить, а не просто использовать.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Telegram
Product case bar
Канал, посвященный разборам кейсов https://koloskoveducation.tilda.ws/productcaseclub. Здесь выкладываем открытый контент Клуба, делаем открытые разборы тестовых заданий, задач внутрянки и кейсов роста. Для связи - @SergeKoloskov
👍5🔥1
Несколько (не)очевидных календарных хаков, которые резко повышают качество работы продакта
Все для роста от редакции канала - https://xn--r1a.website/eduproduct/577
1. Делайте “fake busy slots”. Самый сильный PM-хак — заранее блокировать себе время как будто вы уже заняты. Например:
10:00–12:00 — Product Review
15:00–16:00 — Analytics
Иначе календарь мгновенно съедят чужие созвоны.
2. Не ставьте 1:1 подряд. После третьего подряд 1:1 мозг перестает слышать людей. Лучше:
— максимум 2 подряд
— потом 30 минут пустоты
3. Разделяйте “creator mode” и “manager mode” по дням. В один день невозможно нормально:
— думать глубоко
— писать спецификации
— считать экономику
— и одновременно быть в операционке
Поэтому сильные PM делают:
Пн/Вт — creator mode
Ср/Чт — manager mode
4. Не начинайте неделю с командных синков. Понедельник утром должен быть про понимание:
— что происходит с продуктом
— что происходит с метриками
— где риски
Сначала аналитика. Потом люди.
5. Ставьте “decision windows”. Отдельные слоты только под принятие решений. Например: 16:00–17:00 — approve/reject
В этот слот:
— приоритеты
— дизайны
— гипотезы
— бюджеты
— go/no-go
6. Делайте отдельный слот “unexpected shit”. Реальный PM-календарь всегда ломается. Поэтому: 17:00–18:00 — buffer for chaos
Туда улетают:
— срочные баги
— эскалации
— “есть 5 минут?”
— внезапные созвоны
Без этого любое ЧП уничтожает весь день.
7. Никогда не ставьте продуктовые решения после 18:00. После целого дня созвонов мозг принимает:
— более безопасные
— более политические
— менее инновационные решения
Вечерний roadmap почти всегда хуже утреннего.
8. Если встречу можно заменить Loom — заменяйте. Лучшие PM уменьшают количество live-синков. Видео на 5 минут часто лучше, чем:
— 8 человек
— 40 минут
— без результата
9. Лучший индикатор плохого PM — отсутствие времени на пользователей. Если в календаре нет всего, что ниже, PM начинает строить продукт для внутренних чатов, а не для рынка:
— интервью
— саппорта
— просмотров сессий
— чтения фидбека
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Все для роста от редакции канала - https://xn--r1a.website/eduproduct/577
1. Делайте “fake busy slots”. Самый сильный PM-хак — заранее блокировать себе время как будто вы уже заняты. Например:
10:00–12:00 — Product Review
15:00–16:00 — Analytics
Иначе календарь мгновенно съедят чужие созвоны.
2. Не ставьте 1:1 подряд. После третьего подряд 1:1 мозг перестает слышать людей. Лучше:
— максимум 2 подряд
— потом 30 минут пустоты
3. Разделяйте “creator mode” и “manager mode” по дням. В один день невозможно нормально:
— думать глубоко
— писать спецификации
— считать экономику
— и одновременно быть в операционке
Поэтому сильные PM делают:
Пн/Вт — creator mode
Ср/Чт — manager mode
4. Не начинайте неделю с командных синков. Понедельник утром должен быть про понимание:
— что происходит с продуктом
— что происходит с метриками
— где риски
Сначала аналитика. Потом люди.
5. Ставьте “decision windows”. Отдельные слоты только под принятие решений. Например: 16:00–17:00 — approve/reject
В этот слот:
— приоритеты
— дизайны
— гипотезы
— бюджеты
— go/no-go
6. Делайте отдельный слот “unexpected shit”. Реальный PM-календарь всегда ломается. Поэтому: 17:00–18:00 — buffer for chaos
Туда улетают:
— срочные баги
— эскалации
— “есть 5 минут?”
— внезапные созвоны
Без этого любое ЧП уничтожает весь день.
7. Никогда не ставьте продуктовые решения после 18:00. После целого дня созвонов мозг принимает:
— более безопасные
— более политические
— менее инновационные решения
Вечерний roadmap почти всегда хуже утреннего.
8. Если встречу можно заменить Loom — заменяйте. Лучшие PM уменьшают количество live-синков. Видео на 5 минут часто лучше, чем:
— 8 человек
— 40 минут
— без результата
9. Лучший индикатор плохого PM — отсутствие времени на пользователей. Если в календаре нет всего, что ниже, PM начинает строить продукт для внутренних чатов, а не для рынка:
— интервью
— саппорта
— просмотров сессий
— чтения фидбека
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Telegram
Product education: курсы, видео, статьи и материалы для продактов и предпринимателей
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив…
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив…
❤8🔥2
90% интервью с пользователями бесполезны по одной причине: продакт приходит не исследовать, а подтверждать свои идеи
Все для роста от редакции канала - https://xn--r1a.website/eduproduct/577
В итоге вместо инсайтов получается вежливый small talk. Вот золотые правила, которые реально меняют качество кастдева.
1. Никогда не спрашивайте мнение о будущем. Самый бесполезный вопрос: Вам была бы полезна такая функция? Люди ужасно предсказывают свое поведение.
Спрашивайте только:
— Как вы решаете это сейчас?
— Когда последний раз была такая ситуация?
— Что конкретно сделали?
— Что выбесило?
Прошлое — правда. Будущее — фантазия.
2. Чем конкретнее кейс — тем ценнее интервью. Плохой вопрос: Как вы обычно оплачиваете счета?
Хороший: Вспомните последний раз, когда платили. Что открыли первым? Что было неудобно? Нормальный кастдев всегда живет внутри конкретного сценария.
3. Главный сигнал — не слова, а эмоция
Когда человек:
— оживляется
— начинает быстро рассказывать
— жалуется
— вспоминает детали
— матерится
— показывает костыли
4. Самый важный вопрос — “почему?” 3–5 раз подряд. Пользователь: Мне неудобно искать платежи
Почему?
— Они разбросаны
Почему это проблема?
— Я боюсь пропустить списание
Почему боитесь?
— Уже ловил просрочку
Вот теперь вы нашли реальную проблему.
Не “плохой UI”, а тревогу из-за потери денег.
5. Не продавайте решение во время интервью
6. Молчание — сильнейший инструмент. После ответа пользователя выдержите 3–4 секунды паузы. Люди почти всегда начинают договаривать:
— реальные детали
— сомнения
— эмоции
— контекст
7. Один хороший инсайт лучше 20 поверхностных интервью. Не надо гнаться за количеством. Если после интервью вы не можете закончить фразу: “Люди на самом деле пытаются…” Значит интервью было слабым.
8. Не записывайте “что хотят пользователи”. Записывайте:
— чего боятся
— что избегают
— где теряют время
— какие костыли строят
— где испытывают тревогу
— где теряют контроль
Продукты выигрывают не потому, что дают фичи. А потому что убирают напряжение.
9. Лучшие интервью происходят не в Zoom. Самые сильные инсайты появляются, когда вы видите:
— как человек кликает
— где путается
— где переключается между приложениями
— где открывает Excel/заметки/калькулятор
Люди плохо описывают процессы. Но отлично показывают их.
10. Если пользователь говорит “все нормально” — копайте глубже. Обычно это означает:
— человек адаптировался к боли
— смирился
— построил workaround
Самые большие продуктовые возможности часто выглядят как: “ну да, делаем через Excel уже 3 года”.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Все для роста от редакции канала - https://xn--r1a.website/eduproduct/577
В итоге вместо инсайтов получается вежливый small talk. Вот золотые правила, которые реально меняют качество кастдева.
1. Никогда не спрашивайте мнение о будущем. Самый бесполезный вопрос: Вам была бы полезна такая функция? Люди ужасно предсказывают свое поведение.
Спрашивайте только:
— Как вы решаете это сейчас?
— Когда последний раз была такая ситуация?
— Что конкретно сделали?
— Что выбесило?
Прошлое — правда. Будущее — фантазия.
2. Чем конкретнее кейс — тем ценнее интервью. Плохой вопрос: Как вы обычно оплачиваете счета?
Хороший: Вспомните последний раз, когда платили. Что открыли первым? Что было неудобно? Нормальный кастдев всегда живет внутри конкретного сценария.
3. Главный сигнал — не слова, а эмоция
Когда человек:
— оживляется
— начинает быстро рассказывать
— жалуется
— вспоминает детали
— матерится
— показывает костыли
4. Самый важный вопрос — “почему?” 3–5 раз подряд. Пользователь: Мне неудобно искать платежи
Почему?
— Они разбросаны
Почему это проблема?
— Я боюсь пропустить списание
Почему боитесь?
— Уже ловил просрочку
Вот теперь вы нашли реальную проблему.
Не “плохой UI”, а тревогу из-за потери денег.
5. Не продавайте решение во время интервью
6. Молчание — сильнейший инструмент. После ответа пользователя выдержите 3–4 секунды паузы. Люди почти всегда начинают договаривать:
— реальные детали
— сомнения
— эмоции
— контекст
7. Один хороший инсайт лучше 20 поверхностных интервью. Не надо гнаться за количеством. Если после интервью вы не можете закончить фразу: “Люди на самом деле пытаются…” Значит интервью было слабым.
8. Не записывайте “что хотят пользователи”. Записывайте:
— чего боятся
— что избегают
— где теряют время
— какие костыли строят
— где испытывают тревогу
— где теряют контроль
Продукты выигрывают не потому, что дают фичи. А потому что убирают напряжение.
9. Лучшие интервью происходят не в Zoom. Самые сильные инсайты появляются, когда вы видите:
— как человек кликает
— где путается
— где переключается между приложениями
— где открывает Excel/заметки/калькулятор
Люди плохо описывают процессы. Но отлично показывают их.
10. Если пользователь говорит “все нормально” — копайте глубже. Обычно это означает:
— человек адаптировался к боли
— смирился
— построил workaround
Самые большие продуктовые возможности часто выглядят как: “ну да, делаем через Excel уже 3 года”.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Telegram
Product education: курсы, видео, статьи и материалы для продактов и предпринимателей
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив…
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив…
👍5❤2