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 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.

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.

🚀 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🎁

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.

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.

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.

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.

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.

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.

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.

Карьерные треки продакт-менеджеров

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

У продакт-менеджеров есть большой карьерный миф: существует только один “правильный” путь — PM → Senior PM → Head → CPO.

На практике у профессии минимум 7–8 полноценных карьерных треков. И самое интересное — многие сильные PM вообще не идут в CPO.

По данным Product School и Lenny’s Newsletter, только около 15–20% senior product managers в итоге становятся people-managers. Остальные либо остаются individual contributor, либо уходят в другие ветки: growth, AI, founder-track, consulting или solo-building.

Причина простая: после уровня Head of Product работа резко меняется. У многих CPO уже меньше 20–30% времени остается на сам продукт. Остальное — найм, синки, стратегия, бюджеты, alignment, конфликты и операционка.

Именно поэтому огромный процент сильных PM в какой-то момент уходят в founder-track. По разным исследованиям, среди non-technical founders доля бывших product managers за последние годы сильно выросла, особенно в SaaS и AI. Логика понятна: PM уже умеет работать с неопределенностью, пользователями и приоритизацией.

Но там появляется совсем другая математика. В найме продакт отвечает за roadmap. В стартапе — за runway и выживание компании.

Отдельная карьерная ветка — growth и monetization PM. Сейчас это один из самых дорогих типов продактов на рынке. В США compensation senior growth PM в крупных tech-компаниях легко превышает $250–400k total compensation в год. Потому что такие люди напрямую влияют на revenue, retention и unit-экономику.

Именно поэтому рынок постепенно делится на два типа PM:
- product craft / vision
- business / growth / monetization

Это уже почти разные профессии.

Еще один огромный тренд последних 2 лет — AI Product Managers. LinkedIn и Indeed фиксировали трехзначный рост вакансий с AI PM и GenAI PM specialization после 2023 года. Компании поняли, что “обычный PM + ChatGPT” не работает.

Нужны люди, которые понимают:
- AI UX
- eval systems
- latency/cost tradeoffs
- orchestration
- human-in-the-loop сценарии

Фактически появляется новая продуктовая специализация.

Параллельно резко вырос solo-builder track. Благодаря AI и no-code/low-code инструментам один PM сейчас может делать то, для чего раньше требовалась команда из:
- дизайнера
- frontend
- backend
- analyst
- support

По данным Indie Hackers и Stripe Atlas, количество micro-SaaS и solo-founded AI products за последние 2 года выросло кратно. И это меняет саму логику карьеры. Раньше рост почти всегда означал: “больше людей в подчинении”. Сейчас все чаще: “больше leverage на одного человека”. Самое важное, что многие понимают слишком поздно: product management — это уже не карьерная лестница. Это skill tree.

Есть вопрос или запрос на карьеру, рост или поддержку? Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.

Одна из самых дорогих ошибок фаундеров и СЕО – решать проблему, которую они видят, а не проблему, которая ее создает

• Пользователь не покупает? Значит, надо улучшать лендинг. Очень часто проблема не в лендинге. Проблема в том, что пользователь пришел с неправильным ожиданием из рекламы. Конверсия падает не на странице, а за 5 минут до нее.

• Продажи не растут? Значит, нужен новый канал привлечения. Иногда проблема в том, что существующие клиенты не возвращаются второй раз. Вы вливаете деньги в воронку сверху, пока снизу течет огромная дыра.

• Клиенты не пользуются новой функцией? Значит, она недостаточно заметна. Возможно, они не понимают базовую ценность продукта. Если человек не решил свою главную задачу, ему абсолютно безразлично, сколько новых кнопок вы добавили.

• Поддержка перегружена? Значит, нужен чат-бот. Очень часто проблема в продукте. Люди пишут в поддержку не потому, что любят общаться с поддержкой. Они пишут потому, что продукт заставляет их это делать.

• Пользователи долго принимают решение о покупке? Значит, надо давать скидки. Иногда проблема вообще не в цене. А в риске. Люди готовы платить дорого, если уверены, что не ошибутся. И не готовы платить дешево, если боятся последствий.

Чем опытнее становится продуктовая команда, тем реже она спрашивает: Что сломалось? И тем чаще спрашивает: Что создает условия, при которых это ломается? Почти всегда настоящая проблема находится на один-два уровня глубже, чем кажется на первой встрече.
Поэтому сильные продуктовые команды чинят не симптомы, а ищут систему, которая эти симптомы производит. Если вам нужна помощь продакта с насмотренностью более 120 компаний и вы хотите расти - пишите автору канала @SKoloskov или заполните короткую форму тут.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Вакансия Product Manager в команду 01.tech.

Редко в этом канале публикую вакансии, но тут не смог удержаться. Если вам нравится не просто собирать требования, а реально влиять на продукт, метрики и пользовательский опыт — возможно, это тот самый кейс.

Что предстоит делать:

• Запускать и развивать продукт на собственном in-house решении

• Работать с CJM и искать точки роста там, где их обычно не замечают. Не просто получать задачи сверху, а самостоятельно находить возможности через данные, исследования и анализ поведения пользователей.

• Проверять гипотезы, анализировать пользователей, смотреть на конкурентов и отвечать за рост ключевых продуктовых показателей.

Что важно:

— от 3 лет опыта Product Manager
— уверенная работа с продуктовой аналитикой
— опыт проведения и валидации гипотез
— понимание UX, usability и цифровых сценариев
— опыт работы с кросс-функциональными командами

Что лично считаю ценным в этой роли:

Не история про "следить за Jira".

Это роль для человека, который любит разбираться в поведении пользователей, искать точки роста и превращать инсайты в продуктовые решения.

Что предлагает холдинг:

— международные проекты внутри крупного холдинга
— среду без микроменеджмента
— сильное продуктовое окружение
— внутреннее обучение и обмен опытом
— реальные возможности для роста, а не обещания в презентациях
— ДМС, спорт, психолог, нутрициолог

Отправляй отклик, если заинтересовало ➡️ 01 bot

Промпты для продактов, которые стали возможны благодаря обновлениям в 2026

GPT лучше всего работает не как помощник продакта, а как независимый участник продуктового спора. Чем меньше вы просите его "написать документ", и чем чаще просите "разрушить вашу гипотезу" — тем больше ценности получаете. Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

1. Найди проблему, которую мы маскируем фичей

У нас есть идея:

[описание функции]

Представь, что через год мы поняли, что функция провалилась.

Разбери:

какую проблему мы на самом деле пытались решить
почему новая функция не решила её
какие причины могли находиться уровнем ниже
какие организационные и продуктовые искажения заставили нас поверить в эту идею
какое решение стоило бы в 10 раз дешевле
В конце оцени вероятность того, что функция вообще не нужна.

2. Извлеки стратегию конкурента

Проанализируй:
сайт
вакансии
отзывы клиентов
последние релизы
выступления руководителей

Восстанови:

North Star Metric
ключевые KPI команды
продуктовую стратегию
вероятный roadmap на 12 месяцев
сегменты, на которые они делают ставку

Покажи уровень уверенности по каждому выводу.

3. Найди скрытые сегменты

Вот исследование пользователей:

[данные]

Не группируй людей по возрасту или доходу.

Сегментируй их по:

контексту возникновения проблемы
мотивации
триггеру покупки
уровню тревожности
ожидаемому результату

Найди сегменты, которые мы сейчас не видим.

4. Сломай наш CJM

Вот текущий CJM:

[данные]

Представь, что пользователь хочет максимально быстро уйти от нас к конкуренту.

Покажи:

где ему проще всего уйти
где доверие начинает падать
какие обещания мы нарушаем
какие этапы создают ложные ожидания
Построй карту потери доверия.

5. Найди вторичный продукт

Описание продукта:

[данные]

Представь, что основной бизнес запрещён. Какой новый бизнес можно построить на уже имеющихся:
данных
аудитории
привычках пользователей
инфраструктуре
Сгенерируй 10 новых продуктовых направлений.

6. Найди самую дорогую проблему

Вот список болей пользователей:

[данные]

Не сортируй по частоте. Определи:
какая проблема стоит пользователям больше всего денег
времени
нервов
репутационных потерь
Покажи рейтинг по совокупному ущербу.

7. Найди точку монетизации, которую никто не видит

Описание продукта:

[данные]

Не предлагай подписку.
Не предлагай рекламу.
Не предлагай комиссию.
Найди способы монетизации через:
данные
доверие
инфраструктуру
доступ к аудитории
скорость
снижение рисков

Сгенерируй 20 вариантов.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

🗓 4 июня в 20:00 МСК приглашаем вас на открытый урок курса «Промпт-инжиниринг: внедрение ИИ в бизнес-процессы». На занятии разберём, как использовать большие языковые модели для анализа данных, генерации отчётов и поиска закономерностей. Покажем, как правильно подготавливать CSV, JSON и SQL-данные для работы с LLM и какие техники промптов позволяют получать точные и структурированные ответы. 

🌟 Обсудим реальные сценарии: анализ рыночных трендов, обработку клиентских отзывов, финансовую аналитику и поиск аномалий в данных. Отдельно сравним возможности LLM и классических BI-инструментов: где ИИ действительно ускоряет работу, а где привычные подходы пока эффективнее.

❗️   Вебинар будет полезен аналитикам, руководителям, маркетологам и всем, кто работает с данными и хочет сократить время на рутинную аналитику без потери качества выводов. 

➡️ Регистрация уже открыта: https://otus.pw/Md7G/

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

Большинство продуктовых команд обсуждают функции. Единороги строятся вокруг механик

Функция отвечает на вопрос: Что мы сделаем в следующем релизе? Механика отвечает на вопрос: Почему продукт будет расти быстрее через 3 года, чем сегодня? Именно поэтому сотни компаний могут скопировать интерфейс, дизайн или набор возможностей успешного продукта, но не могут повторить его результат. Если посмотреть на крупнейшие технологические компании последних 20 лет, становится заметно, что почти все они строились вокруг нескольких фундаментальных механик.

Хотите расширить насмотренность и разобрать задачи из продуктовой практики и тестовых заданий? Подключайтесь на Разборы от редакции.

Первая — сетевые эффекты. Каждый новый пользователь делает продукт ценнее для остальных. Именно поэтому мессенджер с двумя пользователями никому не нужен, а мессенджер, где находятся все ваши контакты, становится практически незаменимым. Многие считают, что у них есть сетевой эффект, но проверить это очень просто: если завтра количество пользователей удвоится, станет ли продукт объективно полезнее для каждого существующего пользователя? Если нет — сетевого эффекта нет.

Вторая — вирусная дистрибуция. Лучшие компании не покупают каждого следующего пользователя через рекламу. Они встраивают привлечение новых пользователей в сам сценарий использования продукта. Когда дизайнер делится макетом, менеджер отправляет ссылку на календарь, сотрудник приглашает коллегу в рабочее пространство — продукт распространяется сам. Самая сильная вирусность появляется не тогда, когда пользователю платят за приглашение друга, а тогда, когда приглашение помогает ему самому решить задачу.

Третья — захват рабочего процесса. Это одна из самых мощных B2B-механик. Когда продукт становится частью ежедневной работы компании, стоимость отказа от него начинает расти с каждым месяцем. Можно заменить CRM, систему документооборота или корпоративный мессенджер, но для этого придется менять процессы, обучать сотрудников, перестраивать интеграции и рисковать операционной стабильностью. Именно поэтому многие корпоративные продукты удерживают клиентов десятилетиями.

Четвертая — data flywheel. Каждый новый пользователь делает продукт лучше. Пользователи генерируют данные, данные улучшают алгоритмы, алгоритмы улучшают продукт, улучшенный продукт привлекает новых пользователей. Этот цикл особенно заметен в AI-компаниях, где объем взаимодействий напрямую влияет на качество модели.

Пятая — маркетплейсная ликвидность. Успех маркетплейса определяется не количеством пользователей, а скоростью совершения сделки. Если водитель находится за две минуты, квартира сдается за три дня, а специалист находится за один час, платформа начинает выигрывать рынок. Пользователи возвращаются не из-за интерфейса, а потому что задача решается быстрее, чем где-либо еще.

Практически ни один единорог не вырос на одной механике. Обычно происходит их наложение. Сетевой эффект усиливает вирусность. Вирусность приводит новых пользователей. Новые пользователи создают данные. Данные улучшают продукт. Улучшенный продукт удерживает пользователей и усиливает сетевой эффект. Возникает замкнутый цикл, который становится сильнее по мере роста компании.

Поэтому полезный вопрос для любого продуктового менеджера звучит как “Какую фундаментальную механику роста усиливает эта фича?” Потому что функции создают релизы. Механики создают единорогов.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Где еще можно подписаться на каналы редакции

1. В мессенджере Max
• Fresh Product manager https://max.ru/FreshProductGo
• и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков.
2. В Сетке
• Fresh Product manager - https://setka.ru/communities/018b3c8e-b08a-483f-9c65-35fe4fb2b394
• Вакансии - https://setka.ru/communities/018fbf81-63f3-47ed-af41-1968702446f7
3. ВК - https://vk.com/freshproductmanager
4. Тенчат - https://tenchat.ru/Serge
5. Все возможности от редакции канала по ссылке.

⚡️Про рынок платформ для экспериментов и A/B-тестирования

Руководители платформы для A/B-тестирования Trisigma от «Авито» поговорили с Коммерсантом о трендах этого рынка - получилось довольно занятно.

• Российскому рынку A/B-тестирования около трех лет. Его можно разделить на два сегмента. Первый — это компании, которые уже используют продукты для автоматизации таких тестов и платят за них. Его объем составляет 1,5–2 млрд руб. в год. Второй — более свободный: компании, которые пока не определились, покупать готовое решение или создавать свое. Этот сегмент эксперты оценивают в 5-7 млрд руб.

• Сегодня российский рынок продуктовой аналитики и платформ для экспериментов проходит путь от точечных и часто ручных проверок гипотез к системному управлению цифровыми продуктами на основе данных. На горизонте двух-трех лет совокупный объем рынка может вырасти до 10-15 млрд руб. за счет автоматизации труда и увеличения расходов компаний на присутствие в онлайне.

• Компании из банковского сектора, ритейла, e-commerce и райдтеха активно внедряют культуру экспериментов.

• На практике в числе самых популярных задач в этой области можно выделить UX и тестирование промомеханик (например, влияния цены на спрос), а также эксперименты над бэкенд-алгоритмами: поиском, рекомендациями, ранжированием. Но есть и более сложные сценарии, где A/B-тесты помогают быстрее проверять гипотезы, улучшать пользовательский опыт и принимать решения на основе данных.