Данные тоже врут: ловушки data-driven подхода
Меня жутко раздражает, когда из data-driven делают культ. В смысле просто «верят» и проводят дорогие «ритуалы».
И все же ничего лучше data-driven пока не придумали. Чтобы не сливать возможности и ресурсы впустую, критически важно выстроить системный процесс, включая:
✔️ Эффективную модель приоритезации, чтобы тестировать в первую очередь гипотезы с максимальным потенциальным эффектом.
✔️Обеспечивать качество формулировки гипотез и их оценок.
✔️Поддерживать длинный и постоянно пополняющийся бэклог.
✔️ Извлекать уроки из неудач, но проводить каждый эксперимент максимально корректно — избегая когнитивных искажений и ловушек👇🏻
Ловушка 1: Культ метрик тщеславия
❌ «DAU растет — мы молодцы!» (но LTV падает).
✅ Постройте иерархию метрик: на вершине — ключевые бизнес-показатели (выручка, прибыль), а операционные метрики объясняют их изменения. Добавьте компенсирующую метрику для контроля, что рост дохода не ухудшает UX.
Ловушка 2: Подтверждающее смещение
❌ «Игнорируем регионы с падением продаж и негативом, фокусируясь на росте».
✅ Внедрите Peer-review и Pre-Mortem для проверки гипотез до запуска, а Randomized Response Review или красную команду — для слепой и объективной интерпретации результатов.
Ловушка 3: Корреляция ≠ Причинность
❌ «Сменили цвет кнопки → выручка выросла» (но причина — сезонность).
✅ Проводите контролируемые изолированные эксперименты и учитывайте внешние факторы при интерпретации результатов.
Ловушка 4: P-hacking (избирательный поиск значимости)
❌ «20 тестов → 1 случайный «успех» → выдаем за инсайт».
❌ Чистка данных от «неудобных» выбросов.
❌ Накопление данных для «любимых» гипотез.
❌ Преждевременная остановка теста.
✅ Фиксируйте всё до старта теста и не отступайте от намеченного, используйте корректировки на множественные сравнения для повышения достоверности результатов.
Ловушка 5: Подгон данных под убеждения
❌ «Графики в отчете «подтверждают» мнение CEO».
✅ Чётко разделяйте подтверждённые данные и предположения, основанные на интуиции, чтобы избежать манипуляций.
Ловушка 6: Cherry-picking (избирательное представление данных)
❌ «Показываем рост Retention, скрывая ботов в трафике».
✅ Публикуйте полные и прозрачные данные, а также проводите регулярный аудит аналитических процессов.
Ловушка 7: Пост-хок формулирование гипотез (HARKing)
❌ «Нашли случайную связь → объявили, что это и была гипотеза».
✅ Документируйте все гипотезы до начала эксперимента и не переписывайте после.
Ловушка 8: Игнорирование технических сбоев в сборе данных
❌ «Потеряли 30% данных из-за бага → решили на основе оставшихся 70%».
✅ Перед запуском теста тщательно проверьте работоспособность всех систем сбора данных и распределение групп.
Ловушка 9: Чрезмерная сегментация выборки (синдром «салями»)
❌ «Рост конверсии на 0.2% у женщин 24 лет из Тулы».
✅ Сосредотачивайтесь на репрезентативных выборках и масштабируемых инсайтах, избегая избыточной сегментации.
Ловушка 10: Игнорирование неудачных экспериментов
❌ «Неудачные тесты – это позор, нужно их спрятать по-дальше».
✅ Ведите библиотеку неудачных экспериментов для детального анализа и обучения.
Ловушка 11: Неправильный scoping и выбор метрики
❌ «Проверяем влияние изменения UI онбординга на LTV через 90 дней».
✅ Метрика должна быть максимально близко к точке воздействия. Если меняете шаг онбординга — измеряйте завершение онбординга, а не downstream-метрики, и не путайте локальный impact с глобальным эффектом.
💬 А вы обманывались, опираясь на данные?👇🏻
Pro Product
#Метрики #Инструменты
Меня жутко раздражает, когда из data-driven делают культ. В смысле просто «верят» и проводят дорогие «ритуалы».
💡 По данным Microsoft и Airbnb, 80-90% экспериментов не показывают значимых или положительных результатов. А по данным Google из успешных только 1 из 7 (т.е. ~14%) приводит к заметному бизнес-эффекту. Прибавьте сюда факт, что любой тест — это относительно долго и дорого, и вера в волшебную таблетку исчезает.
И все же ничего лучше data-driven пока не придумали. Чтобы не сливать возможности и ресурсы впустую, критически важно выстроить системный процесс, включая:
✔️ Эффективную модель приоритезации, чтобы тестировать в первую очередь гипотезы с максимальным потенциальным эффектом.
✔️Обеспечивать качество формулировки гипотез и их оценок.
✔️Поддерживать длинный и постоянно пополняющийся бэклог.
✔️ Извлекать уроки из неудач, но проводить каждый эксперимент максимально корректно — избегая когнитивных искажений и ловушек👇🏻
Ловушка 1: Культ метрик тщеславия
❌ «DAU растет — мы молодцы!» (но LTV падает).
✅ Постройте иерархию метрик: на вершине — ключевые бизнес-показатели (выручка, прибыль), а операционные метрики объясняют их изменения. Добавьте компенсирующую метрику для контроля, что рост дохода не ухудшает UX.
Ловушка 2: Подтверждающее смещение
❌ «Игнорируем регионы с падением продаж и негативом, фокусируясь на росте».
✅ Внедрите Peer-review и Pre-Mortem для проверки гипотез до запуска, а Randomized Response Review или красную команду — для слепой и объективной интерпретации результатов.
Ловушка 3: Корреляция ≠ Причинность
❌ «Сменили цвет кнопки → выручка выросла» (но причина — сезонность).
✅ Проводите контролируемые изолированные эксперименты и учитывайте внешние факторы при интерпретации результатов.
Ловушка 4: P-hacking (избирательный поиск значимости)
❌ «20 тестов → 1 случайный «успех» → выдаем за инсайт».
❌ Чистка данных от «неудобных» выбросов.
❌ Накопление данных для «любимых» гипотез.
❌ Преждевременная остановка теста.
✅ Фиксируйте всё до старта теста и не отступайте от намеченного, используйте корректировки на множественные сравнения для повышения достоверности результатов.
Ловушка 5: Подгон данных под убеждения
❌ «Графики в отчете «подтверждают» мнение CEO».
✅ Чётко разделяйте подтверждённые данные и предположения, основанные на интуиции, чтобы избежать манипуляций.
Ловушка 6: Cherry-picking (избирательное представление данных)
❌ «Показываем рост Retention, скрывая ботов в трафике».
✅ Публикуйте полные и прозрачные данные, а также проводите регулярный аудит аналитических процессов.
Ловушка 7: Пост-хок формулирование гипотез (HARKing)
❌ «Нашли случайную связь → объявили, что это и была гипотеза».
✅ Документируйте все гипотезы до начала эксперимента и не переписывайте после.
Ловушка 8: Игнорирование технических сбоев в сборе данных
❌ «Потеряли 30% данных из-за бага → решили на основе оставшихся 70%».
✅ Перед запуском теста тщательно проверьте работоспособность всех систем сбора данных и распределение групп.
Ловушка 9: Чрезмерная сегментация выборки (синдром «салями»)
❌ «Рост конверсии на 0.2% у женщин 24 лет из Тулы».
✅ Сосредотачивайтесь на репрезентативных выборках и масштабируемых инсайтах, избегая избыточной сегментации.
Ловушка 10: Игнорирование неудачных экспериментов
❌ «Неудачные тесты – это позор, нужно их спрятать по-дальше».
✅ Ведите библиотеку неудачных экспериментов для детального анализа и обучения.
Ловушка 11: Неправильный scoping и выбор метрики
❌ «Проверяем влияние изменения UI онбординга на LTV через 90 дней».
✅ Метрика должна быть максимально близко к точке воздействия. Если меняете шаг онбординга — измеряйте завершение онбординга, а не downstream-метрики, и не путайте локальный impact с глобальным эффектом.
💡 Совет: успех теста — еще не повод сразу внедрять, учитывайте риски и побочные эффекты.
Внедрение data-driven подхода — это инвестиция, эффект которой не стоит переоценивать, а усилия и компетенции — недооценивать.
Pro Product
#Метрики #Инструменты
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3❤2
Интуиция для продакта: друг или враг?
После прочтения предыдущего поста, особенно той части, где приводятся данные об успешности экспериментов, неизбежно возникают два крамольных вопроса:
1️⃣ Почему столько неудач?
2️⃣ Может не усложнять и просто довериться интуиции?
Давайте разбираться 👇🏻
━━━━━━━━━━━━━━
1. Почему эксперименты часто неуспешны?
Во-первых, это нормально.
Но не стоит думать, что дело только в неоптимальном процессе, культуре или ловушках (о которых уже говорилось ранее). Есть еще несколько менее очевидных, но критичных факторов, связанных с поведением пользователей, сложностью систем и законами статистики:
🔹 Закон убывающей отдачи
После устранения очевидных проблем (например, критических багов) дальнейшие улучшения становятся всё менее заметными.
🔹 Привычки пользователей
Люди склонны сопротивляться изменениям, даже полезным. Мозг автоматизирует рутинные действия, и любые нововведения требуют когнитивных усилий.
🔹 Сложность систем
Ускорение загрузки страницы на 0.2 сек. улучшит конверсию, но эффект будет незаметен, если одновременно упадет качество карточек товаров.
🔹 Статистические ограничения
Большинство A/B-тестов выявляют только крупные эффекты (например, +10% конверсии). Микроизменения (например, +0.5%) часто «тонут» в шуме данных.
🔹 Эффект плато
После достижения определённого уровня оптимизации дальнейшие улучшения упираются в фундаментальные ограничения (например, ёмкость рынка или физические законы).
━━━━━━━━━━━━━━
2. Когда интуиция действительно выигрывает?
Согласно "Trustworthy Online Controlled Experiment", большинство компаний уверены, что они data-driven. Но вот что забавно, по словам Кена Сигалла, в эпоху Стива Джобса Apple не тестировала рекламу ни в одном из каналов😊
И в целом сложно поспорить с тем, что бывают ситуации, когда интуиция может быть полезнее цифр:
⚡️ Кризисы и «чёрные лебеди» – неожиданные события, где нет времени на анализ, и действовать надо мгновенно.
⚖️ Этические вопросы – никакие A/B тесты не ответят, стоит ли применять dark patterns ради краткосрочного роста.
🧩 Рынки без данных – если продукта или технологии ещё не существует, полагаться на аналитику просто невозможно.
━━━━━━━━━━━━━━
3. Почему тогда нельзя строить продукт, опираясь только на интуицию?
Хотя интуиция важна, она тоже имеет свои научно доказанные ограничения, о которых стоит помнить:
1️⃣ Когнитивные искажения – наш мозг склонен выдавать желаемое за действительное. Это относится и к работе с данными, но гораздо сильнее проявляется, когда мы опираемся исключительно на интуицию (речь про Halo-effect и другие ошибки восприятия).
2️⃣ Завязка на опыт – интуиция основана на субъективном опыте и кругозоре, а они могут быть устаревшими, нерепрезентативными для широкой аудитории и т.д. Даже если ваш продакт - гений, опора только на интуицию ограничивает перспективу.
3️⃣ Групповое мышление и эго-байас – когда вы опираетесь на данные, вам не приходится придумывать аргументы для продвижения гипотезы внутри команды. Если же полагаться исключительно на интуицию, придётся "продавать", что приводит к двум явлениям, искажающим реальность:
❌ Предвзятость: вы будете искать подтверждения своей идеи и игнорировать контраргументы.
❌ Консенсус: вы или согласитесь с мнением большинства, или попытаетесь подтолкнуть его в нужном направлении.
━━━━━━━━━━━━━━
Как правильно?
На мой взгляд:
📍 Интуиция – полезна для генерации гипотез (впрочем, тут данные с ней могут конкурировать, если они есть) и в ситуациях, описанных в пункте 2.
📊 Данные – для уточнения гипотез, их проверки, обоснования выводов и решений.
Pro Product
#Философия
После прочтения предыдущего поста, особенно той части, где приводятся данные об успешности экспериментов, неизбежно возникают два крамольных вопроса:
Давайте разбираться 👇🏻
━━━━━━━━━━━━━━
1. Почему эксперименты часто неуспешны?
Во-первых, это нормально.
Но не стоит думать, что дело только в неоптимальном процессе, культуре или ловушках (о которых уже говорилось ранее). Есть еще несколько менее очевидных, но критичных факторов, связанных с поведением пользователей, сложностью систем и законами статистики:
🔹 Закон убывающей отдачи
После устранения очевидных проблем (например, критических багов) дальнейшие улучшения становятся всё менее заметными.
🔹 Привычки пользователей
Люди склонны сопротивляться изменениям, даже полезным. Мозг автоматизирует рутинные действия, и любые нововведения требуют когнитивных усилий.
🔹 Сложность систем
Ускорение загрузки страницы на 0.2 сек. улучшит конверсию, но эффект будет незаметен, если одновременно упадет качество карточек товаров.
🔹 Статистические ограничения
Большинство A/B-тестов выявляют только крупные эффекты (например, +10% конверсии). Микроизменения (например, +0.5%) часто «тонут» в шуме данных.
🔹 Эффект плато
После достижения определённого уровня оптимизации дальнейшие улучшения упираются в фундаментальные ограничения (например, ёмкость рынка или физические законы).
Но есть и хорошая новость: микроскопические изменения кажутся бесполезными в краткосроке, но их сумма за годы даёт экспоненциальный рост (Compound Effect).
━━━━━━━━━━━━━━
2. Когда интуиция действительно выигрывает?
Согласно "Trustworthy Online Controlled Experiment", большинство компаний уверены, что они data-driven. Но вот что забавно, по словам Кена Сигалла, в эпоху Стива Джобса Apple не тестировала рекламу ни в одном из каналов
И в целом сложно поспорить с тем, что бывают ситуации, когда интуиция может быть полезнее цифр:
⚡️ Кризисы и «чёрные лебеди» – неожиданные события, где нет времени на анализ, и действовать надо мгновенно.
⚖️ Этические вопросы – никакие A/B тесты не ответят, стоит ли применять dark patterns ради краткосрочного роста.
🧩 Рынки без данных – если продукта или технологии ещё не существует, полагаться на аналитику просто невозможно.
Также существует опасение, что чрезмерное фокусирование на микро-экспериментах приводит к каннибализации ресурсов, которые можно было бы направить на поиск более масштабных инноваций.
━━━━━━━━━━━━━━
3. Почему тогда нельзя строить продукт, опираясь только на интуицию?
Хотя интуиция важна, она тоже имеет свои научно доказанные ограничения, о которых стоит помнить:
━━━━━━━━━━━━━━
Как правильно?
На мой взгляд:
📍 Интуиция – полезна для генерации гипотез (впрочем, тут данные с ней могут конкурировать, если они есть) и в ситуациях, описанных в пункте 2.
📊 Данные – для уточнения гипотез, их проверки, обоснования выводов и решений.
💡 Идеальный баланс – когда интуиция показывает направление, а данные помогают не наступить в яму на пути. Т.е. работают в связке, как карта и компас.
Pro Product
#Философия
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 Про эксперименты
Что роляет?
1️⃣ Данные
🔘 B2B: Клиентов обычно немного, но каждый из них может генерировать огромные объёмы операционных данных (50 компаний → 1 млн транзакций). Это значит, что в B2B иногда можно тестировать микро-воронки (adoption, activation), но макро-воронки (lead → customer) — крайне сложно*, зато есть возможности применять количественные методы для повышения ЦЕННОСТИ ПРОДУКТА**.
🔘 B2C: Большое количество пользователей даёт возможность быстро и статистически значимо тестировать как гипотезы ценности**, так и проводить эксперименты по оптимизации воронки*.
2️⃣ Риски
🔘 B2B: Потеря даже одного ключевого клиента может привести к ощутимому снижению выручки и ударить по репутации, особенно при недиверсифицированном портфеле.
🔘 B2C: Ценность одного пользователя не столь велика, но риски масштабируются с размером аудитории и критичностью продукта для пользователя (здоровье, финансы).
3️⃣ Скорость получения обратной связи
🔘 B2B: Долго (недели/месяцы/кварталы)
🔘 B2C: Быстро (минуты/часы/дни)
4️⃣ Гетерогенность vs Гомогенность
🔘 B2B: Клиенты сильно различаются (размер, индустрия, настройка).
🔘 B2C: Пользователи более однородны (в рамках сегментов).
Как это влияет?
✔️ Фреймворки
🔘 Чем выше риски (B2B) — тем структурированнее подход (DMAIC → PDCA → Научный метод).
🔘 Чем динамичнее рынок (B2C) — тем короче циклы (Build-Measure-Learn → HADI).
💡 Выбор фреймворка зависит не только от типа продукта, но и от зрелости команды, инфраструктуры и рынка.
✔️ Методы:
🔘 B2B: Пилоты (тест в реальных условиях) с поэтапным rollout (↓сбоев, ↑уверенность в эффекте) и квази-экспериментальные методы (Diff-in-Diff, ITS), дополняемые качественными методами и анализом данных:
— Интервью (помогают понять бизнес-процессы клиентов и все, что происходит вне вашего продукта, но влияет на UX), UX-тесты (упрощение UI).
— Временные ряды (сезонность), Process Mining (узкие места).
💡 A/B-тесты в B2B применимы только если достаточно согласных клиентов и/или пользователей внутри аккаунта (например, продукт для smb или лидер рынка).
🔘 B2C: Цель — понять как лучше: с фичей или без/с каким вариантом реализации фичи. Доминируют масштабные, рандомизированные, количественные эксперименты (A/B/n, MVT, Bandit), дополненные:
— Анализом данных (персонализация, воронки, отзывы, unit-экономика) и качественными методами.
— Выкатка: Canary-релизы + ускоренный rollout в случае успеха, Shadow Testing (новая фича работает «в фоне» параллельно со старой, но не влияет на UX).
✔️ DoE (Design of Experiments) — используют, когда много факторов одновременно (цена × дизайн × функционал), нужно найти оптимальную комбинацию параметров (макс. конверсия/прибыль), важно понять скрытые взаимосвязи:
🔘 B2B: Настройка алгоритмов, сложных процессов.
🔘 B2C: Оптимизация цен, рекомендаций, игровых механик.
*Речь про конверсии в продуктовой воронке. Этим чаще занимаются growth product.
**Речь про изменения, которые влияют на метрики "эффективности решения" или "добавленной ценности". Этим занимаются core-product.
Pro Product
#история #Инструменты
Когда-то давно меня пригласила на собеседование одна достаточно известная компания. Подключаюсь к Zoom-у, на экране — милая девушка, которая с неподдельным энтузиазмом начинает рассказывать о вакансии. Я уточняю: «Верно ли я понимаю, что речь идёт о growth-позиции в b2c?» Она задорно кивает, а внутри меня начинает зреть недоумение — в моём резюме чётко указано, что у меня полностью B2B-опыт, и чистых growth-позиций никогда не было. Тогда я аккуратно спросила, почему они смотрят B2B-шника, в ответ последовало: «А какая разница? Эксперименты же везде одинаковые.» Именно в этот момент мне пришлось объяснить, почему дальнейший разговор становится бессмысленным – разница в подходах к экспериментам в B2B и B2C продуктах на мой взгляд принципиальна.
Что роляет?
Как это влияет?
— Интервью (помогают понять бизнес-процессы клиентов и все, что происходит вне вашего продукта, но влияет на UX), UX-тесты (упрощение UI).
— Временные ряды (сезонность), Process Mining (узкие места).
— Анализом данных (персонализация, воронки, отзывы, unit-экономика) и качественными методами.
— Выкатка: Canary-релизы + ускоренный rollout в случае успеха, Shadow Testing (новая фича работает «в фоне» параллельно со старой, но не влияет на UX).
‼️ Проверить гипотезу проблемы, так и протестировать решение можно множеством способов, и контролируемые эксперименты — лишь один из инструментов. Не забывайте про качественные методы и анализ данных.
*Речь про конверсии в продуктовой воронке. Этим чаще занимаются growth product.
**Речь про изменения, которые влияют на метрики "эффективности решения" или "добавленной ценности". Этим занимаются core-product.
Pro Product
#история #Инструменты
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥3😁3
Тренды ≠ Инновации. Почему каждый продакт должен это знать?
Известный факт, описанный ещё в книге «Диффузия инноваций»: когда появляется что-то новое, чрезвычайно полезное и привлекательное, способное кардинально изменить опыт пользователя при решении конкретной задачи (или стоимость решения), это даёт огромное преимущество компании, которой удалось первой это обнаружить и внедрить. Далее всё зависит от того, насколько легко или сложно воспроизвести этот прорыв.
1️⃣ Если технология или фича легко копируется, то все, у кого есть ресурсы и компетенции, начинают её повторять. Диффузия происходит стремительно, и то, что когда-то давало конкурентное преимущество, превращается в мимолетную моду или тренд. В лучшем случае эта фича превращается в то, что Кано называет must-have: пользователи по умолчанию ожидают её присутствия, и наличие такой возможности вряд ли получится монетизировать, а её отсутствие воспринимается как нечто недопустимое и может привести к оттоку клиентов. Иными словами, конкурентное преимущество быстро превращается в стандарт рынка или даже устаревший тренд.
2️⃣ Если же повторить эту штуку сложно, то все вышеописанное происходит дольше и с меньшим количеством участников, а у компании, которая первая это сделала, есть определённая фора («unfair advantage»).
🔘 Тренд ≠ Инновация
Чтобы пояснить почему не любой тренд это инновация, напрашиваются примеры из мира fashion. Все знают, что модные бренды делают показы несколько раз в год, и на них, как правило, представляется коллекция, отражающая актуальные тенденции для сезона, которому посвящен показ.
А что же в данном случае может считаться инновацией? А инновацией может считаться компания, построенная вокруг мега или макро тренда, касающегося глобальных рыночных изменений, а не просто оригинальная (или не очень) визуализация давно существующих и всем известных предметов.
🔘 При чём тут продакты?
Команды, мастерски внедряющие короткие тренды (как, например, Zara) — безусловно, выигрывают в краткосрочной гонке. Но здесь кроется ловушка: бесконечные микрооптимизации пожирают ресурсы, которые могли стать топливом для прорывов.
Игроки, которые будут успешны и в будущем, не гонятся только за сиюминутным хайпом. Они пытаются искать возможности, чтобы создавать новые рынки. И именно такую компанию сложно представить без продакта. А продакта без искреннего интереса к мироустройству и неубиваемого ни одной неудачей желания его улучшать...
Pro Product
#Философия #AI
Известный факт, описанный ещё в книге «Диффузия инноваций»: когда появляется что-то новое, чрезвычайно полезное и привлекательное, способное кардинально изменить опыт пользователя при решении конкретной задачи (или стоимость решения), это даёт огромное преимущество компании, которой удалось первой это обнаружить и внедрить. Далее всё зависит от того, насколько легко или сложно воспроизвести этот прорыв.
— Легко повторить? → Фича быстро становится must-have.
— Сложно? → У компании есть годы преимущества.
Чтобы пояснить почему не любой тренд это инновация, напрашиваются примеры из мира fashion. Все знают, что модные бренды делают показы несколько раз в год, и на них, как правило, представляется коллекция, отражающая актуальные тенденции для сезона, которому посвящен показ.
✅ Короткие тренды (микро) — это быстро устаревающие «фишки»:
• Сезонные цвета и принты,
• Фасоны и декор,
• Стили/core.
А что же в данном случае может считаться инновацией? А инновацией может считаться компания, построенная вокруг мега или макро тренда, касающегося глобальных рыночных изменений, а не просто оригинальная (или не очень) визуализация давно существующих и всем известных предметов.
✅ Инновации — компании, которые меняют стандарты и/или цепочки создания ценности через:
• Технологии: 3D-печать одежды, новые материалы
• Бизнес-модели: SeeNow, BuyNow (купи look с подиума сразу, а не через 6 месяцев),
• Опыт: AR-примерка или поиск одежды по картинке
• Новые рынки: одежда для метавселенных.
Команды, мастерски внедряющие короткие тренды (как, например, Zara) — безусловно, выигрывают в краткосрочной гонке. Но здесь кроется ловушка: бесконечные микрооптимизации пожирают ресурсы, которые могли стать топливом для прорывов.
Игроки, которые будут успешны и в будущем, не гонятся только за сиюминутным хайпом. Они пытаются искать возможности, чтобы создавать новые рынки. И именно такую компанию сложно представить без продакта. А продакта без искреннего интереса к мироустройству и неубиваемого ни одной неудачей желания его улучшать...
По данным McKinsey, 84% лидеров называют инновации ключом к долгосрочному росту, но лишь 6% довольны своими результатами. Парадокс? Нет — вызов.
Pro Product
#Философия #AI
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤1
This media is not supported in your browser
VIEW IN TELEGRAM
Суперсила продакта
Если развить основную мысль моих последних постов, то можно сделать вывод, что если убрать глянец презентаций и отчетов, окажется, что история любого успешного продукта — это кладбище проваленных гипотез, недооцененных рисков и болезненных решений. Неудачи не просто не случайность, они — закономерность. Своего рода плата за вход в игру. Если вы не совершаете ошибки, вы либо не делаете ничего нового, либо лжёте себе и окружающим. Поэтому правильное отношение к неудачам (в частности ошибкам) — это не про снисходительность, это про иммунитет:
✔️ Обнаружение: Через метрики, фидбек, A/B-тесты.
✔️ Реакция: Итерации, пивотинг, убийство бесперспективных фич.
✔️ Память: Документирование.
━━━━━━━━━━━━━━
Топ-10 ошибок (поищите их в продукте, которым занимаетесь сейчас😉 )
1️⃣ 0️⃣ Feature Factory — фичи ради фич (ICQ).
9️⃣ Невовремя вышли на рынок, в худшем случае еще и с пустыми руками (Microsoft Zune — поздно, Google Glass — рано).
8️⃣ Слабый UX → высокий churn (Делать b2b-продукт, ориентируясь только на задачи и проблемы ЛПР и игнорируя фактических пользователей).
7️⃣ Ориентация на неправильные метрики (Kik: DAU вместо Retention).
6️⃣ Нет приоритетов (Yahoo).
5️⃣ CAC > LTV, когда должно быть наоборот (Groupon).
4️⃣ Масштабирование без PMF (Quibi).
3️⃣ Стратегическая слепота или ставка не на ту лошадь (Kodak, Blockbuster).
2️⃣ Токсичная культура: успехи присваивают, за ошибки наказывают → ошибки скрывают и накапливают (Boeing 737 MAX).
1️⃣ Продукт не решает никакую частотную проблему, за решение которой готовы платить (эти имена мы можем никогда не узнать).
━━━━━━━━━━━━━━
Как продакту выявить культуру "успешного успеха" (чтобы держаться от нее по-дальше)
Вот несколько вопросов, ответы на которые нужно постараться получить:
🔘 Расскажите про ваш самый провальный эксперимент за последний год? Как часто вы "закапываете" фичи?
🚩 Отвечают уклончиво, используют шаблоны или вообще отрицают наличие ошибок – «Мы фокусируемся на успехах».
🔘 Как принимаются решения в вашей команде? Кто потом отвечает за результат?
🚩 Ответственность размыта или полномочия и ответственность несоразмерны (например, решения принимаются сверху, а отвечать за провалы должны исполнители).
🔘 Как оценивается вклад сотрудников в успех или неудачу запуска? Как реагируете на ошибку?
🚩 Провалы — личные, а победы — общие или "кого надо". Любая ошибка наказуема.
🔘 Как вы тестируете гипотезы? Как часто происходят релизы? (можно составить свое мнение по открытым источникам)
🚩 Релизы редкие (раз в полгода или больше), а воркфлоу далек от хороших практик.
🔘 Почему из вашей команды обычно увольняются продакты? (можно изучить отзывы бывших сотрудников, статьи о компании и комментарии под ними)
🚩 Обвинения.
Ну и обращайте внимание на язык: если вещи не называют своими именами («незапланированные обучающие возможности» и т.п.), то не стоит ждать ничего хорошего.
━━━━━━━━━━━━━━
Красные флаги в резюме и на собеседовании с продактом
🚩 Избегает темы неудач: Переводит разговор на успехи, идеализирует опыт: «У меня не было значимых ошибок».
🚩 В контексте провалов говорит только о других («Разработчики не успели», «Маркетинг плохо работал»), не выделяя свою долю ответственности.
🚩 Нет выводов и действий: Не говорит о том, какие уроки извлек из ошибки, как работали с последствиями.
Это свидетельствует о недостаточной зрелости/отсутствии рефлексии/непонимании сути продуктовой разработки или нехватке практического опыта. Обычно это результат влияния корпоративной культуры предыдущих мест работы. Конечно, такой кандидат может стать риском для вашей команды, если вы поддерживаете высокий стандарт продуктовой культуры.
━━━━━━━━━━━━━━
━━━━━━━━━━━━━━
💬 А у вас были эпик фейлы?👇🏻
Pro Product
#Философия
Если развить основную мысль моих последних постов, то можно сделать вывод, что если убрать глянец презентаций и отчетов, окажется, что история любого успешного продукта — это кладбище проваленных гипотез, недооцененных рисков и болезненных решений. Неудачи не просто не случайность, они — закономерность. Своего рода плата за вход в игру. Если вы не совершаете ошибки, вы либо не делаете ничего нового, либо лжёте себе и окружающим. Поэтому правильное отношение к неудачам (в частности ошибкам) — это не про снисходительность, это про иммунитет:
✔️ Обнаружение: Через метрики, фидбек, A/B-тесты.
✔️ Реакция: Итерации, пивотинг, убийство бесперспективных фич.
✔️ Память: Документирование.
━━━━━━━━━━━━━━
Топ-10 ошибок (поищите их в продукте, которым занимаетесь сейчас
💡 Огромной карьерной ошибкой для продакта может стать попадание в неправильную команду, а для команды - наем неправильного продакта.
━━━━━━━━━━━━━━
Как продакту выявить культуру "успешного успеха" (чтобы держаться от нее по-дальше)
Вот несколько вопросов, ответы на которые нужно постараться получить:
Ну и обращайте внимание на язык: если вещи не называют своими именами («незапланированные обучающие возможности» и т.п.), то не стоит ждать ничего хорошего.
━━━━━━━━━━━━━━
Красные флаги в резюме и на собеседовании с продактом
Это свидетельствует о недостаточной зрелости/отсутствии рефлексии/непонимании сути продуктовой разработки или нехватке практического опыта. Обычно это результат влияния корпоративной культуры предыдущих мест работы. Конечно, такой кандидат может стать риском для вашей команды, если вы поддерживаете высокий стандарт продуктовой культуры.
━━━━━━━━━━━━━━
💡 Продакт — это не только профессия, но и отношение к жизни. Его суть в том числе в том, чтобы не избегать неудач и ошибок, а делать их быстро, дёшево и информативно (можно сделать выводы и предпринять меры).
━━━━━━━━━━━━━━
Pro Product
#Философия
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥3
McGuinness Institute тут разработал новый набор инструментов для форсайта — Foresight Tools, для тех, кто хочет оставаться антихрупким в мире, где хаос стал нормой.
━━━━━━━━━━━━━━
Что важно знать?
Большинство инструментов — это апгрейд старых добрых методов стратегического анализа и объединение их в группы по цветам:
━━━━━━━━━━━━━━
1️⃣ Желтое — Сканируем тренды
Three Horizons
- Классика: «Run-Change-Disrupt».
- Отличие: Three Horizons добавляет временную перспективу и акцентируется на взаимодействии горизонтов — все три горизонта существуют одновременно, что помогает избежать разрыва между стратегией и операционкой. «Run-Change-Disrupt» фокусирует, скорее, на конфликте между уровнями.
Causal Layered Analysis (CLA)
- Классика: Lean, 5 Why.
- Отличие: Causal Layered Analysis, как философский инструмент, копает вглубь в отличие от 5 Why, который фокусируется на операционных причинах, а не на мировоззренческих.
━━━━━━━━━━━━━━
2️⃣ Красное — Анализируем риски
STEEP+C
- Классика: PEST-анализ.
- Отличие: Добавлены экология и культура (мемы, тренды TikTok).
Futures Wheel
- Классика: Ментальные карты + причинно-следственный анализ.
- Отличие: Futures Wheel сочетает в себе элементы ментальных карт и причинно-следственного анализа, предлагая структурированное, многоуровневое представление последствий, которое позволяет выявлять не только прямые, но и косвенные эффекты изменений, в отличие от свободных ассоциативных ментальных карт и линейного анализа «если А, то Б».
Futures Triangle
- Классика: Анализ движущих сил (trend analysis).
- Отличие: Анализ движущих сил выявляет отдельные факторы и тренды, тогда как Futures Triangle группирует их, учитывая взаимодействие в комплексе.
Mapping Critical Risks + Animal Metaphors
- Классика: матрица рисков, SWOT × сторителлинг.
- Отличие: Mapping Critical Risks + Animal Metaphors объединяет элементы риск-матрицы, SWOT-анализа и сторителлинга, позволяя не только структурировать и оценивать риски, но и делать их более визуальными и запоминающимися для команды.
━━━━━━━━━━━━━━
3️⃣ Зеленое — Строим сценарии
Scenarios by the Numbers
- Классика: Shell Scenarios, тренд-анализ, кросс-влияние.
- Отличие: Scenarios by the Numbers опирается на классические методы, но отличается введением количественных параметров для оценки влияния и вероятности сценариев.
Artefacts from the Future
- Классика: сценарное планирование, дизайн-мышление и прототипирование.
- Отличие: Artefacts from the Future отличается тем, что создает физические или цифровые артефакты, которые визуализируют и делают осязаемыми будущие сценарии.
━━━━━━━━━━━━━━
Неужели ничего нового?
По большому счету - нет. Ценность — в системности: документ собирает инструменты в единый практически ориентированный, междисциплинарный фреймворк.
━━━━━━━━━━━━━━
PDF в первом комментарии👇🏻
Pro Product
#Стратегия #Тренды
━━━━━━━━━━━━━━
Что важно знать?
Большинство инструментов — это апгрейд старых добрых методов стратегического анализа и объединение их в группы по цветам:
━━━━━━━━━━━━━━
1️⃣ Желтое — Сканируем тренды
Three Horizons
- Классика: «Run-Change-Disrupt».
- Отличие: Three Horizons добавляет временную перспективу и акцентируется на взаимодействии горизонтов — все три горизонта существуют одновременно, что помогает избежать разрыва между стратегией и операционкой. «Run-Change-Disrupt» фокусирует, скорее, на конфликте между уровнями.
Causal Layered Analysis (CLA)
- Классика: Lean, 5 Why.
- Отличие: Causal Layered Analysis, как философский инструмент, копает вглубь в отличие от 5 Why, который фокусируется на операционных причинах, а не на мировоззренческих.
━━━━━━━━━━━━━━
2️⃣ Красное — Анализируем риски
STEEP+C
- Классика: PEST-анализ.
- Отличие: Добавлены экология и культура (мемы, тренды TikTok).
Futures Wheel
- Классика: Ментальные карты + причинно-следственный анализ.
- Отличие: Futures Wheel сочетает в себе элементы ментальных карт и причинно-следственного анализа, предлагая структурированное, многоуровневое представление последствий, которое позволяет выявлять не только прямые, но и косвенные эффекты изменений, в отличие от свободных ассоциативных ментальных карт и линейного анализа «если А, то Б».
Futures Triangle
- Классика: Анализ движущих сил (trend analysis).
- Отличие: Анализ движущих сил выявляет отдельные факторы и тренды, тогда как Futures Triangle группирует их, учитывая взаимодействие в комплексе.
Mapping Critical Risks + Animal Metaphors
- Классика: матрица рисков, SWOT × сторителлинг.
- Отличие: Mapping Critical Risks + Animal Metaphors объединяет элементы риск-матрицы, SWOT-анализа и сторителлинга, позволяя не только структурировать и оценивать риски, но и делать их более визуальными и запоминающимися для команды.
━━━━━━━━━━━━━━
3️⃣ Зеленое — Строим сценарии
Scenarios by the Numbers
- Классика: Shell Scenarios, тренд-анализ, кросс-влияние.
- Отличие: Scenarios by the Numbers опирается на классические методы, но отличается введением количественных параметров для оценки влияния и вероятности сценариев.
Artefacts from the Future
- Классика: сценарное планирование, дизайн-мышление и прототипирование.
- Отличие: Artefacts from the Future отличается тем, что создает физические или цифровые артефакты, которые визуализируют и делают осязаемыми будущие сценарии.
━━━━━━━━━━━━━━
Неужели ничего нового?
По большому счету - нет. Ценность — в системности: документ собирает инструменты в единый практически ориентированный, междисциплинарный фреймворк.
Но если зуммеры вас называют олдом, когда слышат слова типа SWOT, PEST и т.д., возможно «форсайт-сессия» вам поможет - они от подобной прикормки дуреют😉
━━━━━━━━━━━━━━
PDF в первом комментарии👇🏻
Pro Product
#Стратегия #Тренды
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤2
Опять про Growth
Добью темку 😉
A few years ago Growth-хакерство было на пике популярности. Говорящие головы всех мастей ходили по конференциям и рассказывали друг другу сказки, как изменив цвет кнопки, они улучшили конверсию на 146% и заработали дофигаллиард. Многие попытались повторить этот успешный успех, но когда дело дошло до дела, рынок остыл, и теперь к Growth подходят более осознанно. В основном через призму двух вопросов:
Прежде чем перейти к ответу, определимся с понятиями (на всякий 😉)
✔️ Core — это про создание и максимизацию ценности продукта для пользователя.
- Отвечает за: фундаментальная ценность, функциональность и UX.
- Метрики: CSAT, CES, D30-90-180 Retention, добавленной ценности (NSM), СLTV, MRR (удержание), Adoption.
✔️ Growth — это про то, как донести эту ценность до максимального числа пользователей.
- Отвечает за: оптимизация воронки, снижение friction в CJM, онбординг, каналы коммуникации.
- Метрики: конверсии, активация и TTV, K-factor, CLTC, СLTV (монетизация и churn), ARPPU, MRR, NRR, GRR.
Очевидно, что эти функции тесно переплетаются:
🔘 Core-фичи могут менять поведение пользователей в воронке и влиять на монетарные метрики (например, новые сценарии использования влияют на Expansion, ARPPU, LTV и даже конверсии).
🔘 Growth-эксперименты могут выявить потребность в изменении Core-функций (например, A/B-тестирование разных сценариев онбординга может подсветить необходимость редизайна).
Нужно ли выделять Growth? Как?
Сугубо ИМХО: конфигурацию Growth-функции(не выделять/отдельная команда/сервис/аналитика) можно выбрать в зависимости от фазы продукта + good practice по типу роста + бизнес-модели + capacity команды в широком смысле.
Вырисовывается алгоритм:
1️⃣ Решение «Выделять/не выделять»
1.1. Есть ли PMF?
❌ Нет → Не выделять. Экспериментируйте внутри Core-команды.
🔘 Да → Переходите к 1.2.
1.2. Рост стагнирует?
❌ Нет → Не выделять.
🔘 Да → Переходите к 1.3.
1.3. Есть ресурсы (в т.ч. data)?
❌ Нет → Не выделять.
🔘 Да → Если много гипотез, но нет процесса быстрой проверки, или эксперименты отнимают >30% времени — есть смысл выделить Growth.
━━━━━━━━━━━━━━
2️⃣ Решение «Как выбрать конфигурацию?»
2.1. Определите стадию продукта и характерный для нее тип роста (МакКормак):
📦 Pre-PMF → Viral+Sticky внутри Core.
☢️ Медленно, ресурсы распыляются.
🚀 Scaling → Отдельная команда (Sticky + Paid).
☢️ Конфликты с Core/маркетингом, общий код.
📈 Maturity → Сервисная команда (Expansive + Paid).
☢️ Мало персонализации, бюрократия.
❌ Decline → Аналитика + R&D (если боремся).
☢️ Нет ownership.
(Слайд 1)
2.2. Сделайте поправку на бизнес-модель (она влияет и на тип роста, и на метрики):
📌 Если у вас высокая частота использования и сильное удержание → делайте ставку на Sticky Growth.
📌 Если у вас контентный продукт или сильный социальный эффект → используйте Viral Growth.
📌 Если у вас высокая маржинальность и возможность инвестировать в привлечение → можно масштабировать через Paid Growth.
(Слайд 2)
Как избежать конфликтов между Growth и Core?
Чётко определите зоны ответственности и работайте в команде:
✔️ Поделите метрики
✔️ Разрабатывайте совместную стратегию
✔️ Синхронизируйтесь в фазе реализации (внедрите RACI, если у вас отдельная growth-команда с инженерами, то нужен жесткий процесс ревью, Feature Flags, sandbox-среды)
✔️ Заранее договоритесь как действовать, если одна команда повлияет на метрики другой.
Pro Product
#Стратегия #Процессы #Метрики
Добью темку 😉
A few years ago Growth-хакерство было на пике популярности. Говорящие головы всех мастей ходили по конференциям и рассказывали друг другу сказки, как изменив цвет кнопки, они улучшили конверсию на 146% и заработали дофигаллиард. Многие попытались повторить этот успешный успех, но когда дело дошло до дела, рынок остыл, и теперь к Growth подходят более осознанно. В основном через призму двух вопросов:
Когда стоит выделять Growth в отдельную функцию?
Как это сделать правильно?
Прежде чем перейти к ответу, определимся с понятиями (на всякий 😉)
- Отвечает за: фундаментальная ценность, функциональность и UX.
- Метрики: CSAT, CES, D30-90-180 Retention, добавленной ценности (NSM), СLTV, MRR (удержание), Adoption.
- Отвечает за: оптимизация воронки, снижение friction в CJM, онбординг, каналы коммуникации.
- Метрики: конверсии, активация и TTV, K-factor, CLTC, СLTV (монетизация и churn), ARPPU, MRR, NRR, GRR.
💡 Growth в B2C ориентирован на массовые каналы, viral & referral, в B2B строится на новых сегментах и рынках и глубокой интеграции в бизнес-процессы клиента.
Очевидно, что эти функции тесно переплетаются:
Часто Growth не выделяют в отдельную функцию. Когда выделяют, возможны разные форматы, и почти всегда возникают конфликты с core и маркетингом: за ресурсы, приоритеты, атрибуцию заслуг. Но главный риск — слишком увлечься оптимизацией локальных максимумов или скатиться в антипаттерны.
Нужно ли выделять Growth? Как?
Сугубо ИМХО: конфигурацию Growth-функции
Вырисовывается алгоритм:
1.1. Есть ли PMF?
1.2. Рост стагнирует?
1.3. Есть ресурсы (в т.ч. data)?
━━━━━━━━━━━━━━
2.1. Определите стадию продукта и характерный для нее тип роста (МакКормак):
📦 Pre-PMF → Viral+Sticky внутри Core.
☢️ Медленно, ресурсы распыляются.
🚀 Scaling → Отдельная команда (Sticky + Paid).
☢️ Конфликты с Core/маркетингом, общий код.
📈 Maturity → Сервисная команда (Expansive + Paid).
☢️ Мало персонализации, бюрократия.
☢️ Нет ownership.
2.2. Сделайте поправку на бизнес-модель (она влияет и на тип роста, и на метрики):
Как избежать конфликтов между Growth и Core?
Чётко определите зоны ответственности и работайте в команде:
💡Самое сложное — не принять решение "выделять ли", а понять где продукт и что происходит с ним и рынком😉
Pro Product
#Стратегия #Процессы #Метрики
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤1
🚀 Свой проект — только "единорог", иначе зачем?
В последние годы явно обозначилась тенденция: работа в найме больше не гарантирует стабильности. При этом выгорание и прочие прелести офисной жизни остаются корпоративным стандартом. На этом фоне всё больше людей задумываются о собственных проектах. Мотивации могут быть разные: преодолеть потолок в доходе, вернуть себе чувство руля, проявить свой творческий потенциал, изменить жизнь людей к лучшему...
Но еще больше людей останавливает представление, что каждый проект должен быть единорогом с миллионами инвестиций. «Иначе зачем?» Я же считаю, что такие установки не всегда полезны — у предпринимательских проектов есть градации, и сегодня хочется поговорить о них.
━━━━━━━━━━━━━━
Какие бывают проекты?
1️⃣ Pet-Project
Идеально для тех, кто хочет прокачать экспертизу, поэкспериментировать с новыми технологиями или реализовать давнюю идею.
Эти проекты — не всегда про монетизацию, они скорее про обучение, удовольствие и самореализацию. Тем не менее, они часто требуют вложений времени и денег.
💡 Для: портфолио, экспериментов и формулирования большой идеи, получения опыта.
⚠️ Риски: высокая вероятность «пустой» траты времени и ресурсов.
2️⃣ Life-Style Business
Бизнес, который вписывается в ваш образ жизни, а не наоборот. Без стремления к экспоненциальному росту, но с устойчивым доходом.
💡 Для: тех, кому важен баланс и стабильный доход.
⚠️ Риски: ограниченный потенциал роста.
3️⃣ Bootstrap
Здесь всё серьёзно: амбиции есть, развитие интересно, но только на свои деньги. Вы сохраняете контроль, но и вся ответственность — на вас.
Такой проект вряд ли можно успешно долго совмещать с чем-то еще.
💡 Для: ниш с быстрой монетизацией, фаундеров, стремящихся к независимости и свободе, прагматичных команд.
⚠️ Риски: медленный рост, возможность упустить рынок, если конкуренты привлекут капитал.
4️⃣ VC-backed Startup
Шанс оказать влияние на жизнь большого количества людей и заработать много денег. Но в эту игру не получится сыграть без инвесторов, а значит, эта история не про свободу. Если только после "выхода".
💡 Для: тех, кто широко мыслит, готов играть по крупному и выкладываться на все 100%.
⚠️ Риски: высокая вероятность провала или потери контроля.
━━━━━━━━━━━━━━
Чего вы хотите сейчас и что вы можете?
Честно ответьте себе на вопросы про ⏳ Время × 💰 Деньги × 🎯 Цели
❓ Что для меня важнее: свобода, доход, творчество или влияние?
❓ Сколько времени в неделю я могу выделять на проект?
❓ Какой у меня бюджет и какие ресурсы уже есть?
❓ Есть ли у меня исходная гипотеза и если да, то хотя бы часть компетенций, чтобы ее проверить?
А вы?👇
Pro Product
#Философия
В последние годы явно обозначилась тенденция: работа в найме больше не гарантирует стабильности. При этом выгорание и прочие прелести офисной жизни остаются корпоративным стандартом. На этом фоне всё больше людей задумываются о собственных проектах. Мотивации могут быть разные: преодолеть потолок в доходе, вернуть себе чувство руля, проявить свой творческий потенциал, изменить жизнь людей к лучшему...
Но еще больше людей останавливает представление, что каждый проект должен быть единорогом с миллионами инвестиций. «Иначе зачем?» Я же считаю, что такие установки не всегда полезны — у предпринимательских проектов есть градации, и сегодня хочется поговорить о них.
━━━━━━━━━━━━━━
Какие бывают проекты?
Идеально для тех, кто хочет прокачать экспертизу, поэкспериментировать с новыми технологиями или реализовать давнюю идею.
Эти проекты — не всегда про монетизацию, они скорее про обучение, удовольствие и самореализацию. Тем не менее, они часто требуют вложений времени и денег.
💡 Для: портфолио, экспериментов и формулирования большой идеи, получения опыта.
⚠️ Риски: высокая вероятность «пустой» траты времени и ресурсов.
Бизнес, который вписывается в ваш образ жизни, а не наоборот. Без стремления к экспоненциальному росту, но с устойчивым доходом.
💡 Для: тех, кому важен баланс и стабильный доход.
⚠️ Риски: ограниченный потенциал роста.
Здесь всё серьёзно: амбиции есть, развитие интересно, но только на свои деньги. Вы сохраняете контроль, но и вся ответственность — на вас.
Такой проект вряд ли можно успешно долго совмещать с чем-то еще.
💡 Для: ниш с быстрой монетизацией, фаундеров, стремящихся к независимости и свободе, прагматичных команд.
⚠️ Риски: медленный рост, возможность упустить рынок, если конкуренты привлекут капитал.
Шанс оказать влияние на жизнь большого количества людей и заработать много денег. Но в эту игру не получится сыграть без инвесторов, а значит, эта история не про свободу. Если только после "выхода".
💡 Для: тех, кто широко мыслит, готов играть по крупному и выкладываться на все 100%.
⚠️ Риски: высокая вероятность провала или потери контроля.
Многие проекты начинают с одной модели, но под давлением рынка или возможностей переходят в другой формат ☝🏻
━━━━━━━━━━━━━━
Чего вы хотите сейчас и что вы можете?
Честно ответьте себе на вопросы про ⏳ Время × 💰 Деньги × 🎯 Цели
💡 И да, лично я не верю в истории успешного, созданного с нуля IT бизнеса, в котором изначально все было делегировано.
А вы?👇
Pro Product
#Философия
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4❤2
Немного полезных цифИрек, для тех, у кого развито критическое мышление 😉
1. Сроки поиска Product‑Market Fit (PMF)
- США: 6–12 мес. – источник: Y Combinator / Andrew Chen
- Китай: 8–14 мес. – источник: аналитика TechNode (обзоры стартап‑экосистемы Китая)
- Германия: 9–15 мес. – источник: Startup Genome Europe / German Startups Association
- Индия: 10–18 мес. – источник: отчёты Nasscom / Indian School of Business
- Великобритания: 7–12 мес. – источник: Tech Nation
- Россия: 10–18 мес. – источник: материалы Russian Venture Company и экспертных VC‑форумов
*При том у многих успешных продуктов это заняло 3-5 лет ☝🏻
2. Сроки роста до 100 млн долларов оборота в год
- США: 7–10 лет – источник: кейс‑стади из Silicon Valley, отчёты Startup Genome
- Китай: 6–9 лет – источник: TechCrunch и региональные венчурные исследования
- Германия: 8–11 лет – источник: Startup Genome Europe, PitchBook
- Индия: 7–10 лет – источник: отчёты Venture Intelligence, исследования Nasscom
- Великобритания: 8–12 лет – источник: Tech Nation, British Business Bank
- Россия: 10–15 лет – источник: РБК
3. Выживаемость стартапов
По данным CB Insights («The Top 20 Reasons Startups Fail») и других исследований, около 90% венчурных стартапов в США не достигают масштабного успеха (выживает примерно 10–15%). В остальных странах показатели обычно ещё хуже.
Источник: CB Insights
**Выживаемость малого бизнеса не VC (традиционный, локальный) выше, но тоже не впечатляет — не более 35% компаний переживают 10 лет.
Не оттуда ли, что им объяснили, что если резюме упаковано не так, то никто не будет его даже рассматривать?
Ну и для чего рынку вся эта ярмарка не очень интеллектуального тщеславия?
Может есть какое-то всеобщее благо, которого только я не понимаю? 🧐
Pro Product
#Рынок #Мысливслух
1. Сроки поиска Product‑Market Fit (PMF)
- США: 6–12 мес. – источник: Y Combinator / Andrew Chen
- Китай: 8–14 мес. – источник: аналитика TechNode (обзоры стартап‑экосистемы Китая)
- Германия: 9–15 мес. – источник: Startup Genome Europe / German Startups Association
- Индия: 10–18 мес. – источник: отчёты Nasscom / Indian School of Business
- Великобритания: 7–12 мес. – источник: Tech Nation
- Россия: 10–18 мес. – источник: материалы Russian Venture Company и экспертных VC‑форумов
*При том у многих успешных продуктов это заняло 3-5 лет ☝🏻
2. Сроки роста до 100 млн долларов оборота в год
- США: 7–10 лет – источник: кейс‑стади из Silicon Valley, отчёты Startup Genome
- Китай: 6–9 лет – источник: TechCrunch и региональные венчурные исследования
- Германия: 8–11 лет – источник: Startup Genome Europe, PitchBook
- Индия: 7–10 лет – источник: отчёты Venture Intelligence, исследования Nasscom
- Великобритания: 8–12 лет – источник: Tech Nation, British Business Bank
- Россия: 10–15 лет – источник: РБК
3. Выживаемость стартапов
По данным CB Insights («The Top 20 Reasons Startups Fail») и других исследований, около 90% венчурных стартапов в США не достигают масштабного успеха (выживает примерно 10–15%). В остальных странах показатели обычно ещё хуже.
Источник: CB Insights
**Выживаемость малого бизнеса не VC (традиционный, локальный) выше, но тоже не впечатляет — не более 35% компаний переживают 10 лет.
💡 Внимание вопрос: откуда у 20тилетних "сеньоров" с 5ю годами опыта в 2х-3х компаниях столько успешных многомиллионных запусков? 😃
Не оттуда ли, что им объяснили, что если резюме упаковано не так, то никто не будет его даже рассматривать?
Может есть какое-то всеобщее благо, которого только я не понимаю? 🧐
Pro Product
#Рынок #Мысливслух
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3👎1😁1
Очень кратко про сделку Google и Wiz
Зачем: усилить Google Cloud встроенной, мультиоблачной безопасностью и завоевать доверие крупных enterprise‑клиентов.
Почему сейчас: ускоренная AI‑революция создает новые угрозы в облаке, а также снижает рост традиционного поиска, требуя диверсификации доходов.
Почему столько стоит: прошлой осенью Wiz отклонил предложение в $23 млрд и с тех пор вырос до примерно $700 млн ARR, что оправдывает прайс‑тэг в $32 млрд. При этом Wiz оценивается примерно в 46× ARR и демонстрирует рост около 200 % YoY — показатели, характерные для быстрорастущих SaaS‑компаний в сегменте облачной безопасности (у CrowdStrike P/S ≈ 28×, но Wiz растёт быстрее и имеет мало прямых конкурентов; рынок cloud security прогнозируется в $123 млрд к 2032 г.).
На что расчет:
✔️ +2–3% доли рынка Google Cloud — это ~$8–12 млрд дополнительной выручки к 2027 году (при текущей доле GCP в 11%).
✔️ Интеграция с AI-стеком должна быть бесшовной. Например, автоматическое сканирование уязвимостей в моделях Gemini через Wiz API.
✔️ Регуляторные риски не наступят: хотя FTC уже изучает сделки Big Tech в облаке. Возможны требования «не закрывать экосистему» (как в случае с Microsoft и Activision).
Прогноз: 3–5 лет — реалистичный срок, если:
✔️ Кросс-селл: 30% клиентов Wiz подключат Google Cloud (по аналогии с тем, как AWS продвигает Security Hub).
✔️ Синергия с Mandiant/Chronicle: объединение данных о угрозах и автоматизация реагирования.
‼️ Риск перерасхода: Если интеграция затянется (как с Fitbit), а регуляторы наложат ограничения, ROI сместится за горизонт 5+ лет.
Pro Product
#Тренды #Рынок #AI
Зачем: усилить Google Cloud встроенной, мультиоблачной безопасностью и завоевать доверие крупных enterprise‑клиентов.
Почему сейчас: ускоренная AI‑революция создает новые угрозы в облаке, а также снижает рост традиционного поиска, требуя диверсификации доходов.
Почему столько стоит: прошлой осенью Wiz отклонил предложение в $23 млрд и с тех пор вырос до примерно $700 млн ARR, что оправдывает прайс‑тэг в $32 млрд. При этом Wiz оценивается примерно в 46× ARR и демонстрирует рост около 200 % YoY — показатели, характерные для быстрорастущих SaaS‑компаний в сегменте облачной безопасности (у CrowdStrike P/S ≈ 28×, но Wiz растёт быстрее и имеет мало прямых конкурентов; рынок cloud security прогнозируется в $123 млрд к 2032 г.).
На что расчет:
Прогноз: 3–5 лет — реалистичный срок, если:
А как вы готовитесь к грядущим изменениям в вашем флагманском продукте в связи с наступающей эрой AI? 👇
Pro Product
#Тренды #Рынок #AI
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥2❤1
Зачем обычно нанимают продактов?
Довольно скоро после достижения PMF рост за счёт новых клиентов становится слишком дорогим (CAC > LTV), поэтому компании переключаются на монетизацию текущей базы. Отсюда спрос на специалистов, которые умеют с этим работать. И нет, это далеко не только коммерсы и маркетологи ☝🏻Продактов обычно нанимают волнами:
🔘 Scaling: core‑сеньоры для выстраивания архитектуры под механики роста.
🔘 Maturity: growth‑мастера, борющиеся за каждый процент NRR через A/B‑тесты, партнёрства и микро‑улучшения UX.
Если вы пришли “на общих условиях”, велика вероятность, что продукт в одной из этих фаз и перед вами будут поставлены цели, в логике, описанной ниже. И даже если вам не поставили цели (так бывает чаще, чем хотелось бы 😉) — поставьте их сами именно таким образом (разумеется, предварительно проделав работу в соответствии с вашим грейдом и согласовав результат с кем надо 🤭 иначе не полетит )👇🏻
Фокусы → Стратегии → Тактики
├── Go Up - рост за счёт увеличения ценности текущего продукта и вытягивания тарифной/продуктовой линейки в верхний сегмент: можно будет проапгрейдить текущих клиентов и привлечь новых.
│ └── Expansion → Upsell, Usage Expansion.
│
├── Go Down - вытягивание тарифной/продуктовой линейки в нижний сегмент: можно будет привлечь новых клиентов, главное при этом не обесценить текущий продукт и не сканнибализировать уже имеющуюся аудиторию.
│ ├── Localization → Адаптация цен/продукта под регион.
│ └──❓ Expansion (если получается развивать нижний сегмент) → Cross-sell, upsell, usage expansion.
│
└── Wide - горизонтальный рост.
├── Expansion (new use case) → Новые сценарии использования для текущей базы + Upsell и/или Usage expansion
├── Diversification (Side) → Запуск продуктов, дополняющих основной для своей базы + Cross-sell
└── Ecosystem → Партнёрства с чужими продуктами, API-интеграции + Cross-sell
Итак,
✔️ Go Up, Go Down, Wide — это стратегические фокусы (куда будем расти: вверх, вниз, в ширину).
✔️ Expansion, Localization, Diversification — подстратегии (что будем растить: ARPPU/СLTV, GRR/NRR, MRR или базу).
✔️ Upsell, Cross-sell, Usage expansion — тактика или механики роста (как или через что будем растить).
Про механики
📌 Механики — это универсальные инструменты роста, их чаще связывают с Expansion, т.к. это ключевая стратегия после PMF, но они применяются и в других стратегиях.
✔️ Usage expansion → клиент начинает использовать продукт в большем масштабе.
✔️ Up-sell → клиент переходит на более дорогой тариф из-за добавленной ценности/новой функциональности.
✔️ Cross-sell → клиент покупает модули/продукты/услуги, дополняющие основной продукт.
Механики в реальных продуктах часто живут на пересечении монетизационной модели (подписка, транзакции, гибрид), логики ценообразования (фичи, лимиты, условия SLA и т.д.) и поведенческой динамики клиента. Поэтому и метрики для оценки их успешности сложно универсализировать. Впрочем направление мысли тут можно задать - см.скрин
Выберите одну механику, отстройте её и только потом добавляйте следующую. Начните с Upsell - обычно это самый «низко висящий фрукт».ИМХО
💡 Совет: Делайте стратегический выбор!
Pro Product
#Стратегия
#Метрики
Довольно скоро после достижения PMF рост за счёт новых клиентов становится слишком дорогим (CAC > LTV), поэтому компании переключаются на монетизацию текущей базы. Отсюда спрос на специалистов, которые умеют с этим работать. И нет, это далеко не только коммерсы и маркетологи ☝🏻Продактов обычно нанимают волнами:
Если вы пришли “на общих условиях”, велика вероятность, что продукт в одной из этих фаз и перед вами будут поставлены цели, в логике, описанной ниже. И даже если вам не поставили цели (так бывает чаще, чем хотелось бы 😉) — поставьте их сами именно таким образом (разумеется, предварительно проделав работу в соответствии с вашим грейдом и согласовав результат с кем надо 🤭 иначе не полетит )👇🏻
Фокусы → Стратегии → Тактики
├── Go Up - рост за счёт увеличения ценности текущего продукта и вытягивания тарифной/продуктовой линейки в верхний сегмент: можно будет проапгрейдить текущих клиентов и привлечь новых.
│ └── Expansion → Upsell, Usage Expansion.
│
├── Go Down - вытягивание тарифной/продуктовой линейки в нижний сегмент: можно будет привлечь новых клиентов, главное при этом не обесценить текущий продукт и не сканнибализировать уже имеющуюся аудиторию.
│ ├── Localization → Адаптация цен/продукта под регион.
│ └──
│
└── Wide - горизонтальный рост.
├── Expansion (new use case) → Новые сценарии использования для текущей базы + Upsell и/или Usage expansion
├── Diversification (Side) → Запуск продуктов, дополняющих основной для своей базы + Cross-sell
└── Ecosystem → Партнёрства с чужими продуктами, API-интеграции + Cross-sell
Итак,
Expansion Revenue Benchmarks: SaaS с LTV/CAC > 3 достигают ~20 % expansion MRR, а с LTV/CAC > 5 — > 30 %
Про механики
✔️ Usage expansion → клиент начинает использовать продукт в большем масштабе.
✔️ Up-sell → клиент переходит на более дорогой тариф из-за добавленной ценности/новой функциональности.
✔️ Cross-sell → клиент покупает модули/продукты/услуги, дополняющие основной продукт.
Механики в реальных продуктах часто живут на пересечении монетизационной модели (подписка, транзакции, гибрид), логики ценообразования (фичи, лимиты, условия SLA и т.д.) и поведенческой динамики клиента. Поэтому и метрики для оценки их успешности сложно универсализировать. Впрочем направление мысли тут можно задать - см.скрин
Выберите одну механику, отстройте её и только потом добавляйте следующую. Начните с Upsell - обычно это самый «низко висящий фрукт».ИМХО
На мой взгляд, продуктовые команды в основном не страдают от того, что не видят возможности роста — проблема в том, что они пытаются одновременно ухватить всё и всех. Вместо того чтобы фокусироваться, они не рассчитывают силы, распыляются на десяток инициатив и в итоге не доводят до ума ни одну. Это касается и стратегии, и тактики.
Pro Product
#Стратегия
#Метрики
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🔥2
- Помогите! Сделайте что-нибудь!
- Что случилось, Лунтик?
- Не знаю, но это ужасно! (c)
Чистосердечное признание: я — фанат Discovery. Для меня это самая увлекательная и одна из самых важных частей продуктового процесса.
И, откровенно говоря, я не понимаю, как можно считать, что занимаешь продуктовую позицию, если ты не знаешь ничего ни про пользователей, ни про рынок. Тем более исследовать можно чужими руками и мозгами (если есть бюджет), но личная вовлеченность, особенно на входе, бесценна.имхо
В противном случае возможно вы занимаетесь управлением проектами запусков/доработок, а не развитием продукта.имхо 🫣
Почему это важно? Да потому что очень упрощенно продукт — это прежде всего ответ на вопрос «что делать?», чтобы увеличить ценность для пользователя и, соответственно, стоимость бизнеса. А откуда взять это «что»?
❌ Делать, что говорят
Игнорировать обратную связь или конкретную спущенную задачу/проект, конечно, глупо. Но и слепо следовать любому входящему фидбэку, особенно если он прошёл через призму чьих-то интересов, особенно если у этого кого-то нет фактических полномочий, — минимум непрофессионально, максимум — безответственно. Это прямой путь к feuture factory.
❌ Выдумывать и продавать
Пытаться «родить» инсайты на ходу в переговорке или интерпретировать сухие цифры без понимания «почему» — всё равно что гадать на Таро, а потом мериться... с другими выдумщиками старшими картами в раскладе (if you know what I mean). Это не приблизит вас к достижению бизнес-целей.
✔️ Искать инсайты (в том числе среди фидбэка), оценивать их масштаб, приоритезировать
Только так ваше ЧТО имеет шанс опереться на объективные данные о потребностях рынка. И это не гарантия, а возможность ☝🏻
________________________
Прежде чем поделюсь своими наработками в Discovery, забавная #История
Как-то на собеседовании меня спросили: «Как ты выстраиваешь работу с фидбэком?»
Я ответила, что подход напрямую зависит от зрелости команды и процессов. Если команда только учится поставлять ценность, то само по себе внимание к обратной связи — уже шаг вперёд. Но как только команда выходит на уровень проактивной продуктовой работы, где важно не просто чинить баги или выполнять пожелания парочки ключевых клиентов, а осознанно развивать продукт, — этого становится недостаточно. Тут уже нужны другие подходы: системные, исследовательские, ориентированные на выявление и проверку реальных потребностей рынка.
Собеседник слегка насупился и уточнил: «Что значит "проактивно"? Ты про опросы, мониторинги...?»
Я: «И про это тоже, но скорее про полноценный процесс Discovery.»
Тогда он еще больше напрягся: «Зачем нам тратить ресурсы на какие-то исследования, если у нас уже есть фидбэк?»
Я: «Хм... Исследования вовсе не отменяют фидбэк, просто делают его лишь ОДНИМ ИЗ источников бэклога. Они помогают его систематизировать, отфильтровывать и правильно встраивать в процесс разработки — как на уровне отдельных инициатив, так и на уровне общей стратегии...
Если же задача — поддерживать статус-кво и просто расставлять галочки в трекере, наем продакта, пожалуй, не самое эффективное решение.»
Думаю, не стоит объяснять чем дело закончилось. И да, чувак оказался ССO, а я "странным продактом" 😅
Pro Product
#Процессы
#Философия
#Исследования
- Что случилось, Лунтик?
- Не знаю, но это ужасно! (c)
Чистосердечное признание: я — фанат Discovery. Для меня это самая увлекательная и одна из самых важных частей продуктового процесса.
И, откровенно говоря, я не понимаю, как можно считать, что занимаешь продуктовую позицию, если ты не знаешь ничего ни про пользователей, ни про рынок. Тем более исследовать можно чужими руками и мозгами (если есть бюджет), но личная вовлеченность, особенно на входе, бесценна.имхо
Почему это важно? Да потому что очень упрощенно продукт — это прежде всего ответ на вопрос «что делать?», чтобы увеличить ценность для пользователя и, соответственно, стоимость бизнеса. А откуда взять это «что»?
❌ Делать, что говорят
Игнорировать обратную связь или конкретную спущенную задачу/проект, конечно, глупо. Но и слепо следовать любому входящему фидбэку, особенно если он прошёл через призму чьих-то интересов, особенно если у этого кого-то нет фактических полномочий, — минимум непрофессионально, максимум — безответственно. Это прямой путь к feuture factory.
❌ Выдумывать и продавать
Пытаться «родить» инсайты на ходу в переговорке или интерпретировать сухие цифры без понимания «почему» — всё равно что гадать на Таро, а потом мериться... с другими выдумщиками старшими картами в раскладе (if you know what I mean). Это не приблизит вас к достижению бизнес-целей.
Только так ваше ЧТО имеет шанс опереться на объективные данные о потребностях рынка. И это не гарантия, а возможность ☝🏻
________________________
Прежде чем поделюсь своими наработками в Discovery, забавная #История
Как-то на собеседовании меня спросили: «Как ты выстраиваешь работу с фидбэком?»
Я ответила, что подход напрямую зависит от зрелости команды и процессов. Если команда только учится поставлять ценность, то само по себе внимание к обратной связи — уже шаг вперёд. Но как только команда выходит на уровень проактивной продуктовой работы, где важно не просто чинить баги или выполнять пожелания парочки ключевых клиентов, а осознанно развивать продукт, — этого становится недостаточно. Тут уже нужны другие подходы: системные, исследовательские, ориентированные на выявление и проверку реальных потребностей рынка.
Собеседник слегка насупился и уточнил: «Что значит "проактивно"? Ты про опросы, мониторинги...?»
Я: «И про это тоже, но скорее про полноценный процесс Discovery.»
Тогда он еще больше напрягся: «Зачем нам тратить ресурсы на какие-то исследования, если у нас уже есть фидбэк?»
Я: «Хм... Исследования вовсе не отменяют фидбэк, просто делают его лишь ОДНИМ ИЗ источников бэклога. Они помогают его систематизировать, отфильтровывать и правильно встраивать в процесс разработки — как на уровне отдельных инициатив, так и на уровне общей стратегии...
Если же задача — поддерживать статус-кво и просто расставлять галочки в трекере, наем продакта, пожалуй, не самое эффективное решение.»
Думаю, не стоит объяснять чем дело закончилось. И да, чувак оказался ССO, а я "странным продактом" 😅
💡 Не настаиваю, что мое мнение на этот счет — истина в последней инстанции, однако подсвечиваю какой мощный рычаг представляет собой возможность определять ЧТО делать. Даже если мы говорим не о стратегии, а об Execution, как в этой истории ☝🏻
Pro Product
#Процессы
#Философия
#Исследования
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3😁1
Папу римского выбрали за 2 дня ☝🏻
Почему тогда менеджеров, которые ничего не решают и по факту ни на что не влияют, выбирают по полгода? 😁
#мысливслух
Почему тогда менеджеров, которые ничего не решают и по факту ни на что не влияют, выбирают по полгода? 😁
#мысливслух
😁7