Bширь или вглубь?

Есть стереотип, что масштаб — это всегда про ширину: больше идей, больше рынков, больше денег.
Но на практике стратегия «вширь» чаще приводит к утечке ресурсов.

Evernote, ушедший от заметок в сторону маркетплейса — сокращения, смена CEO, попытки вернуться к ядру.
Google+, навязанный как «ещё одна соцсеть» без убедительной ценности.
Yahoo!, стремившийся быть всем и не ставший никем, несмотря на потенциал.

Ширина, как ловушка

Идеи «вширь» легко рождаются:
— не требуют глубокого знания среды,
— удобно упаковываются в метафоры и презентации.

Эта доступность раскрывает чакру корпоративного инфоцыганства. Вспоминаются политики, футурологи, астрологи, писатели... Все они проектируют версии будущего:
– кто-то — для погружения в образ,
– кто-то — хочет вызвать "правильные" эмоции,
– кто-то — чтобы казаться провидцем.

Но ни один из них не отвечает за реализацию, она даже не предполагается. Они не собирают команду, не отчитываются перед инвесторами...

🚨 Когда бизнес строит стратегию в той же парадигме — это опасно. Имитация движения потребляет те же ресурсы, только результата нет.

Что значит «вглубь»

— доисследовать сегменты,
— найти новые сценарии,
— снять барьеры,
— переупаковать ценность в более точной форме.

Это не выглядит, как инновация, и мало кого впечатляет ("харизматики" о таком не вещают). Но именно отсюда чаще всего и происходит реальный сдвиг — за счёт точного вмешательства в существующую цепочку.

Пример: Uber.

Чтобы задизраптить, нужно:
– знать JTBD и value chain до неочевидных мест,
– понимать, какие новые технологии стали доступны прямо сейчас,
– уметь смоделировать поведение человека в новой среде.

💡 Дизрапт — это не фантазии. Это — предельное понимание людей, процессов и технологий. Он требует БОЛЬШЕ компетенций, чем любая другая стратегия, чаще направлен вглубь (слом цепочки), а не вширь (новый сегмент без прямой конкуренции). И случается либо у зрелой развитой команды, либо на уникальном пересечении трёх областей: технология, бизнес, гуманитарное мышление.

Фаза продукта, как рамка

Решение «вглубь или вширь» зависит от стадии продукта.

🟢 Поиск PMF — только вглубь: удержание, сценарии, ядро.
Порог: Retention > 35%, LTV/CAC > 1.5

🟢 Рост — усиление ядра, расширение кейсов внутри базы.
Ширина возможна только с жесткой фильтрацией.
Порог: MoM Growth > 15%, NPS > 40

🟡 Плато — если в ядре еще есть потенциал, копаем вглубь.
Если выжато — допускается вширь, но в виде отдельной управляемой сборки.
Порог: MoM < 5%, Churn > 10%

🔴 Рестарт — чаще всего: продажа, сворачивание, встройка, ниша.
Дизрапт возможен только если его начали собирать заранее.

❌ Типовые ошибки

– пойти вширь, когда ядро имеет большой потенциал (до поздних этапов Роста) → потеря фокуса
– остаться вглубь, когда рынок уже почти освоен → сжигание ресурса

Решение "куда копать" также зависит от зрелости команды👆🏻
Если кратко: странно стараться взять чемпионский вес, если вы вчера пришли в зал.

Когда ширина уместна

1️⃣ Фаза продукта подсказывает
Но даже тогда требуется жесткая фильтрация:
– есть ли синергия с ядром (аудитория, технологии, каналы)?
– это действительно лучшая ставка с учётом ограничений?
– требует ли запуск отдельной структуры?
Нужно собрать три «да».

2️⃣ Как этап мышления, не как финальное видение или элементы бэклога:
Страт.сессию можно построить по принципу дизайн-мышления: сначала — дивергенция (раскрепощение, широкий взгляд на возможности), затем — конвергенция (отбор для уточнения, детализация, отсев).

Что помогает не погрязнуть в фантазиях:
– задать критерии отбора заранее,
– явно фиксировать, что идёт в проработку, а что — нет,
– подключать к отбору и детализации тех, кто реально понимает JTBD, value chain, финмодель и ограничения продукта (т.е. "сделал домашнюю работу").

📌 Если после дивергенции нет отбора и детализации — это не стратегия. Это просто "карта желаний".

💡Не позволяйте стереотипам и инфоцыганскому вайбу влиять на бизнес!
Ширина ≠ рост.
Для дизрапта нужна глубина понимания и особая сборка команды.
Но, к счастью, он вам нужен далеко не всегда.

Pro Product

#стратегия #философия

«Недопродукты», которые выведут твой discovery на новый уровень

Ранее я писала о случаях, когда продуктовый подход избыточен. Сегодня - алаверды. Поговорим о продуктах, которые часто считают "недо...", и о том, почему это совершенно незаслуженно.

❓ А вы уверены, что это не продукт?

На мой взгляд, именно в таких «недопродуктах» — API, Data-платформы, IaaS-платформы... — закаляется настоящее продуктовое мышление. Потому что здесь всё сложнее:
— интерфейса нет,
— пользователь спрятан в чужих процессах,
— метрики опосредованы,
— а ошибки видны не сразу, но больно всем.

🧭 Поэтому собрала фреймворк discovery для embedded-продуктов на основе своего опыта работы с API в B2B:
— как анализировать использование,
— как реконструировать JTBD без интерфейса,
— как приоритизировать сегменты,
— и когда все это делать не нужно.

📌 Если вы думаете, что API — это просто техническая часть или страдаете от незнания как его развивать — вам точно пригодится 👇🏻

[Читать статью →]

Pro Product

#компетенции #исследования #философия

Как тебя понять, коллега?

В медийном поле витает мысль "работа от проблемы в продуктовом треке не единственный возможный вариант."

Тезис не новый — как человек, склонный относиться к определениям серьезно, я сначала решила: речь про Market Pull VS Technology Push. Думаю, ок, умеем, знаем, листаем дальше. Но потом эффективная частота контакта с этим сообщением была достигнута, и меня триггернуло. Не сама мысль, а частота её упоминания. Думаю: зачем всем этот Technology Push и т.п.? Откуда столько уверенности, что этот трек доступен каждой команде? 🤔

Начала разбираться, что именно люди называют «не от проблемы», и обнаружила очень любопытные вещи👇🏻

1️⃣ Неосознанную проблему называют словом "возможность" (надеюсь, в этом нет ничего эзотерического 🤞🏻просто неспособность придерживаться заявленной customer‑out перспективы)
Цитаты:
– возможность - это необслуживаемая работа
– возможность - это затраты, которые можно сократить

В обоих случаях речь о неэффективности, иногда неосознанной. И это... самая настоящая проблема, даже если вам о ней сообщил не сам пользователь 🙃 Ее частота и сила определяют ценность потенциального решения: если дельта «было -X, станет 0 или +Y» превышает стоимость + издержки на переход — заплатят.

💡 Источник сигнала (не фидбэк) не определяет вектор мысли.

2️⃣ Формат разработки стратегии называют исходной точкой
Цитата:
– старт от бизнес-целей/OKR

Вы разрабатываете стратегию Top-Down? Вам спустили целевой показатель или указали, куда бить? Если процессы зрелые, вы просто наложите этот фильтр на бэклог и поднимете в приоритет релевантные идеи, не хватает - пойдете доисследовать фокусно. Если это первый подход к стратегии, вы начнёте Discovery с заданным углом зрения. Такое ли большое значение имеет начали вы с фильтром (ТОР-DOWN), или наложили его на свободно сформированное видение (BOTTOM UP)? В обоих случаях вы ищете сигналы улучшений в плоскости Market Pull. Исключение: вам явно сказали - пора ломать цепочку (Technology Push), а точнее: обычно говорят про бюджет на инновации 😊

3️⃣ Смешивают продуктовую и непродуктовую стратегию
Примеры:
– выйти на другую работу в цепочке
– пойти в сегмент вне привычного рынка

Это — частный случай: 1️⃣или2️⃣. Выношу их отдельно, потому что здесь особенно заметна попытка размазать продуктовую работу по всей компании (в т.ч. благодаря такой позиции имеем это).

❌ Движение вдоль цепочки (вертикальная интеграция) обычно решается через M&A силами corp‑dev. Строить своими силами целесообразно только то, что можно улучшить в приемлемый срок, а это снова Market Pull.

❌ Переход в новый сегмент тоже не всегда требует доработки core-продукта: часто достаточно другой упаковки, за которую отвечают маркетинг и коммерция. Продукт инициирует если, например, меняется модель монетизации или что-то еще в core, и это тот самый редкий Disrupt в ширину (а-ля Canva).

4️⃣ Идут от выгоды, и говорят что "это другое"
В Outcome-Driven Innovation это называют desired gain — пользователь платит не за устранение боли, а за прирост ценности сверх нуля. Но с методологической точки зрения это мало что меняет: все те же методы поиска сигналов, просто теперь они выявляют «незаработанные деньги», более того — value proposition будет проблематизировать эту обратную дельту «было 0, станет +Y».

💡 Если различать продуктовое и непродуктовое, понимать Top‑Down как фильтр, не путать «откуда узнали» с «куда идём» и помнить о value chain (удивительно, как часто это явно не называется), тогда все по-прежнему  — готовность заплатить определяется проблемой (даже если ее дельта изначально положительная).
Можно идти не от неё, но это только Technology Push трек, где ломают существующую цепочку с помощью новой (своей или чужой) технологии.

А пост этот — не про то, что кто-то неправ. Он о том, как важен общий понятийный словарь в индустрии. Потому что сложно правильно понимать, когда кто-то называет устоявшиеся понятия своими словами, или использует устоявшиеся термины, чтобы называть ими другие вещи. От этого страдает общий уровень дискурса.ИМХО

Pro Product

#стратегия #мысливслух

Я тут заметила, что у меня есть одна тема, после постов на которую, от меня чаще всего отписываются. Причем 80 % отписавшихся - HR 😊 Вы удивитесь (или нет), но речь про #стратегия
А конкретно - очень не заходит тезис, что стратегия должна соответствовать уровню зрелости команды.

Так уж вышло, что на этой неделе я как раз актуализировала свои более ранние посты на эту тему 👇🏻

1️⃣ Framework разработки и исполнения продуктовой стратегии (ссылка)
2️⃣ Зрелость команды и выбор стратегии (ссылка)
3️⃣ Фаза продукта и выбор стратегии (ссылка)
4️⃣ Диагностика фазы жизненного цикла продукта (ссылка)

▶️ Не читали? — надеюсь, вам будет полезно!
▶️ Читали? — загляните снова: я уточнила детали и усилила связи между разделами.

Ну и... "помогите Даше найти" причину 😊👇🏻

Pro Product

Хочу сегодня поделиться промежуточными #мысливслух по одной из очень актуальных и тревожных тем — что сейчас происходит с поиском и почему это очень важно.

К середине 2025 года привычная модель «пользователь вводит запрос — кликает на сайт — смотрит рекламу» дала трещину. Google стал выдавать AI-обзоры в два раза чаще (с 6,5 % до 13,1 %), а в узких B2B-нишах их доля достигает 70 %. Similarweb: органический поиск просел на 6,7 % за год. IAB Tech Lab: AI-обзоры «съедают» у издателей 20–60 % трафика (до 90 % в нишах) — это минус ≈ $2 млрд рекламной выручки ежегодно. При этом вырисовывается новый поток доходов - монетизация данных для ИИ, и он согласно прогнозу Gartner вырастет до $17 млрд к 2027-му 🤔

То есть, прежняя модель монетизации буквально рушится на глазах, и digital снова оказывается перед базовым вопросом "Кто за это платит?". Когда-то вопрос решился появлением рекламной модели. Сегодня на горизонте уже вырисовывается сразу несколько альтернатив, каждая из которых предлагает свой новый баланс между издателями, платформами и пользователями:

1️⃣ B2B-лицензии платного контента
– CFlow: AI-гиганты (Amazon, OpenAI) напрямую платят крупным издателям за доступ к архивам и обучающим материалам.
– AS IS vs TO BE: Например, NYT получает $20–25 млн в год, компенсируя ≈ 15–20 % потерь рекламного дохода. Но это «привилегия» лидеров: мелкие издатели не могут выйти на такие цифры поодиночке.
– UX: AI-ответ остаётся бесплатным, полный текст за paywall — никаких сбоев в пользовательском опыте.

2️⃣ Reward-модели для открытого контента
– CFlow: рекламодатели купят показ в Offerwall (video-ads), платформы опросов платят за completed surveys, или пользователи оплачивают «time-pass» ($0,99).
– AS IS vs TO BE: Offerwall на мобильных возвращает +9 % выручки от оставшихся кликов (≈ 5 % от исходных), на десктопе при оттоке 15 % uplift (≈ 7 % от исходных). «Time-pass» конвертируется на 22 % лучше опросов, но в абсолютном выражении это лишь +1–2 % от исходных.
– UX: появляется промежуточный экран — seamless-опыт страдает, часть аудитории уходит, особенно на узких нишах.

3️⃣ Платный API-доступ для AI-агентов
– CFlow: AI-платформы или автономные агенты запрашивают данные через Model Context Protocol или NLWeb и платят паблишерам за запросы.
– AS IS vs TO BE: пилоты (Persana AI) говорят о снижении CAC на 65 % и до +30 % нового дохода, но в целом цифры пока близки к нулю — модель пока экспериментальная.
– UX: пользователи даже не замечают изменений — агент сам достаёт и показывает ответ.

4️⃣ Owned-каналы
– CFlow: издатель вкладывает ресурсы в рассылки, мессенджеры, персонализированные AI-ассистенты и т.п., а доход идёт через подписки, платные гайды или спонсорские интеграции.
– AS IS vs TO BE: гибрид AI+эксперт повышает LTV в 3–5×, компенсируя до 10–15 % утраченной рекламы в перспективе.
– UX: вместо баннеров — персональные консультации и кейс-стади, что укрепляет доверие и вовлечённость.

⚠️ Риски
🚩 Монополизация лицензий крупными игроками (а-ля NYT, FT).
🚩 Уязвимость нишевых сайтов к потере даже 5% трафика.
🚩 Регуляторная неопределенность и технические сложности интеграции API 5.
🚩 Падение доверия из-за ошибок AI-сводок — критично для издателей.
🚩 Рост затрат на owned-каналы: конкуренция в email/мессенджерах поднимает стоимость привлечения, рискуя съесть доход.

Итоговый баланс — 30–50 % компенсации утраченного рекламного дохода + риски. Оставшиеся 50–70 % требуют новых продуктовых решений и масштабных инвестиций.

💡 Digital-индустрия сегодня, как никогда, нуждается в «продуктовых архитекторах» — CPO, которые сочетают в себе глубокое понимание экономики и технологий, в курсе трендов и способны мыслить вне стандартных рамок. Сейчас не время собирать обломки старой модели. Сейчас не время "править". Сейчас время "строить" фабрику данных как минимум с тремя ключевыми активами:
- Лицензируемые архивы
- API-продукты для агентов
- Owned-каналы и экспертиза
Те, кто этого не понимает, рискуют остаться в прошлом.ИМХО

Pro Product

#тренды #AI #Рынок

Часто читаю тезис: «вы не получаете ресурсы, потому что не можете говорить на языке бизнеса и финансов». Такое умение БЕЗУСЛОВНО важно, но проблема, на мой взгляд, многограннее 👇🏻

Когда вы находитесь в фазе гипотезы или даже идеи, честный P&L, NPV, да даже точный прогноз эффекта чаще НЕВОЗМОЖНЫ, чем возможны. Любой, кто приносит на защиту P&L до подтверждения сигнала ценности, либо выдаёт допущения за факты, либо продаёт фантазию (часто даже не свою). Чтобы появились более-менее реальные цифры, нужен пилот/тест и данные. Чтобы сделать пилотный запуск/провести тест, нужны ресурсы. Здесь круг замыкается, потому что во многих компаниях exploration-бюджета на проверки просто нет. А значит нет ни команды, ни инструментов, ни доступа к необходимым данным.

По сути здесь смешиваются фазы Discovery и Delivery: от менеджера требуют инвест-кейс там, где ещё идёт поиск причинно-следственной модели. И менеджер оказывается между Сциллой и Харибдой: отсутствием ресурсов для получения данных и требованием «принеси честный P&L», чтобы ресурсы получить. Развилка понятна: либо рисовать, либо выкручиваться — делать за свой счёт/выбивать микро-бюджет на проверку... = слышать, что «ты плохой менеджер, потому что условный Вася уже без бюджета принёс цифры и ничего "ручками" не делал». "Вася", конечно, их придумал и защитил. Уйдёт под аплодисменты до того, как реальность настигнет графики, если пойдёт на повышение — запустит цепную реакцию:

❌ Те, кто хочет "как Вася", быстро вытеснят тех, кто пытался снижать неопределенность и выстраивать с компанией отношения типа win-win.
❌ Затем замрет движение по портфелю из-за низкого качества проработки и большого количества неадекватно завышенных оценок (чем крупнее компания, тем смелее будут оценки), time to market в какой-то момент станет вовсе неприличным. Особенно опасно, если нет WIP-лимитов (можно начать сколько угодно проектов) и нет kill-критериев (никто ничего никогда не завершает).
❌ Любая попытка починить ситуацию упрется в позицию «мало людей» → наем людей (и это будут скорее всего не разработчики/аналитики/дизайнеры, а новые генераторы «смелых идей» – у нас же проработка плохая 😊) → рост энтропии.

⚖️ Про модели
Есть два подхода к тому, как из идеи получается продуктовая ставка:

🔘 Одноуровневая модель — идея сразу превращается в ставку, попадая в бэклог Execution и проверяется через сам MVP. Приоритизация строится на допущениях и прогнозах, что повышает риск ошибок и манипуляций с P&L. Особенно опасно, если после запуска нет переоценки и возможности отказаться от лонча. Подходит для:
– рынок и задача хорошо изучены;
– стоимость ошибки низкая;
– важна скорость выхода на рынок.

🔘 Двухуровневая модель (см. слайд) — сначала Discovery и проверка сигнала ценности (пилот, тест), а в Execution попадают только подтверждённые ставки. Приоритизация строится на проверенных данных, риски ниже. Подходит для:
– рынок и поведение пользователя неизвестны;
– цена ошибки высока;
– острая конкуренция за ресурсы.

Что с этим делать?
Учиться говорить на языке бизнеса и финансов — must have, но ➕

1️⃣ Настроить работу с бэклогами и бюджетами под выбранную модель.

Двухуровневая модель:
🔘 Backlog Discovery — гипотезы, WIP-лимиты, прединвест-пул, ворота по сигналу.
🔘 Backlog Execution/Delivery — ставки (идеи) только после подтверждения ценности, с бизнес-кейсом.

Одноуровневая модель:
🔘 Единый бэклог Execution, но с обязательной переоценкой после MVP и возможностью стопа.
🔘 Фикс в процессах, что MVP ≠ финальный продукт, а P&L после запуска корректируется.

2️⃣ Строить процесс вокруг объективности, а не продажи идей.
— Цель — снижение неопределённости через исследование, а не внутренняя продажа.
— Приоритизация — на основе измеренных сигналов (SOM, ROI, PBP и др.), либо — в одноуровневой модели — с обязательной последующей переоценкой по факту.
— Чёткие kill-критерии и one-in/one-out защищают фокус и портфель.
— Доступ к данным и инструментам — у тех, кто отвечает за результат.
— Результаты пилотов, MVP и закрытых гипотез фиксируются и влияют на стратегию и финансовые модели.

Pro Product

#стратегия #мысливслух