Должен ли руководитель работать "руками"?

Есть такой термин IC (individual contributor) — это эксперт, который глубоко разбирается в своей области и способен вносить значимый вклад самостоятельно, без подчиненных. IC фокусируются на Execution, но их роль не ограничивается исполнением — они часто влияют на стратегию.

Почему компании хотят, чтобы руководитель был IC?

Cовмещение ролей руководителя и IC — распространенная практика. Основные причины можно разделить на три категории:

1️⃣ Ресурсные ограничения
Молодой продукт (процессы пока не выстроены).
Ограниченный бюджет (разработка может "переварить" задачи только от одного менеджера).

2️⃣ Кадровые проблемы
Дефицит талантов (рынок слабый, приходится растить своих).
Слабый HR-бренд (компания не привлекает сильных IC, и руководитель компенсирует это своей экспертизой).

3️⃣ Контекстные требования
Сложные технологии (без глубоких знаний руководитель не может принимать решения).
Культура компании (ценности вроде «делаем вместе»).
Нужно подтверждать авторитет через экспертизу.

Исследования Gartner и Deloitte показывают, что совмещение ролей руководителя и IC — чаще всего временное решение. По мере роста компании фокус смещается на стратегию и организацию процессов.

Может ли руководитель не быть IC?

Конечно, да! Но с двумя оговорками.имхо

1️⃣ Руководитель должен разбираться в сфере, иначе:

❌ Команда может сомневаться в его авторитете (чем сложнее сфера, тем выше требования к экспертизе).
❌ Он не сможет выстроить реалистичную стратегию.

Лишь небольшая доля менеджеров способна компенсировать недостаток hard skills выдающимися soft skills, мэтчем с корпоративной культурой (или глубокой интеграцией с "deep state", как сейчас модно говорить 😆) и способностью быстро учиться.

2️⃣ Игра не должна быть с нулевой суммой.
От прибывания именно этого человека на этой должности должна быть добавленная ценность.
Если руководитель отвечает не за код, дизайн или аналитику, а за видение и создание среды, в которой команда может выдавать сильный результат, то его эффективность должна измеряться не конкретными запусками, которые делал не он, а способностью выстраивать процессы и достигать стратегических целей.

Какие метрики оценивают эффективность руководителя не IC? Примеры

✔️ Достижение стратегических целей
Особенно важно когда стратегия разрабатывалась TOP DOWN, т.е. была спущена сверху и декомпозирована на подразделение. Метрики могут быть разными: CSAT/NPS, добавленной ценности/эффективности решения, AARRR, Growth-метрики... и даже выполнение плана по P&L.

✔️ Revenue per Feature (% новых продуктов/фичей в выручке и его динамика)
Руководитель влияет на то насколько эффективно инвестируются ресурсы. Если новые решения не дают прирост — это сигнал о проблемах на стратегическом уровне.

✔️ Time to Market
Скорость релизов — полностью зависит от организации процессов Execution.

✔️ Длина и динамика очереди в разработку и/или Фокус-фактор (загрузка команды)
Чисто процессные метрики, подсвечивающие насколько хорошо руководитель может организовать процесс, балансирующий Discovery и Delivery/Execution.

✔️ % отмененных эпиков после запуска
Неподтвердившаяся гипотеза - это нормальное и очень частое явление, но если здесь нет улучшений, значит, есть проблемы в фазе Discovery.

✔️ Ошибки в оценке рынка/эффекта
Если запуски регулярно не попадают в оценки, значит, есть проблемы в фазе Discovery.

✔️ Текучесть и укомплектованность
Если специалисты быстро уходят или сложно закрывать вакансии, проблема, скорее всего, не только в рынке, но и в управлении.

✔️ Влияние на HR-бренд
Репутация на рынке связана с опытом ушедших сотрудников и это зона ответственности CPO.

💡 Задача лидера — формулировать видение, которое будет увеличивать стоимость бизнеса, а также создавать условия, при которых команда будет эффективно его реализовывать.
Иногда для этого нужно быть IC (временно или постоянно).
Важно избегать путаницы в ожиданиях друг от друга и выработать корректную систему координат для оценки эффективности.

Pro Product

#Процессы #Метрики

🌺 7 ИССЛЕДОВАНИЙ ДЛЯ ЖЕНЩИН, СТРОЯЩИХ КАРЬЕРУ

8 марта — прекрасный повод вспомнить, какой путь проделали женщины в своем намерении получить равные права. Однако «стеклянные лабиринты» в карьере всё ещё существуют. Поэтому сегодня я подготовила подборку исследований, которые помогут каждой женщине продвинуться вперёд еще немного 👇🏻

━━━━━━━━━━━━━━

1. Brescoll, V. L. (2016). Leading with their hearts? How gender stereotypes of emotion lead to biased evaluations of female leaders. *The Leadership Quarterly, 27(3), 415–428*. [Ссылка]
🔹Основная идея: Эмоции женщин-лидеров воспринимаются как «слабость», даже если мужчины проявляют то же самое.
🔹 Критика: Исследование не учитывает культурные различия (например, в Азии стиль лидерства может восприниматься иначе).
🔹 Вывод: Учитесь управлять эмоциями, но не позволяйте стереотипам диктовать ваш стиль.

2. Eagly, A. H., & Karau, S. J. (2002). Role congruity theory of prejudice toward female leaders. *Psychological Review, 109(3), 573–598*. [Ссылка]
🔹 Основная идея: Женщины нарушают стереотипы, когда ведут себя «по-мужски», и это вызывает предубеждения.
🔹 Критика: Теория не объясняет, как меняются стереотипы со временем.
🔹 Вывод: Ваш авторитет не должен зависеть от гендерных шаблонов.

3. Cuddy, A. J. C. et al. (2015). Preparatory power posing affects nonverbal presence and job interview performance. *Journal of Applied Psychology, 100(4), 1286–1295*. [Ссылка]
🔹 Основная идея: «Силовые позы» (например, руки на бедрах) повышают уверенность и снижают стресс.
🔹 Критика: Некоторые учёные оспаривают воспроизводимость результатов.
🔹 Вывод: Даже если эффект спорный, вы ничего не потеряете, если попробуете.

4. McKinsey & Company. (2020). Women in the Workplace. [Ссылка]
🔹 Основная идея: Женщины реже получают повышение за те же достижения, что и мужчины.
🔹 Критика: Данные собраны в США — глобальные тенденции могут отличаться.
🔹 Вывод: Требуйте признания своих заслуг. Скромность украшает, но не помогает.

5. Eagly, A. H., & Carli, L. L. (2007). Through the labyrinth: The truth about how women become leaders. *Harvard Business Review*.
[Ссылка]
🔹 Основная идея: Карьера — это лабиринт барьеров. И в лабиринте нужна навигация, а не кувалда, чтобы ломать стены.
🔹 Критика: Авторы делают акцент на корпорациях, игнорируя стартапы.
🔹 Вывод: Ищите свой путь, а не пробивайте стены.

6. Tannen, D. (1994). Talking from 9 to 5: Women and men at work. HarperCollins. [Ссылка]
🔹 Основная идея: Женщины чаще смягчают речь («извините», «может быть»), что снижает весомость слов.
🔹 Критика: В эпоху удалёнки краткость и прямота стали нормой для всех.
🔹 Вывод: Замените «Извините, можно вопрос?» на более твердые, но неагрессивные формулировки.

7. Eagly, A. H. et al. (2003). Transformational, transactional, and laissez-faire leadership styles. *Psychological Bulletin, 129(4), 569–591*. [Ссылка]
🔹 Основная идея: Женщины чаще используют трансформационный стиль (вдохновение + поддержка), который эффективнее авторитарного.
🔹 Критика: Мужчины-лидеры тоже перенимают этот стиль, стирая гендерные различия.
🔹 Вывод: Ваша сила — в умении объединять, а не доминировать.
━━━━━━━━━━━━━━

➕ БОНУС: Кристина Хофф Соммерс в книге «Кто украл феминизм?» напоминает:
🔘 Не все барьеры связаны с дискриминацией — иногда просто выбрали не вас или вы не договорились.
🔘 Избегайте мышления жертвы: карьера зависит от системы настолько же, насколько от ваших действий.

💡 Баланс силы и мягкости, правильный образ — это не вопрос гендера, а навык. Как показывают исследования, его можно освоить. А лучшая стратегия — та, где вы остаётесь собой, но не забываете о правилах игры 💐

Pro Product

#Компетенции #Исследования

Данные тоже врут: ловушки data-driven подхода

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.

💬 А вы обманывались, опираясь на данные?👇🏻

Pro Product

#Метрики #Инструменты

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).

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:

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.
3️⃣Групповое 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.

💡 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

🚀 Про эксперименты

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?

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.

‼️ 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

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»).

— Легко повторить? → Фича быстро становится must-have.
— Сложно? → У компании есть годы преимущества.

🔘 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.

✅ 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.

🔘 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...

По данным McKinsey, 84% лидеров называют инновации ключом к долгосрочному росту, но лишь 6% довольны своими результатами. Парадокс? Нет — вызов.

Pro Product

#Философия #AI

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 😉)

1️⃣0️⃣ 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).

💡 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:

🔘 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.

━━━━━━━━━━━━━━

💡 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).

━━━━━━━━━━━━━━

💬 А у вас были эпик фейлы?👇🏻

Pro Product

#Философия

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.

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

🚀 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.

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

❓ 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?

💡 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

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.

💡 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?

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