О чём говорят продакты 👀

Как вы считаете, работа продакта — это бесконечные митинги и диаграммы Ганта? На самом деле нет: всё ещё хуже. Продакты, как родители, делают всё, чтобы продвинуть свой продукт: и с соседним отделом поговори, и на конференцию съезди, и с пользователем пообщайся. Работа интересная, но об этом никто не знает, потому что рассказать некогда.

А нам, продактам из Авито, есть когда, поэтому мы создали телеграм-канал «Чтобы что». Будем рассказывать о буднях и внутрянке, а также шутить, постить мемы и иногда душнить (ну мы продакты или кто?)

Например, в канале вышел пост о том, как мы отредактировали процесс собеседований для продактов. Было 8 секций и 70+ дней, а стало 5 секций и… Читайте в посте.

Подписывайтесь, будет интересно!

Как сделать сегментацию через ИИ

Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74

Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.

Большинство делают сегментацию неправильно: делят пользователей “по полу и возрасту” и не понимают, что с этим делать дальше. Рабочий подход через ИИ выглядит так:

1. Начни с цели. Не “сегментировать ради сегментации”, а:
— увеличить конверсию
— повысить retention
— найти точки роста

2. Собери нормальные данные. Минимум:
— действия в продукте
— частота использования
— платежи
— источник трафика

3. Сделай признаки (это 70% успеха)
ИИ не думает, он считает.
Примеры:
— дней с последнего входа
— количество действий
— средний чек
— сколько фич использует

4. Запусти простую модель. Самый быстрый вариант — K-means clustering. Он сам разобьет пользователей на группы по похожести.

5. Переведи “кластеры” в смысл. Модель даст:
Cluster 1, Cluster 2…
Ты должен превратить это в:
— “новички с высоким интересом”
— “активные, но не платят”
— “спящие пользователи”

6. Самое главное — внедрение. Иначе это просто красивая аналитика
Что делать дальше:
— разные onboarding
— разные офферы
— разные пуши
— персонализация

Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74

Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут

Геймдев — индустрия, у которой продакты из других сфер до сих пор недостаточно воруют механики проверки гипотез

Все возможности от редакции канала по ссылке.

Причем многие механики появились там сильно раньше, чем в SaaS, финтехе или e-commerce. Что стоит брать на вооружение:

1. Vertical Slice вместо «давайте сначала построим платформу». В играх почти никогда не делают «сразу весь продукт».
Сначала собирают Vertical Slice — маленький, но полностью рабочий кусок опыта:
— с настоящим UX,
— настоящей механикой,
— настоящим ощущением прогресса.

Правильный вопрос: может ли пользователь почувствовать главный value loop за 3–5 минут? Если нет — вы строите систему раньше, чем проверили желание ей пользоваться.

2. Retention — главная проверка ценности. В геймдеве никто не считает продукт успешным из-за красивого DAU.
Сначала смотрят:
— D1 retention,
— D7 retention,
— return rate,
— session frequency.

Очень много продуктов ошибочно смотрят:
— регистрации,
— MAU,
— CAC,
— количество фич,
— GMV.

Хотя главный вопрос:
«человек захотел вернуться без принуждения?»

3. Core Loop — основа любого продукта. В играх продукт начинается не с экрана. А с loop’а.
Пример:
действие → награда → ощущение прогресса → новое действие.
Где эмоциональная награда?
Где прогресс?
Где причина вернуться раньше следующей коммуналки?
Поэтому многие продукты ощущаются как «утилита», а не среда постоянного использования.

4. В геймдеве поведение важнее слов. Игрок может говорить: «мне скучно».
Но реальные вопросы:
— на какой минуте он вышел?
— где умер?
— после какого экрана quit?
— сколько секунд стоял без действия?
— куда смотрел курсор?
— где пропустил туториал?

То есть продукт диагностируется на микроуровне поведения. Большинство компаний до сих пор живут на:
— NPS,
— интервью,
— «нам кажется»,
— мнении HIPPO.

5. LiveOps — продукт как живой организм. Самая сильная вещь из геймдева, которую почти никто нормально не перенес. Игра после релиза не «закончена».
Она живет через:
— события,
— сезоны,
— временные режимы,
— ограниченные награды,
— таймеры,
— комьюнити-ивенты.

Большинство сервисов после онбординга превращаются в: «ну… можешь пользоваться при необходимости». А сильные продукты создают ритм жизни пользователя.

6. Баланс экономики через данные. В играх есть огромная дисциплина — balancing. Там постоянно балансируют:
— сложность,
— награды,
— скорость прогресса,
— стоимость действий,
— силу персонажей.

То есть engagement — это не магия.
Это управляемая экономика усилий и вознаграждений.

7. Time-to-fun как универсальная метрика В играх давно поняли: если человек не получил эмоцию быстро — он ушел. Большинство продуктов убивают пользователя до ценности:
— 14 полей регистрации,
— сложный онбординг,
— обучение,
— permissions,
— KYC,
— пустой home screen.
Геймдев учит: ценность должна произойти раньше усталости.

Все возможности от редакции канала по ссылке.

Все для роста от редакции канала

1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:

- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды

2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут

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

Границы AI-ускорителей продакта

AI действительно может ускорить продакта в 3–10 раз. Но почти у каждого такого ускорителя есть потолок. Вот где AI начинает ломаться в реальной продуктовой работе.

Все возможности от редакции канала по ссылке.

- AI ускоряет создание артефактов, а не создание ценности. PRD, CJM, ресерч, гипотезы, SQL, саммари — появляются за часы. Но это не значит, что вы быстрее нашли PMF.

- Garbage in - garbage out. Плохие интервью + слабая аналитика + мусорные события = AI просто красиво упакует ошибки.

- AI не знает внутреннюю политику компании. Он не понимает:
• кто реально принимает решения,
• где конфликт интересов,
• какие команды саботируют изменения,
• почему прошлые инициативы умерли.

- Возникает “false velocity”. Кажется, что команда стала быстрее. На деле быстрее стали:
• презентации,
• документы,
• прототипы.

Но не факт, что быстрее стало обучение о пользователе.

- AI плохо держит длинный контекст продукта. Через 20–30 экранов, 5 сегментов и 3 года легаси ответы начинают плыть. Поэтому AI отлично работает:
• в локальных задачах,
• ресерче,
• first draft,
• операционке.

И заметно хуже:
• в стратегии,
• платформенных решениях,
• сложных компромиссах.

- AI-агенты почти всегда требуют сильного оператора. Большинство автономных AI-систем на рынке:
• ломаются на edge-cases,
• требуют постоянной настройки,
• не умеют проверять себя,
• плохо работают без человека рядом.

- Главный bottleneck — не AI, а организация. Обычно 2-3 человека ускоряются в 5 раз. А потом упираются в:
• согласования,
• разработку,
• legal,
• доступы,
• безопасность,
• отсутствие данных.

- Чем выше цена ошибки — тем меньше автономии у AI. Финансы, медицина, enterprise, security — там AI остается copilot’ом, а не самостоятельным исполнителем.

• AI делает рынок более “усредненным”. Когда все используют одинаковые модели:
• гипотезы становятся похожими,
• тексты одинаковыми,
• интерфейсы шаблонными.

Поэтому конкурентное преимущество всё ещё создают:
• уникальные данные,
• скорость исполнения,
• дистрибуция,
• понимание аудитории,
• сильная команда.

Все возможности от редакции канала по ссылке.

🚀 Как продакту ускорить свою работу с AI — учимся на Podlodka Product Crew

Едва ли среди читателей этого канала найдется человек, который ни разу не применял AI в работе.

Но есть разница: пользоваться базовыми промптами для генерации текстов и аналитики данных, или же создать рабочую систему из инструментов на основе AI.

Команда конференции Podlodka Product Crew открывает новый сезон — «AI-инструменты продакта». Он пройдет с 18 по 22 мая.

В течение недели участники познакомятся с экспертами, которые с помощью AI ускорили продуктовый цикл в разы, причём на всех этапах: от проверки гипотез и создания PRD до пользовательской аналитики.

На конфе выступят как известные в сообществе визионеры AI — например, Глеб Кудрявцев и Влад Терзи, так и продуктовые практики из ведущих российских компаний и активно развивающихся зарубежных стартапов.

👀 В программе:
— исследование с AI: от анализа до синтеза интервью,
— прототип или сервис за вечер,
— аналитика через AI-агентов,
— AI-агенты для мониторинга,
— внедрение AI в команду.

И это ещё не всё — программа дополняется! Формат такой: 5 дней, 10 сессий с демо и практикой и закрытое комьюнити в Telegram.

Отдельный плюс — цена: заметно ниже привычных конференций, при этом контента много, а новые знания можно сразу же приземлять на свои задачи.

🔗Если хотите увидеть, как продакт-менеджеры применяют AI-инструменты, ускорить свою работу и принести больше пользы бизнесу, ловите ссылку с early-bird билетами: https://podlodka.io/productcrew

А по промокоду FreshProduct получите скидку 500р🎁

Почему проваливаются AI-стартапы и AI-проекты

Все возможности от редакции канала по ссылке.

Большинство AI-проектов умирают не из-за слабых моделей. А из-за плохого продукта, экономики и отсутствия реальной ценности. Вот основные причины.

- Делают AI ради AI. Самая частая ошибка: смотрите, что умеет модель вместо какую дорогую проблему мы решаем. В итоге:
• демо выглядит круто,
• retention низкий,
• платить никто не хочет.

AI снижает стоимость MVP. Но не упрощает поиск PMF.

- Нет moat. Очень много AI-продуктов сейчас: LLM + UI + промпты.
Проблема:
это легко копируется.

Если нет:
• уникальных данных,
• workflow lock-in,
• интеграций,
• distribution,
• сообщества,
то продукт быстро становится commodity.

- AI ускоряет создание артефактов, а не ценности. Команды начинают делать:
• PRD,
• прототипы,
• AI-фичи,
• лендинги
в 10 раз быстрее. Но это не значит, что:
• найден PMF,
• есть retention,
• пользователь меняет поведение.
Очень часто ускоряется “производство активности”, а не обучение о пользователе.

- Human-in-the-loop ломает экономику. На демо AI выглядит автономным.
На практике внутри сидят:
• операторы,
• support,
• QA,
• модераторы,
• аналитики.
Потому что AI:
• галлюцинирует,
• ошибается,
• ломается на edge cases.
Многие AI-компании — это “ручной труд за AI-интерфейсом”.

- AI плохо работает на масштабе. На 100 пользователях всё выглядит магически. На 100 000 начинаются:
• нестандартные сценарии,
• конфликты инструкций,
• длинный контекст,
• падение качества.
AI-системы требуют огромного слоя:
• monitoring,
• evals,
• fallback logic,
• human review.

- Слишком дорогой inference. Особенно больно в:
• AI-видео,
• AI-codegen,
• AI-агентах,
• real-time AI.
На росте выясняется, что каждый активный пользователь буквально сжигает GPU и маржу.

- Distribution важнее технологий. Доступ к моделям есть почти у всех. Поэтому выигрывают не всегда те, у кого лучший AI. А те, у кого:
• аудитория,
• бренд,
• enterprise sales,
• SEO,
• existing platform,
• комьюнити.

- Переоценивают зрелость AI. Многие строят roadmap так, будто AGI уже рядом. Но у моделей всё еще большие ограничения:
• слабая память,
• нестабильный reasoning,
• hallucinations,
• плохая работа в длинных workflows.
Главная ошибка AI-рынка сейчас — думать, что модель и есть продукт.

Все возможности от редакции канала по ссылке.

Тысячи ИИ‑проектов умерли, не став продуктами. Почему? Вместо ценности — хайп, сырые данные и «давайте сделаем нейросеть».

Открытый вебинар «Как запустить ИИ‑продукт с нуля: от гипотезы до первых результатов»: регистрация

Спикер Игорь Зуриев говорит на языке управленцев, а не математиков.

За 1,5 часа поймёте:
— Как выбрать идею, которая принесёт деньги
— Какие данные нужны на старте
— Как собрать рабочую версию без переплат
— 3 ошибки, убивающие ИИ‑продукты

Научитесь:
— Отличать игрушку от настоящего продукта
— Оценивать риски до потери бюджета
— Запускать ИИ быстро

Регистрируйтесь сейчас - напомним перед вебинаром: регистрация

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

Level Up для продактов: что важно для резюме

Недавно с моим участием запустился проект Level Up (кстати, приходите, региструйтесь и следите за проектом, очень интересный и актуальный - ссылка). И решил освежить, а что для продакта важно в Level Up с точки зрения резюме

1. Оцифрованные достижения и факапы (которые не будут повторяться) в нескольких компаниях
Описание адекватных достижений в денежном или метричном эквиваленте в нескольких местах работ.
Нельзя писать «увеличил прибыль компании в пять раз», это значит присвоить себе заслуги c-level.
Ошибки тоже могут быть в вашем резюме, структурированном рассказе и выводах, которые вы делаете по итогам них. Тут же круто наличие сайд-проекта с вашей рефлексией и результатами.

2. Насмотренность — это бизнес-модели и функции
При озвученной проблеме вы должны выдать 2-3 ситуации или какой-то мощнейший вывод, который расскажет все о вашей экспертизе. Если речь идет о низком ритеншене, то вы должны сразу же поговорить про с1,с2,с3+, про поведение когорт и LTV клиентов. Также вы должны понимать, какие метрики в какой бизнес-модели работают.

3. Разбираться в финансах и экономике продукта и компании.
Вы должны быть подкованы в финансах и экономике предприятия, иначе как вы будете общаться с функциями финансов, операциями и маркетингом. Эти люди отвечают за бюджет, и рассказы про роадмап их не впечатлят и не позволят вам получить от них достойное сотрудничество. Прибылеобразующим функциям всегда платят больше.

4. Структурно выражать свои мысли, управлять ожиданиями
Логика — это про то, чтобы четко понимать профиль собеседника и его нужды. Если вы ничего не сказали — значит, рассказать вам нечего.

5. Разбираться в разработке, дизайне и аналитике
Вас не должны обманывать, вы должны контролировать сроки и эффективность команды, траты на техдолг. Вы должны знать, что такое код ревью, зиро код, чем занимается девопс и чем его работа отличается от фронт-эндера. Чем больше у вас практических навыков, тем выше ваша стоимость на рынке труда.

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

Методика, как работать, когда у тебя много договоренностей

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

Когда у тебя становится 15–20 проектов одновременно, ты перестаешь тонуть в задачах. Настоящий хаос начинается из-за договоренностей, контекста и постоянного переключения между проектами. В какой-то момент вся работа превращается в бесконечные попытки вспомнить обсуждали ли это, кто должен был сделать, согласовано это уже или нет, почему команда делает не то, о чем договаривались.

1. Один главный документ на проект. У каждого проекта должна быть одна точка входа, где лежит весь актуальный контекст: цель проекта, последний статус, ссылки, принятые решения, следующие шаги, риски, ответственные. Когда этого нет, мозг начинает тратить огромное количество энергии просто на поиск информации.

2. Фиксировать не задачи, а решения. Большинство команд ведут task tracker, но почти никто не ведет decision log. А потом через месяц начинается попытка восстановить: почему вообще выбрали это решение, кто это согласовал, почему поменяли scope, когда это обсуждалось. После каждого созвона достаточно буквально нескольких строк: что решили, что не решили, кто отвечает, какой дедлайн, какие есть риски.

3. Список ожиданий. На большом количестве проектов ты редко работаешь руками. В основном ты зависишь от других людей: дизайнеров, разработки,клиентов, аналитиков, подрядчиков, юристов. Поэтому главный список выглядит не как To Do, а как Waiting For: ждем estimate от backend, ждем доступы от клиента, ждем макеты, ждем согласование договора.

4. Перестать хранить что-либо в голове. Пока ты пытаешься помнить все сам, мозг постоянно работает в фоне: не забыть написать, не забыть отправить, не забыть согласовать, не потерять договоренность. Из-за этого появляется ощущение, что ты работаешь весь день, но при этом постоянно что-то упускаешь. Нормальная система управления проектами нужна не для контроля команды. Она нужна для разгрузки собственной головы.

5, Раз в неделю нужно пройтись по всем проектам: обновить статусы, убрать мусор, проверить блокеры, понять, где проект реально стоит, а где только создает ощущение движения. На большом количестве проектов выигрывает не тот, кто больше работает.

Выигрывает тот, у кого: минимум хаоса, минимум мест хранения информации, понятные договоренности, прозрачные статусы и пустая голова.

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

Есть ощущение, что мы находимся в моменте, когда классическая модель образования начала ломаться об скорость изменений рынка.

Особенно в IT, AI и продуктовой разработке. Раньше цикл был понятный:
университет → junior → 3–5 лет роста → middle/senior. Сейчас рынок меняется быстрее, чем успевают обновляться программы обучения.

По факту многие компании в первые 6–12 месяцев доучивают джунов почти с нуля:

• как пользоваться AI-инструментами в ежедневной работе;
• как декомпозировать проблемы;
• как работать с неопределенностью;
• как принимать решения на основе данных;
• как общаться с разработкой, дизайном и бизнесом;
• как понимать метрики и юнит-экономику;
• как проверять гипотезы;
• как вообще работать в современной продуктовой команде.


Проблема даже не в качестве вузов. Проблема в том, что рынок перестал быть стабильным. Программа обучения обновляется раз в несколько лет. AI-модели – раз в несколько месяцев. Подходы к разработке и продукту – еще быстрее. Из-за этого диплом всё чаще перестает быть сигналом «готов к работе». Особенно на junior-рынке.

Кстати, в тему был такой пост у меня.


Потому что AI уже начинает забирать часть задач, на которых раньше учились новички (например, рисерч и базовый код).


И это сильно меняет сам вход в профессию. Раньше junior мог долго расти на простых задачах.

Сейчас от человека ждут:
• скорости;
• самостоятельности;
• системного мышления;
• умения работать в паре с AI;
• способности быстро адаптироваться.

По сути рынок начинает ценить не «объем знаний», а скорость обучения и способность работать в реальной среде. И мне кажется, именно поэтому начинают появляться новые форматы университетов, которые строятся ближе к индустрии, чем к классической академической модели.

Недавно наткнулся на интересный пример — Центральный университет. Это STEM-вуз, который делают вместе с индустрией: Сбер, Авито, VK, Яндекс, Т-Банк и другими компаниями. Там делают упор не только на теорию, а на подготовку специалистов под реальные задачи рынка:

— AI;
— разработка;
— ML;
— аналитика;
— дизайн;
— product management;
— backend.

Плюс, у студентов есть возможность получить грант до 100% на обучение.

24 мая в Москве у них пройдет МЕГАДОД-2026:
• расскажут про программы;
• покажут кампус;
• дадут пообщаться со студентами и преподавателями;
• будут мастер-классы и интерактивы.


Для тех, кто сейчас выбирает направление в IT/AI/продукты — хороший повод посмотреть, как вообще может выглядеть образование следующего поколения.

Мифы про ИИ-агентов: что реально работает в 2026 году. Открытый урок курса «ИИ-агенты: продвинутое внедрение и использование»

Вокруг ИИ-агентов много шума: одни ждут, что они заменят людей, другие считают, что это инструмент только для программистов, третьи уверены, что без сложного кода ничего полезного не получится. На практике всё интереснее: агенты уже помогают автоматизировать рутину, работать с браузером, собирать простые сценарии и решать прикладные задачи, но требуют правильного понимания своих границ.

На открытом уроке 27 мая в 20:00 разберём популярные мифы про ИИ-агентов и покажем, что действительно работает в 2026 году. Посмотрим, как устроен браузерный агент, зачем он нужен и какие процессы может автоматизировать. Отдельно разберём, как создать агента без кода и почему для первых полезных решений не всегда нужен сложный программный слой. На живых демонстрациях покажем три сценария: браузерный агент, агент без кода и минимальный жизнеспособный агент, который уже решает реальную задачу.

Урок не для тех, кто ждёт «замены человека одной кнопкой», хочет верить в магию ИИ без понимания ограничений или считает, что агенты сами по себе решают бизнес-задачи без постановки цели, контекста и контроля результата.

👉 Записаться: https://otus.pw/Ww3K/

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