Когда жалоба — не стратегия

Иногда кажется, что если громко обозначить проблему, то это уже шаг к её решению. На самом деле — не всегда. Особенно, если ты в лидерской роли.

Типичный кейс, который я видел не раз (и сам в нём бывал):

Ты — CPO. Клиенты жалуются: продукт нестабилен, CR и NPS снижаются. С разработкой уже обсуждали это много раз, но результата нет. На встрече топ-менеджеров ты спрашиваешь CTO:

«Ну и когда, прости господи, эта фигня перестанет падать? Это критично для пользователей. Сроки снова двигаются. Мы не можем так работать!»

Вопрос логичный. Но в результате CTO ловит взбучку от CEO, после чего ты попадаешь в его личный чёрный список, и слаженной совместной работы можно не ждать.

Почему так происходит?

Потому что подсветить проблему — не то же самое, что взять лидерство. Жалоба — это сигнал боли. А от лидера ждут — что делать дальше.

В корпоративной системе, особенно на уровне топов, тебя оценивают не по степени возмущения, а по умению работать с неопределённостью.

Как делать по-другому?

— Обсуждай сложные вещи до встречи, а не на ней.
— Ставь фокус не на виноватого, а на общую цель.

Вместо:
«Да сколько можно!»

Сказать:
«Сейчас 10% попыток входа в продукт заканчиваются ошибкой, это бьёт по ключевым метрикам. Предлагаю вместе с разработкой зафиксировать SLA и взять это в квартальный приоритет»

Вроде всё то же самое сказал, но теперь ты не враг народа, а человек, с которым можно строить будущее.

А если очень хочется пожаловаться — можно написать пост в телеге ✨

Друзья, если вы чувствуете, что в вашей жизни всё слишком понятно и предсказуемо — попробуйте организовать встречу через Яндекс Календарь

Маленькие команды и большие деньги

Недавно наткнулся на информацию с результатами генеративных AI-стартапов:

- Cursor — $100M годовой выручки за 21 месяц (20 человек)
- Bolt — $20M годовой выручки за 2 месяца (15 человек)
- Lovable — $10M годовой выручки за 2 месяца (15 человек)

Это не только заслуга продукта (а может, вообще не заслуга продукта), потому что тут главную роль играют инвестиции. Но прошу обратить внимание на размер команд в этих продуктах.

А теперь неприятный момент. Почти в каждой средней компании есть айтишный отдел такого же (или большего) размера. Только вот выручка у него — ноль. Или «там же бэкенд переписываем третий квартал, потерпите».

Почему? Потому что эти люди заняты совсем другим. Они не делают продукты. Они «согласовывают», «внедряют», «оптимизируют», «рефакторят» и «работают над внутренней эффективностью». И это, конечно, важно. Но деньги — не от этого.

У меня нет одного ответа, что с этим делать. Но есть сильное ощущение, что выигрывать в ближайшие годы будут те, кто сможет встроить AI в процессы и научится быстро давать ценность маленькими командами.

Всё просто: рынок меняется. И нужно меняться вместе с ним

Давайте честно, когда в последний раз вы открывали какое-то приложение или сайт и такие: «ну нифига себе!»?

Не потому что оно сработало (спасибо, кэп), а потому что прям красиво, приятно и вообще все сделано так, что хочется залипнуть и никому об этом не рассказывать, чтобы не испортить.

Я вот сижу и пытаюсь вспомнить, и что-то как-то грустно. Да, есть привычные сервисы, которые делают свою работу, но это как старый чайник на кухне — удобный, но не тот, что вызывает восторг.

Возможно, я просто зачерствел душой и уже не могу радоваться цветастым кнопкам и плавным анимациям. Возможно, в России таких продуктов нет. А может, они есть, но я просто слишком занят, чтобы их заметить, потому что у меня, знаете ли, работа, ипотека и маленький ребёнок.

Поэтому вопрос к вам, люди с более нежным восприятием прекрасного:

Какие цифровые продукты в России вам кажутся реально классными? Которые не только работают, но и оставляют ощущение «вау» — от визуального стиля, деталей, эмоций от использования

Друзья, мы в нетмонет ищем арт-директора

Того самого человека, который возьмёт в руки всё визуальное — интерфейсы, рекламные кампании, тон, вайб, дух — и сделает так, чтобы дизайн стал нашим УТП.

Ну то есть чтобы люди смотрели на нас и говорили: «Хочу так же».

Что нужно будет делать:
- Придумать и выстроить визуальный язык бренда: от продукта до рекламных компаний
- Руководить дизайнерами и растить сильную команду
- Уметь сказать: «Так не катит, давай по-другому» — и не просто сказать, а показать как
- Не бояться стейкхолдеров: защищать идеи, продавать дизайн, говорить с бизнесом на одном языке

Если вы в этом описании узнали себя — или того, кого стоит затащить силой, — вот ссылка на вакансию 🖤

Про корпоративную политику на C-level

У меня когда-то была наивная, даже трогательная уверенность: вот стану я большим боссом, буду сидеть в совете директоров, а в политике участвовать не стану.

Казалось, это умно и зрело. Оказалось — это самая тупая идея, которая приходила мне в голову.

Всё — это политика. И «не участвовать» — тоже участие. Просто пассивное. А ещё это отличный способ оказаться в роли того человека, чей стул за столом переговоров медленно подпиливают.

Невидимое влияние

Оргструктура на копоративном портале редко отражает, как на самом деле принимаются решения. Обычно власть течет по странным и неожиданным каналам.

Например:
— приятель члена совета директоров, который обсуждает стратегию за бокалом вина;
— жена CEO, которую раздражают вечерние звонки;
— инвестор, который прочитал в форбсе про «прорывную бизнес-модель» и теперь считает, что надо срочно менять стратегию.

Понимание этих неформальных связей важно не меньше, чем знание должностных инструкций.

Когда политика помогает, а когда мешает

Мешает — когда всё скрытно, эгоистично и делается на автопилоте.

Помогает — когда это прозрачно, честно и на пользу бизнесу (да, иногда ещё и продуманно, что редкость).

Лучшая культура, которую я видел, — там, где дают радикально прямой фидбек. Иногда он неприятный, но зато люди знают, что от них хотят. И нет гаданий: «А что думает руководство?».

Иерархия намерений

В политике главный вопрос — на чьей ты стороне.

Чьи интересы человек ставит выше:
— свои;
— конкретного человека;
— своей команды;
— всей компании.

Если у всех участников цель — сделать лучше для бизнеса, договориться проще. Но определить эти намерения бывает непросто.

Роли в корпоративной политике

1. Взрослый — активный, ставит бизнес на первое место, готов к сложным решениям.
2. Деэскалатор — тихий медиатор, избегает конфликтов, верит в силу фактов.
3. Лоббист — активно тащит ресурсы только для своей команды.
4. Защитник — пассивно поддерживает команду, даже в ущерб компании.
5. Манипулятор — активен, но играет за конкретных людей, а не за бизнес. Закулисные сделки, помощь «своим».
6. Вечный помощник — старается помочь всем, не видя полной картины.
7. Говнюк — активно преследует только личные цели.
8. Серый кардинал — действует скрытно, копит информацию, играет в долгую.

Мы все бывали в разных ролях. Важно понять, где вы «по умолчанию» и кем хотите быть.

Я призываю вас: будьте взрослым, когда это возможно. Активно ставьте интересы бизнеса на первое место (не в последнюю очередь это ваша фидуциарная обязанность). Это сделает вас лучшим лидером, ваш бизнес – более эффективным, а рабочую среду – менее токсичной.

Если вы интроверт, начните с роли деэскалатора. Ставьте бизнес на первое место, но влияйте тихо. Затем, по мере того, как ваш голос будет становиться сильнее, станьте взрослым.

Бизнесу нужен человек, готовый принимать сложные решения. Последовательная, справедливая и прозрачная работа – лучшее противоядие от токсичной среды.

Умение распознавать других

Политика — это ещё и умение быстро понять, с кем ты имеешь дело. С «говнюком» и «лоббистом» вы не будете играть по одним правилам. Иногда лучше обнажить чужие игры, иногда — сыграть в них, но так, чтобы выиграл бизнес.

Суть поста в трёх пунктах

1. Нельзя «отказаться» от политики. Это само по себе является политическим актом.
2. Лучший инструмент в политике — это личный пример.
3. Понимание невидимой организационной структуры поможет вам определить, где в бизнесе находится неформальная власть.

Где учиться vibe coding: подборка бесплатных ресурсов

Vibe coding — это уже не экзотика. В больших компаниях появляются интервью с задачами на прототипирование, становится нормой быстро собирать решения с помощью AI и no-code.

А мы продолжаем делать вид, что всё это уже давно умеем. Но если честно — учиться всё равно придётся.

Я собрал подборку ресурсов, где можно начать: всё бесплатно, и подходит даже тем, кто код видел только в страшном сне.

Онлайн-курсы

— Lovable AI Academy — базовые курсы и гайды по созданию AI-прототипов без кода.
— Prompting Essentials (Google AI) — официальный курс по prompt engineering.
— AI for Product Managers (Product School) — о том, как AI меняет работу продакта.
— Learn Prompting — подробный гайд по созданию эффективных промптов.
— Zeroqode Lab — бесплатные и платные курсы по no-code с упором на практику.

YouTube-каналы

— Lovable AI Academy — кейсы vibe coding с использованием AI и no-code.
— Bubble Official — обучающие видео по созданию веб-приложений без кода.
— Bolt — разборы по low-code автоматизации и прототипам.
— Replit Tutorials — короткие и понятные разборы по коду и no-code.
— Prompt Engineering для PM — подробное видео о том, как продакт может работать с промптами.

А если у вас есть свои находки — делитесь в комментах. Всем вместе учиться всегда быстрее и веселее ✨

Про предсказания и открытость к ошибкам

Недавно прочитал любопытную мысль:

Представьте бейсболиста. Когда ему бросают мяч, у него физически нет времени среагировать прямо в момент броска — долей секунды просто не хватает.

Поэтому он не реагирует на сам факт полёта мяча, а достраивает его траекторию: предсказывает, куда тот прилетит. И уже под это предсказание запускает движение, чтобы бита встретилась с мячом в нужной точке.

Получается, что любое наше действие основано на прогнозировании будущего. Этот механизм называется предсказательное кодирование (predictive coding).

Но самое интересное — так работает не только движение, но и восприятие. Просто анализировать всю информацию, которая у нас есть, энергетически бесконечно дорого, поэтому мозг работает через модели.

Если модель работает — мы её не трогаем. А если сигнал расходится с прогнозом — мозг корректирует модель.

Очевидно, хочется перенести это на уровень сознания: мы все живём в плену собственных моделей, ищем сигналы их подтверждения и отбрасываем сигналы, которые каким-то образом им противоречат.

Есть люди, которые работают с моделями более эффективно, учатся не отбрасывать сигналы, противоречащие их модели. Это круто! Это и есть открытость к новому. Умение признать, что ты можешь ошибаться.

Потому что, если честно, мы все фундаментально неправы. На молекулярном уровне мы всегда неправы. Мы всегда делаем какое-то примерное предсказание, которое нужно обязательно корректировать.

Короче, мне кажется, что это философски прикольная мысль: эффективность нашей работы, нашей жизни основана на умении мозга признавать ошибки восприятия.

Любим продукт, но денег он не принесёт (по мнению самих команд)

Atlassian опубликовали своё первое глобальное исследование про продуктовые команды. И цифры там получились, мягко говоря, тревожные.

84% команд, которые отвечают за бизнес-результаты, не верят в рыночный успех своих продуктов. При этом 85% влияют на стратегию, а у 90% равное право голоса в решениях.

То есть команды влюблены в продукт, отвечают за деньги, но сами не верят в результат

Дальше — ещё тревожнее. Только 12% продуктовых команд вообще мотивированы зарабатывать деньги для бизнеса. И это в момент, когда последние три года компании на каждом углу повторяют: «Прибыльность — приоритет номер один».

А теперь замкнутый круг:
— 49% команд не хватает времени на стратегию → приоритизация страдает → времени на стратегию становится ещё меньше;
— ИИ вроде помогает (до 2 часов в день экономит на рутине), но вместо стратегии эти часы жрёт новая операционка;
— И вишенка: лишь 20% команд реально подключают кросс-функциональных коллег к постановке продуктовых целей. Всё, проблемы закладываются ещё на старте.

Вывод? Кажется, что у индустрии кризис роста. Продакты получили власть и право голоса, но не ресурсы, чтобы эту власть реализовать. Это в целом соответствует тому, что я вижу на рынке в последние годы.

Интересно, а как обстоят дела с этим у вас? Видите ли вы этот парадокс у себя?

Как искать работу без выгорания и откликов в пустоту?

В начале сентября я делился с вами тем, что постепенно завершаю работу в Нетмонет. Возможно, вы тоже на пороге новой главы — меняете работу или только задумываетесь об этом.

Есть две хорошие новости:
— Во-первых, сейчас горячий сезон для поиска работы. На рынке больше вакансий, компании активно выделяют бюджеты на новых сотрудников и стараются как можно быстрее закрывать эти места.
— Во-вторых, хочу порекомендовать канал, который поможет искать работу быстрее и эффективнее. Это «Твой ментор | Владислав Носковец».

Влад — ментор продактов и проджектов, ex-CPO ProductStar и CEO CareerStation. Он давно помогает специалистам устраиваться в крупные компании: Яндекс, Т-Банк, Авито, Озон, ВК.

На канале Влад делится проверенными материалами по эффективному развитию карьеры, особенно полезно будет продактам. Например, сборник тестовых заданий для продактов и проджектов, 70+ компаний с работой на удаленке, подборка мок-собеседований и многое другое.

Подборка полезных постов:
– Гайд по поиску работы в 2025 году;
– Золотая клетка для айтишников или карьерный тупик в Сбере;
– Звоночки, при которых не стоит идти работать в компанию;
– Red Flags в резюме, из-за которых вы не пройдете скрининг;
– Как эффективно использовать headhunter?.

Подписывайтесь, чтобы не просто искать работу, а получать офферы @vladislav_noskovets

Можно ли жить без цифр?

Мы так привыкли всё измерять, что кажется — без метрик мир развалится. Любая идея, любое решение должно пройти через excel, sql и ещё пару дашбордов, иначе его как будто не существует.

И тут проблема: если всё время мерить, то перестаешь верить. Вера и интуиция — такие же навыки и если ими не пользоваться, они атрофируются.

Я видел очень много людей, которые не могут себе представить, что можно принять хоть одно решение самим, без цифр. В большом количестве областей это совершенно правильно — но не когда ты создаешь продукт с нуля.

Я не понимаю, как можно придумать классный продукт на A/B-тестах и фокус-группах. На на них можно сделать классный продукт на 2% лучше. А плохой продукт не улучшат никакие тесты.

Как принимать решения в мире, где нет цифр? Самому.

«Но как понять, что это получится?». Да никак. Цифровая вероятность успеха — 50%.

Если вы занимаетесь созданием чего-то, придумыванием, вам нужно думать не цифрами, а эмоциями. Цифра не предскажет трепета и возбуждения, которые возникает в душе от хорошей идеи 🖤

Недавно OpenAI выкатили Sora 2 — и да, это безумно круто. Видео, созданные по тексту, уже почти не отличить от реальности, и вся индустрия снова в огне.

Но сегодня я хочу рассказать не про красивые ролики. А про кое-что куда... живее.

Пару недель назад в журнале Nature вышла статья, от которой у меня реально мурашки. Учёные провели первый в истории эксперимент, где искусственный интеллект создал новые вирусы — не просто сымитировал, а реально написал их ДНК. И эти вирусы оказались способны уничтожать бактерии, включая те, что не берут антибиотики.

Для этого использовали две модели — Evo-1 и Evo-2.

В качестве шаблона взяли старый бактериофаг ΦX174 — вирус, который атакует бактерии. И попросили ИИ создать новые версии. Результат — 16 полностью оригинальных фагов. Когда учёные оживили их в клетках, оказалось, что они не просто работают — они лучше.

Некоторые оказались быстрее, злее и умнее своего «дедушки» ΦX174. Коктейль из них смог обмануть бактериальную резистентность там, где ΦX174 уже махнул щупальцем.

Ирония в том, что эволюция миллионы лет тренировалась создавать новые формы жизни, а тут — пара итераций кода, и готов организм, который выигрывает у природы в её собственной игре.

ИИ впервые не просто моделирует жизнь — он пишет её.
Связные геномные последовательности, из которых реально получается живое.

Мир снова изменился.
Теперь геномы пишут алгоритмы.
И я не уверен, что к лучшему.

Как продакту ревьюить дизайн, если он не дизайнер

Продакты часто участвуют в ревью дизайна. И тут важно не только иметь насмотренность, логику и результаты юзабилити-тестов, но и знать базовые принципы, на которых строится удобный интерфейс.

Потому что, если честно, половина из нас делает это чисто интуитивно, из серии «ну тут как-то не по-людски», «а тут кнопка странно смотрится».

Чтобы не действовать на уровне чуйки, есть хороший набор опор — эвристики Якоба Нильсена. В них описаны все требования по юзабилити, которые покрывают 99,99% интерфейсов.

Я часто советую продактам, аналитикам, исследователям (и вообще всем, кто хоть как-то соприкасается с интерфейсами): держите эвристики под рукой. Их стоит выучить и применять, пока они не осядут у вас на подкорке — тогда ревью станет быстрее и точнее, а качество обратной связи дизайнеру заметно улучшится.

Кто такой Нильсен и при чём тут эвристики

Якоб Нильсен — датский специалист по UX, один из самых цитируемых людей в мире в области человеко-компьютерного взаимодействия. Вместе с коллегой Рольфом Мольхольмом он сформулировал 10 эвристик — универсальных принципов, которые помогают делать интерфейсы понятными, логичными и удобными.

Вот они, если коротко:

1. Отображение состояния системы. Пользователь должен понимать, что происходит: система должна своевременно давать обратную связь о своих действиях.

2. Соответствие реальному миру. Интерфейс говорит на языке пользователя, использует знакомые слова, метафоры и концепции.

3. Контроль и свобода действий. Пользователь должен иметь возможность отменить или повторить свои действия.

4. Последовательность и стандарты. Элементы интерфейса должны работать одинаково в разных местах.

5. Предотвращение ошибок. Лучше предотвращать ошибки, чем просто сообщать о них.

6. Распознавание, а не вспоминание. Пользователь должен узнавать элементы, а не помнить, где они находятся.

7. Гибкость и эффективность. Интерфейс должен быть удобен и новичкам, и опытным пользователям.

8. Эстетика и минимализм. Убирайте всё лишнее — визуальный шум мешает восприятию.

9. Помощь в восстановлении после ошибок. Сообщения об ошибках должны быть понятными и предлагать решение.

10. Справка и документация. Если что-то непонятно — должна быть возможность быстро найти объяснение.

Друзья, а какие принципы вы чаще всего используйте при ревью интерфейсов? Делитесь в комментариях 💅

Сегодня узнал новое слово — bitchuation [ˈbɪtʃuɛɪʃn].

Значение: ситуация, в которой человек вынужден вести себя резко или грубо, против его естественных наклонностей.

Примеры употребления:
— «Не хочу в эту битчуэйшн вляпываться, но деваться некуда»;
— «POV: попала в битчуэйшн и не знаешь, как выйти красиво?».

Иногда я думаю, что вообще вся корпоративная культура построена на том, чтобы регулярно помещать людей в разные битчуэйшны, а потом оценивать, кто из них смог при этом «сохранить конструктивный диалог».

А вы как справляетесь со своими рабочими битчуэйшенами?

Качественные и количественные исследования. Когда какие применять при работе с продуктом?

В любой продуктовой команде рано или поздно встаёт вопрос: а как вообще понять, чего хотят пользователи? Для этого существуют исследования.

Но чтобы получить пользу, важно выбрать правильный метод и специально для вас, друзья, я обобщил все методы в одну таблицу, разбив их на разные типы запросов (генерация идей, исследование продукта, сегментация аудитории и многое другое).

💎 Забрать таблицу

Важный дисклеймер: здесь я не говорю про A/B-тесты, которые формально также можно отнести к количественным исследованиям, потому что это отдельная большая тема, которую я рано или поздно постараюсь осветить.

А теперь вернемся к нашим баранам исследованиям:

Качественные (qualitative)

Когда нужно разобраться, «почему» пользователи делают то, что делают. Обычно работают с небольшой выборкой — 5–15 человек, зато очень подробно.

Качественные исследования помогают:
— найти причины поведения пользователей;
— увидеть неожиданные сценарии и барьеры;
— сформулировать гипотезы.

Пример: пользователи не завершают оформление заказа. Почему?
Квантитативно вы видите «отвал на шаге оплаты», а качественно узнаёте, что люди просто не доверяют способу оплаты.

Количественные (quantitative)

Здесь мы ищем ответы на вопросы «сколько» и «насколько». Когда важно подтвердить гипотезу или измерить масштаб проблемы. Мы не копаемся в душах пользователей, а считаем — метрики, проценты, доли, время, клики.

Количественные исследования помогают:
— понять, насколько распространена проблема;
— приоритизировать задачи.

Пример: вы нашли в интервью 3 причины, почему пользователи не завершают заказ. Теперь с помощью данных можно проверить, какая из них встречается чаще всего и сколько пользователей теряете на каждом шаге.

Когда что применять

— Если вы не знаете, в чём проблема — начинайте с качественных. Они дадут почву для идей и гипотез.
— Если вы знаете, что именно хотите проверить, — идите в количественные. Они покажут масштаб и статистическую значимость.
— А лучше всего — комбинируйте. Квал даёт вопросы, квант — ответы и наоборот.

Быстренький опрос

🔥— если вы уже пробовали AI-браузеры и руки чешутся затестить Atlas от OpenAI
🤯 — если про все AI-браузеры слышим впервые, а от этого поста началось FOMO
🌚 — если «да сколько можно уже писать про этот атлас»