Короткие выезды не заменяют отпуск. Но возвращают яркость жизни 🏔
В этом году один из моих личных фокусов — энергия и удовольствие от жизни.
Работать я люблю. Но у меня есть понятная слабость: могу увлечься, зарыться в задачи и не заметить, как снова подъехал к выгоранию. Поэтому в 2026 решил относиться к восстановлению не как к “когда-нибудь потом”, а как к отдельной важной части жизни.
И во втором квартале это наконец-то начало оживать.
Сначала мы с Ириной выбрались на Алтай на 3 дня.
Взяли машину в аренду прямо у аэропорта и поехали. Манжерок, Чуйский тракт, перевалы, слияние Чуи и Катуни, потом в сторону Чемала. Такой мини-роудтрип, где сама дорога уже часть отдыха.
Я раньше уже ездил по Алтаю в похожем формате с другом. Тогда для меня было открытием, что так вообще можно: просто сорваться на 3-4 дня, сесть в машину, поехать по красивой дороге и наслаждаться горами.
Еще тогда захотелось показать эту красоту Ирине.
И весной Алтай оказался совсем другим. Не таким туристическим, более спокойным. Где-то можно было просто сесть и смотреть. Например, на Чике-Тамане мы смогли посидеть вдвоем на вершине. В сезон это, кажется, было бы невозможно.
На третий день поехали в сторону Чемала. Сам монастырь не зашел. Подтвердилась гипотеза, что архитектура меня не цепляет. Зато вокруг были скалы, покрытые цветущим маральником. Это что-то невероятное. Понимаю почему люди едут специально ради этого.
Я поймал себя на мысли, что такие поездки дают не просто отдых. Они добавляют яркости жизни.
А потом на майские я впервые выбрался на рыбалку с ночевкой на Челябинские озера.
И снова почти все было впервые.
Палатка, спальник, лодка, своя удочка, которую сам выбирал. Дождь с утра до поздней ночи. Грунтовая дорога через поле, где я впервые по-настоящему почувствовал пользу полного привода. Лагерь, шатер, печка, попытка обжиться в этом всем под дождем.
И караси.
Не мелочевка, а прям нормальные такие караси. Для опытных рыбаков, может быть, ничего особенного, но я таких раньше не ловил. Поэтому сопротивление на другой стороне лески неожиданно будило что-то древнее в душе :) Хотя азарта наловить кучу рыбы не было.
Но самое интересное, что когда я потом рассказывал Ирине про поездку, про саму рыбу было процентов 15 разговора. Остальное было про процесс, место и людей.
Такие выезды с ночевкой очень быстро раскрывают человека. Становится видно, что его мотивирует, как он ведет себя в быту, как реагирует на дискомфорт, усталость, азарт, неопределенность.
И заодно начинаешь лучше понимать себя.
Я, например, еще раз увидел, что я не очень азартный. Мне не нужно кого-то обгонять или поймать больше всех. Мне гораздо ближе спокойный режим: ехать, смотреть, сидеть в тишине, наслаждаться моментом, проживать место без гонки.
В обычной рабочей жизни у меня совсем другой ритм. Там медлительность меня раздражает. Хочется быстрее добиться результата.
А в таких коротких выездах появляется то, чего мне часто не хватает: возможность просто быть внутри момента.
Такие поездки заменяют полноценный отпуск. Длинный отдых нужен для нормальной перезагрузки. По этой теме у меня есть целый ряд практических заметок и полноценный эксперимент, могу поделиться.
Но короткие насыщенные выезды делают другое. Они возвращают яркость жизни. Новые впечатления, новые места, новый опыт, разговоры, тишину. Возможность насладиться моментом.
И мне это очень нравиться.
В этом году один из моих личных фокусов — энергия и удовольствие от жизни.
Работать я люблю. Но у меня есть понятная слабость: могу увлечься, зарыться в задачи и не заметить, как снова подъехал к выгоранию. Поэтому в 2026 решил относиться к восстановлению не как к “когда-нибудь потом”, а как к отдельной важной части жизни.
И во втором квартале это наконец-то начало оживать.
Сначала мы с Ириной выбрались на Алтай на 3 дня.
Взяли машину в аренду прямо у аэропорта и поехали. Манжерок, Чуйский тракт, перевалы, слияние Чуи и Катуни, потом в сторону Чемала. Такой мини-роудтрип, где сама дорога уже часть отдыха.
Я раньше уже ездил по Алтаю в похожем формате с другом. Тогда для меня было открытием, что так вообще можно: просто сорваться на 3-4 дня, сесть в машину, поехать по красивой дороге и наслаждаться горами.
Еще тогда захотелось показать эту красоту Ирине.
И весной Алтай оказался совсем другим. Не таким туристическим, более спокойным. Где-то можно было просто сесть и смотреть. Например, на Чике-Тамане мы смогли посидеть вдвоем на вершине. В сезон это, кажется, было бы невозможно.
На третий день поехали в сторону Чемала. Сам монастырь не зашел. Подтвердилась гипотеза, что архитектура меня не цепляет. Зато вокруг были скалы, покрытые цветущим маральником. Это что-то невероятное. Понимаю почему люди едут специально ради этого.
Я поймал себя на мысли, что такие поездки дают не просто отдых. Они добавляют яркости жизни.
А потом на майские я впервые выбрался на рыбалку с ночевкой на Челябинские озера.
И снова почти все было впервые.
Палатка, спальник, лодка, своя удочка, которую сам выбирал. Дождь с утра до поздней ночи. Грунтовая дорога через поле, где я впервые по-настоящему почувствовал пользу полного привода. Лагерь, шатер, печка, попытка обжиться в этом всем под дождем.
И караси.
Не мелочевка, а прям нормальные такие караси. Для опытных рыбаков, может быть, ничего особенного, но я таких раньше не ловил. Поэтому сопротивление на другой стороне лески неожиданно будило что-то древнее в душе :) Хотя азарта наловить кучу рыбы не было.
Но самое интересное, что когда я потом рассказывал Ирине про поездку, про саму рыбу было процентов 15 разговора. Остальное было про процесс, место и людей.
Такие выезды с ночевкой очень быстро раскрывают человека. Становится видно, что его мотивирует, как он ведет себя в быту, как реагирует на дискомфорт, усталость, азарт, неопределенность.
И заодно начинаешь лучше понимать себя.
Я, например, еще раз увидел, что я не очень азартный. Мне не нужно кого-то обгонять или поймать больше всех. Мне гораздо ближе спокойный режим: ехать, смотреть, сидеть в тишине, наслаждаться моментом, проживать место без гонки.
В обычной рабочей жизни у меня совсем другой ритм. Там медлительность меня раздражает. Хочется быстрее добиться результата.
А в таких коротких выездах появляется то, чего мне часто не хватает: возможность просто быть внутри момента.
Такие поездки заменяют полноценный отпуск. Длинный отдых нужен для нормальной перезагрузки. По этой теме у меня есть целый ряд практических заметок и полноценный эксперимент, могу поделиться.
Но короткие насыщенные выезды делают другое. Они возвращают яркость жизни. Новые впечатления, новые места, новый опыт, разговоры, тишину. Возможность насладиться моментом.
И мне это очень нравиться.
🔥12❤2
Как я заставляю нейронки проверять свои косяки 🧠
У меня есть правило: чем красивее выглядит длинный AI-отчёт, тем сильнее его надо проверять.
Потому что нейронка может собрать аккуратный документ, разложить всё по разделам, сделать выводы, написать уверенным тоном. А потом выясняется, что часть фактов потерялась, цитата не бьётся с источником, цифра взялась непонятно откуда, а вывод получился сильнее, чем позволяют данные.
Особенно это проявляется в реальной работе над проектами.
Когда агенту нужно разобрать несколько файлов, транскриптов, ссылок, заметок, собрать фактуру и превратить всё это в документ, который потом реально идёт в работу.
Для таких задач я сделал себе отдельный skill:
Его задача простая: заставить нейронку не просто сказать «готово», а пройтись по результату как ревизор.
Он проверяет:
— где остались пробелы и неподтверждённые места;
— совпадает ли результат с исходной задачей;
— какие цифры, цитаты и ответственные нужно сверить;
— где вывод слишком уверенный для имеющихся данных;
— можно ли использовать документ as-is или его нужно дорабатывать.
Один из показательных случаев был с документом для выступления.
Внешне всё выглядело нормально: тезисы собраны, логика есть, структура аккуратная. Но
Во-первых, в документе была цитата, которую нейронка немного переписала. Вроде мелочь, но если цитата используется как доказательство, она должна быть либо дословной, либо честно обозначенной как адаптация.
Во-вторых, часть цифр была без первоисточника. Не обязательно неправильные, но непонятно, откуда они появились. А значит, их нельзя спокойно тащить дальше без проверки.
И самое полезное: skill не сказал «ну в целом норм». Он расписал конкретные проблемные зоны, которые можно легко проверить.
Вот за это я его и люблю.
Он подсвечивает конкретные зоны риска: здесь нет источника, здесь цитата изменилась, здесь вывод звучит увереннее, чем позволяют данные. Я могу быстро открыть нужное место, проверить и сразу понять, бьётся оно или нет.
Ещё он иногда неплохо ловит смещение в подтверждение.
Например, когда в документе собраны только позитивные факты, а негативные сигналы или ограничения вообще не искались. Для AI это типичная история: красиво собрать то, что подтверждает текущую логику, и не заметить, что выборка однобокая.
Лайфхак для улучшения анализа — запускать такую проверку другой моделью.
Например, основной документ собирается в Claude Code с Opus, а проверку я прогоняю через Codex с GPT с доступом к тем же локальным файлам. Разные модели заметно лучше подсвечивают косяки друг друга, чем когда одна и та же модель сама себя проверяет в том же контексте.
Важно: это не волшебная кнопка «найти все ошибки».
Skill не гарантирует, что поймает каждую кривую гипотезу или слишком широкое обобщение. Такие вещи и люди не всегда быстро ловят. Особенно если документ большой, источников много, а фактура размазана по разным местам.
По моим ощущениям, он хорошо ловит самые яркие и опасные косяки: цифры без источника, неподтверждённые цитаты, потерянные ограничения, уехавший фокус, слишком уверенные формулировки.
А если документ прям большой, проверку лучше дробить на части. Иначе сама проверяющая модель тоже начинает терять детали.
Выложил публичную версию здесь:
https://github.com/MainFrame100/quality-check-skill
Там есть сам
Можете скормить эту ссылку своей нейронке. Она поймет как его установить и подскажет по использованию
У меня есть правило: чем красивее выглядит длинный AI-отчёт, тем сильнее его надо проверять.
Потому что нейронка может собрать аккуратный документ, разложить всё по разделам, сделать выводы, написать уверенным тоном. А потом выясняется, что часть фактов потерялась, цитата не бьётся с источником, цифра взялась непонятно откуда, а вывод получился сильнее, чем позволяют данные.
Особенно это проявляется в реальной работе над проектами.
Когда агенту нужно разобрать несколько файлов, транскриптов, ссылок, заметок, собрать фактуру и превратить всё это в документ, который потом реально идёт в работу.
Для таких задач я сделал себе отдельный skill:
quality-check.Его задача простая: заставить нейронку не просто сказать «готово», а пройтись по результату как ревизор.
Он проверяет:
— где остались пробелы и неподтверждённые места;
— совпадает ли результат с исходной задачей;
— какие цифры, цитаты и ответственные нужно сверить;
— где вывод слишком уверенный для имеющихся данных;
— можно ли использовать документ as-is или его нужно дорабатывать.
Один из показательных случаев был с документом для выступления.
Внешне всё выглядело нормально: тезисы собраны, логика есть, структура аккуратная. Но
quality-check поставил оценку 0.59 и подсветил несколько проблемных зон.Во-первых, в документе была цитата, которую нейронка немного переписала. Вроде мелочь, но если цитата используется как доказательство, она должна быть либо дословной, либо честно обозначенной как адаптация.
Во-вторых, часть цифр была без первоисточника. Не обязательно неправильные, но непонятно, откуда они появились. А значит, их нельзя спокойно тащить дальше без проверки.
И самое полезное: skill не сказал «ну в целом норм». Он расписал конкретные проблемные зоны, которые можно легко проверить.
Вот за это я его и люблю.
Он подсвечивает конкретные зоны риска: здесь нет источника, здесь цитата изменилась, здесь вывод звучит увереннее, чем позволяют данные. Я могу быстро открыть нужное место, проверить и сразу понять, бьётся оно или нет.
Ещё он иногда неплохо ловит смещение в подтверждение.
Например, когда в документе собраны только позитивные факты, а негативные сигналы или ограничения вообще не искались. Для AI это типичная история: красиво собрать то, что подтверждает текущую логику, и не заметить, что выборка однобокая.
Лайфхак для улучшения анализа — запускать такую проверку другой моделью.
Например, основной документ собирается в Claude Code с Opus, а проверку я прогоняю через Codex с GPT с доступом к тем же локальным файлам. Разные модели заметно лучше подсвечивают косяки друг друга, чем когда одна и та же модель сама себя проверяет в том же контексте.
Важно: это не волшебная кнопка «найти все ошибки».
Skill не гарантирует, что поймает каждую кривую гипотезу или слишком широкое обобщение. Такие вещи и люди не всегда быстро ловят. Особенно если документ большой, источников много, а фактура размазана по разным местам.
По моим ощущениям, он хорошо ловит самые яркие и опасные косяки: цифры без источника, неподтверждённые цитаты, потерянные ограничения, уехавший фокус, слишком уверенные формулировки.
А если документ прям большой, проверку лучше дробить на части. Иначе сама проверяющая модель тоже начинает терять детали.
Выложил публичную версию здесь:
https://github.com/MainFrame100/quality-check-skill
Там есть сам
.skill, README на русском и английском и описание логики работы. Можно брать и адаптировать под себя, только сохраняйте ссылку на источник.Можете скормить эту ссылку своей нейронке. Она поймет как его установить и подскажет по использованию
GitHub
GitHub - MainFrame100/quality-check-skill: Agent skill for quality-checking AI-generated artifacts
Agent skill for quality-checking AI-generated artifacts - MainFrame100/quality-check-skill
6🔥8🙏3
Почему AI-summary рабочих созвонов пока регулярно косячат 🧠
Казалось бы итоги встреч через нейронки. Самя изъезженная и популярная тема, но меня они постоянно разражают.
Если встреча простая, всё ок.
Например, каждый пришёл, рассказал, что сделал, проговорили общие вещи, зафиксировали статус. С таким нейронка обычно справляется нормально.
Проблемы начинаются, когда на созвоне реально принимаются решения.
Типичная ситуация: сначала предложили один вариант, потом второй, потом в ходе обсуждения собрали третий, итоговый.
А в summary потом внезапно оказывается первый вариант, кусок второго или какая-то странная смесь из всего обсуждения.
И вот это уже не просто «неидеальный пересказ».
Это критичные косяки.
Неправильно зафиксировали, что нужно сделать. Не туда поставили задачу. Не того человека указали ответственным. Или вообще не поняли, что это была финальная договорённость, а не просто один из вариантов в обсуждении.
По ощущениям, таких ошибок может быть 10-15%.
Но их нельзя пропускать.
Если нейронка ошиблась в обычном пересказе, это неприятно. Если она ошиблась в задаче или ответственном, потом команда реально уедет не туда.
Поэтому такие итоги приходится каждый раз внимательно читать и править. Не просто пробежать глазами, а реально сверить: кто что должен сделать, какая договорённость финальная, какая задача появилась, а что было просто обсуждением.
Я вижу здесь две разные проблемы.
Первая — нейронка плохо понимает динамику принятия решения. Она слышит весь путь обсуждения, но не всегда понимает, где был промежуточный вариант, а где финальное решение. Для неё весь этот текст одинаково важен. Эту проблему легко исправить промптом
Вторая проблема сложнее: нейронке не хватает данных.
Когда мы обсуждаем задачи с командой, у нас перед глазами есть контекст: проекты, текущие задачи, статусы, ответственные, история переписки. А у нейронки обычно есть только транскрипт.
Она слышит разговор, но не видит систему, внутри которой этот разговор происходит.
Поэтому хочу попробовать связку: транскрипт + контекст из Planfix по проектам и задачам + отдельный промт на выделение финальных решений.
И на самих созвонах чуть явнее проговаривать: вот здесь финальное решение, вот здесь задача, вот здесь просто обсуждали вариант.
Посмотрю, насколько это снизит количество ручных правок.
Если вам интересны такие короткие заметки из полей про AI в рабочих процессах, накидайте 🔥
Если соберем хотя бы 20-30 огоньков, буду чаще выкладывать такие наблюдения.
Казалось бы итоги встреч через нейронки. Самя изъезженная и популярная тема, но меня они постоянно разражают.
Если встреча простая, всё ок.
Например, каждый пришёл, рассказал, что сделал, проговорили общие вещи, зафиксировали статус. С таким нейронка обычно справляется нормально.
Проблемы начинаются, когда на созвоне реально принимаются решения.
Типичная ситуация: сначала предложили один вариант, потом второй, потом в ходе обсуждения собрали третий, итоговый.
А в summary потом внезапно оказывается первый вариант, кусок второго или какая-то странная смесь из всего обсуждения.
И вот это уже не просто «неидеальный пересказ».
Это критичные косяки.
Неправильно зафиксировали, что нужно сделать. Не туда поставили задачу. Не того человека указали ответственным. Или вообще не поняли, что это была финальная договорённость, а не просто один из вариантов в обсуждении.
По ощущениям, таких ошибок может быть 10-15%.
Но их нельзя пропускать.
Если нейронка ошиблась в обычном пересказе, это неприятно. Если она ошиблась в задаче или ответственном, потом команда реально уедет не туда.
Поэтому такие итоги приходится каждый раз внимательно читать и править. Не просто пробежать глазами, а реально сверить: кто что должен сделать, какая договорённость финальная, какая задача появилась, а что было просто обсуждением.
Я вижу здесь две разные проблемы.
Первая — нейронка плохо понимает динамику принятия решения. Она слышит весь путь обсуждения, но не всегда понимает, где был промежуточный вариант, а где финальное решение. Для неё весь этот текст одинаково важен. Эту проблему легко исправить промптом
Вторая проблема сложнее: нейронке не хватает данных.
Когда мы обсуждаем задачи с командой, у нас перед глазами есть контекст: проекты, текущие задачи, статусы, ответственные, история переписки. А у нейронки обычно есть только транскрипт.
Она слышит разговор, но не видит систему, внутри которой этот разговор происходит.
Поэтому хочу попробовать связку: транскрипт + контекст из Planfix по проектам и задачам + отдельный промт на выделение финальных решений.
И на самих созвонах чуть явнее проговаривать: вот здесь финальное решение, вот здесь задача, вот здесь просто обсуждали вариант.
Посмотрю, насколько это снизит количество ручных правок.
Если вам интересны такие короткие заметки из полей про AI в рабочих процессах, накидайте 🔥
Если соберем хотя бы 20-30 огоньков, буду чаще выкладывать такие наблюдения.
🔥13❤1
🚀 Бесплатная 2-ух дневная онлайн-конференция «Курс на вершину»
Для владельцев бизнеса, маркетологов, экспертов и топ-менеджеров, кто стремится к росту, состоится 21-22 мая 2026 года.
☝️Будет только передовой опыт, без воды, без продаж курсов и скучных лекций о состоянии бизнеса в России.
Ключевые темы конференции:
-Что делать, если привычные инструменты продаж сломались, а рост бизнеса остановился
-Какие технологии и стратегии помогут увеличить продажи и укрепить позиции на рынке
-Какие инструменты приведут клиентов и партнёров сегодня.
-Какие готовые решения от экспертов из IT-гигантов можно внедрить сразу после конференции
Выступят 20 топ-спикеров из крупных IT-компаний и практикующие эксперты. Они разберут реальные кейсы и ответят на ваши вопросы в прямом эфире
📆21-22 мая – 2 дня докладов
📆23 мая — 4-х часовой онлайн-нетворкинг с 50+ новыми контактами, готовыми к заказам и совместным проектам!
✅Участие бесплатное
Регистрируйтесь сейчас — иначе конкуренты внедрят эти инструменты раньше вас😉
Для владельцев бизнеса, маркетологов, экспертов и топ-менеджеров, кто стремится к росту, состоится 21-22 мая 2026 года.
☝️Будет только передовой опыт, без воды, без продаж курсов и скучных лекций о состоянии бизнеса в России.
Ключевые темы конференции:
-Что делать, если привычные инструменты продаж сломались, а рост бизнеса остановился
-Какие технологии и стратегии помогут увеличить продажи и укрепить позиции на рынке
-Какие инструменты приведут клиентов и партнёров сегодня.
-Какие готовые решения от экспертов из IT-гигантов можно внедрить сразу после конференции
Выступят 20 топ-спикеров из крупных IT-компаний и практикующие эксперты. Они разберут реальные кейсы и ответят на ваши вопросы в прямом эфире
📆21-22 мая – 2 дня докладов
📆23 мая — 4-х часовой онлайн-нетворкинг с 50+ новыми контактами, готовыми к заказам и совместным проектам!
✅Участие бесплатное
Регистрируйтесь сейчас — иначе конкуренты внедрят эти инструменты раньше вас😉
👍2
Сегодня у меня День Рождения! 🥳
Думаю по фото понятно, что провожу я его для своих 39 весело 😁
Когда-то День Рождения мог навевать на меня грусть.
Мой фокус уходил на сравнения себя с другими. Причем всегда с более «успешными» в чем то людей.
Сейчас же для меня ДР — это повод порадоваться тому что уже есть.
Поэтому желаю вам тоже посмотреть на то, что есть с позитивной стороны (хотя этому нас не учили).
И самим порадоваться тому, что у вас есть и тому до куда вы дошли!
Думаю по фото понятно, что провожу я его для своих 39 весело 😁
Когда-то День Рождения мог навевать на меня грусть.
Мой фокус уходил на сравнения себя с другими. Причем всегда с более «успешными» в чем то людей.
Сейчас же для меня ДР — это повод порадоваться тому что уже есть.
Поэтому желаю вам тоже посмотреть на то, что есть с позитивной стороны (хотя этому нас не учили).
И самим порадоваться тому, что у вас есть и тому до куда вы дошли!
5🎉27🔥7❤5
Почему я теперь ставлю задачи с конца 🧩
Одно из главных управленческих открытий этого года для меня: задачу часто надо начинать не с того, как её делать, а с того, что должно получиться на выходе.
В чем проблема
Раньше я регулярно сталкивался с одной и той же ситуацией. Сели, обсудили задачу, вроде всё понятно. Человек ушёл делать. Потом приносит результат, а ты смотришь и понимаешь: что-то не то.
Формально задача сделана. Но результат не устраивает.
Раньше я воспринимал это как неизбежность. Ну да, задача новая. Ну да, нестандартная. Ну да, где-то не так поняли друг друга. Значит, надо подробнее объяснять, больше контролировать, писать регламенты, делать стандарты.
Сейчас я всё больше вижу другую причину. Мы часто описываем задачу через процесс: что сделать, в какой последовательности, какие шаги пройти.
Но при этом плохо описываем результат.
Что должно быть на выходе
Теперь я стараюсь начинать с результата:
- что должно лежать на выходе;
- в каком виде это должно быть;
- как я быстро пойму, что задача сделана хорошо;
- какие типовые ошибки должны быть заранее исключены.
Это очень сильно меняет постановку задач. Ты перестаёшь надеяться, что человек сам догадается, как должен выглядеть хороший результат. Вместо этого заранее задаёшь форму, в которой этот результат можно быстро проверить.
Пример: тексты объявлений
Возьмем обычную работу с рекламной кампанией. Можно поставить задачу: подготовить объявления.
На первый взгляд звучит нормально. Но для проверки это плохая формулировка. Непонятно, что именно должно быть на выходе и как быстро понять, что работа сделана хорошо.
Человек может скинуть ссылку на документ с черновиками объявлений. Формально он задачу выполнил. А дальше руководителю или клиенту приходится проваливаться внутрь и разбираться с нуля: какие преимущества использованы, согласованы ли они, не потерялся ли смысл, укладываются ли тексты в ограничения по символам, как объявление будет выглядеть в реальной выдаче.
Я хочу перестроить это иначе. Не «подготовить объявления», а выдать конкретный проверяемый артефакт.
Например, на выходе должен быть не просто файл с текстами, а короткий блок проверки:
- какие 5-7 преимуществ взяли в объявления;
- где видно, что они согласованы с клиентом;
- как выглядит шаблон объявления;
- проходят ли тексты по ограничениям символов;
- как будет выглядеть длинный и короткий вариант объявления.
Идеально, если это можно показать 2-3 скриншотами. Открыл чат и сразу видишь: вот преимущества, вот шаблон, вот ограничения по символам, вот как объявление будет выглядеть. На проверку уходит пару минут. И ответить сразу проще, чем откладывать. Плюс не нужно разбираться в структуре Google Docs и искать, где там есть нужная информация.
Что делать с большими задачами
С большими задачами работает та же логика. «Запустить рекламу» или «сделать анализ конкурентов» слишком большие задачи. Их нельзя нормально проверить одним куском.
Их надо дробить на маленькие результаты, которые можно проверить за день-два. Согласовали критерии анализа. Проверили список конкурентов. Посмотрели первую структуру таблицы. Сверили выводы по одной категории. И только потом двигаемся дальше.
Так обратная связь появляется быстро. Не через неделю, когда уже всё уехало, а почти сразу.
Почему мне это нравится
Мне нравится эта логика тем, что она снимает часть ручного контроля. Ты не пытаешься держать всё в голове и потом героически ловить ошибки. Ты заранее вшиваешь проверку в форму результата. Пока человек готовит правильный отчет по задаче, он сам себя проверяет.
Пока это один из самых полезных сдвигов в нашей перестройке менеджмента.
К посту приложил пример сегодняшней задачи, которую поставил себе в таком формате.
Одно из главных управленческих открытий этого года для меня: задачу часто надо начинать не с того, как её делать, а с того, что должно получиться на выходе.
В чем проблема
Раньше я регулярно сталкивался с одной и той же ситуацией. Сели, обсудили задачу, вроде всё понятно. Человек ушёл делать. Потом приносит результат, а ты смотришь и понимаешь: что-то не то.
Формально задача сделана. Но результат не устраивает.
Раньше я воспринимал это как неизбежность. Ну да, задача новая. Ну да, нестандартная. Ну да, где-то не так поняли друг друга. Значит, надо подробнее объяснять, больше контролировать, писать регламенты, делать стандарты.
Сейчас я всё больше вижу другую причину. Мы часто описываем задачу через процесс: что сделать, в какой последовательности, какие шаги пройти.
Но при этом плохо описываем результат.
Что должно быть на выходе
Теперь я стараюсь начинать с результата:
- что должно лежать на выходе;
- в каком виде это должно быть;
- как я быстро пойму, что задача сделана хорошо;
- какие типовые ошибки должны быть заранее исключены.
Это очень сильно меняет постановку задач. Ты перестаёшь надеяться, что человек сам догадается, как должен выглядеть хороший результат. Вместо этого заранее задаёшь форму, в которой этот результат можно быстро проверить.
Пример: тексты объявлений
Возьмем обычную работу с рекламной кампанией. Можно поставить задачу: подготовить объявления.
На первый взгляд звучит нормально. Но для проверки это плохая формулировка. Непонятно, что именно должно быть на выходе и как быстро понять, что работа сделана хорошо.
Человек может скинуть ссылку на документ с черновиками объявлений. Формально он задачу выполнил. А дальше руководителю или клиенту приходится проваливаться внутрь и разбираться с нуля: какие преимущества использованы, согласованы ли они, не потерялся ли смысл, укладываются ли тексты в ограничения по символам, как объявление будет выглядеть в реальной выдаче.
Я хочу перестроить это иначе. Не «подготовить объявления», а выдать конкретный проверяемый артефакт.
Например, на выходе должен быть не просто файл с текстами, а короткий блок проверки:
- какие 5-7 преимуществ взяли в объявления;
- где видно, что они согласованы с клиентом;
- как выглядит шаблон объявления;
- проходят ли тексты по ограничениям символов;
- как будет выглядеть длинный и короткий вариант объявления.
Идеально, если это можно показать 2-3 скриншотами. Открыл чат и сразу видишь: вот преимущества, вот шаблон, вот ограничения по символам, вот как объявление будет выглядеть. На проверку уходит пару минут. И ответить сразу проще, чем откладывать. Плюс не нужно разбираться в структуре Google Docs и искать, где там есть нужная информация.
Что делать с большими задачами
С большими задачами работает та же логика. «Запустить рекламу» или «сделать анализ конкурентов» слишком большие задачи. Их нельзя нормально проверить одним куском.
Их надо дробить на маленькие результаты, которые можно проверить за день-два. Согласовали критерии анализа. Проверили список конкурентов. Посмотрели первую структуру таблицы. Сверили выводы по одной категории. И только потом двигаемся дальше.
Так обратная связь появляется быстро. Не через неделю, когда уже всё уехало, а почти сразу.
Почему мне это нравится
Мне нравится эта логика тем, что она снимает часть ручного контроля. Ты не пытаешься держать всё в голове и потом героически ловить ошибки. Ты заранее вшиваешь проверку в форму результата. Пока человек готовит правильный отчет по задаче, он сам себя проверяет.
Пока это один из самых полезных сдвигов в нашей перестройке менеджмента.
К посту приложил пример сегодняшней задачи, которую поставил себе в таком формате.
❤5🔥1
Почему я всё чаще ухожу из обычных AI-чатов в локальные проекты 🧠
Сейчас я в AI-сообществах снова вижу новости про блокировки аккаунтов. Особенно много обсуждают Claude, но вообще такая история периодически случалась и с другими сервисами.
Для тех, кто работает только в обычном чате, это прям боль. Внутри аккаунта лежат проекты, чаты, инструкции, контекст. Аккаунт отрубили или захотел перейти на другую модель, и всё это надо как-то переносить.
Я сейчас всё больше прихожу к другой логике: рабочие AI-проекты лучше держать не внутри одного чата, а в локальных файлах.
Почему я к этому пришёл
На днях я тестировал skill для подведения итогов созвонов с командой. Задача простая по формулировке, но сложная по сути: из транскрипта нужно вытащить финальные решения и сразу превратить их в задачи в нашем стандарте.
Запустил один и тот же skill в двух инструментах. В Codex на GPT результат получился почти идеальный. В Claude Code на Opus результат начал странно плыть: галлюцинации, не верная связка с проектами, ощущение, что надо полностью переделывать skill.
А потом выяснилось, что проблема не в skill.
Просто в этой задаче GPT сейчас лучше следует правилам и стандартам. Значит, мне проще переключиться на него.
И вот тут локальный режим работы очень сильно выручает. Если вся работа лежит в файлах на компьютере, переключение между моделями превращается не в миграцию проекта, а почти в переключение между двумя чатами.
Что меняется
У тебя локально лежат:
- инструкции;
- материалы проекта;
- черновики;
- результаты работы;
- история изменений.
Один AI-инструмент не справился, открываешь те же файлы другим. Аккаунт заблокировали, подключил другой и продолжаешь с того же места. Нужно сравнить качество моделей, запускаешь одну и ту же задачу в двух средах.
Это совсем другой уровень устойчивости.
А как быть с разными устройствами
Да, у обычного онлайн-чата есть удобство: открыл телефон, продолжил диалог, всё синхронизировано.
В локальном режиме это тоже можно решить, просто чуть иначе. Например, через GitHub. Проект лежит в репозитории, изменения синхронизируются, и к нему можно подключаться с разных устройств.
Причём сейчас уже не обязательно самому разбираться во всех этих PR, ветках и других странных словах. Честно говоря, я сам до конца не во всё это вник. Во многих случаях нейронка сама помогает настроить синхронизацию, поправить расхождения и объяснить, что нажать.
Почему мне это нравится
Обычный чат я сейчас оставляю в основном для мелких бытовых вопросов. Когда один раз спросил, получил ответ и больше этот контекст не нужен.
А всё, что связано с работой, проектами, повторяемыми задачами и накоплением знаний, мне всё интереснее вести через локальные файлы.
Так меньше зависимости от одного аккаунта, проще переключаться между моделями и намного легче наращивать свою систему. Сегодня это просто папка с файлами. Завтра туда можно добавить автоматизации, скрипты, свои skills и нормальную историю изменений.
Если интересно, могу отдельно расписать, как такую систему организовать у себя без глубокого погружения в технику.
Сейчас я в AI-сообществах снова вижу новости про блокировки аккаунтов. Особенно много обсуждают Claude, но вообще такая история периодически случалась и с другими сервисами.
Для тех, кто работает только в обычном чате, это прям боль. Внутри аккаунта лежат проекты, чаты, инструкции, контекст. Аккаунт отрубили или захотел перейти на другую модель, и всё это надо как-то переносить.
Я сейчас всё больше прихожу к другой логике: рабочие AI-проекты лучше держать не внутри одного чата, а в локальных файлах.
Почему я к этому пришёл
На днях я тестировал skill для подведения итогов созвонов с командой. Задача простая по формулировке, но сложная по сути: из транскрипта нужно вытащить финальные решения и сразу превратить их в задачи в нашем стандарте.
Запустил один и тот же skill в двух инструментах. В Codex на GPT результат получился почти идеальный. В Claude Code на Opus результат начал странно плыть: галлюцинации, не верная связка с проектами, ощущение, что надо полностью переделывать skill.
А потом выяснилось, что проблема не в skill.
Просто в этой задаче GPT сейчас лучше следует правилам и стандартам. Значит, мне проще переключиться на него.
И вот тут локальный режим работы очень сильно выручает. Если вся работа лежит в файлах на компьютере, переключение между моделями превращается не в миграцию проекта, а почти в переключение между двумя чатами.
Что меняется
У тебя локально лежат:
- инструкции;
- материалы проекта;
- черновики;
- результаты работы;
- история изменений.
Один AI-инструмент не справился, открываешь те же файлы другим. Аккаунт заблокировали, подключил другой и продолжаешь с того же места. Нужно сравнить качество моделей, запускаешь одну и ту же задачу в двух средах.
Это совсем другой уровень устойчивости.
А как быть с разными устройствами
Да, у обычного онлайн-чата есть удобство: открыл телефон, продолжил диалог, всё синхронизировано.
В локальном режиме это тоже можно решить, просто чуть иначе. Например, через GitHub. Проект лежит в репозитории, изменения синхронизируются, и к нему можно подключаться с разных устройств.
Причём сейчас уже не обязательно самому разбираться во всех этих PR, ветках и других странных словах. Честно говоря, я сам до конца не во всё это вник. Во многих случаях нейронка сама помогает настроить синхронизацию, поправить расхождения и объяснить, что нажать.
Почему мне это нравится
Обычный чат я сейчас оставляю в основном для мелких бытовых вопросов. Когда один раз спросил, получил ответ и больше этот контекст не нужен.
А всё, что связано с работой, проектами, повторяемыми задачами и накоплением знаний, мне всё интереснее вести через локальные файлы.
Так меньше зависимости от одного аккаунта, проще переключаться между моделями и намного легче наращивать свою систему. Сегодня это просто папка с файлами. Завтра туда можно добавить автоматизации, скрипты, свои skills и нормальную историю изменений.
Если интересно, могу отдельно расписать, как такую систему организовать у себя без глубокого погружения в технику.
🔥14❤4
Про «быстрые» AI-кейсы и чувство FOMO 🤯
Я каждое утро получаю дайджест новостей по нейросетям — собираю из разных чатов и каналов самое интересное. И в последнее время регулярно вижу кейсы в духе: «Смотрите, я за 90 минут создал маркетинговую стратегию, план развития продукта и лендинг на 3000 строк текста».
Выглядит офигеть как круто. И если вы такое читаете, невольно накрывает чувство FOMO: кажется, что все вокруг уже вовсю делают прорывные штуки за минуты, а ты безнадёжно отстаёшь.
Но тут есть один важный момент, который стоит подсветить.
Нейронки научились генерировать текст пугающе хорошо. Сделать документ, который будет *выглядеть* как стратегия на 50 страниц — вообще не проблема. Шаблонов миллион, AI заполнит их контентом за минуты.
Ключевая сложность не в генерации артефакта, а в его адекватности.
При беглом взгляде такие документы часто «нравятся» — они выглядят объёмно и профессионально. Но глубоко читать 50 страниц стратегии люди не любят и чаще всего этого не делают. В итоге результатом этапа становится просто какой-то сформулированный артефакт (документ, страничка, план) без понимания, работает это или нет.
Я разделяю такие кейсы на три уровня:
1️⃣ Уровень «Текст»: Большинство кейсов в ленте. «Мы сделали лендинг и стратегию на 3000 строк». Цена такому кейсу — ноль. Генерировать объём ради объёма сейчас может любой.
2️⃣ Уровень «Эксперт»: Когда результат проверил крутой профи. Посмотрел и подтвердил: это соответствует стандартам, я бы сделал так же. Это уже реальный плюс.
3️⃣ Уровень «Результат»: Когда это принесло деньги или лиды. Вот это — настоящий золотой стандарт.
Мы в агентстве тоже используем нейронки, например, для генерации прототипов сайтов и лендингов. Сгенерировать интерактивный прототип «чтобы было красиво» — вообще не проблема.
Но чтобы этот лендинг соответствовал нашим внутренним стандартам, учитывал все нюансы B2B-конверсии и его было не стыдно запустить в полноценную работу — нужно на порядок больше усилий. Реально, это требует в 10 раз больше работы относительно простой генерации «какой-то странички».
Поэтому мой совет: если видите кейс, где хвастаются только скоростью и объёмом артефактов — смело его пропускайте.
Практически всегда это полный bullshit. Сгенерировать документы — не вопрос, а вот получить результат, который реально работает — это и есть настоящая сложность.
А вы часто ловите FOMO от таких «сверхскоростных» кейсов в ленте? Или уже выработали иммунитет? 👇
Я каждое утро получаю дайджест новостей по нейросетям — собираю из разных чатов и каналов самое интересное. И в последнее время регулярно вижу кейсы в духе: «Смотрите, я за 90 минут создал маркетинговую стратегию, план развития продукта и лендинг на 3000 строк текста».
Выглядит офигеть как круто. И если вы такое читаете, невольно накрывает чувство FOMO: кажется, что все вокруг уже вовсю делают прорывные штуки за минуты, а ты безнадёжно отстаёшь.
Но тут есть один важный момент, который стоит подсветить.
Нейронки научились генерировать текст пугающе хорошо. Сделать документ, который будет *выглядеть* как стратегия на 50 страниц — вообще не проблема. Шаблонов миллион, AI заполнит их контентом за минуты.
Ключевая сложность не в генерации артефакта, а в его адекватности.
При беглом взгляде такие документы часто «нравятся» — они выглядят объёмно и профессионально. Но глубоко читать 50 страниц стратегии люди не любят и чаще всего этого не делают. В итоге результатом этапа становится просто какой-то сформулированный артефакт (документ, страничка, план) без понимания, работает это или нет.
Я разделяю такие кейсы на три уровня:
1️⃣ Уровень «Текст»: Большинство кейсов в ленте. «Мы сделали лендинг и стратегию на 3000 строк». Цена такому кейсу — ноль. Генерировать объём ради объёма сейчас может любой.
2️⃣ Уровень «Эксперт»: Когда результат проверил крутой профи. Посмотрел и подтвердил: это соответствует стандартам, я бы сделал так же. Это уже реальный плюс.
3️⃣ Уровень «Результат»: Когда это принесло деньги или лиды. Вот это — настоящий золотой стандарт.
Мы в агентстве тоже используем нейронки, например, для генерации прототипов сайтов и лендингов. Сгенерировать интерактивный прототип «чтобы было красиво» — вообще не проблема.
Но чтобы этот лендинг соответствовал нашим внутренним стандартам, учитывал все нюансы B2B-конверсии и его было не стыдно запустить в полноценную работу — нужно на порядок больше усилий. Реально, это требует в 10 раз больше работы относительно простой генерации «какой-то странички».
Поэтому мой совет: если видите кейс, где хвастаются только скоростью и объёмом артефактов — смело его пропускайте.
Практически всегда это полный bullshit. Сгенерировать документы — не вопрос, а вот получить результат, который реально работает — это и есть настоящая сложность.
А вы часто ловите FOMO от таких «сверхскоростных» кейсов в ленте? Или уже выработали иммунитет? 👇
💯7❤2
Базовая ошибка в CRM, с которой мы сталкиваемся почти на каждом проекте 🧩
Снова заходим на крупный проект. Хорошие бюджеты, под сотню лидов еженедельно. Начинаем разбирать воронку, чтобы настроить сквозную аналитику, и опять натыкаемся на одну и ту же боль.
В CRM банально нет статуса «Квалифицированный лид».
Раньше мне казалось, что это просто небольшая недоработка в настройках. Но сейчас я всё больше вижу, как эта мелочь ломает кучу процессов внутри компании.
Как это обычно выглядит на практике:
1. Менеджеры одинаково работают со всеми лидами.
Пришел лид с потенциалом чека на 50 тысяч рублей, а следом — стратегический клиент с запросом на 1.5 миллиона. В CRM без квалификации они выглядят одинаково. В итоге менеджер тратит на них равное количество времени, фокус размывается, а крупные сделки могут буксовать в очереди.
2. Точка постоянного конфликта.
Если нет отсечки по квалам, конверсию продаж считают «от забора до обеда». Руководство долбает менеджеров за низкую конверсию. Менеджеры в ответ ругаются на маркетинг: «вы гоните нам мусор, у нас из-за вас статистика падает». Возникает напряжение на ровном месте.
3. Управление на эмоциях.
Пришел менеджер без настроения и говорит: «Что-то нормальных лидов совсем нет». И у руководителя нет никаких объективных данных, чтобы это проверить. На одной неделе доля неквалов может вырасти на 20%, а в общих цифрах этого вообще не видно. Оценивать ситуацию приходится по ощущениям.
4. Блокировка нормальной рекламы.
Для нас, как для агентства, это самая критичная боль. Без нормальных статусов мы не можем передавать данные о качественных лидах обратно в Яндекс. А значит, не можем обучать автостратегии находить именно целевую аудиторию. Приходится либо городить сложные костыли, либо руками перебирать заявки.
Да и ручной анализ превращается в танец с граблями.
Что в итоге
Все эти проблемы часто решаются введением одного статуса. «Квалифицирован» — это точка передачи ответственности. Она означает, что отдел маркетинга привел целевого лида, и дальше за него отвечает отдел продаж.
Поэтому, когда мы заходим на проект, внедрение статуса квалификации — это одно из первых требований. Без этой базы выстраивать нормальный B2B-маркетинг сейчас крайне сложно.
А у вас в CRM есть четкое разделение на квал / не квал? Или менеджеры тоже разбирают общий котел? 👇
Снова заходим на крупный проект. Хорошие бюджеты, под сотню лидов еженедельно. Начинаем разбирать воронку, чтобы настроить сквозную аналитику, и опять натыкаемся на одну и ту же боль.
В CRM банально нет статуса «Квалифицированный лид».
Раньше мне казалось, что это просто небольшая недоработка в настройках. Но сейчас я всё больше вижу, как эта мелочь ломает кучу процессов внутри компании.
Как это обычно выглядит на практике:
1. Менеджеры одинаково работают со всеми лидами.
Пришел лид с потенциалом чека на 50 тысяч рублей, а следом — стратегический клиент с запросом на 1.5 миллиона. В CRM без квалификации они выглядят одинаково. В итоге менеджер тратит на них равное количество времени, фокус размывается, а крупные сделки могут буксовать в очереди.
2. Точка постоянного конфликта.
Если нет отсечки по квалам, конверсию продаж считают «от забора до обеда». Руководство долбает менеджеров за низкую конверсию. Менеджеры в ответ ругаются на маркетинг: «вы гоните нам мусор, у нас из-за вас статистика падает». Возникает напряжение на ровном месте.
3. Управление на эмоциях.
Пришел менеджер без настроения и говорит: «Что-то нормальных лидов совсем нет». И у руководителя нет никаких объективных данных, чтобы это проверить. На одной неделе доля неквалов может вырасти на 20%, а в общих цифрах этого вообще не видно. Оценивать ситуацию приходится по ощущениям.
4. Блокировка нормальной рекламы.
Для нас, как для агентства, это самая критичная боль. Без нормальных статусов мы не можем передавать данные о качественных лидах обратно в Яндекс. А значит, не можем обучать автостратегии находить именно целевую аудиторию. Приходится либо городить сложные костыли, либо руками перебирать заявки.
Да и ручной анализ превращается в танец с граблями.
Что в итоге
Все эти проблемы часто решаются введением одного статуса. «Квалифицирован» — это точка передачи ответственности. Она означает, что отдел маркетинга привел целевого лида, и дальше за него отвечает отдел продаж.
Поэтому, когда мы заходим на проект, внедрение статуса квалификации — это одно из первых требований. Без этой базы выстраивать нормальный B2B-маркетинг сейчас крайне сложно.
А у вас в CRM есть четкое разделение на квал / не квал? Или менеджеры тоже разбирают общий котел? 👇
❤4
Спасибо Тюмени 🙌
Впервые выступал в Тюмени — классный опыт. На ОнТОПе попал в живую аудиторию: острые вопросы, длинная дискуссия после доклада, разговоры в кулуарах — то, что я больше всего ценю в офлайн-конференциях. Спасибо Ане Дорош и Маше Зайцевой за приглашение и за формат, в котором такие разговоры случаются.
И как обещал — собрал подборку постов из канала под три действия, с которых проще всего начать у себя. Это шаги с финального слайда:
1. Поднять CRM и посмотреть, сколько денег зависло в сделках старше месяца
2. Сверить, считают ли маркетинг и продажи одни и те же лиды
3. Прогнать сайт на типовые ошибки B2B
🧮 CRM и связка с продажами
— Базовая ошибка в CRM, с которой сталкиваемся почти на каждом проекте: нет статуса «квалифицированный лид»
https://t.me/b2b_done/331
— Ловушка дешёвых лидов: почему мы отключили канал с самыми дешёвыми заявками. История ровно про слайд «отключили бы по CPL — потеряли бы лучших клиентов»
https://t.me/b2b_done/137
— Выручка миллиард, а продажами никто не занимался: три признака, что нормальной работы с лидами в компании нет
https://t.me/b2b_done/268
🏗 Сайт: типовые ошибки B2B
— Топ-3 ошибки на B2B-сайтах: корзина «как в интернет-магазине», спрятанный email, характеристики без преимуществ
https://t.me/b2b_done/147
— Продолжение: факторы выбора в дебрях сайта, отзывы и кейсы для галочки
https://t.me/b2b_done/308
— Как поднять конверсию B2B-сайта в 1,5–2 раза, не трогая дизайн и разработку
https://t.me/b2b_done/221
— Антипример «как надо»: разбор удачно сделанной карточки конкурента
https://t.me/b2b_done/311
🎯 Где искать неочевидные рычаги
В кейсе три неочевидных рычага нашли через CustDev — без него на сайте появились бы всё те же «качество», «опыт» и «индивидуальный подход».
— Когда «хорошее понимание ЦА» чуть не угробило проект — параллельный кейс
https://t.me/b2b_done/121
— Куда на самом деле идут данные из CustDev: не только в маркетинг
https://t.me/b2b_done/296
⚙️ Бонус — каталог из 600 товаров
— Как нейронка за пару долларов заполнила каталог из 600 товаров. Тот самый скрипт, про который рассказывал на шаге SEO
https://t.me/b2b_done/260
Разбор ошибок аналитики выйдет отдельным постом — как и обещал на финальном слайде.
Впервые выступал в Тюмени — классный опыт. На ОнТОПе попал в живую аудиторию: острые вопросы, длинная дискуссия после доклада, разговоры в кулуарах — то, что я больше всего ценю в офлайн-конференциях. Спасибо Ане Дорош и Маше Зайцевой за приглашение и за формат, в котором такие разговоры случаются.
И как обещал — собрал подборку постов из канала под три действия, с которых проще всего начать у себя. Это шаги с финального слайда:
1. Поднять CRM и посмотреть, сколько денег зависло в сделках старше месяца
2. Сверить, считают ли маркетинг и продажи одни и те же лиды
3. Прогнать сайт на типовые ошибки B2B
🧮 CRM и связка с продажами
— Базовая ошибка в CRM, с которой сталкиваемся почти на каждом проекте: нет статуса «квалифицированный лид»
https://t.me/b2b_done/331
— Ловушка дешёвых лидов: почему мы отключили канал с самыми дешёвыми заявками. История ровно про слайд «отключили бы по CPL — потеряли бы лучших клиентов»
https://t.me/b2b_done/137
— Выручка миллиард, а продажами никто не занимался: три признака, что нормальной работы с лидами в компании нет
https://t.me/b2b_done/268
🏗 Сайт: типовые ошибки B2B
— Топ-3 ошибки на B2B-сайтах: корзина «как в интернет-магазине», спрятанный email, характеристики без преимуществ
https://t.me/b2b_done/147
— Продолжение: факторы выбора в дебрях сайта, отзывы и кейсы для галочки
https://t.me/b2b_done/308
— Как поднять конверсию B2B-сайта в 1,5–2 раза, не трогая дизайн и разработку
https://t.me/b2b_done/221
— Антипример «как надо»: разбор удачно сделанной карточки конкурента
https://t.me/b2b_done/311
🎯 Где искать неочевидные рычаги
В кейсе три неочевидных рычага нашли через CustDev — без него на сайте появились бы всё те же «качество», «опыт» и «индивидуальный подход».
— Когда «хорошее понимание ЦА» чуть не угробило проект — параллельный кейс
https://t.me/b2b_done/121
— Куда на самом деле идут данные из CustDev: не только в маркетинг
https://t.me/b2b_done/296
⚙️ Бонус — каталог из 600 товаров
— Как нейронка за пару долларов заполнила каталог из 600 товаров. Тот самый скрипт, про который рассказывал на шаге SEO
https://t.me/b2b_done/260
Разбор ошибок аналитики выйдет отдельным постом — как и обещал на финальном слайде.
🔥4
Что это за канал и с чего начать читать 📌
Если вы здесь недавно — этот пост для вас. Закрепляю его, чтобы можно было быстро понять, о чём канал, и сразу нырнуть в лучшее.
Меня зовут Дмитрий Южанин. Вместе с командой агентства «Сделано» мы помогаем расти производителям и оптовикам: продвигаем B2B-проекты, и клиентские, и свои собственные.
Параллельно я перевожу на нейросети всё, до чего дотягиваюсь: маркетинг, продажи, менеджмент. Строю на AI личного ассистента и систему управления агентством, а потом честно рассказываю, что из этого взлетело, а что я выкинул. Плюс делюсь личными наблюдениями про рынок и про то, какие шишки набиваю по дороге.
С прошлой подборки прошло полгода, нас стало на четверть больше, и за это время вышло много нового — особенно целая серия про менеджмент. Собрал свежее по полочкам.
Кстати, все промты с моих выступлений живут на отдельном сайте, я держу там актуальные версии: promts.m-done.ru
🤖 Нейросети на практике
• Выложил свой скилл планирования в открытый доступ
• Все промты с моих выступлений — в одном месте
• Супер-промпт, который собирает другие промпты
• Как я заставляю нейронки проверять свои же косяки
• Отменил платную подписку на голосовой ввод и нашёл бесплатную замену
🧠 Менеджмент и система управления
• Внутренняя кухня: как я перестраиваю продажи и менеджмент
• Вы руководитель или «человек-маршрутизатор»?
• Почему я теперь ставлю задачи с конца
• 25 своих скиллов для управления агентством
🎯 Цели и планирование
• Как я наконец сделал нормальное планирование года с помощью AI
• Планирование с нейронкой: как это устроено внутри
• Мой разбор научного подхода к постановке целей
📊 B2B-маркетинг и продажи
• Как поднять конверсию B2B-сайта в 1.5–2 раза, не трогая дизайн
• Почему я отговорил клиента от покупки нашей же услуги
• Базовая ошибка в CRM, которую мы видим почти на каждом проекте
Спасибо, что читаете. Если есть тема, которую хотите разобрать подробнее — напишите в комментариях, заберу в работу.
Если вы здесь недавно — этот пост для вас. Закрепляю его, чтобы можно было быстро понять, о чём канал, и сразу нырнуть в лучшее.
Меня зовут Дмитрий Южанин. Вместе с командой агентства «Сделано» мы помогаем расти производителям и оптовикам: продвигаем B2B-проекты, и клиентские, и свои собственные.
Параллельно я перевожу на нейросети всё, до чего дотягиваюсь: маркетинг, продажи, менеджмент. Строю на AI личного ассистента и систему управления агентством, а потом честно рассказываю, что из этого взлетело, а что я выкинул. Плюс делюсь личными наблюдениями про рынок и про то, какие шишки набиваю по дороге.
С прошлой подборки прошло полгода, нас стало на четверть больше, и за это время вышло много нового — особенно целая серия про менеджмент. Собрал свежее по полочкам.
Кстати, все промты с моих выступлений живут на отдельном сайте, я держу там актуальные версии: promts.m-done.ru
🤖 Нейросети на практике
• Выложил свой скилл планирования в открытый доступ
• Все промты с моих выступлений — в одном месте
• Супер-промпт, который собирает другие промпты
• Как я заставляю нейронки проверять свои же косяки
• Отменил платную подписку на голосовой ввод и нашёл бесплатную замену
🧠 Менеджмент и система управления
• Внутренняя кухня: как я перестраиваю продажи и менеджмент
• Вы руководитель или «человек-маршрутизатор»?
• Почему я теперь ставлю задачи с конца
• 25 своих скиллов для управления агентством
🎯 Цели и планирование
• Как я наконец сделал нормальное планирование года с помощью AI
• Планирование с нейронкой: как это устроено внутри
• Мой разбор научного подхода к постановке целей
📊 B2B-маркетинг и продажи
• Как поднять конверсию B2B-сайта в 1.5–2 раза, не трогая дизайн
• Почему я отговорил клиента от покупки нашей же услуги
• Базовая ошибка в CRM, которую мы видим почти на каждом проекте
Спасибо, что читаете. Если есть тема, которую хотите разобрать подробнее — напишите в комментариях, заберу в работу.
Telegram
Digital-Задроты в B2B | Южанин Дмитрий
Каналу — год! 🎉 Подборка лучшего за это время
Только заметил, что каналу уже год. Мы перевалили за 900 подписчиков и до конца года, думаю, возьмём отметку в 1000. Это радует.
В честь этого решил обновить информацию о том, о чём этот канал, и собрать подборку…
Только заметил, что каналу уже год. Мы перевалили за 900 подписчиков и до конца года, думаю, возьмём отметку в 1000. Это радует.
В честь этого решил обновить информацию о том, о чём этот канал, и собрать подборку…
🔥5🙏1
Хорошая аналитика — это не набор данных 🧠
Периодически вижу обзоры про ботов, которые «сами всё посчитают»: подключаешь нейронку, и она строит тебе аналитику. Звучит логично, нейронки реально неплохо считают статистику и тянут большие объёмы данных.
Но вот что забавно: кейсов с по-настоящему хорошей аналитикой я почти не вижу.
Почему так?
Потому что хорошую аналитику вообще мало кто умеет делать. И первая причина в том, что аналитику часто путают со сбором данных.
«Мы собрали кучу классных данных. Вот такой срез есть, и такой, всё можно посмотреть». На деле это чаще вредно, чем полезно. Ресурсы потрачены, а толку ноль.
Цель аналитики всегда одна — принятие решений. Если на основе цифр не родилось ни одного решения, значит что-то пошло не так. Результат аналитической работы это решения. Всё остальное просто сбор данных. Для меня это разные вещи.
Почему всё упирается в сравнение
Чтобы принять решение, почти всегда нужно что-то с чем-то сравнить. Сама по себе цифра — просто факт, на её основе вывод не сделаешь. Выросло, упало, нормально это или плохо — понятно только в сравнении. Поэтому меня почти всегда интересует динамика. А в том, как именно мы сравниваем, и прячется самое интересное.
Пример: сравнение год к году
Самый частый способ — сравнить этот год с прошлым. Так чаще всего и оценивают динамику компании: развивается она сейчас или падает. Недавно видел такой опрос: как у вас прошли первые четыре месяца, приросли или просели?
Цель понятная — понять, идёт этот год лучше или хуже прошлого. А вот вывод может быть очень рискованным.
Покажу на нашей компании
Если сравнить год к году, у нас заметная просадка по выручке. Прошлый первый квартал по выручке был хороший, а этот заметно ниже. Кажется, что дела идут так себе.
Но если смотреть помесячно за последние полтора года, картина другая. Прошлый год начинался хорошо. Потом летом по нам начал сказываться кризис, и продажи постепенно поползли вниз. Худшим был четвёртый квартал. А в этом году каждый месяц идёт чуть лучше предыдущего. Выручка понемногу, но растёт.
То есть на самом деле мы прошли кризис и медленно выходим в рост. А сравнение год к году рисует обратное: будто мы сейчас в яме.
Один и тот же набор данных. Два противоположных вывода. Разница только в контексте.
И вот где спотыкаются нейронки
Посчитать и сравнить они могут быстро. А понять контекст компании пока не вывозят: что стоит за цифрами, какой период с чем корректно сравнивать, что вообще происходило с бизнесом.
Этот контекст тяжело оцифровать и передать. Его нужно накапливать постепенно: знания о компании, история, что и почему менялось. Я сейчас как раз собираю такие данные по агентству, чтобы потом строить на них настоящую аналитику, а не красивые срезы.
Периодически вижу обзоры про ботов, которые «сами всё посчитают»: подключаешь нейронку, и она строит тебе аналитику. Звучит логично, нейронки реально неплохо считают статистику и тянут большие объёмы данных.
Но вот что забавно: кейсов с по-настоящему хорошей аналитикой я почти не вижу.
Почему так?
Потому что хорошую аналитику вообще мало кто умеет делать. И первая причина в том, что аналитику часто путают со сбором данных.
«Мы собрали кучу классных данных. Вот такой срез есть, и такой, всё можно посмотреть». На деле это чаще вредно, чем полезно. Ресурсы потрачены, а толку ноль.
Цель аналитики всегда одна — принятие решений. Если на основе цифр не родилось ни одного решения, значит что-то пошло не так. Результат аналитической работы это решения. Всё остальное просто сбор данных. Для меня это разные вещи.
Почему всё упирается в сравнение
Чтобы принять решение, почти всегда нужно что-то с чем-то сравнить. Сама по себе цифра — просто факт, на её основе вывод не сделаешь. Выросло, упало, нормально это или плохо — понятно только в сравнении. Поэтому меня почти всегда интересует динамика. А в том, как именно мы сравниваем, и прячется самое интересное.
Пример: сравнение год к году
Самый частый способ — сравнить этот год с прошлым. Так чаще всего и оценивают динамику компании: развивается она сейчас или падает. Недавно видел такой опрос: как у вас прошли первые четыре месяца, приросли или просели?
Цель понятная — понять, идёт этот год лучше или хуже прошлого. А вот вывод может быть очень рискованным.
Покажу на нашей компании
Если сравнить год к году, у нас заметная просадка по выручке. Прошлый первый квартал по выручке был хороший, а этот заметно ниже. Кажется, что дела идут так себе.
Но если смотреть помесячно за последние полтора года, картина другая. Прошлый год начинался хорошо. Потом летом по нам начал сказываться кризис, и продажи постепенно поползли вниз. Худшим был четвёртый квартал. А в этом году каждый месяц идёт чуть лучше предыдущего. Выручка понемногу, но растёт.
То есть на самом деле мы прошли кризис и медленно выходим в рост. А сравнение год к году рисует обратное: будто мы сейчас в яме.
Один и тот же набор данных. Два противоположных вывода. Разница только в контексте.
И вот где спотыкаются нейронки
Посчитать и сравнить они могут быстро. А понять контекст компании пока не вывозят: что стоит за цифрами, какой период с чем корректно сравнивать, что вообще происходило с бизнесом.
Этот контекст тяжело оцифровать и передать. Его нужно накапливать постепенно: знания о компании, история, что и почему менялось. Я сейчас как раз собираю такие данные по агентству, чтобы потом строить на них настоящую аналитику, а не красивые срезы.
❤5👍1
Как я «по-быстрому» разобрал 600 сделок и собрал все грабли вайб-кодинга 🤯
Я не программист и не разработчик, просто каждый день работаю с нейронками. Недавно сел «по-быстрому» собрать через них аналитику по продажам клиента. Встал через четыре дня. Расскажу без розовых очков.
Зачем полез
Клиент-производитель, мы выстроили ему лидогенерацию. На поверхности всё нормально: лиды идут, проходят квалификацию, выставляются счета, работа кипит.
А по факту на 4 менеджеров накопилось около 600 сделок. Больше сотни на каждого, нормально вести невозможно. Лидов всё больше, а продажи растут непропорционально. Где затык, непонятно, и экспертизы под такой анализ у клиента нет. Полез сам.
Суть задачи
Собрать всю коммуникацию по сделкам, звонки и письма, в одну историю и найти блокеры, которые мешают сделкам двигаться. Проанализировать какие проблемы возникали на пути клиента. Определить причины этих проблем.
Все 600 сразу анализировать смысла нет. Для поиска типовых патернов хватит 150-200 сделок.
Сначала просто собрать данные
Bitrix через интерфейс не отдаёт ни переписку, ни звонки. Их нужно вытащить, звонки транскрибировать и собрать диалог по каждой сделке.
Выгрузил емейлы и звонки по сделкам, с виду всё ок. Начинаю смотреть, данные не сходяться. Оказалась половина коммуникации висит на контактах. Дособрал. Потом вылез лимит: за раз грузится не больше 500 писем, на тестах в 10-15 сделок проблемы не видно, а на объёме часть теряется. Дальше часть звонков не пришла: у клиента несколько телефоний, одна отдаёт записи, другая нет. Следом письма наоборот задублировались из-за настройки Bitrix. А поле «последняя активность по сделке» возвращало кривые данные.
Таких нюансов десятки. Настоящая свистопляска.
Потом сам анализ
Сделал 5-7 тестовых прогонов на 15-20 сделках: подбирал модель и логику. Что анализируем, в каком формате, как оценивать, чтобы нейронка не галлюцинировала.
На 15-20 всё хорошо, запускаю на 200, и на масштабе бумс. То упираюсь в лимиты, то выясняется, что в маленькую выборку не попали нетипичные сделки, на которых логика ломается и врёт. Докрутил, перезапустил. И так 4 раза
Вот где стало по-настоящему тяжело
Не в написании кода. Код нейронка пишет хорошо.
Тяжело другое: выстроить архитектуру и понять логику. Откуда данные берутся, как устроены в этой CRM, что с ними случается по дороге и бьётся ли итог с реальностью.
Нейронка бодро рапортует «всё собрал, всё хорошо», а по факту половина данных то теряется, то двоится. Держишь в голове десятки факторов, перепроверяешь, где что могло отвалиться. Мозг кипит. Язык не поворачивается назвать это лёгким вайб-кодингом.
По ресурсам тоже не как в демо
У меня месячная подписка на Claude за $100. За эти задачи я съел 75% общего недельного лимита и 89% недельного лимита на Sonnet, плюс упирался в пятичасовые. Ещё потратился на тесты других моделей: думал, выйдет быстрее и дешевле, оказалось нет.
Но результат того стоил
Получили чёткую градацию проблем в продажах.
Главная: у 74% сделок после отправки КП менеджеры толком не получали обратную связь. И не из-за лени. Автоматизации постоянно плодили новые задачи, часто не по делу, и дублировали висящие. Задач накопилось столько, что менеджеры перестали ими пользоваться и не видели, за какую сделку браться. Часть закрывали скопом, без проработки.
А решение проще всех этих автоматизаций. Отключить старые и добавить один статус «клиент ждёт ответа», куда сделка падает при любом входящем сообщении. Менеджер сразу видит, кому отвечать.
Увидели как поменять статусы в воронке, чтобы сразу видеть с кем нужно работать сейчас, а кого можно оставить до конкретной даты.
Ещё всплыло, что часть сделок зря проходит квалификацию. По таким тендерам компания не проходит по начальной максимальной цене, их надо отсекать сразу. Иначе уходит куча работы на КП, а сделку всё равно никто не берёт.
Теперь 600 сделок можно разбирать прицельно, с тех, где больше шансов.
Честный плюс есть: за несколько дней я прошёл путь, который с разработчиками занял бы месяцы. Но простым я бы его не назвал.
Я не программист и не разработчик, просто каждый день работаю с нейронками. Недавно сел «по-быстрому» собрать через них аналитику по продажам клиента. Встал через четыре дня. Расскажу без розовых очков.
Зачем полез
Клиент-производитель, мы выстроили ему лидогенерацию. На поверхности всё нормально: лиды идут, проходят квалификацию, выставляются счета, работа кипит.
А по факту на 4 менеджеров накопилось около 600 сделок. Больше сотни на каждого, нормально вести невозможно. Лидов всё больше, а продажи растут непропорционально. Где затык, непонятно, и экспертизы под такой анализ у клиента нет. Полез сам.
Суть задачи
Собрать всю коммуникацию по сделкам, звонки и письма, в одну историю и найти блокеры, которые мешают сделкам двигаться. Проанализировать какие проблемы возникали на пути клиента. Определить причины этих проблем.
Все 600 сразу анализировать смысла нет. Для поиска типовых патернов хватит 150-200 сделок.
Сначала просто собрать данные
Bitrix через интерфейс не отдаёт ни переписку, ни звонки. Их нужно вытащить, звонки транскрибировать и собрать диалог по каждой сделке.
Выгрузил емейлы и звонки по сделкам, с виду всё ок. Начинаю смотреть, данные не сходяться. Оказалась половина коммуникации висит на контактах. Дособрал. Потом вылез лимит: за раз грузится не больше 500 писем, на тестах в 10-15 сделок проблемы не видно, а на объёме часть теряется. Дальше часть звонков не пришла: у клиента несколько телефоний, одна отдаёт записи, другая нет. Следом письма наоборот задублировались из-за настройки Bitrix. А поле «последняя активность по сделке» возвращало кривые данные.
Таких нюансов десятки. Настоящая свистопляска.
Потом сам анализ
Сделал 5-7 тестовых прогонов на 15-20 сделках: подбирал модель и логику. Что анализируем, в каком формате, как оценивать, чтобы нейронка не галлюцинировала.
На 15-20 всё хорошо, запускаю на 200, и на масштабе бумс. То упираюсь в лимиты, то выясняется, что в маленькую выборку не попали нетипичные сделки, на которых логика ломается и врёт. Докрутил, перезапустил. И так 4 раза
Вот где стало по-настоящему тяжело
Не в написании кода. Код нейронка пишет хорошо.
Тяжело другое: выстроить архитектуру и понять логику. Откуда данные берутся, как устроены в этой CRM, что с ними случается по дороге и бьётся ли итог с реальностью.
Нейронка бодро рапортует «всё собрал, всё хорошо», а по факту половина данных то теряется, то двоится. Держишь в голове десятки факторов, перепроверяешь, где что могло отвалиться. Мозг кипит. Язык не поворачивается назвать это лёгким вайб-кодингом.
По ресурсам тоже не как в демо
У меня месячная подписка на Claude за $100. За эти задачи я съел 75% общего недельного лимита и 89% недельного лимита на Sonnet, плюс упирался в пятичасовые. Ещё потратился на тесты других моделей: думал, выйдет быстрее и дешевле, оказалось нет.
Но результат того стоил
Получили чёткую градацию проблем в продажах.
Главная: у 74% сделок после отправки КП менеджеры толком не получали обратную связь. И не из-за лени. Автоматизации постоянно плодили новые задачи, часто не по делу, и дублировали висящие. Задач накопилось столько, что менеджеры перестали ими пользоваться и не видели, за какую сделку браться. Часть закрывали скопом, без проработки.
А решение проще всех этих автоматизаций. Отключить старые и добавить один статус «клиент ждёт ответа», куда сделка падает при любом входящем сообщении. Менеджер сразу видит, кому отвечать.
Увидели как поменять статусы в воронке, чтобы сразу видеть с кем нужно работать сейчас, а кого можно оставить до конкретной даты.
Ещё всплыло, что часть сделок зря проходит квалификацию. По таким тендерам компания не проходит по начальной максимальной цене, их надо отсекать сразу. Иначе уходит куча работы на КП, а сделку всё равно никто не берёт.
Теперь 600 сделок можно разбирать прицельно, с тех, где больше шансов.
Честный плюс есть: за несколько дней я прошёл путь, который с разработчиками занял бы месяцы. Но простым я бы его не назвал.
❤6👍4
Буду выступать на вебинаре про нейросети в B2B — 17 июня 🎤
Меня позвал спикером Анатолий Рус, создатель конференции ЦЕХ и клуба Склад. Это его мини-конференция про практику нейросетей в B2B. Тема ровно та, про которую я здесь постоянно пишу.
Расскажу про нашу реальную кухню: где и как мы сейчас применяем нейронки в работе агентства в маркетинге, продажах и менеджменте. И разберу 6 типовых проблем, через которые мы прошли, пока превращали нейронки из прикольного помощника в инструмент роста компании.
Кто читал недавние посты про разбор 600 сделок и грабли вайб-кодинга — на вебинаре соберу всё это в систему.
Будут и другие спикеры. Сам Анатолий разберёт работу с B2B-контентом, а секретный спикер расскажет, как командам работать с нейронками без хаоса.
Когда: 17 июня, среда, 12:00 по МСК
Где: онлайн
Сколько: бесплатно, мест ограничено
👉 Регистрация на сайте
Заходите посмотреть, как это устроено в реальной работе.
Меня позвал спикером Анатолий Рус, создатель конференции ЦЕХ и клуба Склад. Это его мини-конференция про практику нейросетей в B2B. Тема ровно та, про которую я здесь постоянно пишу.
Расскажу про нашу реальную кухню: где и как мы сейчас применяем нейронки в работе агентства в маркетинге, продажах и менеджменте. И разберу 6 типовых проблем, через которые мы прошли, пока превращали нейронки из прикольного помощника в инструмент роста компании.
Кто читал недавние посты про разбор 600 сделок и грабли вайб-кодинга — на вебинаре соберу всё это в систему.
Будут и другие спикеры. Сам Анатолий разберёт работу с B2B-контентом, а секретный спикер расскажет, как командам работать с нейронками без хаоса.
Когда: 17 июня, среда, 12:00 по МСК
Где: онлайн
Сколько: бесплатно, мест ограничено
👉 Регистрация на сайте
Заходите посмотреть, как это устроено в реальной работе.
🔥3👍1
Для всех, кто отвечает за маркетинг в B2B, нашел классный эфир.
18 июня онлайн маркдиры B2B-компаний подытожат полугодие. Обсудят, что делать, когда бюджеты сокращаются, прежние каналы дают меньше лидов, а продлевать контракты всё сложнее.
Работа.ру расскажет, как AI-видео в объявлениях снизили стоимость лида.
Яндекс Практикум — как изменения в продукте помогают удержать стоимость привлечения.
Росэлторг — как удерживают клиентов на меняющемся рынке.
И это только малая часть. Эфир не просто о трендах, а о сложных решениях, кейсах, цифрах. И стратегии до конца года.
📅 18 июня, 11:00 МСК, онлайн, бесплатно
🔗 Зарегистрироваться
18 июня онлайн маркдиры B2B-компаний подытожат полугодие. Обсудят, что делать, когда бюджеты сокращаются, прежние каналы дают меньше лидов, а продлевать контракты всё сложнее.
Работа.ру расскажет, как AI-видео в объявлениях снизили стоимость лида.
Яндекс Практикум — как изменения в продукте помогают удержать стоимость привлечения.
Росэлторг — как удерживают клиентов на меняющемся рынке.
И это только малая часть. Эфир не просто о трендах, а о сложных решениях, кейсах, цифрах. И стратегии до конца года.
📅 18 июня, 11:00 МСК, онлайн, бесплатно
🔗 Зарегистрироваться
Два месяца ставим задачи с конца. Что получилось 🧩
В мае я писал, что мы в агентстве перестраиваем систему постановки задач. Тогда это было в режиме: нашли сильный подход, начали внедрять, активно собираем грабли.
Сейчас прошло два месяца. Уже можно честно рассказать, что с этим получилось.
Если коротко: система прижилась. Но внедрение оказалось сильно тяжелее, чем я ожидал.
Что пошло тяжело
Начали мы в середине апреля. И первая моя идея была очень в моём стиле: давайте внедрим всё сразу.
Подход казался стройным и понятным. Есть логика input / output / outcome, есть связь с обещаниями клиентам, есть формат проверки результата. В голове всё красиво складывалось в систему.
На практике оказалось, что для команды это слишком большой объём изменений за раз.
В мае мы разложили задачи в новом формате в Planfix, но почти каждую задачу приходилось отдельно прорабатывать. Люди довольно быстро поняли общую идею, но на конкретных формулировках всё начинало буксовать.
Раньше задача чаще описывала действие: подготовить план, собрать семантику, написать тексты, проверить сайт, подготовить отчёт.
А когда нужно описать итоговый результат и критерии качества, внезапно всплывает куча разночтений.
Например, можно формально выполнить задачу и подготовить темы под SEO. Но если эти темы не бьются с целевой аудиторией и целью проекта, результат всё равно плохой. Работа сделана, а к цели не приблизились.
Ещё одна сложность: мы сначала попытались слишком подробно описывать критерии проверки в каждой задаче. Тем более нейронки легко предлагают варианты, что добавить в чек-лист.
Выглядело умно, но не работало. Человек теряется в куче бесполезных деталей и упускает главное. Поэтому сейчас мы оставили более простую логику: обязательно фиксируем нужный результат, а дополнительные критерии добавляем только там, где уже ловили реальные ошибки.
Что получилось
К середине июня мы второй месяц идём по новой системе, и она уже нормально работает.
Главный сдвиг такой: мы начали строить не иерархию задач, а иерархию результатов.
Не просто "что надо сделать", а:
- что должно получиться;
- к какому сроку;
- как мы поймём, что результат хороший;
- с каким обещанием клиенту это связано.
Из-за этого стало больше прозрачности. Команда лучше понимает, что от неё ожидается. Стало меньше ситуаций, когда вроде договорились об одном, а на выходе получили что-то другое.
Поменялось и отношение к ошибкам.
Если человек сделал всё по согласованной задаче, но результат не тот, мы теперь смотрим не только на исполнителя. Мы обсуждаем, что нужно доработать в постановке задачи, чтобы избежать повторения.
Плюс команда начала лучше видеть, зачем делаются конкретные задачи. Не просто "у меня в Planfix висит список дел", а какой результат мы должны получить и как он связан с клиентскими обещаниями. За счет этого часть проблем отлавливается до их появления.
Самое приятное, что обратная связь от команды тоже поменялась. В начале было больше вопросов в духе "зачем мы столько всего расписываем". Сейчас уже слышу другое: прикольно, что мы работаем именно так, потому что стало проще синхронизироваться и понимать, что нужно получить.
Система ещё не идеальная. Сейчас докручиваем skill для постановки задач и собираем стандарты для типовых задач, чтобы не собирать каждый раз всё с нуля.
Но как итог 1,5 месяцев: подход сработал. Не быстро, не без сопротивления и точно не с первого захода. Зато теперь стало намного понятнее, где у нас ломалась постановка задач и что именно нужно чинить.
В мае я писал, что мы в агентстве перестраиваем систему постановки задач. Тогда это было в режиме: нашли сильный подход, начали внедрять, активно собираем грабли.
Сейчас прошло два месяца. Уже можно честно рассказать, что с этим получилось.
Если коротко: система прижилась. Но внедрение оказалось сильно тяжелее, чем я ожидал.
Что пошло тяжело
Начали мы в середине апреля. И первая моя идея была очень в моём стиле: давайте внедрим всё сразу.
Подход казался стройным и понятным. Есть логика input / output / outcome, есть связь с обещаниями клиентам, есть формат проверки результата. В голове всё красиво складывалось в систему.
На практике оказалось, что для команды это слишком большой объём изменений за раз.
В мае мы разложили задачи в новом формате в Planfix, но почти каждую задачу приходилось отдельно прорабатывать. Люди довольно быстро поняли общую идею, но на конкретных формулировках всё начинало буксовать.
Раньше задача чаще описывала действие: подготовить план, собрать семантику, написать тексты, проверить сайт, подготовить отчёт.
А когда нужно описать итоговый результат и критерии качества, внезапно всплывает куча разночтений.
Например, можно формально выполнить задачу и подготовить темы под SEO. Но если эти темы не бьются с целевой аудиторией и целью проекта, результат всё равно плохой. Работа сделана, а к цели не приблизились.
Ещё одна сложность: мы сначала попытались слишком подробно описывать критерии проверки в каждой задаче. Тем более нейронки легко предлагают варианты, что добавить в чек-лист.
Выглядело умно, но не работало. Человек теряется в куче бесполезных деталей и упускает главное. Поэтому сейчас мы оставили более простую логику: обязательно фиксируем нужный результат, а дополнительные критерии добавляем только там, где уже ловили реальные ошибки.
Что получилось
К середине июня мы второй месяц идём по новой системе, и она уже нормально работает.
Главный сдвиг такой: мы начали строить не иерархию задач, а иерархию результатов.
Не просто "что надо сделать", а:
- что должно получиться;
- к какому сроку;
- как мы поймём, что результат хороший;
- с каким обещанием клиенту это связано.
Из-за этого стало больше прозрачности. Команда лучше понимает, что от неё ожидается. Стало меньше ситуаций, когда вроде договорились об одном, а на выходе получили что-то другое.
Поменялось и отношение к ошибкам.
Если человек сделал всё по согласованной задаче, но результат не тот, мы теперь смотрим не только на исполнителя. Мы обсуждаем, что нужно доработать в постановке задачи, чтобы избежать повторения.
Плюс команда начала лучше видеть, зачем делаются конкретные задачи. Не просто "у меня в Planfix висит список дел", а какой результат мы должны получить и как он связан с клиентскими обещаниями. За счет этого часть проблем отлавливается до их появления.
Самое приятное, что обратная связь от команды тоже поменялась. В начале было больше вопросов в духе "зачем мы столько всего расписываем". Сейчас уже слышу другое: прикольно, что мы работаем именно так, потому что стало проще синхронизироваться и понимать, что нужно получить.
Система ещё не идеальная. Сейчас докручиваем skill для постановки задач и собираем стандарты для типовых задач, чтобы не собирать каждый раз всё с нуля.
Но как итог 1,5 месяцев: подход сработал. Не быстро, не без сопротивления и точно не с первого захода. Зато теперь стало намного понятнее, где у нас ломалась постановка задач и что именно нужно чинить.
❤4👍2
Типовые ошибки в аналитике, из-за которых цифрам нельзя верить 📊
Обещал собрать перечень ошибок в аналитике — выполняю.
За 15+ лет в рекламе я почти не видел проекта, где данные сходятся с первого раза. Каждый год на новых проектах одни и те же косяки. Коварны они тем, что на поверхности всё прилично: лиды идут, отчёты строятся. А копнёшь, часть данных неполная или кривая, и решения по ней принимать нельзя.
Собрал самые частые. Проверьте у себя.
1. В CRM не фиксируется источник рекламы
До CRM не доходят ни UTM, ни ClientID, и лид падает обезличенным. Дальше слепота: не разобрать, какие лиды целевые, а какие нет.
Почти на каждом проекте за год появляется кампания с дешёвыми, но мусорными лидами. Виден источник — такую кампанию отсекаешь. Не виден — формально она отличная, а гонит мусор, и ты этого даже не замечаешь.
2. Источник передаётся только по рекламному трафику
Источник цепляют только там, где есть UTM, то есть по рекламе. Так настроено почти везде по умолчанию.
А видеть нужно все источники: SEO, переходы с других сайтов, прямые заходы. Даже если SEO пока не занимаетесь, полезно видеть объём обращений оттуда: запустите позже, будет с чем сравнить.
3. Потеря UTM на многостраничных сайтах
UTM берётся из адресной строки и не сохраняется при переходах между страницами. Человек зашёл по рекламе, походил по сайту, отправил форму на другой странице — и заявка ушла без источника.
Настроите фиксацию всех источников из пункта 2, и эта проблема вылечится автоматически.
4. Нет единой «общей цели»
Под все типы заявок (форма, звонок, почта, мессенджер, заявка через чат) нужна одна общая цель, куда падает всё. Заведёте несколько отдельных — Директ не обучается на их сумме, а цепляется за одну.
И ещё важный момент: число достижений этой цели должно совпадать с количеством лидов в CRM. Когда сходится, сверять данные между Метрикой и CRM становится сильно проще.
5. Email-трекинг: его либо нет, либо он не дотянут
Трекинг почти никто не ставит. Даже в нишах с высокой конкуренцией дай бог один-два игрока с прокачанным маркетингом его используют. А на почту идёт в среднем 25-45% обращений, и без трекинга они просто теряются.
Другая проблема — трекинг есть, но не настроена фиксация текста письма и вложений. В B2B там часто спецификация или ТЗ. Без них в CRM висит лид «письмо есть», а что человек хотел, менеджер не видит. Ему приходится искать этот лид в почте. В итоге и менеджеру неудобно. И кто-то может создать лида вручную.
6. Нет статуса квалификации и удаление лидов
Самый болезненный пункт, тут два связанных косяка.
Первое: нецелевые лиды удаляют. Так нельзя категорически. Теряется реальная нагрузка на менеджера, ведь нецелевые тоже надо обработать. А главное, удалив данные из CRM, вы уже не сведёте её с Метрикой: часть лидов есть в одной системе и стёрта в другой. Расхождение гарантировано.
Второе: нет статуса квалификации. Не отмечен квал-лид, и не посчитать ни его количество, ни долю нецелевых, ни конверсию из квал-лида в другие этапы и в покупку. Ключевые цифры воронки просто отсутствуют.
Решение простое: нецелевых не удалять, а заводить им отдельный статус. И обязательно ввести статус «квалифицирован». Закрывать нецелевых как «неуспешные» тоже ошибка: они смешиваются с проигранными сделками по целевым лидам, и данные снова теряются. А потом начинается война между маркетингом и продажами.
Объединяет все эти ошибки одно: данные собираются кривыми, а выглядит при этом всё прилично. И опасна не сама ошибка, а то, что решения принимаешь на цифрах, которым нельзя верить.
Если хотите, чтобы аналитика собирала корректные данные, а маркетинг работал по реальным цифрам, а не по ощущениям — приходите к нам, разберёмся с вашей аналитикой.
Обещал собрать перечень ошибок в аналитике — выполняю.
За 15+ лет в рекламе я почти не видел проекта, где данные сходятся с первого раза. Каждый год на новых проектах одни и те же косяки. Коварны они тем, что на поверхности всё прилично: лиды идут, отчёты строятся. А копнёшь, часть данных неполная или кривая, и решения по ней принимать нельзя.
Собрал самые частые. Проверьте у себя.
1. В CRM не фиксируется источник рекламы
До CRM не доходят ни UTM, ни ClientID, и лид падает обезличенным. Дальше слепота: не разобрать, какие лиды целевые, а какие нет.
Почти на каждом проекте за год появляется кампания с дешёвыми, но мусорными лидами. Виден источник — такую кампанию отсекаешь. Не виден — формально она отличная, а гонит мусор, и ты этого даже не замечаешь.
2. Источник передаётся только по рекламному трафику
Источник цепляют только там, где есть UTM, то есть по рекламе. Так настроено почти везде по умолчанию.
А видеть нужно все источники: SEO, переходы с других сайтов, прямые заходы. Даже если SEO пока не занимаетесь, полезно видеть объём обращений оттуда: запустите позже, будет с чем сравнить.
3. Потеря UTM на многостраничных сайтах
UTM берётся из адресной строки и не сохраняется при переходах между страницами. Человек зашёл по рекламе, походил по сайту, отправил форму на другой странице — и заявка ушла без источника.
Настроите фиксацию всех источников из пункта 2, и эта проблема вылечится автоматически.
4. Нет единой «общей цели»
Под все типы заявок (форма, звонок, почта, мессенджер, заявка через чат) нужна одна общая цель, куда падает всё. Заведёте несколько отдельных — Директ не обучается на их сумме, а цепляется за одну.
И ещё важный момент: число достижений этой цели должно совпадать с количеством лидов в CRM. Когда сходится, сверять данные между Метрикой и CRM становится сильно проще.
5. Email-трекинг: его либо нет, либо он не дотянут
Трекинг почти никто не ставит. Даже в нишах с высокой конкуренцией дай бог один-два игрока с прокачанным маркетингом его используют. А на почту идёт в среднем 25-45% обращений, и без трекинга они просто теряются.
Другая проблема — трекинг есть, но не настроена фиксация текста письма и вложений. В B2B там часто спецификация или ТЗ. Без них в CRM висит лид «письмо есть», а что человек хотел, менеджер не видит. Ему приходится искать этот лид в почте. В итоге и менеджеру неудобно. И кто-то может создать лида вручную.
6. Нет статуса квалификации и удаление лидов
Самый болезненный пункт, тут два связанных косяка.
Первое: нецелевые лиды удаляют. Так нельзя категорически. Теряется реальная нагрузка на менеджера, ведь нецелевые тоже надо обработать. А главное, удалив данные из CRM, вы уже не сведёте её с Метрикой: часть лидов есть в одной системе и стёрта в другой. Расхождение гарантировано.
Второе: нет статуса квалификации. Не отмечен квал-лид, и не посчитать ни его количество, ни долю нецелевых, ни конверсию из квал-лида в другие этапы и в покупку. Ключевые цифры воронки просто отсутствуют.
Решение простое: нецелевых не удалять, а заводить им отдельный статус. И обязательно ввести статус «квалифицирован». Закрывать нецелевых как «неуспешные» тоже ошибка: они смешиваются с проигранными сделками по целевым лидам, и данные снова теряются. А потом начинается война между маркетингом и продажами.
Объединяет все эти ошибки одно: данные собираются кривыми, а выглядит при этом всё прилично. И опасна не сама ошибка, а то, что решения принимаешь на цифрах, которым нельзя верить.
Если хотите, чтобы аналитика собирала корректные данные, а маркетинг работал по реальным цифрам, а не по ощущениям — приходите к нам, разберёмся с вашей аналитикой.
👍6❤2
SKILL.md
16.8 KB
Делюсь одним из своих самых ходовых промтов 🔧
Это incident-rca, разбор корневых причин. Один из тех универсальных скиллов, которыми я пользуюсь чаще всего. Выложил в свой каталог промтов и прикрепил файлом к посту, забирайте.
Что он делает. Помогает перестроить вашу систему работы с нейронкой так, чтобы ошибка, которая один раз вылезла, больше не повторялась. Он улучшает саму систему, а не латает единичный случай.
Когда его звать:
— нейронка регулярно повторяет одну и ту же ошибку;
— начала тупить: путает контекст, выдаёт не то, делает не так;
— выдала неверный результат, а он уже ушёл в данные или документ;
— три косяка подряд в одной задаче;
— любая повторяющаяся рабочая проблема, не только про AI: где буксует процесс, откуда лезет один и тот же косяк в команде.
Как работает. Под капотом метод «5 почему»: задаём «почему?» уровень за уровнем, от симптома к корню. Не останавливаемся на «забыл» или «не заметил», а доходим до системной причины: какого правила не хватило, что не так в инструкции, какой файл не подгрузился. На выходе не «буду внимательнее», а конкретная правка в вашу систему, после которой ошибка не повторяется.
Лайфхак. Этот разбор классно отдавать на сторону, чтобы он был независимым. Либо отдельному субагенту, который посмотрит на результат свежим взглядом. Либо вообще другой нейронке из другого семейства: работаете в Claude, дайте задачу ChatGPT, и наоборот. Так разбор честнее, модель не выгораживает собственный косяк.
Сам пользуюсь постоянно. Уже накопилось больше 60 таких разборов в самых разных задачах: наём, аналитика, постановка задач, подготовка докладов.
У меня это работает в связке с проверкой качества, про неё рассказывал вот тут: https://t.me/b2b_done/324. Сначала quality-check проходит по результату и ловит ошибки. Если вижу, что ошибка не разовая, а системная, запускаю incident-rca и разбираю причину. Цикл простой: проверил, нашёл, разобрал, перестроил систему. Оба промта тоже выложил на сайт.
Забрать: promts.m-done.ru или файлом из этого поста.
Если такие наработки полезны и хотите, чтобы я делился ими чаще, поставьте реакцию. Для меня это сигнал, что такие штуки заходят.
Это incident-rca, разбор корневых причин. Один из тех универсальных скиллов, которыми я пользуюсь чаще всего. Выложил в свой каталог промтов и прикрепил файлом к посту, забирайте.
Что он делает. Помогает перестроить вашу систему работы с нейронкой так, чтобы ошибка, которая один раз вылезла, больше не повторялась. Он улучшает саму систему, а не латает единичный случай.
Когда его звать:
— нейронка регулярно повторяет одну и ту же ошибку;
— начала тупить: путает контекст, выдаёт не то, делает не так;
— выдала неверный результат, а он уже ушёл в данные или документ;
— три косяка подряд в одной задаче;
— любая повторяющаяся рабочая проблема, не только про AI: где буксует процесс, откуда лезет один и тот же косяк в команде.
Как работает. Под капотом метод «5 почему»: задаём «почему?» уровень за уровнем, от симптома к корню. Не останавливаемся на «забыл» или «не заметил», а доходим до системной причины: какого правила не хватило, что не так в инструкции, какой файл не подгрузился. На выходе не «буду внимательнее», а конкретная правка в вашу систему, после которой ошибка не повторяется.
Лайфхак. Этот разбор классно отдавать на сторону, чтобы он был независимым. Либо отдельному субагенту, который посмотрит на результат свежим взглядом. Либо вообще другой нейронке из другого семейства: работаете в Claude, дайте задачу ChatGPT, и наоборот. Так разбор честнее, модель не выгораживает собственный косяк.
Сам пользуюсь постоянно. Уже накопилось больше 60 таких разборов в самых разных задачах: наём, аналитика, постановка задач, подготовка докладов.
У меня это работает в связке с проверкой качества, про неё рассказывал вот тут: https://t.me/b2b_done/324. Сначала quality-check проходит по результату и ловит ошибки. Если вижу, что ошибка не разовая, а системная, запускаю incident-rca и разбираю причину. Цикл простой: проверил, нашёл, разобрал, перестроил систему. Оба промта тоже выложил на сайт.
Забрать: promts.m-done.ru или файлом из этого поста.
Если такие наработки полезны и хотите, чтобы я делился ими чаще, поставьте реакцию. Для меня это сигнал, что такие штуки заходят.
10🔥17❤6👍2
quality-check.skill
7.1 KB
Продолжаем воевать с галлюцинациями и обманом нейронки 🧠
Месяца полтора назад выкладывал quality-check — промт, который проходит по готовому результату нейронки и ловит враньё до того, как оно уйдёт в работу (рассказывал вот тут: https://t.me/b2b_done/324). С тех пор гоняю его регулярно и заметил: нейронка не только галлюцинирует, она ещё и ловко маскирует слабые места. Докрутил под это, выкладываю обновление. Забирайте.
Что поправил.
— Громкие слова вместо цифр. «Выросло в разы», «существенно дешевле», «гораздо быстрее» — звучит как факт, а числа за этим нет. При выборочной проверке такое легко проскакивало. Теперь промт вылавливает каждую такую формулировку и проверяет, есть ли под ней цифра и источник. Это была главная слепая зона.
— Выводы, которые ты не делал. Там, где должна стоять твоя оценка, твоё решение или твой вывод, нейронка спокойно дописывает свой и подаёт его так, будто это сказал ты. Собрать за тебя факты, даты и события — нормально. Решить за тебя, что ты по этому поводу думаешь, и выдать от твоего имени — нет. Теперь такие места подсвечиваются, чтобы ты вписал своё.
— Следы правок в чистовике. «Раньше было так, теперь переделали», «версия пересобрана» — мусор от процесса, который не должен оставаться в готовом документе. Промт вычищает, если это не журнал изменений.
— Что стоит в критериях «готово» и в заголовках, проверяется на 100%, без поблажки «это же и так понятно».
В целом доработки про одно: поймать то, что глазом не видно. Когда результат выглядит гладко, а под ним дырка.
Забрать, как удобнее:
— Промтом. Прямая ссылка, скопировать и вставить в любой чат: https://promts.m-done.ru/p/quality-check/
— Полноценным скиллом. Файл в этом посте ставится как готовый навык для Claude Code и агентов.
— На английском. Исходник на GitHub: https://github.com/MainFrame100/quality-check-skill
Если пользуетесь такими штуками, поставьте реакцию. Для меня это сигнал, что обновлениями стоит делиться.
Месяца полтора назад выкладывал quality-check — промт, который проходит по готовому результату нейронки и ловит враньё до того, как оно уйдёт в работу (рассказывал вот тут: https://t.me/b2b_done/324). С тех пор гоняю его регулярно и заметил: нейронка не только галлюцинирует, она ещё и ловко маскирует слабые места. Докрутил под это, выкладываю обновление. Забирайте.
Что поправил.
— Громкие слова вместо цифр. «Выросло в разы», «существенно дешевле», «гораздо быстрее» — звучит как факт, а числа за этим нет. При выборочной проверке такое легко проскакивало. Теперь промт вылавливает каждую такую формулировку и проверяет, есть ли под ней цифра и источник. Это была главная слепая зона.
— Выводы, которые ты не делал. Там, где должна стоять твоя оценка, твоё решение или твой вывод, нейронка спокойно дописывает свой и подаёт его так, будто это сказал ты. Собрать за тебя факты, даты и события — нормально. Решить за тебя, что ты по этому поводу думаешь, и выдать от твоего имени — нет. Теперь такие места подсвечиваются, чтобы ты вписал своё.
— Следы правок в чистовике. «Раньше было так, теперь переделали», «версия пересобрана» — мусор от процесса, который не должен оставаться в готовом документе. Промт вычищает, если это не журнал изменений.
— Что стоит в критериях «готово» и в заголовках, проверяется на 100%, без поблажки «это же и так понятно».
В целом доработки про одно: поймать то, что глазом не видно. Когда результат выглядит гладко, а под ним дырка.
Забрать, как удобнее:
— Промтом. Прямая ссылка, скопировать и вставить в любой чат: https://promts.m-done.ru/p/quality-check/
— Полноценным скиллом. Файл в этом посте ставится как готовый навык для Claude Code и агентов.
— На английском. Исходник на GitHub: https://github.com/MainFrame100/quality-check-skill
Если пользуетесь такими штуками, поставьте реакцию. Для меня это сигнал, что обновлениями стоит делиться.
🔥15