Карта методов сегментации аудитории

Карта методов сегментации помогает навести порядок в базе клиентов и превратить хаотичный список имен в четкую структуру. Вместо того чтобы заваливать всех одинаковыми сообщениями, методика предлагает разделять аудиторию на понятные группы.

В основе лежат три ключевых инструмента.

Первый — принцип MECE. Это способ классификации, который исключает дублирование и пробелы. Каждый клиент попадает строго в одну категорию, что убирает путаницу в расчетах и аналитике.

Второй инструмент — RFM-анализ. Алгоритм оценивает, как давно человек совершал покупку, как часто это делал и сколько денег принес. Такой подход позволяет мгновенно вычислить лояльных фанатов и тех, кто вот-вот уйдет к конкурентам.

Третья часть развенчивает мифы о поколениях. Вместо веры в общие стереотипы о «зумерах», эксперты предлагают смотреть на реальные цифровые привычки. Подобная точность в маркетинге спасает бюджеты от слива на нецелевых пользователей и делает коммуникацию естественной.

Ставьте 🔥, если делите базу клиентов на группы, или пишите в комментариях, какой метод кажется самым точным.

#сегментация

Я тут вижу схему современного менеджмента. Первый пункт: планирование.
— А зачем? )

90 аббревиатур для прохождения собесов, чтобы не почувствовать себя тупым

Продукт и стратегия

MVP - минимально жизнеспособный продукт
MMP - минимально маркетируемый продукт
MVC - минимально ценный продукт
PMF - соответствие продукта рынку
JTBD - пользовательская работа, ради которой покупают продукт
ICP - профиль идеального клиента
UVP - уникальное ценностное предложение
GTM - стратегия вывода продукта на рынок
NSM - главная метрика ценности
PRD - документ требований к продукту
NFR - нефункциональные требования
TAM - общий объем рынка
SAM - доступный объем рынка
SOM - достижимая доля рынка

Метрики и экономика

KPI - ключевой показатель эффективности
OKR - цели и ключевые результаты
LTV - пожизненная ценность клиента
CAC - стоимость привлечения клиента
ARPU - средняя выручка на пользователя
MRR - месячная регулярная выручка
ARR - годовая регулярная выручка
GMV - валовый объем продаж
AOV / AP - средний чек
ROI - возврат на инвестиции
GM - валовая маржа
EBITDA - прибыль до процентов, налогов и амортизации
P&L - отчет о прибылях и убытках

Аналитика и рост

DAU - дневная активная аудитория
WAU - недельная активная аудитория
MAU - месячная активная аудитория
CR - коэффициент конверсии
CTR - кликабельность
CPC - цена за клик
CPA - цена за действие
CPL - цена за лид
CPM - цена за тысячу показов
NPS - готовность рекомендовать
CSAT - удовлетворенность клиента
AARRR - воронка роста по этапам
SEO - поисковая оптимизация
ASO - оптимизация в сторах
SMM - маркетинг в соцсетях
MQL - маркетингово квалифицированный лид
SQL - лид, готовый для продаж

Процессы и delivery

DoR - критерии готовности к старту
DoD - критерии полной готовности
WIP - незавершенная работа
RICE - модель приоритизации задач
ICE - быстрая модель приоритизации
RACI - матрица ролей и ответственности
UAT - приемочное тестирование пользователем
QA - контроль качества
QC - проверка качества
SLA - соглашение об уровне сервиса
BPM - управление бизнес-процессами
NDA - соглашение о неразглашении

Данные и технологии

API - интерфейс взаимодействия систем
CRM - система управления клиентами
CMS - система управления контентом
ERP - система управления ресурсами компании
LMS - система управления обучением
BI - бизнес-аналитика
SQL - язык запросов к данным
ETL - извлечение, преобразование и загрузка
ELT - извлечение, загрузка и преобразование
DWH - хранилище данных
AI - искусственный интеллект
ML - машинное обучение
LLM - большая языковая модель
NLP - обработка естественного языка
CX - клиентский опыт
UX - пользовательский опыт
UI - пользовательский интерфейс

Модели бизнеса и рынки

B2B - бизнес продает бизнесу
B2C - бизнес продает клиенту
C2C - клиент продает клиенту
SaaS - софт как сервис
PaaS - платформа как сервис
IaaS - инфраструктура как сервис
KYC - проверка и идентификация клиента

Команды и роли

CPO - директор по продукту
PO - владелец продукта
PM - продакт-менеджер
CEO - генеральный директор
COO - операционный директор
CTO - технический директор
CFO - финансовый директор
CMO - маркетинговый директор
HR - управление персоналом
L&D - обучение и развитие сотрудников
B2G - продажи бизнесом государству

Разбор всего этого безумия в нашем LinkedIn Friends All Courses Pass, включая гайды по прохождению собесов, Growth Hacking, Junior Product Manager и прочие ценные штуки.

5672 тем, которые стоит изучить продукт менеджеру

Если вы хотите подкачаться в управлении продуктами, то советую следить за обновлениями на этой странице Figma по сегментам знаний, которые пригодятся любому продуктовому менеджеру.

Все это создано и шарится всем бесплатно через сайт productmap.io
Например, сейчас у них вышел новый гайд по Ideal Customer Profile.

#продукты

Машинное обучение — объяснение для руководителя по продажам

Одна аналогия, которая всё объясняет

Представьте, что вы нанимаете нового менеджера по продажам. Первые три месяца он смотрит на тысячи сделок: какие закрылись, какие нет, почему, с кем, в какой отрасли, на каком этапе воронки. Он не читает учебник — он учится на данных.
Машинное обучение — это то же самое, только вместо человека — программа. Она изучает исторические данные и начинает предсказывать будущее.

Что это даёт вашей команде продаж
Скоринг лидов. Система смотрит на 200 параметров сделки и говорит: «Этот клиент закроется с вероятностью 73%. Тот — с 12%. Куда тратить время менеджера?» Без ML это делает интуиция. С ML — математика.

Прогноз выручки. Вместо того чтобы собирать Excel от каждого РОПа и молиться, система сама считает pipeline и даёт точность прогноза на уровне ±5–8% вместо обычных ±30%.
Отток клиентов. Система замечает паттерн: клиент перестал открывать письма, сократил использование продукта, задал три вопроса про конкурента. Вывод: высокий риск ухода. Это видно за 60 дней до того, как клиент позвонит и скажет «мы уходим».

Три вопроса, которые нужно задать поставщику

1. На каких данных обучена ваша модель?
Если на «общеотраслевых» — осторожно. Модель, обученная на данных вашей CRM, работает в разы точнее. Спросите: сколько месяцев нужно, чтобы система адаптировалась к вашей специфике?

2. Как измерить результат через 6 месяцев?
Хороший поставщик называет конкретные метрики: точность прогноза, конверсия по скорингу, время цикла сделки. Если говорят «вы почувствуете ценность» — это красный флаг.

3. Что происходит, когда модель ошибается?
Ошибается любая система. Вопрос: есть ли механизм обратной связи? Менеджер пометил лид как «неверный прогноз» — система учится? Если нет, точность будет деградировать.

Главное, что нужно понять про риски
Машинное обучение — не магия и не оракул. Это статистика на больших данных. Две ловушки:

1️⃣ Мусор на входе — мусор на выходе. Если ваша CRM заполняется криво, система будет уверенно предсказывать ерунду.

2️⃣ Прошлое ≠ будущее. Модель, обученная до 2022 года, не знает, что рынок изменился. Спросите, как часто поставщик переобучает модели.

Внедрение ИИ — это не покупка технологии. Это покупка изменения поведения команды. Самый точный алгоритм бесполезен, если менеджеры игнорируют его рекомендации и доверяют только своей интуиции. Поэтому в бюджете должна быть строчка на внедрение и обучение — не меньше 20% от суммы контракта.

Коротко: ML — это опытный аналитик, который никогда не спит, не уходит к конкурентам и работает быстрее любого человека. Но ему нужны хорошие данные и доверие команды — иначе деньги потрачены впустую.

Как выглядит мышление человека, который создает продукты?

Фундамент: как думать о продукте есть в этих книгах

«Inspired» — Марти Каган

Библия продуктового менеджмента. Каган работал в eBay и HP, потом консультировал Google и Netflix. Главная мысль: настоящие продуктовые команды решают проблемы пользователя, а не выполняют список фич из роудмапа. Именно то, чего не хватало всем проектам из нашего разбора.

«The Innovator's Dilemma» — Клейтон Кристенсен

Объясняет, почему большие компании проигрывают маленьким нишевым игрокам. После этой книги становится понятно, почему атаковать YouTube в лоб — заведомо провальная стратегия, а занять нишу детского контента или стримингового спорта — рабочая.

«Zero to One» — Питер Тиль

Короткая, злая, точная. Тиль говорит: конкуренция — это для неудачников, монополия — вот цель. Ищи рынок, где ты можешь быть единственным. Прямо про то, о чём мы говорили с нишами.

Стратегия: как выбирать направление развития

«Good Strategy / Bad Strategy» — Ричард Румельт

Лучшая книга о стратегии вообще. Румельт разбирает, чем настоящая стратегия отличается от набора красивых слов в презентации. Плохая стратегия — это «стать лидером рынка к 2025 году». Хорошая — это конкретная диагностика проблемы и набор взаимоусиливающих действий. Читая, узнаёшь каждый провальный проект из нашего списка.

«Playing to Win» — Лафли и Мартин

Написана бывшим CEO Procter & Gamble. Два главных вопроса стратегии: где играть и как побеждать. Очень практично, много реальных кейсов.

«Crossing the Chasm» — Джеффри Мур

О том, как технологический продукт переходит от ранних последователей к массовому рынку. Объясняет, почему «Аврора» застряла в B2G и никогда не выйдет на массовый рынок без специальных усилий.

Отдельно про провалы государственных IT-проектов

«The People vs. Tech» — Джейми Барлетт

О том, как государства пытаются регулировать и контролировать технологии — и почему это почти всегда работает против граждан и против инноваций.

«Seeing Like a State» — Джеймс Скотт

Не IT-книга, но самая важная для понимания государственных мегапроектов. Скотт разбирает, почему централизованные государственные инициативы системно проваливаются — от советской коллективизации до бразильской столицы Бразилиа. После неё Сколково, «Сфера» и «Армата» выглядят совершенно предсказуемо.

Порядок чтения если начинаешь с нуля

Начни с Кагана («Inspired») — он даёт язык и базовые концепции. Потом Румельт («Good Strategy») — он учит думать стратегически. Потом Кристенсен («Innovator's Dilemma») — он объясняет, почему лидеры проигрывают. Потом Скотт («Seeing Like a State») — он объясняет, почему государство почти никогда не может делать то, что делает рынок.

#продукты

В чем подвох этой красоты? )

Wildberries и OZON показывают GMV — оборот всей площадки, включая товары продавцов. X5 и Магнит — выручку. Это разные метрики. Если пересчитать честно, X5 по выручке всё ещё крупнее Wildberries. Но тренд не отменяется.

Wildberries и OZON растут на 45-49% в год. Не потому что лучше, а потому что у них нет физического ограничения.

Золотое Яблоко растет +32% за год. Без маркетплейса, без экосистемы, без допэмиссии. Просто продукт, который хотят.

М.Видео, Metro, Спортмастер, Петрович, Лемана Про, Ситилинк, О’Кей — падение выручки. В номинальном выражении. При инфляции 9%+ это не стагнация. Это сжатие. "Скромные" +15% у Магнита — мечта для половины этого списка.

Посмотрите на свой бизнес. Вы маркетплейс, дискаунтер или концепт? Если ни то, ни другое, ни третье, то вы посередине. А там не выживают.

#стратегия #бизнес

Взгляд Anthropic на то как разрабатывается продукт.
И на то как Claude Code помогает на этом пути.
1. В самом конце собираются данные для продукт менеджера чтобы он улучшил продукт.
2. Они советуют использовать продукт в Google Cloud

Как ИИ сегодня помогает в продажах?

Поскольку мой фокус — ИИ, я веду панельную дискуссию про AI в продажах.

У меня выступят коллеги из Cloud, Gigachat, Arenadata и Aihub. Люди, которые уже внедрили AI в свои бизнес-процессы и могут поделиться опытом.

План обсуждения:
• Что из AI-инструментов полезно внедрить в B2B-продажи, а что лишнее
• Как меняется роль продавца
• Где AI помогает, а где создаёт лишь иллюзию автоматизации

В целом программа конференции наполнена сильными спикерами и практиками. Если вы в B2B, продажах, IT или около этого, то будет полезно.

Когда: 9 июля, Москва

И кто хочет присоединиться, берите промокод на 30% скидки — WIN

Подробности на сайте конференции B2B КОНФУЦИЙ

#ИИ #Конференция #Продажи

Эта картинка наглядно демонстрирует вложенность понятий с точки зрения технической иерархии. Маркетологи часто путают эти термины, сваливая всё в одну кучу, а здесь структура разложена четко, как матрёшка.

Вот как эти уровни работают на самом деле:

Artificial Intelligence (AI) — это самый верхний уровень, общая концепция. Сюда относится всё, что заставляет компьютер имитировать разумное поведение (включая старые экспертные системы, состоящие из жёстких правил «если–то»). Да, иногда AI — это просто программа, написанная естественным мозгом человека.

Machine Learning (ML) — подмножество AI. Это отказ от жёсткого программирования правил вручную. Мы даём алгоритму терабайты данных, и он сам ищет в них закономерности и строит математические зависимости.

Neural Networks (NN) — конкретный математический метод внутри ML. Базовая архитектура, симулирующая работу биологических нейронов, где есть слои, веса и функции активации.

Deep Learning (DL) — те же нейросети, но ставшие «глубокими» за счёт огромного количества скрытых слоёв. Именно здесь появились свёрточные сети для картинок и другие сложные структуры, которые требуют мощных видеокарт для обучения.

Generative AI (GenAI) — подмножество глубокого обучения, которое сфокусировано на создании нового контента (текст, код, картинки, звук), а не просто на классификации или прогнозировании чисел.

Large Language Models (LLM) — это GenAI, но обученный конкретно на текстах (языковые модели). Они предсказывают следующее слово в предложении.

Transformers — конкретная архитектура нейросетей (представленная Google в 2017 году в статье «Attention Is All You Need»), которая совершила революцию в LLM за счёт механизма внимания (attention). Без трансформеров текущие языковые модели просто не существовали бы.

GPT — семейство моделей (Generative Pre-trained Transformer) от компании OpenAI, построенное на архитектуре трансформеров.

GPT-4 — конкретная коммерческая реализация модели из этого семейства.

Есть ещё ChatGPT — это текстовый чат-ассистент, который помогает получить доступ к семейству моделей GPT-4 и выше.

#ИИ

Инцестуозность в бизнесе — это не про скандалы, а про управленческую катастрофу.

Это когда границы в компании стираются до состояния хаоса. Это не семейный бизнес, это болезнь системы, где «мы как семья» становится диагнозом, а не преимуществом.

Вот как понять, что ваш бизнес превращается в закрытую секту, где здравый смысл уже не живёт:

1. Лояльность заменила компетентность.
В такой системе «свои» прощают любые факапы. Если сотрудник бездарен, но при этом «наш человек» и разделяет «наши ценности», его держат до последнего. В итоге вы не растёте, вы просто греете компанию своей эмоциональной близостью.

2. Критика — это предательство.
Когда руководитель воспринимает сотрудников как детей, любая обратная связь воспринимается как удар в спину. Попробовали указать на ошибку в стратегии? Ждите обиды, молчания или поиска «неблагодарного». Профессиональный диалог здесь невозможен, потому что он превращается в выяснение отношений.

3. Эмоциональный груз руководителя.
Сотрудники начинают работать не на KPI, а на «хорошее настроение шефа». Они чувствуют ответственность за то, чтобы босс не расстроился, не выгорел и не психанул. Это путь к тотальному выгоранию команды, потому что ресурс уходит не на задачи, а на поддержание психологического комфорта одного человека.

4. Размытые роли.
Дружба, бизнес и семейные сценарии в одном флаконе. Когда рабочее решение принимается не на основе цифр, а на основе «ну как я ему откажу, он же нам как родной», компания теряет гибкость. Это закрытая система, где свежий взгляд извне воспринимается как угроза.

Итог простой: бизнес требует холодной дистанции. Как только вы начинаете требовать от сотрудника эмоциональной преданности вместо выполнения задач, вы перестаете управлять организацией и начинаете «воспитывать» своих подчиненных.

Выходит, что самое профессиональное, что может сделать руководитель — это вовремя сепарироваться от своей команды. Не быть «папой» или «мамой», а быть заказчиком результата.

Часто встречали компании, где «мы одна семья» — это не просто слоган, а оправдание для отсутствия процессов?

#психология #менеджмент

Как руководитель, часто ли вы после тренинга не ощущаете что ваши сотрудники стали лучше?
Вот памятка для руководителя что надо сделать чтобы тренинг принес максимальную пользу для продаж.

Продуктом являются не функции, которые мы сделали, а потребности, которые мы закрыли

ИИ снижает не стоимость программирования, а стоимость передачи информации между людьми.

Как было раньше:
Идея → презентация → обсуждение → дизайнер → макет → разработчик → аналитик → результат.

Мы ждали очередного шага и ИИ разрушил эту очередь. Кому-то было комфортно сидеть и ждать коллег. А теперь - время делать все самому пока они заняты!

Каждый раз, когда появляется мысль: «Надо попросить коллегу сделать...», должен срабатывать ИИ-будильник и задавать вопрос: «А могу ли я сделать это сам с помощью ИИ?»

Именно так выглядит современный продукт-менеджер.

Возникла мысль попросить коллегу сделать кусок работы? Вы уже проиграли. Садитесь и делайте сами. У вас в руках ИИ.

Теперь ваша схема:
идея → ИИ → результат.

Об этом выступил Дмитрий Тимко, руководитель Алиса AI.

Однако я вижу одну проблему. Почему реально в компании есть области ответственности? Потому что человек является не просто носителем экспертизы в дизайне или аналитике, а еще и владельцем данных. Чтобы что-то сделтаь за них - нужно залезть в их данные. Если ты владелец продукта - ты можешь. А если нет? Как тебе это сделать?

#ИИ #продукты

Системный подход к бизнесу

Около 80% компаний думают только о притоке: о том, как привлечь и нанять лучших специалистов, системный подход смотрит на систему целиком и фокусируется на оттоке: как удержать этих людей, как создать условия, чтобы они не уходили и чтобы их не пришлось увольнять.

Я часто такое вижу в бизнесе: мы потратили столько сил чтобы привлечь умных людей, но совсем не заботимся потом об их использовании и удержании.