На стриме, где планировали поговорить про мою работу, говорю больше часа про то, как прожить дольше и качественнее и ссылаюсь на книгу Питтера Аттиа Outlive и его подкаст. Пол Грэм в своем твиттере активно делится тезисами из книги, а не пишет про то, за что мы на него подписались. Вот и у Эндрю Чэна впервые за много лет случился оффтоп в его рассылке и он поделился графиками из Outlive.

Ну а я пока пишу саммари, как и обещал, но оно уже превращается немного в какое-то дополненное издание к книге, поэтому в ближайшее время будет анонс 🌚

28 января, в 16 по Лондону, проведем второй стрим с Адамом Елдаровым, в этот раз наконец-то обсудим как раскачаться и стать машиной
Добавить в календарь

Лучшее, что видел за последнее время, — вчерашнее выступление нового президента Аргентины Хавьера Милея на WEF в Давосе. Его цитирование Рейгана «The state is not the solution. The state is the problem», и речь в целом создавали вайб романов Айн Рэнд и ожившего Говарда Рорка из "The Fountainhead".

1-1

Все слышали про 1-1 (1:1, one-on-one) встречи. Это, по сути, основной инструмент любого People Manager’а в управлении людьми. О нем написано, кажется, если не все, то многое, но, несмотря на это, я постоянно вижу недопонимание, как использовать данный интерфейс.

Насколько я понимаю, впервые формализовал эту концепцию Эндрю Гроув в своей книге «High Output Management». Он там достаточно подробно объяснил, в чем смысл встреч, поэтому, кажется, правильным будет обращаться к первоисточнику.

1. Это встреча, которая полностью посвящена подчиненному, и тон задается именно им, площадка, которую выделяет руководитель подчиненному, чтобы обсудить ситуации, проблемы, вопросы и прочие вещи, о которых хочет поговорить подчиненный, чтобы в конечном счете осуществить взаимное обучение и обмен информацией. Самое главное — этот процесс взаимный.
2. Одна из причин, почему это встреча, где тон задается подчиненным, — руководителю с, к примеру, 8 репортами, готовиться нужно к 8 встречам, а подчиненный репортит, обычно, только одному менеджеру, поэтому куда эффективнее, если готовиться будет он. Соответственно, советы из некоторых менеджерских книг и статей про то, что менеджер должен готовиться к 1-1, мне кажутся не очень эффективными.
3. Несмотря на то, что тон задается подчиненным, встречей все еще владеет менеджер, и он является на ней фасилитатором, поэтому он и регулирует темп встречи, помогает подчиненному разобраться с проблемой. В конечном счете, его задача — обеспечить рост сотрудника через разрешение его задач, вопросов и проблем.
4. Часто вижу, как пишут, что темой 1-1 не может являться работа и задачи, над которыми работает сотрудник, что главная задача 1-1 — это «прощупать» настроение сотрудника и помочь ему через обратную связь и обмен информацией. Категорически не согласен. В целом, и Гроув у себя в книге пишет, что вопросы, обсуждаемые на встрече, могут относиться к любой теме, которая беспокоит подчиненного: проблемы с задачами, наймом, индикаторы перформанса, взаимоотношения с коллегами, ресурсы, ситуация в компании, зарплата и т.д. Задача менеджера, как писал выше, помочь сотруднику найти на них ответ. Если человека беспокоит его рабочая задача, то нужно обсудить, какие сложности он испытывает, и помочь ему с ней разобраться. Но да — это не процессный митинг, где люди обмениваются статусом задач, для этого есть другие форматы.
5. Из-за того, что менеджеры из адженды 1-1 выкидывают работу, они становятся редкими, что приводит к более хрупким отношениям между менеджером и подчиненным, петли обратной связи становятся более длинными и в результате менеджер либо узнает что-то слишком поздно, либо подключается помогать слишком поздно, что влечет за собой и более медленный рост сотрудника, и более низкое качество его работы.
6. Тоже очень распространенная история — «1-1 не нужны! Я и так несколько раз в неделю встречаюсь с подчиненным». Обычно это встречи либо случайные «в курилке», либо встречи, посвященные каким-то задачам или процессам, и часто в присутствии других. Это огромная разница с запланированными 1-1 митингами, на которые подчиненный готовится заранее, знает, сколько у него времени, и знает, что тон встречи задается им. Как минимум из-за психологического восприятия самой встречи.
7. «1-1 нужны только между прямым подчиненным и его менеджером» — нет. Есть такая штука, как skip level management. Если менеджить только direct report (в случае, если это менеджеры, у которых тоже есть репорты), то мы становимся заложниками информации, которую нам дают прямые подчиненные, а skip level report не сможет просочить информацию выше, если у них возникли трудности с их менеджерами. Прозрачную и гибкую среду так не построишь.
8. «Без 1-1 и так все хорошо». А как ты понял? Сколько раз провел? Подчиненный увидел этот инструмент, воспользовался им и сделал такой вывод? Получается, чтобы понять, что 1-1 создают инкремент добавленной ценности, нужно провести 1-1? Удивительно!

К сожалению, в изначальное сообщение не поместилась последняя мысль, которой хотел завершить пост: 1-1 настолько базовая и фундаментальная практика, что уже не является практикой вовсе, а становится принципом! Вопрос уже в том, как его воплотить в жизнь: частота, место, в каком формате, стиль фасилитации и менеджмента, подготовка, результативность, отслеживание прогресса, менеджмент артефактов и т.д.

P.S. Если вы пипл менеджер и все еще не читали «High Output Management», тогда я иду к вам! 🔫

Почитал про изменения, которые делает Apple в EC после наезда антимонопольщиков. Их юристы, конечно, молодцы. Смогли все равно защитить свои позиции, несмотря на регуляции. Интересно, будет ли регулятор как-то реагировать на это и пытаться продавить более лояльные условия для игроков на рынке.

А, вообще, ситуация очень комичная. В США у Epic в суде не получилось доказать, что Apple монополия, а вот в ЕС изи пизи лемон сквизи.

Если следовать логике европейских антимонопольщиков, то я монополист этого телеграм канала, так как писать сюда могу только я. Думаю, тоже стоит зарегулировать, чтобы другие юзеры получили возможность делать здесь посты.

Как экспериментировать, когда метрика Retention?

Одна из самых частых и сложных тем в продукте — Retention. Это главный показатель P/M Fit продукта, так как люди не будут возвращаться в продукт, который не решает их потребности.

Проблема в том, что многие продукты не могут похвастаться тем, что ими пользуются каждый день, что создаёт проблемы проведения экспериментов, которые должны влиять на возвращаемость. Например, у нас в Юду, покупка/аренда недвижимости, авиабилеты, отели — задачи не такие частые, как зайти в Instagram и полистать ленту с постами и просмотреть сторис. В таких случаях эксперимент должен длиться больше месяца или нескольких, чтобы отловить какие-то релевантные изменения в метриках.

Чаще всего в таких ситуациях поступают следующим образом:
• Не делают эксперименты, где пытаются как-то повлиять на возвращаемость, а просто выпускают в продакшн. Думаю, объяснять минусы подобного решения не нужно. Не нужно, правда?
• Делают долгие эксперименты, что влечет другой набор проблем: длинная петля обратной связи, снижение скорости итераций, квота экспериментирования забивается, что влияет и на количество самих изменений в продукте.

Как лучше поступить? Ответ прост — proxy. Нужно найти метрику, которая могла бы быстро предсказывать Retention (не важно rate, revenue и прочее). Обычно это метрики эффективности продукта, так как чем эффективнее продукт решает потребность пользователя, тем больше вероятность того, что пользователь вернется в продукт и воспользуется им снова.

Пример — Юду. Юду закрывает задачу поиска исполнителя. Эффективность измеряется скоростью поиска исполнителя, самим фактом мэтчинга, качеством найденного человека. Метрики, отвечающие за эти показатели, легко посчитать:
• Конверсия в контакт
• Время между началом поиска и контактом с исполнителем
• Отзыв (он, естественно, должен быть положительным) на исполнителя, если с ним было сотрудничество
По таким метрикам (это только их часть для примера) на ретроспективных данных очень хорошо предсказывается retention.

Но есть нюанс: correlation does not imply causation. Чтобы исключить ложную, обратную и прочие корреляции и строго установить причинно-следственную связь между метриками, мы можем сделать следующее:
• Просто забить. Если мы можем объяснить механизм корреляции, она подчиняется здравому смыслу, легко объясняется с точки зрения домена, воспроизводится на различных сегментах и выборках, имеет зависимость от силы проявления (dosage response), то вероятность того, что это не причинно-следственная связь, резко падает, но мы все равно рискуем быть заложниками bias’ов.
• Использовать алгоритмы causal inference для установки более строгой причинно-следственной связи.
• Пошатать метрики в проде через ухудшающие эксперименты, чтобы посмотреть, будет ли падать retention, если мы ухудшим наши прокси. Такой вариант самый дорогой и сложный: мы должны сделать изменения в проде, «пожертвовать» некоторыми пользователями, рисковать их недовольством, потратить время на сбор данных и дождаться, когда пройдет достаточно времени, чтобы мы могли проверить влияние на retention. Правда, сделать это нужно один раз и далее с чистой совестью ориентироваться на прокси.

Далее мы можем обучить ML-модель, которая сможет на основе наших прокси-метрик предсказывать кумулятивный эффект в будущем от изменений прокси в A/B.

Как экспериментировать, когда метрика LTV?

В комментариях к предыдущему посту затронули интересный кейс, когда работаем не просто с Retention, а с LTV. Расскажу, как поступать в таком случае.

Подход такой же — прокси. Но есть нюансы!

LTV (Life Time Value) — это прибыль, принесенная пользователем за свое время жизни. Считать нужно через Gross Profit: revenue минус COGS. Обычно LTV считают на какой-то дистанции: 6 месяцев, 12 месяцев и т.д. Подробнее про то, как правильно считать, в статье GoPractice.

LTV разделяется на 3 части:
• Активность и возвращаемость пользователя. По сути, это его Retention.
• Кумулятивная выручка, принесенная этой активностью.
• Кумулятивная расходная часть. При этом расходная составляющая состоит из 2-х элементов: себестоимость активности (переменные затраты на то, чтобы пользователь пользовался продуктом типа платных API карт, условных GPT, саппорт и т.д.) и себестоимость выручки (комиссии эквайринга или App Store и прочее, что мы тратим на то, чтобы получить с пользователя деньги).

Как видно, себестоимость активности полностью зависит от активности, а себестоимость выручки от выручки, соответственно. Поэтому проксировать можно только Retention и выручку.

Далее LTV можно представить как кумулятивную сумму на дистанции N периодов произведения вероятности Retention в период и дохода в этот период. Сразу становится понятно, что LTV зависит от движения Retention и движения выручки. Как результат:
• Движение прокси к Retention будет определять движение LTV.
• Осталось найти прокси к доходу, который обычно проксируется более коротким доходом.

В случае подписочных сервисов немного веселее, так как там вмешивается Churn подписки, а в длинных подписках (например, на год) мы можем выручку на дистанции получить сразу. Но Churn — это обратная функция от Retention, где зависимость не от возврата пользователя в продукт, а от отмены подписки. Принцип тот же, но с другой стороны.

Этот вариант годится, когда нам достаточно просто движение LTV. Например, выросла на 20% прокси и мы с каким-то доверительным интервалом можем сказать, что и LTV вырос на 20%, если зависимость между прокси и LTV линейная.

Если мы работаем не просто с LTV, а соотношением CAC/LTV, как в кейсе в комментах, то важны точные цифры. В этом случае нужно не просто предсказать движение LTV, а его точное значение, поэтому у нас должна быть модель, которая с фактических данных на короткой дистанции будет способна предсказать в будущем на нужную дистанцию LTV. Обычно такой предикт состоит из кумулятивной суммы нескольких элементов: предсказываем возврат пользователя в конкретный временной период (или вероятность удержания подписки в случае подписки), доход с пользователя в этот период, расходы на пользователя в этот период, суммируем периоды на нужной дистанции и получаем финальный ответ. Модель может быть простой, которая берет средние, может быть какой-то эвристической, затраты можно считать через фиксированные коэффициенты, а можно сделать продвинутую ML-модель, которая из большого количества признаков будет делать нужный нам расчет.

Например, из первого заказа в интернет-магазине предсказывать LTV, используя различные данные о товарах в заказе, их стоимость, поведение в продукте при совершении покупки, соц-дем, картой какого банка платил, с какого устройства это делал и т.д.

Outlive

Outlive - это книга о долголетии: о том, как прожить долгую, здоровую и счастливую жизнь. Она систематизирует передовой научный ресерч, чтобы получить на выходе практичный и полезный фреймворк, который каждый мог бы применить.

Доктор Питтер Аттиа — это врач, специализирующийся на прикладной науке longevity и wellness. Получив степень доктора медицины в Стэнфордском университете, он работал в больнице Джона Хопкинса и Национальном институте рака. Так же Питер известен своим подкастом The Drive, который я очень люблю и регулярно слушаю.

Книга, на мой взгляд, как и подкаст, является лучшим продуктом в своей теме. Она очень привередлива в тех тезисах, которые озвучивает, работает от первых принципов, системно и приправлена практическими кейсами автора, который является практикующим специалистом в области долголетия и имеет большой опыт в стандартной врачебной практике.

В этом посте я поделюсь общей канвой и ключевыми идеями из книги, которые стоят, на мой взгляд, внимания. Так же книга, как сказал выше, систематизирует подход к долголетию, который я буду использовать, как основу для дальнейшего повествования в канале, расскрывая все сильнее, затронутые темы, используя, как материал книги, материал из подкаста и другие материалы и знания, которыми владею сам, так как некоторые моменты Аттиа либо не раскрывает достаточно хорошо, либо я с ним вовсе не согласен.

https://telegra.ph/Klyuchevye-idei-Outlive-02-02-2

Дошли руки, наконец, потыкать в модный нынче Linear, который сейчас юзает каждый уважающий себя стартап в долине. Никогда бы не подумал, что можно переизобрести таск трекер, но тестируя сервис чувствуется вся та боль, что испытывали фаундеры при использовании стандартных монструозных джир, асан или ни на что неспособных трело, потому что в Linear просто все работает, как надо. Такое ощущается только на контрасте.

Краткое мое впечатление можно описать названием всем известной песни — Smooth Operator.

Хороший пример того, что даже на заполненной нише, где кажется, что все уже занято, можно быть успешным, создавая добавленную ценность через точечное решение ключевых задач пользователей на фундаментально другом уровне UX и правильно позиционируя продукт на рынке. Linear явно полагается на PLG, как и другие успешные тулы типа слака, ноушн, фигмы и миро, да и с точки зрения UX и ощущений чувствуется так же.

И теперь для себя я выработал «Правило SFN»: есть ли в какой-то SaaS нише продукт, который создает у меня такое же впечатление, как Slack, Figma и Notion? Если нет, то явно есть возможность сделать лучше.

Как понять, что у вас проблемы с execution и планированием?

Если вы называете какой-то срок, и ваш собеседник в уме умножает это число на некий коэффициент хN, чтобы понять, когда это на самом деле будет сделано.

Стратегия

Strategy without tactics is the slowest route to victory. Tactics without strategy is the noise before defeat. — Sun Tzu

Стратегия - одно из самых опасных понятий в бизнесе. Хотя большинство согласны с тем, что это чрезвычайно важно, как только вы начинаете обращать внимание на то, как это слово используется, вы вскоре задаетесь вопросом, имеет ли оно вообще какой-либо смысл.

Согласно Ричарду Румельту, стратегия - это метод, который позволяет преодолеть препятствия на пути к достижению целей. Он описывает хорошую стратегию как последовательное сочетание политики и действий, направленных на преодоление ключевых проблем и ограничений. В своей книге «Good Strategy Bad Strategy», он формулирует так называемое "Ядро" хорошей стратегии, которое состоит из трех элементов:
- Диагностика: Это включает в себя четкое понимание и объяснение характера проблемы, определение критических факторов, которые мешают достижению целей организации.
- Руководящая политика: Это общий подход или методика решения проблемы, объясняющая способ и принцип ее решения.
- Согласованные действия: Это набор скоординированных, целенаправленных и осуществимых шагов для реализации руководящей политики. Это конкретные действия, которые нужно предпринять для преодоления проблемы. Это то, как наш ключевой принцип будет переведен в приоритеты, ставки и точки приложения усилий.

Румельт утверждает, что стратегия не связана с амбициями, лидерством, видением или экономической логикой конкуренции. Она, скорее, определяет критические узкие места и формулирует методы их устранения. Хорошие стратегии обычно сосредотачиваются на ключевых решениях, что подчеркивает концентрацию усилий и фокусировку.

Компании не существуют в вакууме, они функционируют в рыночной среде с конкурентами. Отсюда следует, что стратегия - это способ, которым организация достигает превосходства в условиях конкуренции. Но что такое конкуренция и как она работает? Важно понимать природу конкуренции и успеха. Конкуренцию часто воспринимают как войну, но это непродуктивное мышление. Ключ к успеху - способность организации создавать уникальную ценность.

По Портеру, компании должны стремиться быть уникальными, а не просто лучшими. Стратегическая конкуренция предполагает выбор пути, отличного от пути других.

Стратегия определяет, как организация, столкнувшись с конкуренцией, может достигнуть уникальности, что приведет к тому, что вы предлагаете качественный продукт по более низкой цене, имеете уникальный продукт, отличающийся от того, что предлагают конкуренты, или оба варианта одновременно.

Uber выпустил сегодня свою отчетность за 23 год. Закрыли год тотал с операционной прибылью $1.1 млрд. и adj. EBITDA $4 млрд и продолжают расти по поездкам.

До этого они были глубокого убыточными, что создавало негативный флер от горе экспертов в духе: «Убер может жить только на венчурные деньги». Где вы теперь, воины?

Думаю, все видели стремительный рост стоков Nvidia, вызванный AI прогрессом и ему соответствующим ростом спроса на GPU. Пишут, что топ-4 кастомера Nvidia генерят 40% выручки и все четверо разрабатывают свои чипы для тренировки/инференса. Шортим?

Правда, есть нюанс. Насколько я понимаю, в конечном счете они все выстроятся в одну очередь к TSMC, у которой и так беклог забит.

Notion купили Skiff. Это такая privacy-first платформа для работы с e2e шифрованием: почтовик, доки, календарь, сторадж.

Учитывая, что Notion недавно выпустила свой клиент для календаря, который на самом деле, купленный ими ранее Cron, то, похоже, они собираются замкнуть на себе большинство кейсов, что есть на работе.

Думаю, на территорию слака и миро они не полезут, ибо слишком мало комплиментарности для врывания на занятые ниши, а вот с тем же Linear потягаться в истреблении динозавров смогут. Тем более, что у Notion и так уже есть таск трекер и они его постоянно развивают.

На какие еще юзкейсы, по вашему, Notion нужно и можно расширяться?

Хороший и резонирующий пост Арсения.

Есть такая книжка Drive, где автор говорит, что есть два типа людей/процессов/работы:
- где важна внешняя денежная/материальная мотивация и, обычно, это в рутинных задачах.
- где материальная часть важна только на уровне базово-адекватном, а фундаментом являются другие внутренние и нематериальные драйверы мотивации.

И вот этими мотиваторами автор считает:
1. Предназначение, цель, миссия. Так сказать, ответ на вопрос «чтобы что?», который будет заставлять тебя вставать по утрам и двигаться вперед.
2. Возможность прокачивать свое мастерство и получать опыт.
3. Автономность: что делать, как делать, когда и где.

Так вот, в этой модели прекрасно все, но, как будто, чего то не хватало.

Я для себя отметил, что мне еще важны две вещи:
- Люди: Опытная и классная команда, у которой можно учиться это, конечно, в пункте про мастерство, но важно еще, чтобы и по кайфу с этими людьми было!
- Условия: этот пункт добавил сейчас после прочтения поста Арсения. Все таки, выбирая из двух одинаковых сэтапов, где в одном случае возможность работать из клевого офиса в Калифорнии, а в другом это условный подвал в Норильске — выбор очевиден.

Наткнулся на совершенно новый для меня способ думать об эффективности исследований (и в целом продуктовых подходов).

В медицинских исследованиях есть два способа оценивать эффективность лекарств.
Есть эффективность "per protocol" (PP), когда при оценке лекарства смотрят только на тех пациентов, которые строго следовали указанному протоколу лечения - частоте, дозировкам итд.
Есть эффективность "intention to treat" (ITT), когда эффективность оценивают по всем участникам исследования, в том числе по тем, кто путал дозировки или бросал на середине.

Эти две оценки различаются, так как люди часто не следуют протоколу - забивают, снижают дозы или перестают принимать лекарство совсем с появлением побочных эффектов, и т.д.
Если эффективность "per protocol" отличается от "intention to treat" очень сильно, это может значить, что лекарство в целом эффективно, но схеме лечения сложно следовать.

"Золотым стандартом" для оценки эффективности является "intention to treat", потому что она точнее отражает реальную клиническую практику. Нам важно, чтобы лекарство было эффективным не только в лаборатории, но и в обычной жизни, где за пациентом не следят.

Это разделение на PP и ITT легко переносится и на исследовательские, менеджерские, продуктовые подходы.

Например, я уверен, что подход Ульвика к созданию продуктов (с выделением сотен desired outcomes, выявлением underserved outcomes и их кластеризацией) имеет очень высокую PP эффективность. Но следовать этому "протоколу" очень сложно, поэтому ITT эффективность у него невысока.

Или условное включённое наблюдение имеет высокую PP эффективность, но относительно низкую ITT, потому что не все умеют проводить его хорошо.
Наконец, споры про "scrum это супер, вы просто неправильно его применяете" или "все неправильно понимают, что такое lean ux" обращаются к той же теме - зазору между теоретически достижимой "per-protocol" эффективностью подхода, и реальной "intention to treat" эффективностью, учитывающей сложность использования.

Интересно, что эффективность "intention to treat" явно зависит от выборки людей и их культуры (их способности следовать протоколу), может отличаться в разных сообществах, и, видимо, меняться со временем.
Например, процесс демократизации исследований явно снижает ITT части исследовательских методов, включая "в выборку" людей, которые к исследовательским "протоколам" непривычны.

Ну и мне конечно симпатична идея, что лекарства оценивают по ITT - т.е. что хорошее лекарство должно быть в том числе таким, чтобы средний пациент мог его +- нормально принимать (или чтобы оно работало даже несмотря на отклонения от протокола лечения).
Нам в исследованиях стоит поучиться, мне кажется.

__
Про саму идею прочитал у Скотта Александера, он использует её для обсуждения социальных практик и проблем (условно, можно ли утверждать, что у христианства высокая PP эффективность для построения счастливых сообществ, хотя и невысокая ITT, т.к. его практикуют неправильно).
Это тоже кажется очень интересным.

У Марти Кагана наконец случился релиз его новой книги — Transformed. Уже читаю. Предыдущие его книги Inspired и Empowered топ и must read для любого продакта. По итогу отпишусь, какое мнение о данном продукте.

Transformed про путь перехода компаний к Product Operating Model, за которую он топит в последние пару лет у себя в блоге SVPG. Это концептуальная модель и набор принципов, которых должна придерживаться компания, чтобы делать технологичные и востребованные продукты: необходимость экспериментов, продуктовые команды, инновации превыше предсказуемости и тд.

Отличная книга для тех, кто хочет понять, что такое «правильная» продуктовая компания, какими должны быть в ней процессы, принципы ее работы, культура, структура, топология и прочее, и, самое главное, как это воплотить в реальность.

В отличие от предыдущих книг она не для продактов, а для условных CEO и фаундеров, для которых в одном месте собрана вся нужная информация в «методичке», описывающей конечное желаемое/идеальное состояние, из каких атомов оно состоит, как понять, как выглядит текущий ваш стейт и как прочертить путь в конечную точку и не сойти с него. В последнем, на мой взгляд, и заключается ключевая ценность книги: не только теория, но и много прикладной информации, которая не оставит у человека фрустрации, как какой-нибудь скрам-гайд, после которого в голове сразу же возникает вопрос «это все, конечно, круто, а как это все реализовать?».

Рассмотрены ключевые топики:

- Продуктовая и инженерная культура и ее ключевые фундаментальные принципы.
- Процессы, начиная от стратегии и заканчивая локальным планированием и PDCA циклами. В целом, как происходит достижение целей, их выявление, планирование и дальнейшее каскадирование с самого дискавери до деливери.
- Люди: какие роли, какие люди и компетенции они должны иметь, как их организовать в команды, как и с помощью кого/чего ими управлять.
- Стратегия и тактики трансформации в эту самую «правильную» продуктовую компанию: кто, за счет чего, когда и зачем.
- Все это приправлено кейсами и примерами из индустрии.

Из личного опыта наблюдений могу сказать, что 9 из 10 компаний на рынке не соответствуют Product Operating Model даже близко, а вот эта самая 1 из 10 будет стремиться к ней, но стремление к идеалу это, скорее, постоянный процесс и достичь его невозможно, и ключевой вопрос всегда в наличии этого процесса.

От новой suno.ai мне снесло башню так же, как и от появления ChatGPT, а я, если честно, думал, такое повторится не скоро

Пример (не мой): https://app.suno.ai/song/a6904708-ace4-4c82-a01d-e5542e74e9d4