Python скрипт для анализа вакансий на HeadHunter
Написал парсер вакансий на HeadHunter и построил аналитику по вакансиям менеджера продукта. Парсер строит визуализацию по грейдам, нанимающих компаниям, городам, необходимым навыкам и зарплатным вилкам. Код выложил в открытый доступ в виде Google Colab, его можно быстро и просто адаптировать под парсинг любой профессии.
А для будущих и настоящих продакт-менеджеров – опубликовал отчет со свежей аналитикой в своем блоге.
Написал парсер вакансий на HeadHunter и построил аналитику по вакансиям менеджера продукта. Парсер строит визуализацию по грейдам, нанимающих компаниям, городам, необходимым навыкам и зарплатным вилкам. Код выложил в открытый доступ в виде Google Colab, его можно быстро и просто адаптировать под парсинг любой профессии.
А для будущих и настоящих продакт-менеджеров – опубликовал отчет со свежей аналитикой в своем блоге.
16🔥5
Пошаговый план проведения ретроспективы
Ретроспектива — групповая рефлексия, инструмент непрерывного процесса совершенствования и культурных изменений в команде. Но, чаще мы слышим про «ретро» в контексте некоторого мероприятия в конце спринта разработки. Однако, большинство команд не придерживается ни scrum, ни итеративного подхода в создании it продуктов. Но это не повод отказываться ни от саморефлексии, ни от групповой рефлексии при достижении заданных проектных майлстоунов.
Пошаговый план и шаблон проведения ретро для команды 10+ человек описан в моем блоге.
Ретроспектива — групповая рефлексия, инструмент непрерывного процесса совершенствования и культурных изменений в команде. Но, чаще мы слышим про «ретро» в контексте некоторого мероприятия в конце спринта разработки. Однако, большинство команд не придерживается ни scrum, ни итеративного подхода в создании it продуктов. Но это не повод отказываться ни от саморефлексии, ни от групповой рефлексии при достижении заданных проектных майлстоунов.
Пошаговый план и шаблон проведения ретро для команды 10+ человек описан в моем блоге.
19🔥3
Продуктовая EdTech Теорема #1
«Отсутствие дедлайнов в образовательном курсе ведет к ↑ выручки и ↓ доходимости. И наоборот, наличие дедлайнов ведет к ↓ выручки и ↑ доходимости»
Вот такая простая теорема, которая легко интуитивно выводится и подтверждается менеджерами edTech-компаний. Логичный вывод для будущих учеников любых курсов: в self-paced режиме обучения вероятность дойти до конца курса и получить диплом ниже, так же как и вероятность вернуть деньги за обучение.
И следствие из этой Теоремы:
«В образовательных курсах без дедлайнов число возвратов → 0»
«Отсутствие дедлайнов в образовательном курсе ведет к ↑ выручки и ↓ доходимости. И наоборот, наличие дедлайнов ведет к ↓ выручки и ↑ доходимости»
Вот такая простая теорема, которая легко интуитивно выводится и подтверждается менеджерами edTech-компаний. Логичный вывод для будущих учеников любых курсов: в self-paced режиме обучения вероятность дойти до конца курса и получить диплом ниже, так же как и вероятность вернуть деньги за обучение.
И следствие из этой Теоремы:
«В образовательных курсах без дедлайнов число возвратов → 0»
16👍4❤3🔥3
Свободный университет открывает зимний набор (на 81 курс)
Наблюдаю за Свободным с начала его рождения и внимательно слежу за появлением новых именитых преподавателей, новых курсов, программ и целых направлений. Свободный это место где можно изучать литературу под руководством Дмитрия Быкова, философию искусства вместе с Андреем Великановым, а математику с преподавателями мехмата МГУ.
И для развития навыков менеджмента тоже есть много интересных курсов, например,
· Качественные исследования для маркетинга и бизнеса →
· (Ир)рациональность? Краткое введение в поведенческую экономику →
· Управление дизайном. Как поставить задачу исполнителю и добиться результата →
И много много дургих бесплатных курсов (и некоторых немного платных)
Наблюдаю за Свободным с начала его рождения и внимательно слежу за появлением новых именитых преподавателей, новых курсов, программ и целых направлений. Свободный это место где можно изучать литературу под руководством Дмитрия Быкова, философию искусства вместе с Андреем Великановым, а математику с преподавателями мехмата МГУ.
И для развития навыков менеджмента тоже есть много интересных курсов, например,
· Качественные исследования для маркетинга и бизнеса →
· (Ир)рациональность? Краткое введение в поведенческую экономику →
· Управление дизайном. Как поставить задачу исполнителю и добиться результата →
И много много дургих бесплатных курсов (и некоторых немного платных)
26❤6
Блог сгенерированный ChatGPT
Не смог пройти мимо шума вокруг ChatGPT. Поскармливал в него математичсекие задачи, но робот поломался на простых логических задачках для 5-го класса. Попробовал использовать GPT-3 по назначению: для генерации текстов и сгенерировал целый блог на Wordpress из 300 статей на тему «продакт-менеджмента» на русском языке — ProductBook.ru.
Отмечу, что робот от OpenAI очень даже хорошо справялется с написанием summary объемных текстов. Интересно посмотреть, как поисковые системы будут индексировать такой дешевый сгенерированный контент. На создание (бессмысленных, но часто вполне логичных) текстов ушло 20$ промо бюджета от OpenAI. И пара часов моего времени на поднятие Wordpress и написание скрипта для автоматизации в Google Colab.
· Сгенерированный блог →
· И сам скрипт на Python в Google Colab →
Не смог пройти мимо шума вокруг ChatGPT. Поскармливал в него математичсекие задачи, но робот поломался на простых логических задачках для 5-го класса. Попробовал использовать GPT-3 по назначению: для генерации текстов и сгенерировал целый блог на Wordpress из 300 статей на тему «продакт-менеджмента» на русском языке — ProductBook.ru.
Отмечу, что робот от OpenAI очень даже хорошо справялется с написанием summary объемных текстов. Интересно посмотреть, как поисковые системы будут индексировать такой дешевый сгенерированный контент. На создание (бессмысленных, но часто вполне логичных) текстов ушло 20$ промо бюджета от OpenAI. И пара часов моего времени на поднятие Wordpress и написание скрипта для автоматизации в Google Colab.
· Сгенерированный блог →
· И сам скрипт на Python в Google Colab →
21❤4🔥4
Виртуальная «Трудоголишная»
C 1-го февраля запускаю виртуальную (online) Трудоголишную по средам.
Идею проекта я однажды увидел у Миши Яновича в Facebook и хочу ее позаимствовать с некоторой адаптацией под современный remote-мир, когда все знакомые и друзья поразъехались по разным уголкам мира.
Суть «Трудоголишной» заключается в совместной работе над задачами по методу Pomodoro на протяжении всего дня.
Зачем?
Во-первых, познакомиться с новыми интересными людьми.
Во-вторых, более эффективно расправиться с рабочими задачами за счет совместной поддержки друг-друга.
Как проходит?
9:30–09:50 – знакомимся друг с другом с чашкой кофе и готовим задачи на день в виде стикеров
09:50–10:00 – рассказываем друг другу про задачи на день
10:00–13:00 – работаем 30-минутными интервалами с 5-минутными перерывами
13:00–14:00 – перерыв на обед
14:00–18:30 – продолжаем работу
18:30–19:00 – рассказываем друг другу, что получилось, а что нет
(время московское)
Если хотите по средам поработать вместе в формате виртуальной трудоголишной — напишите мне в личку @zavarov, я расскажу как принять участие и поделюсь ссылкой на подключение.
C 1-го февраля запускаю виртуальную (online) Трудоголишную по средам.
Идею проекта я однажды увидел у Миши Яновича в Facebook и хочу ее позаимствовать с некоторой адаптацией под современный remote-мир, когда все знакомые и друзья поразъехались по разным уголкам мира.
Суть «Трудоголишной» заключается в совместной работе над задачами по методу Pomodoro на протяжении всего дня.
Зачем?
Во-первых, познакомиться с новыми интересными людьми.
Во-вторых, более эффективно расправиться с рабочими задачами за счет совместной поддержки друг-друга.
Как проходит?
9:30–09:50 – знакомимся друг с другом с чашкой кофе и готовим задачи на день в виде стикеров
09:50–10:00 – рассказываем друг другу про задачи на день
10:00–13:00 – работаем 30-минутными интервалами с 5-минутными перерывами
13:00–14:00 – перерыв на обед
14:00–18:30 – продолжаем работу
18:30–19:00 – рассказываем друг другу, что получилось, а что нет
(время московское)
Если хотите по средам поработать вместе в формате виртуальной трудоголишной — напишите мне в личку @zavarov, я расскажу как принять участие и поделюсь ссылкой на подключение.
20🔥7⚡4❤3
Исследование рынка продактов 2023
Сегодня коллеги поделились новым исследованием рынка продактов, и оно выглядит вполне впечатляюще. Проводили его ребята Яндекс Практикума, Product Sense и RevalTheData. И, если вы продакт и близкий к разработке продукта специалист, то стоит выделить время на его изучение.
Некоторые мои выводы:
1. Большая доля (35%) продактов — выходцы из роли проджект-менеджера. Связано это с тем, что IT компании меняются в сторону более гибких процессов и роль менеджеров проектов трансформируется в роль Product Owner'ов, а российский рынок не различает между собой роли PdM и PO.
2. Все еще остается большая волатильность в понимании роли PdM. У 32% респондентов не совпали ожидания от задач при выходе на работу в новой роли.
3. TOP проблем продактов: рутина, слабые руководители, много проектных задач. Эти проблемы подтверждают оба пункта выше.
4. Самая большая сложность в работе — «неопределенность». Здесь хочется сказать «добро пожаловать в менеджмент», ведь в этой профессии неопределенности немного меньше, чем в предпринимательстве.
5. Большая часть продактов активно прокачивает свои навыки и знания. И чем выше грейд, тем выше эта активность.
6. Чеще всего руководители оценивают субъективно результаты работы своих продактов.
7. Высокие зарплаты получают менеджеры, которые хорошо разбираются в исследованиях, в технологиях и в маркетинге одновременно.
· Иисследование и подробный отчет →
· Дашборд с результатами →
· Подборка книг, каналов, подкастов, блогов →
Сегодня коллеги поделились новым исследованием рынка продактов, и оно выглядит вполне впечатляюще. Проводили его ребята Яндекс Практикума, Product Sense и RevalTheData. И, если вы продакт и близкий к разработке продукта специалист, то стоит выделить время на его изучение.
Некоторые мои выводы:
1. Большая доля (35%) продактов — выходцы из роли проджект-менеджера. Связано это с тем, что IT компании меняются в сторону более гибких процессов и роль менеджеров проектов трансформируется в роль Product Owner'ов, а российский рынок не различает между собой роли PdM и PO.
2. Все еще остается большая волатильность в понимании роли PdM. У 32% респондентов не совпали ожидания от задач при выходе на работу в новой роли.
3. TOP проблем продактов: рутина, слабые руководители, много проектных задач. Эти проблемы подтверждают оба пункта выше.
4. Самая большая сложность в работе — «неопределенность». Здесь хочется сказать «добро пожаловать в менеджмент», ведь в этой профессии неопределенности немного меньше, чем в предпринимательстве.
5. Большая часть продактов активно прокачивает свои навыки и знания. И чем выше грейд, тем выше эта активность.
6. Чеще всего руководители оценивают субъективно результаты работы своих продактов.
7. Высокие зарплаты получают менеджеры, которые хорошо разбираются в исследованиях, в технологиях и в маркетинге одновременно.
· Иисследование и подробный отчет →
· Дашборд с результатами →
· Подборка книг, каналов, подкастов, блогов →
26👍6
Универсальный подход к решению тестовых заданий на роль продакта
Решение тестового задания занимает значительно больше времени, чем озвучивают нанимающие-, HR- менеджеры. Тем обиднее, когда кандидаты тратят много времени и сил на работу, продуктовая ценность которой оказывается минимальной.
Часто встречается задания "предложить идеи роста продукта". И к такому типу заданий есть универсальный подход, следование которому покажет продуктовое, логическое и творческое мышление кандидата.
Последовательность шагов:
1. Изучить ЦА продукта. На этом шаге нужно исследовать бизнес или сам продукт через открытые источники информации, например, similarweb, statista, etc. Из этих данных можно собрать общее представление о пользователях продукта, но достаточно точное и правдивое. На твердом фундаменте понятой ЦА будет строиться следующий шаг.
2. Выделить ключевой сегмент ЦА. Описание ЦА, которое получено на 1-м шаге — лишь общее очертание границ для исследования пользователей продукта. А значит нужно выделить конкретные сегменты пользователей, на которые можно будет опираться в дальнейшей работе. Предположите характеристики сегмента, который является А-сегментом в терминологии ABCDX-сегментации. При этом, не имеет значения, какой из фреймворков использовать User Persona's, JTBD, etc. для сегментации. Это дело вкуса или привычки.
3. Описать иерархию метрик. Теперь мы знаем пользователей, для которых создается продукт. Но все еще не знаем как функционирует бизнес и как монетизируется продукт. А значит нужно определить ключевую бизнес-метрику (например, Revenue, GMV) и цепочку связанных с ней продуктовых метрик. Далее мы будем работать над инициативами, которые должны растить продуктовые метрики, и, как следствие, растить бизнес.
4. Придумать 3 гипотезы роста. Самый творческий и важный этап работы, который твердо базируется на выбранном сегменте ЦА и описанных выше метриках. Придумать несколько гипотез для роста ключевой бизнес-метрики через влияние на метрики продукта. Концентрируясь на потребностях пользователей и их целях. Описать можно как в формате гипотез, так и в формате User Stories. Придумать гипотезы роста поможет:
a. Изучение конкурентов.
b. Обсуждение продукта с экспертами (знакомыми?).
c. Изучение отчетов с трендами.
d. Модный способ: спросить GPT-3.
5. Выбрать одну лучшую. Приоритизировать гипотезы методом RICE или простым аналогом. Выбрать самую перспективную и детально ее описать в виде MVP, хорошо, если с простыми макетами.
PROFIT!
Решение тестового задания занимает значительно больше времени, чем озвучивают нанимающие-, HR- менеджеры. Тем обиднее, когда кандидаты тратят много времени и сил на работу, продуктовая ценность которой оказывается минимальной.
Часто встречается задания "предложить идеи роста продукта". И к такому типу заданий есть универсальный подход, следование которому покажет продуктовое, логическое и творческое мышление кандидата.
Последовательность шагов:
1. Изучить ЦА продукта. На этом шаге нужно исследовать бизнес или сам продукт через открытые источники информации, например, similarweb, statista, etc. Из этих данных можно собрать общее представление о пользователях продукта, но достаточно точное и правдивое. На твердом фундаменте понятой ЦА будет строиться следующий шаг.
2. Выделить ключевой сегмент ЦА. Описание ЦА, которое получено на 1-м шаге — лишь общее очертание границ для исследования пользователей продукта. А значит нужно выделить конкретные сегменты пользователей, на которые можно будет опираться в дальнейшей работе. Предположите характеристики сегмента, который является А-сегментом в терминологии ABCDX-сегментации. При этом, не имеет значения, какой из фреймворков использовать User Persona's, JTBD, etc. для сегментации. Это дело вкуса или привычки.
3. Описать иерархию метрик. Теперь мы знаем пользователей, для которых создается продукт. Но все еще не знаем как функционирует бизнес и как монетизируется продукт. А значит нужно определить ключевую бизнес-метрику (например, Revenue, GMV) и цепочку связанных с ней продуктовых метрик. Далее мы будем работать над инициативами, которые должны растить продуктовые метрики, и, как следствие, растить бизнес.
4. Придумать 3 гипотезы роста. Самый творческий и важный этап работы, который твердо базируется на выбранном сегменте ЦА и описанных выше метриках. Придумать несколько гипотез для роста ключевой бизнес-метрики через влияние на метрики продукта. Концентрируясь на потребностях пользователей и их целях. Описать можно как в формате гипотез, так и в формате User Stories. Придумать гипотезы роста поможет:
a. Изучение конкурентов.
b. Обсуждение продукта с экспертами (знакомыми?).
c. Изучение отчетов с трендами.
d. Модный способ: спросить GPT-3.
5. Выбрать одну лучшую. Приоритизировать гипотезы методом RICE или простым аналогом. Выбрать самую перспективную и детально ее описать в виде MVP, хорошо, если с простыми макетами.
PROFIT!
25👍5❤3🏆3🙏2
На написание этой заметки меня вдохновил разговор с одним опытным «коллегой по цеху» (создателем tech продуктов), который глубоко разбирается в разных областях знаний и запустил два стартапа на разных рынках. Про таких пишут — M-shape специалист, полимат. Или в терминологии Богдана Кравцова — баобаб.
Обсуждали мы проблему «Почему после прохождение всех секций на позицию страшего продакт-менеджера, компании не возвращаются с оффером». Камень преткновения оказался в том, что он всегда общался со зрелыми компаниями и зрелыми продуктами с большой активной аудиторией и, которые "вылизаны" до мелочей.
Таким компаниям не нужны полиматы, любой узко заточенный эксперт для них окажется более предпочтителен. Да и полиматам противопоказаны такие компании, отсутвие комплексных задач из разных областей знаний приведет к ближайшему тотальному выгоранию.
Если бы мой знакомый хорошо понимал себя, особенности своего характера (не уверен, что это подходящее слово), то он бы искал другие компании, другие продукты и другие рабочие задачи. Такие, которые микроэкспертам (I-shaped) не по зубум.
Быстрый вывод из этой истории: не стоит поддаваться внешнему давлению / влиянию и отказываться от своих потребностей в решении многогранных кросс-дисциплинарных задач в пользу задач узко направленных.
Для интересующихся:
· YouTube канал Богдана Кравцова →
· Статья про I/T/M-Shape →
Обсуждали мы проблему «Почему после прохождение всех секций на позицию страшего продакт-менеджера, компании не возвращаются с оффером». Камень преткновения оказался в том, что он всегда общался со зрелыми компаниями и зрелыми продуктами с большой активной аудиторией и, которые "вылизаны" до мелочей.
Таким компаниям не нужны полиматы, любой узко заточенный эксперт для них окажется более предпочтителен. Да и полиматам противопоказаны такие компании, отсутвие комплексных задач из разных областей знаний приведет к ближайшему тотальному выгоранию.
Если бы мой знакомый хорошо понимал себя, особенности своего характера (не уверен, что это подходящее слово), то он бы искал другие компании, другие продукты и другие рабочие задачи. Такие, которые микроэкспертам (I-shaped) не по зубум.
Быстрый вывод из этой истории: не стоит поддаваться внешнему давлению / влиянию и отказываться от своих потребностей в решении многогранных кросс-дисциплинарных задач в пользу задач узко направленных.
Для интересующихся:
· YouTube канал Богдана Кравцова →
· Статья про I/T/M-Shape →
25👍8
Друзья, всем привет!
Запускаю новую рубрику посвященную решению интересных кейсов и задач, которые встречаются на интервью на роль руководителя продукта в продуктовые компании.
Задачи будут разделяться на категории по секциям, как это принято в большинстве крупных IT компаний, вот краткое описание секций:
1. Продуктовая секция. Включает задачи по маркетингу, анализу рынка и конкурентов, формированию стратегии, запуску, управлению и масштабированию продуктов.
2. UX / Design секция. Включает задачи по качественным исследованиям, проверке продуктовых гипотез, проведению глубинных интервью; задачи на понимание своих пользователей и их истинных потребностей.
3. Аналитическая секция. Включает задачи по количественным исследованиям и, в целом, по продуктовой аналитике и умению принимать решения на основе данных.
4. Проектная секция. Включает задачи по управлению проектами, задачи на знание классических и гибких методологий разработки, задачи на умение управлять техническими командами. Проектная секция — обязательный этап для кандидатов на роль руководителя продукта в Яндекс.
5. Техническая секция (AA). Ещё одна обязательная секция для руководителей в Яндекс, которая включает задачи на общую компьютерную и техническую грамотность (Computer Science).
В билжайшем посте опубликую первую задачу рубрики 💎
Запускаю новую рубрику посвященную решению интересных кейсов и задач, которые встречаются на интервью на роль руководителя продукта в продуктовые компании.
Задачи будут разделяться на категории по секциям, как это принято в большинстве крупных IT компаний, вот краткое описание секций:
1. Продуктовая секция. Включает задачи по маркетингу, анализу рынка и конкурентов, формированию стратегии, запуску, управлению и масштабированию продуктов.
2. UX / Design секция. Включает задачи по качественным исследованиям, проверке продуктовых гипотез, проведению глубинных интервью; задачи на понимание своих пользователей и их истинных потребностей.
3. Аналитическая секция. Включает задачи по количественным исследованиям и, в целом, по продуктовой аналитике и умению принимать решения на основе данных.
4. Проектная секция. Включает задачи по управлению проектами, задачи на знание классических и гибких методологий разработки, задачи на умение управлять техническими командами. Проектная секция — обязательный этап для кандидатов на роль руководителя продукта в Яндекс.
5. Техническая секция (AA). Ещё одна обязательная секция для руководителей в Яндекс, которая включает задачи на общую компьютерную и техническую грамотность (Computer Science).
В билжайшем посте опубликую первую задачу рубрики 💎
14🔥9❤3
Блиц-задача для разминки из аналитической секции, которую можно встретить на собеседовании в мобильный продукт с большой активной аудиторией.
Задача. Вы продакт популярного мобильного приложения для покупки и чтения цифрового контента. Приложение доступно на двух платформах: iOS и Android.
Вы заметили, что CR (Conversion Rate) в оплату на Android-версии приложения от месяца к месяцу (MoM) падает, а CR в оплату на iOS-версии не меняется. Однако, усредненный CR в оплату по обеим платформам растет.
Как можно объяснить такое поведение усредненного CR?
Решение.Ответить на вопрос поможет знание эффекта в статистике, который называется «Парадокс Симпсона ». Это когда в каждой группе выполняется одно соотношение между данными, а в объединении групп — противоположное. Например, в нашей задаче конверсия в каждой группе (платформе) не растет, а в объединении групп (среднее по обеим платформам) — растет.
Парадокс возникает при некорректном усреднении неконсистентных данных двух групп, т.е. в нашей задаче усредненный CR рассчитан некорректно (иначе мы бы не наблюдали его рост при отсутствии роста CR хотя бы на одной из платформ). Этим и объясняется такое поведение усредненного CR.
В комментариях иллюстрация для большей наглядности с синтетической ситуацией, когда усредненный CR по обеим платформам растет не смотря на падающий CR в Android. Однако, если среднее значение пересчитать с учетом весов (Consistency Average), то оно тоже будет падать.
Задача. Вы продакт популярного мобильного приложения для покупки и чтения цифрового контента. Приложение доступно на двух платформах: iOS и Android.
Вы заметили, что CR (Conversion Rate) в оплату на Android-версии приложения от месяца к месяцу (MoM) падает, а CR в оплату на iOS-версии не меняется. Однако, усредненный CR в оплату по обеим платформам растет.
Как можно объяснить такое поведение усредненного CR?
Решение.
Парадокс возникает при некорректном усреднении неконсистентных данных двух групп, т.е. в нашей задаче усредненный CR рассчитан некорректно (иначе мы бы не наблюдали его рост при отсутствии роста CR хотя бы на одной из платформ). Этим и объясняется такое поведение усредненного CR.
В комментариях иллюстрация для большей наглядности с синтетической ситуацией, когда усредненный CR по обеим платформам растет не смотря на падающий CR в Android. Однако, если среднее значение пересчитать с учетом весов (Consistency Average), то оно тоже будет падать.
10👍5👀3🔥2
Ричард Румельт, «Хорошая стратегия, плохая стратегия»
«Преимущество хорошей стратегии — остальные компании ею не обладают и думают, что у вас ее тоже нет»
В одном популярном сервисе, в котором я работал, для разработки стратегии продукта наняли дорогостоящих сеньор консультантов из BIG-3. Не смотря на вложенные деньги, время и сконструированные воздушные замки, продукт закрылся на стадии раннего MVP.
В другом, не менее известном сервисе, который существует под сильным брендом на растущем (уже нет) рынке, руководители брались за проработку стратегии за несколько часов до ее презентации командам и после к ней практически не возвращались. Когда рынок начал сжиматься после событий 22 года, все планы и прогнозы бизнеса посыпались.
Оба примера противоположны по своей крайности, но их объединяет отсутствие хорошей стратегии на стадии запуска и развития продукта.
Чтобы начать видеть "мягкое" или наоборот "твердое" в стратегии, которую презентует бизнес и самому не опуститься до разработки плохой, можно (а точнее — нужно) начать с прочтения базового труда Ричарда Румельта — «Хорошая стратегия, плохая стратегия».
Читать на Bookmate →
«Преимущество хорошей стратегии — остальные компании ею не обладают и думают, что у вас ее тоже нет»
В одном популярном сервисе, в котором я работал, для разработки стратегии продукта наняли дорогостоящих сеньор консультантов из BIG-3. Не смотря на вложенные деньги, время и сконструированные воздушные замки, продукт закрылся на стадии раннего MVP.
В другом, не менее известном сервисе, который существует под сильным брендом на растущем (уже нет) рынке, руководители брались за проработку стратегии за несколько часов до ее презентации командам и после к ней практически не возвращались. Когда рынок начал сжиматься после событий 22 года, все планы и прогнозы бизнеса посыпались.
Оба примера противоположны по своей крайности, но их объединяет отсутствие хорошей стратегии на стадии запуска и развития продукта.
Чтобы начать видеть "мягкое" или наоборот "твердое" в стратегии, которую презентует бизнес и самому не опуститься до разработки плохой, можно (а точнее — нужно) начать с прочтения базового труда Ричарда Румельта — «Хорошая стратегия, плохая стратегия».
Читать на Bookmate →
12👍3
Шаблоны диаграмм в Google Docs для визуализации данных
Продакты часто выступают с презентациями: провели исследование → делятся результатами; начинается новый квартал → озвучивают цели; закончился квартал / полугодие / год → подводят итоги; etc.
В презентациях часто страдает визуализация данных, поэтому я решил подготовить шаблон в Google Sheets, в котором собрал эталонные примеры диаграмм визуализирующие наиболее встречающиеся продуктовые / бизнесовые / финансовые данные.
G-документ содержит 5 шаблонов:
1. Диаграмма для визуализации объема рынка. Гистограмма показывает выручку за последние 5 лет по годам, а график — темпы роста год к году. Самая простая и понятная визуализация объема рынка в динамике.
2. Диаграмма для визуализации TOP ключевых конкурентов. Кольцевая диаграмма показывающая долю выручки ключевых конкурентов за год.
3. Диаграмма для визуализации роста выручки год к году. Визуализация, которая показывает не только выручку по годам, но и поквартально + изменение выручки год к году.
4. Простая диаграмма для визуализации PnL. Комбинированная диаграмма на которой столбцы с положительными значениями показывают Доходы, столбцы с отрицательными значениями — Расходы. А пунктирный график показывает Прибыль. Просто и наглядно.
5. Детализированная диаграмма для визуализации PnL. В отличии от предыдущего шаблона, включает разбивку Расходов по категориям. Для каждой категории указана доля относительно всех расходов. Менее наглядный вариант, чем предыдущий, но более детализированный.
Забрать Google Docs →
Продакты часто выступают с презентациями: провели исследование → делятся результатами; начинается новый квартал → озвучивают цели; закончился квартал / полугодие / год → подводят итоги; etc.
В презентациях часто страдает визуализация данных, поэтому я решил подготовить шаблон в Google Sheets, в котором собрал эталонные примеры диаграмм визуализирующие наиболее встречающиеся продуктовые / бизнесовые / финансовые данные.
G-документ содержит 5 шаблонов:
1. Диаграмма для визуализации объема рынка. Гистограмма показывает выручку за последние 5 лет по годам, а график — темпы роста год к году. Самая простая и понятная визуализация объема рынка в динамике.
2. Диаграмма для визуализации TOP ключевых конкурентов. Кольцевая диаграмма показывающая долю выручки ключевых конкурентов за год.
3. Диаграмма для визуализации роста выручки год к году. Визуализация, которая показывает не только выручку по годам, но и поквартально + изменение выручки год к году.
4. Простая диаграмма для визуализации PnL. Комбинированная диаграмма на которой столбцы с положительными значениями показывают Доходы, столбцы с отрицательными значениями — Расходы. А пунктирный график показывает Прибыль. Просто и наглядно.
5. Детализированная диаграмма для визуализации PnL. В отличии от предыдущего шаблона, включает разбивку Расходов по категориям. Для каждой категории указана доля относительно всех расходов. Менее наглядный вариант, чем предыдущий, но более детализированный.
Забрать Google Docs →
11🔥7
Инструменты продакта «Mermaid Chart»
Существует класс инструментов для построения диаграмм по текстовому (кодовому) описанию. Обычно их в работе используют архитекторы, разработчики, аналитики, технические писатели для построения технических диаграмм.
Но очень редко используют продакты, проджекты и другие управленцы. Хотя такие инструменты позволяют строить диаграммы Ганта, продуктовые роадмапы, user jorney map, mind map по простому и короткому текстовому описанию.
Один из лучших таких инструментов — [Mermaid], которым удобно строить и поддерживать Product Roadmap. Самое клевое, что Mermaid нативно интегрируется с огромным количеством систем: notion, google-документы, confluence, популярные текстовые редакторы (atom, sublime), etc. [Весь список систем].
Для продактов-гиков 80 lvl: mermaid поддерживает стилизацию через кастомные css. Если не устравивает стиль диграмм «из коробки», то можно поколдовать и сделать лучше хорошего.
И для продактов-гиков 81 lvl: для GPT-4 есть плагин с поддержкой mermaid.
· Редактор →
· Подробная документация →
Существует класс инструментов для построения диаграмм по текстовому (кодовому) описанию. Обычно их в работе используют архитекторы, разработчики, аналитики, технические писатели для построения технических диаграмм.
Но очень редко используют продакты, проджекты и другие управленцы. Хотя такие инструменты позволяют строить диаграммы Ганта, продуктовые роадмапы, user jorney map, mind map по простому и короткому текстовому описанию.
Один из лучших таких инструментов — [Mermaid], которым удобно строить и поддерживать Product Roadmap. Самое клевое, что Mermaid нативно интегрируется с огромным количеством систем: notion, google-документы, confluence, популярные текстовые редакторы (atom, sublime), etc. [Весь список систем].
Для продактов-гиков 80 lvl: mermaid поддерживает стилизацию через кастомные css. Если не устравивает стиль диграмм «из коробки», то можно поколдовать и сделать лучше хорошего.
И для продактов-гиков 81 lvl: для GPT-4 есть плагин с поддержкой mermaid.
· Редактор →
· Подробная документация →
14👍6🔥3❤2
17 полезных инструмента в рабочем арсенале продакта
По следам предыдущего поста о Mermaid Chart решил собрать более весомую подборку инструментов (сервисов), которые мне помогали и помогают в решении разнообразных рабочих задач. В эту подборку я решил включить инструменты выходящие за рамки базовых вроде confluence, figma, notion, etc.
Надеюсь, она поможет и вам открыть что-то новое, что можно применить в работе.
Продуктовая насмотренность и UX
· Product Hunt — ключевой сервис для развития общей продуктовой насмотренности, позволяет держать руку на пульсе запусков новых продуктов и развития существующих.
· UserOnboard — библиотека с подробными разборами онбордингов популярных сервисов, например, Gmail, Instagram, Apple Music, Netflix, etc.
Исследования
· Statista — база знаний с актуальной аналитикой и исследованиями рынков. Здорово, если есть корпоративный аккаунт с доступом к подробным отчетам, но и бесплатная версия позволяет просматривать базовые отчеты.
· Yandex Wordstat — помогает проанализировать запросы пользователей в ру-сегменте интернета.
· ResearchGate — огромное библиотека научных статей по любой теме.
AB-тесты
· Evan’s Awesome A/B Tools — один из старейших и самый популярный сервис в интернете для планирования и анализа AB-тестов: оценки размеров выборки и результатов экспериментов.
· GoodUI — библиотека паттернов с AB-тестами и разборами их результатов.
Схемы и диаграммы
· Mermaid — сервис для построения диаграмм по текстовому описанию (коду). Поддерживает интеграцию в большое кол-во современных wiki-систем: notion, g-docs, confluence.
· Draw.io — простой и удобный сервис для создания более сложных схем и диаграмм, чем позволяет создавать Mermaid. Позволяет сохранять исходник на g-диске и не требует ни регистрации, ни авторизации.
Графика
· Canva — лучший инструмент для создания каких-либо графических элементов, для большинства простых задач хватает бесплатной версии.
· Emojipedia — база эмодзи для добавления некоторых эмоций в описание требований и постановку задач.
· Recraft.ai — miro-подобная доска для генерации векторных изображений.
Личная эффективность
· Things — простой и очень удобный ToDo-лист для Mac в мнималистичном дизайне и хорошей типографикой для дизайн-перфекционистов.
· Типографская раскладка Ильи Бирмана — удобная раскладка, чтобы писать красивые тексты и правильные знаки и печатать символы быстро (✓×—«»→←↓↑³²¹). Если вы много пишите и стараетесь, чтобы текст выглядел красиво — попробуйте раскладу Бирмана, это кайф.
· Text.ru — сервис помогающий проверить орфографию для long-текстов, особенно актуально, если тексты предназначены для большой аудитории.
Командная эффективность
· Figjam — для удобной совместной распределенной работы, очень крутое преимущество над аналогами — поддержка iPad и Apple Pencil.
· Retromat — сервис для создания детального плана ретроспективы с большой базой готовых рецептов.
Обновляющаяся подборка в блоге →
По следам предыдущего поста о Mermaid Chart решил собрать более весомую подборку инструментов (сервисов), которые мне помогали и помогают в решении разнообразных рабочих задач. В эту подборку я решил включить инструменты выходящие за рамки базовых вроде confluence, figma, notion, etc.
Надеюсь, она поможет и вам открыть что-то новое, что можно применить в работе.
Продуктовая насмотренность и UX
· Product Hunt — ключевой сервис для развития общей продуктовой насмотренности, позволяет держать руку на пульсе запусков новых продуктов и развития существующих.
· UserOnboard — библиотека с подробными разборами онбордингов популярных сервисов, например, Gmail, Instagram, Apple Music, Netflix, etc.
Исследования
· Statista — база знаний с актуальной аналитикой и исследованиями рынков. Здорово, если есть корпоративный аккаунт с доступом к подробным отчетам, но и бесплатная версия позволяет просматривать базовые отчеты.
· Yandex Wordstat — помогает проанализировать запросы пользователей в ру-сегменте интернета.
· ResearchGate — огромное библиотека научных статей по любой теме.
AB-тесты
· Evan’s Awesome A/B Tools — один из старейших и самый популярный сервис в интернете для планирования и анализа AB-тестов: оценки размеров выборки и результатов экспериментов.
· GoodUI — библиотека паттернов с AB-тестами и разборами их результатов.
Схемы и диаграммы
· Mermaid — сервис для построения диаграмм по текстовому описанию (коду). Поддерживает интеграцию в большое кол-во современных wiki-систем: notion, g-docs, confluence.
· Draw.io — простой и удобный сервис для создания более сложных схем и диаграмм, чем позволяет создавать Mermaid. Позволяет сохранять исходник на g-диске и не требует ни регистрации, ни авторизации.
Графика
· Canva — лучший инструмент для создания каких-либо графических элементов, для большинства простых задач хватает бесплатной версии.
· Emojipedia — база эмодзи для добавления некоторых эмоций в описание требований и постановку задач.
· Recraft.ai — miro-подобная доска для генерации векторных изображений.
Личная эффективность
· Things — простой и очень удобный ToDo-лист для Mac в мнималистичном дизайне и хорошей типографикой для дизайн-перфекционистов.
· Типографская раскладка Ильи Бирмана — удобная раскладка, чтобы писать красивые тексты и правильные знаки и печатать символы быстро (✓×—«»→←↓↑³²¹). Если вы много пишите и стараетесь, чтобы текст выглядел красиво — попробуйте раскладу Бирмана, это кайф.
· Text.ru — сервис помогающий проверить орфографию для long-текстов, особенно актуально, если тексты предназначены для большой аудитории.
Командная эффективность
· Figjam — для удобной совместной распределенной работы, очень крутое преимущество над аналогами — поддержка iPad и Apple Pencil.
· Retromat — сервис для создания детального плана ретроспективы с большой базой готовых рецептов.
Обновляющаяся подборка в блоге →
12❤5🔥5❤🔥4👍4
NPS vs CSI: лояльность ≠ удовлетворенность
Хочу поднять простой, но важный для понимания вопрос разницы понятий «лояльность» и «удовлетворенность» в маркетинге продукта.
Многие коллеги по цеху (не обязательно продакты, но и маркетологи, исследователи) считают понятия пользовательской «лояльности» и «удовлетворенности» синонимичными; и измеряют удовлетворенность пользователей продуктом через оценку NPS. И это в корне неверно, и хочется разобрать почему.
Пользовательская лояльность (Customer Loyalty) — преданность бренду или продукту.
Это значит, что при прочих равных альтернативах пользователь выберет наш продукт. Выбор этот часто эмоциональный → влюбленный в продукт пользователь будет рекомендовать его друзьям и знакомым.
Для оценки пользовательской лояльности принято использовать индекс NPS (Net Promote Score). Рост которого положительно коррелирует с ростом продаж и ростом доли рынка. Собственно эта взаимосвязь вкупе с простотой измерения индекса и сделали его таким популярным в мире. Хотя у NPS есть и достаточное кол-во подводных камней, вот например, хорошая статья о них — «12 подводных камней Net Promoter Score» [link].
Пользовательская удовлетворенность (Customer Satisfaction) — соответствие ожиданий пользователя от взаимодействия с продуктом, реальному пользовательскому опыту.
Важный момент заключается в том, что постоянный пользователь продукта может сталкиваться с проблемами на одних этапах CJM, а на других — не сталкиваться.
Например, вы решили воспользоваться сервисом Яндекс Такси, но таксист ехал быстро, рискуя создать аварийную обстановку на дороге.
Будете ли вы удовлетворены таким сервисом в конце поездки? Вероятно нет, и поставите водителю низкую оценку. Ваш индекс удовлетворенности будет низким. В такие моменты правильный сервис попробует получить от вас детали проблемы, чтобы ее исправить.
Изменится ли ваша лояльность к сервису / продукту? Совсем не факт, если предыдущие поездки для вас были комфортными, то, вероятно, не изменится. А если вам вернут деньги за поездку или отправят промокод на следующую, то — лояльность может даже и увеличится. Пример гипотетической ситуации, когда удовлетворенность будет низкой, а лояльность останется высокой.
Одна из популярных метрик для оценки удовлетворенности — CSI (Customer Satisfaction Index).
Выводы в виде коротких тезисов:
· CSI — тактический показатель; NPS — стратегический.
· Рост CSI положительно коррелирует с NPS.
· CSI позволяет измерить удовлетворенность отдельных частей CJM в продукте; NPS — общее восприятие всего продукта.
· CSI — оценочный показатель; NPS — эмоциональный.
· И CSI, и NPS положительно коррелируют с продажами.
Оригинал в моем блоге →
Хочу поднять простой, но важный для понимания вопрос разницы понятий «лояльность» и «удовлетворенность» в маркетинге продукта.
Многие коллеги по цеху (не обязательно продакты, но и маркетологи, исследователи) считают понятия пользовательской «лояльности» и «удовлетворенности» синонимичными; и измеряют удовлетворенность пользователей продуктом через оценку NPS. И это в корне неверно, и хочется разобрать почему.
Пользовательская лояльность (Customer Loyalty) — преданность бренду или продукту.
Это значит, что при прочих равных альтернативах пользователь выберет наш продукт. Выбор этот часто эмоциональный → влюбленный в продукт пользователь будет рекомендовать его друзьям и знакомым.
Для оценки пользовательской лояльности принято использовать индекс NPS (Net Promote Score). Рост которого положительно коррелирует с ростом продаж и ростом доли рынка. Собственно эта взаимосвязь вкупе с простотой измерения индекса и сделали его таким популярным в мире. Хотя у NPS есть и достаточное кол-во подводных камней, вот например, хорошая статья о них — «12 подводных камней Net Promoter Score» [link].
Пользовательская удовлетворенность (Customer Satisfaction) — соответствие ожиданий пользователя от взаимодействия с продуктом, реальному пользовательскому опыту.
Важный момент заключается в том, что постоянный пользователь продукта может сталкиваться с проблемами на одних этапах CJM, а на других — не сталкиваться.
Например, вы решили воспользоваться сервисом Яндекс Такси, но таксист ехал быстро, рискуя создать аварийную обстановку на дороге.
Будете ли вы удовлетворены таким сервисом в конце поездки? Вероятно нет, и поставите водителю низкую оценку. Ваш индекс удовлетворенности будет низким. В такие моменты правильный сервис попробует получить от вас детали проблемы, чтобы ее исправить.
Изменится ли ваша лояльность к сервису / продукту? Совсем не факт, если предыдущие поездки для вас были комфортными, то, вероятно, не изменится. А если вам вернут деньги за поездку или отправят промокод на следующую, то — лояльность может даже и увеличится. Пример гипотетической ситуации, когда удовлетворенность будет низкой, а лояльность останется высокой.
Одна из популярных метрик для оценки удовлетворенности — CSI (Customer Satisfaction Index).
Выводы в виде коротких тезисов:
· CSI — тактический показатель; NPS — стратегический.
· Рост CSI положительно коррелирует с NPS.
· CSI позволяет измерить удовлетворенность отдельных частей CJM в продукте; NPS — общее восприятие всего продукта.
· CSI — оценочный показатель; NPS — эмоциональный.
· И CSI, и NPS положительно коррелируют с продажами.
Оригинал в моем блоге →
13👍8💯3🔥2
Василий Сабиров, «Игра в цифры»
Нашел увлекательную книгу по продуктовой аналитике на русском языке — «Игра в цифры. Как аналитика позволяет видеоиграм жить лучше», Василия Сабирова.
Несмотря на то, что автор рассматривает аналитику в контексте игровой индустрии и признается в любви к f2p-играм за их сложную и тонкую внутреннюю экономику, большинство материала применимо к любому b2c-продукту. В книге 12 глав, но самые полезные для продакта: 3—7, посвященные метрикам первых дней; привлечению пользователей и измерению их лояльности; метрикам активности и монетизации.
Короче, книга — квинтэссенция опыта аналитика, влюбленного в свою работу. Будет актуальной для каждого продакта, кто хочет подтянуть, освежить знания по продуктовой аналитике или подготовиться к аналитической секции при трудоустройстве.
Highly recommended.
Конспект в моем блоге →
Нашел увлекательную книгу по продуктовой аналитике на русском языке — «Игра в цифры. Как аналитика позволяет видеоиграм жить лучше», Василия Сабирова.
Несмотря на то, что автор рассматривает аналитику в контексте игровой индустрии и признается в любви к f2p-играм за их сложную и тонкую внутреннюю экономику, большинство материала применимо к любому b2c-продукту. В книге 12 глав, но самые полезные для продакта: 3—7, посвященные метрикам первых дней; привлечению пользователей и измерению их лояльности; метрикам активности и монетизации.
Короче, книга — квинтэссенция опыта аналитика, влюбленного в свою работу. Будет актуальной для каждого продакта, кто хочет подтянуть, освежить знания по продуктовой аналитике или подготовиться к аналитической секции при трудоустройстве.
Highly recommended.
Конспект в моем блоге →
12🔥8🤔4👀3
Считаем Classic, Rolling и Full Retention на Python
В этой заметке хочу разобрать как вручную посчитать 3 вида метрики Retention с помощью Python и Pandas и нарисовать кривую Retention с помощью Matplotlib. Чаще всего для анализа данных и метрик любой продакт будет использовать аналитическую систему, но предположим, что наш продакт попал на необитаемый остров и под рукой у него оказались только интерпретатор Python-скриптов и несколько дополнительных библиотек; этим и воспользуемся.
Для начала, в двух словах напомню про метрику и ее виды; как они считаются.
1. Classic Retention Rate (удержание) — это метрика, которая показывает процент пользователей, вернувшихся в продукт в день N (неделю N, месяц N, квартал N, etc.) с момента первого посещения. Например, если в день 0 пришло 100 новых пользователей, а в 1-й день вернулось 15, то Retention 1-го дня — 15 / 100 = 15%.
2. Rolling Retention Rate (повторяющееся удержание) — процент пользователей, вернувшихся в продукт в день N или позже с момента первого посещения. Например, два пользователя впервые посетили продукт в один и тот же день (день 0). Один из них вернулся в 1-й день, второй — на 5-й день. Они оба будут считаться вернувшимися в 1-й день.
3. Full Retention Rate (полное удержание) — процент пользователей, заходивших в приложение каждый день до дня N с момента первого посещения. Например, Full Retention Rate 3-го дня — это процент пользователей, которые заходили в продукт в 1-й, 2-й и 3-й дни с момента первого посещения.
К сожалению, датасет, код и логику расчетов в telegram-канал выложить не получается, поэтому продолжение заметки, вычисления и выводы доступны в отдельной статье в блоге.
Продолжене и код в блоге →
В этой заметке хочу разобрать как вручную посчитать 3 вида метрики Retention с помощью Python и Pandas и нарисовать кривую Retention с помощью Matplotlib. Чаще всего для анализа данных и метрик любой продакт будет использовать аналитическую систему, но предположим, что наш продакт попал на необитаемый остров и под рукой у него оказались только интерпретатор Python-скриптов и несколько дополнительных библиотек; этим и воспользуемся.
Для начала, в двух словах напомню про метрику и ее виды; как они считаются.
1. Classic Retention Rate (удержание) — это метрика, которая показывает процент пользователей, вернувшихся в продукт в день N (неделю N, месяц N, квартал N, etc.) с момента первого посещения. Например, если в день 0 пришло 100 новых пользователей, а в 1-й день вернулось 15, то Retention 1-го дня — 15 / 100 = 15%.
2. Rolling Retention Rate (повторяющееся удержание) — процент пользователей, вернувшихся в продукт в день N или позже с момента первого посещения. Например, два пользователя впервые посетили продукт в один и тот же день (день 0). Один из них вернулся в 1-й день, второй — на 5-й день. Они оба будут считаться вернувшимися в 1-й день.
3. Full Retention Rate (полное удержание) — процент пользователей, заходивших в приложение каждый день до дня N с момента первого посещения. Например, Full Retention Rate 3-го дня — это процент пользователей, которые заходили в продукт в 1-й, 2-й и 3-й дни с момента первого посещения.
К сожалению, датасет, код и логику расчетов в telegram-канал выложить не получается, поэтому продолжение заметки, вычисления и выводы доступны в отдельной статье в блоге.
Продолжене и код в блоге →
14👍6🔥3
Управление продуктом — это управление маркетингом
А продакт-менеджер — специалист по маркетингу.
Такое определение очевидно для людей, которые получали высшее образование в сфере маркетинга. Но не всегда понятно тому, кто пришел в профессию продакта из технических специальностей.
Я как выходец из «технарей» долгое время считал, что «маркетинг» ограничивается мероприятиями по поиску каналов продвижения; донесению ценности продукта до пользователей; продаже товаров (физических или цифровых, не принципиально). Но такое понимание маркетинга — очень-очень далеко от истины.
Хотя сложно поспорить с тем, что именно подобными задачами и занимаются специалисты в digital-компаниях, которых часто называют маркетологами (Marketing Manager — MM) или даже продуктовыми маркетологами (Product Marketing Manager — PMM).
Забавно то, что еще полвека тому назад многоизвестный Филипп Котлер писал про путаницу в понятиях «маркетинга» и «сбыта и рекламы». Вот, что он пишет в своей книге «Основы маркетинга»:
«Что же стоит за понятием "маркетинг"? Большинство ошибочно отождествляет маркетинг со сбытом и рекламой. Многие удивляются, узнав, что наиболее важным элементом маркетинга является вовсе не сбыт. Сбыт — всего лишь верхушка маркетингового айсберга, причем — не самая существенная. Если маркетолог хорошо поработал над такими разделами маркетинга, как выявление потребительских нужд, разработка подходящих товаров и установление на них соответствующей цены, налаживание системы их распределения, такие товары, наверняка пойдут легко.»
И второе:
«Основу деятельности маркетинга составляют такие занятия, как разработка товара; исследования; налаживание коммуникации; ценообразование; оказание сервиса пользователям.»
Поэтому, друзья продакт-менеджеры, мы с вами в терминологии Котлера — «специалисты по маркетингу», а наши коллеги маркетологи — «специалисты по сбыту (продвижению)». Но вы им не говорите, а то они могут расстроиться и обидеться 😑️️️️️️ и сбывать своей продукт придется самостоятельно.
А продакт-менеджер — специалист по маркетингу.
Такое определение очевидно для людей, которые получали высшее образование в сфере маркетинга. Но не всегда понятно тому, кто пришел в профессию продакта из технических специальностей.
Я как выходец из «технарей» долгое время считал, что «маркетинг» ограничивается мероприятиями по поиску каналов продвижения; донесению ценности продукта до пользователей; продаже товаров (физических или цифровых, не принципиально). Но такое понимание маркетинга — очень-очень далеко от истины.
Хотя сложно поспорить с тем, что именно подобными задачами и занимаются специалисты в digital-компаниях, которых часто называют маркетологами (Marketing Manager — MM) или даже продуктовыми маркетологами (Product Marketing Manager — PMM).
Забавно то, что еще полвека тому назад многоизвестный Филипп Котлер писал про путаницу в понятиях «маркетинга» и «сбыта и рекламы». Вот, что он пишет в своей книге «Основы маркетинга»:
«Что же стоит за понятием "маркетинг"? Большинство ошибочно отождествляет маркетинг со сбытом и рекламой. Многие удивляются, узнав, что наиболее важным элементом маркетинга является вовсе не сбыт. Сбыт — всего лишь верхушка маркетингового айсберга, причем — не самая существенная. Если маркетолог хорошо поработал над такими разделами маркетинга, как выявление потребительских нужд, разработка подходящих товаров и установление на них соответствующей цены, налаживание системы их распределения, такие товары, наверняка пойдут легко.»
И второе:
«Основу деятельности маркетинга составляют такие занятия, как разработка товара; исследования; налаживание коммуникации; ценообразование; оказание сервиса пользователям.»
Поэтому, друзья продакт-менеджеры, мы с вами в терминологии Котлера — «специалисты по маркетингу», а наши коллеги маркетологи — «специалисты по сбыту (продвижению)». Но вы им не говорите, а то они могут расстроиться и обидеться 😑️️️️️️ и сбывать своей продукт придется самостоятельно.
13😁7👍3
Привет! Меня зовут Константин Заваров, в IT разработкие и продуктовом менеджменте я более 10 лет. Пишу о том, как разрабатывать продукты и управлять командами.
Моя экспертиза: работаю руководителем продукта в Ozon и управляю командой продакт-менеджеров. Ранее – 5 лет разрабатывал продукты в Яндексе.
⌘ Ниже навигация по избранным статьям
Поиск работы:
• Анализ вакансий продакт-менеджеров на HeadHunter
• Универсальный подход к решению тестовых заданий
База:
• CEO прдукта: как продакт-менеджер создает смыслы
• 10 смертных грехов начинающего продакт-менеджера
• Управление продуктом — это управление маркетингом
• Про лидерство
Организация работы
• Мышление письмом. Часть 1, Часть 2
• Второй мозг: PARA × Obsidian × Granola × Claude
• Zettelkästen
Инструменты:
• Пошаговый план проведения ретроспективы
• 17 полезных инструмента в рабочем арсенале
• Методы приоритизации ICE, RICE, DRICE. Часть 1
Целеполагание:
• OKR vs NCT: эволюция методов целеполагания
Продуктовые метрики:
• NPS vs CSI: лояльность ≠ удовлетворенность
• Считаем Classic, Rolling и Full Retention на Python
Шаблоны (g-docs):
• Шаблон диаграмм для визуализации данных
• Шаблон методов приоритизации задач
• Шаблон дизайна A/B-теста
Книги и материалы:
• Книги и материалы для продактов
• Люди, которые пишут интересно
Надеюсь, вы найдете здесь пользу для себя!
Please open Telegram to view this post
VIEW IN TELEGRAM
15👍9❤3🔥3
Дилемма роста экономики образовательных курсов
Сравнивая top edTech компаний рунета, заметил забавную проблему экономики курсов с точки зрения масштабирования, с которой они живут. Не продуктовые edTech платформы вроде lingualeo, а компании, которые создают образовательные курсы для повышения грейда или переквалификации.
Компании «A»
Разрабатывают курсы с благородной целью: помочь большему числу студентов достичь своих образовательных целей, как правило — трудоустроиться.
Проверенный способ повысить COR (Complition Rate) — жесткая мотивация через дедлайны и «игру на вылет». Об этом гласит «Продуктовая edTech теорема #1» сформулированная ранее. Но концепция «жестких дедлайнов» невозможна без команды экспертов, которая координирует студентов, быстро отвечает на возникшие вопросы и проверяет домашние задания.
Хороший образовательный опыт студентов таких курсов подтверждается высоким NPS (больше 50%). Как следствие, большим количеством новых платящих студентов пришедших органически или реферально. И — высокой выручкой (Revenue = av. price × students). Но также и ростом издержек (Costs) на команду экспертов.
В итоге, с ростом числа студентов, получаем линейный рост выручки (Revenue) и линейный рост переменных издержек (Costs). Что не соответствует экономике продуктового бизнеса: кратному росту выручки при фиксированных (или ограниченных сверху) издержках.
Компании «B»
Смотрят на курсы, как на продуктовый бизнес: минимизируют переменные издержки и растят выручку, т.е. стараются привлечь как можно больше студентов любым возможным способом.
«Минимизируют издержки» раскручивается в обратную сторону: не создают команды сопровождения студентов → не устанавливают жестких дедлайнов → получают минимальную долю студентов завершивших курс → низкий NPS (в лучшем случае — 0%) → привлекают органически мало новых платящих студентов.
В итоге, хотели построить продуктовый бизнес, и даже переменные издержки свели на ноль, но критически не хватает студентов для буста выручки.
Дилемма
Заключается в выборе пути развития «A» или «B». Оба пути не позволяют построить продуктовый бизнес на образовательном курсе. Поэтому, бизнес находит оптимальный путь роста в запуске наибольшего количества любых курсов во всех возможных направлениях. И занимается масштабированием курсов.
Если оба пути ведут к масштабированию курсов, при этом порядок прибыли, одинаковый, возникает вопрос: почему так много компаний выбирает путь «B»? При том, что выбор «A» гарантирует хорошую репутацию на рынке, а «B» — сильно ограниченный сегмент рынка и растущий CAC.
Сравнивая top edTech компаний рунета, заметил забавную проблему экономики курсов с точки зрения масштабирования, с которой они живут. Не продуктовые edTech платформы вроде lingualeo, а компании, которые создают образовательные курсы для повышения грейда или переквалификации.
Компании «A»
Разрабатывают курсы с благородной целью: помочь большему числу студентов достичь своих образовательных целей, как правило — трудоустроиться.
Проверенный способ повысить COR (Complition Rate) — жесткая мотивация через дедлайны и «игру на вылет». Об этом гласит «Продуктовая edTech теорема #1» сформулированная ранее. Но концепция «жестких дедлайнов» невозможна без команды экспертов, которая координирует студентов, быстро отвечает на возникшие вопросы и проверяет домашние задания.
Хороший образовательный опыт студентов таких курсов подтверждается высоким NPS (больше 50%). Как следствие, большим количеством новых платящих студентов пришедших органически или реферально. И — высокой выручкой (Revenue = av. price × students). Но также и ростом издержек (Costs) на команду экспертов.
В итоге, с ростом числа студентов, получаем линейный рост выручки (Revenue) и линейный рост переменных издержек (Costs). Что не соответствует экономике продуктового бизнеса: кратному росту выручки при фиксированных (или ограниченных сверху) издержках.
Компании «B»
Смотрят на курсы, как на продуктовый бизнес: минимизируют переменные издержки и растят выручку, т.е. стараются привлечь как можно больше студентов любым возможным способом.
«Минимизируют издержки» раскручивается в обратную сторону: не создают команды сопровождения студентов → не устанавливают жестких дедлайнов → получают минимальную долю студентов завершивших курс → низкий NPS (в лучшем случае — 0%) → привлекают органически мало новых платящих студентов.
В итоге, хотели построить продуктовый бизнес, и даже переменные издержки свели на ноль, но критически не хватает студентов для буста выручки.
Дилемма
Заключается в выборе пути развития «A» или «B». Оба пути не позволяют построить продуктовый бизнес на образовательном курсе. Поэтому, бизнес находит оптимальный путь роста в запуске наибольшего количества любых курсов во всех возможных направлениях. И занимается масштабированием курсов.
Если оба пути ведут к масштабированию курсов, при этом порядок прибыли, одинаковый, возникает вопрос: почему так много компаний выбирает путь «B»? При том, что выбор «A» гарантирует хорошую репутацию на рынке, а «B» — сильно ограниченный сегмент рынка и растущий CAC.
12👍9