📚 The AI-Powered Product Manager

چطور از AI استفاده کنیم که واقعا کار PM سریع‌تر و بهتر بشه، نه اینکه فقط خروجی بیشتری تولید کنیم؟

این کتاب درباره ساختن Workflowهای AI برای کارهای روزمره محصوله؛ از تحقیق و PRD تا پروتوتایپ و اجرا، با تاکید روی کیفیت تصمیم، قضاوت انسانی و کنترل ریسک‌های محصول AI.

کمپین فروش رو شروع کردیم و کلیک روی دکمه خرید تقریبا دو برابر شده.
همه خوشحالیم که صفحه خرید بهتر کار کرده.

بعد یکی از مالی میگه:
فروش که تقریبا همونه :))

پس می‌دونیم چند نفر خواستن خرید کنن، ولی نمی‌دونیم چند نفر واقعا خریدشون کامل شده و چند نفر وسط مسیر از دست رفتن.

توی کامنت بازش کردم 👇🏻

📚 Growth Engineering

چطور رشد رو از یه کار صرفا مارکتینگی به بخشی از خود محصول و مهندسی تبدیل کنیم؟

این کتاب درباره ساختن سیستم‌های رشد داده‌محوره؛ از Instrumentation و Observability تا Data Pipeline، Experimentation، A/B Testing و ساخت تیم Growth که مدام یاد می‌گیره و محصول رو بهتر می‌کنه

رقیب یه دستیار خرید با هوش مصنوعی داده.

جلسه بعدی یکی میگه:
ما چرا نداریم؟ 🫥

یه سناریوی فرضی توی محصولی مثل ترب:

کاربر سرچ کرده لپ‌تاپ تا ۶۰ میلیون برای برنامه‌نویسی. ده‌ها مدل جلوشه و نمی‌دونه کدومش واقعا به کارش میاد.

اینجا یه دستیار خرید شاید مسئله واقعی رو حل کنه.

ولی حالا یه کاربر دیگه رو تصور کنید که مدل لپ‌تاپش رو دقیق می‌دونه و فقط دنبال قیمت بهتر و فروشنده قابل اعتماد می‌گرده.

برای این آدم هم همون دستیار اولویت بالایی داره؟

صرف اینکه رقیب یه قابلیت هوش مصنوعی ساخته، فقط یه سیگناله. هنوز دلیل ساختنش برای ما نیست.

توی کامنت بازش کردم 👇🏻

📚 The Art of AI Product Development

چطور محصول AI بسازیم که واقعا برای کاربر و کسب‌وکار ارزش ایجاد کنه، نه اینکه فقط AI داشته باشه؟

این کتاب مسیر کامل ساخت محصول AI رو پوشش می‌ده؛ از پیدا کردن فرصت درست و انتخاب Data و Model تا طراحی تجربه کاربری، RAG و Agentها، Governance و مدیریت Stakeholderها.

این کار که فقط دو ساعت وقت می‌خواد، چرا سه روزه مونده؟

یه سناریوی فرضی توی تیم زیرساختی مثل هم‌روش:

تیم داره برگردوندن نسخه پشتیبان اطلاعات رو برای مشتری راحت‌تر می‌کنه. کار توسعه تموم شده و بررسی نهایی، به برآورد تیم، دو ساعت وقت می‌خواد.

ولی کسی که باید بررسیش کنه، هم‌زمان درگیر چند کار دیگه‌ست.

بقیه هم برای اینکه منتظر نمونن، کار بعدی رو شروع می‌کنن. اون کارها هم کم‌کم می‌رسن به همین صف.

همه حسابی مشغولن. ولی مشتری هنوز نمی‌تونه از تغییر اول استفاده کنه 🧐

حالا یه درخواست تازه هم رسیده. شروعش کنیم که کار بیشتر جلو بره؟

شاید الان بیشتر از شروع یه کار، به تموم‌کردن یکی از همین کارهای باز نیاز داریم.

توی کامنت بازش کردم 👇🏻

📚 Blind Spots

چرا حتی تیم‌های خوب هم محصولی می‌سازن که بازار نمی‌خواد یا پروژه‌شون از زمان و بودجه خارج می‌شه؟

این کتاب درباره خطاهای پنهانیه که باعث این شکست‌ها می‌شن؛ از فهم اشتباه نیاز مشتری و خوش‌بینی غیرواقعی تا تخمین ضعیف، فشار منابع و نداشتن شاخص‌های هشداردهنده.

تولدم بهونه‌ای شد یه کم از شلوغی کار فاصله بگیرم 🎂🌿

این قرارداد رو ببندیم، بعد می‌رسیم به کار فنی.
اون «بعد» دقیقا کی می‌رسه؟ :))

یه سناریوی فرضی توی محصول ابری مثل لیارا:

تیم می‌خواد بررسی‌های قبل از انتشار نسخه جدید رو خودکار کنه. الان هر بار کلی چیز رو دستی چک می‌کنن که تغییرات جدید، قابلیت‌های قبلی رو خراب نکرده باشه.
همون موقع فروش میگه یه مشتری گزارش مصرف اختصاصی می‌خواد. اینو برسونیم، قرارداد رو می‌بندیم. تست‌ها رو بعدا بهتر می‌کنیم.

درخواست فروش ممکنه واقعا مهم باشه. منتهی هفته بعد هم یه فرصت مهم دیگه می‌رسه.
اگر نگهداری محصول همیشه باید از وقت باقی‌مونده سهم بگیره، شاید مشکل فقط کمبود وقت نیست. مدل تصمیم‌گیریمونه.

توی کامنت بازش کردم 👇🏻

📚 Money Stories
چطور ارزش کار تیم محصول رو به زبان پول برای مدیران توضیح بدیم؟
این کتاب درباره وصل‌کردن کار محصول به نتیجه مالیه؛ اینکه یه تغییر چطور می‌تونه درآمد رو بیشتر یا هزینه رو کمتر کنه. با تخمین‌های ساده و فرض‌های روشن، نه عددهای ظاهرا دقیق و وعده‌های قطعی.

توی گپ‌فیلم دنبال یه Junior Product Manager هستم که مستقیم با خودم کار کنه.

اگه اوایل مسیر محصولید، کنجکاوید و اهل یادگیری و پیگیری، رزومه‌تون رو برام بفرستید تا گپ بزنیم.

کسی رو هم می‌شناسید که مناسب این موقعیته، خوشحال میشم معرفی کنید 🙏🏼
@thechavoshi

https://lnkd.in/p/ecm45GVx

حمایت کنید لطفا به دست بقیه هم برسه 🙏🏼

یه سناریوی فرضی توی دیجی‌کالا:

تیم صفحه آخر خرید رو تغییر داده تا مبلغ نهایی و زمان تحویل واضح‌تر دیده بشه. کاربرها تصادفی تقسیم شدن، یه گروه صفحه قبلی رو می‌بینن و یه گروه صفحه جدید رو.

روز اول، درصد کسایی که خریدشون رو کامل کردن توی نسخه جدید بیشتره.

یکی میگه خب بهتره دیگه، برای همه فعالش کنیم!

قرار بوده تست طبق برنامه ادامه پیدا کنه، ولی حالا با دیدن نتیجه مثبت، می‌خوایم زودتر جمعش کنیم.

یه سوال 🧐
اگه امروز نتیجه منفی بود، باز هم می‌گفتیم همین یه روز کافیه؟ :)))

توی کامنت بازش کردم 👇🏻

📚 Growth Engineering

چطور رشد رو از یه کار صرفا مارکتینگی به بخشی از خود محصول و مهندسی تبدیل کنیم؟

این کتاب درباره ساختن سیستم‌های رشد داده‌محوره؛ از Instrumentation و Observability تا Data Pipeline، Experimentation، A/B Testing و ساخت تیم Growth که مدام یاد می‌گیره و محصول رو بهتر می‌کنه

یه سناریوی فرضی توی سرویسی مثل فیلیمو:

کاربر به پشتیبانی میگه اشتراک خریدم، پیام برداشت پول هم اومده، ولی برای پخش فیلم دوباره ازم اشتراک می‌خواد.

توی تسک جیرا می‌نویسیم پرداخت موفق بوده، اشتراک فعال نشده.

یه لحظه 🧐
موفق‌بودن پرداخت رو بررسی کردیم؟ وضعیت اشتراک رو دیدیم؟ یا فقط حرف کاربر رو تبدیل کردیم به یه تشخیص فنی؟

مدیر محصول قبل از فرستادن گزارش برای فنی، چه چیزی رو می‌تونه روشن کنه و کجا باید بررسی رو بسپره به تیم؟

توی کامنت بازش کردم 👇🏻

📚 Claude Code for Product Managers
چطور بدون اینکه برنامه‌نویس باشیم، از Claude Code برای کارهای واقعی مدیریت محصول استفاده کنیم؟
این کتاب روی استفاده عملی برای PMهاست؛ از بررسی کد و پیدا کردن علت احتمالی باگ تا تحلیل بازخورد، ساخت ورک‌فلوهای تکرارپذیر و اتصال به ابزارهایی مثل Jira و Figma با MCP.

متا اولین مدل frontier خود به نام Muse Wonder را منتشر کرد

متا مدل‌های Muse Wonder و Muse Wonder Full را به‌عنوان اولین مدل frontier خود معرفی کرده که در کارهای پیچیده مثل کدنویسی عملکرد بهتری دارند.

این مدل‌ها حافظه فعال دارند و در آزمون MemoryBench بهتر از رقبایی مثل Fable و GPT-6 Astra عمل کرده‌اند.

مدل Muse Wonder از طریق API متا با هزینه مشخص قابل دسترسی است و مدل Wonder Full فقط برای مشترکان Muse Code عرضه می‌شود.

منبع: TechCrunch
@TarazPM

قیمت سه شب رو روی کارت نشون بدیم. مگه چقدر کار داره؟

یه سناریوی فرضی توی جاباما:

کاربر برای سه شب دنبال اقامتگاهه. برای مقایسه هزینه نهایی، باید چندتا اقامتگاه رو جدا باز کنه.

از هوش مصنوعی می‌خوایم این مقایسه رو راحت‌تر کنه. نمونه هم آماده میشه، کنار عکس هر اقامتگاه، قیمت کل سه شب رو می‌بینیم. خیلی هم کاربردیه.

تیم فنی میگه این عدد توی پاسخ جست‌وجوی فعلی نیست. قیمت نهایی رو الان برای هر اقامتگاه جدا محاسبه می‌کنیم.

پس فقط جابه‌جاکردن یه عدد روی صفحه نیست 🧐

ایده ممکنه خوب باشه. ولی نمونه، یه نیاز فنی تازه رو پشت یه تغییر ظاهری ساده پنهون کرده.

توی کامنت بازش کردم 👇🏻

📚 Product Engineering with AI

چطور با کمک AI از ایده به محصول برسیم، نه اینکه فقط سریع‌تر کد بنویسیم؟

این کتاب درباره ترکیب نگاه محصولی با مهندسی نرم‌افزاره؛
از تعریف دقیق نیازمندی و ساخت نمونه اولیه تا تست و رفع باگ.
توضیح می‌ده چطور مدیر محصول، طراح و برنامه‌نویس با کمک AI کار کنن، بدون اینکه فهم مسئله کاربر و بررسی کیفیت خروجی رو کنار بذارن.