Исследования как интегратор работы команд маркетинга и продукта
Ещё одно качественное выступление на ProductSense 23, которым хочется поделиться, было от Светы Ивахтенко из Яндекс Фантех (Кинопоиск и Плюс). Тема была горячая и близкая практически любому продукту: Как объединить продуктовые, маркетинговые и клиентские метрики и бить в одну цель.
Всем ведь знакома ситуация, когда маркетинг и продукт работают параллельно, вроде бы на одну цель, но совершенно по разным метрикам и в разном контексте? В рассказе Светы был свежий взгляд на эту проблему и пример решения с активным участием команды исследователей.
Кейс был из опыта Кинопоиска прошлого года. Главная цель на рост популярности продукта — слишком общая, не отражает изменений на рынке и изменение поведения пользователей. На основе исследований выбрали более четкую цель — изменить восприятие сервиса «Кинопоиск это только про фильмы и сериалы» на «Кинопоиск это место, где можно посмотреть любой видео контент и хорошо провести время».
Ввели новую метрику — мультиконтентность. Выбрали инициативы, которые могут взять команды продукта и маркетинга, чтобы активно качать эту метрику. Команда исследований работала в роли интегратора работы и помогала быстро измерять эффективность работы. Это включает поиск новых инсайтов, помощь в проектировании экспериментов и валидацию новых изменений через UX тестирование и интервью.
Итоги: сократили отток аудитории, даже на фоне низкого сезона, повысили возвращаемость и понимание ценности продукта для основного ядра аудитории.
Подход может пригодиться в ситуациях когда у вас:
✔️Очень конкурентный рынок
✔️Новый продукт на стадии запуска
✔️Очень ограниченный бюджет на маркетинг
Пока я собирался поделиться этим саммари, организаторы конференции сделали подборку самых популярных выступлений по итогам опроса участников и выложили их записи. Кстати, это выступление заняло первое место. Так что вы можете посмотреть целиком и сами решить можно ли применить этот подход в ваших продуктах.
▶️ https://vimeo.com/863509323/14924025fd
Другие инсайты от Светы можно почитать, послушать и посмотреть на её канале @WHODUNNNIT
#productlinks
Ещё одно качественное выступление на ProductSense 23, которым хочется поделиться, было от Светы Ивахтенко из Яндекс Фантех (Кинопоиск и Плюс). Тема была горячая и близкая практически любому продукту: Как объединить продуктовые, маркетинговые и клиентские метрики и бить в одну цель.
Всем ведь знакома ситуация, когда маркетинг и продукт работают параллельно, вроде бы на одну цель, но совершенно по разным метрикам и в разном контексте? В рассказе Светы был свежий взгляд на эту проблему и пример решения с активным участием команды исследователей.
Кейс был из опыта Кинопоиска прошлого года. Главная цель на рост популярности продукта — слишком общая, не отражает изменений на рынке и изменение поведения пользователей. На основе исследований выбрали более четкую цель — изменить восприятие сервиса «Кинопоиск это только про фильмы и сериалы» на «Кинопоиск это место, где можно посмотреть любой видео контент и хорошо провести время».
Ввели новую метрику — мультиконтентность. Выбрали инициативы, которые могут взять команды продукта и маркетинга, чтобы активно качать эту метрику. Команда исследований работала в роли интегратора работы и помогала быстро измерять эффективность работы. Это включает поиск новых инсайтов, помощь в проектировании экспериментов и валидацию новых изменений через UX тестирование и интервью.
Итоги: сократили отток аудитории, даже на фоне низкого сезона, повысили возвращаемость и понимание ценности продукта для основного ядра аудитории.
Подход может пригодиться в ситуациях когда у вас:
✔️Очень конкурентный рынок
✔️Новый продукт на стадии запуска
✔️Очень ограниченный бюджет на маркетинг
Пока я собирался поделиться этим саммари, организаторы конференции сделали подборку самых популярных выступлений по итогам опроса участников и выложили их записи. Кстати, это выступление заняло первое место. Так что вы можете посмотреть целиком и сами решить можно ли применить этот подход в ваших продуктах.
▶️ https://vimeo.com/863509323/14924025fd
Другие инсайты от Светы можно почитать, послушать и посмотреть на её канале @WHODUNNNIT
#productlinks
Проверим, как у ребят получается? Как вы используете Кинопоиск? 😉
Anonymous Poll
49%
Смотрю фильмы
41%
Смотрю сериалы
17%
Смотрю мультфильмы
13%
Смотрю трейлеры
8%
Смотрю видеоэссе
3%
Читаю новости и статьи
12%
Веду библиотеку «Моё»
29%
Использую как википедию
27%
Не пользуюсь или просто цифры посмотреть 🧐
Продуктовый подход на консервативном рынке
Казалось бы, что нового можно придумать на рынке продажи квартир в новостройках? Сотни компаний конкурируют на нём за потенциальных покупателей, предлагая скидки, ипотеку и рассрочку. Большой красный океан, где выживают самые сильные.
Ребята из компании Самолёт решили применить продуктовый подход и поискать какие задачи покупателя квартиры можно решить, те задачи, которые не лежат на поверхности. Например такую: не могу пока купить свою квартиру, но хочу жить в арендованной квартире как в своей — сделать ремонт под себя, завести домашних животных, купить хорошую мебель и тд. Кажется, такая задача есть у многих.
Новый продукт от Самолёта, на который я случайно наткнулся, решает такую задачу через аренду квартиры с выкупом. Платежи за аренду идут в накопление первоначального взноса для ипотеки. Счастливый клиент заезжает и живёт в квартире как в своей, а не пытается накопить на первоначальный взнос в условиях, когда деньги обесцениваются. Компания получает новый стабильный источник прибыли, новый канал продаж и уникальное торговое предложение. Хороший пример создания продукта под задачу целевой аудитории!
▶️ https://samolet.ru/izhivika/
#lifehacks
Казалось бы, что нового можно придумать на рынке продажи квартир в новостройках? Сотни компаний конкурируют на нём за потенциальных покупателей, предлагая скидки, ипотеку и рассрочку. Большой красный океан, где выживают самые сильные.
Ребята из компании Самолёт решили применить продуктовый подход и поискать какие задачи покупателя квартиры можно решить, те задачи, которые не лежат на поверхности. Например такую: не могу пока купить свою квартиру, но хочу жить в арендованной квартире как в своей — сделать ремонт под себя, завести домашних животных, купить хорошую мебель и тд. Кажется, такая задача есть у многих.
Новый продукт от Самолёта, на который я случайно наткнулся, решает такую задачу через аренду квартиры с выкупом. Платежи за аренду идут в накопление первоначального взноса для ипотеки. Счастливый клиент заезжает и живёт в квартире как в своей, а не пытается накопить на первоначальный взнос в условиях, когда деньги обесцениваются. Компания получает новый стабильный источник прибыли, новый канал продаж и уникальное торговое предложение. Хороший пример создания продукта под задачу целевой аудитории!
▶️ https://samolet.ru/izhivika/
#lifehacks
В моём недавнем опросе про Кинопоиск всего около 25 человек отметили, что смотрят видеоэссе. Хочется это исправить! Команда Кинопоиска создала свой неповторимый стиль обзоров о кино. Когда интересно смотреть даже о фильме, который видел много раз и можешь процитировать целые отрывки диалогов наизусть.
А ещё мне очень нравится, как они подмечают и раскрывают методы, которые использует режиссер, чтобы влиять на аудиторию. Кстати, чем-то похоже на разбор чужого продукта и его инструментов привлечения и удержания аудитории.
В качестве примера видеоэссе на мой любимый фильм Тарантино «Криминальное чтиво».
https://youtu.be/TSYQoO0vFL8
#videoholidays
А ещё мне очень нравится, как они подмечают и раскрывают методы, которые использует режиссер, чтобы влиять на аудиторию. Кстати, чем-то похоже на разбор чужого продукта и его инструментов привлечения и удержания аудитории.
В качестве примера видеоэссе на мой любимый фильм Тарантино «Криминальное чтиво».
https://youtu.be/TSYQoO0vFL8
#videoholidays
YouTube
Как по-настоящему понять «Криминальное чтиво»
Почему «Криминальное чтиво» — самый важный фильм американского кино 1990-х? Почему в творчестве Квентина Тарантино столько цитат? Можно ли назвать его христианским режиссером? И почему «Криминальное чтиво» не просто комедия о гангстерах, а высказывание о…
Сколько стоит ваш продукт?
Не спрашивать клиентов о деньгах учат практически в каждой книге и курсе про исследования. Но как же тогда выбрать оптимальную цену для продукта? Чтобы не было «слишком дешево, наверное качество не очень» и «слишком дорого, столько я не готов платить»?
Наткнулся на интересную статью на эту тему. Метод Питера Ван Вестендорпа (Van Westendorp) предлагает задать не один вопрос про деньги, а целых четыре.
✔️При какой цене вы бы стали сомневаться в качестве продукта?
✔️При какой цене вам будет выгодно использовать этот продукт?
✔️При какой цене этот продукт начинает казаться дорогим?
✔️При какой цене это слишком дорого?
На основе ответов группы респондентов строится график и становится виден интервал цены, который будет хорошо восприниматься большинством клиентов. Звучит красиво, интересно работает ли это на практике? Ведь людям очень сложно отвечать на вопросы про цену.
Думаю важно отметить, что этот подход можно использовать только для ценообразования, но не при исследовании потребности клиентов. Когда продукт уже есть и он решает существующие задачи клиента. Спрашивать про комфортную цену на стадии проверки гипотез о потребностях не имеет никакого смысла.
▶️ https://www.forbes.com/sites/rebeccasadwick/2020/06/22/how-to-price-products/
#productlinks
Не спрашивать клиентов о деньгах учат практически в каждой книге и курсе про исследования. Но как же тогда выбрать оптимальную цену для продукта? Чтобы не было «слишком дешево, наверное качество не очень» и «слишком дорого, столько я не готов платить»?
Наткнулся на интересную статью на эту тему. Метод Питера Ван Вестендорпа (Van Westendorp) предлагает задать не один вопрос про деньги, а целых четыре.
✔️При какой цене вы бы стали сомневаться в качестве продукта?
✔️При какой цене вам будет выгодно использовать этот продукт?
✔️При какой цене этот продукт начинает казаться дорогим?
✔️При какой цене это слишком дорого?
На основе ответов группы респондентов строится график и становится виден интервал цены, который будет хорошо восприниматься большинством клиентов. Звучит красиво, интересно работает ли это на практике? Ведь людям очень сложно отвечать на вопросы про цену.
Думаю важно отметить, что этот подход можно использовать только для ценообразования, но не при исследовании потребности клиентов. Когда продукт уже есть и он решает существующие задачи клиента. Спрашивать про комфортную цену на стадии проверки гипотез о потребностях не имеет никакого смысла.
▶️ https://www.forbes.com/sites/rebeccasadwick/2020/06/22/how-to-price-products/
#productlinks
Forbes
How To Price Your Product: A Guide To The Van Westendorp Pricing Model
Pricing is a critical aspect that determines the success of products and services more than acquisition or retention strategies, but is rarely given the same fidelity of strategy prior to launch. Going to market without understanding how customers value your…
Качаем AI/ML матчасть
В наше время, когда AI звучит не один десяток раз в презентации каждого руководителя крупной продуктовой компании, а каждый второй стартап делает AI-помощник для сами-выберите-чего, может создаться впечатление, что нейронные сети захватили эту сферу целиком и полностью. Open AI и их знаменитый чатик мощно популяризировали нейронные сети.
Машинное обучение (ML) является одной из областей искусственного интеллекта (AI) и используется в научных задачах с 80-х годов прошлого века, а начиная с 2010-х широко используется в продуктах и бизнесе. Возможность научить машину решать задачи, которые раньше могли решать только люди, пригодилась во многих областях и сферах. Значит ли это, что для решения таких задач необходимы нейронные сети?
Представьте, что вы менеджер продукта в сервисе по продаже недвижимости. У вас есть исторические данные о стоимости квартир в зависимости от района, площади, этажа, года постройки и типа дома — огромная таблица с данными о нескольких десятках тысяч объектов. Вы хотите помочь своим пользователям подсказкой средней стоимости при создании объявления о продаже квартиры. Какой тип модели машинного обучения можно попробовать использовать для решения этой задачи?
Выбирайте ответ в опросе, завтра сделаем разбор каждого варианта👇🏻
#productquestion
В наше время, когда AI звучит не один десяток раз в презентации каждого руководителя крупной продуктовой компании, а каждый второй стартап делает AI-помощник для сами-выберите-чего, может создаться впечатление, что нейронные сети захватили эту сферу целиком и полностью. Open AI и их знаменитый чатик мощно популяризировали нейронные сети.
Машинное обучение (ML) является одной из областей искусственного интеллекта (AI) и используется в научных задачах с 80-х годов прошлого века, а начиная с 2010-х широко используется в продуктах и бизнесе. Возможность научить машину решать задачи, которые раньше могли решать только люди, пригодилась во многих областях и сферах. Значит ли это, что для решения таких задач необходимы нейронные сети?
Представьте, что вы менеджер продукта в сервисе по продаже недвижимости. У вас есть исторические данные о стоимости квартир в зависимости от района, площади, этажа, года постройки и типа дома — огромная таблица с данными о нескольких десятках тысяч объектов. Вы хотите помочь своим пользователям подсказкой средней стоимости при создании объявления о продаже квартиры. Какой тип модели машинного обучения можно попробовать использовать для решения этой задачи?
Выбирайте ответ в опросе, завтра сделаем разбор каждого варианта👇🏻
#productquestion
Какой тип модели машинного обучения можно попробовать использовать для решения задачи?
Anonymous Poll
21%
Линейные модели
16%
Деревья решений
14%
Ансамбли деревьев (градиентный бустинг)
10%
Нейронные сети
40%
Все эти типы
Разбираем варианты ответов на вопрос про типы моделей машинного обучения. Неправильного варианта в списке нет, все типы применимы. Качество результатов и применимость в живом продукте у всех будут разные, но мне хотелось обратить ваше внимание именно на то, что в ML много разных подходов.
В целом, машинное обучение работает следующим образом:
✔️Формируется датасет, где известны признаки объектов и их целевое значение, например, параметры квартиры и её стоимость.
✔️С помощью специальных методов ищутся взаимосвязи в данных, связывающие признаки объектов и целевое значение.
✔️В результате создается модель, которая для любого объекта на основе его признаков может вычислить это значение.
Линейные модели — формула зависимости целевого значения от признаков объектов, это выбор по умолчанию в качестве простой первой оценки
Объем данных для обучения: нет ограничений
Тип данных: табличные данные, целевое значение линейно зависит от признаков объектов
Результаты: самая понятная интерпретация
Деревья решений — набор логических правил, использующих признаки объекта, которые позволяют получить прогноз целевого значения. Это выбор по умолчанию в качестве базовых моделей для табличных данных со сложными зависимостями целевого значения от признаков объекта
Объем данных для обучения: стони объектов
Тип данных: табличные данные
Результаты: можно интерпретировать
Градиентный бустинг на основе деревьев решений — набор деревьев решений, объединенных определенным образом в ансамбль. Это выбор по умолчанию для задач с табличными данными, он показывает лучшие результаты во многих прикладных задачах.
Объем данных для обучения: тысячи объектов
Тип данных: табличные данные
Результаты: можно интерпретировать
Нейронные сети — это выбор по умолчанию для сырых данных: изображения, звук, текст, видео.
Могут применяться к табличным данным, но обычно показывают качество хуже моделей с градиентным бустингом.
Объем данных для обучения: десятки тысяч объектов
Тип данных: сырые данные
Результаты: сложно или невозможно интерпретировать.
Тема большая и глубокая, но я надеюсь, у меня получилось показать общие и отличительные особенности всех типов моделей машинного обучения. Погрузиться и разобраться в теме мне помог курс по управлению ML/AI проектами от GoPractice. Если вам интересно, напишите в комментариях, поделюсь ссылкой на скидку в ЛС😉
#productquestion
В целом, машинное обучение работает следующим образом:
✔️Формируется датасет, где известны признаки объектов и их целевое значение, например, параметры квартиры и её стоимость.
✔️С помощью специальных методов ищутся взаимосвязи в данных, связывающие признаки объектов и целевое значение.
✔️В результате создается модель, которая для любого объекта на основе его признаков может вычислить это значение.
Линейные модели — формула зависимости целевого значения от признаков объектов, это выбор по умолчанию в качестве простой первой оценки
Объем данных для обучения: нет ограничений
Тип данных: табличные данные, целевое значение линейно зависит от признаков объектов
Результаты: самая понятная интерпретация
Деревья решений — набор логических правил, использующих признаки объекта, которые позволяют получить прогноз целевого значения. Это выбор по умолчанию в качестве базовых моделей для табличных данных со сложными зависимостями целевого значения от признаков объекта
Объем данных для обучения: стони объектов
Тип данных: табличные данные
Результаты: можно интерпретировать
Градиентный бустинг на основе деревьев решений — набор деревьев решений, объединенных определенным образом в ансамбль. Это выбор по умолчанию для задач с табличными данными, он показывает лучшие результаты во многих прикладных задачах.
Объем данных для обучения: тысячи объектов
Тип данных: табличные данные
Результаты: можно интерпретировать
Нейронные сети — это выбор по умолчанию для сырых данных: изображения, звук, текст, видео.
Могут применяться к табличным данным, но обычно показывают качество хуже моделей с градиентным бустингом.
Объем данных для обучения: десятки тысяч объектов
Тип данных: сырые данные
Результаты: сложно или невозможно интерпретировать.
Тема большая и глубокая, но я надеюсь, у меня получилось показать общие и отличительные особенности всех типов моделей машинного обучения. Погрузиться и разобраться в теме мне помог курс по управлению ML/AI проектами от GoPractice. Если вам интересно, напишите в комментариях, поделюсь ссылкой на скидку в ЛС😉
#productquestion
Большие звери Лиссабона
Давно не писал ничего о Португалии. Исправлюсь.
Недавно придумали себе новый челлендж — посмотреть вживую в Лиссабоне и окрестностях все работы известного уличного художника или, как он себя сам называет, artivist’а Bordalo II (Бордало Сегундо). Он делает огромные уличные инсталляции и муралы из… переработанного мусора. Таким образом он привлекает внимание к проблемам отходов и чрезмерного потребления, а также делает Лиссабон и другие города мира красивее.
Работы действительно впечатляют. Можно долго стоять и разглядывать, находя интересные кусочки, из которых сделаны эти Big Trash Animals.
Если будете в Лиссабоне, можете найти и посмотреть сами на этой карте
▶️ https://maps.app.goo.gl/kfKEUfNySTQvZBdW9?g_st=i
#portugal
Давно не писал ничего о Португалии. Исправлюсь.
Недавно придумали себе новый челлендж — посмотреть вживую в Лиссабоне и окрестностях все работы известного уличного художника или, как он себя сам называет, artivist’а Bordalo II (Бордало Сегундо). Он делает огромные уличные инсталляции и муралы из… переработанного мусора. Таким образом он привлекает внимание к проблемам отходов и чрезмерного потребления, а также делает Лиссабон и другие города мира красивее.
Работы действительно впечатляют. Можно долго стоять и разглядывать, находя интересные кусочки, из которых сделаны эти Big Trash Animals.
Если будете в Лиссабоне, можете найти и посмотреть сами на этой карте
▶️ https://maps.app.goo.gl/kfKEUfNySTQvZBdW9?g_st=i
#portugal
Ещё один крутой выпуск подкаста Lenny про эволюцию из стартапа в глобальный продукт. Он очень классно находит героев для своего проекта! На этот раз в гостях Maya Prohovnik, первый сотрудник стартапа Anchor, который был куплен Spotify. Сейчас Майя руководит всем продуктом для подкастов в Spotify.
Было интересно послушать про изменения в подходах к проблемам и привлечению пользователей. И о том как небольшая команда после присоединения к крупному игроку рынка может приносить пользу всей компании.
История о том, как в Anchor сделали возможность автоматически загрузить подкаст на Apple, когда такой функции не было ни в одном продукте на рынке, вообще 🔥 Оказывается, они наняли несколько интернов-студентов, которые делали это за пользователя вручную. А в интерфейсе продукта это выглядело как магия по клику на одну кнопку!
▶️ https://youtu.be/1gXNOJEWajU
На прошлой неделе советовал вам выпуск про эволюцию в Figma. Они хорошо дополняют друг друга https://t.me/vladimir_merkushev/1942
#videoholidays
Было интересно послушать про изменения в подходах к проблемам и привлечению пользователей. И о том как небольшая команда после присоединения к крупному игроку рынка может приносить пользу всей компании.
История о том, как в Anchor сделали возможность автоматически загрузить подкаст на Apple, когда такой функции не было ни в одном продукте на рынке, вообще 🔥 Оказывается, они наняли несколько интернов-студентов, которые делали это за пользователя вручную. А в интерфейсе продукта это выглядело как магия по клику на одну кнопку!
▶️ https://youtu.be/1gXNOJEWajU
На прошлой неделе советовал вам выпуск про эволюцию в Figma. Они хорошо дополняют друг друга https://t.me/vladimir_merkushev/1942
#videoholidays
YouTube
Building Anchor, selling to Spotify, and lessons learned | Maya Prohovnik (Head of Podcast Product)
Maya Prohovnik is currently Spotify’s Head of Podcast Product. She was employee #1 at Anchor, which was acquired by Spotify in 2019 and now powers more than 80% of all new podcasts created in the world. In 2023, Maya was named one of the Most Important People…
Как оценить свой product-led growth
В создании и развитии успешного продукта самое важное — запустить процесс роста аудитории, поддерживаемый самим продуктом. К этому стремится любая компания, которая хочет кратно увеличить аудиторию своих клиентов. Обычно, нужно провести множество экспериментов, чтобы эффект product-led growth (PLG) начал работать в вашем продукте, а любому эксперименту нужны измеримые цели.
Ребята из Openview уже несколько лет проводят исследования с компаниями и собирают бенчмарки на всех этапах использования продукта органическими и PLG пользователями. На базе опыта более 1000 компаний получился отчёт для каждого этапа пути пользователя с цифрами конверсий. Может быть очень полезно для проверки своего продукта и при выборе целей для экспериментов. Больше всего подойдет для SaaS и продуктов с монетизацией через подписку.
▶️ https://openviewpartners.com/2022-product-benchmarks/
#productlinks
В создании и развитии успешного продукта самое важное — запустить процесс роста аудитории, поддерживаемый самим продуктом. К этому стремится любая компания, которая хочет кратно увеличить аудиторию своих клиентов. Обычно, нужно провести множество экспериментов, чтобы эффект product-led growth (PLG) начал работать в вашем продукте, а любому эксперименту нужны измеримые цели.
Ребята из Openview уже несколько лет проводят исследования с компаниями и собирают бенчмарки на всех этапах использования продукта органическими и PLG пользователями. На базе опыта более 1000 компаний получился отчёт для каждого этапа пути пользователя с цифрами конверсий. Может быть очень полезно для проверки своего продукта и при выборе целей для экспериментов. Больше всего подойдет для SaaS и продуктов с монетизацией через подписку.
▶️ https://openviewpartners.com/2022-product-benchmarks/
#productlinks
Эксперименты с рекомендациями длиною в 20 лет
Netflix славится своей моделью рекомендаций — сегодня более 80% контента его пользователи начинают смотреть через рекомендательные алгоритмы и персонализированный интерфейс выбора.
Но эта работа началась задолго до того, как появился стриминг видео, когда для анализа доступны такие сигналы как начало просмотра и длительность просмотра каждого видео у каждого пользователя. Netflix начинался с сервиса аренды DVD по почте, и уже тогда ключевой гипотезой команды было: если мы сможем хорошо подсказать пользователю какой контент посмотреть, он будет возвращаться к нам снова и снова.
Крутая статья с разбором изменений в инструментах рекомендаций Netflix по годам от 1998 года до наших дней. За эти годы в Netflix провели множество тестов, большинство из которых не дали значимого эффекта на ретеншн пользователей. Первый подтвержденный эффект был в 2011 году. Можно позавидовать терпению и уровню веры команды в ключевую гипотезу!
▶️ https://gibsonbiddle.medium.com/a-brief-history-of-netflix-personalization-1f2debf010a1
#productlinks
Netflix славится своей моделью рекомендаций — сегодня более 80% контента его пользователи начинают смотреть через рекомендательные алгоритмы и персонализированный интерфейс выбора.
Но эта работа началась задолго до того, как появился стриминг видео, когда для анализа доступны такие сигналы как начало просмотра и длительность просмотра каждого видео у каждого пользователя. Netflix начинался с сервиса аренды DVD по почте, и уже тогда ключевой гипотезой команды было: если мы сможем хорошо подсказать пользователю какой контент посмотреть, он будет возвращаться к нам снова и снова.
Крутая статья с разбором изменений в инструментах рекомендаций Netflix по годам от 1998 года до наших дней. За эти годы в Netflix провели множество тестов, большинство из которых не дали значимого эффекта на ретеншн пользователей. Первый подтвержденный эффект был в 2011 году. Можно позавидовать терпению и уровню веры команды в ключевую гипотезу!
▶️ https://gibsonbiddle.medium.com/a-brief-history-of-netflix-personalization-1f2debf010a1
#productlinks
Medium
A Brief History of Netflix Personalization
From startup in 1998 to today, a detailed history of the strategy, metrics, and experiments Netflix executed to develop a personalized…
Happy Inbox Zero Day!
Сегодня отмечают день Inbox Zero — полезной практики работы с электронной почтой. Этот подход помогает изменить отношение к почте и перестать «разгребать свой почтовый ящик». Я начал следовать этому подходу несколько лет назад, ещё при ежедневной работе с GMail, а после перехода на Superhuman это стало естественным форматом работы с электронной почтой. Проверено на собственном опыте — скорость и эффективность работы заметно выросли.
Сегодня в честь праздника Superhuman даёт два бесплатных месяца вместо одного всем новым пользователям по приглашению. Можете скинуть мне свой емейл в ЛС для инвайта и попробовать сами. Кстати, Superhuman теперь есть и на Android.
А ещё они используют вдохновляющие фото в качестве фона для вашего пустого почтового ящика и для написали целый гайд о том, как использовать фотографии для формирования эмоций в продуктах. Можно попробовать применить у себя 😉
▶️ https://blog.superhuman.com/how-superhuman-chooses-inbox-zero-images/
#lifehacks
Сегодня отмечают день Inbox Zero — полезной практики работы с электронной почтой. Этот подход помогает изменить отношение к почте и перестать «разгребать свой почтовый ящик». Я начал следовать этому подходу несколько лет назад, ещё при ежедневной работе с GMail, а после перехода на Superhuman это стало естественным форматом работы с электронной почтой. Проверено на собственном опыте — скорость и эффективность работы заметно выросли.
Сегодня в честь праздника Superhuman даёт два бесплатных месяца вместо одного всем новым пользователям по приглашению. Можете скинуть мне свой емейл в ЛС для инвайта и попробовать сами. Кстати, Superhuman теперь есть и на Android.
А ещё они используют вдохновляющие фото в качестве фона для вашего пустого почтового ящика и для написали целый гайд о том, как использовать фотографии для формирования эмоций в продуктах. Можно попробовать применить у себя 😉
▶️ https://blog.superhuman.com/how-superhuman-chooses-inbox-zero-images/
#lifehacks
Творчество и нейросети
Если вы смотрели на работы, созданные с помощью современных нейронных сетей, хотели сами попробовать этот новый вид творчества, но времени разобраться и начать не хватало — этот пост для вас.
Мой давний знакомый Александр Пичугин, лидер русскоязычного digital сообщества Лиссабона и арт-директор с 15-летним опытом работы в рекламных и брендинговых агентствах, запускает свой онлайн практикум Нейросети: Будущее Искусства.
6 недель погружения в мир промптинга, Stable Diffusion, Midjourney, DALLE, генерации и редактирования изображений. Практическое обучение в режиме реального времени: вы будете не просто слушать лекции, а сразу же применять полученные знания на практике, работая над собственными идеями и проектами, экспериментируя с искусством будущего.
Это первая когорта с символической ценой за участие. Я с удовольствием поддерживаю и сам планирую присоединиться. Давайте с нами 😉
Подробная программа, орг вопросы и примеры работ здесь
#дружескийпиар
Если вы смотрели на работы, созданные с помощью современных нейронных сетей, хотели сами попробовать этот новый вид творчества, но времени разобраться и начать не хватало — этот пост для вас.
Мой давний знакомый Александр Пичугин, лидер русскоязычного digital сообщества Лиссабона и арт-директор с 15-летним опытом работы в рекламных и брендинговых агентствах, запускает свой онлайн практикум Нейросети: Будущее Искусства.
6 недель погружения в мир промптинга, Stable Diffusion, Midjourney, DALLE, генерации и редактирования изображений. Практическое обучение в режиме реального времени: вы будете не просто слушать лекции, а сразу же применять полученные знания на практике, работая над собственными идеями и проектами, экспериментируя с искусством будущего.
Это первая когорта с символической ценой за участие. Я с удовольствием поддерживаю и сам планирую присоединиться. Давайте с нами 😉
Подробная программа, орг вопросы и примеры работ здесь
#дружескийпиар
Generative AI — угроза или возможность для маркетплейсов
Недавно я был на вебинаре от AIM Group, где Jonathan Turpin поделился своим взглядом на возможности и угрозы, которые несут GPT технологии в сферу классифайдов и маркетплейсов. Команда AIM уже не первый десяток лет держит руку на пульсе этого рынка, поэтому их анализ и прогнозы всегда интересно слушать.
Ключевой месседж: у платформы маркетплейса есть преимущества, которые никогда не получат AI помощники: накопленный массив данных о спросе, предложении и транзакциях, системы доверия между продавцом и покупателем, возможность быть внутри сделки. Но это не значит, что они могут спокойно оставаться в стороне. Уже сейчас Alexa или Bard могут ответить на запрос про подбор машины или недвижимости под критерии покупателя и сделать это с приемлемым качеством.
Ценность AI растет со сложностью запроса и количеством факторов, которые покупатель хочет использовать, чтобы получить нужный ему результат. Например, подбор машины, где сравнительно немного параметров поиска, и поиск работы или дома — намного более персонализированный поиск. Я сам уже видел продукты для поиска работы с явным использованием AI под капотом и они работают намного лучше обычного каталога вакансий или поисковика.
Другая область, где AI может изменить рынок — этап переговоров между продавцом и покупателем. Ответы на одинаковые вопросы, фильтрация лидов, обсуждение цены, скрининг кандидатов на вакансию — эти задачи сейчас вынуждены брать на себя пользователи. Это большой объем ручной работы, а значит генеративный AI может быть отличным инструментом для улучшения опыта пользователя и для повышения эффективности внутренних операционных процессов маркетплейса.
Ключевой совет для маркетплейсов — начинайте сейчас, экспериментируйте, пробуйте применять готовые инструменты. А для тех, кто занимается разработкой AI инструментов, стоит посмотреть на этот огромный рынок и подумать какие проблемы на нём можно решить. Клиентов с деньгами там хватает 😉
Посмотреть презентацию можно по ссылке ниже.
▶️ https://aimgroup.com/private/651b406b10c55
#marketplaces #classifieds #aifuture
Недавно я был на вебинаре от AIM Group, где Jonathan Turpin поделился своим взглядом на возможности и угрозы, которые несут GPT технологии в сферу классифайдов и маркетплейсов. Команда AIM уже не первый десяток лет держит руку на пульсе этого рынка, поэтому их анализ и прогнозы всегда интересно слушать.
Ключевой месседж: у платформы маркетплейса есть преимущества, которые никогда не получат AI помощники: накопленный массив данных о спросе, предложении и транзакциях, системы доверия между продавцом и покупателем, возможность быть внутри сделки. Но это не значит, что они могут спокойно оставаться в стороне. Уже сейчас Alexa или Bard могут ответить на запрос про подбор машины или недвижимости под критерии покупателя и сделать это с приемлемым качеством.
Ценность AI растет со сложностью запроса и количеством факторов, которые покупатель хочет использовать, чтобы получить нужный ему результат. Например, подбор машины, где сравнительно немного параметров поиска, и поиск работы или дома — намного более персонализированный поиск. Я сам уже видел продукты для поиска работы с явным использованием AI под капотом и они работают намного лучше обычного каталога вакансий или поисковика.
Другая область, где AI может изменить рынок — этап переговоров между продавцом и покупателем. Ответы на одинаковые вопросы, фильтрация лидов, обсуждение цены, скрининг кандидатов на вакансию — эти задачи сейчас вынуждены брать на себя пользователи. Это большой объем ручной работы, а значит генеративный AI может быть отличным инструментом для улучшения опыта пользователя и для повышения эффективности внутренних операционных процессов маркетплейса.
Ключевой совет для маркетплейсов — начинайте сейчас, экспериментируйте, пробуйте применять готовые инструменты. А для тех, кто занимается разработкой AI инструментов, стоит посмотреть на этот огромный рынок и подумать какие проблемы на нём можно решить. Клиентов с деньгами там хватает 😉
Посмотреть презентацию можно по ссылке ниже.
▶️ https://aimgroup.com/private/651b406b10c55
#marketplaces #classifieds #aifuture
Прокачиваем навыки и насмотренность
Продакту легче подниматься по карьерной лестнице, когда знания структурированы и закреплены на реальных кейсах.
Повысьте свою продуктовую экспертизу на курсе «Продакт-менеджер» от ProductStar (группа компаний РБК)
Что сможете добавить в резюме:
— Запуск MVP и A/B-тестов;
— Просчет Unit-экономики продуктов;
— Эффективное управление командой;
— Проведение CustDev и построение продуктовой аналитики.
Курс идеально подойдет:
— Junior- и Middle-продактам;
— Тим лидам разных специализаций;
— Маркетологам и PMM’ам;
— Продуктовым аналитикам.
Эксперты рынка из Тинькофф, Яндекс, X5 Group поделятся своим многолетним опытом, чтобы вы чувствовали себя уверенно на карьерном пути.
По промокоду «ПРОДУКТОРИЙ60» действует скидка 60% на курс.
▶️ Забронировать скидку
#дружескийпиар
Продакту легче подниматься по карьерной лестнице, когда знания структурированы и закреплены на реальных кейсах.
Повысьте свою продуктовую экспертизу на курсе «Продакт-менеджер» от ProductStar (группа компаний РБК)
Что сможете добавить в резюме:
— Запуск MVP и A/B-тестов;
— Просчет Unit-экономики продуктов;
— Эффективное управление командой;
— Проведение CustDev и построение продуктовой аналитики.
Курс идеально подойдет:
— Junior- и Middle-продактам;
— Тим лидам разных специализаций;
— Маркетологам и PMM’ам;
— Продуктовым аналитикам.
Эксперты рынка из Тинькофф, Яндекс, X5 Group поделятся своим многолетним опытом, чтобы вы чувствовали себя уверенно на карьерном пути.
По промокоду «ПРОДУКТОРИЙ60» действует скидка 60% на курс.
▶️ Забронировать скидку
#дружескийпиар
Новый опыт отклика на вакансию или как одним экраном изменить отношение пользователя
Я сейчас в активном поиске работы и откликаюсь на очень разные вакансии. В том числе для того, чтобы пообщаться и потренировать немного забытые навыки прохождения собеседования.
Случайно наткнулся на вакансию CPO от стартапа Toggl и очень удивился, когда до отклика с резюме мне предложили пройти онлайн тест на знание основ продуктовой разработки. Реакция была скорее негативная, тест на C-level позицию? Вы серьезно? Но ради интереса решил попробовать.
Большая часть вопросов были интересные и мне даже понравилось. А последний экран в тесте 👇🏻 полностью изменил впечатление от процесса с негатива, на понимание и интерес.
Выделить своего пользователя из общей массы и наглядно это показать — отличный приём, который можно попробовать использовать для улучшения CJM на сложных этапах. Это хорошо использует Grammarly в своих регулярных отчетах со статистикой использования слов, этим мотивирует продолжать обучение GoPractice в конце главы. Но в целом, это довольно редкий инструмент. Стоит подумать применим ли такой сценарий в вашем продукте.
Кстати, оказалось, что Toggl использует своё собственное решение для онлайн тестов под девизом «In skills we trust». Если у вас есть вакансии, на которые приходит очень много откликов, возможно стоит попробовать. Для популярных позиций и технологий у Toggl есть даже готовые тесты, из которых можно быстро собрать свой инструмент отбора кандидатов.
▶️ https://toggl.com/hire/
#lifehacks
Я сейчас в активном поиске работы и откликаюсь на очень разные вакансии. В том числе для того, чтобы пообщаться и потренировать немного забытые навыки прохождения собеседования.
Случайно наткнулся на вакансию CPO от стартапа Toggl и очень удивился, когда до отклика с резюме мне предложили пройти онлайн тест на знание основ продуктовой разработки. Реакция была скорее негативная, тест на C-level позицию? Вы серьезно? Но ради интереса решил попробовать.
Большая часть вопросов были интересные и мне даже понравилось. А последний экран в тесте 👇🏻 полностью изменил впечатление от процесса с негатива, на понимание и интерес.
Выделить своего пользователя из общей массы и наглядно это показать — отличный приём, который можно попробовать использовать для улучшения CJM на сложных этапах. Это хорошо использует Grammarly в своих регулярных отчетах со статистикой использования слов, этим мотивирует продолжать обучение GoPractice в конце главы. Но в целом, это довольно редкий инструмент. Стоит подумать применим ли такой сценарий в вашем продукте.
Кстати, оказалось, что Toggl использует своё собственное решение для онлайн тестов под девизом «In skills we trust». Если у вас есть вакансии, на которые приходит очень много откликов, возможно стоит попробовать. Для популярных позиций и технологий у Toggl есть даже готовые тесты, из которых можно быстро собрать свой инструмент отбора кандидатов.
▶️ https://toggl.com/hire/
#lifehacks
Project vs Product Thinking
За что люблю английский, так это за краткость и ёмкость формулировок на наши профессиональные темы. Шикарная иллюстрация к посту от Shreyas Doshi про разницу проектного и продуктового подхода. Кстати, и тот и другой нужны и важны, главное не путать один с другим и применять для подходящих задач.
Пост на тему обратной связи вида «ты отлично справляешься с управлением командой и текущими задачами, но нужно больше думать о стратегии продукта» тоже будет полезно почитать. Shreyas выделяет три типа ситуаций, которые могут привести к такой ситуации:
✔️Лучше понимать разницу между подходами по критериям из списка и применять их в правильной ситуации 👇🏻
✔️Больше думать о новых возможностях, которые ваш продукт может дать компании в долгосрочной перспективе
✔️Уделять больше внимания распространению видения и стратегии продукта в команде и среди стейкхолдеров
Если услышите такую обратную связь от своего менеджера — уточните о чём именно идёт речь, ведь действия, которые вы можете попробовать сделать для улучшения ситуации, будут очень разные.
▶️ https://www.linkedin.com/posts/shreyasdoshi_you-are-great-at-execution-the-team-loves-activity-7118026861133144064-zJgc
#lifehacks #productlinks
За что люблю английский, так это за краткость и ёмкость формулировок на наши профессиональные темы. Шикарная иллюстрация к посту от Shreyas Doshi про разницу проектного и продуктового подхода. Кстати, и тот и другой нужны и важны, главное не путать один с другим и применять для подходящих задач.
Пост на тему обратной связи вида «ты отлично справляешься с управлением командой и текущими задачами, но нужно больше думать о стратегии продукта» тоже будет полезно почитать. Shreyas выделяет три типа ситуаций, которые могут привести к такой ситуации:
✔️Лучше понимать разницу между подходами по критериям из списка и применять их в правильной ситуации 👇🏻
✔️Больше думать о новых возможностях, которые ваш продукт может дать компании в долгосрочной перспективе
✔️Уделять больше внимания распространению видения и стратегии продукта в команде и среди стейкхолдеров
Если услышите такую обратную связь от своего менеджера — уточните о чём именно идёт речь, ведь действия, которые вы можете попробовать сделать для улучшения ситуации, будут очень разные.
▶️ https://www.linkedin.com/posts/shreyasdoshi_you-are-great-at-execution-the-team-loves-activity-7118026861133144064-zJgc
#lifehacks #productlinks
Просто о продуктах
Сегодня у вас есть отличная возможность посмотреть живые выступления продуктовых экспертов, которых я регулярно цитирую в этом канале. Marty Cagan, Ash Maurya, Pawel Huryn и другие будут сегодня делиться опытом на конференции just product в Мюнхене.
Есть бесплатный доступ к онлайн трансляции. Думаю будет очень интересно и полезно, а пятница — хороший день для саморазвития. Не пропустите 😉
▶️ https://www.product-masterclass.com/en/just-product-2023
#productlinks
Сегодня у вас есть отличная возможность посмотреть живые выступления продуктовых экспертов, которых я регулярно цитирую в этом канале. Marty Cagan, Ash Maurya, Pawel Huryn и другие будут сегодня делиться опытом на конференции just product в Мюнхене.
Есть бесплатный доступ к онлайн трансляции. Думаю будет очень интересно и полезно, а пятница — хороший день для саморазвития. Не пропустите 😉
▶️ https://www.product-masterclass.com/en/just-product-2023
#productlinks
Браво, Netflix!
Давно я не смотрел сериалы запоем. А документальные сериалы вообще никогда!
Бекхем — мини-сериал из 4 эпизодов от Netflix о карьере и личной жизни Дэвида Бекхема. Большая часть про его игру за Manchester United, и это именно тот MU, за который я болел в школьном и студенческом возрасте!
В сериале много архивных записей (отец Дэвида сохранил видео всех его матчей!), семейных видео и свежих съёмок обычной жизни Бекхемов. Всё это объединено в интересную историю с комментариями от участников событий. Кажется, Netflix придумал новый формат контента и у него большое будущее.
▶️ https://www.netflix.com/ru/title/81223488
#videoholidays
Давно я не смотрел сериалы запоем. А документальные сериалы вообще никогда!
Бекхем — мини-сериал из 4 эпизодов от Netflix о карьере и личной жизни Дэвида Бекхема. Большая часть про его игру за Manchester United, и это именно тот MU, за который я болел в школьном и студенческом возрасте!
В сериале много архивных записей (отец Дэвида сохранил видео всех его матчей!), семейных видео и свежих съёмок обычной жизни Бекхемов. Всё это объединено в интересную историю с комментариями от участников событий. Кажется, Netflix придумал новый формат контента и у него большое будущее.
▶️ https://www.netflix.com/ru/title/81223488
#videoholidays
Netflix
Бекхэм | Официальный сайт Netflix
От простого новичка до мировой звезды футбола: этот документальный сериал рассказывает о стремительном взлете Дэвида Бекхэма. Включает эксклюзивные материалы.