Daria Ovchinnikova | Pro Product & Management

🚀 Побеждает тот, у кого хвост чище? Стремление к успеху — одна из навязчивых идей современного человечества. Вся наша социальная эволюция привела к тому, что миллионы людей постоянно стремятся к нему разными способами. Сегодня начинаю серию размышлений о том какой хвост (чистый или грязный) эффективнее на этом пути для продакта. И написана она глазами андердога — человека, которому ТОЖЕ ХОЧЕТСЯ, но НЕ ВСЁ РАВНО, как побеждать (поэтому его стартовая позиция слабее☝🏻). Эти #мысливслух — для тех, чей опыт пока относительно гладкий (без токсичных сред и психопатичных руководителей), а также для тех, кто проживает «тёмный момент» карьеры. Если они помогут избежать ошибок и разочарований или пройти кризис хотя бы одному человеку — моя цель достигнута. Впрочем, "не является индивидуальной инвестиционной рекомендацией" 😉 Начну с простого: почему люди предпочитают побеждать честно? Стремление к честной победе — не наивность и не поза. Это психологически комфортный выбор для здорового человека, способ оставаться целостным, без "долгов" и стойкого чувства стыда. Такая победа даёт опору и энергию, нечестная, даже если она надежно прикрыта видимостью триумфа, оставляет разрушающий осадок, неуверенность в себе и включает оборонительный цинизм. Если правила игры стабильны, fair play — ещё и рациональный выбор: он переносим между контекстами и работает в долгую, в то время как «быстрый» выигрыш с дурно пахнущим хвостом — нет. Обратите внимание на слово "если"... Социальный опыт также закрепляет установку на возможность быть успешным по правилам. Дом/школа часто дают простую причинность («сделал — получил»), а иногда — токсичную версию «не вышло — мало старался», которая маскирует роль контекста. А если ваш путь к успеху перекрывал чужой блат, это рождало контр-реакцию: не буду выигрывать «криво» - я не из этих. Далее: digital-среда и ранняя карьера — олимпиады, гитхаб, хакатоны, открытые конкурсы, стартовые позиции... — там вклад проверяем и видим, а корреляция "усилия - успех" выше среднего и лучше видна. В итоге идеи меритократии закрепляются, как рабочий механизм. Неудивительно, что много людей с таким опытом и взглядами в постсоветском пространстве оказались в ИТ. Сильная школа, позитивный опыт причинности... их подготовка и оптика лучше конвертировались именно здесь - в отрасли без устаревших институтов, с меньшей зависимостью от блата локальных “ворот”. Но главное - здесь долго совпадали витрина и реальная практика. Поэтому когда расхождения стали очевиднее, это обернулось массовой болью. Кто в ИТ оказался уязвимее других? ИМХО: кросс-функциональные роли — прежде всего продакты. Роль притягивает тех, кто амбициозен, готов перформить и кому важно «объективно»: решения - из данных, договорённости - что-то стоят, повышение - по заслугам... Но корпоративная среда делает их особенно уязвимыми: — Нечёткая атрибуция. Успех мультикаузален, при необходимости его легко «размазать» на всех или кого надо, провал прилипает лично к PM. — Слабая доказательная сила артефактов. У инженера — дифф, у дизайнера — макет, у сейлза — контракт; у PM — решения, roadmap, тикеты, иногда P&L — «джентльменский набор», который показывает объём glue work, но слабо конвертируется в личный кредит. — Ответственность без полномочий. Отвечаешь за исход, а ключевые ресурсы и «ворота» контролируешь частично и опосредованно. — Тайм-лаг. Эффект от сегодняшних решений проявляется через кварталы — слишком поздно для сегодняшних побед. ... Очарованный меритократией PM рано или поздно разочаровывается. И чем более гладким был его трек до «точки Х», и чем больший диссонанс он создает своим присутствием, тем резче будет ответ среды и последующий кризис. В следующем посте — “точка Х”: какие сигналы показывают, что витрина больше не описывает вашу реальность (pre-wire без вас, “мы”-отчёты без имён, ротации к финишу, спонсорство) — и почему это уже не про «быть лучшим». p.s. а фраза из заголовка принадлежит Ирине Винер или Этери Тутберидзе... и в оригинале звучит она без знака вопроса. Как думаете почему? 👇🏻 Pro Product

Часто читаю тезис: «вы не получаете ресурсы, потому что не можете говорить на языке бизнеса и финансов». Такое умение БЕЗУСЛОВНО важно, но проблема, на мой взгляд, многограннее 👇🏻 Когда вы находитесь в фазе гипотезы или даже идеи, честный P&L, NPV, да даже точный прогноз эффекта чаще НЕВОЗМОЖНЫ, чем возможны. Любой, кто приносит на защиту P&L до подтверждения сигнала ценности, либо выдаёт допущения за факты, либо продаёт фантазию (часто даже не свою). Чтобы появились более-менее реальные цифры, нужен пилот/тест и данные. Чтобы сделать пилотный запуск/провести тест, нужны ресурсы. Здесь круг замыкается, потому что во многих компаниях exploration-бюджета на проверки просто нет. А значит нет ни команды, ни инструментов, ни доступа к необходимым данным. По сути здесь смешиваются фазы Discovery и Delivery: от менеджера требуют инвест-кейс там, где ещё идёт поиск причинно-следственной модели. И менеджер оказывается между Сциллой и Харибдой: отсутствием ресурсов для получения данных и требованием «принеси честный P&L», чтобы ресурсы получить. Развилка понятна: либо рисовать, либо выкручиваться — делать за свой счёт/выбивать микро-бюджет на проверку... = слышать, что «ты плохой менеджер, потому что условный Вася уже без бюджета принёс цифры и ничего "ручками" не делал». "Вася", конечно, их придумал и защитил. Уйдёт под аплодисменты до того, как реальность настигнет графики, если пойдёт на повышение — запустит цепную реакцию: ❌ Те, кто хочет "как Вася", быстро вытеснят тех, кто пытался снижать неопределенность и выстраивать с компанией отношения типа win-win. ❌ Затем замрет движение по портфелю из-за низкого качества проработки и большого количества неадекватно завышенных оценок (чем крупнее компания, тем смелее будут оценки), time to market в какой-то момент станет вовсе неприличным. Особенно опасно, если нет WIP-лимитов (можно начать сколько угодно проектов) и нет kill-критериев (никто ничего никогда не завершает). ❌ Любая попытка починить ситуацию упрется в позицию «мало людей» → наем людей (и это будут скорее всего не разработчики/аналитики/дизайнеры, а новые генераторы «смелых идей» – у нас же проработка плохая 😊) → рост энтропии. ⚖️ Про модели Есть два подхода к тому, как из идеи получается продуктовая ставка: 🔘 Одноуровневая модель — идея сразу превращается в ставку, попадая в бэклог Execution и проверяется через сам MVP. Приоритизация строится на допущениях и прогнозах, что повышает риск ошибок и манипуляций с P&L. Особенно опасно, если после запуска нет переоценки и возможности отказаться от лонча. Подходит для: – рынок и задача хорошо изучены; – стоимость ошибки низкая; – важна скорость выхода на рынок. 🔘 Двухуровневая модель (см. слайд) — сначала Discovery и проверка сигнала ценности (пилот, тест), а в Execution попадают только подтверждённые ставки. Приоритизация строится на проверенных данных, риски ниже. Подходит для: – рынок и поведение пользователя неизвестны; – цена ошибки высока; – острая конкуренция за ресурсы. Что с этим делать? Учиться говорить на языке бизнеса и финансов — must have, но ➕ 1️⃣ Настроить работу с бэклогами и бюджетами под выбранную модель. Двухуровневая модель: 🔘 Backlog Discovery — гипотезы, WIP-лимиты, прединвест-пул, ворота по сигналу. 🔘 Backlog Execution/Delivery — ставки (идеи) только после подтверждения ценности, с бизнес-кейсом. Одноуровневая модель: 🔘 Единый бэклог Execution, но с обязательной переоценкой после MVP и возможностью стопа. 🔘 Фикс в процессах, что MVP ≠ финальный продукт, а P&L после запуска корректируется. 2️⃣ Строить процесс вокруг объективности, а не продажи идей. — Цель — снижение неопределённости через исследование, а не внутренняя продажа. — Приоритизация — на основе измеренных сигналов (SOM, ROI, PBP и др.), либо — в одноуровневой модели — с обязательной последующей переоценкой по факту. — Чёткие kill-критерии и one-in/one-out защищают фокус и портфель. — Доступ к данным и инструментам — у тех, кто отвечает за результат. — Результаты пилотов, MVP и закрытых гипотез фиксируются и влияют на стратегию и финансовые модели. Pro Product #стратегия #мысливслух

Хочу сегодня поделиться промежуточными #мысливслух по одной из очень актуальных и тревожных тем — что сейчас происходит с поиском и почему это очень важно. К середине 2025 года привычная модель «пользователь вводит запрос — кликает на сайт — смотрит рекламу» дала трещину. Google стал выдавать AI-обзоры в два раза чаще (с 6,5 % до 13,1 %), а в узких B2B-нишах их доля достигает 70 %. Similarweb: органический поиск просел на 6,7 % за год. IAB Tech Lab: AI-обзоры «съедают» у издателей 20–60 % трафика (до 90 % в нишах) — это минус ≈ $2 млрд рекламной выручки ежегодно. При этом вырисовывается новый поток доходов - монетизация данных для ИИ, и он согласно прогнозу Gartner вырастет до $17 млрд к 2027-му 🤔 То есть, прежняя модель монетизации буквально рушится на глазах, и digital снова оказывается перед базовым вопросом "Кто за это платит?". Когда-то вопрос решился появлением рекламной модели. Сегодня на горизонте уже вырисовывается сразу несколько альтернатив, каждая из которых предлагает свой новый баланс между издателями, платформами и пользователями: 1️⃣ B2B-лицензии платного контента – CFlow: AI-гиганты (Amazon, OpenAI) напрямую платят крупным издателям за доступ к архивам и обучающим материалам. – AS IS vs TO BE: Например, NYT получает $20–25 млн в год, компенсируя ≈ 15–20 % потерь рекламного дохода. Но это «привилегия» лидеров: мелкие издатели не могут выйти на такие цифры поодиночке. – UX: AI-ответ остаётся бесплатным, полный текст за paywall — никаких сбоев в пользовательском опыте. 2️⃣ Reward-модели для открытого контента – CFlow: рекламодатели купят показ в Offerwall (video-ads), платформы опросов платят за completed surveys, или пользователи оплачивают «time-pass» ($0,99). – AS IS vs TO BE: Offerwall на мобильных возвращает +9 % выручки от оставшихся кликов (≈ 5 % от исходных), на десктопе при оттоке 15 % uplift (≈ 7 % от исходных). «Time-pass» конвертируется на 22 % лучше опросов, но в абсолютном выражении это лишь +1–2 % от исходных. – UX: появляется промежуточный экран — seamless-опыт страдает, часть аудитории уходит, особенно на узких нишах. 3️⃣ Платный API-доступ для AI-агентов – CFlow: AI-платформы или автономные агенты запрашивают данные через Model Context Protocol или NLWeb и платят паблишерам за запросы. – AS IS vs TO BE: пилоты (Persana AI) говорят о снижении CAC на 65 % и до +30 % нового дохода, но в целом цифры пока близки к нулю — модель пока экспериментальная. – UX: пользователи даже не замечают изменений — агент сам достаёт и показывает ответ. 4️⃣ Owned-каналы – CFlow: издатель вкладывает ресурсы в рассылки, мессенджеры, персонализированные AI-ассистенты и т.п., а доход идёт через подписки, платные гайды или спонсорские интеграции. – AS IS vs TO BE: гибрид AI+эксперт повышает LTV в 3–5×, компенсируя до 10–15 % утраченной рекламы в перспективе. – UX: вместо баннеров — персональные консультации и кейс-стади, что укрепляет доверие и вовлечённость. ⚠️ Риски 🚩 Монополизация лицензий крупными игроками (а-ля NYT, FT). 🚩 Уязвимость нишевых сайтов к потере даже 5% трафика. 🚩 Регуляторная неопределенность и технические сложности интеграции API 5. 🚩 Падение доверия из-за ошибок AI-сводок — критично для издателей. 🚩 Рост затрат на owned-каналы: конкуренция в email/мессенджерах поднимает стоимость привлечения, рискуя съесть доход. Итоговый баланс — 30–50 % компенсации утраченного рекламного дохода + риски. Оставшиеся 50–70 % требуют новых продуктовых решений и масштабных инвестиций. 💡 Digital-индустрия сегодня, как никогда, нуждается в «продуктовых архитекторах» — CPO, которые сочетают в себе глубокое понимание экономики и технологий, в курсе трендов и способны мыслить вне стандартных рамок. Сейчас не время собирать обломки старой модели. Сейчас не время "править". Сейчас время "строить" фабрику данных как минимум с тремя ключевыми активами: - Лицензируемые архивы - API-продукты для агентов - Owned-каналы и экспертиза Те, кто этого не понимает, рискуют остаться в прошлом.ИМХО Pro Product #тренды #AI #Рынок

Я тут заметила, что у меня есть одна тема, после постов на которую, от меня чаще всего отписываются. Причем 80 % отписавшихся - HR 😊 Вы удивитесь (или нет), но речь про #стратегия А конкретно - очень не заходит тезис, что стратегия должна соответствовать уровню зрелости команды. Так уж вышло, что на этой неделе я как раз актуализировала свои более ранние посты на эту тему 👇🏻 1️⃣ Framework разработки и исполнения продуктовой стратегии (ссылка) 2️⃣ Зрелость команды и выбор стратегии (ссылка) 3️⃣ Фаза продукта и выбор стратегии (ссылка) 4️⃣ Диагностика фазы жизненного цикла продукта (ссылка) ▶️ Не читали? — надеюсь, вам будет полезно! ▶️ Читали? — загляните снова: я уточнила детали и усилила связи между разделами. Ну и... "помогите Даше найти" причину 😊👇🏻 Pro Product

Как тебя понять, коллега? В медийном поле витает мысль "работа от проблемы в продуктовом треке не единственный возможный вариант." Тезис не новый — как человек, склонный относиться к определениям серьезно, я сначала решила: речь про Market Pull VS Technology Push. Думаю, ок, умеем, знаем, листаем дальше. Но потом эффективная частота контакта с этим сообщением была достигнута, и меня триггернуло. Не сама мысль, а частота её упоминания. Думаю: зачем всем этот Technology Push и т.п.? Откуда столько уверенности, что этот трек доступен каждой команде? 🤔 Начала разбираться, что именно люди называют «не от проблемы», и обнаружила очень любопытные вещи👇🏻 1️⃣ Неосознанную проблему называют словом "возможность" (надеюсь, в этом нет ничего эзотерического 🤞🏻просто неспособность придерживаться заявленной customer‑out перспективы) Цитаты: – возможность - это необслуживаемая работа – возможность - это затраты, которые можно сократить В обоих случаях речь о неэффективности, иногда неосознанной. И это... самая настоящая проблема, даже если вам о ней сообщил не сам пользователь 🙃 Ее частота и сила определяют ценность потенциального решения: если дельта «было -X, станет 0 или +Y» превышает стоимость + издержки на переход — заплатят. 💡 Источник сигнала (не фидбэк) не определяет вектор мысли. 2️⃣ Формат разработки стратегии называют исходной точкой Цитата: – старт от бизнес-целей/OKR Вы разрабатываете стратегию Top-Down? Вам спустили целевой показатель или указали, куда бить? Если процессы зрелые, вы просто наложите этот фильтр на бэклог и поднимете в приоритет релевантные идеи, не хватает - пойдете доисследовать фокусно. Если это первый подход к стратегии, вы начнёте Discovery с заданным углом зрения. Такое ли большое значение имеет начали вы с фильтром (ТОР-DOWN), или наложили его на свободно сформированное видение (BOTTOM UP)? В обоих случаях вы ищете сигналы улучшений в плоскости Market Pull. Исключение: вам явно сказали - пора ломать цепочку (Technology Push), а точнее: обычно говорят про бюджет на инновации 😊 3️⃣ Смешивают продуктовую и непродуктовую стратегию Примеры: – выйти на другую работу в цепочке – пойти в сегмент вне привычного рынка Это — частный случай: 1️⃣или2️⃣. Выношу их отдельно, потому что здесь особенно заметна попытка размазать продуктовую работу по всей компании (в т.ч. благодаря такой позиции имеем это). ❌ Движение вдоль цепочки (вертикальная интеграция) обычно решается через M&A силами corp‑dev. Строить своими силами целесообразно только то, что можно улучшить в приемлемый срок, а это снова Market Pull. ❌ Переход в новый сегмент тоже не всегда требует доработки core-продукта: часто достаточно другой упаковки, за которую отвечают маркетинг и коммерция. Продукт инициирует если, например, меняется модель монетизации или что-то еще в core, и это тот самый редкий Disrupt в ширину (а-ля Canva). 4️⃣ Идут от выгоды, и говорят что "это другое" В Outcome-Driven Innovation это называют desired gain — пользователь платит не за устранение боли, а за прирост ценности сверх нуля. Но с методологической точки зрения это мало что меняет: все те же методы поиска сигналов, просто теперь они выявляют «незаработанные деньги», более того — value proposition будет проблематизировать эту обратную дельту «было 0, станет +Y». 💡 Если различать продуктовое и непродуктовое, понимать Top‑Down как фильтр, не путать «откуда узнали» с «куда идём» и помнить о value chain (удивительно, как часто это явно не называется), тогда все по-прежнему  — готовность заплатить определяется проблемой (даже если ее дельта изначально положительная). Можно идти не от неё, но это только Technology Push трек, где ломают существующую цепочку с помощью новой (своей или чужой) технологии. А пост этот — не про то, что кто-то неправ. Он о том, как важен общий понятийный словарь в индустрии. Потому что сложно правильно понимать, когда кто-то называет устоявшиеся понятия своими словами, или использует устоявшиеся термины, чтобы называть ими другие вещи. От этого страдает общий уровень дискурса.ИМХО Pro Product #стратегия #мысливслух

«Недопродукты», которые выведут твой discovery на новый уровень Ранее я писала о случаях, когда продуктовый подход избыточен. Сегодня - алаверды. Поговорим о продуктах, которые часто считают "недо...", и о том, почему это совершенно незаслуженно. ❓ А вы уверены, что это не продукт? На мой взгляд, именно в таких «недопродуктах» — API, Data-платформы, IaaS-платформы... — закаляется настоящее продуктовое мышление. Потому что здесь всё сложнее: — интерфейса нет, — пользователь спрятан в чужих процессах, — метрики опосредованы, — а ошибки видны не сразу, но больно всем. 🧭 Поэтому собрала фреймворк discovery для embedded-продуктов на основе своего опыта работы с API в B2B: — как анализировать использование, — как реконструировать JTBD без интерфейса, — как приоритизировать сегменты, — и когда все это делать не нужно. 📌 Если вы думаете, что API — это просто техническая часть или страдаете от незнания как его развивать — вам точно пригодится 👇🏻 [Читать статью →] Pro Product #компетенции #исследования #философия

Продуктовые Гипотезы и Ставки Два шаблона, два канваса Как часто вы на работе заполняете канвасы? Be honest! Я ни одной не заполнил полностью. Но всё ещё считаю этот формат шаблонов полезным — это хороший способ визуализировать последовательность действий, взаимосвязь между блоками, задать обязательный чеклист вопросов, в конце концов. Поэтому сегодня у меня выходит сразу два «канваса»: Шаблон «Продуктовая гипотеза» — чтобы раз и навсегда застолбить: гипотеза — это предположение, объясняющее наблюдаемое явление. Её можно проверять быстро и дёшево (просто покопавшись в имеющихся данных или собрав новые) или долго и дорого (сплит-тестами или даже экспериментами в продакшене). Но главный смысл проверки гипотезы — производить знания, которые мы потом можем переиспользовать. Шаблон «Продуктовая ставка» — чтобы ещё раз (после «Снег идёт…») зафиксировать: настоящая продуктовая ставка содержит в себе и идею, и оценку импакта, и оценку эффорта — прежде чем что-то делать, мы должны сказать, что на кону и ради чего вот это вот всё. Я ставлю на то, что никто из вас ни разу не заполнит эти канвасы полностью, но это не отменяет их потенциальной пользы. Поэтому: лайк, шэр, репост, пожалуйста — чем больше коллег будут правильно применять эти термины (или даже сами шаблоны), тем более воспроизводимыми и качественными будут наши с вами результаты работы. Тем больше будет наш ROI. Тем ценнее будут продакты. --- Двойная петля практик — концептуальная основа обоих шаблонов — здесь. «Снег...», по-прежнему, идёт — здесь. --- Поддержать канал: Patreon (€) • Sponsr (₽)

Даже если не будете внедрять в постоянную работу, попробовать тоже полезно 😉

Bширь или вглубь? Есть стереотип, что масштаб — это всегда про ширину: больше идей, больше рынков, больше денег. Но на практике стратегия «вширь» чаще приводит к утечке ресурсов. Evernote, ушедший от заметок в сторону маркетплейса — сокращения, смена CEO, попытки вернуться к ядру. Google+, навязанный как «ещё одна соцсеть» без убедительной ценности. Yahoo!, стремившийся быть всем и не ставший никем, несмотря на потенциал. Ширина, как ловушка Идеи «вширь» легко рождаются: — не требуют глубокого знания среды, — удобно упаковываются в метафоры и презентации. Эта доступность раскрывает чакру корпоративного инфоцыганства. Вспоминаются политики, футурологи, астрологи, писатели... Все они проектируют версии будущего: – кто-то — для погружения в образ, – кто-то — хочет вызвать "правильные" эмоции, – кто-то — чтобы казаться провидцем. Но ни один из них не отвечает за реализацию, она даже не предполагается. Они не собирают команду, не отчитываются перед инвесторами... 🚨 Когда бизнес строит стратегию в той же парадигме — это опасно. Имитация движения потребляет те же ресурсы, только результата нет. Что значит «вглубь» — доисследовать сегменты, — найти новые сценарии, — снять барьеры, — переупаковать ценность в более точной форме. Это не выглядит, как инновация, и мало кого впечатляет ("харизматики" о таком не вещают). Но именно отсюда чаще всего и происходит реальный сдвиг — за счёт точного вмешательства в существующую цепочку. Пример: Uber. Чтобы задизраптить, нужно: – знать JTBD и value chain до неочевидных мест, – понимать, какие новые технологии стали доступны прямо сейчас, – уметь смоделировать поведение человека в новой среде. 💡 Дизрапт — это не фантазии. Это — предельное понимание людей, процессов и технологий. Он требует БОЛЬШЕ компетенций, чем любая другая стратегия, чаще направлен вглубь (слом цепочки), а не вширь (новый сегмент без прямой конкуренции). И случается либо у зрелой развитой команды, либо на уникальном пересечении трёх областей: технология, бизнес, гуманитарное мышление. Фаза продукта, как рамка Решение «вглубь или вширь» зависит от стадии продукта. 🟢 Поиск PMF — только вглубь: удержание, сценарии, ядро. Порог: Retention > 35%, LTV/CAC > 1.5 🟢 Рост — усиление ядра, расширение кейсов внутри базы. Ширина возможна только с жесткой фильтрацией. Порог: MoM Growth > 15%, NPS > 40 🟡 Плато — если в ядре еще есть потенциал, копаем вглубь. Если выжато — допускается вширь, но в виде отдельной управляемой сборки. Порог: MoM < 5%, Churn > 10% 🔴 Рестарт — чаще всего: продажа, сворачивание, встройка, ниша. Дизрапт возможен только если его начали собирать заранее. ❌ Типовые ошибки – пойти вширь, когда ядро имеет большой потенциал (до поздних этапов Роста) → потеря фокуса – остаться вглубь, когда рынок уже почти освоен → сжигание ресурса Решение "куда копать" также зависит от зрелости команды👆🏻 Если кратко: странно стараться взять чемпионский вес, если вы вчера пришли в зал. Когда ширина уместна 1️⃣ Фаза продукта подсказывает Но даже тогда требуется жесткая фильтрация: – есть ли синергия с ядром (аудитория, технологии, каналы)? – это действительно лучшая ставка с учётом ограничений? – требует ли запуск отдельной структуры? Нужно собрать три «да». 2️⃣ Как этап мышления, не как финальное видение или элементы бэклога: Страт.сессию можно построить по принципу дизайн-мышления: сначала — дивергенция (раскрепощение, широкий взгляд на возможности), затем — конвергенция (отбор для уточнения, детализация, отсев). Что помогает не погрязнуть в фантазиях: – задать критерии отбора заранее, – явно фиксировать, что идёт в проработку, а что — нет, – подключать к отбору и детализации тех, кто реально понимает JTBD, value chain, финмодель и ограничения продукта (т.е. "сделал домашнюю работу"). 📌 Если после дивергенции нет отбора и детализации — это не стратегия. Это просто "карта желаний". 💡Не позволяйте стереотипам и инфоцыганскому вайбу влиять на бизнес! Ширина ≠ рост. Для дизрапта нужна глубина понимания и особая сборка команды. Но, к счастью, он вам нужен далеко не всегда. Pro Product #стратегия #философия

Важная мысль в продолжение предыдущего поста. 💡 Внутренние продукты — отличный тренажёр для B2B-продакта. Особенно если будущая ценность будет связана с теми же процессами/jtbd. Но даже если нет — умение выявлять оптимизационные эффекты (большинство b2b-продуктов все еще process-impact, а не outcome-impact, отсюда и монетизация: подписка, transactional, PAYG и кастом сильно чаще, чем outcome-based и revshare) пригодится для формулирования метрик добавленной ценности, value proposition и выбора модели монетизации. ‼️ Поясню мысль на примере. Любые совпадения случайны, все цифры - из головы, на точность и полноту схем не претендую 😉 Допустим речь про проблему доставки персонала домой после смены, когда общественный транспорт уже не работает. Типовая история для HoReCa, контактных-центров, производств и т.п. бизнесов. Опустим детали discovery, фокусируемся на результатах: альтернативах и на том за счет чего формируется ценность в целевом решении. Что этот кейс значит для бизнеса? По форме речь о логистике, но по сути - об HR-инструменте. Когда вы оплачиваете сотруднику поездку домой, вы на верхнем уровне (условно Nord Star) решаете следующие задачи: 🔹 Упрощение найма — это часть привлекательности оффера 🔹 Помощь в удержании — меньше стресса и выгорания 🔹 Снижение рисков — завтра сотрудник вовремя и в ресурсе Хорошее решение должно, во-первых, привести к равновесию потребности всех стейкхолдеров: 🔘 Заказчик (HR, менеджер, собственник): хочет дешевле, проще в управлении, меньше рисков. 🔘 Пользователи — менеджер смены/логист: минимум времени и усилий, максимум экономии (если есть KPI по затратам); — сотрудник: доехать быстро, безопасно и это решение ему выгодно. 🔘 Исполнители — водитель: поездка должна быть выгодной; — перевозчик (общЁ): заработать на марже и/или объёме; — бухгалтер: меньше ручной работы, меньше рисков. 🔘 Государство: чтобы всё по закону. А во-вторых, быть привлекательнее альтернатив: 1️⃣ Платить на руки 2️⃣ Компенсация по чекам 3️⃣ Менеджер смены организует вручную 4️⃣ Фича внутри ride-hailing платформы И да, решением 4️⃣ будет комбинацией экономики, UX и технической реализации. ИМХО: найти и обосновать такую комбинацию невозможно, не понимая value chain (без нее можно придумать нужное, но нерентабельное решение) & JTBD (без нее можно идеально оптимизировать ненужное решение) 👉 TCO (общая стоимость) ≠ стоимость поездки — важно учитывать скрытые издержки: налоги, оргнагрузку и т.п. 👉 Организационная нагрузка имеет стоимость и потенциал для оптимизации — и это не всегда тривиальные затраты. 👉 Налоговая нагрузка зависит от формы предоставления и статуса исполнителя — без учёта этих нюансов легко ошибиться в расчётах. 👉 Стоимость поездки — результат сложного взаимодействия факторов — их наличие, сила и направление влияния проверяется аналитическими и/или экспериментальными способами. 👉 Риски и управляемость — следствия формы реализации — разные варианты по-разному масштабируются, контролируются и страхуются. ‼️ Не забывайте про Nord star 👆🏻 Самый дешевый и безрисковый вариант может просто не решать изначальную проблему. - подробнее на слайдах 💡Если вы как внутренний продакт умеете: — видеть цепочки бизнес-эффектов, — формулировать ценность в метриках, — аргументировать таким образом решения — вы уже делаете важную часть core B2B-работы. Останется освоить монетизацию, GTM, growth (и эксперименты, если раньше не практиковали). ИМХО: То, что не требует аргументации — не требует и продакта. Настоящая практика начинается там, где ценность нужно найти и обосновывать, а не просто декларировать 😉 Pro Product #Компетенции #метрики

Про внутренние продукты Продолжаю топтаться по больному, сегодня решила поднять такую тему 👇 Вы заметили, что в какой-то момент возникла странная мода всё называть продуктом? Любой скрипт авторизации, типовая админка, CMS без вариативности, CRM с простой фиксированной воронкой … Все эти штуки, которые раньше считались сервисами, вдруг резко стали «внутренними продуктами». Обрели своего оунера, а иногда и целую выделенную команду. И да, так сделали многие, даже вполне себе крутые компании. Почему? Предположу, что «внутренний продукт» звучит гораздо моднее/круче, чем «обслуживание запросов бизнеса». А, значит, позволяет поднять статус этой работы в глазах сегмента соискателей, которым это важно. Вот только есть нюанс… Продуктовый подход — это не “у нас теперь есть UX-дизайнер, воркфлоу в трекере и родмэп”, хотя по факту мы все также пилим фички по входящим заявкам. Это способ управлять неопределенностью через выбор. Мы понимаем, что и зачем мы делаем, а еще что НЕ делаем и почему. Наша цель в результате внедрения изменений — увеличивать ценность, которую можно монетизировать, и тем самым наращивать стоимость бизнеса. И здесь кроется первый подвох. Монетизация — это большая сфера компетенций, которая у внутреннего продакта, как правило, не прокачивается. То же самое можно сказать про go-to-market (исключение - продакт CRM, у него могут быть как минимум обрывочные представления об этом). Но даже не это главное. Гораздо опаснее, что внутри такой конструкции у тебя якобы продуктовая роль: backlog, встречи, цели. А по факту часто — ни решений, ни ценности, ни гипотез, только координация чьих-то задач, в лучшем случае – управление требованиями. Выходишь на рынок — и внезапно выясняется, что рассказать-то про ПРОДУКТОВУЮ РАБОТУ и нечего. Для компании этот маскарад тоже имеет сомнительное value – когда ты применяешь эту модель там, где нет ни альтернатив, ни вариантного поведения, ни данных и т.д. ты уводишь фокус с действительно важных вещей, таких как эффективность функции, на вещи, которые на бизнес влияют не сильно. Плюсом раздувается штат, создаются бесполезные артефакты, затягивается время разработки и формируются несбыточные ожидания друг от друга. При этом, конечно, есть внутренние тулзы, где продуктовый подход уместен. Но большинство из них все же старый добрый сервис. Ценность там не в UX (он стандартен), а в надёжности, совместимости и стабильности. Очень простой маркер понять «как у вас» это честно себе ответить на вопрос, что в вашей тулзе, важнее: SLA и системные ограничения или возможность проверять гипотезы, UX и измеримая ценность. Я это все к чему? Не стоит себя обманывать и изобретать велосипед. Если ваш инструмент решает условно один фиксированный сценарий, и выбора у пользователя нет, а менеджер не решает/исследует что и как делать, а что не делать — вам не нужен псевдопродуктовый подход. С другой стороны, если все это есть – не комплексуйте, ведь внутренняя тулза может быть сложной, важной для бизнеса, интеллектуально насыщенной зоной ответственности и важной ступенькой в вашей карьере. Бизнес-эффекты могут заключаться не только в увеличении прибыли, но и в сокращении затрат. А как можно на мой взгляд упаковать эти эффекты в стройную систему смотрите в гайде 👆 Pro Product #философия #мысливслух #метрики

В последнее время часто читаю и слышу тезис, что роль СРО деградировала (я, конечно, про русскоязычное пространство). И якобы тому виной поуехавшие (очень лестно для последних, но нет). Согласна только наполовину: роль деградировала, но отток лишь фактор, при том не главный. Гораздо важнее другое: горизонталь проиграла иерархии. И это пора признать, по крайней мере в этом периоде. Проиграла как сама, так и под давлением среды. Что значит «сама»? Значит — не оформилась. Не смогла стать ясной, устойчивой и воспроизводимой моделью. Не смогла убедить, что так будет лучше если не всем, то хотя бы основным стейкхолдерам. Даже в продуктовых компаниях трансформация проросла не везде. Слишком много теории и лозунгов, слишком мало реальных изменений в управленческих практиках. Почему так вышло можно рассуждать долго, но счет на табло. Рядом с девизом "продакт - это маленький CEO" ("только без полномочий" приписано самым мелким шрифтом внизу). Напрашивался вопрос: "А CPO тогда, простите, кто? Начальник группы CEO? Предводитель уездного дворянства?" Среда добила. В России снова виток централизации, и это надолго. А централизация всегда стремится к иерархии. Слуга царю, отец солдатам - вот теперь официальный девиз. А по сути... он таким был всегда, просто те из нас, кто играл в бирюзовые организации, не хотели это видеть... или видели, но хотели попробовать по-другому (у кого-то даже получилось). Тот же, кто видел и не хотел ничего менять, быстрее и проще продвигался в карьере, потому что понимал, что действительно важно. Лояльность важнее компетенций, их вообще можно прикрыть "харизмой", тем более в этих новых темах почти никто не разбирается, можно продержаться какое-то время. Главное складно трендеть про продуктовый подход, a/b-тесты и метрики. А иногда и этого не требуется, достаточно уметь грозным голосом спрашивать "когда" у всех вокруг, недовольно надувать накаченные губы, томно закатывать глаза с нарощенными ресницами и не обращать внимание, когда за спиной смеются, а в лицо просто игнорируют. Спихивай ошибки на других, а в идеале вообще ничего не делай - жди, когда у кого-то что-то получится, позаботься об атрибуции этого успеха себе, потом вовремя уходи и карьера попрет. Во-вторых, есть "заводские настройки" (и по Хантингтону, и по Инглхарту), связанные с историей, религией, культурой и так далее. И определенные организационные модели на одну почву хорошо ложатся, потому что они ей органичны, на другую - не очень, но есть гетерогенные почвы, которым свойственно и индивидуальное, и коллективное начало. Вот там все зависит от ситуации. Надо признать, что горизонтальные модели на российскую почву легли плохо, но это не значит, что не могло быть по-другому. Тем более продуктовые оазисы тоже возникли. В этом и есть весь драматизм. В-третьих, давайте будем честны: не народилась финансово-правовая и научная среда, которая могла бы поддерживать массовое создание и развитие продуктового бизнеса (не торгового, не услуг, а именно продуктового, где продукт не инфраструктура). Уже упомянутые оазисы возникли на свои и скорее вопреки. Старые же деньги распределяются и управляются по-старому - через иерархию. Поэтому… продакты, которые не брезговали залезть в функциональный колодец и в нем тихо высиживать свое счастье или того интереснее - кто угодно, кто стоял рядом с продуктом и докладывал куда надо в удобной форме что вообще происходит, теперь новые СРО. Выигрывает не тот, кто мыслит категориями value и окутывает невидимыми, но прочными смысловыми нитями каждое внедряемое изменение, а тот, кто надёжно встроен в цепочку командования. Т.е. теперь нужен транслятор воли сверху и контролер исполнения, то что мы называем трушным продуктовым лидерством больше... не поможет в карьере. Нравится вам это или нет, это объективная реальность, которую лучше принять. Раунд. Вот такие #мысливслух Pro Product #философия

Про синтетические данные Изучая тренды продуктовой аналитики, я тут вспомнила свою первую любовь — данные 😉 В 2016, 2017, 2018 я занималась digital-рекламой. Тогда на каждой конференции звучали лозунги типа «данные — новая нефть», и мы, как под гипнозом, погружались в рассказы о look-alike и других возможностях big data. Мало-кого тогда волновали мощности, компетенции специалистов, которые вещают об этих «чудесах» и прочие скучные штуки. Я была в меньшинстве - меня волновали, и даже заставили снова пойти учиться, в то время пока менее склонные к рефлексии коллеги делали карьеру... Свой приз я тоже получила, но чуть позже (не верю в честный быстрый успех, если ты андердог) — помню на технической сессии в один бигтех разработчик спросил меня как компания, в которой я сейчас работаю, моделирует соцдем. И я описала человеческими словами, как работает логистическая регрессия и даже обозначила, что мы планируем перейти на градиентный бустинг. Может про себя он посмеялся над моими объяснениями, но оффер я тогда получила и очень этим гордилась 😊 К чему я? Оказалось, что "синтетика" не только живее всех живых, но и один из явных трендов теперь уже продуктовой аналитики. Со всем свойственным мне задротством и капелькой ностальгии собрала мысли по теме 👇🏻 1️⃣ Приоритизация бэклога В большинстве команд приоритизация идей/решений строится на простых моделях (RICE, ICE...), где impact и confidence оцениваются «на пальцах». Для стартапа это нормально, но в зрелом продукте такой подход генерирует упущенную выгоду. Более продвинутые команды внедряют uplift-модели (causal forests, DoubleML): они прогнозируют эффект каждой идеи на основе исторических данных и трендовых паттернов пользовательских событий. Но даже у продвинутых игроков остаются пробелы — редкие сегменты, новые рынки, неполные логи. Вот тут и нужен Synthetic control, он «дозаполняет» эти хвосты через GAN/VAE, затем проверяется качество синтетики (JS-дивергенция, F1) и uplift-прогноз обновляется. 💡 Таким образом, синтетика может служить финальным усилением приоритизации: она не заменяет реальные данные и ML-модели, а помогает закрыть лакуны и принять более обоснованное решение. 2️⃣ Тестирование решений/идей Здесь возможны разные реализации: 🔘 Реальный эксперимент → дополнение синтетикой Запускается классический A/B или другой тип эксперимента на ограниченном пуле, после первых сигналов и «дозаполняется» синтетическими сессиями (GAN/VAE или probabilistic programming). Это повышает статистическую мощность и усиливает классические funnel-тесты. 🔘 Виртуальный эксперимент в test-sandbox Вы создаёте «песочницу» — симулятор среды и/или агентов, которые генерируют поведение (трафик, клики, запросы). Так вы «прокатываете» вариант решения в виртуальных условиях, прежде чем принять решение выкатывать ли в прод. Особенно актуально для value-core сценариев, где важны покрытие corner-cases и конфиденциальность. Примеры: ✔️ Meta («виртуальный фид» для тестов рекомендательной ленты) ✔️ Uber (симуляции спроса и supply-side для ценообразования) Больше тут 3️⃣ Go-to-Market Непосредственно перед и во время запуска фичи/продукта вам нужно: 🔘 Подготовить инфраструктуру (нагрузочные/атрибуционные симуляции через sandbox и synthetic traffic/data). 🔘 Запустить маркетинг (cинтетика здесь помогает ускорить запуск при холодном старте). Примеры: ✔️ Amazon использует synthetic shoppers + synthetic traffic для стресс-тестов логистики. 4️⃣ Post-launch У вас есть первые реальные цифры после запуска, и вы принимаете решения о масштабировании. В основе post-launch лежат аналитические методы (time-series forecasting, survival analysis, capacity planning), а синтетика их усиливает: дозаполняя данные или стресс-тестами пиковых нагрузок. 💰 Эффекты VS Ограничения 🚧 - на слайде 💡 Синтетика дает возможность ранних, малошумных экспериментов при ограниченном трафике или высоком риске, а также усиливает аналитические методы. Но она НЕ ЗАМЕНЯЕТ живые данные полностью, и все еще остаётся сложным, дорогостоящим инструментом, эффективным только для зрелых команд. Pro Product #История #Тренды

«Сколько A/B-тестов вы запустили на прошлом месте работы?» Вас спрашивали о таком на собеседовании? Если вы не сразу поняли, как реагировать, я вас понимаю. Действительно! Отвечать по-честному? Или улыбнуться и спросить, сколько строк кода написал их Senior Dev? Дело в том, что в лучшем случае — это пустая болтовня и плохой hr-скрипт, в худшем — симптом того, что в компании "играют" в эксперименты и A/B там — не метод, а ритуал. Кстати, почему именно A/B? 🤔 Да не важно! Кто-то любит интервью — суть не меняется. Когда вопрос про количество, простите, тупой: 1️⃣ Стартап на ранней стадии? У тебя нет трафика. Есть гипотеза, что люди не понимают ценность фичи? Это не решается тестом — интервью, скрины, интерактивы. 2️⃣ Или ты работаешь в хардкорном B2B с парой сотен клиентов, из которых важны только 10? Там тоже нет нужного объема трафика, а одно изменение обсуждают в трёх департаментах (иногда дольше, чем будет жить ваш продукт). 3️⃣ А еще бывает так, что тесты — это часть ценности, которую дает продукт. Например, вы делаете рекламную платформу. Там не вы тестируете интерфейс и улучшаете конверсии в своей продуктовой воронке, а клиенты запускают эксперименты. A/B здесь способ доказать: наш инструмент помогает принимать лучшие решения. Их тысячи, но смотреть нужно на CSAT, adoption, а лучше на влияние на те метрики, ради увеличения которых проводились эти тесты. Когда вопрос про количество просто бесполезный: Даже если потенциально A/B-тесты были заметной частью работы: 1️⃣ B2C-продукт после нахождения PMF. 2️⃣ B2B-продукт output которого связан с работой алгоритма, например, маршрутизатор или генерация картинок (тут речь не про продуктовую воронку, а про value). Количество мало-что говорит о реальных компетенциях. Можно годами запускать A/B-тесты (или собирать специально обученных людей, чтобы они их запустили 😊), но так и не понять, когда и почему данные врут. И когда A/B вообще не стоило проводить. В зрелых продуктовых командах лишь ~20–30% гипотез проверяют через классический A/B. Остальные требуют либо качественных, либо аналитических методов. Этот индустриальный ориентир подтверждён данными Amplitude, Reforge и кейсами Booking. ‼️ Cписок ситуаций, когда A/B вас только запутает - аттач. В общем, вопрос "Сколько тестов?" не про экспертизу. Эксперты (а не сектанты) спрашивают о методологии, ошибках, принятии решений... Адекватный же ответ в этом случае может быть таким. ИМХО: За два года мы сделали X экспериментов, Y из них были АБ-тестами (в остальных случаях целесообразнее было использовать другой метод), только W из них имели статистически значимый результат. Самый заметный с точки зрения бизнес-вэлью эффект был получен в результате … Но там был не просто A/B, мы дополнили его сегментированием, TST-анализом и подтверждали выводы юзабилити-тестами, потому что... Впрочем, решайте сами, стоит ли так напрягаться, ведь человек, который ставит вопрос таким образом, ваш ответ, скорее всего, не поймет и низко вас оценит 😉 Pro Product #Метрики #исследования #мысливслух

Как давно вы в последний раз проверяли актуальность своих знаний? Ну, например, перечень метрик, которые вы считаете рабочими в той или иной ситуации, а также подходов к их расчету и интерпретации. Я тут недавно сделала ревизию (спасибо Юлии и Илье за вдохновение), и меня ждали несколько любопытных апгрейдов. Поделюсь с вами — вдруг кому-то тоже пригодится. 1️⃣ От “средних” к контексту и поведению Было: Retention D30, ARPU, ARPPU, Session Duration, общая CVR, LTV, DAU/MAU Стало: CLTV (по платящим) вместо ARPPU, ARPU — больше не инструмент принятия решений, для остальных стал критичен другой подход — через призму: 🔘 сегментации и путей пользователя 🔘 распределений (перцентили, гистограммы) 🔘 когорт 🔘 декомпозиции драйверов 🔘 временных рядов 👉 Смысл: Большинство продуктовых метрик — неэргодичны. Их нельзя усреднять без потери смысла: то, как «в среднем» ведёт себя группа, почти ничего не говорит о реальных траекториях конкретных пользователей (не скажу, что эта мысль нова, но в последнее время аналитикам таки удалось продвинуть ее в массы). Поэтому дробить, раскладывать, наблюдать во времени теперь must have для большинства метрик. 2️⃣ Удержание: долгосрочное и в деньгах Было: Churn rate, Retention D30 Стало: GRR, NRR, MRR, Retention D90/180 👉 Смысл: Удержание на 30 день больше не маркер устойчивого вовлечения в продукт. Нам нужно понять, приносит ли клиент деньги в долгую (от 3х месяцев). Деньги → основной язык продукта, время хайпа и доступных инвестиционных денег закончилось (по крайней мере в этом периоде). Churn также не отражает деньги — вместо него считают GRR и NRR. 3️⃣ Unit-экономика 2.0 Было: LTV / CAC, где LTV — средняя выручка за всё время, а CAC — только траты на привлечение Стало: CLTV / CLTC CLTV — фактическая или прогнозная чистая прибыль с одного клиента (доход минус все переменные расходы). CLTC = CAC + поддержка + удержание + инфраструктура 👉 Смысл: Продукты стали сложнее, порой удерживать клиентов не менее дорого, чем привлекать. Важно считать не просто “во сколько обошлось привлечение”, а “во сколько обходится пожизненное содержание клиента”. Что касается CLTV, то это изменение связано с неэргодичностью ARPU, который использовался в прежней формуле. Прогноз CLTV в новой парадигме делается не по средним, а через моделирование поведения сегментов/когорт клиентов во времени. 4️⃣ Лояльность — это действия, а не слова Было: NPS, CSAT, CES Стало: Остались, но переосмыслены. Их дополняют открытые вопросы, поведенческие паттерны, качественные интервью. 👉 Смысл: NPS хорош не как показатель, а как способ начать диалог с пользователем. Важно не то, что он поставил 3 — а то, что он написал в поле “что бы вы улучшили”. Метрика — триггер, не ответ. 5️⃣ Vanity-мeтрики уходят (теперь уже точно) Было: Количество установок, DAU/MAU, лайки, просмотры, сессии Стало: Метрики возврата инвестиций: прибыль с пользователя, CLTV, NRR, ROI от функций и каналов 👉 Смысл: Мы больше не в фазе быстрого роста и дешевых денег. Инвесторы и компании требуют value. Если метрика не отвечает на вопрос “приносит ли это деньги и рост?” — значит, это шоу, а не бизнес. 📌 Что это значит для продакта? ‼️ Если вы все еще не знакомы с понятием эргодичности, срочно познакомьтесь! Питерс, Гелл-Манн и Талеб вам в помощь 😌 ‼️ Для продвинутой аналитики нужны продвинутые инструменты. Не владеете? Вы знаете какой следующий курс пройти 🙃 ‼️ Продуктовая аналитика всё ближе к финансовой: нужно считать не сроки запуска фич и количество клиентов со средней конверсией, а около денежные показатели. Да, это тоже нужно знать 😊 ‼️ Больше внимания работе с базой, меньше — хайпу и созданию видимости успешного успеха. 💡 Если вы давно не актуализировали свой аналитический инструментарий — возможно, пора. А потом бегом смотреть свои дэшборды и последние принятые решения на предмет булшита 👀 Pro Product #Компетенции #Метрики #Тренды

Кто вам нужен — Product, BizDev или Project? И при чём тут Discovery Вопрос «А кого бы ещё нанять?» (он же — поиск козла отпущения) возникает, когда в команде кризис: идей нет — или наоборот, идей полно, встреч тоже, а результата нет. Крокодил не ловится, код не пишется, рынок не реагирует на запуски. И проблема тут почти никогда не в «нехватке человека в определенной должности» — она в сломанном процессе Discovery. 💡Вас должны волновать не должности, а фокусы: – Проверка ценности и жизнеспособности идеи (Value) – Оценка реализуемости и рисков (Feasibility) – Проверка масштабируемости (Scale) Правильный вопрос — не «кого ещё нанять», а «что из этого мы делаем плохо — и как это исправить?» А уж справится ли с этим кто-то из текущей команды или потребуется найм — решается после. Почему не «или», а «и» 1. Why & What (Value) 🔹 Вопросы: «Какую проблему решаем?», «Для кого она критична?», «Заплатят ли?», «Какое MVP докажет это?» 🔹 Кто отвечает: Основатель (pre-seed), Product + UX Researcher (зрелые команды), Product + Sales (возможно в B2B) 🔹 Риски: Никому не нужное решение, ищущее проблему, или продукт, за который никто не заплатит ✔️ Цель: Доказать, что боль есть, решение работает, и за него готовы платить 2. How to Win (Scale) 🔹 Вопросы: «Как превратить ценность в бизнес?», «Через какие каналы и партнёров выйти на рынок?», «Какой GTM-сценарий рабочий?» 🔹 Кто отвечает: Основатель/Product (ранние стадии), далее — BizDev, Sales, иногда — Стратег 🔹 Риски: Продукт для “фанатов” (особенно в B2C), невоспроизводимые кастомные внедрения (в B2B), игнорирование регуляторики ✔️ Цель: Найти устойчивый путь от ценности к росту и деньгам 3. How & When (Feasibility) 🔹 Вопросы: «Какие ресурсы нужны?», «Какие сроки реальны?», «Где узкие места?», «Как снизить риски?» 🔹 Кто отвечает: Основатель/Tech Lead (в начале), в зрелости — Project/Delivery Manager, Tech Lead (очень редко Product) 🔹 Риски: Discovery ради Discovery, заведомо невыполнимые планы или нереализуемые решения ✔️ Цель: Сложить реалистичный путь от идеи до результата А если уже наняли, всех троих… Как сделать так, чтобы они не подрались? Discovery работает, когда все фокусы присутствуют, а люди не конкурируют, а усиливают друг друга: ✔️ Общий бэклог — один, но источники разные: Product приносит в основном ценностные и монетизационные гипотезы (но не только), BizDev — рыночные, Project — варианты решения. Всё приоритизируется на общих основаниях — по стратегии и выбранной модели оценки. ✔️ Комбинированная валидация: Проблемы ищет и валидирует в Product, иногда с участием BizDev (если нужен доступ к клиентам). Проверка решений делится: Product отвечает за то, чтобы решение работало и было удобно, BizDev — за доступ к масштабируемому спросу. ✔️ Совместные решения Go/No-Go — это не чуйка, не продажа и не волевое решение одного, а проверка: есть ли ценность (Product), есть ли доступный масштаб (BizDev), можно ли сделать (Project). ✔️ Общее поле мышления Все одинаково понимают, что строим, зачем и в каких ограничениях — без бесконечных согласований и театральных отчетных встреч. ✔️ Соблюдаем этапность Сначала — проблема и рынок (Product + BizDev), потом — решение (Product + Project). А кто главный в Discovery? Тот, чья зона фокуса сейчас критична. Но за целостность процесса отвечает Product Manager — как интегратор пользователя, бизнеса и технологии. 💡 ИМХО: Вам нужны не «люди с должностями», а правильные фокусы: Value, Scale, Feasibility, объединенные правильным процессом Discovery. Сколько людей и в какой должности будут это реализовывать — это вопрос второстепенный (если вы, конечно, про "сделать", а не про "править"😉) Pro Product #Компетенции #Процессы #Исследования