Продуктовая насмотренность | Евгений Гурьянов

Когда данных слишком много Сидишь на продуктовом комитете, открываешь четырнадцать дашбордов, показываешь воронки, когорты, ретеншен и какой-то ещё график, который принёс аналитик за пять минут до встречи (зато график движется вправо-вверх - в общем, как надо). Все присутствующие серьёзно кивают, даже если ничегошеньки не понимают в этих цифрах. Кажется, данных и графиков уже достаточно, решение само собой принято. Это успех! Ноооо, стопэ... А что, если я скажу вам, что огромное количество данных, которыми вы обмазались, - это топовый обман современности? Чем больше у команды данных, тем проще найти среди них цифру, которая подтвердит то, что команда и так хотела сделать. Два квартала пилили фичу, при этом целевая метрика не выросла? Неприятно, гадко на душе. Зато (зато!!) пользователи фичи на 2% чаще заходят по четвергам. Всё, расходимся: фича успешна, команда - красавчики. "А как же data-driven-подход? Продакт же не должен принимать решения на основе интуиции!" Data-driven-подход не отменяет экспертного решения и ответственности. Он просто позволяет красиво спрятать их внутри выбора метрик, периода наблюдения и нужного сегмента пользователей. Можно открыть четырнадцать дашбордов и почти всегда найти там что-нибудь зелёненькое. Особенно если очень не хочется признавать, что гипотеза была говно, а два квартала работы не дали результата. Это обычное подтверждающее искажение (на буржуйском "confirmation bias"). При этом вы не обязательно сознательно врёте коллегам. Вы просто внимательнее замечаете цифры, которые позволяют не закрывать любимую фичу, не спорить с руководителем и стейкхолдерами, не проводить неприятный разговор с командой/подчиненным... Поэтому перед просмотром данных полезно ЗАРАНЕЕ записать: на какой вопрос мы отвечаем, какую метрику хотели изменить и какой результат заставит нас отказаться от решения. Иначе первоначальный вопрос "сработала ли фича?" незаметно превращается в "можем ли мы найти хоть что-нибудь, что позволит её не закрывать/признать успешной?". Данные нужны не для того, чтобы убрать из работы продакта экспертное суждение. Они нужны, чтобы сделать это суждение качественнее. А если вдруг вам не слишком зашло то, что я написал выше, то для вас я подготовил приятное заключение: Если после четырнадцати дашбордов вы всё ещё не можете принять решение (о том, что фича успешна), вам точно нужен пятнадцатый дашборд! Побежали его пилить!

ИИ дали корпоративную карту и поручили управлять кафе Исследователи из Andon Labs решили проверить, насколько автономные AI-агенты готовы к реальному бизнесу. А конкретнее - к управлению настоящим кафе в Стокгольме (с сотрудниками, закупками, счетами и реальными деньгами). AI-управляющего назвали Моной, выделили ей около $21 000, предоставили корпоративный счёт и Slack для общения с сотрудниками. В первую неделю всё было збс. Мона подключила электричество и интернет, разместила вакансии бариста, общалась с поставщиками, заключала договоры и отбирала кандидатов. А потом Мона: - заказала 3000 перчаток; - купила 6000 салфеток; - зачем-то заказала яйца и 23 килограмма консервированных помидоров, хотя блюд с такими ингредиентами не было в меню; - то заказывала слишком много хлеба, то забывала заказать его вообще; - подавала документы на алкогольную лицензию от имени реальных сотрудников, хотя её просили так не делать; - задерживала выплату зарплат. Через два месяца из $21 000 осталось меньше $5 000. Выручка составила около $5 700 и не покрыла даже аренду. При этом управление кафе с помощью AI-агента в какой-то момент стало стоить дороже, чем работа человеческого управляющего. Каждое письмо, заказ и сообщение увеличивали объём истории, которую модели приходилось заново обрабатывать. Контекст рос - вместе с ним росли потребление токенов и стоимость каждого следующего решения. Главный вывод LLM прекрасно справляется с отдельными изолированными задачами: - "Напиши вакансию". - "Ответь поставщику". - "Подготовь договор". Из-за этого возникает иллюзия компетентности. Кажется, что если система хорошо выполнила десять отдельных задач, то она сможет управлять целым процессом (читай: реальным кафе). Но (внезапно) бизнес - не набор независимых промптов. Это непрерывная цепочка связанных решений, где заказ, сделанный сегодня, влияет на склад завтра, деньги через неделю и работу сотрудников через месяц.

Разработчики всё ещё не начали вымирать В январе 2026 года CEO Anthropic Дарио Амодеи заявил, что через 6-12 месяцев ИИ сможет выполнять большую часть, а возможно, и всю работу разработчиков от начала до конца. Прошло шесть месяцев. Если что, разработчики всё ещё здесь. Более того, данные по найму пока не показывают массового исчезновения профессии. А Сэм Альтман уже признал, что AI-компании довольно точно предсказали развитие самой технологии, но сильно ошиблись в оценке социальных и экономических последствий. ИИ действительно научился быстрее генерировать шаблонный код, тесты, документацию и исправления типовых ошибок. По данным исследования Writing Code vs. Shipping Code (специалистов MIT и Wharton), объём написанного кода вырос примерно на 180%, а объём кода, реально попавшего в продакшен, - всего на 30%. Это в целом подтверждает, что писать код и отвечать за работающую систему - не одно и то же. Нужно ещё понять, что вообще следует разработать, учесть бизнес-логику, разобраться в старой архитектуре, найти неочевидные зависимости и отловить момент, когда агент очень уверенно реализовал не то или не так, как хотели. Очевидно, что в ближайшее время ИИ не столько заменит инженеров, сколько изменит структуру их работы. Меньше ручного написания кода. Зато больше постановки задач, проверки, проектирования, работы с контекстом и ответственности за результат. А пока, судя по всему, ИИ без разработчика в основном способен очень быстро выдать большое количество кода, который кому-то потом придётся внимательно читать)))

Как понять, что технически для построения продукта палки закончились, осталось только ... (дендро-фекальный принцип) Продакт может не уметь читать код. Но желательно уметь заметить момент, когда разработка постепенно превращается в филиал передачи "Окна" с Нагиевым (по этой отсылке можно понять, что мне далеко не 25). Вот шесть тревожных сигналов. 1️⃣ Никто не может нормально объяснить, как работает система. Задаёшь какой-нибудь вопрос в стиле "А как у нас устроено...?" - получаешь три разных ответа (иногда эти ответы получены с разницей в 1 день от одного человека), потом тебе присылают архитектурную схему 2019 года и заканчивается все фразой "надо спросить Иванова" (который, кстати, уволился 2 года назад). 2️⃣ Любая новая фича внезапно занимает вечность. Кнопку оценили в два дня, через месяц выяснилось, что надо переписать авторизацию, биллинг и половину кода. 3️⃣ Одни и те же баги постоянно возвращаются. Баг закрыли, порадовались, выкатили релиз, через неделю багуля опять на проде. 4️⃣ Операционные команды вручную удерживают продукт на плаву. Поддержка правит все, менеджеры ведут 128 Excel-таблиц, а специально обученный человек каждый вечер нажимает секретную кнопку и молится всем богам, чтобы система не отбросила копыта. 5️⃣ Весь продукт держится на одном инженере. Без него нельзя оценить задачу, разобраться в инциденте и понять, зачем в базе таблица final_final_temp_2015_v42. И тебе каждый раз команда повторяет "Только Димон знает, как устроен этот модуль, все задачи ведем на него" 6️⃣ О проблемах команда узнаёт от пользователей. Мониторинга нет, алертов нет, когда ты невзначай упоминаешь "графана", тимлид кроет тебя трехэтажным матом, так как "На внедрение графаны нам потребуется от 5ти месяцев" (ну это по его мнению). ☑️ Если совпало от трёх пунктов, то у тебя, дорогой продакт менеджер, большие проблемы. В ближайший квартальчик рекомендую взять в OKR (у вас же есть целеполагание?) работу над тех. стабильностью и надежностью.

Почему в больших компаниях хейтят ИИ для написания кода - мысли За последний год я сам довольно много писал код с помощью Codex и Claude. И периодически сталкивался с тем, о чём Линус Торвальдс недавно говорил на Open Source Summit. ИИ отлично умеет чинить конкретную ошибку. Показываешь ему баг, он находит проблемное место, переписывает несколько строк - и всё снова работает. Казалось бы "Красаучик, все бы так быстро баги правили! Погнали дальше." А потом похожая ошибка вылезает в другом месте. Потому что ИИ исправил симптом, но не понял причину. Торвальдс называет такие правки "бездумными временными заплатками". Они закрывают конкретную дыру, но сам тип проблемы остаётся и просто "ждёт в темном закоулке, чтобы дать вам 3.14..." (ладно, так Линус не говорил, это я сам придумал и приписал ему). И дело не в том, что ИИ фигово пишет код. Пишет код он нормально (и главное быстро). Проблема в том, что для нормального решения недостаточно увидеть кусок кода с ошибкой. Нужно понимать всю систему: почему она устроена именно так, какие решения принимались несколько лет назад, от каких ограничений отталкивались и что вообще должен был делать этот код. Этого контекста часто нет ни в репозитории, ни в документации, ни в промпте. Он находится в головах людей, которые создавали систему, поддерживали её и много раз наблюдали, как она ломается в проде (дааааа, блин, криты на проде - любимая забава всех прогеров). Поэтому Торвальдс говорит, что в пул-реквестах внимательнее читает объяснения, чем сами изменения в коде. По объяснению видно, действительно ли человек понял проблему или просто нашёл способ снова сделать тесты зелёными. Объяснение - это проверка понимания. Идеальный код - всего лишь результат правильного понимания. С помощью ИИ стало очень легко получить вроде бы правильный результат, не понимая, почему он правильный и какие последствия вызовет правка, которую клод только что внес. На небольшом личном проекте это обычно нестрашно: что-то сломалось - попросил ИИ починить ещё раз. В большой компании всё иначе. Код живёт годами, проходит через десятки команд, обрастает зависимостями и становится фундаментом для следующих решений. Если инженеры перестают понимать систему и просто принимают правдоподобные ответы модели, в коде постепенно появляется всё больше костылей. Каждый из них локально решает задачу, но глобально делает систему ещё менее понятной. В какой-то момент архитектура превращается в говно, которое никто целиком не понимает, но все продолжают ускоренно достраивать с помощью ИИ. Тесты пока зелёные, релизы выходят быстрее, в отчётах всё пока выглядит отлично - а вся система уже летит с обрыва прямиком в ад. Такие дела.

Думаю у каждого продакт менеджера было такое - сидишь на работе, задумался о чем-то и вдруг рождается гениальная идея. Уже представляешь релиз, аплифты в десятки процентов, реакцию пользователей, выкрики стейкхолдеров "крааасаааавчиик-крааасаааавчиик!", повышение сразу на 2 грейда 🚀🚀🚀 А потом коллега говорит: - "Это уже есть в бэклоге - полгода назад закидывали" - "Пробовали похожее - не полетело" - "Так конкурент это реализовал год назад" ❓А вот что ты делал после этой информации? Ты сразу обесценивал идею? Злился? Начинал доказывать, что "у нас будет по-другому" (потому что ты, конечно, красавчик, не то, что эти прошлые)? Или тихо убирал её обратно в ящик? Я через это проходил 100500 раз и со временем понял одну вещь: выигрывают не потому, что придумали первыми. Выигрывают потому, что сделали лучше: точнее, удобнее, вовремя, для своей аудитории и в своём контексте. Сколько поисковиков было до гугл? Сама по себе “новая идея” ничего не стоит. Большинство "новых идей" - это итерации. И как бы сказала Малышева: "Это норма!" ————— Когда я узнаю, что "уже было" или "уже есть у конкурента", я делаю 4 простых шага: 1️⃣ Изучаю реализацию конкурента / прошлый эксперимент. Это бесплатная валидация (и бесплатные ошибки). Умный учится на чужих ошибках, а дурак на своих 2️⃣ Настойчиво уточняю “зачем?” Какую конкретную боль мы решаем? Для кого? Почему сейчас? 3️⃣ Ищу дифференциацию/отличие Чтобы было понятно, что это не "та же фича": UX, сценарий, интеграция, скорость, сегмент, упаковка. 4️⃣ Решаю: идти или не идти. Иногда правильный ответ - не "делаем срочно, а то не успеем", а "нам это вообще не надо". "Управление продуктом" редко бывает про скорость реакции на вброс информации. Чаще всего "управление продуктом" - это скорость обучения.

🚀🚀🚀 Ищу себе в команду Lead Product Manager 🚀🚀🚀 Рассматриваю сильных Senior Product Managers и текущих Lead Product Managers, которые готовы брать на себя больше ответственности, влиять на стратегию и доводить продуктовые решения до измеримого результата.…

🚀🚀🚀 Ищу себе в команду Lead Product Manager 🚀🚀🚀 Рассматриваю сильных Senior Product Managers и текущих Lead Product Managers, которые готовы брать на себя больше ответственности, влиять на стратегию и доводить продуктовые решения до измеримого результата. 🤝 Роль предполагает работу напрямую со мной: много самостоятельности, ответственности за результат и влияния на развитие продукта. Важно: это hands-on позиция. Нужно будет не только менеджерить процессы и команду, но и работать руками: погружаться в продукт, формулировать гипотезы, разбирать данные, приоритизировать задачи, готовить решения и доводить их до запуска. Будет особенно интересно поговорить с теми, у кого есть: ➡️ опыт в продуктовой роли от 5 лет, включая управление продуктом, направлением или кросс-функциональной командой; ➡️ умение формировать продуктовую стратегию и доводить её до конкретных запусков и измеримого результата; ➡️ опыт ответственности за бизнесовые и продуктовые метрики, а не только за delivery roadmap; ➡️ опыт в B2C, e-commerce, gaming, marketplace, digital-платформах или экосистемных продуктах — будет преимуществом. Ищу не просто человека, который умеет вести бэклог, а сильного продуктового лидера, который умеет видеть возможности, принимать решения, работать с неопределённостью и доводить идеи до результата. За остальными подробностями - пишите мне в личку в Telegram @egguryanov Пожалуйста, присылайте сразу: ☑️ актуальное резюме; ☑️ зарплатные ожидания. Буду благодарен за отклики и рекомендации сильных кандидатов. Чуть не забыл. Работа из Москвы.

Скорость речи = скорость мышления × (1 − контроль) Лет 5 назад я часто ловил себя на одной и той же мысли. Обсуждение, дискуссия, презентация - и я начинаю говорить очень быстро. Закидываю аргумент, задаю вопрос, следующий тезис. Всё на высокой скорости. Тогда мне казалось, что всё логично: скорость речи = скорость мышления. Типа пинг от мозга к голосу. Чем быстрее думаешь - тем ты круче (при условии, что не несёшь полную дичь). Со временем мне стало понятно, что это не совсем так. Во-первых, скорость речи вообще зависит от кучи факторов (кроме базовой скорости мышления): уровень тревоги, ощущение статуса, ясность мысли, привычки и среда, физиология. Но есть и вторая часть уравнения, о которой еще 5 лет назад я не думал - это контроль речи. Контроль нужен для того, чтобы: * паузой или замедлением показать фокус * дать людям осознать сложную мысль, а не просто услышать * отделить главное от второстепенного * выглядеть спокойным и уверенным, даже в напряжённой дискуссии Важный момент - этому контролю нужно учиться отдельно. При этом чем выше скорость мышления и обработки информации, тем проще научиться управлять скоростью речи, потому что появляется буфер между мыслью и словами.

За последние годы я всё реже замечаю вокруг по-настоящему глупых людей. Зато всё чаще - людей, которым просто неинтересно, у которых вообще нет любопытства. Не в смысле "они не знают". А в смысле - им не хочется разбираться, погружаться во что-либо, что-то изучать и тд Глупость - это часто ограничение, которое уже есть в человеке. А вот отсутствие интереса - это привычка. И, кажется, последние годы эту привычку активно выращивают 😭 Соцсети - самый очевидный пример. Они отлично скармливают нам лёгкий дофамин. Но от того, что ты пролистал сотни постов, ты не стал умнее. Твоё любопытство использовали - да. Не путать с тем, что тебе что-то было любопытно/интересно. Культура быстрых ответов. Мы привыкли, что: * любой вопрос гуглится или чатджипитишится за 10 секунд * любой ответ можно получить сразу и для этого не обязательно погружаться в тематику. Усталость и отсутствие мотивации Про это редко говорят, но это важно: любопытство требует энергии. Когда человек постоянно: * перегружен * в тревоге (посмотрите вокруг) * в режиме выживания ему не до исследования мира или глубокого погружения в тематики. В итоге мы всё хуже держим длинный фокус. Всё реже реально погружаемся в темы. Зато всё чаще возникает ощущение "я вроде в этом разбираюсь" (эксперт))) На практике это обычно означает: - что-то слышал - знаешь пару терминов - видел пару постов - обсуждал с кем-то на кухне. Похожую картину ещё чаще видел и на работе: «Вот моя зона ответственности. Дальше мне неинтересно. И разбираться я там не буду". Хотя именно любопытство - желание залезть глубже, понять, как всё устроено за пределами своей коробочки - всегда было для меня одним из главных факторов роста. В общем, вот такой вот печальный тренд я ощущаю.

Сидел я как-то за компом и серфил инфу в инете. В простонародье - немного тупил 😆 Попался пост в LinkedIn про vibe coding. Потом тред в Threads про новый AI-инструмент. Затем какой-то чел уверенно рассказывает, как он “за 2 часа собрал SaaS”. Потом видос в Instagram, где всё опять выглядит так, будто надо просто написать один промпт - и жизнь сама пойдет в гору. Так как я “что-то в этом уже понимаю”, то на 100% могу сказать: половина таких советов, инсайтов, хаков и историй - это булщит 🧐 И я в какой-то момент поймал себя на мысли: ну блин, а где нормальное место, где всё это можно не просто потреблять, а обсуждать по-человечески? Потому что сейчас с AI происходит такая тема: Информации стало слишком много. Она размазана по Instagram, LinkedIn, Threads, YouTube, Medium/Habr/VC, которые часто живут не ради смысла, а ради трафика и рекламы. И половина этой информации, мягко говоря, "странная". Что-то не работает. Что-то работает только в демо. Что-то было актуально три недели назад, а сейчас уже нет. А что-то подаётся как “революция”, хотя по факту человек просто попросил Claude Code сделать ему лендосик. Я не против хайпа. Хайп иногда двигает индустрию быстрее скучных отчётов. Но вокруг AI сейчас не хватает одного места. Где можно спокойно сказать: “Вот это я попробовал - работает”. “Вот это не взлетело, не тратьте время”. “Вот тут автор явно приукрасил”. “А вот это реально меняет подход к работе”. Короче, поэтому я запускаю сайт для людей, которым интересны современные AI-тренды: vibe coding, генерация видео, AI-автоматизация, новые инструменты, промпты, пайплайны - всё вот это. Это место для фанатов, практиков и любопытных людей, которые не хотят отставать, но и не хотят тонуть в мусоре. Что там можно будет делать: - писать и читать статьи по разным темам; - делиться хаками, инсайтами, пайплайнами и находками; - обсуждать идеи на форуме, задавать вопросы, спорить; - общаться в личных сообщениях, находить людей под проекты и эксперименты; - и, что для меня важно, оставлять нормальную обратную связь: что работает, что нет, где автор ошибся, где инструмент переоценён, а где наоборот все зря проходят мимо. Мне хочется, чтобы новичкам было проще стартануть. Не через очередной “гайд на 100 страниц”, а через живое место, где можно посмотреть, что делают другие, задать тупой вопрос без страха, найти нормальный разбор и потихоньку втянуться. На сайте уже есть первые материалы: - Вот почему никто не может понять, что я использовал ChatGPT - Скрытый механизм ценообразования ИИ, который все игнорируют - Почему Kimi K2.6 может заменить GPT-5.5 в программировании - Как создать систему виртуальных инфлюенсеров с помощью n8n в 2026 году ... ➡️➡️➡️ Сайт здесь: https://localhost3000.pro/ Всё вроде как живое, но местами кривоватое. Если видите багу - пишите мне в tg @egguryanov (или можете писать в мессенджер на самом сайте @architect)

История о том, почему на новой работе стоит фиксировать все важные договорённости письменно Недавно мне знакомый продакт-менеджер рассказал следующую историю. Ему сделали оффер в IT-компанию, и в нём были прописаны 4 задачи на испытательный срок. Также была договорённость с СЕО (не прописанная в оффере), что при успешном завершении ИС этому продакту накинут 1,5 тыс. евро к зарплате. В процессе первых трёх месяцев в новой компании основатель (он же СЕО) 100500 раз переобувался и в какой-то момент сказал: «Первая инициатива из списка вообще уже не нужна, а третью можно отложить на неопределённый срок». «Ну окей, займусь тогда чем-то, что точно нужно компании», — подумал продакт и пошёл упорно работать дальше. Спустя 3 месяца, а точнее — 87 дней, на вопрос: «Прошёл ли я испытательный срок?» продакт услышал следующую тираду от СЕО: «Ох, ну что-то не то, не то... Да, неплохо работаешь, но вот из списка инициатив на ИС ты закрыл всего две... Ну, давай просто старайся немного получше — и будет вообще хорошо». На уточнение: «А если я прошёл ИС, то когда мне накинут 1,5 тыс. евро к зарплате, как договаривались?» последовал ответ в стиле: «Пу-пу-пу... чё-то мы не накинем тебе. Не хочется в целом». Продакт принял решение покинуть компанию. ❓А как бы поступили вы?

Когда я говорю знакомым, друзьям или ребятам в команде: "Выступайте публично", я почти всегда слышу два типа реакции. Первый - классический страх. Но его озвучивать “стремно”, поэтому включается второй, самый популярный ответ: "Тааа мне не нужно светиться публично. Это выскочки ходят и выступают. У меня нет такой цели. Я вообще-то хорошо работу работаю.» И каждый раз в такие моменты я понимаю: человек мыслит слишком узко. Публичные выступления - это всего лишь на 10% “личный бренд” и “самопиар”. Да, спору нет, бренд - как минимум, приятный бонус (для кого-то это и цель). Но это малая часть того, зачем вообще стоит выходить и говорить. ————— Вот ещё 4 вещи, которые публичные выступления прокачивают лучше многих курсов, книг, менторства... 1️⃣ Умение объяснять сложное простым языком + аргументация + удержание внимания (да, сюда впихнул комбо) Когда ты выступаешь, нельзя просто красиво что-то заученно рассказать. Ты пытаешься сделать так, чтобы аудитория максимально поняла набор твоих мыслей и идей, и чтобы аудитория поверила тебе, не отвалившись где-то в первой части выступления. Хорошее выступление с презентацией на 20-25 минут обычно готовится более 20-25 часов. Это набор навыков, который 100% надо прокачивать. 2️⃣ Лидерство и харизма Ты стоишь перед десятками (а иногда сотнями) людей и тебе нужно держать внимание, давать видение, заражать уверенностью. Опять же, аудитория должна захотеть пойти за тобой (хотя бы ментально), поверить тебе. После выступления включаешь запись и, как минимум, сам оцениваешь себя "Хмммм, а пошел бы я за этим оратором?" Да-да, идеально всегда записывать свои выступления на камеру. Иначе, как отлавливать моменты для улучшения? 3️⃣ Управление эмоциями и стрессом Публичное выступление - офигеть какая тренировка нервной системы: адреналин, страх оценки, давление времени. Этот апгрейд ЦНС потом тебе пригодится на переговорах, на жестких встречах, с долбанутым начальником или коллегой. 4️⃣ Прокачка мозга на пиковой мощности Говорить публично - это одновременно контролировать смысл, структуру, голос, темп, паузы, жесты, аудиторию, контекст... По сути, ты в реальном времени управляешь кучей процессов сразу. Мозг в этот момент работает как процессор на максималках— и от этого реально растёт когнитивная мощность. ————— Так что в следующий раз, когда твой мозг придумает очередное “умное” оправдание, почему тебе не надо выступать публично - остановись и подумай ещё разок 🤓

В 2026 году каждый должен знать основы AI/ML, чтобы через 4-5 лет не закончить свою жизнь под мостом. Я собрал для вас 5 БЕСПЛАТНЫХ ресурсов, с которых стоит начать 👇 1. Искусственный интеллект для каждого, Andrew Ng https://www.coursera.org/learn/ai-for-everyone 2. HarvardX: Data Science: Machine Learning https://www.edx.org/learn/machine-learning/harvard-university-data-science-machine-learning 3. Generative AI for Beginners https://microsoft.github.io/generative-ai-for-beginners/#/ 4. Introduction to Artificial Intelligence with Python https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python 5. AI Fluency, Learn to collaborate with AI systems effectively, efficiently, ethically, and safely https://www.anthropic.com/ai-fluency

Мы живём во времена, когда продукт копируется почти мгновенно. "Уникальные" идеи - уже не так уникальны 😉 И в этот момент особенно важно не забывать базу продакт-менеджмента и бизнеса. Концепции, которым десятки лет, никуда не делись: - конкурентное преимущество Портера, - барьеры входа, - экономический ров по Баффету. По сути, всё это про одно и то же - защищаемость продукта от конкурентов. Если продукт/бизнес/компанию легко повторить, значит у него нет защиты. А если нет защиты, то у вас нет стратегии и скоро вас размажет конкурент. Поэтому защищаемость нельзя "прикручивать потом". Её нужно закладывать в продукт с самого начала - на уровне дизайна, архитектуры и бизнес-модели. ————— Вот самые распространённые варианты такой защищаемости: ➡️ Сетевые эффекты Сетевые эффекты - функции продукта, при которых каждый новый пользователь повышает его ценность. Вспомните LinkedIn, Uber, Slack или WhatsApp - они спроектированы так, чтобы легко подключать и связывать новых пользователей, позволяя сети расти быстрее конкурентов. ➡️ Издержки переключения Продукты вроде Salesforce и Shopify глубоко встроены в процессы продаж и маркетинга. В результате компании и пользователи "привязываются" к этим продуктам и их экосистемам. ➡️ Проприетарные данные Качественные, уникальные данные, генерируемые в процессе использования продукта (обратная связь, поведенческие следы, предметный контент), которые со временем улучшают пользовательский опыт. Хорошие примеры - Duolingo, TikTok, Granola и GitHub Copilot. ➡️ Репутация бренда Бренды вроде Microsoft 365 и Apple годами выстраивали сильную репутацию и стабильное качество продукта, что даёт им конкурентное преимущество, которое сложно повторить. Если продакт менеджер не может ответить на вопрос "Почему нас будет сложно вытеснить через 3–5 лет?" значит продукт пока существует в зоне риска - даже если сегодня всё выглядит хорошо. Если хочешь научиться эффективно отвечать на вопрос выше, то тебе в мою Базу знаний (там много про стратегию, продакт менеджмент и бизнес в целом).

Перестань “играть в футбол”, если хочешь расти, чтобы тебя уважали и ты рос в компании. За годы на позиции Chief Product Officer/VP of Product я заметил простое правило: быстрее всех растут те продакты, разработчики, аналитики, дизайнеры…, которые берут на себя серые зоны и доводят дело до конца, даже если формально "это же не совсем их зона ответственности". Вот те типичные моменты, когда я едва сдерживался, чтобы не сорвать очки и не раздавать оплеухи направо-налево: 1️⃣ Баг на стыке команд “Код общий, пусть платформа чинит” Проходит две итерации, пользователи злятся, стейкхолдеры в *хере, а тикет всё ещё в подвешенном состоянии. НООО зато переписка в слаке на 230 сообщений (хорошо поработали). Это и называется “отфутболивать”. 2️⃣ Топ-1 боль в процессах - Кто возьмет на себя? - … (тишина, даже тот, кто хотел чихнуть переборол себя, чтобы не выдать, что он тут) - Паш, возьмешь? - А нене, что-то вот работа. Да, мы только что все единогласно проголосовали, что это ТОП-1 боль, но может не будем пока решать? Это же надо встречу ставить… Надо будет еще со всеми договориться… В итоге критическая проблема в процессах остается с вами навсегда. 3️⃣ Сделать что-то на 1 час работы - А понимаешь, почему клиенты используют фичу именно таким странным образом? - Пока нет. Надо бы покопать. - Может просто созвонишься с парой клиентов? Покастдевишь? - Хмммм… Ну это надо ставить задачу в рисерч. Давай я запланирую. - Может ты просто позвонишь? Делов на 20 минут… Подобных ситуаций может быть вагон и маленькая тележка. И это классная лакмусовая бумажка для меня. ☑️ Я научился сразу выделять таких бракованных сотрудников в компании с полуслова и с полусообщения ☑️ Я научился видеть их на интервью и держать их подальше от компании, в которой я работаю Лидерство - это брать ответственность, а не искать оправдания.

Когда я только начинал карьеру в продакт менеджменте, вопрос “Когда фича будет на проде?” приводил меня в ужас. Мозг замирал, а рот судорожно пытался выдать что-нибудь уверенное (ну ты же продакт - умный, способный, ловкий, умелый и знаешь всё - особенно, если ты изучил мою Базу знаний). ————— И если не быть осторожным, легко попасть в одну из ловушек: * назвать срок, не посоветовавшись с командой; * пообещать дедлайн, не учитывая неизвестные; * сказать “скоро” - и получать напоминания каждый день. Особенно сложно, когда это новая инициатива, идея ещё не до конца проработана, зависимости только выявляются, но дату хотят уже сейчас. Чтобы не выглядеть неподготовленным, можно сказать: - "Пару дней" - "Наверное, к пятнице" - или, что хуже всего, выдать случайную оценку и надеяться на лучшее 😆😆😆 Опыт (иногда болезненный) научил меня: такой подход всегда аукнется. Вы покупаете краткосрочное облегчение ценой долгосрочного доверия. ————— Лучший вариант - сразу управлять ожиданиями и не давать ложных обещаний: - “Я уточню у команды и вернусь с оценкой” - “Нужно сначала определить реальный объём доработок, синхронизируюсь с инженерами” - “Перед тем как ставить срок, нужно договориться, что мы снимаем с приоритета” Важно: не раздавать даты по запросу, а следить, чтобы сроки имели под собой какую-то реальность.

Недавно я снова перечитывал "Искусство войны" Сунь-цзы - и в очередной раз поймал себя на мысли, насколько точно многое ложится на современный бизнес. На этот раз зацепился за главу 13 (Использование шпионов) и провел параллель про взаимоотношения с конкурентами и сбором информации. Цитата из "Искусства войны": Используют пять видов шпионов: местные шпионы, внутренние шпионы, оборотные шпионы, шпионы жизни, шпионы смерти; когда они все вместе действуют, никто не знает их путей – это и называется «чудесное искусство», такие люди – сокровище. Местные шпионы – это завербованные местные жители; внутренние шпионы – это завербованные местные чиновники; оборотные шпионы – это перевербованные шпионы врага; шпионы смерти – те шпионы, которые передают врагу ложную весть; шпионы жизни – те шпионы, которые могут вернуться живыми с обратным донесением. Давайте попробуем переложить на язык бизнеса. ————— ➡️ Местные шпионы В бизнесе это: * клиенты конкурента * локальные игроки рынка * пользователи, которые каждый день живут внутри продукта. Алгоритм простой: изучай форумы, читай отзывы, жалобы, общайся с лояльными (и не совсем лояльными) пользователями конкурентов. Если ты не знаешь, за что любят и ненавидят твоего конкурента, - ты не знаешь рынок. ————— ➡️ Внутренние шпионы Это: * сотрудники конкурентов * бывшие менеджеры, инженеры, sales * носители неформального знания: "как всё реально работает" Кроме обычного нетворка, некоторые особенно ушлые C-level практикуют фейковые собеседования. На них иногда можно узнать о бизнесе конкурента больше, чем из десятка отчётов. Этичность - отдельный вопрос (я такое недолюбливаю). Эффективность - часто да. ————— ➡️ Оборотные шпионы Кмк редкий кейс в бизнесе, но забывать о нём не стоит. ————— ➡️ Шпионы смерти Самый спорный, но и самый интересный тип. А что если: * специально отправить своего человека на интервью к конкуренту * и аккуратно вкинуть туда дезинформацию? Мы так делали пару раз, когда конкуренты активно охотились за нашими топами. CEO прямо говорил: "Ты должен сходить к ним, пообщаться". На встречах наши ребята накидывали столько дезы, что потом мы видели, как конкуренты делают глупые, явно ошибочные движения. ————— ➡️ Шпионы жизни И это вовсе не обязательно "устроить своего человека к конкуренту". Вполне валидно: * глубоко самим пользоваться продуктом конкурента * участвовать в их ивентах * проходить всю воронку как "тайный покупатель" ————— Вот такие вот параллели получились 🧐 А если ты хочешь круто разбираться в стратегиях: стратегии построения и развития GenAI продуктов, технической стратегии и продуктовой стратегии, то это тебе в мою Базу знаний.

Встречайте MDP! Долгое время в продуктовой среде всё было довольно стабильно по терминологии. Сначала был MVP - Minimum Viable Product. Минимальный продукт, который можно показать рынку, проверить гипотезу и не потратить все деньги сразу. Потом появился MLP - Minimum Lovable Product. Идея та же, но с акцентом на эмоции: продукт должен быть не просто рабочим, а таким, чтобы им реально хотелось пользоваться. Обе концепции родились в мире, где: * разработка была дорогой * скорость выхода давала преимущество * скопировать продукт было не так просто. Этот мир закончился 😈 Сейчас всё чаще всплывает другой термин - MDP, Minimum Defensible Product. Не минимальный, не "достаточно милый", а минимально защищаемый! 🤓 Смысл такой: ты выпускаешь не просто работающую версию продукта, а версию, которую сложно или невыгодно быстро скопировать. Почему этот термин вообще появился? Потому что в эру AI копирование стало дешёвым и быстрым. То, на что стартап раньше тратил: * месяцы * десятки тысяч долларов * команду разработчиков сейчас можно: * воспроизвести за дни * силами одного человека * с помощью AI-инструментов и API И тут MVP внезапно превращается из инструмента снижения риска в зону, уязвимую для клонирования. Ты доволен, ты доказал спрос, показал ключевую логику, рассказал рынку, что работает. А потом кто-то сделает это же быстрее, дешевле - с помощью AI. По сути, MDP - это разворот к старому доброму Портеру и барьерам входа. * что в продукте нельзя легко повторить * за счёт чего он защищён * что останется, даже если код перепишут с нуля. Обычно это: * собственные данные * сетевые эффекты * сообщество и доверие * бренд и позиция и тд Больше полезной информации можно найти у меня в Базе знаний.

Многие продакты даже не задумываются о том, что стратегия вообще должна быть. А те, кто уже дорос до осознания, начинают задавать хороший вопрос: Чем, собственно, отличается стратегия компании от стратегии продукта? Да-да, не все их разделяют и до какого-то момента это нормально) Давайте я выделю топ-3 ключевых различия: 1️⃣ Фокус: компания больше смотрит наружу, продукт - внутрь. Компания думает про рынок, тренды, конкурентов, новые более глобальные источники роста, туда же SWOT-анализ,... Продукт - про пользователей и их проблемы: почему они выберут нас, что заставит их остаться, какую боль мы реально решаем. 2️⃣ Масштаб: компания говорит о “больших шагах”, продукт - о “строительных блоках”. Компания заявляет: "выходим на рынок SMB" или "становимся лидером категории". Продукт зачастую уже добавляет конкретику: "начинаем с компаний до 50 человек, основные проблемы, которые решаем - ..., делаем продукт простым..., ценность - ...". 3️⃣ Подход: компания - top-down, продукт - end-to-end. Компания задаёт направление сверху (в основном в виде целей и направлений). Продукт связывает эти направления с реальностью - с клиентами, возможностями и ограничениями команды. Он финально превращает красивую презентацию в достижимый план. Поэтому end-to-end - от амбиции до реальности и плана. Но! Делайте скидку на то, что во многих компаниях нет ни одной из этих стратегий 🙂 А если и есть - то каждая понимается по-своему. У разных экспертов, фаундеров и CPO взгляд на различия может сильно отличаться. Ну и, конечно, стоит учитывать, что продукт, как функция, принимает участие в формировании стратегии компании (в идеале если драйвит ее подготовку). А если вы хотите научиться делать стратегию, как матерые Директора по Продукту, то вам в мою Базу знаний (там 40+ уроков про стратегию).