Ordinary PM

В понедельник, 2 ноября, проведу вебинар для Академии ProductSense вместе с Анастасией Бабинцевой, PM в LifetimeHealth и редактором канала Product Mindset Расскажу реальный кейс из своей практики и пройду его по шагам: какая была задача, в каком контексте я её решал, что делал, с какими сложностями столкнулся и к чему в итоге пришёл. Покажу всё так, как происходило на самом деле, а в конце отвечу на ваши вопросы Если хотите провести вечер понедельника с пользой и прокачать продуктовую насмотренность, приходите 🙌 Все участники получат таблицу для принятия решений и карту навыков менеджера продукта, по которой можно оценить свой текущий уровень (во времена этого кейса я бы много за неё отдал 🙃)

🗓 Когда: 2 ноября (пн), 19:00 (мск), бесплатно ⏰ Длительность: ≈ 1 час 👉 Зарегистрироваться

Что делать, если A/B-тест провести нельзя 🧰 В прошлом посте разбирал, почему A/B-тест часто не получается провести. Теперь о том, что использовать вместо него. 1⃣ Поэтапная выкатка Суть: изменение включают волнами, например, по регионам, и те, кто его ещё не получил, служат временным контролем. С feature flags можно выкатывать по долям аудитории (5%-20%-50%-100%) и оставить после выкатки небольшую группу без изменения (holdout) для замера долгосрочных эффектов. Плюсы (далее +): снижает риск запуска и даёт данные для его оценки. Минусы и подводные камни (далее -): нужно внимательно продумывать группы. Если первым пойдёт самый лояльный регион, разница будет искажена. Порядок волн лучше выбрать случайно и зафиксировать заранее. 2⃣ Разность разностей (Difference-in-Differences) Суть: сравнивают, как изменилась метрика в группе с фичей и в похожей группе без неё за тот же период. Например, после запуска новой корзины в Петербурге конверсия там выросла на 4 п.п., а в остальных городах за тот же месяц – на 1 п.п. из-за сезонности. Значит, эффект корзины около 3 п.п. Когда подходит: рандомизация невозможна, но есть группа без изменения и исторические данные. +: убирает часть фоновых трендов и исходных различий между группами. -: работает, только если до запуска метрики в обеих группах двигались параллельно. 3⃣ Switchback Суть: изменение включают и выключают сразу для всех пользователей поочерёдно в коротких временных окнах (например, по дням) в случайном порядке, а затем сравнивают метрики в окнах «вкл.» и «выкл.». Так, например, сервис доставки может чередовать старый и новый алгоритм распределения заказов. Когда подходит: если есть сетевые эффекты. +: группы не влияют друг на друга. -: требует инфраструктуры для переключения по расписанию и не подходит для изменений, которые пользователь заметит: интерфейс или цены, меняющиеся день ото дня, выглядят как сбой. Также эффект одного окна может переноситься на следующее: если новый алгоритм перегрузил курьеров в понедельник, это скажется и на вторнике. 3⃣ Когортный анализ Суть: сравнивают новых пользователей, пришедших до и после изменения, на одинаковом сроке жизни. Подробно писал здесь. Когда подходит: изменение раскатили на всех сразу, контрольной группы нет. +: не нужны ни контрольная группа, ни инфраструктура для тестов. -: всё, что совпало с релизом по времени (сезонность, рекламная кампания), исказит результат. 4⃣ Качественные исследования Суть: UX-тесты и интервью с 10-15 пользователями. Например, показываете прототип, исправляете найденные проблемы и следите за ключевыми шагами после релиза. Подробно я писал здесь. Когда подходит: мало пользователей или нет инфраструктуры. +: находит ошибки до запуска и объясняет, почему пользователи ведут себя определённым образом. -: не стат. значимые данные. 5⃣ Пилоты Суть: изменение запускают у ограниченной группы клиентов и собирают глубокую обратную связь. Когда подходит: изменение дорогое, рискованное или требует внедрения на стороне клиента. +: качественная обратная связь и ранние сигналы. -: в пилот обычно соглашаются лояльные клиенты, поэтому результат стоит считать оптимистичной оценкой. 6⃣ Опережающие метрики Суть: смотрят на метрику, которая предсказывает целевую. Подробно писал здесь. Когда подходит: длинный цикл сделки или отложенные эффекты. +: решение можно принять за недели вместо месяцев. -: связь с целевой метрикой нужно подтвердить на исторических данных, иначе легко растить показатель, который ни на что не влияет. 7⃣ Fake Door Test Суть: в интерфейс добавляют кнопку функции, которой ещё нет и считают клики. Когда подходит: нужно проверить спрос до разработки. +: почти не требует и инфраструктуры и разработки. -: показывает интерес, но будут ли функцией пользоваться не скажет. Пользователь, нажавший на кнопку, может разочароваться, поэтому его нужно предупредить, что функция в разработке. Об особенностях этого метода напишу пост. Сохраните эту подборку методов, чтобы знать, как действовать в следующий раз, когда A/B-тест провести не получится 🔖

Кейс-клуб: вытаскиваем продукт из кризиса с помощью JTBD 🧠 Формулу Job Story сейчас знают почти все: «Когда [триггер и контекст], я хочу [мотивация], чтобы [ожидаемый результат]». Контексты, работы, ценность и альтернативы тоже на слуху. Сложности начинаются, когда JTBD нужно применить к реальному продукту: гипотезы получаются аккуратными и механистическими, а пользователи ведут себя по-другому, и причина их поведения часто лежит не там, где её описывает сам респондент 🤯 На кейс-клубе будем пересобирать продукт, который оказался в кризисе, с ограничениями, как в реальной работе. Пройдём путь от Core Job и Job Stories до проверки гипотез и выбора фокусного сегмента, а в конце соберём образ нового продукта. Получится тренировка системного подхода: пройти путь от гипотезы до решения по шагам и увидеть, в каком месте есть подводные камни. Подойдёт продактам и продакт-маркетологам, которые знакомы с JTBD, но хотят потренироваться применить его на практике. 🗓 Когда: послезавтра, пн, 26 октября, 19:00 🔥 ❤ Формат: онлайн, работа в небольшой группе, количество мест ограничено 🪙 Стоимость: 2 000 ₽ 🎟 Записываться тут

Почему у продактов нет опыта A/B-тестов 👨‍💻 Принято считать, что продакт должен уметь в A/B-тесты. Но на консультациях и обучениях я вижу, что у многих продактов такого опыта нет. Почему так получается? Обычно продакт упирается в одно или несколько ограничений: ⚫Нет инфраструктуры и данных. Для теста нужны корректная рандомизация пользователей по группам, feature flags, разметка и логирование событий, а также аналитика, которая считает метрики в разрезе групп. В небольших командах этого часто нет, а построить такую инфраструктуру долго и дорого. ⚫Мало пользователей. Чтобы отличить стат. значимый эффект от шума, нужна достаточная выборка, а её не хватает в ряде продуктов, например, в B2B с сотней клиентов или на раннем этапе стартапа. И, даже при большом трафике, выборки может не хватить, если целевое действие редкое, например покупка машины или квартиры. ⚫Отложенные эффекты и длинный цикл сделки. Если ключевая метрика – продление контракта (B2B SaaS, годовые подписки) или Retention 6 месяца (ежемесячные подписки), результата придётся ждать месяцами, а столько времени у продакта, как правило, нет. ⚫Сетевые эффекты. В маркетплейсах, соцсетях и мессенджерах изменение для одних пользователей влияет на поведение других, поэтому группы теста перестают быть независимыми. Если тестовая группа на маркетплейсе получила скидку и раскупила товар, контрольная увидит меньший ассортимент, и результат исказится. ⚫Нет data-driven культуры: вместо Customer Development – CEO-driven Development. Тут без комментариев 🙃 Ну а что делать, если A/B-тест провести нельзя, а проверить гипотезу нужно, разберу в следующем посте 👨‍💻

Как использовать AI-агентов в продуктовой работе не для отдельных задач, а для целых рабочих процессов? 27 октября у MLinside стартует курс «AI-агенты для продактов». Курс научит проходить весь продуктовый цикл с AI: от исследований и гипотез до объемных читаемых PRD, метрик и аналитики, и безопасно автоматизировать рутину в корпоративной среде. На выходе — надежные AI-агенты, меньше ручной работы и понимание, как внедрять их так, чтобы получать предсказуемый результат. На курсе вы:

️ настроите AI-экзоскелет продакта для работы с бэклогом, статусами, файлами и другими регулярными задачами; ▪️ разберётесь, как работать с объёмными PRD, требованиями и ТЗ: передавать агенту достаточно контекста, сохранять логику между разделами и получать текст, который не придётся переписывать с нуля; ▪️ научитесь встраивать AI в корпоративную среду: ограничивать доступ агентов к данным и инструментам, защищать чувствительную информацию и соблюдать требования ИБ, не триггеря безопасников; ▪️ соберёте workflow для research и discovery — от поиска и анализа контекста до ICP, конкурентов и УТП; ▪️ подготовите материалы для стейкхолдеров и проведёте репетицию переговоров с агентом в роли скептика.

После занятий у вас останутся готовые workflow и артефакты, которые можно адаптировать под свои задачи. Курс подойдёт действующим продактам, а также аналитикам и инженерам, которые хотят использовать AI в продуктовой работе или перейти в продуктовую роль. Преподаватели — практики из Avito, МТС, Typeform, Beeline Cloud, MWS Fintech и других компаний.

Старт — 27 октября 7 онлайн-занятий по 1,5 часа, 9 недель Стоимость — 75 000 рублей, есть рассрочка Текущая цена действует до 15 октября

А если хотите понять, когда AI-агент действительно окупается, 15 октября в 19:30 МСК приходите на вебинар с Максимом Шаланкиным, ML Team Lead в Big Data МТС Web Services и одним из авторов курса. На живом кейсе Максим разберет экономику AI-агента: сколько стоит его работа, когда автоматизация начинает окупаться и в каких случаях задачу выгоднее оставить человеку. Зарегистрироваться на вебинар Подробнее о программе курса и условиях участия — на сайте. Там же можно оставить заявку на обучение или получить консультацию менеджера.

Это беспрецедентный масштаб. За карьеру я пережил много падений сервисов и продуктов, в которых работал, и повидал всякое, но с таким сталкиваюсь впервые 💔 В IT принято проводить учения: дата-центр отключают и проверяют, как сервисы переживают его потерю. Реальная ситуация с ЦОДами Яндекса оказалась сложнее любых отработанных сценариев. Принято считать, что сервис должен штатно работать при минус одном ДЦ. Сейчас же атакованы три дата-центра. Это крупные ЦОДы с высоким уровнем отказоустойчивости, на которых работали и наши внутренние системы. Продукты и сервисы Яндекса – тесно связанная экосистема, которой пользуются миллионы людей. Только у Рекламной сети Яндекса и продвижения на Поиске ежедневная аудитория больше 100 млн человек. Нужно восстановить системы, найти мощности и перераспределить нагрузку, сохраняя при этом работу всего, что доступно Насколько я знаю, Такси, Еда, Поиск, Алиса и другие сервисы уже возвращаются в строй. Тысячи инженеров не спят несколько суток и прямо сейчас работают над восстановлением Наша команда ПромоСтраниц тоже делает всё возможное, чтобы полностью вернуться в штатный режим. Показы рекламы продолжаются, но интерфейс пока работает только в read only режиме Я всегда говорил, что самое ценное в Яндексе – это люди. Я верю, что мы справимся ❤

В ночь с 7 на 8 октября дата-центр Яндекса в Сасово был серьезно повреждён из-за атаки БПЛА. Его работа полностью остановлена. Сегодня утром произошла атака на ещё один наш дата-центр, в Калуге. Часть инфраструктуры вышла из строя. Ни в Сасово, ни в Калуге сотрудники не пострадали. Сейчас на месте работают экстренные службы и наши специалисты.  Дата-центры — «железное сердце» Яндекса. Их работоспособность критична для сервисов, которые стали частью повседневной жизни людей. Миллионы пользователей проверяют пробки и строят маршруты, слушают музыку, смотрят кино, заказывают продукты и получают ответы на вопросы. Наши технологии помогают вести бизнес сотням тысяч компаний: принимать заказы, обслуживать клиентов, взаимодействовать с партнёрами. Мы понимаем, что для наших пользователей, клиентов и партнёров каждый сбой — это нарушенные планы и невозможность сделать то, что было частью повседневной жизни или работы. Команды Яндекса ночью и днём делают всё возможное, чтобы обеспечить работу сервисов и помочь тем, кого затронул инцидент. Сейчас это наша самая важная задача, но, к сожалению, она непростая. Спасибо нашим сотрудникам — тем, кто находится на площадках, и тем, кто продолжает работать над восстановлением сервисов. Спасибо партнёрам за терпение и сотрудничество, а пользователям — за понимание. Мы продолжаем оценивать состояние инфраструктуры — пока назвать сроки восстановления работы оборудования в дата-центрах очень сложно. Будем рассказывать о ситуации по мере появления информации. Команда Яндекса ❤️

Как справляться с манипуляциями в деловой среде? Манипуляции — обычное дело в рабочих отношениях. Так или иначе они есть в любой среде, поэтому нет смысла их избегать, нужно учиться с ними работать. Если, конечно, вы не хотите закрывать чужие потребности себе во вред. 💥 8 октября в 20:00 по мск лаборатория коммуникации Софт Скиллз Лаб проведет бесплатный вебинар по манипуляциям. На встрече вы узнаете: ▫️ На чем строится манипуляция? ▫️ Как манипулятор заставляет вас идти по его сценарию? ▫️ Почему одни манипуляции на вас работают, а другие нет? ▫️ Общий принцип того, как защищаться от манипуляций в любом контексте Занятие пройдет в Zoom с практикой на реальных кейсах. Вы сможете поделиться своей ситуацией и задать спикеру вопросы. 🗣 Вебинар проведет Мария Лагоша — ведущий тренер Софт Скиллз Лаб, преподаватель по переговорам ВШЭ, тренер и консультант по ораторскому мастерству, основатель и ex-CEO театральной студии. 👉🏻 Занятие бесплатное. Запустите бота, чтобы получить ссылку на Zoom.

DISC: как продакту выстраивать общение с командой 💿 За каждым успешным продуктом стоит слаженная работа команды, где каждый участник занимает своё место. В этом канале я уже не раз подчёркивал, что продакт – лидер, способный понимать разные типы личностей и эффективно взаимодействовать с ними. Один из инструментов, помогающих в этом, методология DISC. Ещё в 1928 г. американский психолог Уильям Марстон в своей книге «Эмоции нормальных людей» описал четыре фактора поведения (современные названия и опросники появились позже).

Модель DISC строится на двух осях: «интроверт или экстраверт» и «ориентация на задачи или на людей». На их пересечении получаются четыре стиля поведения. DISC описывает только поведенческие предпочтения и ничего не говорит об IQ, EQ или профессиональных навыках.

Чтобы разобрать типы на практике, возьмём ситуацию: вы сообщаете команде, что приоритеты поменялись и запуск фичи сдвигается на месяц 🙃 1️⃣ Dominance (Доминирование). Экстраверты, ориентированные на задачи. Нацелены на результат и быстрые решения, готовы брать ответственность. Им нужен короткий ответ: что решено, почему и что делаем дальше. Долгое вступление их раздражает. 2️⃣ Influence (Влияние). Экстраверты, ориентированные на людей. Вдохновляют и вовлекают, умеют убеждать и поддерживают позитивную атмосферу. Им важно обсудить новость вживую и услышать, почему происходит перенос сроков и что команда получит в итоге. Сухое сообщение в Трекере они воспримут как отстранённость. 3️⃣ Steadiness (Стабильность). Интроверты, ориентированные на людей и гармонию. Ценят предсказуемость, ясные процессы и спокойную обстановку, надёжны и внимательны к коллегам. Им нужно время, чтобы принять изменения: предупредите их заранее и отдельно скажите, что остаётся прежним. 4️⃣ Conscientiousness (Соответствие). Интроверты, ориентированные на задачи и качество. Ценят точность и логику, проверяют аргументы и задают много уточняющих вопросов. Подготовьте данные и обоснование: без них они усомнятся в самом решении.

Как определить свой профиль. Для первого знакомства подойдёт бесплатный опросник Open DISC Assessment Test (ODAT). Результат лучше воспринимать как отправную точку для размышления. Попробуйте пройти тест дважды: первый раз отвечая про себя на работе, второй раз про себя вне работы. Разница между результатами покажет, насколько ваш стиль зависит от контекста.

Чтобы понять стиль коллеги, проще всего спросить его самого, как ему удобнее получать новости об изменениях, или предложить пройти тот же тест. Результаты DISC меняются вместе с обстоятельствами, например при смене должности, и у многих людей проявляются сразу два стиля. Поэтому тип подсказывает, как построить разговор с человеком, но полной картины не даёт

Как создать команду, которая умеет решать проблемы без вас Если сотрудники ссорятся, не могут договориться или сталкиваются с напряжением в работе, самый простой путь — прийти к руководителю и попросить его вмешаться. И руководители часто действительно готовы помочь: согласно нашему исследованию вместе с hh.ru, 96% руководителей говорят, что готовы включиться в разрешение конфликта. При этом 40% ждут, что сотрудник сам придет к ним с проблемой. Но у такой модели есть обратная сторона: если руководитель каждый раз становится посредником, команда не учится самостоятельно обсуждать сложные ситуации и договариваться. Более того, сотрудники могут вообще не обращаться за помощью: только 20% готовы идти к руководителю с конфликтом, а 26% сознательно избегают такого разговора из-за недоверия и страха. 📌 17 сентября в 20:00 по мск лаборатория коммуникации Софт Скиллз Лаб проведет бесплатный вебинар, где вы узнаете, как через обратную связь и постепенную передачу ответственности научить команду самостоятельно решать проблемы. За 1,5 часа разберете: ▫️ Почему команда постоянно приносит проблемы руководителю — и как понять, что вы сами этому способствуете ▫️ Как обсуждать конфликты с сотрудниками, не становясь судьей, который решает, кто прав ▫️ Как научить сотрудников давать обратную связь друг другу ▫️ Как постепенно передавать команде ответственность за сложные разговоры Закрепите материал на реальных кейсах участников. Вы сможете отправить свою ситуацию в анонимную форму и получить рекомендации во время вебинара. 🗣 Вебинар проведет Мария Лагоша — ведущий тренер Софт Скиллз Лаб, преподаватель по переговорам ВШЭ, тренер и консультант по ораторскому мастерству, основатель и ex-CEO театральной студии. Как всегда, встречаемся в Zoom, чтобы ответить на ваши вопросы. 👉🏻 Запустите бота, чтобы получить ссылку на конференцию

Продуктовая работа: ожидания vs реальность В этом канале я довольно много пишу о том, как правильно выстраивать работу над продуктом и какие подходы использовать в работе продакта. Тем интереснее посмотреть, как продуктовые команды работают на самом деле 👀 В прошлом году ФРИИ провёл исследование продуктового управления в России и СНГ. В нём участвовали 144 человека из 132 компаний: CPO, Head of Product, продакты и руководители продуктовых команд. Несколько цифр, которые мне показались интересными: 1️⃣ Только 48% продуктовых инициатив достигают своих целей. Среди основных причин: нехватка ресурсов (73%), смена бизнес-приоритетов (53%), технические ограничения (47%) и недостаточно качественный discovery (45%); 2️⃣ Системный Product Discovery есть только у 22% компаний. Столько же используют эксперименты как встроенную практику, а 10% вообще не тестируют гипотезы 🥲 3️⃣ У 46% продуктовых команд ограничен доступ к аналитике: данные приходится либо запрашивать ad hoc, либо собирать вручную. Получается заметный разрыв между тем, как принято описывать работу продакта, и условиями, в которых эта работа происходит на практике. Говорим про data-driven подход, но почти половина команд ограничена в доступе к данным. Делаем ставку на discovery и эксперименты, но системно они встроены примерно у каждой пятой компании. Говорим про fail fast, learn quickly, но как инструмент развития ошибки используют только 17% компаний.

Сейчас ФРИИ собирает данные для следующего исследования. Если вы работаете в продукте, можно помочь обновить эту картину рынка 🙌 Все участники получат финальное исследование до официального релиза и смогут сравнить свои продуктовые практики с отраслью. Опрос займёт не больше 15 минут. Принять участие

Как не обмануться метриками 🔍   В предыдущем посте разобрали, как получать сигналы для принятия решений быстрее. Но у скорости есть и обратная сторона: метрику можно вырастить в обход реальных улучшений продукта, а можно перепутать с цифрой, которая просто хорошо выглядит на слайде, но ничего не говорит о росте ценности продукта. В последнем посте цикла разберём эти аспекты.   1⃣ Заградительная метрика (Guardrail metric)   По закону Гудхарта: «Когда метрика становится целью, она перестаёт быть хорошей метрикой». Все естественно хотят расти в целевых метриках, но важно не просаживать при этом другие, иначе получится «в одном месте лечим, в другом калечим».   Guardrail-метрика задаёт порог допустимых изменений (стат. или бизнес значимых ): если она за него выходит, результат «красный» даже при «зелёной» целевой метрике – знак, что рост целевой или прокси-метрики достигнут нездоровым способом.   Как выбрать guardrail-метрики: пройдите на шаг вперёд и на шаг назад по воронке или пути пользователя и посмотрите, как рост целевой метрики может повлиять на метрики этих шагов.   Например, вырастили CR в отправку заявки на оформление продукта – здесь guardrail не любая метрика вообще, а конкретно CR из заявки в одобрение, потому что именно его проще всего незаметно просадить, упростив форму на входе.   На практике мой ориентир по количеству: 1-3 guardrail-метрики на одну целевую.   2⃣ Метрика тщеславия (Vanity metric)   Метрики, которые выглядят впечатляюще на слайдах для руководства, СМИ и инвесторов, но не несут ценности с точки зрения продуктовой работы: общее число просмотров страниц, количество скачиваний, число просмотров видео и подобное.   Такие метрики нередко растут сами по себе, например, вместе с базой пользователей, но никак не отражают, стал ли продукт лучше.   Важная оговорка: vanity-метрика вредна не по своей природе – одна и та же цифра может быть vanity в одном контексте и рабочей метрикой в другом. Проверочный вопрос: может ли метрика сама по себе, без дополнительных данных, обосновать решение? Число скачиваний приложения в связке с activation rate и retention, да, отвечает, и на его основе можно принять решение. Та же цифра на слайде как самостоятельное доказательство успеха, без остальной цепочки, нет, и это vanity.  

Давайте подведём итог этой серии: возьмём воронку подписочного сервиса и разложим на ней все пять типов:   ⚫ Метрика тщеславия: число установок приложения за месяц. Само по себе, без остальной цепочки, оно может впечатлять на слайде, но ничего не говорит о росте ценности продукта.   ⚫ Опережающая метрика: CR из установки в регистрацию в первые 24 часа. Она быстро считается и коррелирует с будущей выручкой. Когда выручка фактически придёт, вы вернётесь ориентироваться уже на неё.   ⚫ Прокси-метрика: Retention на 7-й день. Его используют вместо LTV, потому что LTV считается месяцами, а Retention 7 уже не слишком шумный и хорошо коррелирует с итоговой ценностью. Вы будете смотреть на него и дальше, даже когда LTV наконец посчитается.   ⚫ Заградительная метрика: доля отмен подписки в 1 неделю. Если вы гоните Retention 7 агрессивными push-уведомлениями, именно эта метрика поймает нездоровый рост.   ⚫ Запаздывающая метрика (целевая): LTV. То, ради чего всё затевалось, но узнаете вы о нём последним.

  Сохраните эту связку – и в следующий раз, выбирая метрику для решения, прогоняйте не абстрактный вопрос «что это за метрика», а конкретный: какую роль она играет именно в этом решении и с чем она связана в воронке 🔖

Как метрики помогают принимать решения быстрее 🏃‍➡️   В прошлом посте разбирали систему метрик по трём разрезам: уровням продукта, пути пользователя и связям между метриками. Но тут есть парадокс: метрик может считаться много, а решения всё равно принимаются медленно. Давайте посмотрим, как метрики, наоборот, могут ускорять принятие решений. 1⃣ Запаздывающая метрика (Lagging metric) Обычно это ключевая бизнес-метрика, которая фиксируется с задержкой из-за природы бизнес-процесса: длинный цикл сделки, долгий процесс оплаты, длинная атрибуция. Руководство обычно ставит задачи продакту в терминах бизнес-метрик (метрик роста – выручка, GMV, число заказов), а они по своей природе запаздывающие. Чтобы грамотно работать с такими метриками, нужно: – валидировать связь с прокси- и опережающими метриками (а для опережающих ещё и скорость их реакции); – валидировать точность прогноза для корректной оценки эффекта. Об этом и поговорим ниже ⬇ 2⃣ Прокси-метрика (Proxy metric)   Косвенный показатель, который используют вместо целевой метрики, когда её напрямую отследить сложно. Прокси-метрика не обязана быстро реагировать на изменения в продукте, но должна хорошо коррелировать с главной метрикой, и эту связь стоит подтвердить данными. Прокси-метрику имеет смысл использовать, когда основная метрика: – проявляется с большим временным лагом (на моей практике, если дольше недели, то уже долго), и чтобы набрать статистически значимое количество данных для решения, приходится ждать недели или дольше. Например, LTV считается долго, а Retention на 3-5-7 день уже быстрее; – сильно «шумит», например, из-за сезонности или параллельных активностей вроде акций и распродаж, из-за чего сложно понять, реальный это тренд или разовый всплеск; – сложно измерима напрямую, например, «формирование устойчивой привычки» не пощупать напрямую, поэтому её измеряют через пороговое поведенческое действие. Пример Slack: команды, обменявшиеся 2 000+ сообщениями, дальше удерживались с Retention около 93%. Главные свойства хороших прокси-метрик: они привязаны к механизму создания добавочной ценности, поэтому их сложно «накрутить» без реальных продуктовых улучшений, и в паре к ним подобраны заградительные метрики (об этом в следующем посте).   3⃣ Опережающая метрика (Leading metric)   Метрика, которая быстро реагирует на изменения и имеет понятную причинно-следственную связь с основным показателем. Главная ценность опережающих метрик – сокращение цикла обратной связи: они позволяют спрогнозировать изменение основной метрики до того, как оно фактически произойдёт (если метрика X растёт на Y%, ожидаем рост Z на N%).   Например: число trial-пользователей → число платных через 14 дней.  

Многие не проводят чёткой границы между прокси- и опережающими метриками и это справедливо, ведь одна и та же метрика может быть и тем, и другим одновременно. Например, CR в регистрацию может быть прокси для CR в оплату/подписку и одновременно опережающей метрикой для прогноза доходов.   Различить тип метрики поможет вопрос: почему вы смотрите именно на эту метрику потому что основную сложно измерить, или потому что нужна скорость? В первом случае перед вами прокси-метрика, во втором – опережающая метрика.   CR в регистрацию как прокси для оплаты остаётся ориентиром даже после того, как накопится статистика по оплатам — она всё равно может ещё долго шуметь. А тот же CR, если его используют для прогноза выручки, теряет смысл, как только пришли фактические данные по выручке.

  Но получить сигнал быстрее – не значит получить сигнал, которому можно доверять 🥲 Об этом в следующем посте цикла 🔍

Not AI-generated 📁 LLM с одной стороны принесли нам удобные инструменты, с другой – количество нейрослоп-контента теперь зашкаливает. И Telegram здесь не исключение: каналов огромное множество, во многих хорошие, цепляющие заголовки и первые абзацы, а дальше – убедительно звучащий, но пустой нейрослоп 🙃 Поэтому мне особенно ценны каналы, за которыми стоят живые люди с реальной экспертизой, те, кто пишет сам и кому правда есть чем поделиться из своего опыта.

Вот, например: – от Саши Новохацкой, автора канала 7.47, узнал про модель оценки идей 7 plus – у Саши Мальцева нашёл толковые рекомендации по промптам для day-to-day работы – в «Мягких техниках» прочитал классный разбор ситуативного лидерства и мотивации – в EdTech-радаре Вероника хорошо пишет про тренды обучения, чтобы не остаться за бортом

И это только часть – перечислять можно ещё долго. Мы с коллегами обновили папку таких авторов – by Yandex ❤️ Добавляйте себе и читайте авторский контент 👨‍💻

Как увидеть систему за метриками продукта 🎛   Тема метрик кажется довольно очевидной: продакты их считают, смотрят на дашборды, анализируют динамику. Но в кейсах на консультациях я периодически вижу что-то вроде карго-культа: метрик много, а системы за ними не видно. Посчитали Retention – пошли думать, как его улучшить. Упал CR – переключились на него. В итоге возникает локальная оптимизация: мы работаем над отдельным показателем, не понимая его связей с другими метриками и влияния на конечный результат.   В этом посте предлагаю посмотреть на метрики системно, с трёх разных углов. На некоторых остановлюсь подробнее, для остальных оставлю ссылки на прошлые разборы.   1⃣ По уровням продукта На продукт можно смотреть с разной высоты (helicopter view): от бизнес-результата до технического качества. На каждом уровне будет свой набор метрик:   Метрики продукта: Retention, Churn, CR, Activation Rate, LTV, а также специфичные для конкретного продукта метрики и события создаваемой ценности (Time To Value, First Value Moment, A-ha moment). На этом уровне чаще всего находится зона влияния продакта: улучшения продуктовых метрик должны в итоге отражаться и на метриках роста.   Метрики роста (или бизнес-метрики): DAU/WAU/MAU, выручка, прибыль, GMV, количество заказов. Отражают эффективность бизнеса, построенного на продукте. Метрики роста достаточно инертны и зависят как от притока новых пользователей, так и от того, насколько хорошо работает сам продукт.   Метрики привлечения: Impressions, CTR, CPC, CPA, CPI, CAC, количество новых пользователей. Показывают, насколько эффективно мы привлекаем пользователей в продукт.   Технологические метрики: скорость загрузки, ошибки, доступность сервиса и пр. Отражают техническое здоровье продукта, от которого зависят все остальные показатели.   Здесь важно убедиться, что ни один из уровней не остаётся слепой зоной: система метрик должна позволять видеть состояние продукта целиком. 2⃣ По взаимодействию пользователя с продуктом   Метрики можно организовать вокруг разных этапов и аспектов взаимодействия пользователя с продуктом: от первого контакта и получения ценности до повторного использования и оплаты.   С акцентом на жизненный цикл пользователя – AARRR: Acquisition → Activation → Retention → Revenue → Referral. Разбирал его отдельно в этом посте.   С акцентом на пользовательский опыт – HEART: Happiness → Engagement → Adoption → Retention → Task Success. Про него тоже был отдельный пост.   С акцентом на привлечение и движение к покупке – AIDA, лестница Ханта. Про них тоже были отдельные посты, здесь не буду дублировать.   Часто такие модели представляют в виде воронки. Главный недостаток такого представления – путь пользователя в продукте далеко не всегда линеен.   Пользователь может возвращаться на предыдущие этапы, повторять одни и те же действия или двигаться по разным сценариям. Поэтому в некоторых продуктах полезнее представлять путь в виде цикла, например см. пост про Consumer Decision Journey.   3⃣ По взаимосвязям между метриками Этот подход нужен, чтобы получить ответ на вопрос: «Если я улучшу вот эту метрику, то что изменится дальше по цепочке?». Классический подход здесь – выделить North Star Metric и построить от неё Дерево метрик. Такое дерево показывает и связи и куда вкладывать силы. Разбирал подробнее в отдельных постах, здесь не буду дублировать.   Повторюсь: просто считать метрики недостаточно, важно понимать, как они организованы и связаны между собой.   Сохраните пост и проведите аудит своей системы метрик: нет ли в ней слепых зон и понятны ли связи между показателями 🔖   В следующем посте посмотрим на систему метрик ещё с одного ракурса 👀

Почему прокачанный английский – маст-хэв для продакта 🇬🇧 Если вы нацелены на поиск работы за рубежом, слабый английский – это блокер: продакт-менеджмент на 80% состоит из коммуникации. На интервью нужно уметь хорошо себя презентовать, рассказать о продуктовых решениях, а в самой роли – защищать roadmap и говорить «нет» лишнему скоупу. На английском это ощутимо сложнее, поэтому языковой и культурный барьер держит сильных продактов на локальном рынке. Обычные курсы английского к такому не готовят: они учат болтать о погоде, а не продавливать приоритеты, доносить логику решений или проходить собеседование на международном рынке.

На курсе Level Up от AgileFluent под специальность продакта собирается модуль English for Your Role с практикой на реальных задачах. Ты будешь обсуждать на английском: – планы и приоритизацию (roadmapping & prioritisation); – как вести discovery и user research на английском; – метрики и performance tracking; – подготовку к product-интервью и многое другое. За 5 месяцев язык перестаёт быть препятствием для работы за рубежом.

Запишись на бесплатную консультацию: определим уровень, найдём слабые места и наметим программу. А при записи – в подарок подборка «100 полезных фраз для работы с командой» 🎁 👉 Записаться на консультацию Реклама. ООО «Эджайл», ИНН 7810964334, erid: 2VtzqwRuPZm

Стратегия откликов – не только HH   Для большинства HH остаётся главным источником вакансий и именно поэтому конкуренция там максимальная. Если после 10+ откликов вы получаете отказы или тишину, проблема далеко не всегда в вашем CV. Поиск работы сегодня – это не один канал, а комбинация нескольких. Ниже 5 способов, которые стоит использовать параллельно.   1⃣ Отклик через HH   Игнорировать HH не стоит, т.к. здесь самая большая база вакансий. Но и делать ставку только на него я бы не стал. На популярные вакансии в IT за несколько дней могут прийти сотни, а иногда и тысячи откликов. Даже хорошее резюме может просто не дойти до рекрутёра (см. пост про ATS).   Поэтому я рекомендую использовать HH как инструмент поиска вакансий. Нашли интересную позицию – попробуйте параллельно выйти на рекрутёра или нанимающего менеджера через другие каналы (читайте дальше).   Кроме того, открытая вакансия на HH не всегда означает, что по ней активно ищут кандидата. Возможны разные ситуации: – кандидат уже найден, но вакансию ещё не сняли; – публикацию оставили как резерв на случай отказа основного кандидата; – вакансия размещена формально, например, для внутреннего конкурса или формирования базы CV кандидатов.   Поэтому отсутствие ответа далеко не всегда говорит о качестве вашего CV, CL.   2⃣ Карьерные сайты компаний   Большинство Big Tech кампаний имеют свои карьерные сайты (пример у Яндекса)   Здесь часто появляются вакансии раньше, чем на агрегаторах, а конкуренция может быть ниже. Кроме того, многие компании подробно описывают процесс отбора и критерии оценки кандидатов, что помогает лучше подготовиться к интервью (опять же пример Яндекса). Соберите подборку карьерных сайтов компаний, которые вас интересуют и мониторьте их. 3⃣ Специализированные агрегаторы   Из известных – Эйч, GetMatch, CareerSpace, Geekjob, Facancy и др. Отдельно советую подписаться на карьерные tg-каналы компаний, в которых вы хотите работать. У большинства крупных IT-компаний они есть (у Яндекса - @ya_jobs_pm). Соберите их в отдельную папку и просматривайте каждый день.   4⃣ Профессиональные мероприятия   Зачастую этот способ поиска работы остаётся вне поля зрения, а зря, ведь одна из целей митапов, воркшопов, хакатонов, фестивалей и конференций – это найм. Причём прямо на мероприятии можно познакомиться с рекрутёрами и нанимающими менеджерами.   Такие события проходят не каждую неделю, но важно не упускать возможность их посещать, тренировать самопрезентацию (пост про неё) и расширять профессиональный круг общения.   Недавно, например, прошёл ИТ-Пикник, до этого – Product : Fest, а впереди Avito.Tech.Conf, Продукты 24, ProductSense и ProductCamp.   5⃣ Реферальные программы   На мой взгляд, сегодня это один из самых эффективных способов попасть на интервью. ℹ Важно: реферал не упрощает требования к кандидату, собеседования будут такими же, как и для всех остальных. Но рекомендация помогает обойти очередь из сотен откликов и значительно увеличивает вероятность того, что ваше CV действительно посмотрят. Именно поэтому важно, чтобы и CV и CL были подходили под конкретную вакансию.   Как найти человека для реферала? ⚫LinkedIn – воспользуйтесь поиском по фильтрам: выберите компанию и найдите сотрудников с должностью Recruiter, Talent Acquisition или Hiring Manager. ⚫Сетка – многие также указывают место работы, поэтому найти сотрудника нужной компании обычно несложно. ⚫Собственный нетворк – коллеги, бывшие коллеги, друзья и даже знакомые знакомых. Если вы ещё не начали осознанно строить нетворк, сейчас самое время 🙂 И ещё один совет, который работает независимо от того, через какой канал вы нашли вакансию. Многие отправляют отклик и просто ждут. На практике лучше использовать правило трёх касаний: ⚫≈ 3–5 дней – первое напоминание; ⚫≈ 7–10 дней – второе, это показывает устойчивый интерес к позиции; ⚫≈ 2 недели – последнее сообщение, позволяет экологично завершить коммуникацию, если ответа так и не последовало.

Как руководить, когда цели размыты, а результат нужен прямо сейчас? «Срочно перестраиваем план» «Конкуренты уже внедрили ИИ, нам тоже надо» «Это приоритет, ищите варианты» Бизнес часто спускает цели без достаточной конкретики, а руководителю нужно превратить их в понятный план для команды — без такого плана легко потратить ресурсы впустую. А это задача не из легких: нужно одновременно разобраться, чего именно хочет руководство, определить реалистичные шаги и договориться о приоритетах. При этом, когда вы начинаете прояснять задачу, вас могут посчитать некомпетентным или решить, что вы не умеете справляться с неопределённостью. 📌 12 августа в 20:00 лаборатория коммуникации Софт Скиллз Лаб проведет открытый вебинар «Управление в тумане: что делать, когда вам спускают неопределённые цели, а рынок требует быстрых решений». За 1,5 часа вы узнаете: ▫️ Как взаимодействовать с руководством, чтобы прояснить цель и одновременно показать свою компетентность ▫️ Как защищать ресурсы команды, если требования нереалистичны ▫️ Как работать с давлением срочностью и договариваться о приоритетах ▫️ Как выстраивать доверительные отношения с топ-менеджментом 🗣 Спикер — Анна Мигунова, ведущий тренер Софт Скиллз Лаб, преподаватель НИУ ВШЭ и Сколково, директор по продукту в «заря.диджитал», системный аналитик в Kaspersky. В конце вебинара Анна разберет ваши кейсы из анонимной гугл-формы и ответит на все вопросы. 👉🏻 Запустите бота, чтобы зарегистрироваться и получить ссылку на эфир

deep tech night 🌚 Есть мнение, что с развитием ИИ-инструментов (Codex, Claude Code и др.) роль продакт-менеджера дрейфует в сторону Product Builder – специалиста, который своими руками создаёт ценность и не завязан на дизайн и разработку. Время покажет, насколько это глобальный сдвиг профессии или хайп этого года. Но есть то, что ценилось на протяжении всей эволюции профессии и, уверен, продолжит цениться дальше – умение разбираться в технологиях. Именно поэтому обратите внимание на 5 сентября, в этот день Яндекс проведёт онлайн-конференцию deep tech night о технологических вызовах в эпоху AI. В прямом эфире эксперты Яндекса, российских и международных IT-компаний обсудят технологии, которые сегодня определяют развитие индустрии: как AI меняет инфраструктуру, архитектуру и подходы к разработке.

Программа deep tech night разделена на три трека: – Hard: технические доклады с акцентом на сложность задач; – Practice: демо и воркшопы с акцентом на конкретные прикладные навыки; – Experiment: лайтнинги и доклады с акцентом на тренды и новые форматы. Часть программы уже опубликована, часть пока держится в секрете 🙃 В онлайн-трансляции будет доступен трек Hard, в офлайне – все три трека.

Возможность прокачать technical skills на такой концентрации экспертизы выпадает не каждый день – заходите на сайт конференции, изучайте программу и регистрируйтесь. 📅 Когда: 5 сентября 📍 Где: онлайн-трансляция и офлайн (по приглашениям) 🎟 Зарегистрироваться

Вы уже построили карьеру, но чувствуете потребность в масштабном росте? Время превратить свои идеи или рабочие проекты в прибыльный технологический бизнес. 🚀 Онлайн-магистратура МФТИ «Технологическое предпринимательство» (поток 2026–2028) открыла прием заявок. Если вы подумываете об обучении, но сомневаетесь — вот три факта, почему стоит попробовать: 1. Учеба подстраивается под вашу карьеру, а не наоборот Вам не придется бросать работу, терять доход или переезжать в Москву. Обучение проходит полностью онлайн в формате живых вебинаров по выходным. Нагрузка составляет 8–12 часов в неделю. Учитесь из любой удобной для вас локации. 2. Вступительное собеседование как бесплатный бизнес-аудит Подача заявления на Госуслугах — это ваш пропуск на встречу с экспертами МФТИ. Вы защищаете свою идею и сразу получаете её профессиональный разбор и оценку точек роста. При этом, решать, учиться или нет, вы будете позже, но пройти этот этап и проверить свои силы важно уже сейчас. 3. 1000 часов практики над вашим проектом в мощном комьюнити Вся учеба сфокусирована исключительно на вашем реальном кейсе под руководством персонального ментора-практика. Вашими сокурсниками станут мотивированные профессионалы из IT, биотеха и космоса со средним возрастом 34 года. Это готовое амбициозное сообщество для личного роста и будущих бизнес-контактов. Дедлайн подачи документов: до 15 августа. По окончании — диплом магистра МФТИ государственного образца. Доступен образовательный кредит с господдержкой под 3% годовых без подтверждения доходов. Узнать, как подать документы через Госуслуги, и зафиксировать за собой место на собеседовании: techpredonline.ru А для тех, кто хочет послушать людей, уже прошедших этот путь, выпускники кафедры разных лет соберутся на онлайн-встречу. Разговор пойдёт о том, что учёба даёт специалистам, у которых и без неё есть бизнес и должность, что оказалось банальным, что не сработало и кому в магистратуру идти точно не стоит. За столом соберутся: серийный технологический предприниматель и основатель DiamondLab, директор по ИИ-трансформации «Альпина Диджитал», General Manager квантового стартапа в Люксембурге и фаундер MountingBox — проекта, который вырос из студенческого стартапа. Ведёт разговор выпускник, а теперь преподаватель кафедры. Встреча пройдет онлайн, бесплатно, длительность — полтора часа, предусмотрены вопросы из зала. Регистрация: timepad.ru