Growth Lab / Артём Сайгин

Друзья, какую книгу вы сейчас читаете? Интересны ваши рекомендации. Поделитесь в комментариях

Эксперимент с отказом от СМИ Уже пять месяцев я не читаю и не смотрю СМИ про политику, городские события и всё такое. Оставил только отраслевые — маркетинг, ИИ, всё, что около IT, и немного экономики. Зачем, спросите вы? Причина довольно простая. Я понял, что слишком много негативных новостей просто съедает когнитивный ресурс. Тратишь внимание на события, на которые всё равно никак не можешь повлиять, а потом ещё полдня ходишь с их эмоциональным следом. И что дало? Самое интересное — я думал, что довольно быстро выпаду из информационной повестки. Но оказалось, что нет. Контекст больших событий никуда не исчез. Если происходит действительно что-то важное, я всё равно об этом узнаю. Окружение, как оказалось, отличный фильтр — главное до тебя доходит, а бесконечная информационная волатильность — спекуляции, микронегатив и т.д. — просто оседает где-то по дороге. В итоге я начал экономить не только время, но и внимание. Исчезли эмоциональные качели от новостей, стало меньше внешнего шума и, кажется, просто стало спокойнее. Пока эксперимент даёт одни плюсы. А вы пробовали на какое-то время убрать новостной фон? Что изменилось?

Знакомое состояние, когда в проекте (даже не самом сложном) вдруг застреваешь в самокопании и видишь только то, что сделал не так? А потом одно негативное суждение цепляется за другое – и уже не понять, что действительно идёт не так, а что ты сам себе придумал. Чтобы распутать этот клубок, я использую один очень простой метод (наверняка у него даже есть какое-то название). Беру тетрадь. На одном листе пишу негативный пойнт/сомнение, которое меня тяготит. На противоположном — челленджу этот пойнт, вставая на место непредвзятого наблюдателя. По итогу выхожу со "свежей головой", сбросив груз пустой самокритики, которая, как правило, не имеет ничего общего с реальностью. Задача метода не в том, чтобы убедить себя, что "всё хорошо", когда всё объективно плохо. Суть в том, чтобы посмотреть на ситуацию сверху, без эмоций и ярлыков. Понять, где настоящая проблема, а где накрученная. А с реальной картиной работать намного проще.

У Яндекса есть своя Вики со словарём внутренних терминов. Её дают каждому новичку ещё на онбординге, чтобы понимать, о чём вообще говорят коллеги. Но сегодня поделюсь словами и выражениями которые частенько можно услышать на рабочих встречах в Яндекс Поиске. (дисклеймер: эти выражения/слова встречаются не только в Поиске) • Органолептически — когда нет подтверждения данными, но ты так чувствуешь. Сам не использую, уж слишком "вычурный" (немного с уклоном в мемность) термин, но встречается частенько. • Аддитивно — когда эффекты можно складывать напрямую, без учета их взаимного влияния. • Точка входа — место, через которое пользователь попадает в продукт или фичу. По сути — точка дистрибуции. Один мой коллега хорошо сформулировал: "кто владеет точкой входа, тот и управляет продуктом". • Прокрасилось/прокрас — используется в A/B-экспериментах, чтобы показать, является ли результат статистически значимым и в какую сторону он направлен. Прокрасилось в зелёный — позитивный эффект, в красный — негативный, серый — значимых изменений нет. • Захардкожен — то, что напрямую зашито в коде, а не вынесено в настройки или конфигурацию. Если что-то захардкожено, просто переключить настройку не получится —> нужно идти в код. • Инкремент — думаю, это одно из самых часто употребляемых слов в Поиске. Доп. результат, который получили благодаря вложенным усилиям, за вычетом каннибализации и других эффектов. • Зааффектило/аффектит — повлияло на метрики или какой-то другой показатель. Эксперимент зааффектил на retention = повлиял на рост retention. • Распарсить — разобраться/понять. "Я не распарсил" = не смог понять это. • Сутево — очень нравится это слово, оно не дает "утонуть в деталях" и возвращает диалог в верхнеуровневое состояние, к сути: "давайте сутево". А какие термины живут у вас в компаниях/продуктах? Поделитесь в комментариях интересными из них

Если бы я мог дать только один совет себе 16–17-летнему, я бы сказал: Начни читать каждый день. Не больше книг и не быстрее, а именно каждый день. Жаль, что эта мысль дошла до меня куда позже. Вот уже более десяти лет чтение – неотъемлемая часть моей жизни. И если сегодня спросить, что сильнее всего повлияло на моё развитие за эти годы, чтение точно будет где-то в самом верху списка. Вернуться в прошлое у меня не получится (по крайней мере пока). Поэтому этот совет достаётся уже не мне. Но, возможно, он пригодится кому-то из вас. Кто-то прочитает этот пост в 16 или в 40 – не важно. Важно только одно – что у этой ценной привычки появится шанс прижиться и сделать вашу жизнь лучше. Поэтому делюсь двумя вещами, которых мне самому очень не хватало в начале пути. → Мой метод чтения – всё, что помогает встроить чтение в жизнь и не слиться через пару недель https://t.me/proroas/130 → Моя подборка в Яндекс Книгах – тут только прикладная литература. Все книги из списка я прочитал и могу рекомендовать, как хорошую отправную точку (читать стоит не только прикладную литературу, но и художественную, но ее вы найдете и без меня) https://books.yandex.ru/bookshelves/TEvKl6gt P.S. На скринах — мои цифры за 2025 год.

Моя работа (или хобби, как посмотреть) уже лет 8 — растить it-продукты, выстраивая growth-процессы на стыке маркетинга и продукта. За всё это время наблюдаю в разных командах и продуктах одну и ту же проблему — нет системы построения конвейеров экспериментов. Менеджеры строят процесс по наитию, совершая ошибку за ошибкой —> конвейер не заводится или ломается на полпути. 2 года назад я написал процесс построения рабочего конвейера экспериментов, детально, пошагово описал, как его внедрить и с чем вы столкнётесь, — вложил весь свой опыт построения growth-процессов. Всё, чтобы вы могли взять и применить, обойдя стороной все "грабли". Материал не устарел и не потерял актуальность, потому что основан фундаментальных принципах без привязки к инструментарию. https://habr.com/ru/articles/788780/ Пользуйтесь, друзья.

Осознанное движение по блокам, регулярный разбор и рефлексия над важными пунктами, честная оценка себя и работа над своими недостатками — всё это помогает не сбиться с пути, реалистично оценивать силы и быстро замечать, когда нарушается баланс. По сути, этот процесс — небольшая, но постоянная работа, которая по чуть-чуть делает тебя лучше. Метод не про героические рывки, а про тихое, упорное движение. Надеюсь, что-то из этого окажется полезным и для вас. Забирайте, адаптируйте, пробуйте.

Каждый вечер воскресенья я уделяю один час этой зелёной книге. Пишу от руки, ручкой, сменившей уже с десяток стержней. Это уже ритуал, анализ прошедшей недели и — крупными мазками — план на следующую. Сегодня расскажу о методе личного планирования, который тестирую на себе три года. Возможно, кому-то окажется полезен сам фреймворк, потому что наполнение — штука глубоко индивидуальная и создаётся под вашу личную цель.

Знаю, давно не писал. И вроде есть о чём рассказать, но поймал себя на мысли: чем дольше молчишь, тем сложнее начать. А ещё понял, если накопил опыт — им стоит делиться, а не складировать в голове до лучшего момента. Так что попробую вернуться.

Ну, приступим. — Раз в полгода я собираю большой проект (условный Epic), который отражает годовую личную цель или даже 5-летнюю. Даю ему название (ну а что за проект без названия?) и ограничиваю 23 неделями — спринтами. Полгода - достаточный срок, чтобы увидеть результат в выбранных областях. К тому же этот цикл хорошо ложится на бизнес-ревью в Яндексе. Epic включает в себя 10 проектов охватывающих всё: от семьи и физического здоровья до отдельных карьерных вызовов. Почему 10? Больше или меньше у меня по опыту не выходит, да и так проще оценивать. Про оценку расскажу дальше. Эти десять проектов, объединённых одной большой целью, я распределяю по трём блокам: Back, Front и Connector. У каждого — своя роль в реализации всего замысла. Back - фундамент. Невозможно достичь высот в креативной или карьерной составляющей, если есть проблемы в семье, с физическим или ментальным здоровьем. По крайней мере, у меня так. Это то, над чем я осознанно работаю, но что обычно не на виду. Сюда же отношу проекты непрерывного обучения (ежедневное чтение, изучение иностранного языка и т.д). Front — проекты, которые на поверхности (то, что заметно снаружи): результаты, достижения, видимый прогресс. Здесь, к примеру, у меня лежит работа над публичными выступлениями, ведение проектов. Connector — клей, связывающий оба блока. Сюда я отношу проекты, которые обеспечивают бесперебойное движение, чтобы не слететь с пути и набирать темп, не сгорая. Например, рефлексия — регулярный анализ движения по проектам. Или "разрыв цикла" — так я называю момент, когда ловлю состояние "ничего не хочется делать" и стараюсь закрыть его чем-то полезным. Часто именно лень не даёт сдвинуться с места, и важно вовремя её перехватить. Дальше всё уходит в обычную декомпозицию. Скажем, блок Back содержит четыре больших проекта, каждый из которых, в свою очередь, делится ещё на четыре подпроекта. Но тут эту часть опустим. — — Каждое воскресенье, практически без пропусков, я выделяю час вечером, чтобы проанализировать прошедшую неделю. Сверяю план с фактом по каждому из проектов и выставляю оценки по 10-балльной шкале. Фиксирую динамику изменений неделя к неделе. К оценке я пришёл не сразу. Она помогает отделить реальную работу от внутреннего ощущения "я недостаточно сделал". Со мной такое бывает постоянно. Вроде всё, что планировал, выполнено, а чувство недоработки остаётся. Оценка же показывает реальный эффект, убирая когнитивные искажения. Предвзятость я исключаю тем, что шкала давно прописана и доведена до автоматизма. После "отчёта" и оценки за прошлую неделю вношу небольшой комментарий-план на следующую. Только то, на чём стоит фокусироваться - конкретные задачи или процессы, в которых есть проблемы. Мелкие задачи и рутину не вписываю. Весь отчёт вместе с планом на следующую неделю занимает ровно один лист. Не больше. Это помогает фиксировать только важное, минуя лишнее. Все ли проекты идут по плану? Нет, конечно. Бывает, проект кажется простым на старте, а подступиться к нему не можешь неделями. И это нормально — не всё решается с первого захода. Иногда нужно просто дать себе время и продолжать движение. После завершения шестимесячного проекта наступает время анализа и перерыва до следующего "большого захода". Обычно хватает двух-трёх недель, чтобы переварить результаты и сформировать новый Epic. — —

from YNDX ❤️ Ну что, друзья, приближается то самое время - конец года. Голсы закрыты, итоги подведены (или почти), а в воздухе витает редкое ощущение: можно, наконец, выдохнуть, перезагрузиться. А ещё - оглядеться по сторонам и найти то, что вдохновит на следующий год. Новое хобби или целое направление, в которое захочется погрузиться в новом году. За почти шесть лет в Яндексе заметил одну важную вещь: в Я работает огромное количество людей, "горящих" не только работой, но и своим делом вне компании. Эта внутренняя культура и стала основой для нашей общей папки - from YNDX, где каждый делится тем, что ему по-настоящему интересно. Внутри - живые, авторские каналы на самые разные темы: от маркетинга, дизайна и разработки до путешествий, личной эффективности и многого другого. Так что, если ищете, чем наполнить праздничные вечера или откуда черпать идеи в новом году - самое время добавить эту папку. Уверен, среди десятков каналов точно найдутся те, что окажутся полезными и вдохновляющими, и - что самое главное - вашими. Пользуйтесь, друзья

Друзья, у меня в команде (в Яндекс Поиске) открылась отличная возможность для старта - позиция Growth Marketing Manager (Junior). Описание: https://hh.ru/vacancy/128145338 Ищу начинающего, но амбициозного специалиста, который хочет расти вместе с командой и напрямую влиять на ключевые метрики главного продукта Яндекса. Это позиция младшего специалиста, поэтому не ожидаю от кандидата огромного опыта. Главное - проактивность, умение быстро учиться и базовый набор знаний необходимых для работы (указан в описании вакансии). Всему остальному научим в процессе. Для подходящего кандидата - серьёзный рывок в карьере и опыте. Буду рад рекомендациям. UPD: набрали большое количество кандидатов - вакансию скрыли. Но вероятен и новый набор - опубликую в канале, как появится вакансия.

Мы как семья. И мы не иерархическая организация: здесь каждый имеет право голоса.

В моём личном рейтинге компаний есть одна, на которую я равняюсь в работе с людьми и создании продуктов — это Pixar ранних лет, ещё до объединения с Disney. Это была уникальная смесь: инновации, ранее не существовавшие в принципе, и команда талантов, собранных вместе, сумевших создать ту самую среду, где творчество и технологии работают в унисон. Предлагаю вам взглянуть на компанию с разных сторон, прикоснуться к её внутренней кухне, вобрать знания и применить их в своей команде. → "Корпорация гениев: Как управлять командой творческих людей" Эд Кэтмелл Пособие по созданию "правильной" корпоративной культуры от сооснователя и гения компьютерной анимации Эда Кэтмелла. Это книга, которую я перечитывал несколько раз, и та, которая (в отличие от множества прочитанных книг в электронном виде) в бумажном варианте лежит у меня на полке. → "PIXAR. Перезагрузка. Как вдохнуть в бизнес новую жизнь" Л. Леви

Я не осознавал, насколько мрачной была финансовая ситуация Pixar. У компании не было наличных денег, не было резервов, а в своем финансировании она зависела от прихоти человека, чье непостоянство стало легендарным (о Стиве Джобсе).

Иметь продукт, команду и творческую, особую культуру — недостаточно для выживания компании. В книге вам предстоит взглянуть на Pixar глазами нового финансового директора, пришедшего в компанию в её худшее время, и пройти вместе с ним череду трудностей и успехов.. → "Умение предвидеть. Чему я научился за 15 лет на посту главы Walt Disney" Р. Айгер Pixar сыграл большую роль в новой истории Disney: сначала как "партнер" по производству анимационных фильмов, а далее (после объединения) команда Pixar возродила студию Disney Animation, вдохнув в неё жизнь и ту самую свою знаменитую культуру. Роберт Айгер был инициатором объединения и подробно рассказывает о тонкостях этой сделки. -- Маст-рид для менеджеров нынешних и будущих. Уделите время, друзья

На днях прошёл второй курс от GoPractice — «Симулятор управления ростом продукта». Курс вышел совсем недавно, и мало кто делился опытом прохождения. Расскажу о своём. Когда курс анонсировали, и появилась возможность ознакомиться с его программой, я засомневался, а нужно ли мне его проходить. В программе я не увидел чего-то нового для себя. Но по опыту прохождения первого курса (а первый курс мне очень понравился) понимал, что второй будет не хуже, и что-то полезное точно смогу получить. В общем, решил его пройти. И ничуть не пожалел. Во-первых, узнал куда больше нового, чем ожидал. По-другому взглянул на JTBD и product/market fit. Закрыл слепые зоны в моделях и циклах роста. Даже в максимально изученных мною областях, как product/channels fit, всё равно было что почерпнуть. Во-вторых, структурировал накопленные знания. Отдельные методологии, фреймворки соединились в единую картину. В-третьих, стал смотреть на рост продуктов шире — за рамками метрик и воронок. Команда GoPractice большие молодцы, второй курс, как по мне, оказался даже лучше первого.

P.S. Хоть Дуров и писал, что реклама в телеграм будет показываться только в больших каналах, которые и так размещают рекламу, но на деле это не так. Если видите здесь телеграмовскую рекламу, — знайте, я к ней отношения не имею. И будьте осторожны, т.к. реклама ведёт порой на сомнительные каналы.

Поделюсь правилами, которых я придерживаюсь в экспериментах над посадочными страницами. На самом деле, в них нет ничего новаторского – они логичны и просты, но почему-то про них мало кто вспоминает, когда дело доходит до экспериментов. 1. Все эксперименты должны идти последовательно, в виде древовидной структуры, т.е. новый эксперимент наследует результативность предыдущего, а не ломает его. И запускается он после того, как предыдущий уже в проде. 2. Несколько экспериментов можно запускать параллельно, если они не пересекаются -> находятся на разных этапах воронки и имеют разные метрики для оценки. 3. Не делаем выводы по эксперименту и не катим его в прод, пока данные не будут статистически значимыми. 4. Чтобы избежать ошибки преждевременных выводов (peeking problem), перед каждым экспериментом нужно производить расчет. Расчет поможет определить количество пользователей в выборке и продолжительность эксперимента. Продолжаем придерживаться этого расчета до выявления победителя. 5. Данные для выводов должны быть «чистыми» – очищены от фрода, асимметрии в выборках (должны быть репрезентативными), сезонных и недельных перекосов. Также чтобы принять или отвергнуть нулевую гипотезу, выборки в тестовой и контрольной группах не должны отличаться, т.е должны быть одинаковые источники трафика, аудитории/таргетинги, креативы и т.д.

Продолжаю разгребать свои черновики и публиковать заметки. И сегодня мы поговорим про коэффициент конверсии (в дальнейшем CR), а точнее — очевидное заблуждение при её интерпретации. Итак. Жизненная ситуация. Представим, что вы пришли работать продактом или маркетологом в небольшой стартап. На второй месяц работы вы с ужасом наблюдаете, что CR из перехода в лид упал с 10% до 8%. Начинаете проверять все факторы, которые могли бы повлиять на столь резкое падение, и не находите. Что тут не так? Проблема кроется в неправильном понимании значения CR. CR (как и любое другое историческое значение метрики) — не является абсолютным/истинным, это лишь оценка значения в прошлом. А реальное значение лежит в «некоем интервале», которое нужно ещё рассчитать. То есть коэффициент конверсии может «плавать» от месяца к месяцу без изменения продукта или рекламных кампаний, но в заданном интервале. А поможет нам в более точном понимании реального CR — доверительный интервал. Доверительный интервал с заданной вероятностью (уровнем доверия обычно равном 95%) показывает, что действительный показатель конверсии с вероятностью 95% находится в этом интервале значений. В нашем же примере реальная конверсия могла лежать в интервале от 8% до 12%. И падение до 8% не связано с какими-либо изменениями. Я не буду расписывать, как считается доверительный интервал, т.к. в сети огромное количество статей на эту тему и уже готовых калькуляторов (пример бесплатного калькулятора). В общем: если бы все при указании коэффициента конверсии указывали еще и его доверительный интервал — жить стало бы легче) Хороших выходных и увидимся на следующей неделе

Решил возобновить серию еженедельных постов, а точнее заметок. Так что не удивляйтесь, моему частому появлению 😊 учитывая, что это мой пятый пост за год. И первая заметка, о которой сегодня поговорим – альтернативный способ поиска точек роста в продукте при анализе пользовательского пути. Говоря о пользовательском пути, мы часто представляем его в виде воронки, где пользователи двигаются последовательно от шага 1 к шагу 2 и т.д., пока не дойдут до ключевой цели (или не отвалятся по пути). Воронки хорошо описывают путь и помогают верхнеуровнево увидеть проблему на каждом шаге. Но, если детально проанализировать пути пользователей в продукте (от ивента к ивенту), то можно заметить, что он, зачастую, нелинейный и не вписывается в стандартную воронку. И чем сложнее и многосценарнее продукт, тем это заметнее. Нелинейность пути подталкивает нас к поиску нового метода анализа проблемных участков. И один из них – анализ траекторий пользователей на графах. Графы при правильном использовании помогают увидеть проблемы (точки роста) там, где не справляются стандартные методы. Основные проблемы, которые можно найти при анализе траекторий: 1. Петли – повторение одного события в траектории пользователя. 2. Циклы – замкнутые траектории, как и петли, но включающие в себя больше одного события. 3. Точки торможения – точки, препятствующие быстрому прохождению до ключевой цели. 4. Точки отвлечения – лишние действия, которые уводят/отвлекают от целевого действия. Но с графами не так всё просто. Нельзя взять и построить граф на всех данных, что у нас есть, так мы рискуем ничего не увидеть и потеряться в огромном количестве вершин и рёбер. Вначале нужно отходить от гипотез или кластерного анализа и далее переходить к построению и поиску аномалий. Если хотите разобраться в теме подробнее, то копайте в сторону retentioneering. Также есть бесплатная open-source библиотека на GitHub. До встречи на следующей неделе.

Сделал подборку курсов, для тех, кто делает первые шаги в Data Science. Делал изначально для себя, чтобы структурировать и упорядочить знания, но решил, что подборка будет полезна кому-то ещё. Структура курсов: 1. Линейная алгебра и дискретная математика. 2. Статистика и теория вероятностей. 3. Python, SQL, R. 4. Машинное обучение. 5. Алгоритмы и структуры данных. 6. Нейронные сети и Deep learning. Курсы упорядочил по степени необходимости, начиная с базовых знаний, без которых будет тяжело даваться дальнейшее изучение (линейная алгебра, статистика, базовое знание python и т.д.), переходя к более сложным. Старался избавиться от избыточности, оставляя только самые ценные, на мой взгляд, курсы. Эти бесплатные курсы легко заменят вам платные. https://habr.com/ru/post/584964/ Не забудьте поделится статьей с теми, кому она может быть важной.

Начинать изучение новой области (особенно с нуля) всегда трудно. Слишком много вопросов и неопределённостей: с чего начать, в правильную ли сторону двигаюсь и как не выгореть по пути. Под «областью» я понимаю любой большой предмет, к примеру: python, статистика и т.д. Сегодня расскажу о своём подходе к обучению. Америку не открою, но может, что-то полезное, а главное, применимое в подходе найдёте. Дисклеймер: Сжатие большой темы до одного поста естественно привело к n-количеству нераскрытых пунктов. 0. До того как приступить к изучению, стоит задаться вопросом: почему нужно потратить ресурсы на эту область, а не на другую? Сколько времени потребуется, и какой ожидаемый результат от изучения получу. Для меня область должна быть применимой, и, в идеале, применить её можно было уже по ходу обучения. Если нужно выбрать из нескольких областей, то на помощь приходит ICE score. 1. Определившись с областью, перехожу к исследованию. На первом этапе собираю как можно больше информации из всевозможных (проверенных) источников. Максимально широко охватываю область, насколько в изначальном понимании могу охватить. И первый этап переходит во второй. 2. Собрав предельный массив данных, начинаю чистить и валидировать информацию, структурируя её в основные, большие блоки mind map (использую сервисы Miro или Mindmeister). На выходе получается черновой план обучения, но пока без детальной проработки. 3. На третьем этапе выбираю источники получения информации: книги, курсы и т.д. 4. Выбрав источники, определяюсь с дедлайном и распределяю ресурсы — сколько часов могу выделить в день/неделю, и какие временные слоты подходят под это. Далее перехожу непосредственно к обучению. 5. Начинаю изучение с логического понимания области. Стараюсь понять в общих чертах, как всё устроено и работает, пока без погружения в детали, формулы и т.д. Когда логически всё становится понятно — перехожу к деталям. 6. Логическое понимание области перетекает в углубленное изучение. И mind map из этапа 2 декомпозируется на мелкие пункты, те в свою очередь на ещё более мелкие — подпункты. После всех итераций получаю готовый, проработанный план и осмысленный на логическом уровне. Конечно, план ещё будет дополняться с расширением знания в области. Как вы могли заметить, я осознанно исключил поддержание уже изученных областей — это тема для отдельной статьи. Хорошего дня!

Апрель в этом году прекрасен по двум причинам: во-первых — исполняется два года каналу «Growth Lab», и лучшее поздравление — рассказать о канале знакомым, тем, кому он будет полезен; во-вторых — уже год, как я работаю в Геосервисах Яндекса. И с удивлением обнаружил, что ничего о работе в Яндексе вам не говорил. Кем работаю? Что делаю? Просто исчез на год). Пришло время рассказать. Работаю я на позиции Growth Manager. Возможно вы ничего и не слышали о такой профессии, т.к она еще достаточно новая, и обязанности сильно различаются в зависимости от компании. Если объединить Product Growth (сотрудник отвечает за рост продуктовых метрик) и Growth Marketing (отвечает за развитие каналов привлечения и поиск новых) — получится то, чем я занимаюсь. Нахожусь на стыке диджитал-маркетинга и разработки продукта — ращу ключевые метрики через процесс исследований и постоянных экспериментов. Работаю с выделенными под проекты кросс-функциональными командами, разработкой, продактами, продюсерами, аналитиками и еще много кем. Как-то так, если вкратце. В статье (https://t.me/proroas/91) я раскрываю, как работаю по growth-процессу и детально описываю фреймворк. Почитайте, если ещё этого не сделали. Но это всего лишь часть моей работы, есть еще большой пласт аналитики, планирования, менеджерской работы с командами и т.д. Как-нибудь соберусь и напишу статью по росту продуктов и работе growth-команд, ну, или сделаю курс — почему бы и нет)