Product Trends | Настя Московченко

Самый закрытый рынок, где я работала, и почему продукты для арта почти никто не строит Недавно мне написала одна из крупнейших компаний в арт-индустрии. И я заново погрузилась в этот рынок. Раньше я смотрела на него изнутри аукционного дома: лоты, ставки, задача — продать. Сейчас посмотрела со стороны того, кто пытается понять, сколько вещь стоит и почему. Оказался совершенно другой рынок. И главное: он прямо сейчас в точке, когда старый способ работы ломается. Средний коллекционер с собранием дороже $10 млн — человек 65–75 лет. В ближайшие двадцать лет по наследству уйдёт около $84 трлн, из них $1–2 трлн — материальные вещи. Каждая коллекция будет продана, подарена или поделена, и каждый сценарий упирается в оценку и документы. А документов почти ни у кого нет: 70% коллекционеров ведут учёт в экселе или на бумаге. Насколько это дорого, показали пожары в Лос-Анджелесе. Одна семья не смогла получить страховку за коллекцию индейских корзин: предметы не были внесены в полис поимённо, а папка с инвойсами сгорела вместе с домом, она лежала там же. От коллекции осталась одна фотография, где корзины видны на полке на заднем плане. Рынок, который двести лет работал на рукопожатиях, впервые вынужден оформлять себя в данные. Четыре проблемы, которые я вижу: 1️⃣ Никто не знает, чем владеет. Кажется, что это задача про базу данных. На самом деле про мотивацию: заносить коллекцию скучно, а выгода наступит через двадцать лет или при пожаре. 2️⃣ Оценка занимает шесть недель, потому что один эксперт делает всё — от приёма заявки до отчёта, почасово, $150–200 в час. Cейчас скорость оценки одного обьекта - примерно 6 недель. Не всегда нужен очный осмотр, при хороших фото и отчётах о состоянии можно удалённо. Здесь уже можно автоматизировать и ускорить процесс с AI. 3️⃣ У одного объекта три законные цены одновременно. Одна работа, один художник, один год: на аукционе $630 тысяч, в галерее $1,2 млн. Тип стоимости определяется целью оценки: для страховки берут розничную восстановительную (самую высокую), для налогов и наследства — справедливую рыночную, для раздела имущества и залога — за вычетом издержек продажи. Люди путают постоянно. Несут страховую оценку юристу для наследства и получают завышенную налоговую базу. Или наоборот — оказываются недострахованы. 4️⃣ Данные грязные по устройству. Название работы — это цена: «работа Рембрандта» → «приписывается» → «круг» → «по мотивам», каждая ступень вниз даёт падение в разы, и приходит это текстом каталога. А у объекта нет идентификатора: одна картина проходит торги в 1998, 2011 и 2024-м под разными названиями, в разных домах, в сантиметрах и дюймах. 5️⃣ Оценка быстро протухает Арт-рынок это не один рынок, а больше сотни разных. Сумки Hermès Birkin дают около 14% в год, их переоценивают каждые год-два. Работу художницы купили клиенту в 2019 за $113 тысяч, в 2022 она ушла с аукциона за $1,6 млн. Коллекция меняется в цене от событий, к которым ты не имеешь отношения. Продалась на аукционе другая работа того же автора — переоценилось всё, что у тебя есть. Кто-то подарил его работу музею — тоже. Изменилась атрибуция, вышло новое исследование, умер художник. Ты ничего не делал, а страховой полис уже неактуален, и наследственное планирование построено на несуществующей цифре. Всё это решаемо. И вот почему никто не решает. Задачи технически рабочие. Клиентов получить почти невозможно. Sotheby's и Christie's вдвоём дают треть всех аукционных продаж, и их прямой интерес, чтобы информация оставалась у них. А на стороне покупателя ничего. И вдобавок: Коллекционера приведёт советник, а не реклама. Оценщик не начнёт пользоваться твоим инструментом ради интерфейса, он тридцать лет отвечает своим именем за каждое число. Была волна попыток токенизировать искусство и продавать доли. Почти всё умерло. Короче: тут можно построить отличные продукты. Мне нравится про это думать. Редкий случай, когда «неэффективный рынок» — не фигура речи, а реальность, но мне становится из-за этого еще интереснее. P.S. на фото как раз фото sotheby’s office в NYC, выглядит тоже максимально закрытым

А еще библиотеки и кофейни здесь всё равно отдельная любовь, их очень много, и они реально классные. Одна из моих уже любимых Nero, где книжки по всему периметру, будто сидишь в библиотеке, а не в кафе. Бесплатный wifi, комфортно, можно работать часами. И очень много людей сидит работает с ноутами и просто в рестиках, никто никого не выгонял, даже в выхи. Короче, Бостон — это супер лайк.

На этой неделе я в Бостоне, уже 4 день, и я реально влюбилась в этот город Первое впечатление, если честно, было такое: «куда я приехала, тут вообще никого нет, деревня какая-то». А сейчас понимаю - это просто другая плотность жизни. Здесь уютно. Здесь бегают белки и кролики прямо у тебя под ногами, которые не боятся людей. Здесь очень чисто. Огромное студенческое комьюнити, куча молодёжи, и при этом невероятное количество классных мест поесть, прям вкусно и за 10-15 долларов, что в Нью-Йорке уже почти невозможно найти. И вот что реально удивило: город максимально адаптирован под университеты и студентов. Выходишь в десять-одиннадцать вечера, и вообще не думаешь о безопасности, просто идёшь и наслаждаешься. Для сравнения: в Сан-Франциско к четырём дня половина всё уже закрывается, кофейни не работают, и есть районы, где вечером находиться совсем не комфортно. А в Бостоне всё просто работает, весь день и весь вечер. И это меня зацепило: почему при таком количестве топовых универов (Гарвард, MIT) Бостон так и не стал второй Кремниевой долиной? Погуглила, и оказывается, тема давно обсуждается. Один из главных факторов - это исторически строгое соблюдение соглашений о неконкуренции в Бостоне, в отличие от Калифорнии, где такие ограничения почти не работают, из-за чего сотрудникам было сложнее уходить и запускать свои стартапы. Плюс более консервативный венчур: местные фонды долго давали основателям вдвое меньше, чем предлагали в Кремниевой долине. А ещё город исторически удерживает совсем небольшой процент выпускников техвузов, готовых делать стартапы, и они просто уезжают в SF и Нью-Йорк.

Рассказываю, как прошел ивент от @Snowflake, и до сих пор нахожусь под впечатлением. Локация - это отдельная история. AMAN на 5th Avenue, номер в котором стоит около $4000 за ночь, живое пианино, вид на Манхэттен, каждой на входе — букет цветов, который ты сама собираешь. На секунду реально почувствовала себя инфлюенсером, а не продактом на очередном networking-ивенте. Из забавного: CDO Newrez рассказала, что ещё недавно все данные компании жили в Excel. Но именно из-за этого у них не было легаси BI-системы, которую нужно было бы ломать и переучивать всех работать по-новому. Они перепрыгнули сразу в AI-агентов на Snowflake Cortex, минуя весь этап дашбордов и отчётов. И отсутствие зрелой инфраструктуры оказалось не долгом, а преимуществом. Так что если ваша дата-инфраструктура - это до сих пор Excel, возможно, вы ближе к AI, чем компании с идеальным легаси-стеком. Сразу вспомнила про свой опыт аналитиком в Адидасе, где просто все на эксель. И помню эту боль. Поэтому история очень зацепила. Еще очень обрадовалась, что в панели были только девушки, что здесь редкость. Познакомилась с очень молодой и обаятельной девушкой, которая уже руководит командой дата-инженеров. Она рассказывала, что пришла в компанию с узкой задачей на финансовую отчётность, а дальше просто взяла на себя гораздо больше, изучила всю внутреннюю операционку компании и постепенно выросла в лидера направления. Так что в США даже в крупных компаниях, как snowflake, можно быстро вырасти и молодым, если очень захотеть. Это очень порадовало.

За что я очень люблю Нью-Йорк 🗽 Помимо того, что сейчас в целом тут активностей итак миллион (финал fifa, премьеры фильмов, nba). Сегодня вечером у меня целых три проф мероприятия, и на все три планирую пойти. Во-первых, Snowflake!! Сами меня пригласили, написали в LinkedIn и позвали в Aman, один из самых лакшери отелей города. Будет панель про женщин в data и AI. Во-вторых, Shopify в их флагманском сторе в Сохо. Будет вечер без презентаций, просто живые разговоры, food, летние напитки, charm bar. И в между ними по зуму - graduation в Clay. Очень интенсивный день получается, но именно за такую плотность возможностей я и люблю этот город. Лето в Нью-Йорке - one love ❤️

Если вы читаете канал нашего фаундера Серёжи или просто периодически встречаетесь с нами на звонках, то знаете, что мы активно используем AI. Но вместе с энтузиазмом есть и скепсис: мы тоже иногда ловим модели на неточностях и вольных интерпретациях и перепроверяем за ними более сложные задачи. Сейчас у нас сложился хороший баланс: мы видим все минусы, но гораздо больше — пользы. Следим за развитием моделей от года к году. Держим в голове их ограничения и берём максимум из того, что работает уже сегодня. Много скепсиса мы слышим и от вас — поэтому захотели поделиться тем, к чему пришли сами и дать вам взглянуть на эту тему чуть под другим углом. Так родилось наше новое мини-эссе с Настей Московченко, которая ведёт канал Product Trends. Вместе мы отобрали 5 проблем, за которые чаще всего ругают AI — и вывели 5 правил, которые помогают их решить и делают вас с AI партнёрами.

AI уже встраивается почти во все этапы развития продукта: от первых идей и прототипов до аналитики, фидбека, поддержки и roadmap. Но самый чувствительный участок в этом плане — исследования. Именно там формируется основание, с которым команда потом идет в продуктовую работу: пользовательские сигналы, интервью, открытые ответы, боли, ожидания, противоречия. AI может быстро собрать ответы, выделить темы и предложить вывод, но это еще не значит, что команда поняла пользовательскую задачу, проверила гипотезу и может переносить результат в бэклог или разработку. Вместе с Pathway — командой, которая помогает исследователям быстрее разбираться в данных, проверять гипотезы и не теряться в сложных процессах, — собрали 5 новых AI-проблем, которые появляются на этом участке, и 5 способов не тащить в продукт слабые выводы. Внутри: как проверять гипотезы, работать с уровнем доверия к AI-выводам, возвращаться к исходным данным и не отдавать продуктовое решение на автопилот.

Буквально вчера Apple прислал, что на мой номер сделали заказ, сегодня уже доставили! Очень круто! У меня правда ровно такой же с сентября 2025, но все равно очень и очень приятно

Off top: рассказываю, что мне прислал DataDog, после посещения конференции ProductCon

• Решения, а не активность. Минимум один буллет, где видно: вы приняли решение, против чего-то, с trade-off. «Deprioritized X despite stakeholder pressure because Y; freed 2 squads for Z which drove...» — таких буллетов в потоке AI-резюме почти нет, потому что модель не знает ваших решений. • Скоуп за пределами фичи. Влияние на роадмап смежных команд, изменение процесса, который пережил вас, работа с C-level. • Проверяемость. Ссылки на продукт, публичные результаты, люди, готовые подтвердить. В мире, где тексту не верят, вес переместился на то, что можно проверить. Поэтому же — LinkedIn с живой активностью и внешними ссылками теперь важнее самого резюме: пустой профиль при идеальном CV сам по себе вызывает подозрение. • Первые 8 слов каждого буллета. Рекрутер тратит на резюме ~7 секунд и читает по F-паттерну: главное число — в начало буллета, главный буллет — первым в роли. Проверка за минуту: прочитайте только первые 8 слов каждой строки. Это всё, что увидят. Цепляет? И главное. Резюме в 2026 решает меньше, чем когда-либо, потому что его могут вообще не открыть. Поэтому важно строить сначала нетворк, потом рассылать резюме.

Никогда не думала, честно, что резюме - это такая вечная тема. Или почему ваше вылизанное AI резюме больше не работает. Я сейчас не афиширую консультации, но люди всё равно приходят, и за последние месяцы я увидела один и тот же паттерн столько раз, что пора о нём написать. Резюме стали идеальными. И перестали работать. Свежий выпуск Pragmatic Engineer (Gergely Orosz опросил 50+ хайринг-менеджеров и кандидатов) подтверждает то, что я вижу. Несколько цифр оттуда: • CEO одной компании: ~1000 откликов в день, релевантных примерно два. Инбаунд он больше всерьёз не читает и признаёт: сильного кандидата оттуда он почти наверняка пропустит • На одну инженерную позицию в Сиэтле - 800 резюме за три месяца, и это НЕ слабые резюме: люди из Microsoft, AWS • Рекрутеры оценивают ~98% откликов как неквалифицированные • Все последние наймы у большинства опрошенных через сеть и прямой аутрич И моя любимая цитата от хайринг-менеджера — он описывает стратегию большинства кандидатов так: «Claude, напиши CV под эту вакансию и отправь». И это реально правда, я тоже так делаю. Раньше хорошо структурированное резюме с метриками само по себе было сигналом хорошего кандидата. Теперь такое резюме есть у всех, и хайринг-менеджеры научились не верить тексту вообще. Доверие к словам умерло. Что теперь читается как сигнал, а что — как AI флоп? • AI-ключевые слова без глубины Хайринг-менеджеры прямо говорят: резюме забиты RAG, evals, inference — а на первом же уточняющем вопросе пусто. Это теперь не плюс, а красный флаг: вы попадаете в паттерн, который они научились распознавать. Теперь кстати на эйчар скринингах, часто можно услышать опрос, что значит. Разница не в словах, важны детали, которые невозможно написать, не сделав, eval-пайплайн, размеченный датасет, метрика качества ДО запуска. Правило простое: каждый AI-термин в резюме вы должны уметь защищать 10 минут разговора. Не можете - убирайте. • Резюме из одних глаголов запуска Классика, которую я вижу почти в каждом резюме продакта: Built, Launched, Shipped, Delivered — семь буллетов подряд. Через первый же буллет понятно, что вы умеете деливерить. Остальные шесть не добавляют ничего. Проблема: для senior-уровня «шипить фичи» - это часть скоупа, а не весь скоуп. Компании оценивают по матрице: стратегия, работа со стейкхолдерами, влияние без полномочий, решения в условиях неопределённости. Если резюме показывает только execution — вас читают на грейд ниже. Пример 1: Launched partner management tools, reducing operational costs by 20% Как переписать: Reversed leadership decision to sunset partner tools by building cost model showing $2M downside; secured 2 quarters of runway, relaunched product to 20% cost reduction Вторая версия показывает то же самое достижение, плюс конфликт, влияние на решение уровня лидершипа и работу с данными. Это три компетенции вместо одной, в том же объёме строк. Пример 2: Improved ROAS up to 160% Как переписать: Grew ROAS from 90% to 160% in 4 months across 3 subscription apps ($80K/mo ad spend) «Up to» — слово-маркер: оно означает «в лучшем случае, один раз, при неизвестных условиях». База, срок, масштаб — три вещи, которые отличают результат от заявления. И да, интервьюер спросит про базу. Всегда. • Достижения команды, записанные на себя Отдельный тренд AI-эры: модель охотно пишет «led», «drove», «owned» про всё подряд. А потом на behavioral-интервью выясняется, что «led cross-functional team» = «участвовал в синках». Это вскрывается за два уточняющих вопроса и убивает доверие ко всему остальному резюме. • managed — были прямые репорты; • led — вы драйвили без полномочий (и готовы рассказать, КАК добивались alignment); • contributed — вы были участником • influence without authority сейчас один из самых дефицитных сигналов. ЧТО ВАЖНО ПОКАЗЫВАТЬ В SENIOR PM РЕЗЮМЕ СЕЙЧАС

-Почему тебе понравилось это видео? -Потому что он обьясняет, как работает Clay, на огурцах 😅

Уже на последней и финальной неделе обучения в Clay по GTM, и до сих пор не понимаю, как так вышло, что три недели пролетели. Просто настолько интенсивно, что выдохнуть некогда: мы уже сделали все заявленные 12 проектов. Для тех, кто ещё не понял, что такое Clay — вот ссылка на видео, которое мне очень зашло. Из забавного: парень, который ехал в поезде из Джерси, и так же вечерами подключался к нам на колы прямо из поезда. Но мне, если честно, даже интереснее рассказать не про сам инструмент, а про формат обучения. Потому что такого я ещё нигде не встречала. Как это устроено. Три раза в неделю нужно делать новый build и каждый раз с применением нового функционала/ решения разной проблемы, но фишка в том, что ты не просто «сдал тему и забыл». Сначала общий созвон минут на 15 на тему “что мы сегодня билдим”. Потом можно позадавать вопросы head of GTM или приглашенному гостю. Дальше расходишься по своим мини-группам (3–4 человека) и просто обсуждаешь. В группе читаете задание, пытаетесь понять, как его вообще сделать, начинаете. И дедлайн по этой домашке — в этот же день. Обучение чисто вечером в 6 вечера - общий кол, дедлайн в 12 ночи этого дня. Скажу честно: иногда билды были такие большие, что я в дедлайн не укладывалась. К каждому билду своему ты еше пишешь пост и обязательно записываешь видео с обьяснением на 5 минут, что сделал. На следующий день до 17:00 надо прочитать и посмотреть минимум три чужих решения и оставить комментарии — не «класс, молодец», а качественный вопрос или подсветить сторону, которую человек, может, сам не заметил. А после этого — обязательно! — вернуться к своему посту и дописать, что ты понял и что бы переделал, и в целом прорефлексировал. И вот этот цикл повторяется. Каждую неделю группы меняются, так что за три недели я познакомилась с ~20 людьми, мы все переконнектились в LinkedIn. Мне ужасно нравится именно такой подход к образованию — никаких лекций, всё через практику и через то, что ты постоянно объясняешь и переосмысляешь. А теперь самое интересное про текущую неделю. В Clay мы уже ничего не строим. Задача недели, качать network и много постить в LinkedIn: про то, чему научились, тегать своих новых друзей, чтобы сообщество жило дальше. И финальное задание вообще не про «сдать домашку». Оно про то, чтобы научить чему-то других публично, в мир. Нужно выбрать одну конкретную вещь, которую ты понял за эти недели и не понимал раньше, и объяснить её так, чтобы незнакомый человек мог это повторить. Три критерия: конкретно (чтобы можно было воспроизвести — реальный пример, реальный скрин, реальный кусок workflow), честно (если что-то не получилось или ты до сих пор в этом разбираешься — так и скажи), и по-своему (не тот пост, который уже написали сто человек). Смысл — это начать вносить вклад в комьюнити GTM-инженеров ещё до того, как у тебя вообще появится должность. Плюс последняя неделя у нас про то, как продавать себя: каким должно быть портфолио, как себя позиционировать. И дальше программа помогает всем участникам (нас человек 20) искать работу, сотрудничает с крупными компаниями. Я пока такой цели перед собой не ставлю, но очень любопытно, что из этого выйдет 👀 В общем, честно, я никогда не проходила ничего подобного. Очень необычный опыт, и кажется, что это один из самых интенсивных и продуктивных способов обучения!

😄

В этом году меня пригласили быть судьей одной из самых престижных премий для продакт лидеров в США в Products That Count (международная ассоциация на 600 тыс. продакт-менеджеров). Их премия Product Leader Award — одна из самых авторитетных в индустрии. В том году я вошла в число победителей, в топ 25, где среди победителей — продакты из Google, Microsoft, Amazon, TikTok, Uber, LinkedIn, Canva. И в этом году у меня есть уникальная возможность номинировать кого-то из моего нетворка, кто достиг значимых достижений на рынке США, как продакт лидер. (вы можете не жить в сша, но работаете на рынок сша). Поэтому, если вам за последний год удалось достичь значимых результатов, напишите мне (на английском) - @nmosk с кратким описанием: • email • LinkedIn profile URL • current company name • current job title • Why do you deserve to be recognized as a Product Leader Awards winner? Написать можно мне до конца этой недели. P.S. После победы эта ассоциация дала мне реально многое. Оч крутой нетворк, пригласила меня на подкаст, как на инервью, а так и с другими крутыми продактами из FAANG. Я записала с ними образовательные видео про AI в продукте. Пригласили выступить в Нетфликсе, я была у них на офлайн митапе в Нью-Йорке, где выступал СPO NBCU. Они выпустили книгу, в которой есть мое фото и упомянули мои достижения! А сейчас я буду судьей на равне с продактами из топ-компаний США. Поэтому искренне хочу, чтобы в этом комьюнити было больше крутых ребят. И уверенна, что в моем канале такие точно есть!

И еще одна мысль про GTM engineer. Это самая хайповая роль в SaaS прямо сейчас. И вот почему за этим стоит следить, даже если вы не в продажах. Профессии полтора года назад буквально не существовало. Сейчас на LinkedIn больше 3000 открытых вакансий GTM engineer, а число таких вакансий выросло на 205% год к году. Это не временный всплеск — это рождение новой категории. Платят как инженерам, а не как операционщикам. Vercel — $252K, OpenAI — $250K, Ramp — $184K total comp. И это при том, что роль ещё толком не устаканилась. Спрос обгоняет предложение: квалифицированных кандидатов сильно меньше, чем вакансий, и зарплаты растут на 15–20% в год. Что особенно показательно, компании не просто нанимают, они вкладываются в то, чтобы этих людей выращивать. Clay (та самая компания, которая и придумала термин) набирает интенсив на 20 человек из 1000+ заявок и буквально учит людей этой профессии за свой счёт. У Ramp GTM-инженеры сидят в отдельной команде «Growth Platform» и работают двухнедельными спринтами — то есть к revenue-системам применяют ровно тот же ритм, что продуктовые инженеры к коду. Теперь то, ради чего я это пишу. Если вы бьётесь в свою профессию и не можете пройти даже на первое собеседование, возможно, дело не в вас. Возможно, дверь, в которую вы ломитесь, сейчас просто забита сотнями таких же кандидатов. И есть другой ход: посмотреть, чего рынку не хватает прямо сейчас. Где спрос обгоняет предложение. Где ещё нет очереди из «сеньоров с десятилетним опытом», потому что профессии десять лет назад не было в природе. GTM engineering — ровно такое окно.

Пошла учиться в Clay Это AlphaForge, четырёхнедельный интенсив по GTM engineering. Вчера был первый день. Развёрнуто, почему я туда иду и что это для меня значит, написала в LinkedIn. Тут - про саму компанию и первое впечатление. Кто такие Clay. Если вы не из мира sales/GTM — это нью-йоркский стартап, который автоматизирует поиск и обогащение данных о клиентах и аутрич. По сути платформа, где маркетологи и продажники строят свои сценарии: найти компании по сигналам, обогатить данные, написать персонализированный аутрич — без того, чтобы каждый раз дёргать инженера. Основан в 2017, сейчас 10 000+ клиентов, ARR около $100M, оценка $3B+ после раунда от CapitalG. И клиенты у них говорящие — OpenAI, Anthropic, Notion, Canva, Intercom, Rippling, Cursor, Perplexity. За год выросли примерно с 300 человек до тысячи. То есть это не «ещё один инструмент», а компания, вокруг которой буквально складывается новая профессия — GTM engineer. Зачем это мне. Я восемь лет в продукте и всегда строила то, что стоит впритык к продажам — рекламный кабинет в Яндексе, инструменты для офлайн-репов в стартапе. Мне искренне интересно, что рынок делает сейчас в этой области: как автоматизируют весь путь, что реально работает, а что хайп. И я снова чувствую себя билдером, который рвётся делать руками. Отдельно зацепила платформа для обучения. Ребята сделали её сами — навайбкодили на Vercel буквально за пару дней на коленке. И выглядит при этом очень круто и удобно, чувствуется вайб команды. Когда команда так относится к внутреннему инструменту, который никто кроме студентов не увидит, — это многое говорит о вкусе и планке. Инсайт после первого дня. Меня зацепила их философия. В программе нет системы оценок — ни баллов, ни «8 из 10». Потому что в AI-native мире планку качества ты задаёшь себе сам, никто не выдаёт рубрику. И главная мысль первого дня: барьер никогда не был в технических навыках. Барьер — сесть, почувствовать себя глупым пару часов и не сбежать. Дальше всех не самые технари, а те, кто просто начал. Забавно, что буквально недавно была у них в офисе, у всех сотрудников мак-мониторы и разные мотивирующие цитаты на стенах.

в этих активностях меня кстати очень поддерживают посты Елены Верна, буквально я вчера увидела ее пост, а вечером уже закоммитилась сделать дополнительно 12 проектов 😂 Вот, может и вас замотивирует? или у всех лето и отдых?