ProdSTa

🗺 Гайд по формированию дорожной карты продукта

Подготовил для вас перевод полезного гайда по формированию эффективной дорожной карты продукта.

Приятного и полезного чтения!

🧪 Вся мудрость "голливудских" продактов в бесплатном MBA курсе

Вышла энциклопедия для продактов – Aakash Gupta собрал 90 эпизодов своего подкаста в два мега-гида:

1. Полный "MBA" для PM (от основ до продвинутых стратегий)
2. Библия AI-продакта (от основ до построения компаний на ИИ)

Любопытный момент: несмотря на громкие имена гостей, здесь нет "токсичного гурувизма" – только конкретные кейсы из Airbnb, Google и $10M+ стартапов.

Пользуйтесь!

🤖 Как AI переосмысливает роли продукт-менеджеров: инсайты от VP Dropbox

Наткнулся на интересное интервью с Морган Браун, VP по AI в Dropbox, где он делится своими идеями о том, как AI трансформирует профессию продакта и какие навыки будут ключевыми в ближайшем будущем.

👉 Что происходит сейчас:
Большинство PM тратят 80% времени на рутину: выравнивание внутренних интересов, встречи, отчеты. AI берет на себя эту нагрузку, освобождая время для более стратегических задач. Например, в Dropbox уже используют AI-агента Dash, который помогает находить документы, анализировать данные и даже предугадывать вопросы руководства.

👉 3 главных навыка для PM в эпоху AI:
1. Способность работать в условиях неопределенности — AI прогрессирует с высокой скоростью каждый день, и PM должен быстро адаптироваться.
2. Агентность и скорость исполнения — важно не только генерировать идеи, но и брать полноценную ответственность за их деливери до клиента, без ожидания указаний сверху. Морган подчеркивает: "Движение ради движения не равно прогрессу". Прогресс — это скорость обучения.
3. Продуктовое чутье — без четкого видения того, что должно существовать, вы рискуете стать просто проектным менеджером. AI может помочь с исполнением, но он не заменит вашу способность видеть цели.

👉 Что делать уже сейчас:
1. Автоматизируйте рутину. Используйте AI для подготовки к встречам, анализа данных и создания отчетов. Например, Morgan использует ChatGPT для предварительного чтения документов и моделирования критики и вопросов от руководства.
2. Ускорьте темп обучения. Чем быстрее вы тестируете гипотезы, тем быстрее получаете обратную связь. Используйте AI для анализа данных в реальном времени, как это делает Dropbox с Dash.
3. Сфокусируйтесь на клиентах, скидывая рутину на ИИ. Освобожденное время тратьте на глубокое понимание их потребностей. Например, Dropbox активно использует AI для анализа обратной связи от пользователей и улучшения продукта.

Как итог, сейчас идет переосмысление роли PM. Вместо бесконечной рутины, продукт-менеджеры смогут заниматься тем, что действительно важно — созданием ценности для пользователей, за счет активного перекладывания рутины на ИИ. Важно это осознать и начать активно действовать в этом ключе.

✋ YouTube против OpenAI: кто кого?

Пока одни компании встраивают крупные LLM в свои продукты и процессы, YouTube решил пойти против течения. Платформа активно блокирует инструменты OpenAI, которые пытаются собирать данные для обучения моделей.

Почему это важно для продактов?
1. Это может стать прецедентом для других платформ, которые также начнут отрезать LLM от своих публичных данных.
2. Ранее мы разбирали риски, которые несет AI для продукта вот в этом посте. Согласно этой модели, если ваш продукт в своей "внутренней кухне" основывается на публичных данных, то очень высок риск его дизрапта со стороны ChatGPT и других LLM, которые обучаются на публичных данных.
Ну а если YouTube напрягся на эту тему, то и нам тоже стоит 😄

Что делать продактам?
1. Оцените риски дизрапта вашего продукта сторонними AI продуктами и LLM. Все подробности вот в этом посте.
2. Оцените насколько ваш продукт завязан на публичные данные.

🖥 Vibe-coding: как продакты создают свои инструменты

Сейчас все говорят о vibe-coding — создании продуктов и инструментов с помощью AI и low-code платформ. Но что именно продакты создают для себя и своих команд? Давайте разберем на примерах.

Тренд: персонализированные решения
Кейсы из статьи Ленни Рачитски показывают, как люди создают гиперспецифичные продукты, решающие их повседневные задачи:

1. Трекер для пиклбола (Paddles.ai): помогает анализировать матчи и улучшать игру.
2. Генератор историй для детей (Storypot): превращает детские фантазии в сказки.
3. Карб-калькулятор для диабетиков (CarbScan): упрощает подсчет углеводов для контроля уровня сахара.

Почему это работает:
1. Низкий порог входа: платформы вроде Cursor, Claude Code и Replit позволяют запустить MVP за несколько дней, даже без глубоких знаний программирования.
2. Реальные боли: продукты создаются под конкретные нужды, а не абстрактные гипотезы. Например, трекер для ухода за ребенком (My Baby Logger) стал незаменимым инструментом для новых родителей.
3. Масштабируемость: многие проекты, изначально созданные для себя, находят аудиторию. Например, приложение для выбора одежды по погоде (How Many Layers) собрало 85 тысяч пользователей.

Ключевые выводы для продактов:
1. Определите, какие рутинные задачи вы выполняете вручную.
2. Выберите подходящую платформу для создания MVP.
3. Начните с решения одной конкретной проблемы.

🗓 Июньский дайджест ProdSTa: главные инсайты для продактов

Июнь выдался насыщенным — от разбора провала AI-first стратегии Klarna до практических кейсов по работе с ChatGPT. Ловите топ-5 постов месяца и дополнительные материалы для продактов.

🏆 Топ-5 постов июня

1. ✍️ Prompt-инжиниринг в 2025
— Few-shot prompting, декомпозиция задач и Self-criticism: что реально работает. Почему ролевые промпты больше не эффективны.

2. ⚠️ Ваш продукт в опасности из-за AI?
— Как Chegg потерял 87.5% стоимости. 4 фактора уязвимости продукта в эпоху ИИ.

3. ❓ Почему CPO Uber развозит еду
— 700+ поездок Сачина Кансала, культура "Ship, ship, ship" и гибрид людей с роботами.

4. 🤖 Как в OpenAI используют ChatGPT
— Репетиция переговоров с ИИ и критика черновиков. Почему там всего 30 PM на 2000+ сотрудников.

5. 😳 Klarna отказывается от AI-first
— Почему чат-боты провалились, а через неделю запустили AI-CEO. Ирония или новая стратегия?

🧩 Ещё крутые темы

- 🏭 Как измерить PMF в B2B — Сигналы в малых данных и почему повторные платежи — главный индикатор.

- 🤔 Эффект от Product Operations — Методика FreeAgent: 6 категорий влияния и оценка "Potential Impact".

- 💰 Кейс Monzo: +48% выручки — Как customer-centric и data-driven подход изменили банк.

- 🤖 Klarna запускает AI-CEO — Голосовой помощник-двойник: инновация или PR?

🤖 ИИ в стратегиях: почему топ-менеджеры ошибаются с прогнозами?

Рубрика "Занимательный ИИ". В эксперименте почти 300 руководителей попросили предсказать цену акций Nvidia через месяц. Половина из них использовала генеративный ИИ, а другая — нет. Как вы думаете, каков результат? Результат тех, кто полагался на ИИ, оказался хуже.

Что пошло не так?
1. ИИ усиливает когнитивные искажения
Генеративный ИИ часто выдает ответы, которые подтверждают уже существующие убеждения. Если менеджер склонен к излишнему оптимизму, ИИ лишь усугубит это.

2. "Качество данных" ≠ "качество решений"
Даже с огромным объемом данных ИИ не учитывает контекст, интуицию и опыт — то, что отличает хорошего лидера. Многие менеджеры подчеркивали, что были сильно впечатлены обилием данных и логикой, которую показывал ИИ в ответах, что создавало впечатление, что их собственные выводы были не сильно обоснованы. Это заставляло их отказаться от собственных интуитивных решений.

3. Слишком большое доверие новым технологиям
Многие топ-менеджеры начинают слишком доверять алгоритмам, забывая о критическом мышлении. Участники, которые проводили групповые дискуссии, показывали более консервативные оценки, близкие к итоговому результату.

Какие выводы из этого?
1. Используйте ИИ как инструмент, а не как эксперта. Помните о ловушках ИИ и иллюзии знания, которую ИИ создает.
2. Критическое мышление супер важно даже при работе с ИИ. Всегда проверяйте выводы ИИ с учетом контекста и интуиции.
3. Учите команды работать с ИИ, а не подчиняться ему. Описывайте гайдлайны о том, как правильно взаимодействовать с ИИ, чтобы не попасть в ловушки.

🔮 Что ожидает продакта в ближайшие 1-2 года?

Каждый год я традиционно провожу анализ того, куда развивается рынок продуктового менеджмента в США, так как тренды, происходящие там, приходят к нам с запозданием 1–2 года. На основе этого анализа я понимаю, куда развиваться мне и в каком направлении мне развивать продукты.

📊 Вот что говорят данные вакансий США и тренды, обозначаемые лидерами мнений в 2025 году:

1️⃣ Сама очевидность - AI-навыки. Это больше не nice-to-have, а базовая необходимость.
Уже 41% вакансий в США требуют умения работать с GenAI: от написания промтов до использования LLM в продуктовой аналитике.
Если вы это не умеете — то, вы кандидат на вылет.
Интересно, что во многих вакансиях также в довесок к GenAI требуется знание Python.

2️⃣ Рынок волатильный. Сокращения продактов в США в 2,6 раза превышает ожидаемый уровень.
Это не шутка. В Big Tech оптимизируют "менеджеров без влияния на выручку" и в угоду "AI-эффективности". А если вспомнить такой же тренд про сокращение разработчиков 1-2 года назад в США, который нас догнал в конце прошлого-этом году. Делайте выводы! Выживают те, кто может перейти из роли в роль, из индустрии в индустрию — быстро и осознанно.

3️⃣ Американский рынок перестраивается от “feature factory” к continuous discovery.
Компании хотят видеть не красивые роадмапы, а системную проверку гипотез, привязанных к P&L. Это и есть «экономика результата», о которой давно говорит Melissa Perri.

4️⃣ Soft-skills по прежнему в цене.
Многие вакансии акцентируются на outcome-thinking: демонстрируйте опыт системной проверки гипотез и влияния на P&L.
А также на «soft power» - навыках, которые пока сложно заменить ИИ. Storytelling, коучинг команд, кросс-культурная коммуникация.

💬 Напоследок:
Делайте выводы и вкладывайтесь в свое развитие. А мы для этого запускаем новый курс Сертифицированный Product Owner 2.0: Владелец Продукта в эпоху ИИ

Andreessen Horowitz опросил топ-менеджеров и ключевых специалистов известных компаний, какие AI-сервисы реально помогают им в работе.

Я собрал всё самое полезное в виде отдельной статьи, чтобы удобно было делиться и возвращаться позже:

https://telegra.ph/Spisok-samyh-poleznyh-AI-servisov-ot-Andreessen-Horowitz-06-26

@surkiz_blog

⚠️ Ваш продукт в опасности из-за AI? Как понять риски и что делать

Я думаю, что вы уже заметили как быстро AI меняет рынок, и некоторые компании уже сильно почувствовали это на себе. Например, Chegg потерял 87.5% своей стоимости, а трафик Stack Overflow упал. Но почему одни компании страдают, а другие остаются устойчивыми?

👉 Основные моменты:

1. Как используют ваш продукт
- Основной инструмент или дополнительный? Если ваш продукт — не основное место для работы пользователя (как Jasper), его легко заменить, когда AI полноценно встроят в платформы вроде Notion или Office.
- Уникальность результата? Если ваш продукт предлагает что-то, что можно собрать на основе общедоступных данных, его легко заменить AI.
- Нужно ли человеческое мнение? AI отлично справляется с задачами, где есть шаблоны, но пока не может заменить сложные решения, требующие человеческого подхода.

2. Как растёт ваш продукт
- Каналы распространения: AI меняет поведение пользователей, драматически ломая SEO. Например, платформы, зависящие от SEO (как Tripadvisor), теряют трафик из-за AI-поисковиков.
- Петли роста: Если ваш продукт зависит от пользовательского контента (как Stack Overflow), мотивация участников по генерации контента и его потреблению в вашем продукте может упасть, так как AI генерирует ответы быстрее.

3. Как защищён ваш продукт
- Уникальные данные или общедоступные? Продукты с уникальными данными (например, аналитические платформы) более устойчивы, чем те, что используют общедоступную информацию.
- Сетевые эффекты: Если ваш продукт сильно зависит от сообщества (как Etsy), его сложнее заменить AI, чем платформы вроде Quora.

4. Как вы зарабатываете
- Ценообразование: Модель когда вы берете деньги "за пользователя" становится менее эффективной, так как AI позволяет одному человеку делать работу многих.
- Экономика: AI увеличивает затраты, что может сделать продукты с низкой прибылью уязвимыми.

❗️ Что делать?
AI меняет всё, и бездействие может быть опасным. Ребята из Reforge собрали офигенную табличку для оценки рисков вашего продукта в эпоху ИИ (шаблон Google Sheets). Оцените риски вашего продукта по 18 факторам, включая использование, рост, защиту и монетизацию.

✍️ Prompt-инжиниринг в 2025: практические советы для продакта

Вот несколько актуальных практических советов по промт-инжинирингу от Сандера Шульхоффа, одного из первых экспертов в области prompt-инжиниринга о том, как эффективно работать с ИИ

👍 Что очень помогает:
1. Few-shot prompting — подавайте на вход ИИ примеры того, что вы хотите получить, это сильно повышает точность результата может повысить точность с 0% до 90%.
2. Декомпозиция — разбивайте задачу на подзадачи и последовательно решайте их с ИИ. Это также повышает качество и глубину результата. Например, ели вы хотите написать статью с помощью ИИ, то сначала попросите сформировать его план статьи, а потом последовательно просите описать каждую из глав, а не всю статью сразу.
3. Контекст — добавление дополнительной информации (например, биографии, исследований или прошлых взаимодействий) значительно улучшает ответы.
4. Self-criticism — просьба к модели критиковать свои ответы повышает их качество, особенно в сложных сценариях.
5. Ensembling — используйте несколько моделей для генерации ответов и выбирайте лучший результата.

🚫 Что уже не работает:
1. Ролевые промпты (например, «Вы — профессор математики») — они влияют на стиль, но не на точность.
2. Угрозы ИИ — это неэффективно и даже контрпродуктивно 😂
3. Простые защитные меры — фразы вроде «игнорируй вредоносные запросы» легко обходятся злоумышленниками.

❓ WhatsApp запускает рекламу, а Amazon делает ставку на GenAI: казалось бы как это связано?

❗️ Amazon и GenAI:
Генеративный ИИ станет ключевым драйвером для Amazon. CEO Энди Джесси заявил, что это технология, которая изменит всё: от клиентского опыта до внутренних процессов. Уже сейчас ИИ используется для улучшения Alexa, оптимизации списков товаров и прогнозирования спроса.

❗️ WhatsApp и реклама:
Meta начала показывать рекламу в разделе «Обновления» WhatsApp. Это шаг в сторону от первоначальной политики «без рекламы», но компания обещает, что личные чаты останутся приватными.

❗️ Как это все связано?
Amazon планирует сократить штат за счёт ИИ, а Meta намерена монетизировать WhatsApp, ВНИМАНИЕ, чтобы покрыть расходы на внедрение ИИ 😱

Судя по всем этим трендам, менеджменту и тем кто участвует разработке в продуктов стоит сильно задуматься о своей востребованности в ближайшем будущем.

🤖 Klarna запускает AI-CEO для сбора обратной связи

Klarna не успокаивается ) и после новости про то, что они отказываются от AI-First, тут же запускают ИИ голосового помощника, который имитирует их CEO Себастьяна Семятковски. Это не просто чат-бот, а полноценный канал для прямого общения клиентов с «искусственным руководителем».

Как это работает?
1. Клиенты могут звонить на специальную линию и делиться отзывами, идеями или жалобами с AI-CEO.
2. Разговоры транскрибируются и сразу передаются продуктовым командам Klarna.
3. ИИ использует реальный голос и стиль общения CEO, создавая ощущение личного контакта.

"Зачем это нужно?" спросите вы:
• Упрощение сбора обратной связи: никаких форм и опросов, только живой диалог.
• Ускорение процессов: идеи клиентов быстрее доходят до разработчиков.
• Эксперимент с новым подходом: Klarna тестирует, насколько пользователи готовы к такому формату.

Klarna уже запустила функцию в Швеции и США. Если эксперимент удастся, это может стать трендом для других компаний, которые ищут новые способы взаимодействия с клиентами.

Попробуйте представить: ваш CEO доступен 24/7 для каждого клиента. Это будущее или уже реальность?

🤖 Как руководитель бизнес-продуктов OpenAI использует ChatGPT, чтобы делать лучше и быстрее

Nate Gonzalez, руководитель бизнес-продуктов OpenAI, делится инсайтами о том, как ChatGPT помогает ему и его команде экономить время и выстраивать эффективные рабочие процессы.

❗️ Почему в OpenAI всего 30 PM на 2000+ сотрудников?
Команда продуктов OpenAI остается компактной, потому что они активно используют ИИ для расширения возможностей каждого сотрудника. Это позволяет им двигаться быстрее и эффективнее.

Как Nate использует ChatGPT:
1. Внутренние исследования — вместо того чтобы тратить время на бесконечные встречи, Nate использует ChatGPT для быстрого погружения в проекты. Он задает вопросы о технических деталях и получает ответы, которые помогают ему понять суть без лишних согласований.
2. Репетиция важных переговоров — перед встречами с кандидатами или ключевыми клиентами Nate использует ChatGPT для симуляции переговоров. Он загружает контекст из Connectors и записей встреч, чтобы ChatGPT мог играть роль собеседника, помогая ему отточить аргументы и подготовиться к сложным вопросам.
3. Критика и улучшение работы — Nate просит ChatGPT анализировать его черновики, указывать на слабые аргументы и предлагать улучшения. Это помогает ему не только быстрее писать, но и повышать качество своих материалов.

P.S. А как вы используете ChatGPT в своей работе? Делитесь в комментариях! 👇

🤔 Как измерить эффект от Product Operations?

Product Ops — это функция, которая возникает в больших продуктах. И ее задача сделать работу продуктовых-команд более эффективнее. Они занимаются всем, что лежит между стратегией и исполнением: улучшают процессы, анализируют данные, настраивают инструменты и обеспечивают связь между командами. Среди их проектов могут быть, например, создание единой базы знаний с результатами UX-исследований и интервью для всех команд или внедрение единой системы продуктовой аналитики.

Классно? Но всегда хочется понять насколько эффективна их работа. И с этим есть проблемы:

1. Эффект от задач Product Ops не всегда количественно измерим.
Например, улучшение процесса отчетности по OKR — как оценить его успех?

2. Проекты и результаты слишком разнообразны
От улучшения процессов до внедрения единой системы продуктовой аналитики.

3. Задержка в эффекте
Изменение в процессах и инструментах может давать эффект через год.

💡В компании FreeAgent разработали систему, по которой планируются работы и оценивается эффект для Product Ops. Вот как это работает:

1. Для каждого проекта определяют влияние
Влияние — это положительное изменение, действие или решение, которое происходит благодаря работе Product Ops.

2. 6 категорий влияния
Каждый проект Product Ops соотносится с ключевым направлением влияния:
- Roadmap decisions (Решения по продуктовой карте). Влияние на включение инициатив в продуктовый план.
- Strategy decisions (Стратегические решения)
Поддержка стратегических инициатив на основе данных и исследований.
- Improved ways of working (Улучшение способов работы)
Оптимизация процессов внутри команд.
- Increase in adoption (Рост использования решений)
Повышение вовлечённости или использования внутренних инструментов и библиотек.
- Experiments (Эксперименты)
Запуск и координация экспериментов для тестирования гипотез.
- Change in external comms (Изменения во внешней коммуникации) Влияние на маркетинг или внешние коммуникации.

3. Оценка проектов
Каждый проект по итогу получает одну из четырех оценок:
- Impact — проект принес измеримый результат.
- Potential Impact — результат ожидается в будущем.
- No Impact — проект не принес результата.
- Exploratory — проект был исследовательским, результат не ожидался.

А также производится сбор обратной связи от стейкхолдеров. Это помогает оценить качество работы и удовлетворенность.

Вот так сложна жизнь ProductOps) А все почему? Потому что нет прямого влияния на конечный результат.

😳 "Ну не шмогла" - Klarna отказывается от AI-first

В эпоху, когда компании массово внедряют искусственный интеллект для оптимизации процессов и сокращения затрат, Klarna делает неожиданный шаг. После двух лет экспериментов с AI-first стратегией компания признала: роботы не справляются с поддержкой клиентов.

❗️Что пошло не так:

1. AI не смог заменить людей
Klarna сократила штат с 5 000 до 3 800 сотрудников, передав две трети поддержки чат-ботам. Но качество обслуживания упало, а недовольство клиентов выросло.

2. Эмпатия важнее автоматизации
CEO Себастьян Семятковски заявил, что будущее компании — в инвестициях в качество человеческой поддержки. AI не может заменить понимание и сочувствие, которые демонстрируют живые операторы.

3. Гибкость как конкурентное преимущество
Klarna предлагает удалённую работу, чтобы привлечь студентов и жителей удалённых регионов. Это позволяет компании сохранять баланс между технологиями и человеческим подходом.

4. Тренд на пересмотр AI-стратегий
Исследование IBM показало, что только 25% AI-инициатив принесли ожидаемую прибыль. Многие компании сталкиваются с проблемами из-за фрагментированных технологий и недостатка данных.

Вот так вот, оказывается "не все так хорошо в датском королевстве".

P.S. Как вы считаете, где AI действительно незаменим, а где лучше оставить всё людям? Делитесь мнением в комментариях! 👇

💰 Интересный кейс Monzo о важности использования продуктового подхода

Стремительный рост Monzo сильно повлиял на банковский рынок в UK. В 2025 году их выручка выросла на 48% до £1.2 млрд, а прибыль — до £60.5 млн. И это благодаря трем столпам продуктового подхода - customer-centric, business-model-centric, data-driven.

Так вот, как же продуктовый подход повлиял на бизнес:

1. Клиент в центре (customer-centric, business-model-centric):
Monzo всегда ставил фокус на клиента на первое место. Их приложение — это не просто мобильный банк, а инструмент для управления финансами. Такой фокус привел к росту клиентской базы до 12 млн пользователей.

2. Быстрые эксперименты (data-driven):
Банк активно тестирует гипотезы о ценности для клиентов, ценах и т.п. через A/B тесты. На основе анализа результатов принимает решения по оптимизации цен, снижению оттока и увеличению доходности продуктов.

3. Инновационные продукты (customer-centric):
Monzo за счет исследования клиентов и задач различных сегментов - запустил счета для подростков, пенсионные продукты и подписки, которые принесли £75.2 млн дохода.

4. Data-driven решения (data-driven):
Внутренние инструменты для анализа данных позволяют Monzo принимать быстрые и обоснованные решения. Это особенно заметно в их кредитных продуктах, где портфель вырос на 36% до £1.9 млрд.

🏭 Как измерить Product-Market Fit в B2B?

Часто слышу на своих тренингах, что в B2B очень сложно оперировать метриками, воронками, проверками гипотез Product Market Fit. Но даже в условиях долгих циклов продаж и сложных процессов можно отслеживать реальные сигналы. Вот как это сделать:

👉 Сигналы могут быть даже в небольшом объеме данных
Не нужно ждать больших данных. Если из 10 потенциальных клиентов двое активно двигаются вперед, а остальные не готовы даже к пилоту — это уже ответ. В B2B сигналы проявляются в поведении, а не в объемах.
Пример: Если клиент привлекает своего CTO на вторую встречу — это сильный сигнал интереса.

👉 Время — не помеха
В B2C этапы воронки проходят быстро, но в B2B они могут растягиваться на месяцы. Это нормально. Главное — отслеживать, движется ли процесс вперед, даже если он медленный.
Чтобы видеть конверсии и интерес, поделите процесс продажи продукта на этапы и отслеживайте передвижение клиентов по данным этапам.

👉 Ключевые этапы Pirate Metrics (AARRR)
Acquisition: Клиент узнал о вас и хочет узнать больше. В B2B это может быть серия встреч, демо и даже юридические проверки.
Activation: Первое реальное использование продукта. В B2B это часто происходит на этапе POC (Proof of Concept), когда клиент видит потенциал, даже если полная интеграция еще впереди.
Retention: Постоянное использование продукта. В B2B это не всегда ежедневное использование, но важно видеть, что продукт остается ценным. Например, в случае с кибербезопасностью — это регулярное исправление выявленных рисков.
Revenue: Повторные платежи — ключевой сигнал PMF. Одноразовые сделки не говорят о PMF, а вот регулярные платежи — да.
Referral: Готовность клиентов рекомендовать вас. В B2B это может быть публичный кейс, выступление на вашем мероприятии или просто положительный отзыв в их сети.

PMF в B2B — это не о скорости, а о движении вперед. Даже если процесс долгий, важно видеть, что клиенты видят ценность и готовы продолжать сотрудничество.

Что делать:
1. Определите этапы — что для вас означает acquisition, activation и retention.
2. Отслеживайте сигналы — даже если данные кажутся малыми, они могут быть важными.
3. Фокусируйтесь на повторных платежах — это главный индикатор PMF.

❓ Почему CPO Uber развозит еду по выходным?

Современные продукты требуют глубокого понимания пользователей, и CPO Uber Сачин Кансал показывает, как это делать на практике. Его подход — это не просто теория, а реальные действия, которые меняют культуру компании. Вот что интересного можно почерпнуть из интервью CPO Uber:

1. Dogfooding как лидерская практика
Сачин лично совершил более 700 поездок в качестве водителя и курьера, фиксируя каждую проблему. Он делает скриншоты, пишет 40-страничные отчеты, назначает ответственных и следит за исправлением ошибок. Это не просто ритуал — это способ масштабировать эмпатию. В Uber даже проводятся корпоративные недели dogfooding, чтобы каждый сотрудник мог почувствовать себя на месте пользователя. И это очень круто! Гемба во всей ее красе.

2. «Ship, ship, ship»
Культура быстрых решений и итераций. Сачин верит, что скорость — это ключ к успеху. Он проводит ежедневные стендапы, быстрые обзоры продуктов и придерживается принципа «двух дверей»: если решение можно отменить, его нужно принимать быстро. Чем больше и быстрее вы отгрузите изменений пользователю, тем больше и быстрее вы научитесь.

3. Гибридная модель рынка
Uber объединяет человеческие ресурсы и автономные технологии, чтобы сгладить спрос и предложение. Компания отказалась от собственного подразделения автономных автомобилей и теперь сотрудничает с более чем 15 компаниями в этой сфере. Люди работают в пиковые часы, а роботы — в остальное время.

4. Uber активно внедряет AI в операционку, а не только в продукт
Команды Uber используют ChatGPT и Gemini для исследований, синтеза данных и ускорения рабочих процессов. AI помогает с черновиками, глубокими исследованиями, с резюмированием длинных документов, освобождая время для принятия решений.

5. Прибыль через эффективность
Пандемия заставила Uber отказаться от убыточных проектов, таких как автономные автомобили и Uber Elevate. Компания оптимизировала расходы на доставку, промо-акции и поддержку, что позволило ей выйти на прибыльность и инвестировать в новые направления.

6. Карьерный совет для PM
Сачин советует молодым продуктологам фокусироваться на скорости выпуска продуктов. Пять циклов за три года научат вас принимать тысячи микрорешений, которые формируют продуктное чутье быстрее, чем любой курс.

Вот такие вот интересные мысли и факты.

🔝 Что на самом деле важно на собеседованиях для продакт менеджера: данные из 500+ интервью

Хотите знать, что действительно влияет на успех на собеседовании на позицию product manager? Михаил Щеглов, CPO Umico, проанализировал более 500 интервью и выявил ключевые навыки, которые приводят к офферу.

Интересно, что бизнес-навыки и стратегическое мышление — это то, что действительно ценится, а технические навыки — нет.

1. Топ-3 навыка для успеха:
• Бизнес-навыки — понимание бизнес-модели и метрик. Например, как вы оцениваете потенциальный доход от нового продукта или как строите модель роста.
• Структурированное мышление — умение четко выстраивать ответы. Используйте правило трёх: разбейте решение на три ключевых шага.
• Стратегическое мышление — видение за пределами фич, фокус на макро-целях. Покажите, как ваш продукт может изменить рынок.

2. Почему кандидаты проваливаются:
• Не уточняют цель задачи. Интервьюеры часто скрывают цель, чтобы проверить, как вы подходите к проблеме. Всегда задавайте уточняющие вопросы.
• Не понимают бизнес-модель. Например, вместо анализа стратегии кандидаты фокусируются на фичах. Покажите, как ваш продукт приносит деньги.
• Не используют структурированные подходы к решению. Редкий кандидат может решить кейс без предварительного плана. Набросайте схему или список шагов перед ответом.

3. Что не так важно:
• Креативность — это хорошо, но недостаточно.
• Управление проектами — акцент на этом может быть красным флагом. Сертификаты не заменят бизнес-мышления.
• Технические навыки — нужны только для технических ролей. Базовое понимание достаточно.

4. Как меняются ожидания с уровнем:
• Для APM важны исполнение и эмпатия. Покажите, как вы решали задачи и взаимодействовали с командой.
• Для Senior и выше — стратегия и бизнес-влияние. Расскажите, как ваш продукт повлиял на ключевые метрики компании.
• Директора оцениваются по более высоким стандартам. Здесь важно показать, как вы управляете продуктами на уровне компании, а не отдельных фич.

Не пытайтесь быть идеальным во всем. Сфокусируйтесь на демонстрации бизнес-навыков и стратегического мышления — это то, что действительно выделит вас среди других кандидатов.