Koloskov: growth, product, analytics

Когда привлекать продуктовый аутсорсинг?

Одна из самых дорогих ошибок компаний — слишком рано нанимать продуктовую команду. Вторая по стоимости ошибка — слишком поздно привлекать внешнюю экспертизу. Если вам нужна помощь в росте продуктов и команды, пишите @SKoloskov (свыше 120 кейсов на 7 рынках), а если хотите расти в профессии продакта, возможности от редакции канала по ссылке.

1. За последние годы рынок сильно изменился. Если раньше продуктовый аутсорсинг ассоциировался исключительно с разработкой, то сегодня компании все чаще привлекают внешние команды для discovery, исследований, аналитики, проектирования продукта, построения стратегии и запуска новых направлений. Но работает это далеко не всегда.

2. Главное правило простое: продуктовый аутсорсинг нужен тогда, когда компании не хватает не рук, а конкретной экспертизы или скорости. Если внутри нет человека, который понимает, как провести customer discovery, построить систему метрик, посчитать unit-экономику, провести сегментацию клиентов или сформировать продуктовую стратегию, найм может занять месяцы. Внешняя команда позволяет получить эту экспертизу за недели.

3. Отдельный сценарий — запуск нового продукта. Очень часто компании совершают ошибку и сразу нанимают Head of Product, дизайнеров, аналитиков и разработчиков под идею, которая еще даже не прошла валидацию. В результате через полгода оказывается, что проблема была выбрана неправильно. Гораздо эффективнее сначала привлечь внешнюю продуктовую команду на discovery-фазу, проверить рынок, спрос, сегменты и экономику, а уже потом масштабировать внутреннюю организацию.

4. Еще один хороший кейс для аутсорсинга — ситуации, когда нужен взгляд со стороны. Любая внутренняя команда со временем начинает жить в собственной реальности. Появляются священные коровы, устоявшиеся гипотезы и решения, которые никто не оспаривает. Внешние продуктовые консультанты часто находят проблемы не потому, что умнее команды, а потому что не заражены внутренними предположениями.

Но есть важное ограничение. Нельзя отдавать на аутсорсинг ответственность за продукт. Можно отдать исследования, аналитику, фасилитацию стратегии, проектирование процессов или запуск экспериментов. Нельзя отдать ownership. Человек или команда внутри компании все равно должны принимать решения и нести ответственность за результат. Если этого владельца нет, никакой консультант ситуацию не спасет.

5. Самая распространенная причина провала продуктового аутсорсинга — размытая постановка задачи. Компании покупают "продуктовую трансформацию", "рост продукта" или "улучшение клиентского опыта". Это не задачи. Хорошая постановка выглядит иначе: увеличить конверсию в оплату на 20%, найти новые сегменты роста, проверить три бизнес-гипотезы, построить систему продуктовых метрик или запустить процесс экспериментов. Чем конкретнее результат, тем выше вероятность успеха.

6. Лучший формат работы — совместная работа с внутренней командой. Если через полгода после завершения проекта знания и процессы ушли вместе с подрядчиком, значит деньги были потрачены зря. Хороший продуктовый аутсорсинг не просто решает проблему. Он делает внутреннюю команду сильнее, чем она была до начала проекта.

Главный вопрос звучит так: "какой компетенции нам не хватает для следующего этапа роста бизнеса?". Именно на этот вопрос продуктовый аутсорсинг и должен отвечать.

За консультациями приходите @SKoloskov, также Fresh Product manager в MAX https://max.ru/FreshProductGo

Какие механики заставляют пользователя возвращаться снова и снова

Большинство людей думают, что лучшие продукты побеждают благодаря технологиям. На практике многие крупнейшие продукты мира выросли благодаря гораздо более простой вещи — пониманию человеческой психологии. Хотите расширить насмотренность и разобрать задачи из продуктовой практики и тестовых заданий? Подключайтесь на Разборы от редакции.

1. Возьмем ленты коротких видео. Многие считают, что секрет в алгоритмах рекомендаций. Но настоящая магия находится глубже. Лента не показывает пользователю только хорошие ролики. Наоборот, среди нескольких посредственных видео периодически появляется одно очень сильное попадание. Мозг начинает ожидать следующую награду. Работает принцип переменного вознаграждения, который десятилетиями изучается в поведенческой психологии. Не постоянное удовольствие удерживает внимание, а непредсказуемость.

2. Другой мощный механизм — незавершенный прогресс. Именно поэтому образовательные приложения, банковские сервисы и карьерные платформы постоянно показывают: осталось 10 XP до уровня, заполните еще 2 поля профиля, завершите урок и сохраните серию. Человек гораздо сильнее реагирует на незакрытый цикл, чем на завершенный результат. Иногда последние 5% пути мотивируют сильнее, чем первые 95%.

3. Еще один недооцененный крюк — эффект инвестиций. Чем больше времени, настроек, данных, документов, коллекций или истории действий пользователь создал внутри продукта, тем сложнее ему уйти. Именно поэтому лучшие сервисы стараются как можно быстрее заставить пользователя вложиться в систему. Лучший способ удержания — не подписка, а накопленная ценность.

4. Отдельная категория механик связана со страхом потери. Сервисы бронирования десятилетиями совершенствуют этот подход через сообщения вроде «осталось два варианта», «объект сейчас просматривают другие пользователи» или «цена скоро изменится». Поведенческая экономика давно показала, что люди сильнее переживают потерю потенциальной выгоды, чем радуются аналогичному приобретению. Поэтому страх упустить возможность часто работает лучше скидки.

5. Самые сильные продукты также превращают пользователя в главного героя. Когда приложение показывает вашу личную статистику за год, ваши достижения, привычки или прогресс, оно продает не цифры. Оно помогает человеку рассказать историю о самом себе. Люди охотно делятся такими результатами, потому что фактически делятся собственной идентичностью. Именно поэтому механики персональной аналитики так хорошо работают в спорте, обучении, финансах и карьере.

6. Еще одна важная механика — ощущение контроля. Когда вы отслеживаете доставку, видите движение курьера на карте или статус выполнения заказа, тревожность снижается. Не потому, что вы реально влияете на процесс, а потому что понимаете, что происходит. Во многих продуктах ощущение контроля оказывается важнее самого контроля.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке. В мессенджере Max Fresh Product manager https://max.ru/FreshProductGo

Профессиональные деформации продактов и как с ними бороться

Для базы в продакт-менеджменте напоминаем про возможности образовательные от нашей редакции.

1. Фича-фетишизм - измерение успеха количеством релизов; бороться с этим помогает проверка каждой фичи на проблему и метрику.

2. Тирания метрик - решения только на цифрах без контекста; лечится балансом количественных данных и качественных интервью.

3. «Пользователь = персона на слайде» — потеря эмпатии к реальным людям; исправляется регулярными звонками и участием в саппорте.

4. «Я знаю лучше» - решения принимаются из головы; противоядие — системное тестирование гипотез и внешние ревью. Кстати, тут помогают Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.

5. Бесконечные гипотезы - тесты ради тестов без внедрения; нужно правило «каждый эксперимент - решение или отказ».

6. Выгорание через ответственность - продакт тащит всё на себе; помогает делегирование, чёткие границы и отдых.

7. Фреймворк-зависимость - слепое копирование методологий; бороться стоит адаптацией инструментов под свой контекст.

8. Фокус на внутренних заказчиках - приоритет CEO вместо клиента; противоядие - адвокатура интересов пользователя.

9. Микроменеджмент разработки - продакт превращается в таск-трекер; лечится фокусом на «что и зачем», а не «как».

10. Застревание в операционке - 90% времени уходят на баги и отчёты; помогает выделение стратегических дней и продуктовые ретро.
______
Приходите на наши курсы от редакции:
- Разборы кейсов
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по Продуктовой стратегии и защите инициативы
- Курс по аналитике, базовый
- Отправить личный запрос автору тут

Большинство продуктовых команд обсуждают функции. Единороги строятся вокруг механик

Функция отвечает на вопрос: Что мы сделаем в следующем релизе? Механика отвечает на вопрос: Почему продукт будет расти быстрее через 3 года, чем сегодня? Именно поэтому сотни компаний могут скопировать интерфейс, дизайн или набор возможностей успешного продукта, но не могут повторить его результат. Если посмотреть на крупнейшие технологические компании последних 20 лет, становится заметно, что почти все они строились вокруг нескольких фундаментальных механик.

Хотите расширить насмотренность и разобрать задачи из продуктовой практики и тестовых заданий? Подключайтесь на Разборы от редакции.

Первая — сетевые эффекты. Каждый новый пользователь делает продукт ценнее для остальных. Именно поэтому мессенджер с двумя пользователями никому не нужен, а мессенджер, где находятся все ваши контакты, становится практически незаменимым. Многие считают, что у них есть сетевой эффект, но проверить это очень просто: если завтра количество пользователей удвоится, станет ли продукт объективно полезнее для каждого существующего пользователя? Если нет — сетевого эффекта нет.

Вторая — вирусная дистрибуция. Лучшие компании не покупают каждого следующего пользователя через рекламу. Они встраивают привлечение новых пользователей в сам сценарий использования продукта. Когда дизайнер делится макетом, менеджер отправляет ссылку на календарь, сотрудник приглашает коллегу в рабочее пространство — продукт распространяется сам. Самая сильная вирусность появляется не тогда, когда пользователю платят за приглашение друга, а тогда, когда приглашение помогает ему самому решить задачу.

Третья — захват рабочего процесса. Это одна из самых мощных B2B-механик. Когда продукт становится частью ежедневной работы компании, стоимость отказа от него начинает расти с каждым месяцем. Можно заменить CRM, систему документооборота или корпоративный мессенджер, но для этого придется менять процессы, обучать сотрудников, перестраивать интеграции и рисковать операционной стабильностью. Именно поэтому многие корпоративные продукты удерживают клиентов десятилетиями.

Четвертая — data flywheel. Каждый новый пользователь делает продукт лучше. Пользователи генерируют данные, данные улучшают алгоритмы, алгоритмы улучшают продукт, улучшенный продукт привлекает новых пользователей. Этот цикл особенно заметен в AI-компаниях, где объем взаимодействий напрямую влияет на качество модели.

Пятая — маркетплейсная ликвидность. Успех маркетплейса определяется не количеством пользователей, а скоростью совершения сделки. Если водитель находится за две минуты, квартира сдается за три дня, а специалист находится за один час, платформа начинает выигрывать рынок. Пользователи возвращаются не из-за интерфейса, а потому что задача решается быстрее, чем где-либо еще.

Практически ни один единорог не вырос на одной механике. Обычно происходит их наложение. Сетевой эффект усиливает вирусность. Вирусность приводит новых пользователей. Новые пользователи создают данные. Данные улучшают продукт. Улучшенный продукт удерживает пользователей и усиливает сетевой эффект. Возникает замкнутый цикл, который становится сильнее по мере роста компании.

Поэтому полезный вопрос для любого продуктового менеджера звучит как “Какую фундаментальную механику роста усиливает эта фича?” Потому что функции создают релизы. Механики создают единорогов.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Где еще можно подписаться на каналы редакции

1. В мессенджере Max
• Fresh Product manager https://max.ru/FreshProductGo
• и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков.
2. В Сетке
• Fresh Product manager - https://setka.ru/communities/018b3c8e-b08a-483f-9c65-35fe4fb2b394
• Вакансии - https://setka.ru/communities/018fbf81-63f3-47ed-af41-1968702446f7
3. ВК - https://vk.com/freshproductmanager
4. Тенчат - https://tenchat.ru/Serge
5. Все возможности от редакции канала по ссылке.

Промпты для продактов, которые стали возможны благодаря обновлениям в 2026

GPT лучше всего работает не как помощник продакта, а как независимый участник продуктового спора. Чем меньше вы просите его "написать документ", и чем чаще просите "разрушить вашу гипотезу" — тем больше ценности получаете. Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

1. Найди проблему, которую мы маскируем фичей

У нас есть идея:

[описание функции]

Представь, что через год мы поняли, что функция провалилась.

Разбери:

какую проблему мы на самом деле пытались решить
почему новая функция не решила её
какие причины могли находиться уровнем ниже
какие организационные и продуктовые искажения заставили нас поверить в эту идею
какое решение стоило бы в 10 раз дешевле
В конце оцени вероятность того, что функция вообще не нужна.

2. Извлеки стратегию конкурента

Проанализируй:
сайт
вакансии
отзывы клиентов
последние релизы
выступления руководителей

Восстанови:

North Star Metric
ключевые KPI команды
продуктовую стратегию
вероятный roadmap на 12 месяцев
сегменты, на которые они делают ставку

Покажи уровень уверенности по каждому выводу.

3. Найди скрытые сегменты

Вот исследование пользователей:

[данные]

Не группируй людей по возрасту или доходу.

Сегментируй их по:

контексту возникновения проблемы
мотивации
триггеру покупки
уровню тревожности
ожидаемому результату

Найди сегменты, которые мы сейчас не видим.

4. Сломай наш CJM

Вот текущий CJM:

[данные]

Представь, что пользователь хочет максимально быстро уйти от нас к конкуренту.

Покажи:

где ему проще всего уйти
где доверие начинает падать
какие обещания мы нарушаем
какие этапы создают ложные ожидания
Построй карту потери доверия.

5. Найди вторичный продукт

Описание продукта:

[данные]

Представь, что основной бизнес запрещён. Какой новый бизнес можно построить на уже имеющихся:
данных
аудитории
привычках пользователей
инфраструктуре
Сгенерируй 10 новых продуктовых направлений.

6. Найди самую дорогую проблему

Вот список болей пользователей:

[данные]

Не сортируй по частоте. Определи:
какая проблема стоит пользователям больше всего денег
времени
нервов
репутационных потерь
Покажи рейтинг по совокупному ущербу.

7. Найди точку монетизации, которую никто не видит

Описание продукта:

[данные]

Не предлагай подписку.
Не предлагай рекламу.
Не предлагай комиссию.
Найди способы монетизации через:
данные
доверие
инфраструктуру
доступ к аудитории
скорость
снижение рисков

Сгенерируй 20 вариантов.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Одна из самых дорогих ошибок фаундеров и СЕО – решать проблему, которую они видят, а не проблему, которая ее создает

• Пользователь не покупает? Значит, надо улучшать лендинг. Очень часто проблема не в лендинге. Проблема в том, что пользователь пришел с неправильным ожиданием из рекламы. Конверсия падает не на странице, а за 5 минут до нее.

• Продажи не растут? Значит, нужен новый канал привлечения. Иногда проблема в том, что существующие клиенты не возвращаются второй раз. Вы вливаете деньги в воронку сверху, пока снизу течет огромная дыра.

• Клиенты не пользуются новой функцией? Значит, она недостаточно заметна. Возможно, они не понимают базовую ценность продукта. Если человек не решил свою главную задачу, ему абсолютно безразлично, сколько новых кнопок вы добавили.

• Поддержка перегружена? Значит, нужен чат-бот. Очень часто проблема в продукте. Люди пишут в поддержку не потому, что любят общаться с поддержкой. Они пишут потому, что продукт заставляет их это делать.

• Пользователи долго принимают решение о покупке? Значит, надо давать скидки. Иногда проблема вообще не в цене. А в риске. Люди готовы платить дорого, если уверены, что не ошибутся. И не готовы платить дешево, если боятся последствий.

Чем опытнее становится продуктовая команда, тем реже она спрашивает: Что сломалось? И тем чаще спрашивает: Что создает условия, при которых это ломается? Почти всегда настоящая проблема находится на один-два уровня глубже, чем кажется на первой встрече.
Поэтому сильные продуктовые команды чинят не симптомы, а ищут систему, которая эти симптомы производит. Если вам нужна помощь продакта с насмотренностью более 120 компаний и вы хотите расти - пишите автору канала @SKoloskov или заполните короткую форму тут.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Карьерные треки продакт-менеджеров

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

У продакт-менеджеров есть большой карьерный миф: существует только один “правильный” путь — PM → Senior PM → Head → CPO.

На практике у профессии минимум 7–8 полноценных карьерных треков. И самое интересное — многие сильные PM вообще не идут в CPO.

По данным Product School и Lenny’s Newsletter, только около 15–20% senior product managers в итоге становятся people-managers. Остальные либо остаются individual contributor, либо уходят в другие ветки: growth, AI, founder-track, consulting или solo-building.

Причина простая: после уровня Head of Product работа резко меняется. У многих CPO уже меньше 20–30% времени остается на сам продукт. Остальное — найм, синки, стратегия, бюджеты, alignment, конфликты и операционка.

Именно поэтому огромный процент сильных PM в какой-то момент уходят в founder-track. По разным исследованиям, среди non-technical founders доля бывших product managers за последние годы сильно выросла, особенно в SaaS и AI. Логика понятна: PM уже умеет работать с неопределенностью, пользователями и приоритизацией.

Но там появляется совсем другая математика. В найме продакт отвечает за roadmap. В стартапе — за runway и выживание компании.

Отдельная карьерная ветка — growth и monetization PM. Сейчас это один из самых дорогих типов продактов на рынке. В США compensation senior growth PM в крупных tech-компаниях легко превышает $250–400k total compensation в год. Потому что такие люди напрямую влияют на revenue, retention и unit-экономику.

Именно поэтому рынок постепенно делится на два типа PM:
- product craft / vision
- business / growth / monetization

Это уже почти разные профессии.

Еще один огромный тренд последних 2 лет — AI Product Managers. LinkedIn и Indeed фиксировали трехзначный рост вакансий с AI PM и GenAI PM specialization после 2023 года. Компании поняли, что “обычный PM + ChatGPT” не работает.

Нужны люди, которые понимают:
- AI UX
- eval systems
- latency/cost tradeoffs
- orchestration
- human-in-the-loop сценарии

Фактически появляется новая продуктовая специализация.

Параллельно резко вырос solo-builder track. Благодаря AI и no-code/low-code инструментам один PM сейчас может делать то, для чего раньше требовалась команда из:
- дизайнера
- frontend
- backend
- analyst
- support

По данным Indie Hackers и Stripe Atlas, количество micro-SaaS и solo-founded AI products за последние 2 года выросло кратно. И это меняет саму логику карьеры. Раньше рост почти всегда означал: “больше людей в подчинении”. Сейчас все чаще: “больше leverage на одного человека”. Самое важное, что многие понимают слишком поздно: product management — это уже не карьерная лестница. Это skill tree.

Есть вопрос или запрос на карьеру, рост или поддержку? Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.

Что нужно развивать в эпоху AI продактам?

Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.

AI очень быстро убьет всю “механическую” часть продакт-менеджмента: PRD, ресерчи, user stories, аналитику, конкурентные обзоры, roadmap’ы и даже часть UX-гипотез. Все, что можно разложить на паттерны и процессы, станет автоматизированным. PM как “человек, который таскает задачи между командами”, уже постепенно исчезает.

Но есть компетенции, которые AI не заменит. Первая — продуктовая интуиция. Когда данных недостаточно, рынок меняется, а метрики противоречат друг другу, нужен человек, который способен принять решение в тумане и сказать: вот куда мы идем дальше. AI хорошо анализирует прошлое, но почти все сильные продуктовые решения сначала выглядят нелогичными.

Вторая — понимание человеческой мотивации. Пользователи редко формулируют настоящую проблему напрямую. Они говорят “сделайте быстрее”, хотя на самом деле боятся ошибиться, потерять деньги или выглядеть глупо. AI умеет кластеризовать интервью, но пока не умеет по-настоящему чувствовать напряжение, эмоции и скрытые причины поведения людей.

Третья — влияние и лидерство. Продукт — это не Figma и не backlog. Это умение собрать вокруг идеи команду, убедить бизнес, выдержать конфликт интересов, удержать фокус и не дать продукту развалиться под компромиссами. AI не умеет строить доверие, чувствовать внутреннюю политику компании и брать на себя ответственность за сложные решения.

И самое важное — вкус и создание смысла. В мире, где AI сможет генерировать бесконечное количество “нормальных” фич, выиграют продукты с характером, позицией и ощущением “это сделано для меня”. Будущее PM — не в управлении задачами, а в способности понимать людей, чувствовать рынок и создавать продукты, которые хочется любить, а не просто использовать.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Методика, как работать, когда у тебя много договоренностей

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Когда у тебя становится 15–20 проектов одновременно, ты перестаешь тонуть в задачах. Настоящий хаос начинается из-за договоренностей, контекста и постоянного переключения между проектами. В какой-то момент вся работа превращается в бесконечные попытки вспомнить обсуждали ли это, кто должен был сделать, согласовано это уже или нет, почему команда делает не то, о чем договаривались.

1. Один главный документ на проект. У каждого проекта должна быть одна точка входа, где лежит весь актуальный контекст: цель проекта, последний статус, ссылки, принятые решения, следующие шаги, риски, ответственные. Когда этого нет, мозг начинает тратить огромное количество энергии просто на поиск информации.

2. Фиксировать не задачи, а решения. Большинство команд ведут task tracker, но почти никто не ведет decision log. А потом через месяц начинается попытка восстановить: почему вообще выбрали это решение, кто это согласовал, почему поменяли scope, когда это обсуждалось. После каждого созвона достаточно буквально нескольких строк: что решили, что не решили, кто отвечает, какой дедлайн, какие есть риски.

3. Список ожиданий. На большом количестве проектов ты редко работаешь руками. В основном ты зависишь от других людей: дизайнеров, разработки,клиентов, аналитиков, подрядчиков, юристов. Поэтому главный список выглядит не как To Do, а как Waiting For: ждем estimate от backend, ждем доступы от клиента, ждем макеты, ждем согласование договора.

4. Перестать хранить что-либо в голове. Пока ты пытаешься помнить все сам, мозг постоянно работает в фоне: не забыть написать, не забыть отправить, не забыть согласовать, не потерять договоренность. Из-за этого появляется ощущение, что ты работаешь весь день, но при этом постоянно что-то упускаешь. Нормальная система управления проектами нужна не для контроля команды. Она нужна для разгрузки собственной головы.

5, Раз в неделю нужно пройтись по всем проектам: обновить статусы, убрать мусор, проверить блокеры, понять, где проект реально стоит, а где только создает ощущение движения. На большом количестве проектов выигрывает не тот, кто больше работает.

Выигрывает тот, у кого: минимум хаоса, минимум мест хранения информации, понятные договоренности, прозрачные статусы и пустая голова.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Level Up для продактов: что важно для резюме

Недавно с моим участием запустился проект Level Up (кстати, приходите, региструйтесь и следите за проектом, очень интересный и актуальный - ссылка). И решил освежить, а что для продакта важно в Level Up с точки зрения резюме

1. Оцифрованные достижения и факапы (которые не будут повторяться) в нескольких компаниях
Описание адекватных достижений в денежном или метричном эквиваленте в нескольких местах работ.
Нельзя писать «увеличил прибыль компании в пять раз», это значит присвоить себе заслуги c-level.
Ошибки тоже могут быть в вашем резюме, структурированном рассказе и выводах, которые вы делаете по итогам них. Тут же круто наличие сайд-проекта с вашей рефлексией и результатами.

2. Насмотренность — это бизнес-модели и функции
При озвученной проблеме вы должны выдать 2-3 ситуации или какой-то мощнейший вывод, который расскажет все о вашей экспертизе. Если речь идет о низком ритеншене, то вы должны сразу же поговорить про с1,с2,с3+, про поведение когорт и LTV клиентов. Также вы должны понимать, какие метрики в какой бизнес-модели работают.

3. Разбираться в финансах и экономике продукта и компании.
Вы должны быть подкованы в финансах и экономике предприятия, иначе как вы будете общаться с функциями финансов, операциями и маркетингом. Эти люди отвечают за бюджет, и рассказы про роадмап их не впечатлят и не позволят вам получить от них достойное сотрудничество. Прибылеобразующим функциям всегда платят больше.

4. Структурно выражать свои мысли, управлять ожиданиями
Логика — это про то, чтобы четко понимать профиль собеседника и его нужды. Если вы ничего не сказали — значит, рассказать вам нечего.

5. Разбираться в разработке, дизайне и аналитике
Вас не должны обманывать, вы должны контролировать сроки и эффективность команды, траты на техдолг. Вы должны знать, что такое код ревью, зиро код, чем занимается девопс и чем его работа отличается от фронт-эндера. Чем больше у вас практических навыков, тем выше ваша стоимость на рынке труда.

Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.

Почему проваливаются AI-стартапы и AI-проекты

Все возможности от редакции канала по ссылке.

Большинство AI-проектов умирают не из-за слабых моделей. А из-за плохого продукта, экономики и отсутствия реальной ценности. Вот основные причины.

- Делают AI ради AI. Самая частая ошибка: смотрите, что умеет модель вместо какую дорогую проблему мы решаем. В итоге:
• демо выглядит круто,
• retention низкий,
• платить никто не хочет.

AI снижает стоимость MVP. Но не упрощает поиск PMF.

- Нет moat. Очень много AI-продуктов сейчас: LLM + UI + промпты.
Проблема:
это легко копируется.

Если нет:
• уникальных данных,
• workflow lock-in,
• интеграций,
• distribution,
• сообщества,
то продукт быстро становится commodity.

- AI ускоряет создание артефактов, а не ценности. Команды начинают делать:
• PRD,
• прототипы,
• AI-фичи,
• лендинги
в 10 раз быстрее. Но это не значит, что:
• найден PMF,
• есть retention,
• пользователь меняет поведение.
Очень часто ускоряется “производство активности”, а не обучение о пользователе.

- Human-in-the-loop ломает экономику. На демо AI выглядит автономным.
На практике внутри сидят:
• операторы,
• support,
• QA,
• модераторы,
• аналитики.
Потому что AI:
• галлюцинирует,
• ошибается,
• ломается на edge cases.
Многие AI-компании — это “ручной труд за AI-интерфейсом”.

- AI плохо работает на масштабе. На 100 пользователях всё выглядит магически. На 100 000 начинаются:
• нестандартные сценарии,
• конфликты инструкций,
• длинный контекст,
• падение качества.
AI-системы требуют огромного слоя:
• monitoring,
• evals,
• fallback logic,
• human review.

- Слишком дорогой inference. Особенно больно в:
• AI-видео,
• AI-codegen,
• AI-агентах,
• real-time AI.
На росте выясняется, что каждый активный пользователь буквально сжигает GPU и маржу.

- Distribution важнее технологий. Доступ к моделям есть почти у всех. Поэтому выигрывают не всегда те, у кого лучший AI. А те, у кого:
• аудитория,
• бренд,
• enterprise sales,
• SEO,
• existing platform,
• комьюнити.

- Переоценивают зрелость AI. Многие строят roadmap так, будто AGI уже рядом. Но у моделей всё еще большие ограничения:
• слабая память,
• нестабильный reasoning,
• hallucinations,
• плохая работа в длинных workflows.
Главная ошибка AI-рынка сейчас — думать, что модель и есть продукт.

Все возможности от редакции канала по ссылке.

Границы AI-ускорителей продакта

AI действительно может ускорить продакта в 3–10 раз. Но почти у каждого такого ускорителя есть потолок. Вот где AI начинает ломаться в реальной продуктовой работе.

Все возможности от редакции канала по ссылке.

- AI ускоряет создание артефактов, а не создание ценности. PRD, CJM, ресерч, гипотезы, SQL, саммари — появляются за часы. Но это не значит, что вы быстрее нашли PMF.

- Garbage in - garbage out. Плохие интервью + слабая аналитика + мусорные события = AI просто красиво упакует ошибки.

- AI не знает внутреннюю политику компании. Он не понимает:
• кто реально принимает решения,
• где конфликт интересов,
• какие команды саботируют изменения,
• почему прошлые инициативы умерли.

- Возникает “false velocity”. Кажется, что команда стала быстрее. На деле быстрее стали:
• презентации,
• документы,
• прототипы.

Но не факт, что быстрее стало обучение о пользователе.

- AI плохо держит длинный контекст продукта. Через 20–30 экранов, 5 сегментов и 3 года легаси ответы начинают плыть. Поэтому AI отлично работает:
• в локальных задачах,
• ресерче,
• first draft,
• операционке.

И заметно хуже:
• в стратегии,
• платформенных решениях,
• сложных компромиссах.

- AI-агенты почти всегда требуют сильного оператора. Большинство автономных AI-систем на рынке:
• ломаются на edge-cases,
• требуют постоянной настройки,
• не умеют проверять себя,
• плохо работают без человека рядом.

- Главный bottleneck — не AI, а организация. Обычно 2-3 человека ускоряются в 5 раз. А потом упираются в:
• согласования,
• разработку,
• legal,
• доступы,
• безопасность,
• отсутствие данных.

- Чем выше цена ошибки — тем меньше автономии у AI. Финансы, медицина, enterprise, security — там AI остается copilot’ом, а не самостоятельным исполнителем.

• AI делает рынок более “усредненным”. Когда все используют одинаковые модели:
• гипотезы становятся похожими,
• тексты одинаковыми,
• интерфейсы шаблонными.

Поэтому конкурентное преимущество всё ещё создают:
• уникальные данные,
• скорость исполнения,
• дистрибуция,
• понимание аудитории,
• сильная команда.

Все возможности от редакции канала по ссылке.

Все для роста от редакции канала

1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:

- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды

2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут

3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.

Стеки для быстрого вайбкодинга полноценных приложений

Все возможности от редакции канала по ссылке.

1. AI-first стек (Lovable / Bolt + Supabase + Vercel)
• Lovable / Bolt.new (генерация full-stack приложения)
• Supabase (база данных, auth, storage)
• Vercel (деплой)

Что это дает
• минимальный код руками
• быстрый запуск MVP
• фокус на продукте, а не архитектуре

Примеры проектов / продуктов
• early-stage SaaS лендинги и MVP, собранные через Lovable (включая internal tools и CRM для небольших команд)
• SaaS-генераторы лендингов и AI tools (много проектов типа “AI writing tool”, “AI resume builder”)
• внутренние админки стартапов (CRM, dashboards, аналитика), собранные на Supabase + AI builder

2. Next.js + Supabase + Vercel (де-факто стандарт SaaS)
Стек
• Next.js (frontend + backend API)
• Supabase (DB + auth)
• Tailwind CSS
• Vercel (deploy)

Что это дает
• один язык (TypeScript)
• нормальная масштабируемость
• быстрый production

Примеры реальных продуктов
• Supabase Dashboard (частично экосистема сама на этом стеке)
• Dub.co (open-source short link SaaS)
• Cal.com (частично Next.js стек + API-first подход)
• Indie SaaS: CRM, аналитика, AI-инструменты (очень много проектов в YC и indie space)

3. T3 Stack (Next.js + tRPC + Prisma + Clerk)

Стек
• Next.js
• tRPC (типизированный backend)
• Prisma / Drizzle (ORM)
• Clerk / NextAuth (auth)
• Tailwind

Что это дает
• почти нулевая ошибка на стыке frontend/backend
• строгая типизация end-to-end
• удобен для сложных SaaS

Примеры проектов
• Course platforms и образовательные платформы (типа dashboard + billing + content)
• SaaS для разработчиков (API tools, dev dashboards)
• большое количество YC startups используют T3-подобную архитектуру

4. AI-native платформы (Replit / Base44 / OutSystems)

Стек
• Replit Agent / Base44 / OutSystems
• встроенные DB, auth, deploy
• минимум внешней инфраструктуры

Что это дает
• можно сделать приложение вообще без DevOps
• генерация продукта через промпт
• быстрые прототипы сложной логики

Примеры
• внутренние инструменты для компаний (HR системы, CRM, трекинг задач)
• образовательные приложения, собранные non-dev командами
• прототипы стартапов, которые потом переписываются в Next.js стек

5. Mobile-first стек (Expo / Flutter + Firebase / Supabase)

Стек:
• Expo (React Native) или Flutter
• Firebase или Supabase
• Cursor / AI IDE

Что это дает
• быстрый выход в mobile
• realtime функции
• push-уведомления из коробки

Примеры приложений:
• Discord (частично React Native в мобильных частях)
• Shopify mobile apps (часть экосистемы)
• множество D2C приложений (fitness, finance trackers, habit apps)
• AI chat apps и journaling apps в App Store

Всем роста и быстрых проверок гипотез!

Фреймворки для диагностики проблем в delivery-части

Формируем программу для разборов на уже “послемайских” - https://t.me/productcasebar/240

Если у команды что-то не так, но непонятно что именно — полезно сначала не чинить, а диагностировать систему. Ниже — набор практичных фреймворков и чеклист, которые помогают быстро разложить команду по слоям.

1) Модель диагностики команды (3 слоя). Смотри команду не как людей, а как систему:

1. Люди
• навыки
• мотивация
• роли
• перегруз / недогруз

2. Команда
• коммуникации
• конфликты
• доверие
• распределение ответственности

3. Система / окружение
• процессы
• цели и приоритеты
• структура управления
• внешние зависимости

2) GRPI (очень быстрый аудит команды). Проверка 4 уровней:
• G (Goals) — понимают ли все одну цель?
• R (Roles) — понятно ли, кто за что отвечает?
• P (Processes) — есть ли рабочие правила взаимодействия?
• I (Interpersonal) — есть ли доверие и нормальная коммуникация?

3) Tuckman. Определи, где вы сейчас:
• Forming — знакомство, нет ясности
• Storming — конфликты, борьба за роли
• Norming — появляются правила
• Performing — стабильная продуктивность
• Ошибка менеджмента: требовать performance, когда команда в storming.

4) McKinsey 7S. Проверка баланса:
• Strategy — есть ли стратегия
• Structure — структура команды
• Systems — процессы
• Shared Values — общие ценности
• Skills — навыки
• Staff — люди
• Style — стиль управления
Если 2–3 элемента не синхронизированы — команда сыпется.

5) Belbin
Проверь баланс ролей:
• генераторы идей
• аналитики
• исполнители
• коммуникаторы
• координаторы
• Проблема часто не в людях, а в перекосе ролей (например, 5 идеологов и 0 исполнителей).

В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.

Когда аналитика действительно даёт продакту право принимать решение

Если свыше 8 пунктов - точно инсайт. Если меньше 5, то скорее гипотеза.

1. Есть стабильный паттерн, а не разовый всплеск. Если ты видишь повторяемость (по когортам / неделям / сегментам), а не единичный пик - можно действовать. Пример: churn растёт 3 недели подряд у новых пользователей: системная проблема онбординга, а не шум.

2. Есть причинно-следственная связь, а не просто корреляция. Ты понимаешь почему метрика изменилась.
Не “упал retention”, а “упал retention, потому что users не доходят до value moment (шаг 3)”.

3. Есть декомпозиция метрики до управляемых факторов. Метрика разбита на части, на которые можно влиять.
Пример: CR = трафик × активация × конверсия в оплату, если падает CR, ты знаешь, где именно.

4. Есть сегментация, а не средняя температура. Решения принимаются по сегментам, а не по общему графику.
Пример: общий retention норм, но у Android ниже 10 версии провал.

5. Есть подтверждение из нескольких источников. Если только цифры - риск ложной интерпретации.
Цифры сходятся с:
• интервью
• саппортом
• поведенкой

6. Есть baseline и понятно что такое хорошо. Ты знаешь, с чем сравниваешь:
• прошлые периоды
• рынок
• бенчмарки

7. Есть достаточный объём данных. Решение не принимается на 20 пользователях. Минимум — есть уверенность, что результат не случайный.

8. Есть лаги и отложенные эффекты учтены. Ты понимаешь, что:
• LTV не меняется за день
• retention может проявиться через 2–3 недели

9. Есть контрольная группа или возможность сравнения. A/B, квази-эксперимент или хотя бы before/after с поправками.

10. Есть понятный expected impact. Ты можешь сказать:“если гипотеза верна, +3% к активации, +X к выручке”

11. Решение обратимо или риск ограничен. Даже если данные не идеальны, но:
• можно откатить
• риск контролируем

12. Есть связь с бизнес-метриками, а не vanity. Ты не оптимизируешь:
• клики
• просмотры
если это не ведёт к:
• выручке
• retention
• LTV

13. Есть понимание стоимости ошибки. Иногда данные достаточно хорошие, потому что ошибка дешёвая.
Иногда, наоборот, нужен почти идеальный сигнал.

14. Есть повторяемость гипотезы, результат можно воспроизвести:
• на другой когорте
• в другой стране
• в другой неделе

15. Есть чёткое решение, а не просто интересное наблюдение. Аналитика заканчивается action’ом:
• что делаем
• что не делаем
• что тестируем

В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.

Когда есть ощущение, что что-то с продуктом не так, но непонятно что именно

Собрал простой чек-лист продуктовой культуры. Пройдитесь честно — займет 5 минут, но сильно отрезвляет.

— Есть ли у вас 1 ключевая метрика продукта (не 10, а одна)?
— Команда формулирует цели через результат (например, +15% к retention), а не сделать 20 фич?
— Вы регулярно общаетесь с пользователями (хотя бы 3–5 интервью в неделю)?
— Есть единое место, где хранятся инсайты, а не у каждого в заметках?
— Все инициативы проходят через гипотезы (что изменим - какую метрику двинем - почему)?
— Вы проводите эксперименты, а не просто релизите?
— Есть доступные дашборды, куда реально смотрит команда?
— Продукт, дизайн, разработка и аналитика работают вместе, а не «перекидывают задачи»?
— Команда может сказать «нет» фиче без ценности?
— Руководство поддерживает эксперименты, даже если они неудачные?

Как читать результат:
0–3 да — у вас не продукт, а поток задач
4–7 да — что-то есть, но системности нет
8–10 да — уже продуктовая культура, можно масштабировать

Если интересно — могу бесплатно посмотреть на вашу ситуацию и дать конкретные рекомендации:

— где вы реально находитесь
— что тормозит рост
— какие 2–3 шага дадут максимальный эффект

Пишите в личку или сюда в комментарии разбор — посмотрим на ваш кейс @SKoloskov.

Как писал вчера, собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге.

Возможности для роста в профессии

Наша редакция регулярно ищет возможности для роста. Вот на что стоит обратить внимание:

1. На мной любимом ЛитРес вышла книга Не усложняй от Димы и Леры Ильенковых, ранее про нее и почему надо прочитать, писал тут https://t.me/FreshProductGo/1733. Подарок от меня по реферальной ссылке.

2. Мы тоже собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге. Торопитесь, тут ресурс и возможности ограничены, можно писать сразу @SKoloskov с запросом. Также будем рады издателям и предложениям по релизу книги.

3. Также напоминаем, возможности от редакции канала по ссылке.

Про системные изменения и продуктовый подход к ним

Недавно послушал 409-й выпуск подкаста make sense с директором по продукту Авито Доставки Марией Осиповой. Это очень концентрированный полезными методиками эпизод про то, как внедрять перемены в компаниях, используя продуктовый подход. Если вы лидите команды или строите процессы — крайне рекомендую к прослушиванию.

В Авито одна из сильнейших продуктовых школ, и мне очень откликнулось, как они оцифровывают «человеческий фактор». Выделил несколько системных мыслей:

Нельзя изменить майндсет, насадив это сверху. Люди не начнут думать по-другому просто потому, что кто-то так захотел. Мария считает, что прежде всего изменения должны произойти в поведении того, кто пытается их внедрить. Благодаря среде, которую он выстроит вокруг себя, и своему примеру, изменятся и другие.

Найди тех, у кого тоже болит — люди более склонны решать проблемы, которые есть у них самих. Самый верный путь, в процессе трансформаций обратить внимание на тех, кто почувствовал боль на себе, либо видит ценность этих изменений и ради чего их внедряют. Если вы не можете найти таких союзников, возможно, вам только кажется, что проблема есть, и изменения вообще не нужны.

ИИ и ловушка «среднего варианта». Искусственный интеллект круто собирает лучшие практики и пишет тексты, но он всегда выдает наиболее вероятный и усредненный ответ. В реальности провал внедрения изменений случается из-за игнора человеческого фактора. ИИ не способен учесть индивидуальные особенности, личную мотивацию и циклы адаптации конкретных людей, которым с этими изменениями жить.

Ну и да, все практики, которые Мария озвучила в подкасте, она применяет внутри Авито. Одна из которых – регулярные опросы команд, которые используют как индикатор для изменений: стоит ли сейчас вообще запускать изменения, готова ли к ним система и какой цикл адаптации закладывать.

Подкаст можно послушать здесь