Ищем целевой рынок

«Наш e-commerce маркетплейс достиг product/market fit» ⇒ «Наш целевой рынок — весь мировой ритейл с объемом в $20 трлн» ⇒ «Мы можем построить огромный бизнес».

Звучит впечатляюще? Да, но есть проблема.

Все упирается в то, как определять этот целевой рынок для своего продукта. И часто фаундеры и продакт-менеджеры определяют его гораздо шире, чем тот сегмент, в котором продукт уже подтвердил свою ценность.

Дело в том, что разница между подтвержденным и потенциальным целевым рынком огромна.

Возьмем Amazon. Изначально его целевым рынком были книги в США. Amazon достиг в нем product/market fit и мог управляемо расти.

Конечно, потенциальный рынок Amazon на тот момент был куда большим, и у команды были совершенно оправданные планы расширяться в другие категории.

Но на тот момент у Amazon не было гарантий, что получится достичь product/market fit в этих категориях. Для каждой из них впереди был непростой путь от 0 до 1, от идеи до доказанной ценности.

И только когда Amazon удавалось доказать ценность и достичь product/market fit в новой категории, компания расширяла свое понимание подтвержденного целевого рынка.

Не так важно, какое именно словесное определение вы даете термину «целевой рынок», как важно осознание разницы между подтвержденным и потенциальным целевыми рынками. Оно помогает удерживать в голове две картины: насколько большой может стать текущая версия продукта (подтвержденный рынок) и к чему команда стремится в долгосрочной перспективе (потенциальный рынок).

Продакт-менеджер: что и зачем он делает?

Продакт-менеджеры решают огромное количество разных задач.

Этих задач так много и они такие разные, что часто за суетой их решения теряется ответ на важный вопрос: «А зачем?»

Вот неполный список того, что делают продакты в разных компаниях:

✔ мотивируют и координируют команду;
✔ управляют роадмапом;
✔ проводят качественные исследования;
✔ отвечают за целевые метрики;
✔ ищут рычаги и возможности влияния на выручку;
✔ приотизируют и тестируют гипотезы;
✔ проводят A/B-тесты и анализируют результаты;
✔ разбираются с бэклогом;
✔ обрабатывают фич-реквесты от стейкхолдеров, команды продаж, пользователей;
✔ оценивают потенциал влияния разных проектов на опыт пользователей и юнит-экономику продукта;
✔ и многое, многое другое.

Все это важные задачи, но все они являются лишь инструментами для достижения цели.

Цели создать пользовательскую ценность, повышая эффективность решения задач клиентов.

Цели создать ценность для акционеров через конвертацию части ценности для пользователей в выручку.

А все перечисленное выше — просто инструменты и методы, которые помогают в достижении этих целей.

Набор же конкретных инструментов, необходимых продакт-менеджеру, будет меняться от продукта к продукту, от ситуации к ситуации.

Английский для продакт-менеджеров: рекомендации по подготовке к интервью

Переход в международную компанию, где работа ведется на английском языке, — довольно предсказуемый шаг в карьере продакт-менеджера. Но он требует дополнительной подготовки: все имеющиеся знания и навыки требуют адаптации к английскому языку.

Даже если вы уверены, что ваш уровень английского достаточно хорош для того, чтобы поддерживать общение с людьми на разные темы и в разных ситуациях, дополнительная подготовка к интервью все равно потребуется.

В этом материале, который мы сделали совместно с Леной Кочевой, даем пошаговые рекомендации, которые позволят заточить ваш английский язык именно для собеседований на позицию продакт-менеджера в международную компанию.

🔗 https://gopractice.ru/skills/english-pm-interview/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Начинайте с простого, или о цикле усложнения и упрощения продуктов

Если первая версия вашего продукта настолько сложная, что пользователи в нем путаются, то что-то пошло не так.

Первые версии успешных инновационных продуктов обычно простые и интуитивно понятные для конечных пользователей, даже если за ними стоит сложная технология.

Крупнейшие сегодня технологические компании начинались с того, что решали одну специфическую проблему для одного сегмента пользователей.

— Amazon: возможность покупать книги онлайн.

— Uber: возможность заказать лимузин в Сан-Франциско.

— Airbnb: возможность сдать и найти жилье для посетителей конференций и массовых мероприятий.

Если пользователи находят ценность в ранней версии продукта, он эволюционирует.

Шаг за шагом, отвечая на растущие потребности нынешних пользователей и привлекая целевую аудиторию из других сегментов, продукт начинает усложняться.

Усложнение продукта — не результат тщательного и сложного плана, созданного с самого начала. Скорее, это результат эволюционного процесса. Процесса добавления фич, которые просят разные сегменты клиентов, затачивания под запросы крупных клиентов, расширения в смежные рынки.

Каждый из этих процессов и каждое изменение сами по себе не делают продукт сильно сложнее. Но проходит несколько лет, и простой сервис превращается в сложную систему.

Это естественное усложнение продуктов, в свою очередь, открывает окно возможностей для новых продуктов.

Эти новые продукты создают ценность в том числе за счет своей простоты и фокуса на конкретной задаче. Это привлекает к ним пользователей, у которых самые простые запросы и потребности. Им не нужны горы фич. Текущие продукты для них стали слишком продвинутыми, сложными и дорогими.

Это контринтуитивно. Кажется, что для доминирования рынка нужно скопировать функциональность лидирующих конкурентов и добавить к этому еще что-то. Но на самом деле, все работает иначе. Новые продукты выделяют одну задачу и делают ее лучше альтернатив. Они сужают фокус, как минимум на уровне решаемых задач клиентов.

Если вам трудно объяснить пользователям, что делает ваш новый продукт, то сделайте шаг назад. Сфокусируйтесь на самой простой задаче, которую он решает лучше альтернатив.

Как стать продакт-менеджером. Пути перехода из других профессий

Простого пути стать продакт-менеджером с нуля нет.

Дело в том, что даже позиция junior продакт-менеджера подразумевает высокий уровень ответственности и требует большого количества навыков.

Но ведь как-то люди становятся продактами?

В большинстве случаев до этой позиции будет проще «вырасти» из смежной роли, чем с нее стартовать.

Оптимальный трек — переход из смежных позиций, на которые, в свою очередь, можно прийти после получения высшего образования или с меньшим опытом. Такими позициями будут, например, проджект-менеджер, аналитик, маркетолог, а также ряд других.

В этом материале мы подробно разберем:

• Из каких профессий перейти в продакт-менеджмент проще?
• Какой опыт и какие навыки можно будет переиспользовать (в зависимости от предыдущей роли)?
• Какие знания и навыки нужно будет достроить?

🔗 https://gopractice.ru/skills/get-into-pm/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Как улучшить Retention и при этом ухудшить продукт

Метрики продукта не всегда отражают то, насколько эффективно этот продукт решает задачи пользователей.

Рассмотрим эту идею на примере.

Представьте, что вы работаете над продуктом «лопата».

Люди «нанимают» ее, чтобы выкопать траншею.

С текущей версией продукта процесс решения задачи занимает 10 дней. Затем Retention лопаты резко падает — в данном контексте у пользователей нечасто возникает задача копать траншеи.

Продуктовая команда приоритизирует и оценивает свою работу с помощью метрик продукта. В частности, с помощью Retention.

В качестве эксперимента команда уменьшает размер ковша лопаты. Как следствие, Retention лопаты в новой когорте пользователей увеличивается: людям требуется уже 15 дней на решение той же задачи.

Получилось, что продуктовая метрика выросла, но эффективность решения задачи пользователей только упала.

Пример может показаться абсурдным, но такое часто случается в продуктовых командах на самом деле. Они оптимизируют метрики, упуская из вида то, что их продукт начинает решать задачи пользователей все хуже.

Помните, что задача продакт-менеджера — создавать ценность для пользователей через более эффективное выполнение «работ», которые они делегируют.

Jobs to Be Done: почему важно знать, какую именно задачу хотят решить ваши пользователи

Никогда прежде компании не знали так много о своих клиентах, как сегодня. Но при решении их проблем по-прежнему во многом полагаются на удачу, на авось.

Почему?

Часто создатели продуктов слишком сильно фокусируются на построении профилей покупателей и поиске различных корреляций в данных, вместо того чтобы попытаться понять — на какую же «работу» пользователи хотят «нанять» их продукт.

Эту и другие идеи на протяжении многих лет развивал и продвигал Клейтон Кристенсен, американский ученый и профессор Гарвардской школы бизнеса, автор теории «подрывных инноваций» и один из основателей и популяризаторов фреймворка Jobs to Be Done.

Мы предлагаем вам прочитать адаптированный перевод статьи Know Your Customers’ “Jobs to Be Done”, написанной Клейтоном Кристенсеном совместно с соавторами одной из самых известных его книг “Competing Against Luck”, посвященной фреймворку Jobs to Be Done. Статья была опубликована в Harvard Business Review в 2016 году, но остается важной и актуальной и сейчас.

🔗 https://gopractice.ru/stories/jtbd-christensen/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Не оправдывайте плохие метрики

Представьте, что вы выкатили новую фичу спустя недели ее разработки. Или сделали редизайн всего продукта.

Но после запуска вы замечаете резкое снижение метрик.

Что бы вы предприняли?

Многие продакты в такой ситуации начинают искать всевозможные оправдания. Например:

– «Это эффект новизны. Когда пользователи разберутся с изменениями, метрики снова вырастут обратно»

— «Мы достигли локального максимума с прошлой версией продукта. Новой версии нужно время, чтобы набрать обороты»

В большинстве случаев все это не так. Ни время, ни точечные улучшения не помогут выправить метрики.

Такие оправдания — защитный механизм. Признать факт, что вы потратили много времени и усилий впустую, очень трудно. Еще труднее объяснить команде, что пользователи не увидят плоды их труда.

Однако останавливаться на версии продукта, которая демонстрирует более слабые результаты, — худшая альтернатива. Ваш продукт станет менее эффективным не только для текущих пользователей, но и для всех будущих.

Признавать неудачные продуктовые решения важно — и важно извлекать из них инсайты, которые помогут находить лучшие решения в будущем.

Как стать продакт-менеджером. Остаться внутри текущей компании или перейти в другую?

Перейти на позицию продакт-менеджера из смежной роли можно двумя способами: через рост внутри текущей компании и через поиск работы в новой.

У каждого из них есть свои особенности. Первый путь обычно проще и доступнее, поскольку вы уже знаете компанию, рынок, людей и культуру внутри. Второй путь сложнее, но эти усилия кратно окупаются, когда вы находите гораздо более интересное для себя направление или продукт.

В этом материале мы разберем две траектории перехода в продакт-менеджмент и расскажем, как увеличить шансы на каждой из них.

🔗 https://gopractice.ru/skills/current-employer-vs-new-pm/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Фундамент роста продукта

Можете ли вы убедить хотя бы одного человека переключиться на ваш продукт?

Если да, то у вашего продукта есть фундамент роста.

Готовность хотя бы одного пользователя сменить его текущий способ решения задачи на ваш — это первый сигнал о возможности масштабировать продукт. Он подскажет вам, что именно вынуждает пользователя переключиться и в чем заключается ценность вашего решения.

Скорее всего, убедить первого пользователя перейти на новое решение окажется непростой задачей. Но если у вас получилось, далее вы продолжаете процесс с новыми пользователями.

Задайте себе несколько вопросов:

— Какой процент пользователей переключается на ваше решение?

— Знаете ли вы факторы, которые мешают им переключиться?

— Становится ли процесс привлечения людей проще после нескольких итераций по изменению продукта и целевой аудитории?

— Набирает ли процесс обороты со временем?

Если да, то найдите способ автоматизировать процесс — через изменения на уровне продукта или через расширение команды привлечения.

Так начинается путь к устойчивому росту продукта.

«Метод персон» и Jobs to Be Done. Что лучше для работы с целевой аудиторией

Jobs to Be Done (JTBD) — это фреймворк, в основе которого лежит идея, что пользователи «нанимают» продукты для выполнения определенной «работы».

«Метод персон» подразумевает создание портрета представителя целевой аудитории определенного продукта.

Хотя может показаться, что эти подходы противоречат друг другу, на самом деле они оба могут быть полезны при затачивании продукта под потребности целевой аудитории.

Предлагаем вам прочитать адаптированный перевод статьи Personas vs. Jobs-to-Be-Done, опубликованной в блоге Nielsen Norman Group, в котором подробно разбираются преимущества этих подходов и решаемые ими задачи для продуктовых команд.

🔗 https://gopractice.ru/product/personas-vs-jtbd/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Встречайте «Симулятор управления ML/AI-проектами»

Долгое время основные вызовы в применении ML-технологий лежали в инженерной и научной плоскостях.

Развитие технологий привело к тому, что сейчас эти вызовы стремительно смещаются в плоскость продуктовую.

Все чаще вопрос оказывается не в том, как что-то реализовать, а в том, где есть возможности для применения ML-технологий: создадут ли они ценность, принесет ли это выгоду бизнесу, как организовать разработку и довести проект до успешного внедрения.

Все это создает спрос на специалистов, которые способны увидеть возможности для применения машинного обучения и реализовать ML-проект. Уже сейчас зарплата, например, ML/AI-продакта превышает доход обычного продакт-менеджера на 20–40%.

Как стать таким специалистом?

Эту задачу и призван решить наш новый «Симулятор управления ML/AI-проектами».

Почему мы создали симулятор

Представления большинства нетехнических специалистов про ML находятся в одной из двух крайностей:

🪄 Одни видят ML/AI как магию, которая позволяет сделать все, что угодно. Надо лишь поставить задачу разработчикам;

⚙️ Другие же считают, что ML — это что-то очень сложное, глубоко техническое и недоступное.

Такая ситуация возникает по той причине, что человеку со стороны бизнеса достаточно сложно разобраться в ML.

Но на самом деле, если десять лет назад глубокое понимание математики и программирования было необходимым знанием для погружения в ML-индустрию, то на текущем этапе развития алгоритмы и модели стали уже общедоступными.

На этом фоне ключевая ценность работы с ML смещается в способность увидеть возможность для применения машинного обучения, а потом адаптировать существующие алгоритмы и технологии для конкретной прикладной задачи.

Но научиться управлять ML-проектами можно только на практике. А для того чтобы менеджеру доверили такой проект, нужен опыт. Замкнутый круг.

«Симулятор управления ML/AI-проектами» нацелен на то, чтобы разорвать этот круг и дать необходимые навыки и опыт для работы менеджеров ML-проектов.

Чему учит симулятор

🔦 Видеть, где машинное обучение может принести пользу бизнесу;

🤖 Создавать продукты на основе технологий машинного обучения;

🏗 Строить процесс создания и внедрения ML-решений, предотвращать типичные ошибки и проблемы заранее;

💵 Организовать работу над ML-проектами так, чтобы они приносили пользу бизнесу.

Как устроено обучение в симуляторе

Как и в других симуляторах GoPractice, вы погружаетесь в интерактивную историю, в которой вам предстоит помочь компании выбраться из кризиса и стать лидером рынка.

Вы будете учиться, принимать решения, ошибаться, анализировать ошибки, находить новые пути, тестировать и внедрять ML-модели и в конце концов достигать успеха.

Обучение в симуляторе построено вокруг работы над тремя проектами, каждый из которых научит вас решать распространенную ML-задачу:

👓 Задача на основе компьютерного зрения (computer vision);

📊 Прогнозирование продаж;

💡 Создание рекомендательной системы.

Этот симулятор — многолетний практический опыт создания ML-решений, упакованный в двухмесячную интерактивную образовательную программу.

Узнать подробнее о том, зачем продакт-менеджерам, предпринимателям и другим специалистам изучать ML, а также прочитать отзывы наших первых студентов вы можете в нашем блоге по ссылке.

Стоимость и специальное предложение

Стоимость обучения в симуляторе составит 65 900 рублей.

А для тех, кто начнет учиться до 15 мая, цена будет ниже — 59 900 рублей.

Обучение в симуляторе проходит онлайн и в своем темпе. При этом вы всегда можете задать вопрос авторам и получить от них всю необходимую поддержку.

Начать обучение можно прямо сейчас.

Лояльные пользователи — это то, что вы придумали

Продакт-менеджеру легко поддаться убеждению, что его продукт имеет крайне важное значение в жизни пользователей, что они испытывают к нему привязанность.

Но так происходит далеко не всегда.

Обычно все наоборот. Вы как продакт-менеджер постоянно думаете о своих пользователях, тогда как они, в свою очередь, думают о вашем продукте редко.

Представьте менеджера небольшой сети продуктовых магазинов.

Он уверен, что покупатели возвращаются в магазины, потому что лояльны. Но истинные причины могут выходить за рамки неопределенной «лояльности». Например, близкое расположение, низкие цены, фермерские товары.

Если ключевая причина вдруг исчезнет (появится другой магазин еще ближе, цены вырастут или фермерские товары уберут из продажи), то такой «лояльный» покупатель легко переключится на другое решение.

С онлайн-продуктами то же самое. Сегодня ваше решение — лучшее из им известных и доступных, но завтра они могут переключиться на альтернативный вариант. Никакая долгая история ваших взаимоотношений их не остановит. Никакой лояльности здесь и не было.

Конечно, это не всегда так. Есть обратные примеры и самый яркий из них – Apple. Но это скорее редкое исключение, чем правило.

Попробуйте применить такую логику, размышляя о вашем продукте. Подумайте, почему на самом деле пользователи его выбирают. И не переоценивайте роль их лояльности к вашему бренду или продукту.

Junior продакт-менеджер. Что он делает и как встроен в продуктовую команду

То, чем именно будет заниматься конкретный начинающий продакт-менеджер, зависит от набора факторов:

• предыдущего профессионального опыта;
• доменной экспертизы на уровне рынка;
• экспертизы на уровне отдельных частей продукта;
• других факторов.

Обычно руководитель подбирает начинающему продакту задачи, которые опираются на его сильные стороны и помогают постепенно подтягивать слабые.

Именно поэтому реальная работа двух начинающих продакт-менеджеров будет сильно отличаться.

Тем не менее во многом зоны ответственности начинающих продуктовых специалистов близки.

В этом материале мы обсудим, что ждет начинающего продакт-менеджера в первые месяцы работы: как он будет встроен в команду, какая у него зона ответственности и какие задачи он решает.

🔗 https://gopractice.ru/skills/junior-product-manager/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Дизайн A/B-тестов. Инструкция и шаблон

Успешная работа над продуктом напоминает научное открытие: вы двигаетесь от гипотезы к эксперименту и делаете выводы на основе полученных данных. Создавать продукты без экспериментов — значит полагаться на непроверенную (и часто ложную) гипотезу. И работать впустую.

С другой стороны, тщательно спланированный эксперимент поможет вам лучше понимать пользователей и продукт, видеть логические ошибки, корректировать направление развития и направлять усилия команды верным курсом.

В этом материале мы рассказываем, как частые эксперименты делают работу над продуктом более осознанной, и предлагаем шаблон для дизайна эксперимента.

🔗 https://gopractice.ru/data/design-ab-test/

💡 Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

💡 Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.

Почему идеальной ML-модели недостаточно, чтобы построить бизнес вокруг ML

🎓

Перед тем как перейти к кейсу, небольшое напоминание.

Cегодня — последний день, когда можно приобрести «Симулятор управления ML/AI-проектами» по сниженной цене. Завтра стоимость курса вырастет с 59 900 рублей до 65 900 рублей.

Ниже — поучительная история о том, как даже крайне продвинутая ML-модель не помогает избежать провала бизнес-проекта. В нашем симуляторе мы обучаем, как не допустить подобных ситуаций.

👇

В 2021 году Zillow — один из крупнейших маркетплейсов недвижимости в США — объявил о сокращении 25% сотрудников и списании $304 миллионов убытков. На фоне новостей акции Zillow обвалились.

Что же пошло не так?

Дело в том, что значительная часть бизнеса Zillow к этому моменту была выстроена вокруг ML-технологий, крайне точно прогнозирующих текущую стоимость недвижимости. И даже несмотря на то, что сами по себе ML-модели были хорошими и качественными, их интеграция в бизнес-процессы оказалась, можно сказать, катастрофической.

Давайте обсудим, как же так вышло.

Один из известных сервисов Zillow называется Zestimate, и он позволяет владельцам домов в реальном времени отслеживать стоимость своей недвижимости. Работает он, как вы уже догадались, на основе ML-моделей, дающих весьма точные прогнозы.

Изначально Zestimate разрабатывался как механизм повышения Retention маркетплейса. Ведь люди покупают и продают дома не слишком часто, а заходить в Zillow в другие моменты жизни не имеет особого смысла. Зато отслеживать стоимость своего дома на регулярной основе — это уже вполне себе ежемесячный юзкейс, который легко может стать привычкой.

В 2018 году на основе наработок для Zestimate было решено запустить новое направление работы в Zillow. Теперь маркетплейс стал покупать дома для последующей их перепродажи по более высокой цене.

Ценность нового продукта для пользователей была в возможности закрыть сделку по продаже дома очень быстро. После этого Zillow планировали делать ремонт в доме и продавать его с наценкой.

Идея не была оригинальной, но у Zillow были преимущества перед конкурентами: доступ к капиталу и суперточные ML-модели для прогнозирования стоимости дома.

Но ставка на бизнес, выстроенный вокруг ML, не сработала. В 2021 году компания объявила о закрытии программы выкупа домов, а также сократила четверть сотрудников и списала колоссальные убытки.

Проблема была не столько в ML-моделях, сколько в том, как именно их интегрировали в бизнес. Модели хорошо оценивали стоимость домов в текущем моменте. Но сделки по покупке и последующей продаже занимают время, в течение которого стоимость домов может существенно меняться. Именно это случилось в 2021 году, когда на фоне ряда глобальных процессов в экономике произошло охлаждение рынка недвижимости и взаимосвязи между характеристиками домов и их стоимостью поменялись. Все это привело к тому, что примерно 2/3 приобретенных домов оказались куплены по более высоким ценам, чем цена их возможной продажи.

Какие выводы можно сделать из этой истории

Успех бизнеса, выстроенного вокруг ML, зависит не только от технологий машинного обучения как таковых и качества созданных моделей. Важно правильно внедрить эти модели в бизнес. Риск потерпеть неудачу возникает из-за ошибочных предположений, которые с машинным обучением, собственно, никак не связаны.

Какие вопросы можно себе задать, чтобы избежать подобных ошибок

▪️Обеспечены ли ваши ML-модели достаточным мониторингом и актуализацией?

▪️Есть ли скрытые риски за пределами ML, которые могут сильно повлиять на бизнес?


💡Чтобы еще лучше разобраться в работе над ML/AI-проектами и узнать больше кейсов, присоединяйтесь к студентам нашего «Симулятора управления ML/AI-проектами».

Симулятор SQL — теперь на английском!

Мы запустили «Симулятор SQL для продуктовой аналитики» на английском языке — SQL Simulator for Product Analytics.

Напомним, что симулятор рассчитан на тех, кто хочет научиться решать базовые задачи с данными с помощью SQL самостоятельно.

В симуляторе студентов ждут более 400 практических заданий и 50 часов обучения. Разбираемые задачи наиболее релевантны продакт-менеджерам, проджект-менеджерам, маркетологам, специалистам в UX-Research.

Наши студенты учатся доставать, изучать и чистить данные, рассчитывать ключевые метрики и отвечать с их помощью на важные вопросы о продукте и маркетинге.

Все это позволит принимать решения быстрее и эффективнее.

Мы будем рады, если вы поделитесь информацией о нашем симуляторе с вашими англоязычными коллегами. Просто пришлите им ссылку ниже, по которой они могут узнать больше о SQL Simulator for Product Analytics.

🔗 https://gopractice.io/course/sql/

Спасибо!

Зачем продакт-менеджеру изучать ML и AI

В этом материале рассказываем, чем обусловлен столь быстрый прогресс в сфере ML и AI и как эти технологические прорывы влияют на роль продакт-менеджера сегодня.

В 2023 году продукты вроде ChatGPT и Stable Diffusion окончательно захватили внимание людей. Эти генеративные модели рисуют картины, пишут тексты и проходят экзамены на уровне лучших выпускников Стэнфорда.

Кто-то вне себя от восторга, а кто-то — от страха.

Но что это значит для продакт-менеджеров? Нужны ли продактам знания и навыки в ML и AI? Если да, то зачем?

🔗 https://gopractice.ru/skills/ml-ai-for-product-managers/

💡Чтобы научиться работать над ML/AI-проектами и узнать больше кейсов, станьте студентом нашего «Симулятора управления ML/AI-проектами».

Наши друзья и коллеги сделали подборку каналов про продуктовое мышление.

Мы читаем их сами и рекомендуем подписаться и вам: https://t.iss.one/addlist/1tW6oHxTWgo1YzRk

Ошибки начинающих продакт-менеджеров. Примеры и способы самопроверки

Роль продакт-менеджера подразумевает большой уровень ответственности. Решения, которые принимает продакт, могут оказывать большое влияние как на опыт пользователей, так и на бизнес. Но принимать такие решения и никогда не ошибаться — невозможно.

Все возможные ошибки продакт-менеджеров перечислить трудно, но мы выбрали те, которые чаще всего упоминают опрошенные нами эксперты и нанимающие менеджеры.

Чтобы материал был максимально полезным для вас, постарайтесь при чтении каждого пункта задавать себе вопрос: «А не делаю ли я так?». Это простое упражнение может оказаться очень эффективным и позитивно отразиться на качестве вашей работы.

🔗 https://gopractice.ru/skills/junior-pm-mistakes/

Мы запустили программу «Профессия: продакт-менеджер». Она создана специально для «свитчеров» — специалистов, которые переходят в продукт из смежных ролей и индустрий.

В подготовке программы участвовали 40+ экспертов — нанимающих продакт-менеджеров и бывших свитчеров. Это позволило нам приземлить материал на реальность рынка труда. Вы получите те навыки и знания, которые реально от вас ожидают и которые вы сможете реально задействовать в работе.

Узнайте все остальные подробности о новой программе.

О механизмах защиты модели роста и бизнеса

В начале 2021 году капитализация маркетплейса Wish превысила $22 миллиардов.

Сегодня Wish оценивается в районе $160 миллионов.

Компания обесценилась более чем в 100 раз.

Как так получилось? У компании не было достаточно механизмов для защиты модели роста и бизнеса.

Wish — кросс-бордерный маркетплейс, на котором можно приобрести товары напрямую из Китая: обычно речь идет об импульсивных покупках дешевых товаров стоимостью от $5 до $15.

Конечно, Wish не был первопроходцем в этой нише. Уже много лет ту же возможность предлагал AliExpress.

Но у AliExpress не получилось стать mobile first: он так и оставался для аудитории в первую очередь веб-сайтом. Этим и воспользовался Wish, построив mobile first продукт и взяв на вооружение платные каналы роста в мобайле. Эти каналы позволили Wish дотянуться до аудитории, которая не знала или не использовала AliExpress.

Долгие годы Wish был одним из крупнейших рекламодателей в Facebook, что позволило стать маркетплейсу занять лидирующие позиции на рынке e-commerce.

Wish запустился в 2010 году, спустя пять лет он достиг оценки в $1 миллиард, в 2018 году — оценки в $10 миллиардов. После выхода на биржу на пике стоимость Wish достигала $22 миллиардов.

Но сегодня от этой цифры почти ничего не осталось.

Причина в том, что бизнес-модель Wish была слабо защищена на всех ключевых уровнях:

Продукт

Продукт Wish быстро скопировали другие компании, включая Aliexpress, Joom и Vova. Между ними не было значимой разницы, поэтому конкуренция велась преимущественно на уровне цены.

Каналы роста

Модель роста Wish сильно зависела от платных каналов роста, которые защищены очень слабо. Как только конкуренция в мобильных рекламных каналах усилилась и цена установки заметно выросла, Wish стало сложно поддерживать былые темпы роста. Отказ от IDFA в iOS 14 стал добивающим ударом для Wish.

Рынок

Введение НДС на покупки из-за рубежа в странах ЕС в 2021 году сильно ослабило позиции Wish в сравнении с локальными маркетплейсами. Кроме того, Wish оказался под пристальным вниманием регуляторов европейских стран из-за определенных товаров, продававшихся на платформе. Например, во Франции, крупнейшем для маркетплейса рынке региона, Wish и вовсе попал под блокировку.


Все эти факторы сильно подорвали модель роста Wish. Рост остановился, сделав выход на прибыльность практически невозможным для компании.

Недостаток защищенности на уровне продукте, каналов роста и рынка в конечном итоге привели к утрате позиций маркетплейсом и падением его стоимости.

Быстрый рост ≠ способность сохранить ценность.

🎓 🎓 🎓

Устойчивое масштабирование продукта — это действительно непростая работа.

Как построить эту работу правильно, как создать целостную модель роста продукта, идентифицировать ограничения, найти инструменты для реализации возможностей — вы узнаете в процессе обучения в «Симуляторе управления ростом продукта» от GoPractice.

Узнайте больше о нашем симуляторе.