Если вы планируете переход в продакт-менеджмент из смежной роли
Команда GoPractice работает над новой образовательной программой для тех, кто планирует перейти в продакт-менеджмент из смежной роли.
Программа в активной разработке, но уже сейчас мы делимся полезной информацией, проводим закрытые встречи с экспертами и вместе тренируемся решать кейсы для начинающих продакт-менеджеров.
Одним из этих кейсов в своем канале «Продукторий» поделился Владимир Меркушев.
—-
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.
Команда GoPractice работает над новой образовательной программой для тех, кто планирует перейти в продакт-менеджмент из смежной роли.
Программа в активной разработке, но уже сейчас мы делимся полезной информацией, проводим закрытые встречи с экспертами и вместе тренируемся решать кейсы для начинающих продакт-менеджеров.
Одним из этих кейсов в своем канале «Продукторий» поделился Владимир Меркушев.
—-
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.
June 7, 2023
Доменная экспертиза: как понимание сферы или индустрии помогает продакт-менеджеру
Продакт-менеджеры работают в самых разнообразных сферах, в том числе и в индустриях за пределами IT — в торговле, медицине, банкинге, транспорте, недвижимости и многих других.
В каждой из этих сфер есть специфичные для нее знания, обладание которыми позволяет глубже понимать процессы и эффективнее выполнять работу.
Такие знания называют отраслевой или доменной экспертизой.
В этом материале поговорим о том, в чем важность доменной экспертизы для продактов (и тех, кто хочет войти в профессию), в каких сферах она наиболее критична и как ее наработать.
🔗 https://gopractice.ru/skills/domain-expertise/
🖊 Поделитесь с нами своей историей
Мы знаем, что многие из наших студентов после обучения в симуляторе смогли перейти в продуктовую роль. К сожалению, мы знаем далеко не все эти истории.
Если это про вас, то напишите, пожалуйста, нам и расскажите про свой опыт. Можно на почту people@gopractice.io или в телеграме (@eighthours8).
Заранее спасибо!
Продакт-менеджеры работают в самых разнообразных сферах, в том числе и в индустриях за пределами IT — в торговле, медицине, банкинге, транспорте, недвижимости и многих других.
В каждой из этих сфер есть специфичные для нее знания, обладание которыми позволяет глубже понимать процессы и эффективнее выполнять работу.
Такие знания называют отраслевой или доменной экспертизой.
В этом материале поговорим о том, в чем важность доменной экспертизы для продактов (и тех, кто хочет войти в профессию), в каких сферах она наиболее критична и как ее наработать.
🔗 https://gopractice.ru/skills/domain-expertise/
🖊 Поделитесь с нами своей историей
Мы знаем, что многие из наших студентов после обучения в симуляторе смогли перейти в продуктовую роль. К сожалению, мы знаем далеко не все эти истории.
Если это про вас, то напишите, пожалуйста, нам и расскажите про свой опыт. Можно на почту people@gopractice.io или в телеграме (@eighthours8).
Заранее спасибо!
GoPractice
ᐈ Доменная экспертиза: как понимание сферы или индустрии помогает продакт-менеджеру
Доменная экспертиза — это специфичные знания в определенной индустрии или на определенном рынке. Как они помогают в работе продакт-менеджера?
June 14, 2023
Data Scientist и ML Engineer: в чем разница?
При работе над AI/ML-проектом или найме команды для него часто можно столкнуться с путаницей в названиях ролей. Сегодня обсудим, в чем разница между Data Scientist и ML Engineer.
Для начала оговоримся, что в разных компаниях терминология может отличаться. Например, в Meta аналитиков называют Data Scientists, хотя их работа имеет мало общего с машинным обучением. Вы можете столкнуться с такими особенностями и в других компаниях.
Но давайте рассмотрим классическое понимание зон ответственности ролей Data Scientist и ML Engineer, чтобы лучше понять разницу. Говорить будем именно про роли. Бывает и так, что их может совмещать один и тот же человек.
Data Scientist
Фокусируется на этапе от запуска до доказанной ценности в AI/ML-проекте. Это значит, что он вовлечен в проработку проблемы и целей проекта, погружается в специфику бизнеса, общение с экспертами предметной области. Он отвечает за подготовку датасета, поиск инсайтов в данных, обучение и выбор оптимальных ML-моделей, проведение и оценку экспериментов.
ML Engineer
Подключается на этапе, когда Data Scientist смог создать полезную модель. ML Engineer отвечает за путь от доказанной ценности к масштабированию в AI/ML-проекте. Его задача в том, чтобы взять работающую «на коленке» ML-модель и выстроить вокруг нее необходимую инфраструктуру и системы, чтобы она могла надежно работать в продакшене и под нагрузкой.
Аналогия
Если проводить аналогию с продуктом, то Data Scientist ответственен за создание работающего прототипа, а ML Engineer — за превращение этого прототипа в полноценный продукт, рассчитанный на массовую аудиторию.
🎓🎓🎓
AI/ML-проекты часто обладают высокой сложностью и неопределенностью, как в технической плоскости, так и в продуктово-бизнесовой. Именно поэтому сейчас набирает популярность роль AI/ML Product Manager.
Освоить ее вы можете в «Симуляторе управления ML/AI-проектами» от GoPractice. Получите бесплатный доступ к первым главам, запросив триал через почту contacts@gopractice.ru.
При работе над AI/ML-проектом или найме команды для него часто можно столкнуться с путаницей в названиях ролей. Сегодня обсудим, в чем разница между Data Scientist и ML Engineer.
Для начала оговоримся, что в разных компаниях терминология может отличаться. Например, в Meta аналитиков называют Data Scientists, хотя их работа имеет мало общего с машинным обучением. Вы можете столкнуться с такими особенностями и в других компаниях.
Но давайте рассмотрим классическое понимание зон ответственности ролей Data Scientist и ML Engineer, чтобы лучше понять разницу. Говорить будем именно про роли. Бывает и так, что их может совмещать один и тот же человек.
Data Scientist
Фокусируется на этапе от запуска до доказанной ценности в AI/ML-проекте. Это значит, что он вовлечен в проработку проблемы и целей проекта, погружается в специфику бизнеса, общение с экспертами предметной области. Он отвечает за подготовку датасета, поиск инсайтов в данных, обучение и выбор оптимальных ML-моделей, проведение и оценку экспериментов.
ML Engineer
Подключается на этапе, когда Data Scientist смог создать полезную модель. ML Engineer отвечает за путь от доказанной ценности к масштабированию в AI/ML-проекте. Его задача в том, чтобы взять работающую «на коленке» ML-модель и выстроить вокруг нее необходимую инфраструктуру и системы, чтобы она могла надежно работать в продакшене и под нагрузкой.
Аналогия
Если проводить аналогию с продуктом, то Data Scientist ответственен за создание работающего прототипа, а ML Engineer — за превращение этого прототипа в полноценный продукт, рассчитанный на массовую аудиторию.
🎓🎓🎓
AI/ML-проекты часто обладают высокой сложностью и неопределенностью, как в технической плоскости, так и в продуктово-бизнесовой. Именно поэтому сейчас набирает популярность роль AI/ML Product Manager.
Освоить ее вы можете в «Симуляторе управления ML/AI-проектами» от GoPractice. Получите бесплатный доступ к первым главам, запросив триал через почту contacts@gopractice.ru.
June 19, 2023
Как Duolingo перезапустил рост
В 2018 году Duolingo, одно из самых популярных приложений для изучения языка, фактически перестало расти. Аудитория увеличивалась на единицы процентов год к году, в то время как инвесторы ждали уверенного роста доходов приложения.
Jorge Mazal (Хорхе Мазал), бывший CPO Duolingo, поделился увлекательной историей того, какие эксперименты и решения позволили перезапустить рост продукта и добиться увеличения аудитории в 4.5 раза за четыре года.
Его откровенный рассказ будет актуален для всех, кто решает задачу роста в своих продуктах или планирует к ней приступить.
🔗 https://gopractice.ru/stories/duolingo-growth-story/
Прокачайте свои навыки
Если вы хотите получить системное понимание того, как устроен рост продуктов и с помощью каких рычагов вы можете на него повлиять, присоединяйтесь к студентам «Симулятора управления ростом продукта».
В 2018 году Duolingo, одно из самых популярных приложений для изучения языка, фактически перестало расти. Аудитория увеличивалась на единицы процентов год к году, в то время как инвесторы ждали уверенного роста доходов приложения.
Jorge Mazal (Хорхе Мазал), бывший CPO Duolingo, поделился увлекательной историей того, какие эксперименты и решения позволили перезапустить рост продукта и добиться увеличения аудитории в 4.5 раза за четыре года.
Его откровенный рассказ будет актуален для всех, кто решает задачу роста в своих продуктах или планирует к ней приступить.
🔗 https://gopractice.ru/stories/duolingo-growth-story/
Прокачайте свои навыки
Если вы хотите получить системное понимание того, как устроен рост продуктов и с помощью каких рычагов вы можете на него повлиять, присоединяйтесь к студентам «Симулятора управления ростом продукта».
GoPractice
ᐈ Как Duolingo перезапустил рост
Как зрелый продукт смог увеличить аудиторию на 350% — рассказывает экс-СPO Duolingo, приложения для изучения языков.
June 28, 2023
Переход в продакт-менеджмент внутри компании: как надо и не надо это делать
Переход внутри компании на позицию продакт-менеджера из смежной роли — один из самых эффективных способов начать продуктовую карьеру. Вы можете задействовать свои выстроенные отношения с коллегами, доменную экспертизу, глубокие понимание процессов и решаемых продуктом задач.
Идея заключается в том, чтобы начать выполнять продуктовые задачи до формального получения позиции продакта. Это позволит показать ваши знания, мотивацию и ценность для компании.
Однако в реальности на этом пути вас могут ожидать различные блокеры, самый частый из которых — нехватка времени и скепсис со стороны коллег. Но с этим можно справиться, подготовив верную стратегию.
В этом материале на реальном примере разбираем ошибки кандидата на переход в продуктовую роль и вместе с экспертами объясняем, как надо и как не стоит подходить к этому процессу.
🔗 https://gopractice.ru/skills/moving-to-pm-the-right-way/
💡💡💡
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.
Переход внутри компании на позицию продакт-менеджера из смежной роли — один из самых эффективных способов начать продуктовую карьеру. Вы можете задействовать свои выстроенные отношения с коллегами, доменную экспертизу, глубокие понимание процессов и решаемых продуктом задач.
Идея заключается в том, чтобы начать выполнять продуктовые задачи до формального получения позиции продакта. Это позволит показать ваши знания, мотивацию и ценность для компании.
Однако в реальности на этом пути вас могут ожидать различные блокеры, самый частый из которых — нехватка времени и скепсис со стороны коллег. Но с этим можно справиться, подготовив верную стратегию.
В этом материале на реальном примере разбираем ошибки кандидата на переход в продуктовую роль и вместе с экспертами объясняем, как надо и как не стоит подходить к этому процессу.
🔗 https://gopractice.ru/skills/moving-to-pm-the-right-way/
💡💡💡
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.
GoPractice
ᐈ Переход в продакт-менеджмент внутри компании: как надо и не надо это делать
Как правильно построить процесс перехода на позицию продакт-менеджера внутри своей компании? Советы и рекомендации экспертов.
July 5, 2023
Сложные проценты и экспоненциальный рост в продакт-менеджменте
Представьте, что вы хотите сделать вклад в банке на сумму $1000. У вас есть два варианта: положить их под простой процент со ставкой 10% ежемесячно к изначальной сумме или под сложный процент со ставкой 5%, то есть он будет начисляться к общей сумме вклада на конец каждого месяца.
В первом случае через год ваш депозит увеличится до $2200, а во втором — до $1795.9. На конец второго года — $3400 против $3225.1. Но еще через год ситуация изменится, и сложный процент становится выгоднее — $4600 против $5791.8.
Конечно, это очень упрощенный пример, но он хорошо демонстрирует, как работают сложные проценты и экспоненциальный рост. Это важные понятия не только для сферы финансов, но и для продакт-менеджера. Они необходимы для того, чтобы отслеживать, измерять и прогнозировать циклы роста в продукте.
Понимание того, как работают сложные проценты и экспоненциальный рост, позволяет обнаруживать новые рычаги для роста, принимать верные решения и избегать ошибок при масштабировании продукта.
В этом материале мы обсудим основы сложных процентов и экспоненциального роста и их применение в продакт-менеджменте.
🔗 https://gopractice.ru/channels/compound-and-exponential-growth-in-product-management/
Прокачайте свои навыки с поддержкой ментора
С поддержкой опытного наставника вы быстрее найдете рычаги, с помощью которых вы сможете влиять на рост своего продукта.
Присоединяйтесь к группе прохождения «Симулятора управления ростом продукта» с поддержкой ментора.
В группе с ментором вы пройдете курс за 18 недель.
Старт — 19 июля.
Стоимость обучения — 129 900 ₽.
Осталось 3 места.
Подать заявку = заполнить форму регистрации и выбрать «Тариф с ментором».
Представьте, что вы хотите сделать вклад в банке на сумму $1000. У вас есть два варианта: положить их под простой процент со ставкой 10% ежемесячно к изначальной сумме или под сложный процент со ставкой 5%, то есть он будет начисляться к общей сумме вклада на конец каждого месяца.
В первом случае через год ваш депозит увеличится до $2200, а во втором — до $1795.9. На конец второго года — $3400 против $3225.1. Но еще через год ситуация изменится, и сложный процент становится выгоднее — $4600 против $5791.8.
Конечно, это очень упрощенный пример, но он хорошо демонстрирует, как работают сложные проценты и экспоненциальный рост. Это важные понятия не только для сферы финансов, но и для продакт-менеджера. Они необходимы для того, чтобы отслеживать, измерять и прогнозировать циклы роста в продукте.
Понимание того, как работают сложные проценты и экспоненциальный рост, позволяет обнаруживать новые рычаги для роста, принимать верные решения и избегать ошибок при масштабировании продукта.
В этом материале мы обсудим основы сложных процентов и экспоненциального роста и их применение в продакт-менеджменте.
🔗 https://gopractice.ru/channels/compound-and-exponential-growth-in-product-management/
Прокачайте свои навыки с поддержкой ментора
С поддержкой опытного наставника вы быстрее найдете рычаги, с помощью которых вы сможете влиять на рост своего продукта.
Присоединяйтесь к группе прохождения «Симулятора управления ростом продукта» с поддержкой ментора.
В группе с ментором вы пройдете курс за 18 недель.
Старт — 19 июля.
Стоимость обучения — 129 900 ₽.
Осталось 3 места.
Подать заявку = заполнить форму регистрации и выбрать «Тариф с ментором».
GoPractice
ᐈ Сложные проценты и экспоненциальный рост в продакт-менеджменте
Формула сложного процента, понятие экспоненциального роста и примеры их применения в продакт-менеджменте.
July 12, 2023
Привет!
До 25 июля открыт набор в магистратуру Высшей школы экономики на программу, частью которой является наш «Симулятор управления продуктом на основе данных».
Эта программа готовит профессионалов в управлении продуктом и маркетингом на основе данных.
Обучение проводится в офлайне и длится два года, выпускники получают диплом магистра государственного образца и сертификат GoPractice.
В программе предусмотрены бюджетные места, а для поступления не требуются экзамены. Узнать больше можно по ссылке.
Прием документов — до 25 июля, а 22 июля пройдет онлайн-встреча с кураторами и преподавателем магистратуры.
До 25 июля открыт набор в магистратуру Высшей школы экономики на программу, частью которой является наш «Симулятор управления продуктом на основе данных».
Эта программа готовит профессионалов в управлении продуктом и маркетингом на основе данных.
Обучение проводится в офлайне и длится два года, выпускники получают диплом магистра государственного образца и сертификат GoPractice.
В программе предусмотрены бюджетные места, а для поступления не требуются экзамены. Узнать больше можно по ссылке.
Прием документов — до 25 июля, а 22 июля пройдет онлайн-встреча с кураторами и преподавателем магистратуры.
July 19, 2023
Большие языковые модели: основы для тех, кто хочет строить продукты на их базе
Продукты на основе генеративного искусственного интеллекта стремительно ворвались в нашу реальность за последний год.
Еще несколько лет назад было сложно представить, что модели смогут генерировать изображения на основе текста или писать эссе в форме стихов на заданную тему. Причем делать это на уровне, который не уступает человеку. Сегодня продуктами на основе таких моделей пользуются миллионы людей, решая самые разнообразные задачи.
Для многих такие технологии выглядят как магия, которая открывает невероятные возможности. Бизнес не стал исключением в погоне за этими возможностями: CEO и основатели компаний начали активно требовать от своих команд найти способы внедрения решений на базе генеративного AI в свои продукты.
Но чтобы действительно создать ценность с помощью этих технологий, необходимо понимать их основы: как они работают, где именно принесут пользу, какие у них ограничения и риски.
В этом материале мы простыми словами и без сложной математики разберем, как работают большие языковые модели. Это позволит вам понимать возможности и степени свободы этой технологии, чтобы строить на ее основе новые продукты.
🔗 https://gopractice.ru/product/large-language-models/
🎓🎓🎓
Присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice, где вы проработаете типовые кейсы внедрения ML-решений.
Это даст вам фундамент для работы над практически любым ML-проектом, а интерактивный формат симулятора позволит сразу окунуться в практику.
Продукты на основе генеративного искусственного интеллекта стремительно ворвались в нашу реальность за последний год.
Еще несколько лет назад было сложно представить, что модели смогут генерировать изображения на основе текста или писать эссе в форме стихов на заданную тему. Причем делать это на уровне, который не уступает человеку. Сегодня продуктами на основе таких моделей пользуются миллионы людей, решая самые разнообразные задачи.
Для многих такие технологии выглядят как магия, которая открывает невероятные возможности. Бизнес не стал исключением в погоне за этими возможностями: CEO и основатели компаний начали активно требовать от своих команд найти способы внедрения решений на базе генеративного AI в свои продукты.
Но чтобы действительно создать ценность с помощью этих технологий, необходимо понимать их основы: как они работают, где именно принесут пользу, какие у них ограничения и риски.
В этом материале мы простыми словами и без сложной математики разберем, как работают большие языковые модели. Это позволит вам понимать возможности и степени свободы этой технологии, чтобы строить на ее основе новые продукты.
🔗 https://gopractice.ru/product/large-language-models/
🎓🎓🎓
Присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice, где вы проработаете типовые кейсы внедрения ML-решений.
Это даст вам фундамент для работы над практически любым ML-проектом, а интерактивный формат симулятора позволит сразу окунуться в практику.
GoPractice
ᐈ Большие языковые модели: основы для тех, кто хочет строить продукты на их базе
Как работает ChatGPT и другие большие языковые модели LLM (large language models) и почему это важно знать тем, кто хочет строить продукты на их основе
July 20, 2023
Как ML-технологии помогают улучшать Retention продуктов
Retention — ключевая метрика для большинства продуктов. Именно поэтому команды, которые начинают внедрять ML в свои продукты, быстро приходят к вопросу о том, как использовать эти технологии для лучшего удержания пользователей.
Один из наиболее распространенных подходов к решению этой задачи — прогнозирование оттока пользователей (churn prediction). Определив пользователей, которые с высокой вероятностью уйдут, мы можем предложить им скидки, бонусы и другие преимущества, которые позволят удержать их в продукте.
Однако в реальности такие проекты редко приносят ценность бизнесу. Часто у команд получается обучить модель, которая хорошо предсказывает уход пользователей, но им не удается добиться того, чтобы попытки удержать их оказались финансово выгодными.
В этом материале обсудим альтернативный подход к улучшению Retention с помощью ML — uplift-моделирование — и то, как он позволяет эффективнее тратить бюджеты на удержание пользователей.
🔗 https://gopractice.ru/product/ml-retention-improvement/
🎓🎓🎓
Если вы хотите научиться не только видеть возможности для использования ML в своих проектах, но и уметь превращать их в работающие для бизнеса решения, присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice.
Получите бесплатный доступ к первым главам, запросив триал через почту contacts@gopractice.ru.
Retention — ключевая метрика для большинства продуктов. Именно поэтому команды, которые начинают внедрять ML в свои продукты, быстро приходят к вопросу о том, как использовать эти технологии для лучшего удержания пользователей.
Один из наиболее распространенных подходов к решению этой задачи — прогнозирование оттока пользователей (churn prediction). Определив пользователей, которые с высокой вероятностью уйдут, мы можем предложить им скидки, бонусы и другие преимущества, которые позволят удержать их в продукте.
Однако в реальности такие проекты редко приносят ценность бизнесу. Часто у команд получается обучить модель, которая хорошо предсказывает уход пользователей, но им не удается добиться того, чтобы попытки удержать их оказались финансово выгодными.
В этом материале обсудим альтернативный подход к улучшению Retention с помощью ML — uplift-моделирование — и то, как он позволяет эффективнее тратить бюджеты на удержание пользователей.
🔗 https://gopractice.ru/product/ml-retention-improvement/
🎓🎓🎓
Если вы хотите научиться не только видеть возможности для использования ML в своих проектах, но и уметь превращать их в работающие для бизнеса решения, присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice.
Получите бесплатный доступ к первым главам, запросив триал через почту contacts@gopractice.ru.
GoPractice
ᐈ Как ML-технологии помогают улучшать Retention продуктов
Как ML-технологии помогают улучшать Retention продуктов. Прогнозирование оттока пользователей (churn prediction) и uplift-моделирование (uplift modelling).
July 26, 2023
Как Facebook не стал TikTok
Facebook был близок к тому, чтобы занять нишу TikTok… но сознательно решил этого не делать. Cпустя несколько лет команда Facebook передумала. Но было уже слишком поздно.
Что же пошло не так?
Новостная лента Facebook создавалась таким образом, чтобы понимать предпочтения пользователей и показывать контент, который стимулирует активность и вовлечение.
Изначально лента состояла преимущественно из публикаций друзей, но со временем контент профессиональных креаторов (преимущественно короткие видео, новости и т.д.) стал занимать все большую долю показов.
Такой профессиональный контент значительно лучше вовлекал пользователей. Возможно, вы помните, как несколько лет назад лента Facebook превратилась в сплошной поток виральных видео, от которых было сложно оторваться.
Но в 2018 году Facebook решил, что нужно вернуться к истокам и сделать ставку на контент от друзей и общение между людьми. В рамках выбранной стратегии Facebook сильно ограничил показы в ленте виральных видео, новостей и другого профессионального контента. Вес же постов от друзей или же обсуждений от них стал значительно выше.
Менеджмент Facebook обосновал свое решение тем, что потребление видео и новостей — это «пассивный опыт». А целью компании является построение глобального комьюнити, ядром ценности которого является общение.
Больше всего от этого решения пострадали креаторы, которые инвестировали много времени и ресурсов в создание контента для площадки. На тот момент это казалось хорошим шагом, который сфокусировал продукт на его ключевой и уникальной ценности. Но сейчас понятно, что это не так.
В реальности к тому моменту личное общение уже давно утекло за пределы основного приложения Facebook в мессенджеры (Messenger, WhatsApp, Telegram, Snapchat). Поэтому попытка оживить паттерны использования соцсети, с которых она начиналась, была обречена на провал. Как раз наоборот, у компании была отличная возможность превратить свой главный продукт (приложение Facebook) во что-то другое, например, сфокусировать его на потреблении лучшего контента, который создает максимальное вовлечение и не ограничен социальный графом (напоминает что-то, не так ли?).
К началу 2018 года месячная аудитория TikTok составляла всего лишь 55 млн. Месячная же аудитория пользователей Facebook, у кого новостная лента уже превратилась во что-то подобное Tiktok, была в разы больше.
Но команда Facebook не прислушалась к сигналам того, что хотят пользовзатели. Она решила, что «правильнее» пользователям будет видеть контент от их друзей.
Это решение привело к серьезному падению time spent и выручки Facebook. Но что более критично, Facebook добровольно отдали новый растущий рынок TikTok.
Спустя несколько лет аудитория TikTok превысит 1 млрд активных пользователей. Во многом этот рост случился благодаря Facebook. TikTok стал одним из крупнейших рекламодателей соцсети, и неудивительно, что их вовлекающий контент прекрасно работал в роли рекламных креативов, которые эффективно перетаскивали пользователей (ну или как минимум их внимание) из одной соцсети в другую.
Когда команда Facebook осознала, что ее пользователи уходят в TikTok, то было принято решение наверстать упущенное. Они попробовали превратить Instagram и свое основное приложение в TikTok. Только трюк, который сработал при копировании Stories из Snapchat, не сработал в этот раз, и компания была вынуждена откатить часть изменений.
Копирование Stories стало большим успехом по той причине, что ключевым фактором ценности для такого продукта является граф друзей, который в Instagram/Whatsapp/Facebook был намного более полным и развитым, чем в Snapchat.
В случае же TikTok социальный граф не играет ключевой роли. Все сводится к качеству рекомендаций и контента. А качество контента зависит в первую очередь от креаторов. Тех самых, которых Facebook спугнул в 2018 году.
Facebook был близок к тому, чтобы занять нишу TikTok… но сознательно решил этого не делать. Cпустя несколько лет команда Facebook передумала. Но было уже слишком поздно.
Что же пошло не так?
Новостная лента Facebook создавалась таким образом, чтобы понимать предпочтения пользователей и показывать контент, который стимулирует активность и вовлечение.
Изначально лента состояла преимущественно из публикаций друзей, но со временем контент профессиональных креаторов (преимущественно короткие видео, новости и т.д.) стал занимать все большую долю показов.
Такой профессиональный контент значительно лучше вовлекал пользователей. Возможно, вы помните, как несколько лет назад лента Facebook превратилась в сплошной поток виральных видео, от которых было сложно оторваться.
Но в 2018 году Facebook решил, что нужно вернуться к истокам и сделать ставку на контент от друзей и общение между людьми. В рамках выбранной стратегии Facebook сильно ограничил показы в ленте виральных видео, новостей и другого профессионального контента. Вес же постов от друзей или же обсуждений от них стал значительно выше.
Менеджмент Facebook обосновал свое решение тем, что потребление видео и новостей — это «пассивный опыт». А целью компании является построение глобального комьюнити, ядром ценности которого является общение.
Больше всего от этого решения пострадали креаторы, которые инвестировали много времени и ресурсов в создание контента для площадки. На тот момент это казалось хорошим шагом, который сфокусировал продукт на его ключевой и уникальной ценности. Но сейчас понятно, что это не так.
В реальности к тому моменту личное общение уже давно утекло за пределы основного приложения Facebook в мессенджеры (Messenger, WhatsApp, Telegram, Snapchat). Поэтому попытка оживить паттерны использования соцсети, с которых она начиналась, была обречена на провал. Как раз наоборот, у компании была отличная возможность превратить свой главный продукт (приложение Facebook) во что-то другое, например, сфокусировать его на потреблении лучшего контента, который создает максимальное вовлечение и не ограничен социальный графом (напоминает что-то, не так ли?).
К началу 2018 года месячная аудитория TikTok составляла всего лишь 55 млн. Месячная же аудитория пользователей Facebook, у кого новостная лента уже превратилась во что-то подобное Tiktok, была в разы больше.
Но команда Facebook не прислушалась к сигналам того, что хотят пользовзатели. Она решила, что «правильнее» пользователям будет видеть контент от их друзей.
Это решение привело к серьезному падению time spent и выручки Facebook. Но что более критично, Facebook добровольно отдали новый растущий рынок TikTok.
Спустя несколько лет аудитория TikTok превысит 1 млрд активных пользователей. Во многом этот рост случился благодаря Facebook. TikTok стал одним из крупнейших рекламодателей соцсети, и неудивительно, что их вовлекающий контент прекрасно работал в роли рекламных креативов, которые эффективно перетаскивали пользователей (ну или как минимум их внимание) из одной соцсети в другую.
Когда команда Facebook осознала, что ее пользователи уходят в TikTok, то было принято решение наверстать упущенное. Они попробовали превратить Instagram и свое основное приложение в TikTok. Только трюк, который сработал при копировании Stories из Snapchat, не сработал в этот раз, и компания была вынуждена откатить часть изменений.
Копирование Stories стало большим успехом по той причине, что ключевым фактором ценности для такого продукта является граф друзей, который в Instagram/Whatsapp/Facebook был намного более полным и развитым, чем в Snapchat.
В случае же TikTok социальный граф не играет ключевой роли. Все сводится к качеству рекомендаций и контента. А качество контента зависит в первую очередь от креаторов. Тех самых, которых Facebook спугнул в 2018 году.
August 1, 2023
Рекомендация GoPractice
Многие хотят вырасти в руководителей, но, как показывает практика, после перехода большинство новоиспеченных менеджеров испытывают серьезный синдром самозванца или выгорают. Это неудивительно, ведь 90% навыков, которые им теперь приходится применять в работе, не совпадают с тем, что они делали раньше.
Аня Булдакова (CEO Meander, ex-руководитель продактов в Meta, ex-Intercom) испытала это на себе — и сделала буткемп для менеджеров (или тех, кто только собирается ими стать).
Основные моменты:
— Это пятинедельный авторский курс по основам менеджмента: стратегии, оргдизайну, культуре, процессам и росту подчиненных. Он создан на базе опыта Ани в Meander, Meta, Intercom, а также обучения в Гарварде.
— Курс подойдет тем, кто только начинает свой путь руководителя или же хочет структурировать багаж знаний и открыть для себя новые инструменты.
— Курс рассчитан на руководителя любой функции продуктовой команды. В прошлом потоке у Ани учились дизайнеры, разработчики, исследователи, аналитики (и, конечно, продакты).
— В зависимости от тарифа, вы можете сфокусироваться только на теории и шаблонах — или же добавить практики и нетворкинга с участниками курса.
По этой ссылке — полная информация по программе, ценам и деталям курса. Присоединяйтесь!
Многие хотят вырасти в руководителей, но, как показывает практика, после перехода большинство новоиспеченных менеджеров испытывают серьезный синдром самозванца или выгорают. Это неудивительно, ведь 90% навыков, которые им теперь приходится применять в работе, не совпадают с тем, что они делали раньше.
Аня Булдакова (CEO Meander, ex-руководитель продактов в Meta, ex-Intercom) испытала это на себе — и сделала буткемп для менеджеров (или тех, кто только собирается ими стать).
Основные моменты:
— Это пятинедельный авторский курс по основам менеджмента: стратегии, оргдизайну, культуре, процессам и росту подчиненных. Он создан на базе опыта Ани в Meander, Meta, Intercom, а также обучения в Гарварде.
— Курс подойдет тем, кто только начинает свой путь руководителя или же хочет структурировать багаж знаний и открыть для себя новые инструменты.
— Курс рассчитан на руководителя любой функции продуктовой команды. В прошлом потоке у Ани учились дизайнеры, разработчики, исследователи, аналитики (и, конечно, продакты).
— В зависимости от тарифа, вы можете сфокусироваться только на теории и шаблонах — или же добавить практики и нетворкинга с участниками курса.
По этой ссылке — полная информация по программе, ценам и деталям курса. Присоединяйтесь!
August 1, 2023
Как утратить монополию?
Кажется, что смена лидеров в технологической индустрии — закономерный процесс. В 70-х годах им была IBM, в 90-х — Microsoft. Но почему им не удается удержать этот статус навсегда?
Дело в том, что часто компании становятся заложниками своего основного продукта и бизнеса вокруг него, которые в моменте являются ключевыми для всей индустрии. Но прогресс не стоит на месте, и на смену одним ключевым продуктам и бизнесам приходят другие. Молодые компании находят новые способы удовлетворения потребностей пользователей или даже создают эти потребности с нуля. Тогда весь интерес и капитал начинает течь в новое русло.
В своем эссе Бенедикт Эванс, аналитик и бывший партнер венчурного фонда Andreessen Horowitz, изучает этот феномен более подробно и ищет ответы на вопросы:
• Почему лидеры технологической индустрии уступают доминирующую роль другим компаниям?
• Почему утрата доминирования вовсе не означает конец бизнеса, а может обернуться его кратным ростом?
• Какова роль государственного регулирования в этих процессах?
Мы подготовили адаптированный перевод этого эссе, которое может помочь вам лучше разобраться в трансформациях технологического рынка и по-новому взглянуть на ваш продукт в более широком контексте.
🔗 https://gopractice.ru/market/how-to-lose-a-monopoly/
🎓🎓🎓
Научитесь строить цельную модель роста вашего продукта, определять ключевые риски для нее и минимизировать их на разных уровнях в «Симуляторе управления ростом продукта» от GoPractice.
Кажется, что смена лидеров в технологической индустрии — закономерный процесс. В 70-х годах им была IBM, в 90-х — Microsoft. Но почему им не удается удержать этот статус навсегда?
Дело в том, что часто компании становятся заложниками своего основного продукта и бизнеса вокруг него, которые в моменте являются ключевыми для всей индустрии. Но прогресс не стоит на месте, и на смену одним ключевым продуктам и бизнесам приходят другие. Молодые компании находят новые способы удовлетворения потребностей пользователей или даже создают эти потребности с нуля. Тогда весь интерес и капитал начинает течь в новое русло.
В своем эссе Бенедикт Эванс, аналитик и бывший партнер венчурного фонда Andreessen Horowitz, изучает этот феномен более подробно и ищет ответы на вопросы:
• Почему лидеры технологической индустрии уступают доминирующую роль другим компаниям?
• Почему утрата доминирования вовсе не означает конец бизнеса, а может обернуться его кратным ростом?
• Какова роль государственного регулирования в этих процессах?
Мы подготовили адаптированный перевод этого эссе, которое может помочь вам лучше разобраться в трансформациях технологического рынка и по-новому взглянуть на ваш продукт в более широком контексте.
🔗 https://gopractice.ru/market/how-to-lose-a-monopoly/
🎓🎓🎓
Научитесь строить цельную модель роста вашего продукта, определять ключевые риски для нее и минимизировать их на разных уровнях в «Симуляторе управления ростом продукта» от GoPractice.
GoPractice
ᐈ Как утратить монополию
Почему IBM и Microsoft потеряли лидерство в технологической индустрии? Какие процессы привели к этому и какова роль государственного регулирования?
August 2, 2023
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.
👨🏫
Кстати, на нашем YouTube-канале вышла запись разбора одного из кейсов для junior продакт-менеджеров, который мы сделали вместе со Львом Забудько (Senior Product Manager в Яндексе) в рамках нашего комьюнити.
Из него вы узнаете:
— С чего эффективнее начинать решение кейсов.
— Почему составление финансовой модели обязательно.
— В чем суть продуктового подхода в решении любой задачи.
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.
👨🏫
Кстати, на нашем YouTube-канале вышла запись разбора одного из кейсов для junior продакт-менеджеров, который мы сделали вместе со Львом Забудько (Senior Product Manager в Яндексе) в рамках нашего комьюнити.
Из него вы узнаете:
— С чего эффективнее начинать решение кейсов.
— Почему составление финансовой модели обязательно.
— В чем суть продуктового подхода в решении любой задачи.
August 3, 2023
ML/AI-решения для службы поддержки: как их внедрять
Давайте рассмотрим задачу: вам необходимо принять решение о том, стоит ли автоматизировать поддержку пользователей с помощью ML/AI-технологий — и если да, то каким образом.
У вас есть следующие вводные:
- Продуктом пользуются более восьмидесяти миллионов пользователей в месяц.
- Есть исторические данные о нескольких десятках миллионов обращений в поддержку и ответов на них.
- Ключевые метрики службы поддержки: скорость до первого ответа пользователю и скорость решения проблемы пользователя.
Цель проекта — существенно улучшить ключевые метрики качества службы поддержки, с помощью внедрения ML-технологий и без увеличения штата агентов.
Какой подход из предложенных ниже стоит выбрать для достижения этой цели?
Через пару дней мы поделимся второй частью материала с подробным разбором этого кейса, который базируется на реальном опыте. А пока предлагаем вам выбрать верный, на ваш взгляд, вариант ответа:
Давайте рассмотрим задачу: вам необходимо принять решение о том, стоит ли автоматизировать поддержку пользователей с помощью ML/AI-технологий — и если да, то каким образом.
У вас есть следующие вводные:
- Продуктом пользуются более восьмидесяти миллионов пользователей в месяц.
- Есть исторические данные о нескольких десятках миллионов обращений в поддержку и ответов на них.
- Ключевые метрики службы поддержки: скорость до первого ответа пользователю и скорость решения проблемы пользователя.
Цель проекта — существенно улучшить ключевые метрики качества службы поддержки, с помощью внедрения ML-технологий и без увеличения штата агентов.
Какой подход из предложенных ниже стоит выбрать для достижения этой цели?
Через пару дней мы поделимся второй частью материала с подробным разбором этого кейса, который базируется на реальном опыте. А пока предлагаем вам выбрать верный, на ваш взгляд, вариант ответа:
August 8, 2023
August 8, 2023
Разбор кейса про внедрение ML/AI для оптимизации процессов службы поддержки в крупном продукте
Описанный ниже кейс вдохновлен опытом компании VK, которым они делились в докладе «Поддержка VK: как оставаться поддержкой с человеческим лицом, внедряя ML».
Команда выбрала подход с использованием генеративного AI для того, чтобы делать подсказки ответов агентам. Этот подход позволил сократить время до первого ответа пользователю и время решения проблемы пользователя в пять раз. Это очень существенный результат.
Как было реализовано выбранное решение
Давайте подробнее разберем, как именно работал выбранный способ внедрения ML/AI и в чем его выгоды относительно альтернативных вариантов.
Суть подхода:
▪️ Генеративная модель обучалась in-house на огромной выборке решенных обращений пользователей (команде были доступны большие объемы исторических данных).
▪️ При появлении нового обращения модель генерировала несколько потенциальных вариантов ответов.
▪️ Агент быстро просматривал эти варианты ответа и выбирал наиболее подходящий.
▪️ Далее агент мог скорректировать ответ и отправить его пользователю.
Почему выбранный выше подход — грамотное решение для внедрения AI в таком крупном проекте?
Многие команды допускают ошибку, когда сразу пытаются передать ML-модели либо всю важную работу, либо очень значимые ее куски. Однако намного эффективнее как минимум начинать с модели copilot, когда ML/AI помогает закрывать рутинные и повторяющиеся задачи, а финальное решение и ответственность остается за человеком.
Плюсы такого подхода:
▪️ Благодаря ручной проверке нет репутационных рисков для компании, ведь модель может сгенерировать все что угодно, включая токсичную или некорректную информацию.
▪️ Генеративные модели позволяют формировать ответы на вопросы пользователей, которые похожи на ответ сотрудника поддержки (как это происходит, мы разбирали в статье).
▪️ Наличие потенциальных вариантов ответов позволяет существенно повысить эффективность работы агента, сокращая время на поиск необходимых деталей, формирование и набор ответа.
Когда имеет смысл обучать собственную генеративную модель для автоматизации процессов в поддержке
Выбранный подход с обучением собственной генеративной модели будет оптимальным решением далеко не для всех продуктов и ситуаций.
Обучение отдельной генеративной модели может быть оправдано, если:
▪️ Компания обладает экспертизой и большим количеством ресурсов (финансовых и вычислительных), чтобы самостоятельно обучить и заточить под свои нужды большую языковую модель (LLM). Только вычислительные затраты на обучение такой модели могут составлять сотни тысяч долларов.
▪️ Компания не может использовать внешние сервисы с LLM, так как не может передавать данные за пределы своего IT-контура.
В других случаях можно либо полагаться на внешние сервисы, либо же искать другие пути оптимизации процессов с помощью AI.
Потенциальные подходы для автоматизации службы поддержки с помощью ML/AI
Выше мы разобрали конкретный кейс, а ниже мы дадим более общие рекомендации по подходу к задаче автоматизации службы поддержки с помощью ML/AI.
Один из распространенных и универсальных подходов для оптимизации процессов службы поддержки — это использование ML-модели для классификации тем обращений пользователей и применения различных алгоритмов/сценариев в зависимости от темы.
Этот вариант подходит для компаний любого масштаба и для решения любых кейсов. В том числе, если сценарии обработки запросов предполагает решения финансовых вопросов или обработку персональных данных.
Затем поверх классификации тем можно пытаться еще глубже автоматизировать ответы по конкретным темам.
Например, если для ответов по определенной теме всегда используются шаблоны и сотрудники не принимают решений, которые несут финансовые, репутационные или другие риски, то можно попробовать заменить агентов на генеративную модель.
Если же ответы подразумевают более глубокое понимание контекста и проблемы, либо же есть риски, то генеративную модель (чаще дообученную генеративную модель в облаке) можно использовать в качестве помощника для агента.
Описанный ниже кейс вдохновлен опытом компании VK, которым они делились в докладе «Поддержка VK: как оставаться поддержкой с человеческим лицом, внедряя ML».
Команда выбрала подход с использованием генеративного AI для того, чтобы делать подсказки ответов агентам. Этот подход позволил сократить время до первого ответа пользователю и время решения проблемы пользователя в пять раз. Это очень существенный результат.
Как было реализовано выбранное решение
Давайте подробнее разберем, как именно работал выбранный способ внедрения ML/AI и в чем его выгоды относительно альтернативных вариантов.
Суть подхода:
▪️ Генеративная модель обучалась in-house на огромной выборке решенных обращений пользователей (команде были доступны большие объемы исторических данных).
▪️ При появлении нового обращения модель генерировала несколько потенциальных вариантов ответов.
▪️ Агент быстро просматривал эти варианты ответа и выбирал наиболее подходящий.
▪️ Далее агент мог скорректировать ответ и отправить его пользователю.
Почему выбранный выше подход — грамотное решение для внедрения AI в таком крупном проекте?
Многие команды допускают ошибку, когда сразу пытаются передать ML-модели либо всю важную работу, либо очень значимые ее куски. Однако намного эффективнее как минимум начинать с модели copilot, когда ML/AI помогает закрывать рутинные и повторяющиеся задачи, а финальное решение и ответственность остается за человеком.
Плюсы такого подхода:
▪️ Благодаря ручной проверке нет репутационных рисков для компании, ведь модель может сгенерировать все что угодно, включая токсичную или некорректную информацию.
▪️ Генеративные модели позволяют формировать ответы на вопросы пользователей, которые похожи на ответ сотрудника поддержки (как это происходит, мы разбирали в статье).
▪️ Наличие потенциальных вариантов ответов позволяет существенно повысить эффективность работы агента, сокращая время на поиск необходимых деталей, формирование и набор ответа.
Когда имеет смысл обучать собственную генеративную модель для автоматизации процессов в поддержке
Выбранный подход с обучением собственной генеративной модели будет оптимальным решением далеко не для всех продуктов и ситуаций.
Обучение отдельной генеративной модели может быть оправдано, если:
▪️ Компания обладает экспертизой и большим количеством ресурсов (финансовых и вычислительных), чтобы самостоятельно обучить и заточить под свои нужды большую языковую модель (LLM). Только вычислительные затраты на обучение такой модели могут составлять сотни тысяч долларов.
▪️ Компания не может использовать внешние сервисы с LLM, так как не может передавать данные за пределы своего IT-контура.
В других случаях можно либо полагаться на внешние сервисы, либо же искать другие пути оптимизации процессов с помощью AI.
Потенциальные подходы для автоматизации службы поддержки с помощью ML/AI
Выше мы разобрали конкретный кейс, а ниже мы дадим более общие рекомендации по подходу к задаче автоматизации службы поддержки с помощью ML/AI.
Один из распространенных и универсальных подходов для оптимизации процессов службы поддержки — это использование ML-модели для классификации тем обращений пользователей и применения различных алгоритмов/сценариев в зависимости от темы.
Этот вариант подходит для компаний любого масштаба и для решения любых кейсов. В том числе, если сценарии обработки запросов предполагает решения финансовых вопросов или обработку персональных данных.
Затем поверх классификации тем можно пытаться еще глубже автоматизировать ответы по конкретным темам.
Например, если для ответов по определенной теме всегда используются шаблоны и сотрудники не принимают решений, которые несут финансовые, репутационные или другие риски, то можно попробовать заменить агентов на генеративную модель.
Если же ответы подразумевают более глубокое понимание контекста и проблемы, либо же есть риски, то генеративную модель (чаще дообученную генеративную модель в облаке) можно использовать в качестве помощника для агента.
August 10, 2023
🎓🎓🎓
В «Симуляторе управления ML/AI-проектами» от GoPractice вы получите фундамент для работы над практически любым ML-проектом, а интерактивный формат симулятора позволит сразу окунуться в практику.
Присоединяйтесь к студентам симулятора прямо сейчас, оплатив всего половину стоимости обучения. Оформить обучение с частичной оплатой можно через почту contacts@gopractice.ru.
В «Симуляторе управления ML/AI-проектами» от GoPractice вы получите фундамент для работы над практически любым ML-проектом, а интерактивный формат симулятора позволит сразу окунуться в практику.
Присоединяйтесь к студентам симулятора прямо сейчас, оплатив всего половину стоимости обучения. Оформить обучение с частичной оплатой можно через почту contacts@gopractice.ru.
August 10, 2023
Как ускорить рост в роли продакт-менеджера: путь от начинающего специалиста до опытного
Начинающий продакт-менеджер обычно отвечает за определенную фичу или часть работы над каким-то проектом (провести исследование рынка, валидировать гипотезу и т.д.), при этом он находится под постоянным присмотром более опытного продакт-менеджера. В своей работе junior-продакт получает узкую задачу с ясными критериями успеха выполнения и низким уровнем неопределенности.
Но что отличает более опытного продакта (например, уровня middle)? В каких рабочих аспектах прослеживается эта разница?
Короткий ответ: опытный продакт-менеджер работает на более высоком уровне неопределенности, отвечает за более обширный кусок продукта, имеет большую ответственность и потенциал влияния на бизнес. Но это довольно обобщенная характеристика.
В этом материале разбираем подробнее, что отличает опытного продакта от начинающего, как устроен профессиональный рост продакт-менеджера и от каких факторов он зависит.
🔗 https://gopractice.ru/skills/product-manager-career-growth/
🚀🚀🚀
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.
Начинающий продакт-менеджер обычно отвечает за определенную фичу или часть работы над каким-то проектом (провести исследование рынка, валидировать гипотезу и т.д.), при этом он находится под постоянным присмотром более опытного продакт-менеджера. В своей работе junior-продакт получает узкую задачу с ясными критериями успеха выполнения и низким уровнем неопределенности.
Но что отличает более опытного продакта (например, уровня middle)? В каких рабочих аспектах прослеживается эта разница?
Короткий ответ: опытный продакт-менеджер работает на более высоком уровне неопределенности, отвечает за более обширный кусок продукта, имеет большую ответственность и потенциал влияния на бизнес. Но это довольно обобщенная характеристика.
В этом материале разбираем подробнее, что отличает опытного продакта от начинающего, как устроен профессиональный рост продакт-менеджера и от каких факторов он зависит.
🔗 https://gopractice.ru/skills/product-manager-career-growth/
🚀🚀🚀
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.
GoPractice
ᐈ Как ускорить рост в роли продакт-менеджера: путь от начинающего специалиста до опытного
Нанимающие менеджеры рассказывают, что отличает опытного продакт-менеджера от начинающего и от каких факторов зависит профессиональный рост.
August 16, 2023
Пет-проекты для тех, кто хочет стать продакт-менеджером
Профессия продакт-менеджера требовательна к практическим навыкам и на старте работы, и даже на этапе изучения вакансий или общения с работодателем.
Один из способов получить недостающий практический опыт — сделать собственный продукт.
Речь не про полноценный стартап, конечно, а про «пет-проект» — небольшой проект, который позволит задействовать и отработать все основные навыки продуктовой работы.
Результаты же этой работы можно упаковать таким образом, чтобы это впечатлило работодателя и повлияло на его решение.
В этом материале обсудим, какими бывают пет-проекты, как найти идею и что делать с ней дальше.
🔗 https://gopractice.ru/skills/pet-projects-to-enter-product-management/
Профессия продакт-менеджера требовательна к практическим навыкам и на старте работы, и даже на этапе изучения вакансий или общения с работодателем.
Один из способов получить недостающий практический опыт — сделать собственный продукт.
Речь не про полноценный стартап, конечно, а про «пет-проект» — небольшой проект, который позволит задействовать и отработать все основные навыки продуктовой работы.
Результаты же этой работы можно упаковать таким образом, чтобы это впечатлило работодателя и повлияло на его решение.
В этом материале обсудим, какими бывают пет-проекты, как найти идею и что делать с ней дальше.
🔗 https://gopractice.ru/skills/pet-projects-to-enter-product-management/
GoPractice
ᐈ Пет-проекты для тех, кто хочет стать продакт-менеджером
Пет-проект (pet-проект; или сайд-проект, как их иногда называют) — это ваш самостоятельный проект. Реализация такого проекта включает основные этапы продуктовой работы: Discovery, Delivery, Analysis.
August 23, 2023
Что делать, если продукт перестал расти?
«Поначалу все выглядит радужно. Темпы роста увеличиваются, продукт растет на сотни процентов год к году. Но вот незадача: спустя год-два цифры уже не так радуют. Может, сезонность? Или что-то еще? Но темпы продолжают падать. Сначала рост на 300%, потом 200%, затем 100%. Последняя цифра уже никуда не годится, если речь идет о стартапе».
Знакомая ситуация? Это нормально. Даже успешные продукты сталкиваются с остановкой роста.
По ссылке вы найдете перевод статьи Andrew Chen (a16z), в которой он делится систематическим подходом к анализу стагнирующего роста.
🔗 https://gopractice.ru/product/growth-stalls/
💡 Пройдите обучение в «Симуляторе управления ростом продукта» от GoPractice. Вы научитесь обоснованно выбирать вектор развития продукта и сбережете месяцы или даже годы работы, которые иначе могли бы не принести ожидаемого результата.
Симулятор можно пройти в рамках основного тарифа самостоятельно онлайн или в группе с ментором. Авторизуйтесь и выбирайте удобный вариант прохождения курса.
«Поначалу все выглядит радужно. Темпы роста увеличиваются, продукт растет на сотни процентов год к году. Но вот незадача: спустя год-два цифры уже не так радуют. Может, сезонность? Или что-то еще? Но темпы продолжают падать. Сначала рост на 300%, потом 200%, затем 100%. Последняя цифра уже никуда не годится, если речь идет о стартапе».
Знакомая ситуация? Это нормально. Даже успешные продукты сталкиваются с остановкой роста.
По ссылке вы найдете перевод статьи Andrew Chen (a16z), в которой он делится систематическим подходом к анализу стагнирующего роста.
🔗 https://gopractice.ru/product/growth-stalls/
💡 Пройдите обучение в «Симуляторе управления ростом продукта» от GoPractice. Вы научитесь обоснованно выбирать вектор развития продукта и сбережете месяцы или даже годы работы, которые иначе могли бы не принести ожидаемого результата.
Симулятор можно пройти в рамках основного тарифа самостоятельно онлайн или в группе с ментором. Авторизуйтесь и выбирайте удобный вариант прохождения курса.
GoPractice
ᐈ Что делать, если продукт перестал расти?
Перевод эссе Andrew Chen (Эндрю Чена), бывшего руководителя команды роста в Uber и автора книги “The Cold Start Problem”.
August 30, 2023