🤔 Как измерить эффект от Product Operations?

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

🤖 Klarna запускает AI-CEO для сбора обратной связи

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

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

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

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

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

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

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

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

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

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

✍️ Prompt-инжиниринг в 2025: практические советы для продакта

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

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

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

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

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

👉 Основные моменты:

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

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

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

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

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

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

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

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

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

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

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

🗓 Июньский дайджест ProdSTa: главные инсайты для продактов

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

🏆 Топ-5 постов июня

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

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

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

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

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

🧩 Ещё крутые темы

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

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

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

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

🖥 Vibe-coding: как продакты создают свои инструменты

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

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

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

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

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

✋ YouTube против OpenAI: кто кого?

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

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

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

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

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

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

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

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

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

🧪 Вся мудрость "голливудских" продактов в бесплатном MBA курсе

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

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

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

Пользуйтесь!

🗺 Гайд по формированию дорожной карты продукта

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

Приятного и полезного чтения!

✋ Как гарантированно утопить стратегию продукта: вредные советы для продактов

Стратегия продукта не продаёт себя сама… но вы ведь не из слабаков, чтобы просить поддержки, правда? Вот как точно не пройти сквозь скепсис стейкхолдеров:

1️⃣ Делайте упор на “что”, забудьте “как”
Зачем показывать дорожную карту, если можно просто нарисовать вдохновляющий график роста? Пусть сами додумают, как вы это реализуете.

2️⃣ Игнорируйте внутреннюю политику
Все стейкхолдеры точно захотят одного и того же. Ни в коем случае не тратьте время на личные встречи — удивление на общем созвоне будет веселее!

3️⃣ Предлагайте только один сценарий — ваш
Альтернативы? Вы что, сомневаетесь в себе? Дайте им одну единственно правильную версию — пусть гадают, как бы выглядел другой сценарий.

4️⃣ Начинайте сразу с глобальных реформ
Пилоты — для слабаков. Настоящие стратеги запускают изменения разом и навсегда. Никаких “экспериментов” — сразу “новая реальность”.

5️⃣ Никогда не спрашивайте “что нужно изменить?” по итогам презентации
Вы же не собрание предложений! Это ваша стратегия, и если кто-то не поддерживает — значит, просто не дорос.

🛟 Ну а если серьёзно — лучше сделайте всё наоборот.

📈 Product-Led Growth: Когда ваш продукт становится лучшим продавцом

Знаете главное отличие многих быстро растущих продуктов от стагнирующих? Первые продают себя сами.

Product-led growth (PLG, рост, основанный на продукте) — это бизнес-стратегия, при которой сам продукт становится главным инструментом для привлечения, активации, вовлечения и удержания клиентов, а также для масштабирования бизнеса.

Читайте далее в новой статье на ScrumTrek — гид по PLG, когда продукт становится драйвером роста: Product-Led Growth: полное руководство

🤖 AI в автопром продуктах: когда данные не равны ценности

Все наверное слышали о том, что автопроизводители утопают в данных от телематики - современный автомобиль генерирует до 25 ГБ данных в час. Но парадокс в том, что 80% этих данных никогда не используются для реальных продуктовых решений. В чем же состоит проблема для продактов в том, чтобы превратить эти данные в инсайты:

1. Проблема "сырых" данных
Основные ловушки:
- Отсутствие единой схемы данных между производителями
- Задержки в обработке из-за edge computing ограничений
- Конфликт между реальным использованием и "идеальными" тестовыми данными

2. Этика
Tesla и BMW уже столкнулись с волной исков из-за непрозрачного использования данных. Тренд на 2025:
- Обязательное информирование пользователей о типах собираемых данных
- Clear Data Agreements, как часть клиентского опыта
- Опт-ин модели вместо скрытого сбора

Есть ли реальные кейсы использования?
Конечно, есть:
- Прогностическое обслуживание (Predictive maintenance) - Volvo сократила простои на 30%
- Динамическое ценообразование страховок (Progressive)
- Персонализация интерфейсов (Mercedes MBUX)