20391
Заметки, продуктовые инсайты, кейсы, обмен экспертизой от Сергея Колоскова. Консультирую по продуктам, процессам, командам, преподаю и провожу воркшопы. Связь - @SKoloskov. Кейсы роста - https://t.me/sergeyproduct
Методика, как работать, когда у тебя много договоренностей
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Когда у тебя становится 15–20 проектов одновременно, ты перестаешь тонуть в задачах. Настоящий хаос начинается из-за договоренностей, контекста и постоянного переключения между проектами. В какой-то момент вся работа превращается в бесконечные попытки вспомнить обсуждали ли это, кто должен был сделать, согласовано это уже или нет, почему команда делает не то, о чем договаривались.
1. Один главный документ на проект. У каждого проекта должна быть одна точка входа, где лежит весь актуальный контекст: цель проекта, последний статус, ссылки, принятые решения, следующие шаги, риски, ответственные. Когда этого нет, мозг начинает тратить огромное количество энергии просто на поиск информации.
2. Фиксировать не задачи, а решения. Большинство команд ведут task tracker, но почти никто не ведет decision log. А потом через месяц начинается попытка восстановить: почему вообще выбрали это решение, кто это согласовал, почему поменяли scope, когда это обсуждалось. После каждого созвона достаточно буквально нескольких строк: что решили, что не решили, кто отвечает, какой дедлайн, какие есть риски.
3. Список ожиданий. На большом количестве проектов ты редко работаешь руками. В основном ты зависишь от других людей: дизайнеров, разработки,клиентов, аналитиков, подрядчиков, юристов. Поэтому главный список выглядит не как To Do, а как Waiting For: ждем estimate от backend, ждем доступы от клиента, ждем макеты, ждем согласование договора.
4. Перестать хранить что-либо в голове. Пока ты пытаешься помнить все сам, мозг постоянно работает в фоне: не забыть написать, не забыть отправить, не забыть согласовать, не потерять договоренность. Из-за этого появляется ощущение, что ты работаешь весь день, но при этом постоянно что-то упускаешь. Нормальная система управления проектами нужна не для контроля команды. Она нужна для разгрузки собственной головы.
5, Раз в неделю нужно пройтись по всем проектам: обновить статусы, убрать мусор, проверить блокеры, понять, где проект реально стоит, а где только создает ощущение движения. На большом количестве проектов выигрывает не тот, кто больше работает.
Выигрывает тот, у кого: минимум хаоса, минимум мест хранения информации, понятные договоренности, прозрачные статусы и пустая голова.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Тысячи ИИ‑проектов умерли, не став продуктами. Почему? Вместо ценности — хайп, сырые данные и «давайте сделаем нейросеть».
Открытый вебинар «Как запустить ИИ‑продукт с нуля: от гипотезы до первых результатов»: регистрация
Спикер Игорь Зуриев говорит на языке управленцев, а не математиков.
За 1,5 часа поймёте:
— Как выбрать идею, которая принесёт деньги
— Какие данные нужны на старте
— Как собрать рабочую версию без переплат
— 3 ошибки, убивающие ИИ‑продукты
Научитесь:
— Отличать игрушку от настоящего продукта
— Оценивать риски до потери бюджета
— Запускать ИИ быстро
Регистрируйтесь сейчас - напомним перед вебинаром: регистрация
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
Получи грант до 75% на ИТ-магистратуру!
Грант в магистратуре Центрального университета фиксируется при зачислении и остается неизменным на весь срок.
Максимальная поддержка — 1 350 000 ₽.
Как получить грант?
— Зарегистрируйся на сайте (вшить ссылку) и заполни заявку в личном кабинете.
— Реши онлайн-контест.
— Пройди собеседование с командой программы.
Обучение начинается в сентябре. Занятия по вечерам и в выходные. Можно совмещать с работой.
В Школе технологий ЦУ ты сможешь прокачать навыки в:
• продуктовом менеджменте;
• машинном обучении;
• продуктовой аналитике;
• бэкенд-разработке.
Программы включают решение реальных задач от Сбера, Ozon, Avito, Х5 Tech, Lamoda, Т-Банка и других крупных ИТ-компаний.
Студенты растут в карьере уже во время обучения, а зарплата увеличивается в среднем на 63%.
Подай заявку и получи шанс на обучение в одной из лучших ИТ-магистратур страны.
Границы AI-ускорителей продакта
AI действительно может ускорить продакта в 3–10 раз. Но почти у каждого такого ускорителя есть потолок. Вот где AI начинает ломаться в реальной продуктовой работе.
Все возможности от редакции канала по ссылке.
- AI ускоряет создание артефактов, а не создание ценности. PRD, CJM, ресерч, гипотезы, SQL, саммари — появляются за часы. Но это не значит, что вы быстрее нашли PMF.
- Garbage in - garbage out. Плохие интервью + слабая аналитика + мусорные события = AI просто красиво упакует ошибки.
- AI не знает внутреннюю политику компании. Он не понимает:
• кто реально принимает решения,
• где конфликт интересов,
• какие команды саботируют изменения,
• почему прошлые инициативы умерли.
- Возникает “false velocity”. Кажется, что команда стала быстрее. На деле быстрее стали:
• презентации,
• документы,
• прототипы.
Но не факт, что быстрее стало обучение о пользователе.
- AI плохо держит длинный контекст продукта. Через 20–30 экранов, 5 сегментов и 3 года легаси ответы начинают плыть. Поэтому AI отлично работает:
• в локальных задачах,
• ресерче,
• first draft,
• операционке.
И заметно хуже:
• в стратегии,
• платформенных решениях,
• сложных компромиссах.
- AI-агенты почти всегда требуют сильного оператора. Большинство автономных AI-систем на рынке:
• ломаются на edge-cases,
• требуют постоянной настройки,
• не умеют проверять себя,
• плохо работают без человека рядом.
- Главный bottleneck — не AI, а организация. Обычно 2-3 человека ускоряются в 5 раз. А потом упираются в:
• согласования,
• разработку,
• legal,
• доступы,
• безопасность,
• отсутствие данных.
- Чем выше цена ошибки — тем меньше автономии у AI. Финансы, медицина, enterprise, security — там AI остается copilot’ом, а не самостоятельным исполнителем.
• AI делает рынок более “усредненным”. Когда все используют одинаковые модели:
• гипотезы становятся похожими,
• тексты одинаковыми,
• интерфейсы шаблонными.
Поэтому конкурентное преимущество всё ещё создают:
• уникальные данные,
• скорость исполнения,
• дистрибуция,
• понимание аудитории,
• сильная команда.
Все возможности от редакции канала по ссылке.
Геймдев — индустрия, у которой продакты из других сфер до сих пор недостаточно воруют механики проверки гипотез
Все возможности от редакции канала по ссылке.
Причем многие механики появились там сильно раньше, чем в SaaS, финтехе или e-commerce. Что стоит брать на вооружение:
1. Vertical Slice вместо «давайте сначала построим платформу». В играх почти никогда не делают «сразу весь продукт».
Сначала собирают Vertical Slice — маленький, но полностью рабочий кусок опыта:
— с настоящим UX,
— настоящей механикой,
— настоящим ощущением прогресса.
Правильный вопрос: может ли пользователь почувствовать главный value loop за 3–5 минут? Если нет — вы строите систему раньше, чем проверили желание ей пользоваться.
2. Retention — главная проверка ценности. В геймдеве никто не считает продукт успешным из-за красивого DAU.
Сначала смотрят:
— D1 retention,
— D7 retention,
— return rate,
— session frequency.
Очень много продуктов ошибочно смотрят:
— регистрации,
— MAU,
— CAC,
— количество фич,
— GMV.
Хотя главный вопрос:
«человек захотел вернуться без принуждения?»
3. Core Loop — основа любого продукта. В играх продукт начинается не с экрана. А с loop’а.
Пример:
действие → награда → ощущение прогресса → новое действие.
Где эмоциональная награда?
Где прогресс?
Где причина вернуться раньше следующей коммуналки?
Поэтому многие продукты ощущаются как «утилита», а не среда постоянного использования.
4. В геймдеве поведение важнее слов. Игрок может говорить: «мне скучно».
Но реальные вопросы:
— на какой минуте он вышел?
— где умер?
— после какого экрана quit?
— сколько секунд стоял без действия?
— куда смотрел курсор?
— где пропустил туториал?
То есть продукт диагностируется на микроуровне поведения. Большинство компаний до сих пор живут на:
— NPS,
— интервью,
— «нам кажется»,
— мнении HIPPO.
5. LiveOps — продукт как живой организм. Самая сильная вещь из геймдева, которую почти никто нормально не перенес. Игра после релиза не «закончена».
Она живет через:
— события,
— сезоны,
— временные режимы,
— ограниченные награды,
— таймеры,
— комьюнити-ивенты.
Большинство сервисов после онбординга превращаются в: «ну… можешь пользоваться при необходимости». А сильные продукты создают ритм жизни пользователя.
6. Баланс экономики через данные. В играх есть огромная дисциплина — balancing. Там постоянно балансируют:
— сложность,
— награды,
— скорость прогресса,
— стоимость действий,
— силу персонажей.
То есть engagement — это не магия.
Это управляемая экономика усилий и вознаграждений.
7. Time-to-fun как универсальная метрика В играх давно поняли: если человек не получил эмоцию быстро — он ушел. Большинство продуктов убивают пользователя до ценности:
— 14 полей регистрации,
— сложный онбординг,
— обучение,
— permissions,
— KYC,
— пустой home screen.
Геймдев учит: ценность должна произойти раньше усталости.
Все возможности от редакции канала по ссылке.
О чём говорят продакты 👀
Как вы считаете, работа продакта — это бесконечные митинги и диаграммы Ганта? На самом деле нет: всё ещё хуже. Продакты, как родители, делают всё, чтобы продвинуть свой продукт: и с соседним отделом поговори, и на конференцию съезди, и с пользователем пообщайся. Работа интересная, но об этом никто не знает, потому что рассказать некогда.
А нам, продактам из Авито, есть когда, поэтому мы создали телеграм-канал «Чтобы что». Будем рассказывать о буднях и внутрянке, а также шутить, постить мемы и иногда душнить (ну мы продакты или кто?)
Например, в канале вышел пост о том, как мы отредактировали процесс собеседований для продактов. Было 8 секций и 70+ дней, а стало 5 секций и… Читайте в посте.
Подписывайтесь, будет интересно!
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
Управленческие навыки: от теории к практике!
Мы подготовили для вас 2 бесплатных вебинара курса «Delivery Manager» для тех, кто хочет освоить современные инструменты управления. Не пропустите — регистрируйтесь прямо сейчас!
🔹 Вебинар 1. Как управлять тимлидами? - https://otus.pw/xwqp/
30 апреля в 20:00 МСК
Программа вебинара:
- Почему управление тимлидами отличается от управления разработчиками
- Главные ошибки: контроль, недоверие, слабое делегирование
- Как выстраивать прозрачность и доверие в командах
- Управление через цели, рамки и метрики вместо задач
- Роль Delivery Manager как системного лидера, а не контролера
🔹 Вебинар 2. Системная диагностика команды и группы команд - https://otus.pw/xwqp/
20 мая в 20:00 МСК
Программа вебинара: Разберём несколько моделей, помогающих оценить команду в разных плоскостях и наметить следующие шаги в сторону командообразования: особенности отдельных людей, особенности группы, окружения.
🎯 Почему стоит участвовать:
• практический подход и инструменты для работы;
• разбор реальных кейсов;
• ответы экспертов в прямом эфире;
👉 Регистрируйтесь сейчас, а мы напомним о вебинаре накануне! OTUS.RU
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru
Когда аналитика действительно даёт продакту право принимать решение
Если свыше 8 пунктов - точно инсайт. Если меньше 5, то скорее гипотеза.
1. Есть стабильный паттерн, а не разовый всплеск. Если ты видишь повторяемость (по когортам / неделям / сегментам), а не единичный пик - можно действовать. Пример: churn растёт 3 недели подряд у новых пользователей: системная проблема онбординга, а не шум.
2. Есть причинно-следственная связь, а не просто корреляция. Ты понимаешь почему метрика изменилась.
Не “упал retention”, а “упал retention, потому что users не доходят до value moment (шаг 3)”.
3. Есть декомпозиция метрики до управляемых факторов. Метрика разбита на части, на которые можно влиять.
Пример: CR = трафик × активация × конверсия в оплату, если падает CR, ты знаешь, где именно.
4. Есть сегментация, а не средняя температура. Решения принимаются по сегментам, а не по общему графику.
Пример: общий retention норм, но у Android ниже 10 версии провал.
5. Есть подтверждение из нескольких источников. Если только цифры - риск ложной интерпретации.
Цифры сходятся с:
• интервью
• саппортом
• поведенкой
6. Есть baseline и понятно что такое хорошо. Ты знаешь, с чем сравниваешь:
• прошлые периоды
• рынок
• бенчмарки
7. Есть достаточный объём данных. Решение не принимается на 20 пользователях. Минимум — есть уверенность, что результат не случайный.
8. Есть лаги и отложенные эффекты учтены. Ты понимаешь, что:
• LTV не меняется за день
• retention может проявиться через 2–3 недели
9. Есть контрольная группа или возможность сравнения. A/B, квази-эксперимент или хотя бы before/after с поправками.
10. Есть понятный expected impact. Ты можешь сказать:“если гипотеза верна, +3% к активации, +X к выручке”
11. Решение обратимо или риск ограничен. Даже если данные не идеальны, но:
• можно откатить
• риск контролируем
12. Есть связь с бизнес-метриками, а не vanity. Ты не оптимизируешь:
• клики
• просмотры
если это не ведёт к:
• выручке
• retention
• LTV
13. Есть понимание стоимости ошибки. Иногда данные достаточно хорошие, потому что ошибка дешёвая.
Иногда, наоборот, нужен почти идеальный сигнал.
14. Есть повторяемость гипотезы, результат можно воспроизвести:
• на другой когорте
• в другой стране
• в другой неделе
15. Есть чёткое решение, а не просто интересное наблюдение. Аналитика заканчивается action’ом:
• что делаем
• что не делаем
• что тестируем
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
Как мне помогает в работе Mind Tracker Neuroenhancment Program?
Сначала контекст. Программа состоит из 3 элементов: нейроинтерфейса, который считывает ЭЭГ, нейрофидбек тренингов и аналитики в реальном времени
Как это выглядит в жизни:устройство в реальном времени выдаёт: когнитивную нагрузку, фокус, вовлечённость, стресс, расслабление. Сегодня у меня за день: пик вовлечённости 100% на одной из задач, падение фокуса до 55% к середине дня, стресс 23% во время конкретного промежутка — я знаю, что происходило в этот момент. Данные не абстрактные, они про конкретные минуты конкретного дня. Теперь кейсы.
1. Когда реально планировать сложные задачи? Стандартный совет — "делай важное утром". Но у всех разные паттерны. Приложение показывает твой личный график когнитивного пика с точностью до получаса. У меня самая высокая вовлечённость и фокус — в районе 10:30–11:30. После 12:30 начинается устойчивый спад. Теперь я жёстко защищаю это окно: никаких синков, никаких созвонов по статусу.
2. Качество решений в зависимости от состояния. Продакты принимают десятки решений в день — и почти никогда не фиксируют, в каком состоянии они их принимали. А зря. Я начал замечать паттерн: решения, принятые при фокусе ниже 50%, через день кажутся мне сырыми. Я их переделываю. Это потери. Теперь если вижу низкие показатели — откладываю приоритизацию, не иду на стратегический разговор, не пишу PRD. Делаю операционку или вообще отдыхаю 15 минут. Звучит очевидно. Но без данных это просто слова.
3. Стресс на встречах. Один из самых интересных сценариев — надеть девайс на сложный разговор: с командой разработки, со стейкхолдером, на защиту роадмапа. После встречи видно: в какой момент пошёл стресс, насколько глубоко, как быстро вернулся в норму. Это материал для ретроспективы на себя. Не "встреча прошла нормально" — а конкретная кривая состояния с таймкодами. У меня однажды стресс 23% зафиксировался, я точно помню что происходило. Теперь знаю, что именно этот тип коммуникации меня триггерит — и могу с этим работать.
4. Оценка форматов работы. Дип-ворк или встречи? Асинхрон или синхрон? Обычно это вопрос предпочтений и культуры команды. Но можно сделать это вопросом данных. Программа показывает, какие форматы работы дают реальную вовлечённость, а какие — имитацию занятости при низком фокусе. Моя длинная сессия 1ч 8м дала пик вовлечённости 79–100% в конце. Короткие разрозненные сессии — в среднем 21% вовлечённости за день. Разница говорит сама за себя.
5. Онбординг и UX-исследования. Это уже не про себя, а про пользователей. Нейроинтерфейсы в UX-исследованиях — отдельная история. Можно видеть не "что пользователь говорит о продукте", а что происходит с его вниманием и стрессом в момент взаимодействия с интерфейсом. Где реально теряется фокус, где возникает когнитивная перегрузка — не по словам, а по сигналу мозга. Крупные компании это уже используют. Порог входа снижается. Например, Neiry уже использует это в партнёрстве с Кинопоиском и таким образом делает российские сериалы интересными
Кстати, по моему промокоду PRODUCT30 вас ждёт приятная скидка 30% на один из самых неожиданных и функциональных подарков для своего состояния, которые я видел.
Подарите себе не ещё один гаджет, а инструмент для борьбы с выгоранием и пересборки фокуса.
Ссылка: https://clc.to/KKxa_A
Возможности для роста в профессии
Наша редакция регулярно ищет возможности для роста. Вот на что стоит обратить внимание:
1. ИИ-революция в продуктовке идет полным ходом. Если хотите не просто играться с ИИ, а реально внедрять его в бизнес — стоит заглянуть на конференцию от Kaiten. Три дня — от стратегии до реальных кейсов и внедрения без саботажа, с сильным составом практиков. Сам тоже планирую подключаться, посмотреть, что действительно работает в 2026, а не в презентациях. Подробности и регистрация по ссылке. Такое неприлично пропускать.
2. На мной любимом ЛитРес вышла книга Не усложняй от Димы и Леры Ильенковых, ранее про нее и почему надо прочитать, писал тут /channel/FreshProductGo/1733. Подарок от меня по реферальной ссылке.
3. Мы тоже собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге. Торопитесь, тут ресурс и возможности ограничены, можно писать сразу @SKoloskov с запросом. Также будем рады издателям и предложениям по релизу книги.
4. Также напоминаем, возможности от редакции канала по ссылке.
Есть идеи продуктов, которых еще нет на рынке?
Т-Банк ищет ML-продактов, которые работают с LLM/AI и управляют продуктом от гипотезы до продакшена.
Вы сможете:
— превращать бизнес-проблему в измеримую ML-задачу;
— запускать эксперименты с моделями;
— работать в связке с дата-сайентистами, ML-инженерами и разработчиками.
В Т-Банке ценят автономность и предлагают прозрачную систему развития. Работать можно в офисе разных городов России.
Успейте откликнуться!
Рост уже рядом. Вы просто смотрите не туда ⚡
Иногда продакты слишком долго смотрят на средние значения, общую конверсию и привычные отчёты — и из-за этого пропускают реальные возможности для роста.
Рассказали в статье:
➡ как глубже анализировать спрос и пользовательское поведение;
➡ почему важно учитывать контекст разных сценариев, а не только общие метрики;
➡ как находить продуктовые инсайты в неожиданных местах;
➡ каким образом отдельные наблюдения превращаются в масштабируемые механики.
Если отвечаете за рост продукта и хотите искать новые возможности не по верхам, а системно — смотрите кейс «Когда скидка становится решающим аргументом: как мы превратили интерес в продажи на Авито».
Если у космонавтики есть 12 апреля, то у продуктового менеджмента свои даты-символы
Есть ключевые точки, которые сформировали современную профессию. На мой взгляд, это следующие даты:
• 15 октября 1995 — официальная презентация Scrum на конференции OOPSLA. Один из первых системных подходов к итеративной разработке.
• 4 сентября 1998 — основание Google. Начало эпохи продуктовых интернет-платформ и роста на данных.
• 4 февраля 2001 — публикация Agile Manifesto. Фундамент современного подхода к созданию цифровых продуктов.
• 29 июня 2007 — выход первого iPhone. Рождение mobile-first мышления и UX-ориентированных продуктов.
• 10 июля 2008 — запуск App Store. Формирование экономики мобильных приложений и платформенного подхода.
• 18 ноября 2010 — первая версия Scrum Guide. Закрепление Scrum как массовой практики в разработке продуктов.
• 13 сентября 2011 — выход книги The Lean Startup. MVP, эксперименты и проверка гипотез становятся стандартом.
Хотите расти в профессии ? Приходите на наши курсы от редакции:
- Курс по продакт-менеджменту, базовый
- Разборы кейсов , есть программа на апрель
- Карьерный интенсив с разборами тестовых
- Курс по Продуктовой стратегии и защите инициативы
- Курс по аналитике, базовый
- Отправить личный запрос автору тут
От кнопок к диалогу: как AI меняет финтех
Если вы делаете финтех, суперапп, AI-функции или клиентские сценарии — очень рекомендую посмотреть этот подкаст с Александром Головиным из БКС. Там много полезного не про «тренды ради трендов», а про вполне практичные вещи, которые уже влияют на продукты. Несколько мыслей, которые стоит забрать себе:
1. Пользователь приходит не за функцией, а за решением задачи. Человеку не нужен раздел «инвестиции», график, подборка фондов и 15 экранов. Ему нужно понять:
— что делать со свободными деньгами
— куда вложиться без ощущения риска и перегруза
— как не ошибиться
— сколько он может заработать
— что делать прямо сейчас
Это важный сдвиг для любого продукта: люди не хотят изучать интерфейс. Они хотят быстро закрыть задачу. Поэтому сильные продукты выигрывают не количеством функций, а тем, насколько быстро приводят человека к результату.
2. Следующий этап финтеха — переход от навигации к диалогу. Сейчас большинство приложений устроены одинаково: пользователь сам должен искать раздел, выбирать сценарий, разбираться в экранах, фильтрах и параметрах. Но постепенно мы движемся к модели, где вместо:
«Открой раздел → найди нужное → нажми 5 кнопок»
будет: «У меня есть 300 долларов, что лучше сделать?» или «Я хочу накопить на отпуск через полгода»
И сервис сам:
— уточнит контекст
— предложит варианты
— покажет риски
— объяснит решение
— сразу выполнит действие
Для всех, кто проектирует супераппы, банки, инвестиции или e-commerce, это очень сильная мысль. Люди не хотят собирать сценарий из модулей. Они хотят прийти с задачей и получить готовое решение.
3. AI уже влияет не только на пользователя, но и на команду. В подкасте хорошо звучит мысль, что ИИ — это не только чат внутри приложения. Он уже меняет внутреннюю работу команд:
— быстрее проводить исследования
— собирать инсайты из интервью
— ускорять дизайн и генерацию концептов
— писать тексты и гипотезы
— делать быстрее аналитику
— помогать разработке
То есть AI — новый слой эффективности для всей продуктовой команды.
4. Главная ценность AI — не автоматизация, а персонализация. Многие продукты используют AI как «умный поиск» или генератор текста. Но намного сильнее выглядит сценарий, когда сервис понимает (и я писал у себя тут):
— кто перед ним
— какая у человека ситуация
— какой у него доход
— чего он боится
— что ему сейчас важнее: скорость, выгода, безопасность или простота
И на основе этого меняет сценарий. Один и тот же продукт для новичка, инвестора, семьи с детьми и предпринимателя должен выглядеть по-разному. Именно это ощущается как настоящая ценность, а не просто наличие нейросети.
5. Хороший продукт убирает сложность, а не маскирует ее. Очень понравилась мысль про то, что задача продукта — не «геймифицировать» сложные вещи, а сделать их понятными. Не прятать сложность за красивыми экранами, а реально помочь человеку принять решение. Это особенно важно для финтеха, инвестиций, страхования, ипотеки и других сложных категорий.
Подкаст по ссылке.
Level Up для продактов: что важно для резюме
Недавно с моим участием запустился проект Level Up (кстати, приходите, региструйтесь и следите за проектом, очень интересный и актуальный - ссылка). И решил освежить, а что для продакта важно в Level Up с точки зрения резюме
1. Оцифрованные достижения и факапы (которые не будут повторяться) в нескольких компаниях
Описание адекватных достижений в денежном или метричном эквиваленте в нескольких местах работ.
Нельзя писать «увеличил прибыль компании в пять раз», это значит присвоить себе заслуги c-level.
Ошибки тоже могут быть в вашем резюме, структурированном рассказе и выводах, которые вы делаете по итогам них. Тут же круто наличие сайд-проекта с вашей рефлексией и результатами.
2. Насмотренность — это бизнес-модели и функции
При озвученной проблеме вы должны выдать 2-3 ситуации или какой-то мощнейший вывод, который расскажет все о вашей экспертизе. Если речь идет о низком ритеншене, то вы должны сразу же поговорить про с1,с2,с3+, про поведение когорт и LTV клиентов. Также вы должны понимать, какие метрики в какой бизнес-модели работают.
3. Разбираться в финансах и экономике продукта и компании.
Вы должны быть подкованы в финансах и экономике предприятия, иначе как вы будете общаться с функциями финансов, операциями и маркетингом. Эти люди отвечают за бюджет, и рассказы про роадмап их не впечатлят и не позволят вам получить от них достойное сотрудничество. Прибылеобразующим функциям всегда платят больше.
4. Структурно выражать свои мысли, управлять ожиданиями
Логика — это про то, чтобы четко понимать профиль собеседника и его нужды. Если вы ничего не сказали — значит, рассказать вам нечего.
5. Разбираться в разработке, дизайне и аналитике
Вас не должны обманывать, вы должны контролировать сроки и эффективность команды, траты на техдолг. Вы должны знать, что такое код ревью, зиро код, чем занимается девопс и чем его работа отличается от фронт-эндера. Чем больше у вас практических навыков, тем выше ваша стоимость на рынке труда.
Хотите расти в профессии продакта? Все возможности от редакции канала по ссылке.
Почему проваливаются AI-стартапы и AI-проекты
Все возможности от редакции канала по ссылке.
Большинство AI-проектов умирают не из-за слабых моделей. А из-за плохого продукта, экономики и отсутствия реальной ценности. Вот основные причины.
- Делают AI ради AI. Самая частая ошибка: смотрите, что умеет модель вместо какую дорогую проблему мы решаем. В итоге:
• демо выглядит круто,
• retention низкий,
• платить никто не хочет.
AI снижает стоимость MVP. Но не упрощает поиск PMF.
- Нет moat. Очень много AI-продуктов сейчас: LLM + UI + промпты.
Проблема:
это легко копируется.
Если нет:
• уникальных данных,
• workflow lock-in,
• интеграций,
• distribution,
• сообщества,
то продукт быстро становится commodity.
- AI ускоряет создание артефактов, а не ценности. Команды начинают делать:
• PRD,
• прототипы,
• AI-фичи,
• лендинги
в 10 раз быстрее. Но это не значит, что:
• найден PMF,
• есть retention,
• пользователь меняет поведение.
Очень часто ускоряется “производство активности”, а не обучение о пользователе.
- Human-in-the-loop ломает экономику. На демо AI выглядит автономным.
На практике внутри сидят:
• операторы,
• support,
• QA,
• модераторы,
• аналитики.
Потому что AI:
• галлюцинирует,
• ошибается,
• ломается на edge cases.
Многие AI-компании — это “ручной труд за AI-интерфейсом”.
- AI плохо работает на масштабе. На 100 пользователях всё выглядит магически. На 100 000 начинаются:
• нестандартные сценарии,
• конфликты инструкций,
• длинный контекст,
• падение качества.
AI-системы требуют огромного слоя:
• monitoring,
• evals,
• fallback logic,
• human review.
- Слишком дорогой inference. Особенно больно в:
• AI-видео,
• AI-codegen,
• AI-агентах,
• real-time AI.
На росте выясняется, что каждый активный пользователь буквально сжигает GPU и маржу.
- Distribution важнее технологий. Доступ к моделям есть почти у всех. Поэтому выигрывают не всегда те, у кого лучший AI. А те, у кого:
• аудитория,
• бренд,
• enterprise sales,
• SEO,
• existing platform,
• комьюнити.
- Переоценивают зрелость AI. Многие строят roadmap так, будто AGI уже рядом. Но у моделей всё еще большие ограничения:
• слабая память,
• нестабильный reasoning,
• hallucinations,
• плохая работа в длинных workflows.
Главная ошибка AI-рынка сейчас — думать, что модель и есть продукт.
Все возможности от редакции канала по ссылке.
🚀 Как продакту ускорить свою работу с AI — учимся на Podlodka Product Crew
Едва ли среди читателей этого канала найдется человек, который ни разу не применял AI в работе.
Но есть разница: пользоваться базовыми промптами для генерации текстов и аналитики данных, или же создать рабочую систему из инструментов на основе AI.
Команда конференции Podlodka Product Crew открывает новый сезон — «AI-инструменты продакта». Он пройдет с 18 по 22 мая.
В течение недели участники познакомятся с экспертами, которые с помощью AI ускорили продуктовый цикл в разы, причём на всех этапах: от проверки гипотез и создания PRD до пользовательской аналитики.
На конфе выступят как известные в сообществе визионеры AI — например, Глеб Кудрявцев и Влад Терзи, так и продуктовые практики из ведущих российских компаний и активно развивающихся зарубежных стартапов.
👀 В программе:
— исследование с AI: от анализа до синтеза интервью,
— прототип или сервис за вечер,
— аналитика через AI-агентов,
— AI-агенты для мониторинга,
— внедрение AI в команду.
И это ещё не всё — программа дополняется! Формат такой: 5 дней, 10 сессий с демо и практикой и закрытое комьюнити в Telegram.
Отдельный плюс — цена: заметно ниже привычных конференций, при этом контента много, а новые знания можно сразу же приземлять на свои задачи.
🔗Если хотите увидеть, как продакт-менеджеры применяют AI-инструменты, ускорить свою работу и принести больше пользы бизнесу, ловите ссылку с early-bird билетами: https://podlodka.io/productcrew
А по промокоду FreshProduct получите скидку 500р🎁
Все для роста от редакции канала
1. Образовательные возможности редакции (можно с счета юрлица, можно придумать персональную рассрочку):
Для тех, кто хочет системно расти в продакт-менеджменте:
- Курс по продакт-менеджменту, базовый
- Карьерный интенсив с разборами тестовых
- Курс по аналитике, базовый
- Курс по Продуктовой стратегии и защите инициативы
- Сайт команды
2. Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
3. Личный запрос к Сергею Колоскову
Есть вопрос или запрос на карьеру, рост или поддержку?
Заполни короткую форму и получи доступ к закрытому каналу с подарками - тут.
Как сделать сегментацию через ИИ
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут.
Большинство делают сегментацию неправильно: делят пользователей “по полу и возрасту” и не понимают, что с этим делать дальше. Рабочий подход через ИИ выглядит так:
1. Начни с цели. Не “сегментировать ради сегментации”, а:
— увеличить конверсию
— повысить retention
— найти точки роста
2. Собери нормальные данные. Минимум:
— действия в продукте
— частота использования
— платежи
— источник трафика
3. Сделай признаки (это 70% успеха)
ИИ не думает, он считает.
Примеры:
— дней с последнего входа
— количество действий
— средний чек
— сколько фич использует
4. Запусти простую модель. Самый быстрый вариант — K-means clustering. Он сам разобьет пользователей на группы по похожести.
5. Переведи “кластеры” в смысл. Модель даст:
Cluster 1, Cluster 2…
Ты должен превратить это в:
— “новички с высоким интересом”
— “активные, но не платят”
— “спящие пользователи”
6. Самое главное — внедрение. Иначе это просто красивая аналитика
Что делать дальше:
— разные onboarding
— разные офферы
— разные пуши
— персонализация
Классический актуальный курс, помогающий с трудоустройством, от редакции https://gem-shaker-6ab.notion.site/17255ffe314a80aea3afd663d5ac4024?pvs=74
Разборы кейсов, 76 разборов пришли, всего свыше 190 тестовых и реальных задач продактов. Плейлист доступен по ссылке, сайт разборов тут
Стеки для быстрого вайбкодинга полноценных приложений
Все возможности от редакции канала по ссылке.
1. AI-first стек (Lovable / Bolt + Supabase + Vercel)
• Lovable / Bolt.new (генерация full-stack приложения)
• Supabase (база данных, auth, storage)
• Vercel (деплой)
Что это дает
• минимальный код руками
• быстрый запуск MVP
• фокус на продукте, а не архитектуре
Примеры проектов / продуктов
• early-stage SaaS лендинги и MVP, собранные через Lovable (включая internal tools и CRM для небольших команд)
• SaaS-генераторы лендингов и AI tools (много проектов типа “AI writing tool”, “AI resume builder”)
• внутренние админки стартапов (CRM, dashboards, аналитика), собранные на Supabase + AI builder
2. Next.js + Supabase + Vercel (де-факто стандарт SaaS)
Стек
• Next.js (frontend + backend API)
• Supabase (DB + auth)
• Tailwind CSS
• Vercel (deploy)
Что это дает
• один язык (TypeScript)
• нормальная масштабируемость
• быстрый production
Примеры реальных продуктов
• Supabase Dashboard (частично экосистема сама на этом стеке)
• Dub.co (open-source short link SaaS)
• Cal.com (частично Next.js стек + API-first подход)
• Indie SaaS: CRM, аналитика, AI-инструменты (очень много проектов в YC и indie space)
3. T3 Stack (Next.js + tRPC + Prisma + Clerk)
Стек
• Next.js
• tRPC (типизированный backend)
• Prisma / Drizzle (ORM)
• Clerk / NextAuth (auth)
• Tailwind
Что это дает
• почти нулевая ошибка на стыке frontend/backend
• строгая типизация end-to-end
• удобен для сложных SaaS
Примеры проектов
• Course platforms и образовательные платформы (типа dashboard + billing + content)
• SaaS для разработчиков (API tools, dev dashboards)
• большое количество YC startups используют T3-подобную архитектуру
4. AI-native платформы (Replit / Base44 / OutSystems)
Стек
• Replit Agent / Base44 / OutSystems
• встроенные DB, auth, deploy
• минимум внешней инфраструктуры
Что это дает
• можно сделать приложение вообще без DevOps
• генерация продукта через промпт
• быстрые прототипы сложной логики
Примеры
• внутренние инструменты для компаний (HR системы, CRM, трекинг задач)
• образовательные приложения, собранные non-dev командами
• прототипы стартапов, которые потом переписываются в Next.js стек
5. Mobile-first стек (Expo / Flutter + Firebase / Supabase)
Стек:
• Expo (React Native) или Flutter
• Firebase или Supabase
• Cursor / AI IDE
Что это дает
• быстрый выход в mobile
• realtime функции
• push-уведомления из коробки
Примеры приложений:
• Discord (частично React Native в мобильных частях)
• Shopify mobile apps (часть экосистемы)
• множество D2C приложений (fitness, finance trackers, habit apps)
• AI chat apps и journaling apps в App Store
Всем роста и быстрых проверок гипотез!
23 мая Яндекс проведёт CTF-квест по вечерней Москве
Часть кода ушла в рекурсию, связи потеряны, “реальность” не сходится. И только вы в силах разобрать архитектуру проекта и довести релиз до конца.
Командам предстоит перемещаться по городу, находить «флаги», разбирать архитектуру проекта и шаг за шагом чинить систему, которая зациклила реальность. Будет тридцать с лишним локаций по Москве, и каждая завязана на истории нашего IT: от МГУ и центра фундаментальных исследований РАН до Шуховской башни и штаб-квартиры Яндекса в «Красной Розе».
Решая задачу на ступеньках бывшего института, ты как будто повторяешь ход мысли инженера, который когда-то здесь работал. Наша школа всегда держалась на умении найти обходной путь там, где готового решения нет, так что это еще и хорошая возможность познакомиться с инженерной культурой.
Всего будет около 35 задач, маршрут и стратегию вы выбираете сами. Можете играть по хардкору на победу или продвигаться в своём темпе. В ряде задач участникам будут помогать сотрудники Яндекса — так что не пропадёте.
Сервера, анализ систем — по сути, это «монорепозиторий реальности, где всё связано. И быстро становится понятно: в одиночку такие системы не собираются. Поэтому собирайте команду или просто регистрируйтесь — на старте помогут найти своих.
📍 23 мая
📍 старт в 18:00
📍 БЦ «Красная Роза»
👥 команды 2–5 человек
В конце игры — финальный merge и вечеринка. Будет круто.
Регистрация здесь.
Фреймворки для диагностики проблем в delivery-части
Формируем программу для разборов на уже “послемайских” - /channel/productcasebar/240
Если у команды что-то не так, но непонятно что именно — полезно сначала не чинить, а диагностировать систему. Ниже — набор практичных фреймворков и чеклист, которые помогают быстро разложить команду по слоям.
1) Модель диагностики команды (3 слоя). Смотри команду не как людей, а как систему:
1. Люди
• навыки
• мотивация
• роли
• перегруз / недогруз
2. Команда
• коммуникации
• конфликты
• доверие
• распределение ответственности
3. Система / окружение
• процессы
• цели и приоритеты
• структура управления
• внешние зависимости
2) GRPI (очень быстрый аудит команды). Проверка 4 уровней:
• G (Goals) — понимают ли все одну цель?
• R (Roles) — понятно ли, кто за что отвечает?
• P (Processes) — есть ли рабочие правила взаимодействия?
• I (Interpersonal) — есть ли доверие и нормальная коммуникация?
3) Tuckman. Определи, где вы сейчас:
• Forming — знакомство, нет ясности
• Storming — конфликты, борьба за роли
• Norming — появляются правила
• Performing — стабильная продуктивность
• Ошибка менеджмента: требовать performance, когда команда в storming.
4) McKinsey 7S. Проверка баланса:
• Strategy — есть ли стратегия
• Structure — структура команды
• Systems — процессы
• Shared Values — общие ценности
• Skills — навыки
• Staff — люди
• Style — стиль управления
Если 2–3 элемента не синхронизированы — команда сыпется.
5) Belbin
Проверь баланс ролей:
• генераторы идей
• аналитики
• исполнители
• коммуникаторы
• координаторы
• Проблема часто не в людях, а в перекосе ролей (например, 5 идеологов и 0 исполнителей).
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.
Онлайн‑митап курса «Управление ИИ‑продуктом»: регистрация
Спикер: Дмитрий Шоржин, менеджер продукта в крупном банке.
На открытом уроке:
— Почему большинство застревает на уровне красивых демо, не доходя до бизнес‑эффекта.
— Главные причины провалов: плохие данные, отсутствие ответственного за результат, недооценка затрат, слабое принятие сотрудниками.
— Как считать реальную окупаемость ИИ‑проектов, а не рисовать в презентации.
— На каких процессах ИИ приносит деньги, а где лучше не тратить бюджет.
Вы научитесь:
— Отделять полезный проект от дорогой игрушки.
— Находить слабые места до того, как сгорят деньги.
— Оценивать инициативы как инвестиции, а не эксперименты.
— Задавать правильные вопросы командам и подрядчикам.
Регистрируйтесь сейчас — напомним накануне: регистрация
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
Когда есть ощущение, что что-то с продуктом не так, но непонятно что именно
Собрал простой чек-лист продуктовой культуры. Пройдитесь честно — займет 5 минут, но сильно отрезвляет.
— Есть ли у вас 1 ключевая метрика продукта (не 10, а одна)?
— Команда формулирует цели через результат (например, +15% к retention), а не сделать 20 фич?
— Вы регулярно общаетесь с пользователями (хотя бы 3–5 интервью в неделю)?
— Есть единое место, где хранятся инсайты, а не у каждого в заметках?
— Все инициативы проходят через гипотезы (что изменим - какую метрику двинем - почему)?
— Вы проводите эксперименты, а не просто релизите?
— Есть доступные дашборды, куда реально смотрит команда?
— Продукт, дизайн, разработка и аналитика работают вместе, а не «перекидывают задачи»?
— Команда может сказать «нет» фиче без ценности?
— Руководство поддерживает эксперименты, даже если они неудачные?
Как читать результат:
0–3 да — у вас не продукт, а поток задач
4–7 да — что-то есть, но системности нет
8–10 да — уже продуктовая культура, можно масштабировать
Если интересно — могу бесплатно посмотреть на вашу ситуацию и дать конкретные рекомендации:
— где вы реально находитесь
— что тормозит рост
— какие 2–3 шага дадут максимальный эффект
Пишите в личку или сюда в комментарии разбор — посмотрим на ваш кейс @SKoloskov.
Как писал вчера, собрали книгу под названием Продуктовая культура: уровни и эволюция, в которой подробно делимся чек-листами роста культуры, раскрытием каждой фазы и переходов внутри культуры. В книге использованы кейсы и контент из практики и насмотренности Сергея Колоскова. И мы предлагаем всем читателям каналов редакции бесплатно проверить с Сергеем уровень вашей продуктовой культуры, получить рекомендации и после рукопись в подарок за отзыв по книге.
Как применять продуктовое мышление к управлению изменениями
Если вы строите процессы, лидите команды или внедряете любые изменения — очень рекомендую послушать этот выпуск с Марией Осиповой, продуктовым директором Авито Доставки. Там не про «успешный успех», а про вполне практичные вещи, которые помогают не развалить команду в процессе трансформаций. Выделил несколько мыслей, которые стоит забрать себе:
1. Самый страшный понедельник команды — когда накануне руководитель сходил на какое-нибудь обучение. Вдохновение может быть опасной штукой, и тут Мария озвучила отрезвляющую мысль: «Не ломается — не чини». Прежде чем бросаться внедрять «гениальную идею», стоит выдохнуть и подумать, а надо ли?
2. Майндсет нельзя насадить приказом. Не получится просто прийти к команде и сказать: «Ребята, с завтрашнего дня думаем по-новому». Даже если вы создадите идеальные процессы и точки контроля, люди не переключаются мгновенно только потому, что «бигбосс захотел».
3. Как ИИ меняет подход к трансформациям в командах. Искусственный интеллект дает тебе наиболее вероятный ответ и наиболее усредненное топовый вариант. В реальности нельзя внедрять перемены, ориентируясь на усредненный вариант. Провал трансформаций чаще всего случается как раз не из-за нехватки технологий, а из-за игнора человеческого фактора. ИИ может собрать лучшие практики и составить правильную коммуникацию, но он не способен учесть индивидуальные страхи, циклы адаптации и личную мотивацию конкретных людей, которым с этими изменениями жить.
Для всех, кто работает в e-commerce, финтехе или крупных продуктах, это очень сильный выпуск о том, как одна из лучших продуктовых команд страны выстраивает внутреннюю экспертизу.
Слушать здесь.
Стадии и инструменты дизайна для работы продакта в вайбкодинг команде
Если коротко: инструмент для дизайна — это не про вкус, а про стадию определенности продукта. Ошибка, которую делают почти все команды — выбирать один тул «под всё» и пытаться через него пройти весь путь. В реальности путь разбивается на несколько фаз, и на каждой работает максимум 1–2 инструмента.
• Первая стадия — когда идеи еще нет как системы, но уже хочется «пощупать». Это тот момент, где лучше всего заходят v0 by Vercel и Galileo AI. Они не про точность, а про вариативность. Ты формулируешь идею текстом и за несколько минут получаешь несколько визуальных интерпретаций. Это особенно полезно, когда ты не уверен, как вообще должен выглядеть продукт: карточный интерфейс, фуллскрин, табы или что-то еще. Важно понимать, что это не дизайн и не прототип — это способ быстро сузить пространство решений.
• Вторая стадия — когда ты уже выбрал направление и нужно собрать работающую логику. Здесь почти неизбежно появляется Figma, иногда в связке с FigJam. На этом этапе решается не «как красиво», а «как не сломается». Прописываются сценарии, переходы, состояния, ошибки. Особенно критично для финтеха или любых сложных флоу. Это тот момент, где AI-инструменты резко теряют ценность, потому что они не держат в голове целостный сценарий и edge cases.
• Третья стадия — проверка. Когда есть собранный сценарий, его нужно дать людям «потрогать». Здесь Figma уже используется как прототип, либо подключается Framer, если хочется приблизиться к реальному ощущению продукта. Разница простая: Figma быстрее, Framer реалистичнее. Цель этой стадии — не дизайн, а понимание: человек вообще понимает, что делать, или нет.
• Четвертая стадия — самая интересная с точки зрения вайбкодинга. Когда сценарий уже понятен, можно резко сократить путь до продукта через v0 by Vercel и Cursor. Ты берешь уже продуманный UX и превращаешь его в код почти напрямую. Это не идеальный код и не финальная версия, но это быстрый способ получить работающий MVP без классического цикла «дизайн → верстка → правки». Здесь происходит ключевой сдвиг: ты перестаешь «рисовать продукт» и начинаешь его собирать.
• Пятая стадия — масштабирование. После того как MVP начинает жить, вайбкодинг без структуры начинает ломать продукт. Появляются дубли, разные паттерны, хаос в интерфейсе. В этот момент снова возвращается Figma, но уже не как инструмент рисования, а как источник дизайн-системы. Параллельно подключается Storybook, где фиксируются компоненты на уровне кода. Это точка, где продукт начинает становиться системой, а не набором экранов.
Если упростить логику: сначала ты используешь AI, чтобы понять, что вообще можно сделать. Потом Figma, чтобы это не развалилось. Потом снова AI, чтобы быстро собрать. И в конце снова системные инструменты, чтобы это можно было масштабировать.
Вайбкодинг (пока) не заменяет дизайн. Он убирает лишние шаги между идеей и реализацией. Но если пытаться перескочить фазу осмысления и сразу идти в генерацию и код, на выходе почти всегда получается что-то, что невозможно нормально развивать.
Хотите расти в профессии ? Приходите на наши курсы от редакции (скоро и про AI будет курс) :
- Курс по продакт-менеджменту, базовый
- Разборы кейсов , есть программа на апрель
- Карьерный интенсив с разборами тестовых
- Курс по Продуктовой стратегии и защите инициативы
- Курс по аналитике, базовый
- Отправить личный запрос автору тут
Зачем я развиваю насмотренность у себя и других?
Для меня грейды и рост продакта связаны напрямую с насмотренностью. Отсюда в том числе запуск клуба разборов задач, канал Fresh Product manager и любовь к консалтингу и к подборкам других каналов, вроде этой - подборку тг-каналов. Почему насмотренность важна?
- Насмотренность позволяет продукт-менеджеру быть в курсе актуальных изменений на рынке, новых технологий, трендов и ожиданий пользователей. Это помогает адаптировать продукт к изменяющимся потребностям и оставаться конкурентоспособным.
- Следя за новостями и разработками в отрасли, продукт-менеджер может выявить новые возможности для улучшения продукта, внедрения инноваций и создания ценности для пользователей.
- Насмотренность позволяет продукт-менеджеру предугадывать возможные изменения в отрасли, законодательстве или потребительских предпочтениях. Это помогает разработать стратегии адаптации заранее.
- Знание текущих событий и трендов позволяет продукт-менеджеру эффективнее общаться с разработчиками, дизайнерами, маркетологами и другими членами команды.
- Насмотренность позволяет отслеживать действия конкурентов, их продукты и стратегии. Это дает понимание сильных и слабых сторон конкурентов, что может помочь разработать более успешные стратегии продукта.
- Имея обширные знания об отрасли и трендах, продукт-менеджер может разработать более устойчивую и долгосрочную стратегию развития продукта, учитывая будущие изменения.
- Насмотренность позволяет замечать потенциальные угрозы и проблемы заранее, что помогает избежать кризисных ситуаций или более успешно справиться с ними.
Если кто-то хочет записаться на разборы кейсов для расширения насмотренности продакт-менеджера – пишите @SergeKoloskov или приходите на сайт
Также можно приобрести доступ к записям, полный список разобранных кейсов тут.
Трансформация профессии разработчика в эпоху ИИ
Профессия разработчика меняется прямо сейчас: ИИ уже пишет код, предлагает архитектуру и собирает прототипы за минуты. Но без фундаментальных знаний архитектуры, алгоритмов, сетей, безопасности и DevOps использовать такие инструменты рискованно.
Центральный университет запускает серию бесплатных вебинаров о том, как меняется роль разработчика в 2026 году, какие навыки остаются критически важными и как безопасно и эффективно использовать нейросети в разработке.
На вебинарах разберем:
— почему ИИ не заменит программиста, но изменит его роль;
— какие навыки и языки будут востребованы;
— чего ждут работодатели от разработчиков сегодня;
— почему магистратура по бэкенд-разработке может стать преимуществом;
— как вырасти в техлида и тимлида, не теряя технических экспертных знаний.
Спикеры — лидеры индустрии из Центрального университета, Авито и cloud. ru.
Даты вебинаров: 21, 23 и 27 апреля 2026, 19:00 мск.
Регистрируйся по ссылке
Про влияние продакта на бренд продукта
Продакт влияет на бренд не через выбор “красивого шрифта” или “модного цвета”. Его задача — определить, как продукт должен восприниматься. Например, бренд может быть не про “технологичность”, а про “понятность”. Тогда меняется все:
• логотип становится проще
• язык в интерфейсе — менее официальным
• убираются сложные термины
• onboarding становится короче
• появляется ощущение: “я быстро разберусь”
И наоборот: если продукт хочет выглядеть экспертным и премиальным, продакт может пушить:
• более строгий визуальный стиль
• меньше ярких цветов
• больше акцента на цифры, данные, аналитику
• спокойный tone of voice
• меньше “веселья” и больше уверенности
По сути, продакт влияет на несколько вещей.
1. Какое обещание дает бренд. Например:
• “самый простой способ инвестировать”
• “банк, который решает все за тебя”
• “сервис, который экономит время”
• “платформа для профессионалов, а не для всех”
2. Какие ассоциации должен вызывать продукт. Продакт может решить, что продукт должен ощущаться как:
• быстрый
• надежный
• выгодный
• премиальный
• молодежный
• локальный и “свой”
• международный и технологичный
Например, если сервис не хочет выглядеть как “госуслуги”, бренд может специально уходить в ощущение “современной платформы возможностей”:
• меньше бюрократического языка
• меньше тяжелых официальных элементов
• больше ощущения помощника, навигатора, экосистемы
• визуал ближе к tech / startup эстетике
3. Что бренд должен компенсировать. Это одна из самых недооцененных ролей продакта.
Если продукт сложный — бренд должен делать его проще.
Если продукт дорогой — бренд должен усиливать ощущение ценности.
Если продукт новый — бренд должен вызывать доверие.
Если продукт состоит из множества сервисов — бренд должен собирать их в одну понятную систему.
Если люди боятся ошибиться — бренд должен выглядеть безопасным и предсказуемым.
Поэтому у многих финтехов все выглядит очень “чисто” и спокойно: когда речь идет про деньги, людям важно чувствовать контроль.
4. Какие сценарии должны стать “брендовыми”. Продакт может выделить 2–3 ключевых сценария, через которые люди будут понимать продукт. Например:
• оплатить все за 1 минуту
• понять, сколько денег останется
• решить все важное на одном экране
Тогда бренд — это уже не логотип. Это ощущение: “я открыл приложение, быстро все сделал и закрыл”.
5. Какие эмоции должен оставлять продукт. Продакт может буквально сформулировать, что человек должен почувствовать после использования:
• контроль
• спокойствие
• ощущение, что о нем позаботились
• ощущение статуса
• ощущение “я умный и эффективный”
• ощущение “это для таких как я”
А дальше дизайнеры, маркетинг и бренд-команда переводят это в логотип, цвета, шрифты, тексты и визуал. Поэтому продакт влияет не на то, какой логотип красивее. Он влияет на гораздо более важный вопрос:
“Каким человек должен видеть и чувствовать продукт у себя в голове?”
В мессенджере Max появились Fresh Product manager https://max.ru/FreshProductGo и канал Вакансии - https://max.ru/productjobgo, будем рады видеть среди подписчиков. Все возможности от редакции канала по ссылке.