5 Growth-кейсов применения AI для продактов Представьте обычный понедельник продуктовой команды. На дашборде всё более-менее знакомо: трафик растёт, регистрации идут, но дальше начинается классика. Половина новых пользователей не доходит до первой ценности, Trial не конвертируется так, как хотелось бы, Retention постепенно проседает, а команда снова обсуждает, какую гипотезу тестировать следующей. В этот момент почти неизбежно появляется идея: "А давайте добавим AI". Проблема в том, что это неправильная точка старта. Гораздо интереснее спросить: где именно в нашей воронке юзер теряет ценность - и может ли AI это изменить? Если посмотреть на AI через эту призму, я вижу пять особенно интересных Growth-кейсов. 1. Activation. Представьте сложный B2B-продукт. Один пользователь пришёл построить отчёт для CEO, другой - автоматизировать процесс, третий - просто проверить, подходит ли ему продукт. Но всем троим мы показываем один и тот же Onboarding из пяти экранов. AI позволяет развернуть этот сценарий. Вместо "вот наш продукт, разбирайся" начать с простого вопроса: "Что вы хотите получить?" Дальше система понимает JTBD, адаптирует Onboarding, помогает настроить продукт и ведёт человека к первому полезному результату. В таком сценарии меня интересует не количество диалогов с AI, а сократился ли Time-to-Value и вырос ли Activation Rate. 2. Conversion. Большая часть персонализации сегодня всё ещё работает по принципу: пользователь попал в Segment X - показываем Offer Y. Но два человека из одного Segment могут находиться в совершенно разном контексте. Один уже почти готов купить, другой пока пытается понять базовую ценность продукта. AI даёт возможность персонализировать не только баннер или рекомендацию, а сам путь к покупке: аргументацию, CTA, Landing, предложение тарифа, следующий шаг. То есть перейти от Segment → Rules → Experience к Context → Intent → Personalized Experience. И снова важно не попасть в ловушку Vanity Metrics: если CTR вырос, а Trial → Paid остался прежним, Growth-кейса здесь нет. 3. Retention. Мне кажется, это один из самых недооценённых сценариев. Пользователь часто уходит не потому, что продукт плохой, а потому что в какой-то момент перестаёт понимать, что делать дальше. Особенно в сложных B2B, Analytics и Productivity-продуктах, где ценность появляется после последовательности действий. Здесь AI может превратить продукт из набора функций в систему, которая понимает контекст и говорит: "Вот следующий лучший шаг, который приблизит тебя к результату". Если это действительно работает, мы должны увидеть эффект уже не в AI Engagement, а в повторном достижении Value Event, D7/D30 Retention и Churn. 4. Monetization. Классический Upsell выглядит примерно так: "Вы использовали 80% лимита - купите Pro". Это удобно для продукта, но не обязательно полезно для пользователя. Гораздо интереснее определить момент, когда платная Capability действительно помогает человеку решить его текущую задачу. То есть искать не момент, когда мы можем продать, а момент, когда пользователю выгодно купить. Если AI понимает Intent и контекст достаточно хорошо, Upsell перестаёт быть рекламной вставкой и становится естественной частью пользовательского результата. Тогда уже имеет смысл смотреть на Free → Paid, ARPU, Expansion Revenue и NRR. 5. Скорость экспериментов самой продуктовой команды. У продакта постоянно копятся User Interviews, Support Tickets, Reviews, Product Analytics, результаты прошлых экспериментов. Сигналов много, а времени на их синтез мало. AI здесь может работать как Product/Research Copilot: собирать эти сигналы вместе, находить повторяющиеся проблемы, помогать формулировать гипотезы и анализировать результаты. Ценность появляется, если сокращается весь цикл Signal → Hypothesis → Experiment → Learning → Decision, а команда за то же время принимает больше качественных продуктовых решений. Не так важно, сколько пользователей нажали на кнопку с бонусом. Важно, изменилось ли что-то дальше на всем пути юзера.

50 самых полезных ресурсов для продактов ProductMap - Большая карта знаний и навыков PM: от discovery и аналитики до AI и leadership. Product Compass - Один из лучших структурированных наборов PM-frameworks и competency maps. ProductDo Skills Map - Визуальная карта навыков продакта по уровням и направлениям. Ravi Mehta PM Toolkit - Сильный competency framework для оценки и развития PM. PMwheel - Удобная модель self-assessment и развития продуктовых навыков. GitLab PM Competencies - Реальная корпоративная система уровней и ожиданий от PM. Intercom PM Ladder - Хороший пример карьерной лестницы от PM до senior-level ролей. Reforge - Глубокие материалы по growth, retention, monetization и strategy. Mind the Product - Огромная библиотека статей, кейсов и выступлений по Product Management. SVPG - Marty Cagan: empowered teams, discovery, strategy и product operating model. Lenny’s Newsletter - Практические разборы growth, marketplaces, AI, leadership и product strategy. Product Talk - Teresa Torres: Continuous Discovery, OST и работа с assumptions. Strategyzer - Business Model Canvas, Value Proposition Canvas и тестирование бизнес-гипотез. GoPractice - Одна из сильнейших баз по продуктовой аналитике, retention и unit economics. GoPractice Simulator - Практический симулятор продуктовой работы с метриками и решениями. Product School - Большая библиотека guides, templates и PM-материалов. The Product Folks - Кейсы, frameworks, teardown’ы и материалы для развития product sense. Hustle Badger - Хорошая база по strategy, JTBD, PRD, discovery и product org. PM Skills Marketplace - 100+ готовых AI-native skills и workflows для Product Management. prodmgmt.world - AI-native PM OS: skills, frameworks, workflows и агенты. Productboard Resources - Customer insights, prioritization, roadmap и product operations. ProdPad - Lean roadmaps, outcomes, discovery и product strategy. airfocus - Prioritization, discovery, strategy и Product Ops. Aha! Product Guide - Очень большой системный справочник по Product Management. Jira Product Discovery - Практики работы с ideas, insights, prioritization и discovery → delivery. Pragmatic Institute - Market-driven product, positioning, pricing и GTM. Product-Led Alliance - PLG, activation, adoption, onboarding и retention. Growth Unhinged - Очень сильный контент по SaaS growth, pricing и monetization. First Round Review - Подробные кейсы стартапов по продукту, growth и management. YC Library - PMF, MVP, пользователи, growth и запуск стартапов. Sequoia Articles - Стратегия, рынки, PMF и построение компаний. a16z - AI, SaaS, marketplaces, fintech и новые продуктовые модели. CXL - Experimentation, CRO, analytics и behavioral science. Demand Curve - Практические growth playbooks по acquisition и retention. Growth.Design - UX-разборы известных продуктов через behavioral psychology. Built for Mars - Очень подробные UX teardown’ы реальных продуктов. Nielsen Norman Group - Фундаментальная база по UX, usability и research. Dovetail - Интервью, research synthesis и работа с customer insights. Maze Guides - Usability testing, prototypes и continuous research. Hotjar - Behavior analytics, funnels, user feedback и customer journeys. Mobbin - Огромная библиотека интерфейсов сильных digital-продуктов. Page Flows - Реальные onboarding, checkout, subscription и другие user flows. UserOnboard - Классические разборы onboarding известных продуктов. Amplitude Academy - Бесплатное обучение funnels, retention, cohorts и analytics. Amplitude Blog - North Star, activation, retention и experimentation. Mixpanel Blog - Практическая продуктовая аналитика: funnels, cohorts и retention. ChartMogul - Одна из лучших баз по SaaS-экономике: MRR, NRR, CAC, LTV, churn. Shape Up - Сильная альтернатива backlog-driven разработке: shaping, appetite и betting. ChatPRD - AI-помощник для PRD, discovery, requirements и PM-документов. Atlassian Team Playbook - Практики для alignment, decision-making, goals, retrospectives и командной работы.

«ИИ изменил мою жизнь» - ну ок, покажи Элена Верна, Head of Growth в Lovable (быстрорастущая платформа вайб-кодинга), в начале июле написала текст «Please stop the AI Confidence Theater». За пару часов текст залетел в топ Hacker News, видимо, плтому что у всех накипело Элена стала просить пруфы у всех, кто рассказывал, что ИИ перевернул его жизнь В 99% случаев ей показывали суммаризацию слака, ответы на письма и ресёрчи. Штуки полезные, но жизнь они едва ли кому-то перевернули. Систем, без которых работа завтра реально развалится, почти ни у кого не оказалось

При этом заметили, да, как соцсети засыпало инфой про агентов, автоматизации и ИИ вместо половины команды. Верна называет это театром уверенности: пять лет назад хвастались переработками, теперь хвастаются количеством агентов без привязки к бизнес-результату, конечно же

Элена прямо пишет: экономите с ИИ 20 минут в день, вот и радуетесь, а не стремайтесь что это не звучит круто. И еще штука, про которую никто не постит. Первый промпт это весёлая часть. Ценность создаётся на следующей тысяче, когда промпты ломаются, модели обновляются, интеграции отваливаются и всё это надо чинить Кандидат рассказывает про свои ИИ-успехи? Покажите результаты. Подрядчик продаёт «ИИ-отдел продаж»? Покажите реальный кейс, а не демо. Готова поспорить, отрезвляет секунд за десять

Если 7 % когорты возвращается на 7ой день, то ты уже в топ-25% по активации 1. Правило 7%. Если 7% когорты возвращается на день 7, то твой продукт уде показал раннюю ценность, которая коррелирует с долгосрочным успехом. И ты уже в топ-25% по активации. 2. Ранняя активация предсказывает долгий retention. 69% продуктов из топа по дню 7 были в топе и через 3 месяца. 3. У половины продуктов к концу 2-й недели неактивны больше 98% новых. Даже у топ-10% на день 14 остаётся всего ~9%. 4. У энтерпрайза топ-10% держат 12.4% на день 7 против медианы 2.1%. Разрыв в 6 раз. 5. Разброс по сегментам (retention 3-го месяца у лидеров): тревел 25.6%, финсервис 19.5%, B2B-софт 15.6%, энтерпрайх 12.4 % у лидеров. 6. Что сделать для удержания. Очевидно, пункт номер один - построить хороший онбординг: • найти свой момент ценности через когортный анализ, • сократить time-to-value, • разбить путь на чекпоинты, не вываливать все фичи сразу, • делать онбординг вокруг цели, а не фич, • снижать когнитивную нагрузку, • давать мгновенную обратную связь. 7. Метрики, предсказывающие удержание: • time-to-value по сегментам, • activation по источнику трафика, • глубина (не один экшен, а несколько + приглашение коллеги), • когортные дашборды. Источник: https://amplitude.com/blog/7-percent-retention-rule #PG_education @productgames

Контент, который основатели публикуют в соцсетях давно уже не просто личный бренд и не крик души. Хотя и это тоже✍️ Сколько копий было сломано по поводу одинаковых нейросетных постов про успешный успех в LinkedIn. Наткнулась в X на пост Энсона Лина — главы отдела роста стартапа Stan Store. Эти ребята по сути помогают креаторам продавать свои услуги и работать на себя. Лин исследовал, как успешные фаундеры работают с контентом в соцсетях и написал целую методичку, где все это собрал в систему. Если совсем упрощать, то основатели годами используют одни и те же форматы, просто каждый раз подставляют в них новые факты, цифры и рассказ о своем пути. Главная метрика — это охваты и деньги. Сам он для своего прошлого работодателя написал больше 100 постов, собрал 20 млн+ показов и помог привлечь 12 000 входящих заявок для корпоративного продукта за 4 месяца. Лин изучал, как пишут Питер Левелс, Марк Лу и Зак Ядегари. По его оценке, все их посты принесли в сумме больше $50 млн — через продажи, аудиторию, продукты и входящий спрос. При этом магия оказалась не в том, что они каждый раз придумывали новый гениальный заход. Наоборот — они снова и снова используют одни и те же конструкции. 🔗Вот на такие этапы Лин раскладывает процесс: ➡️ Сначала они собирают фактуру — цифры, провалы, описание процесса работы. Это может быть выручка, первые пользователи, скачивания, отказы, неудачный запуск, истории продуктов, которые никто не купил, новая функция, сложное решение или ошибочные гипотезы, на разработку которых ушли выходные. Важно не то, насколько большая цифра, а есть ли за ней контекст. $180 MRR сами по себе мало что говорят, если же это $180 MRR после девяти месяцев работы ночами и по выходным, то это складывается в историю. ➡️ Потом эта фактура превращается в несколько понятных форматов. Первый — публичный дневник продукта, в котором рассказывается не только о запуске, но и самом процессе создания. Так появился Nomad List Питера Левелса. В 2014 году он выложил открытую таблицу с городами для удаленной работы, пост собрал всего 85 лайков, но люди начали заполнять ее вместе с ним. Через месяц из таблицы вырос сайт, ставший №1 на Product Hunt и Hacker News. Десять лет спустя проект все еще приносит около $15 000 в месяц. Второй формат — честный разбор провала с конкретикой: что не получилось, сколько времени потеряли, где ошиблись, почему продукт не взлетел. Такие посты работают, потому что провалов в ленте всегда меньше, чем побед, а доверия к ним часто больше. Третий — полезный разбор того, что основатель делал сам руками: как нашел первых клиентов, как запустил продукт, как проверил гипотезу, как собрал первые продажи. И здесь важно объяснять логику — почему именно так, что сработало, что бы автор не повторил. Четвертый — прикладные полезные материалы. Например, скриншот выручки, график скачиваний, письмо от клиента, первый платеж, рост в панели продукта. Один скриншот может выглядеть как хвастовство, но если показывать такие вехи регулярно, они превращаются в наблюдаемую историю роста. Пятый — контрасты в историях. Не просто «стартап сделал $1 млн», а «школьник сделал $1 млн между уроками». Вирусится не сама цифра, а разрыв между героем и результатом. И шестой — большая веха, которая связывает сегодняшний результат с тем, что аудитория уже видела раньше: старый пост, первый запуск, первая просьба о поддержке, первая версия продукта. Главный вывод Лина — сильный founder content работает как сериал про компанию в реальном времени. И если история настоящая, людям хочется досмотреть ее до следующей серии. @karpovaventures✍️

Дешёвая заявка — самый дорогой канал В клуб MFS приходил Денис Сметнев — он разгонял международную экспансию Skyeng. И рассказал про ловушку, в которую попадают почти все, кто впервые заходит на чужой (читай "международный") рынок. Обычная ситуация: запускаем рекламу и просим алгоритм оптимизировать на стоимость заявки. Он идёт искать самые дешёвые лиды. А дешевле всего заполняют формы те, у кого больше всего свободного времени: на новом рынке это часто безработные и недавно переехавшие мигранты. Заявок вал, CPL смешной, дашборд зелёный. А потом сейлзы прозванивают базу — и никто не покупает. Алгоритм всегда оптимизирует ровно ту метрику, которую мы назвали. Просим дешёвые заявки — получаете тех, кого дешевле привести, а не тех, кто платит. На домашнем рынке вы поймали бы это чутьём. На новом чутья нет, поэтому вы верите цифре. А цифра врёт. Вывод простой: пока когорта реально не занесла деньги, считайте, что CPL вас обманывает. Целевое действие для рекламы — оплата, а не поднятая рука. Почему привычные CAC и LTV так легко вводят фаундера в заблуждение — разбирал в блоге Всем классных выходных ☀️ Андрей Резинкин | Money For Startup

Продолжаю работать над своими скиллами для LinkedIn. Так как мы у себя в компании постоянно следим уже более чем за 30 тысячами аккаунтами в линкедин - читаем все их посты - есть возможность делать разную интересную внутреннюю аналитику. Разобрал по 400 самых залетевших постов за последние пару месяцев в 10 разных вертикалях и вытащил 6 новых формул хуков. Теперь их всего 16. Так же добавил выбор формулы под цель поста: нужны комментарии, репосты, лайки или сохранения - скилл сам подберёт подходящую. Очевидно что формат сильно влияет на виральность. Всё так же open source, MIT, работает в Claude Code, Codex и много где ещё: Репозиторий всё там же. Сергей Булаев AI 🤖 - об AI и не только