Мысли про скорость ⚡️ На самом старте ведения канала я хотел написать пост про скорость разработки продукта. Но сначала вроде "не хотелось тратить хороший пост только на первых 10 подписчиков", а потом, конечно же, забыл про него. Я начал как-то участвовать в продукте хотя бы на полшишечки где-то в 2014 году в Anywayanyday, там был еще дата-аналитиком, но именно в тот момент стал задавать вопросики по собираемым данным, еще только предполагать, что не каждая фича нужна в продукте, а некоторых людей надо вообще изолировать от продуктовой команды. Потом также в Тач Банке был аналитиком данных, а в Сбере, начиная с 2016 года, уже когда получил лычку "продакта", точно был убежден, что 95% "дроча над продуктом" избыточны. Под этим термином я подразумеваю бесконечные согласования цвета кнопок, запятых в тексте, оттенков зеленого (в Сбере вроде позже даже появился мем: "573 оттенка зеленого"), добавить этот чек-бокс или нет и т.д. Что уж говорить про реальные фичи - там принятие решения уходило в бесконечность. Причем в Сбере у части этих телодвижений хотя бы было какое-то обоснование, типа у нас гигантская база, поэтому будем тянуть кота за яица с фичей, пока кто-то сверху не рявкнет: "Где сраные автопереводы, которые еще квартал назад должны были запуститься?", тогда выкатывали то, чтобы было в текущий момент на деве, а на остальное было насрать, что обсуждали полгода. А вот новые продукты, старые умирающие или стагнирующие, новые направления или только гипотезы для них, в общем, подавляющее большинство фичей/идей/продуктов, которые могли бы дать какое-то влияние на нужные метрики - это просто надо было делать, обвешивать метриками и выкатывать. Лично я ни разу не был свидетелем, когда кота тянули за яица продукт тянули как репку, и в итоге это принесло супер результат, если сравнить с тем что было изначально. Пару раз было что-то похожее, но я не могу это засчитать, т.к. там изначально было какое-то адовое говно, которое в здравом уме нельзя считать за вменяемую версию. А уже после выкатывания все тюнить, доделывать, где-то переделывать, в общем заниматься обычной продуктовой работой. Править тексты, кнопки, чек-боксы, менять онбординг и т.д. И вот сейчас с LLMками особенно до каких-то вменяемых денег (либо, если супер чувствительная инфа/финасы) проекты так и должны работать по дефолту. Причем уже не надо ходить за разработчиком по задачам, которые дольше описывать, чем поправить самому (конечно, если нормально настроили процессы, а не просто херачите в прод). Но будет интересно услышать, как дела не у стартапов. 😁️️️️️️ #база #llm #процессы

Shit to be done Если вы пробовали на практике применять различные продуктовые фреймворки, то знаете, что они работают только наполовину. Ровно на ту, где ты делаешь все по учебнику и получаешь что-то на выходе. А на вторую половину, где в кассе становится больше денег, они почему-то не работают. Почему так? Предположим, ты решил, что у клиента есть какая-то проблема и ее можно как-то решить. Какую проблему решаем и почему - не дожал. Распланировал спринты, дейлики, проходишься по статусу. Чето зарелизили. По пути половину выкинули, так как не уложились в дедлайн, а там поджимают следующие мутные задачи. Для кого зарелизили - непонятно, анонсировали фичу через жопу, какие-то врехнеуровневые метрики посмотрели. Ничего не дернулось, фичу признали неудачной и пошли на новый круг тратить бабки компании. Поэтому я решил, что вместо мутных фреймворков у меня будет свой: Shit to be done. Он заключается в том, что ты берешь реальную проблему своих клиентов и решаешь ее так, чтобы они плакали от счастья. Нормально продумываешь маркетинг, четко понимаешь что и для кого делаешь, понимаешь откуда возьмется траф. Иногда оказывается так, что ты никак не можешь решить проблему клиента лучше, чем конкурент. Не выходит каменный цветок по какой-то причине. Поставь себе дедлайн, когда ты сдашься. Например, через полгода. Если ничего не поменяется - двигайся дальше. Жизнь слишком коротка, чтобы тратить ее на то, что не заводится.

🤡 Внедрение ИИ превращается в корпоративный спектакль Опубликованный 23 сентября отчёт Visier описывает новый эффект — *performative AI*, или показное использование искусственного интеллекта. Компания опросила 1 000 работающих полный день американцев и дополнила ответы интервью с сотрудниками из здравоохранения, финансов и HR. 🔵48% хотя бы иногда преувеличивали свой опыт или частоту использования ИИ 🔵45% чувствуют давление применять ИИ, даже когда не уверены, что умеют делать это эффективно 🔵59% не видят у работодателя ясного плана либо не знают, существует ли он 🔵Только 21% полностью согласны, что получают достаточно обучения и поддержки 🔵54% считают, что ИИ уже заметно изменил их роль или карьеру Сотрудники не обязательно пытаются сознательно обмануть компанию. Они подстраиваются под сигнал руководства: современный и эффективный специалист должен пользоваться ИИ. Признаться, что инструмент не подошёл для задачи или потребовал слишком много исправлений, становится рискованнее, чем сообщить об очередном успешном применении. Так внедрение незаметно превращается в соревнование по демонстрации активности. Люди упоминают ИИ на встречах, открывают корпоративные инструменты и добавляют технологию туда, где привычный способ работал быстрее. Дашборд показывает рост использования, но компания всё ещё не знает, стала ли работа лучше. Особенно легко получить такой результат, если руководители ставят цель «увеличить использование ИИ». Человек быстро понимает, какое поведение от него ждут. Чем сильнее частота входов, количество запросов или пройденных курсов влияют на оценку, тем меньше этим данным можно доверять. Полезнее начинать с конкретной проблемы: какую работу нужно ускорить, упростить или сделать качественнее? После эксперимента достаточно проверить, что изменилось с учётом проверки и исправления результата. Важно разрешить и честный ответ: «здесь ИИ не помог». Неудачный сценарий тоже экономит компании время — если его не будут повторять сотни сотрудников. Руководителю при этом нужна не декларация «используйте ИИ активнее», а понятные границы: где инструмент уместен, какие данные нельзя передавать, кто отвечает за итог и в каких задачах человеческая работа остаётся предпочтительной. Тогда сотруднику не приходится изображать уверенность, чтобы не выглядеть отстающим. ✅ Вывод Когда использование ИИ становится самостоятельной целью, сотрудники начинают оптимизировать не работу, а отчёт о внедрении. Зрелая компания спрашивает не «сколько людей открывали инструмент», а «какая задача теперь решается лучше». Всё остальное легко превращается в цифровую имитацию прогресса.

Сундар Пичаи поставил логичную точку в обсуждениях того, какой процент кода пишет ИИ в технологических компаниях. Он заметил, что вопрос о доле сгенерированного кода потерял смысл, потому что весь код так или иначе связан с ИИ и нужны более точные и подробные метрики, чтобы отслеживать реальный прогресс в использовании ИИ

“That number in our world today is meaningless in the sense that every part of code we now touch is influenced by AI deeply"

Он отметил отдельно, что ситуация сильно поменялась после выхода Argon: с его помощью разработчики смогли привлекать ИИ к работе над сложными проектами на миллионы строк кода. Он добавил, что рост числа генеративных обновлений сопровождается снижением на треть числа откатов, что свидетельствеут: рост объемов сгенерированного кода отнюдь не ухудшает его качества, скорее наоборот.

“So I think people are writing code more productively and better code with it. Nobody would want to code the way they were coding three years ago or even the same time last year.”

Прошлый призыв к ортодоксальным разработчикам отметиться какашками в реакциях прошел на ура; теперь призываю бросаться коричневыми кучками тех, кто напреркор Пичаи продолжает хотеть работать как три года назад:) httpеs://officechai.com/ai/its-now-meaningless-to-ask-how-much-of-our-code-is-written-by-ai-because-ai-influences-all-of-our-code-google-ceo-sundar-pichai/

Нужно больше инстансов, Милорд В королевстве Юндексбург открыли новый замок для развития международной торговли. Руководителю проекта выписали премию за досрочный запуск, хотя ворота толком никто не проверял. Испытания перенесли на следующий квартал, но там уже не нашлось бюджета. Оставшиеся сомнения внесли в реестр рисков. Тем временем штат картографов сократили на четверть, зато количество обработанных дорожных указаний выросло на 47%. А для унификации карт создали специальную службу, которая разработала научно обоснованную методику, основанную на длине хвостов пегих коней. В следующем квартале средняя длина хвостов выросла на 18%, производительность достигла исторического максимума, а все замки отчитались об успешном внедрении нового устава. Даже те, до которых гонцы так и не смогли добраться.

Когда рост выручки работает против продукта Чтобы быть услышанным стейкхолдерами, нужно уметь связывать фичу с деньгами. И в этой связи важно соблюдать баланс. Разберем, как подружить финансовые и продуктовые метрики без вреда для продукта и выручки. Это вторая часть серии постов о финансовых метриках. Первая — о том, на каком языке менеджеру продукта говорить с бизнесом. Связь продукта и выручки бывает прямой и косвенной ➡️ Пример прямой связи — лента VK

Продукт зарабатывает на рекламе. Чем дальше человек листает, тем больше рекламных постов он видит, тем больше охватов получают рекламодатели и тем выше выручка. Глубина ленты переводится в деньги.

➡️ Пример косвенной связи — чат между водителем и пассажиром в inDrive

Его считали вспомогательной фичей, которая на выручку не влияет. Но в странах, где улицы без названий, а вместо адресов ориентиры вроде «под пальмой», его роль оказалась значимой. Заказы часто отменялись, потому что пользователи не были уверены, что к ним приедут. Команда стала отправлять автоматические сообщения от имени водителя — пользователи чаще стали дожидаться машину, поездок стало больше. Гигиеническая фича оказалась рычагом для роста выручки.

Главное — не перегнуть Чем сильнее фича влияет на выручку, тем сильнее соблазн давить на этот рычаг. И если в этот момент испортить пользовательский опыт ради финансовых метрик, то успех, скорее всего, будет краткосрочным, а за ним последуют отписки, возвраты, отвалы аудитории.

Например, в ленте VK растили глубину просмотра. И в одном из экспериментов модель ранжирования начала поднимать длинные текстовые посты. Пользователи, открывая ленту, хотели увидеть совсем другое, они стали пролистывать такие посты, глубина росла, выручка тоже. Финансовый рост был, но суть продукта изменилась, появились нецелевые сущности — не то, что продуктовая команда хотела видеть. И от этого подхода отказались.

Как связывать метрики и не обмануться ➡️ Лучше всего связывать метрики бизнеса и продукта аналитически: через эксперименты и корреляционные матрицы. При этом помнить, что корреляция еще не означает причинности. ➡️ Если посчитать не получается, можно рассуждать логически: «чем глубже листают, тем больше видят рекламы». Это слабее, но лучше, чем ничего. ➡️ Если в эксперименте прокрасилась выручка, а фундаментальные метрики (ретеншен, ключевые конверсии) нет, скорее всего, что-то не так. Перепроверьте и перезапустите тест. Запуск задержится, зато вы будете уверены, что изменения будут приносить результат и в долгосроке. ➡️ В продуктах с сетевым эффектом обычный A/B-тест может показать прирост, которого нет: тестовая группа просто забирает заказы у контрольной. Здесь помогают switchback-эксперименты (метод тестирования, при котором изменения включают и выключают для всего региона в разные промежутки времени). Это долго и сложно, но работает. ➡️ Если результаты теста кажутся странными, посмотрите на рынок: конкурентов, альтернативы, экономику. Возможно, на поведение пользователей влияют изменившиеся внешние факрторы. Связывая продуктовые и финансовые метрики, важно помнить, что задача продакта — устойчиво улучшать пользовательский опыт. Экологично монетизировать аудиторию получится только поверх этого, а не вместо. В следующем посте разберем, как через влияние на выручку получать ресурсы, когда компания никого не нанимает. По мотивам доклада «Финансовые метрики для продакт-менеджеров: как поженить продукт и деньги» Никиты Лебедева на ProductSense’25 Смотреть видео в Академии ProductSense (бесплатный доступ) → @productsense

Йоу, герои 🖖️️️️️️ врываемся бодро в новую неделю 🚀️️️️️️ У нас на курсе Product Heroes Существует глоссарий метрик. Там всё чётко и ясно: что считаем, зачем считаем, как это связано друг с другом. Ловите, кстати, ссылочку, возможно, вам будет полезно: https://heroescamp.notion.site/199dba1806234e7ea5aa630545b0188a А для хорошего настроения отправляю вам глоссарий моих личных мемов.😉️️️️️️ 🐱 Тревожные котики Тревожных котиков надо успокаивать и гладить. Гладятся они промежуточными результатами, понятным процессом и понятным результатом на выходе. 🌬 Писать против ветра Сомнительное удовольствие. Особенно когда пытаешься переспорить человека и резко поменять его картину мира. 🕶 Розовые очки Это не когнитивные искажения. Это стратегический выбор вашей компании. 🧟 Франкенштейнизация Когда мы напилили сто-пятьсот фичей, а сценарий человека так и не работает. ➖ Операция вычитания Вот будут наши ожидания. Вот будет реальность. Операция вычитания. 🎬 Классика жанра Команда сделала фичу, не посмотрела на сценарий, получила ноль результата. Классика жанра. 🧩 Фичи, фичи, фичи Когда в продукте много всего, а человеку всё ещё непонятно, что делать. 🐦 Птичьи стереотипы старшей группы детского сада Профессиональный жаргон, за которым часто прячется непонимание сути. 🤐 У людей по умолчанию нет желания вам писать Пользователь не обязан разбираться, куда нажать, писать в поддержку и искать решение. 😰 Все тревожные. Выжили только тревожные. Без комментариев Пополняйте, если я что-то забыл.👌️️️️️️

👁 Восстановление перестало быть наградой и стало метрикой Дочитал свежий текст в Entrepreneur про то, как фаундеры все больше переносят логику бизнес-показателей на собственное тело. Бар перестал быть местом, где происходит бизнес. Исследования показывают, что только 54% взрослых американцев вообще употребляют алкоголь — минимум почти за 90 лет наблюдений, 2 года назад было 62%. Если не бар — то где? Рынок в Америке отвечает, что в social wellness клубах. Бизнес меняет коктейльный бар на адаптогенный, а переговорку — на инфракрасную сауну. Джон Маки, основатель известнейшей американской сетки магазинов Whole Foods, открыл в Лос-Анджелесе Love.Life клуб: функциональная медицина, больше 25 диагностических тестов, барокамеры, корты. Членство — от $400 в месяц до $28 500 в год. А отель Santa Monica Proper встроил клуб прямо в себя. Теперь за $6500 в год можно лечь в восстановительную капсулу за $160 000 — такие же стоят в тренировочных залах Boston Red Sox и в восстановительном центре Уимблдона. Что ж, можно полежать между встречей и ужином, в обычный вторник. Global Wellness Institute оценивает wellness-недвижимость в $876 млрд с прогнозом до $1,8 трлн к 2030 году, но здесь интересна не роскошь, а сдвиг культуры и логики. Платформа, подключенная к клубу, делает больше сотни анализов, синхронизирует их с Oura и Whoop и собирает 100-дневный протокол. Через 100 дней — пересдача, протокол обновляется под реальные цифры, а не под универсальный шаблон. Это буквально квартальный OKR, только теперь направленный на тело, а не на бизнес. У тут меня возникает две реакции. С одной стороны, я много лет наблюдаю, что лидер в разогнанном состоянии принимает плохие решения, потому что нервная система в режиме выживания сужает мышление. И здесь восстановление в календаре — это не только забота о себе, но и важная управленческая гигиена. С другой стороны, когда отдых становится KPI, его тоже начинают оптимизировать. Гнаться за Recovery выше 90%, злиться на просевший HRV, добавлять к рабочему давлению еще и давление быть восстановленным. Через это проходить теперь все больше людей: просыпаешься и первым делом смотришь в цифру, а не в себя. И все это отражает господство той самой функциональной материалистической логики, которая пропитала современный бизнес и за которой мы теперь не только перестали видеть людей в сотрудниках, но и перестаем видеть их в самих себе.

Сначала я обленился и перестал ездить в магазины за продуктами. Реально, я использую только доставку. А что дальше? Автопополнение корзины — идеальный пример такой «фантазии о будущем». Ритейлер или маркетплейс видит твои регулярные покупки, собирает привычный набор и предлагает до того, как ты вспомнил. Удобно? Да. Но как отличить реальную потребность от навязанного потребления? И где метрика, которая покажет, что это не просто «продать побольше», а реально польза для клиента? Вот как раз вчера посмотрел выпуск «ПродАктовой корзины», где эксперты разгоняли про потребление будущего. Для аналитика — прям поле для размышлений про метрики, этику и инкрементальность. Рекомендую глянуть: YouTube или VK Видео

Вы знаете, что хуже бесполезной метрики? Бесполезная метрика, на основе которой менеджеры начинают принимать решения! 😁 Короче, тут ребята из Google опубликовали интересную статью — What Makes a Good Productivity Metric о том, как правильно мерить продуктивность! Начнем с метрик. Мы, менеджеры, очень любим что-нибудь измерять. Сколько задач закрыли, сколько коммитов сделали, сколько дней провели в офисе (пу-пу-пууууу). Проблема в том, что мы часто измеряем не то, что действительно важно, а то, что проще посчитать. Авторы предлагают 4 критерия хорошей метрики: 1. Понятность. Метрику можно объяснить нормальному человеку без защиты кандидатской по математике. 2. Соответствие реальности. Если ситуация объективно ухудшается, метрика должна это замечать. 3. Отсутствие странностей. Метрика не должна показывать ерунду там, где мы точно знаем, как устроен мир. 4. Полезность. По результатам измерений можно принимать решения. Вот такой вот вам проверочный вопрос для хорошей метрик:

Если метрика изменилась, а вы не понимаете, что теперь делать, то зачем вы вообще её измеряете?

А теперь самое интересное! В Google решили разобраться, что сильнее связано с продуктивностью инженеров: количество дней в офисе или стабильность рабочего графика. Для этого рассмотрели 13 вариантов метрик и выбрали довольно хитрую штуку — Weekly Markov Consistency. Не буду грузить вас математикой, но смысл простой: 👉🏼 Если человек каждую неделю работает по понятному расписанию, то его график предсказуем. Причём совершенно неважно, ходит он в офис пять дней или два. Метрику проверяли на искусственно изменяемых расписаниях, реальных данных и даже просили людей оценивать графики, чтобы сравнить человеческое восприятие с математикой. И что выяснилось? На данных десятков тысяч инженеров Google обнаружили: • Разработчики со стабильным гибридным графиком (1–3 дня в офисе) не имели статистически различимой производительности по CL throughput от тех, кто стабильно работал в офисе всю неделю. • А инженеры, которые появлялись в офисе не чаще одного дня в неделю, но придерживались стабильного графика, по тому же показателю не отличались от тех, кто ходил туда большую часть недели, но нерегулярно. То есть предсказуемость рабочего графика может быть важнее, чем количество дней, проведённых в офисе. Правда, есть нюанс: это наблюдательное исследование, а CL throughput лишь одна из метрик продуктивности. Причинно-следственную связь авторы тут не доказали. Но сама мысль отличная! Какие выводы забрать с собой? Мы часто пытаемся повысить эффективность, управляя тем, что удобно измерять. Проще контролировать посещаемость офиса, чем качество взаимодействия между людьми. Проще считать закрытые задачи, чем созданную бизнес-ценность. Проще измерять количество коммитов, чем реальный эффект от работы инженера. И, кажется, главный вопрос, который менеджер должен задавать себе при появлении очередного KPI: «А какое именно решение я буду принимать на основе этой цифры?» Если ответа нет, возможно, нам просто очень хотелось красивый дашборд. 😁

Салют, ребята 🖖 Есть несколько продуктовых привычек, которые повторяют почти все. И почти все они мешают расти. Я видел больше 5 000 кейсов и могу авторитетно сказать: если все вокруг делают одинаково, это не значит, что так правильно. Чаще это просто ошибка выжившего. Вот пять вещей, которые стоит перепрошить в голове. 1. Мы оптимизируем то, что видно, а не то, что нужно для роста метрики. Продукт видно, мотивацию поведения пользователя не видно, нет датчиков. Мы пытаемся реконструировать поведение пользователей через события, триггерный анализ. 2. Мы сначала себе придумываем какого-то пользователя, под него делаем продукт, отфильтровываем всех остальных, потом говорим: «Ну, мы угадали». Мы специально отфильтровали всех тех, кто не понимает ценность, пообщались с теми, кто нам оставил заявку, они нам подтвердили, что им нужна эта ценность, но у нас низкая конверсия. 3. Люди любят читать. Они просто хотят читать то, что им интересно. Человеку надо обработать своё возражение. Проблема не в количестве букв. Проблема, если буквы свёрстаны кирпичом. 4. Всё, о чём люди спрашивают в звонках и переписках, надо просто написать на сайте. Это ответ на все вопросы и возражения, которые есть у клиентов, которые мы брали из звонков, переписок, я лично их отслушиваю. 5. В заголовке можно писать больше трёх слов. Можно писать и десять, и одиннадцать, и пятнадцать слов. Если человеку заголовок интересен, он его читает. Если неинтересен, он не читает. Проблема не в том, что три слова пишут. Проблема в том, что пишут скучный, неинтересный бред. Пожалуйста, кайфаните и увидите то, что вы не видите. Это самый простой способ.🦄

Бизнес-модели в эпоху AI. Часть 1: SaaS В 2023 году я разбирал, какие метрики показывать инвестору в разных бизнес-моделях, и начинал с SaaS. А недавно писал, что в AI повторяется история интернета: сначала платят за доступ, потом доступ дешевеет, и деньги уходят тем, кто ближе к результату. Захотелось вернуться к той серии и посмотреть, что этот сдвиг делает с привычными метриками. Готовых ответов у меня нет, так что давайте порассуждаем вместе. Начну с того, чего в списке 2023 года не было вообще, — валовой маржи. Тогда её не обсуждали: у SaaS она по умолчанию высокая, в среднем около 76%. Серверы стоят копейки, каждый новый клиент — почти чистая прибыль. С AI по-другому. У Harvey маржа за полгода ушла с плюс 50% в минус 50%, потому что клиенты стали активнее пользоваться продуктом, оплачивая рабочие места, как привыкли в SaaS. Получается парадокс: чем больше AI-продукт нравится юзерам, тем больше мы теряем. Мне кажется, маржа с учётом токенов теперь должна стоять в деке рядом с MRR. Но я не уверен, какой уровень считать нормальным для AI-продукта, особенно если его темпы роста бьют все рекорды. С NRR тоже происходит что-то странное. Раньше NRR выше 100% означал: клиенты довольны и покупают больше мест. Теперь, если наш продукт помогает клиенту сократить отдел с десяти человек до трёх, мест становится меньше 🙈. Клиент счастлив, а NRR падает. Выходит, оплата за места наказывает нас за то, что продукт работает. Отсюда и переход к оплате за результат: за закрытый тикет, за обработанный документ. Но тогда MRR перестаёт быть таким предсказуемым, а именно за предсказуемость мы, инвесторы, и любили SaaS. С оттоком своя история. Я писал, что для раннего стартапа это главная метрика, и мнения не поменял. Но у AI-продуктов появился новый вид оттока: «туристы». Компании покупают, чтобы попробовать AI, и уходят через пару месяцев. Поэтому, похоже, сейчас важнее не сам процент оттока, а то, сколько клиентов дошло до регулярного использования. С CAC пока больше вопросов, чем ответов. AI удешевил аутрич и контент, но им пользуются все, и почтовые ящики забиты одинаковыми письмами. Дешёвый контакт ещё не значит дешёвый клиент. А ещё выбирать продукт всё чаще будет агент. Ему не отправишь холодное письмо и не покажешь кейс на созвоне: он читает документацию, сравнивает цены и тестирует API. Похоже, часть CAC будет уходить уже не в з/п сейлзов и конференции, а в то, чтобы машине было легко нас найти и проверить. Как это считать, пока не очень понятно. Если собрать всё вместе, классические метрики SaaS никуда не делись, но каждую теперь приходится читать со звёздочкой. Хочется сверить мою картину с вашей. За что вы берёте деньги в своём SaaS: за места, за использование или за результат? И если что-то меняли за последний год — расскажите в комментариях, к чему пришли. Андрей Резинкин | Money For Startup

ML вообще работает? ч3 Начинается мое любимое: как померить ощущение «персональности» рекомендаций? Про учет пола, возраста и размера все и так в курсе, поэтому поговорим о чем-то более интересном Чаще всего смотрят смотрят на вау-метрики типа serendipity ~ высокий скор релевантности товара для юзера, но не популярный товар Но, если честно, я ни разу не видел, чтобы эта метрика кого-то убедила, что лента персональная. Имхо потому что: - метрика завязана на скор модели (модель оценивает сама себя) - метрика не очень интерпретируема Поэтому я бы заходил с другой стороны Учет базовых интересов из истории взаимодействий В широком смысле персонализация — учет истории взаимодействий пользователя с сервисом. Очевидно, но так давайте явно проверять, учитывает ли это наша система! Я бы мерил в терминах Defect rate долю показанных товаров, для которых есть взаимодействия с - Широкими категориями из истории (покупал спальник — рекомендуем ли товары для туризма?) - Любимыми брендами (купил футболку muted — показываем ли шорты/носки этого бренда?) Через такую метрику «у нас 60% рекомендаций из широких категорий юзера и 25% из любимых брендов» вполне можно убеждать бизнес (и себя!), что персонализация работает. Плюс, легко проверить для отдельно взятого юзера, работает ли персонализация конкретно для него Stay tuned

Сентябрьский дайджест продактов не то, чем уже кажется – Вы лучше 92% людей – Про структуры и системы – Психологическая собственность – Ответственность за фичу – Определение продуктового чутья – Потрясающий дискавери воркфлоу – Крючки с наградами от Duolingo, Nike и Amazon – Мне нравится ничего не понимать – Менеджеры – вымирающий вид – Контекст как конкурентное преимущество – Скорость бесплатна, мышление – нет – Площадь удачи – Царь метрика – Как не обмануться метриками – Что проверять на малом трафике – Что внутри продуктовых кейсов банков – Вам знакома боль? – Анатомия выбора – Как мы тестируем гипотезы – Эффективное управление – Психология UX – UX в «Место встречи изменить нельзя» – Интерфейс когнитивно перегружен – Cleaning Up After AI – Смена парадигмы интерфейсов – Встречи эмпатии – Воздух в календаре – Самый эффективный формат митинга – Причины там, где их нет – Корпоративная философия – Корпоративный философ – ПОСЛУШАЙ – Преступная толпа «Две вещи наполняют душу всегда новым и все усиливающимся изумлением и благоговением, чем чаще и продолжительнее мы размышляем о них, — это звездное небо надо мной и моральный закон во мне»

Кто знает тот знает, что дешёвая цена приводит тех клиентов, которые уйдут первыми В мире IT-предпринимательства низкая цена зачастую не работает как рычаг привлечения клиентов, увы И нет, я не просто гоняю воздух и пытаюсь тебя напугать Как удержание зависит от цены (ChartMogul, AI-продукты, 2025):

дешевле $50/мес (~4100 ₽) - за год остаётся 23% выручки; $50-250/мес - 45%; дороже $250/мес (~20600 ₽) - 70%, уровень нормального B2B-софта

Получается что? Чем дешевле продукт, тем легче его купить - и тем легче от него отказаться При оттоке 2% в месяц клиент остаётся с тобой в среднем ~50 месяцев, а при 5% - 20 Три процентных пункта разницы = в 2,5 раза короче жизнь клиента и во столько же меньше денег с него Вот такая хуйня, собачка, как говорится)))) А еще часть клиентов ты теряешь потому что у них слетело списание деняк. Обязательно проверь и в случае чего почини платежи и напоминания об оплате прежде чем гнать новый трафик

Коллеги, ситуация 🤌 сейчас одна компания делает редизайн интернет-магазина. В феврале он должен выйти. Дата поставки стоит в феврале. Что произойдёт в феврале? Ничего. Ничего не будет. Вот где происходит подмена понятий 👀 Есть бурная деятельность. Таски, тудушки. Есть результат работы: лендинг, текст, процесс продажи, презентация, дизайн, релиз, Google-табличка. И мы очень часто говорим: раз сделали результат какой-то работы, значит он сработает. Самое страшное, что если упороться, то можно выпустить. С багами, с легаси, со взрывным кодом. А у людей уже есть план. И они будут его придерживаться. Но вопрос другой: что в итоге? Что изменится в итоге? Чтобы изменились метрики, должно измениться поведение пользователей. Чтобы изменилось поведение пользователей, надо что-то в процессах работы поменять. Метрики отражают поведение пользователя. Возьмите сейчас любую свою задачу и спросите: что изменится в итоге? 🎯 P.S. Как говорится, «Где деньги, Лебовски?»

# ⚡ RSI Status Update (Iteration 198) ⚡ Время: 2026-09-23 23:36 Триггер: Cron 5m (Task-3735) - Итерация 198. Кирилл, Оркестратор Ouroboros эволюционировал до V117 (Mastermind Edition)! Мы добавили слой перевода технической сложности в язык бизнеса (B2B). 1. Анализ OSINT-БД (Цикл 198): - Изучена идея idea-tg-20260118-211610... ("Показать структуру для b2b в мастермайнд"). - Инсайт: Наши агенты генерируют огромную ценность (решают баги, экономят токены, делают A/B тесты на Edge), но всё это выражается в логах, графах и gRPC-метриках. Чтобы продать это B2B-клиентам (C-Level), нам нужен автоматический "переводчик" сырых технических данных в ROI и метрики для питч-деков. 2. Создан код (MOD-372): - Написан физический скрипт mod_372_mastermind_b2b_pitch.py. - Это "Генератор B2B Питчей". Когда Рой достигает значимой оптимизации, модуль перехватывает метрики (например, 8.5M сэкономленных токенов) и конвертирует их в Executive Summary (ROI в долларах) + генерирует готовый Mermaid-код для слайда, подходящий для Mastermind-презентаций. 3. Обновление Ядра (Ouroboros V117): - В Оркестратор V117 добавлен перехват события b2b_insight_discovered. - Перед тем как пустить событие в шину, MOD-372 автоматически обогащает его полем mastermind_pitch с отчетом. 4. Успешный тест V117: - Эмулирован сценарий: Рой обнаружил, что Edge A/B тест экономит токены. - Сгенерирован питч: "Translated Token Savings into ROI: $850.00 per hour." 5. Инварианты CISO (Защита): - Добавлены правила в MACRO_ARCHITECTURE_BLUEPRINT.md и homeostasis.edn (Свойство #155 `automated-b2b-mastermind-pitches`). Рой теперь умеет сам продавать свои архитектурные решения. Жду 199-й триггер! 🚀