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.

Cancellation flow ловит только тех, кто дошёл до кнопки. А основной отток начинается за недели до неё Делюсь свежим разбором cancellation flows от Userpilot. Главная мысль там довольно простая: отмена подписки - это не момент churn, а его финальная стадия. 96% недовольных пользователей уходят, так и не оставив никакого фидбека. Они не пишут в поддержку и не объясняют, что пошло не так. Просто начинают реже заходить, перестают получать ценность и в какой-то момент отменяют подписку. При этом сам cancellation flow работает. Хорошо настроенный флоу может сохранить 10–34% пользователей, которые уже решили отмениться; Churnkey приводит средний save rate по своей платформе в 34%. Но проблема в том, что до этого экрана ещё нужно дойти. Поэтому в статье предлагают строить защиту от churn в три слоя: 1. За 30+ дней до отмены: поведенческие сигналы. Смотрим не на то, что пользователь говорит, а на то, как меняется его поведение: • зашёл в billing после долгой паузы • много логинов, но нет результата • перестал использовать фичу, которой раньше пользовался регулярно • внезапно перестал писать в поддержку Последнее особенно интересно: отсутствие активности - тоже данные. Иногда пользователь перестал жаловаться не потому, что проблема решилась, а потому что перестал верить, что она решится. 2. За 2–4 недели: проактивное вмешательство. Когда появились такие сигналы, задача дойти до пользователя, пока он ещё хочет, чтобы продукт у него получилось использовать. На этом этапе ещё можно понять, где он застрял, вернуть к ключевой ценности или помочь разобраться. Когда человек уже нажал Cancel, пространство для этого сильно меньше. 3. У самой кнопки Cancel: причина, затем релевантный оффер. И только здесь появляется привычный cancellation flow. Сначала спрашиваем, почему человек уходит. Потом предлагаем решение именно этой причины: дорого - даем скидку слишком большой тариф - предлагаем дешевле сейчас не нужен продукт - предлагаем паузу И порядок здесь важен: сначала причина, потом оффер. Иначе мы просто показываем всем одну и ту же скидку, не понимая, почему человек вообще решил уйти. Отдельно интересна пауза. По данным из разбора, 25% тех, кто собирался отменить подписку, выбирают паузу, если такая возможность есть. Цена тоже остаётся огромным фактором: 34% ушедших пользователей сказали, что их могла бы удержать скидка, ещё 34% - более низкая цена. Поэтому даунгрейд и скидку действительно стоит иметь во флоу, но показывать их тем, для кого проблема именно в цене. Источник: userpilot.com/blog/cancellation-flow-examples/ #PG_education @productgames

Как структурировать продукт для ИИ: 6 элементов Новая точка ценности возникает в создании интерфейса-протокола-API, который позволяет ИИ понимать ваш продукт и действовать в нём (назовём это AIX вдобавок к привычному UX).

AIX, как и UX, ломается не на сложных, а на неявных действиях

Чтобы продукт стал более удобным для ИИ, его можно разложить на несколько элементов: 1) Структурированный контекст, чтобы ИИ-агент мог видеть то же, что видит пользователь. Но ИИ-агенту нужен не весь контекст продукта, а нужный слой на нужном действии, так как избыточный контекст так же ломает агента, как недостаточный (ибо разнообразие должно соответствовать, а не максимизироваться). 2) Типизированные действия, чтобы ИИ-агент знал, какие действия доступны в процессах а) пользователя; б) продукта и бизнеса.

Типизированное действие = предусловие (срез контекста, при котором действие применимо) + действие + постусловие + альтернативный поток (эскалация на человека).

3) Правила эскалации с версионируемой схемой политик поломок и явным владельцем, чтобы ИИ-агент (и человек) знали, при какой ситуации необходимо предпринять действия коррекции и кому. У каждого типизированного действия должна быть задана стоимость отката. Если откат действия дороже самого действия (необратимые операции: отправка, платёж, удаление), эскалация к человеку должна быть предусловием, а не постусловием. 4) Как только продукт структурирован, его частям нужен ИИ-контракт ИИ-контракт определяет, как фича работает на системном уровне, её связь с каждым компонентом, объектом и правила их взаимодействия внутри продукта, чтобы разные продуктовые области могли подключаться и заставлять своих ИИ-агентов выполнять желаемое поведение. И да, версионируйте контракты ВСЁ, иначе без этого ИИ-агенты молча начинают действовать на устаревшей модели продукта. 5) Цикл. Цикл призван улучшать Систему в времени. Примером ценного цикла может служить захват сигнала коррекции: разницы между тем, что сделал ИИ-агент, и тем, исправил ли это пользователь. Например, когда пользователь редактирует текст, сгенеренный ИИ или отменяет предложенный вариант, это разные по силе сигналы. Первый про качество ответа ИИ, второй про доверие/уместность действия со стороны ИИ в глазах юзера, поэтому разделяйте постусловие на «успех» и «частичный успех». Поэтому каждый цикл коррекции должен иметь владельца (ИИ или человек?), который решает, применять ли исправление системно или считать его исключением.

Исправления пользователя — это размеченные им же несостыковки в реальности продукта

Сигнал коррекции даёт сразу 2 преимущества: – Это данные для оценки, потому что сигнал о том, где ИИ терпит неудачу в продакшене, не даст ни один офлайн-бенчмарк и это же данные для улучшения, так как исправления улучшают самого агента с помощью пар предпочтений или прошлых исправлений, добавленных в его контекст, чтобы агент не повторял ту же ошибку. – Этот сигнал даёт ещё и пользовательские поведенческие инсайты для продакта. Сигналы коррекции нужно тайм-стемпить относительно версии контрактов, иначе уже через квартал правки будут учить агента на артефактах несуществующей схемы действий. Все эти ИИ-улучшения делают продукт и фичи персонализируемыми, предсказуемо масштабируемыми и практически автономными. 6) Поскольку ИИ-агентам нужны определённые предусловия для работы в продукте, и лучше продакт-менеджера их не знает никто, то контрактно-ориентированное мышление становится ещё одним элементом в эпоху ИИ

Как превратить выбор продукта в творчество Недавно получил интересный опыт в магазине Sunnies. Один из самых популярных персональных предметов на Филиппинах — это термос для холодных напитков. Вокруг практически всегда +30 и очень высокая влажность, поэтому любой обычный стакан с холодным напитком сразу покрывается влагой. Поэтому всё ходят со своими мини термосами. Рынок крупный, спрос высокий, значит должен был появиться и классный продукт, который будет отличаться от всех остальных. Подозреваю, что когда-то в Sunnies провели исследование и выяснили, что одна из незакрытых потребностей покупателей термоса — сделать его уникальным. И полностью закрыли эту потребность. Представьте себе магазин, где вы как конструктор можете собрать себе уникального друга для холодных напитков. Несколько размеров и форм самого термоса, несколько вариантов крышек, разные форматы ручек… И все эти элементы представлены в десятках разных цветов! Выбор превращается в увлекательную игру, где сам покупатель подбирает себе палитру и удобный формат. Короче, процесс занял минут 20 🙂 На десерт предлагают сделать гравировку. На планшете можно ввести любой текст, «поиграть шрифтами», выбрать расположение. И потом вживую посмотреть как твой термос становится полностью уникальным под лучом лазера! А начинали они с продаж очков и оправ с простым, но стильным дизайном и по доступным ценам. Там тоже палитра у каждой модели в несколько десятков цветов — можно выбрать себе очки под любой костюм. Сейчас у компании больше 120 магазинов по всей стране и онлайн продажи в нескольких странах Юго-Восточной Азии. Крутой пример продукта под глубинную потребность аудитории. И один из лучших локальных кейсов того, как филиппинская компания смогла создать бренд, который конкурирует с международными игроками не ценой, а клиентским опытом и дизайном. #producteye #philippines

Beach house experience Последние несколько дней мы всей командой бизнеса и продукта Salmon Moto Marketplace работали не из офиса, и не из дома, а из Beach House. Вилла на Бали с бассейном, множеством спален и несколькими классными пространствами для командной работы. Это гораздо полезнее, чем очередной стратегический воркшоп с презентациями. Когда каждый день заполнен созвонами, задачами и дедлайнами, легко потерять ощущение общей картины. А стоит сменить обстановку — и за несколько часов появляются разговоры, на которые в офисе никогда не находится времени. Мы обсуждали не только роадмап и метрики. Говорили о том, что нас тормозит, какие решения уже не работают, как каждый видит развитие продукта через год-два. И это не просто разговоры. Я давно заметил, что хорошие идеи имеют привычку появляться не за столом переговоров, а во время прогулок, ужина или вечернего караоке. Есть азиатская поговорка: прежде чем вести бизнес с человеком, сначала нужно вместе выпить. Я бы сформулировал шире: сначала нужно провести вместе время. Доверие между людьми появляется не в Jira и не в Zoom. А без доверия невозможно быстро принимать решения, спорить без конфликтов и строить действительно сильные продукты. Особенно сильно это ощущается в распределенных командах. Несколько дней вместе могут дать больше для эффективности, чем десятки дополнительных синков в календаре. Кажется, такие выезды — это не корпоративная привилегия. Это такая же инвестиция в продукт, как найм сильных людей или покупка хороших инструментов разработки. Ведь в конечном итоге продукты создают не процессы, а команды. Круто, что в Salmon это понимают! #salmon #teamwork

Муж в командировке, дети в садике, а жена - с горячим ИИ-лордом Forbes на днях поведал историю: Некая дама под псевдонимом "Cookie" переехала в Северную Каролину. Муж вечно в разъездах, а дома - четырёхлетняя дочь и тотальное одиночество в незнакомом городе. Спасением стал Janitor AI - сайт, где можно выбрать персонажа (вампира, бродячего лорда, миллиардера, кого в кайф) и прожить с ним целую романную линию. Cookie выросла на любовных романах, так что теперь просто переехала с бумажных страниц бумаги на сайт с романтичными ИИ-героями. И вот тут самое интересное. Делает это всё не корпорация и даже не крупный стартап с венчурными миллиардами - вроде Character AI и кучи других - а буквально три чувака (надеюсь, бородатые и в майках-алкашках). Сайт гоняет около 100 млн визитов в месяц и 13 триллионов токенов, но при этом его инфра держится на ~$130К в месяц. Вот это я понимаю эффективность! Это не мешает Janitor AI залетать в десятку самых посещаемых ИИ-продуктов вообще, обгоняя кучу кодинг-инструментов с гигантскими бюджетами. И конечно, ~80% его аудитории - женщины. Остальные 20%, я так понимаю, *запрещено в РФ* (напомню - там романтика с ИИ-вампирами, лордами, и вот такими мачомэнами со шваброй). Я много писал про AI-girlfriends. Это очевидная ИИ-ниша и здоровенный рынок, но тамошний продукт - это почти всегда "эротика с порога", где диалог нужен только как обёртка для секса. И почти вся аудитория - мужчины. А я, будучи большим знатоком женской натуры (у меня аж целая жена есть!), могу ответственно заявить: женщинам нужно другое. В том числе - в ИИ-секстинге. Секс в Janitor AI тоже есть, но он не точка входа, а часть истории. А завлекают юзерш через нарратив, романтику, недосказанность и прочие "приключения". То есть, как в классическом любовном романе, но только с интерактивным ИИ-движком и принципиально другим уровнем погружения. Кстати, если жена застукает мужа за секстингом с ИИ-гёрлфренд, то это почти наверняка сочтут за адюльтер: скандал, развод и тапочки по почте. А если муж спалит жену за романтическим ИИ-приключением с бродячим лордом, где интим сокрыт под грудой других механик? Всё-таки мы, мужчины, примитивные существа, и продукты у нас соответствующие. Дизраптор

Грустный #producthumor на тему событий прошлой недели, когда Apple удалил все приложения VK из стора. Хочется понять как работает такой подход и почему им активно не пользуются мошенники. Помню был период, когда Альфабанк почти каждую неделю публиковал новое приложение в сторе. Всякие Учёты доходов, Холдеры, A-интерьеры и BizKey-и. Их регулярно удаляли, а компания запускала новые. Интересно, как это выглядит с точки зрения команды безопасности? У каждого приложения есть возможность авторизовать клиента в мобильном банкинге с доступом ко всем деньгам? А поддержка как с этим работает? Для мошенников, кажется, вообще идеальный способ. Делаешь приложение, заманиваешь клиентов банка, получаешь реквизиты доступа, делаешь запрос на OTP, используешь его и реквизиты для входа в настоящее приложение, выводишь деньги. Или я что-то не понимаю? Поделитесь в комментариях, если знаете. #producteye

Народная карта бензина собрала почти 2 млн посетителей за три дня. Её навайбкодил один человек Бэкенд кое-как держит нагрузку, но от нормальной монетизации автор отказывается из принципа — пока есть только донаты. На фоне топливного кризиса появился ГдеБЕНЗ: народная карта, на которой водители сами в реальном времени отмечают, где топливо есть, где очередь, где машин мало и куда ехать уже бессмысленно. Логика простая до примитива: любой публичной заправке можно выдать эти четыре статуса, никакой регистрации нет, как и отдельного приложения, карта работает прямо в браузере. Один водитель отметил, что бензин появился, второй подтвердил, третий уточнил марку и очередь — и десятки людей рядом уже понимают, где стоит пытаться заправиться, а где нет. За первые дни ГдеБЕНЗ собрал больше 100 тысяч отметок, 2 тысячи добавленных вручную заправок и 80 тысяч установок карты на главный экран. Я поговорил с его автором Евгением Чудовым: судя по присланным скринам из Яндекс.Метрики, у проекта за трое суток — 1,8 млн уникальных посетителей, 3,5 млн визитов и 13,2 млн просмотров. Для сравнения: за первые двое суток было 812 тысяч уникальных пользователей. То есть сегодня у сервиса плюс миллион аудитории. Чудов — маркетолог и предприниматель, основатель биржи рекламы Marketly в каналах MAX. Он ведёт сетку каналов на 2 млн+ подписчиков, сделал популярного бота автопостинга «Отложка» (им пользуются 30 тысяч+ каналов). Думаю, можно сказать, что он запускался не с нуля — у него уже были готовая дистрибуция, как и привычка строить инструменты самому под себя. ГдеБЕНЗ, по его словам, он придумал в самолёте, по приземлении накидал план — и к вечеру всё работало. Сервис собран с помощью Claude. На вопрос про разработку Чудов ответил лаконично: «Токенов не счесть» — за эти дни он спалил почти два недельных лимита тарифа Claude Max (который даёт x20 к обычным лимитам). Конечно, ГдеБЕНЗ работает не идеально. Первые сутки автор прыгал с сервера на сервер, наращивая мощность по чуть-чуть, чтобы сайт работал — потом увеличил ресурсы кратно, но лаги и недогруз карты у части пользователей остаются. Инфраструктура к такому наплыву готова не была, и это нормально для сервиса, которому всего несколько дней от роду. Монетизировать ГдеБЕНЗ Чудов хочет, но «исключительно полезной рекламой»: говорит, скамеры и чёрная реклама уже набежали, и «лучше уйду в минус, чем буду толкать людям грязь». Пока — только добровольные чаевые на сервера. Самым диким событием за эти дни он назвал то, что криптаны на хайпе уже успели выпустить монету «ГдеБЕНЗ», а он к этому не имел отношения — пришлось публично открещиваться. Отдельная примета — каналы ГдеБЕНЗ в MAX и Telegram уже насчитывают десятки тысяч подписчиков. В MAX их больше, чем в Telegram, что косвенно говорит о реальной популярности в регионах, а не только в столично-питерском пузыре. На вопрос, сколько процентов заправок сейчас сталкиваются с нехваткой, Чудов отвечать отказался — по его словам, его и так подозревают, что проект «чей-то» и сделан не из благих побуждений. В одном из постов от ГдеБЕНЗ подробно развенчивалась конспирология, что проект — это OSINT для поиска объектов для нанесения ударов. Ну и из топливных компаний и регуляторов с ним пока никто не связывался; говорит, был бы рад, если бы написали те же Яндекс Заправки. Нечасто случается, что вот прям резко и массово оказываются нужны такие узкоспециализированные коммуникационные сервисы — а когда такая потребность возникает, с инструментами типа Claude Code одинокий вайбкодер закрывает её быстрее, чем любая корпорация. И дело не только в скорости разработки (хотя в большой компании ты такое за три дня не выкатишь), но и в рисках того, чтобы показывать дефицит в реальном времени — сегодня это может быть социально радиоактивно. Бензин из воздуха ГдеБЕНЗ, конечно, не создаёт. Но честно отвечает на единственный вопрос, который сейчас волнует полстраны: ехать или не стоит.

🧠 Что интересного было в AI/DS за неделю Сделал обзор топ постов, которые сам прочитал за эту неделю. Буду выпускать такой обзор раз в неделю. На этой неделе лучше всего зацепили темы про AI-инструменты для разработки, роль AI-инженера, ML в реальном бизнесе и выход IT-продуктов на внешние рынки. 🛠 AI coding tools: контекст важнее красивой демки [1], [2] В обсуждении Cursor, Codex и Claude Code главная мысль такая: в длинных задачах решает не только модель, а то, как инструмент держит контекст, переживает сжатие истории и не теряет цель в автономной работе. Это хороший сдвиг в разговоре про AI coding. Уже недостаточно спросить “какая модель умнее”. Нужно смотреть, какая среда лучше помогает довести задачу до конца. 🧑‍💻 Хороший AI-инженер: не тот, кто просто сделал модель [1] Сильный тезис про роль AI-инженера: разработка моделей постепенно становится commodity. Готовых LLM, пайплайнов и туториалов уже много. Настоящая ценность всё чаще в другом: сформулировать гипотезу, выбрать метрики, поставить эксперимент, довести до деплоя и потом следить за качеством. Короче, хороший AI-инженер всё больше похож на владельца результата, а не на человека, который “прикрутил нейронку”. 🏢 ML в бизнесе ломается не только об accuracy [1] Отличный кейс про recommendation/search bias из корпоративной жизни. Самый интересный тип bias там не из учебника, а из реальности: “уважаемый человек попросил”. Даже хорошая модель может начать вредить продукту, если поверх неё начинают вручную проталкивать внутренние приоритеты. Это напоминание, что ML-система в бизнесе живёт не в вакууме. Ей нужны продуктовые границы, доверие пользователей и защита от организационного шума. 🌍 Российские IT-продукты всё активнее смотрят наружу [1], [2], [3] Заметная линия недели: как IT-проектам выходить за пределы локального рынка. Темы очень практичные: платежи, язык, поддержка, SEO, органический трафик, упаковка продукта. Общий вывод простой: иногда следующий рост даёт не новая фича, а способность продать уже работающий продукт на другом рынке. 💭 Мой вывод недели: AI-инструменты становятся мощнее, но выигрывает не тот, кто просто подключил модель. Выигрывает тот, кто умеет держать контекст, формулировать задачу, измерять эффект и доводить систему до результата. 🎯 Теперь хочу расширить список источников. Если читаете адекватные каналы про AI, DS, ML, разработку, продукты или IT-бизнес — скиньте их в комментарии.

Покажи за 30 секунд — Расскажу про проект, — начал продакт — Лучше покажи В 2008 году стартапер объяснял инвесторам про свой продукт: «Облако, которое использует кроссплатформенный механизм для синхронизации файлов». Они покивали — но денег не дали. Со злости Дрю Хьюстон записал трехминутный ролик: вот файл на одном компьютере — а вот он появился на втором. Никакой инфографики, объяснений, бюджета — просто видео, как живой человек кладет файл в папку. Залил видюшку в сообщество Digg и получил 75 000 регистраций за сутки. С этого начался Dropbox. Семнадцать лет прошло, а мы все пишем лендинги, ищем хитрые ходы, продающие офферы. Но принцип прост — покажи. За 30 секунд станет понятно, чего стоит продукт. Не смотрят — не понимаешь рынка. Не понимают — не знаешь аудиторию. Нет людей — вообще влажные фантазии. 30-секундное видео — это и есть MVP. Попробуй сделать его. «Не все можно показать, — скажет читатель. — Есть сложные В2В-решения; ценность, раскрывающаяся на 3-й месяц; кастомизация...». Это — так. Но тогда возникает вопрос: если не можешь привлечь и удержать 30-секунд внимание клиента, как собираешься повторить этот трюк с его деньгами?!