Epic Growth — рост продуктов 🕘 история названий (1)

ИИ-иллюзия: почему скорость процессов не равна росту бизнеса? Под хайпом ИИ-оркестров всегда кроются те или иные сложности. Если собрать из каждой компании «ну нифига себе» ИИ-момент, их хватит на сборник анекдотов размером с Большую советскую энциклопедию. Не будем мучать вас в пятницу вечером 30 томами, покажем три инсайта спикеров ProductSense’26 👇 Большинство руководителей ожидает, что через несколько лет они будут сидеть, смотреть что-то в планшете, а всю работу за них будут делать агенты. Есть такие ожидания? Есть, конечно. А реальность куда интереснее. Контекста и качественной отработки станет в разы больше. У нас точно поменяется роль. Но мы все так же будем принимать решения. Дмитрий Казаков, директор центра продуктового развития, X5 👉 «Продуктовый руководитель в эпоху ИИ-агентов: от исполнения — к решениям» У нас есть россыпь продуктов на запуск внутри большой компании. Допустим, снежинки и капельки. И вот вопрос: как между ними выбирать? Как их сравнивать? Может, маленькая инициатива классная, а в большой непонятно чем занимаются. Все наши инструменты клево работают, когда у нас есть сквозная приоритизация. Но в реальной жизни мы очень часто сравниваем теплое с мягким. Сергей Павлин, руководитель офиса управления продуктом, Авито 👉 «Автоматизация продуктовых процессов: ИИ-ассистенты, боли, эволюция» Когда нужно привести в бизнес глобальную новую систему, обычно нужно 3-4 команды, и они будут работать год. А с ИИ два разработчика за две недели выкатят первый работающий прототип. Скорость выросла на несколько порядков. Разработка внезапно перестала быть узким местом. Казалось бы, сказка, чудо! А потом мы смотрим на финансовую выручку — ни на цент не увеличилась. Как это возможно? Анатолий Иванов, операционный директор, международная ИТ-компания 👉 «Автоматизированный хаос: пересборка управления продуктовой разработкой в эпоху ИИ» ИИ делает наши «руки» невероятно быстрыми, но вся ответственность за «голову» — выбор вектора, приоритизацию и поиск точек кратного роста — теперь лежит на нас еще тяжелее. Ведь чем больше возможностей, тем больше выборов нужно сделать 🕷 Хотите узнать, к каким выводам и через какой опыт пришли наши спикеры? Записи этих докладов и ещё 3000+ материалов по продуктовому менеджменту — уже доступны подписчикам Академии ProductSense* Видеотека Epic Growth Community теперь тоже живет в Академии! *Доклады недавно прошедшей конференции пока эксклюзивны для участников. Есть время попробовать Академию бесплатно и принять решение, стоит ли оформлять подписку — просто заведите аккаунт в Академии, сразу получите доступ к части материалов 💜

Победители мастер-класса от Альфа-Инсайт получили свои призы 😎 На ProductSense’26 директор по продукту Альфа-Инсайт Владимир Соколов провел мастер-класс «Лучший отраслевой продукт на основе данных»: участники собирали описание концепции и после доработки отправляли свои проекты для экспертной оценки. Всего до оценки дошел 21 проект. На прошлой неделе команда Альфа-Инсайт подвела итоги и наградила ценными призами победителей: 🥇 1 место: Алексей Петрин — MacBook Air 13″ 🥈 2 место: Юлия Никонова — iPhone 17 Pro 🥉 3 место: Михаил Дмитриенко — AirPods Pro 🥉 3 место: Илья Кривопустов — AirPods Pro Все победители также получили предложение вступить в команду. Поздравляем! 🎉 Если вы тоже хотели бы поработать над дата-продуктами в команде Альфа-Инсайт, пишите на alfainsight@alfabank.ru @productsense

Как искать большие точки роста в жизненном цикле продукта постоянно Если посмотреть на жизненный цикл продукта, мы бы хотели каждый раз, когда мы начинаем идти на спад, все-таки находить новую бизнес-модель, новый сегмент рынка или что-то такое. И наша задача в целом как компаний — искать большие точки роста постоянно. В новой картине мира приходится учиться делать дизрапт. 🟣 В фрагменте Илья Забелин, старший управляющий директор, руководитель Офиса Agile–трансформации в «Сбере», делится одним из способов дизраптить. Сохраняйте и применяйте в своем проекте! Полный доклад о том, как должен меняться продуктовый цикл в ИИ-нативную эпоху, уже 30 сентября появится в Академии ProductSense 💜

Просто показываем, что творилось в зале Epic Growth на ProductSense’26 🔥 Кто был? Что понравилось? ⬇️

Пирамида впечатлений: как исследовать финальный этап пути клиента Спикер: Мария Щербаль Сегодня продукт конкурирует не только функциональностью, скоростью или ценой. Все большее значение имеет впечатление, которое остается у человека после взаимодействия с продуктом. При этом потребители становятся рациональнее: сравнивают предложения, ждут скидок и легче меняют привычный сервис ради более выгодных условий. Привлечение само по себе уже не решает задачу. Важнее становится то, что происходит после покупки и помогает удерживать клиента. Для диагностики пользовательского опыта можно использовать такой инструмент как пирамиду впечатлений из пяти уровней. 🤩 Привычное впечатление Продукт выполняет базовое обещание на ожидаемом уровне: все работает, пользователь получает то, за чем пришел, но конкурентного преимущества здесь еще нет. Это скорее входной билет на рынок. 🤩 Осознанное впечатление Человек понимает, что получает от продукта и почему он ему нужен. Продукт легко использовать, его ценность не приходится дополнительно объяснять через инструкции или поддержку. 🤩 Запоминающееся впечатление Появляется эмоциональный отклик: человек уже не просто говорит, что продукт удобный или функциональный. Он описывает эмоции, запоминает взаимодействие и начинает формировать связь с брендом. Именно здесь появляется лояльность, которую сложнее перебить дополнительным процентом кешбэка. 🤩 Значимое впечатление Продукт помогает человеку узнать что то новое о себе или своей жизни. Например, финансовое приложение не просто показывает расходы, а заставляет задуматься: почему я трачу на кофе больше, чем зарабатываю на инвестициях? Так, продукт становится поводом для рефлексии, а не только инструментом для выполнения задачи. 🤩 Трансформационное впечатление Высший уровень, на котором продукт уже меняет поведение человека. После использования (или в процессе) клиент начинает иначе распоряжаться деньгами, покупать, тренироваться или принимать решения. Один из признаков такого уровня: продукт рекомендуют без реферальной программы и денежного стимула. Пирамида помогает увидеть, где именно продукт теряет пользователя. Например, в исследовании программы лояльности первые два уровня были закрыты хорошо, а просадка начиналась на эмоциональном. Значит, проблема была не в размере кешбэка или количестве акций. Нужно было проектировать опыт, который человек запомнит и ради которого захочет вернуться. Но есть важное ограничение: частое использование еще не означает лояльность. Особенно это заметно у продуктов, которыми человек пользуется из необходимости или из за отсутствия альтернатив. Высокая частота использования сама по себе не доказывает, что продукт создает сильное впечатление. Как применять пирамиду? Чтобы пирамида дала максимальный эффект, применять ее следует сверху-вниз. Для этого можно по порядку задать себе вопросы о ваших пользователях: 🤩Какое поведение человека мы хотим изменить? 🤩К какому выводу о себе или своей жизни он должен прийти? 🤩Какую эмоцию должен испытать? 🤩Что он должен понять? 🤩И только после этого переходить к функциональности и решать, какой именно должна быть фича. То есть не: фича → использование → результат, а: поведение → вывод → эмоция → понимание → функционал Так фича проектируется не ради самого использования, а ради опыта, который помогает удерживать пользователя и растить LTV. @productsense

Уровни подписки: как пробить потолок среднего чека? На примере «Где мои дети» — приложения №1 для безопасности детей Спикер: Илья Григорьян Мы как менеджеры продуктов постоянно задаемся вопросом «Как растить юнит—экономику?». Ответы часто лежат на поверхности, ведь из теории известно, что надо для этого увеличивать: конверсия в покупку, средний чек, LTV. Но если смотреть отдачу и затраты — каждый из этих рычагов влияет по-разному. И зрелая команда может прийти к тому, что многие рычаги она уже итак использует, их предельная отдача снижается. Приходится искать новые способы. В нашем случае — это ввод тарифов. Но возникает вопрос: «А как мы можем быть уверены, что это правильное стратегическое направление?». Мы увидели это по нескольким сигналам: 🔜 у нас есть текущий спрос (аудитория по подписке); 🔜 у нас есть потенциальный спрос (люди годами пользуются бесплатной версией); 🔜 у нас есть возможность расширить предложение ценности за счет изменения продукта. Чтобы наполнить тариф, мы изучили конкурентов, отследили реальный спрос через отдельные покупки и тестировали разные тарифные сетки. Интересные наблюдения, которые мы сделали: — Если нет спроса в маркетинге, то еще не значит, что спроса не будет внутри продукта. — Увеличение стоимости следует делать на более чем 50% (сделали на 70%). Сравнение конкурентов и подписанных сервисов, которые используют похожую модель монетизации, подтвердило результат наших экспериментов. Как представлять тариф для пользователей? Мы попробовали сразу дать выбор пользователю. И так делать было нельзя. Те пользователи, которые только пришли в продукт, не обладают контекстом о продукте для принятия решения о том, какой тариф выбрать. И вместо покупки вы получите отложенное решение о покупке. Что надо делать в таком случае? Не усложнять путь клиента в самом начале, давая ему выбор. В первой сессии начинать с базового тарифа. И давать выбор только на месяц или на год. Все остальное выносить за рамки первой сессии. Также мы провели несколько экспериментов и пришли к формату единого пейвола формата с карточками и таблицей. Так мы не только даем выбор и подсвечиваем вариант, но и снижаем негатив от потенциально неверного решения, принятого клиентом. Апгрейды и допродажи Тут механика простая: тестировать, делать эксперименты и валидировать их результат. Но ждать апгрейды точно стоит. На нашей практике оказалось, что только 30% пользователей купили план Плюс с нуля. А 70% перешли на план Плюс через апгрейд (при этом половина из них пришлась на моментальный апгрейд: сразу после оплаты предлагаем максимальный доступ). К чему пришли? Повысили проникновение нового тарифа с 8% до 35% для новой аудитории 🔥 Кумулятивный прирост ARPU - примерно 40% 🔥 И не стоит забывать о минусах внедрения новых тарифов. Мы выявили для себя несколько: 🤏 Переход к линейке тарифов и увеличение сложности всего процесса монетизации. 🤏 Нужно пересчитывать модель расчета и прогноза LTV. Подробнее о других докладах конференции — в телеграм-канале ProductSense

Epic Growth на ProductSense’26: второй день конференции уже начался 🔥 Сегодня в программе на площадке: панельные дискуссии, активности от партнеров и розыгрыши призов, а также доклады и мастер-классы — куда без них. А здесь продолжим делиться текстовыми трансляциями докладов — включайте уведомления, чтобы не пропустить. Продуктивной всем пятницы 💜

Стресс-тест продуктовых гипотез с помощью агентных ИИ-систем Спикер: Сергей Синяков Откровенно плохие идеи обычно отсеиваются быстро. А правдоподобные совпадают со стратегией, нравятся команде и звучат логично. Если добавить данные, мнения пользователей и убедительную формулировку от ИИ, гипотеза начинает выглядеть почти доказанной. Мы привыкли защищать идеи: искать аргументы в их пользу и постепенно влюбляться в собственную конструкцию. А можно действовать наоборот — подвергать гипотезу нагрузке до того, как она попадет в разработку, чтобы отсеивать нерелевантные и брать в работу лишь те, которые принесут большую пользу бизнесу. Проверять гипотезу через призму доказательств, ролей и противоречий можно тремя способами: 1. Вручную собирать и связывать всю имеющуюся информацию — качественно, но дорого. 2. Передать весь контекст модели одним большим запросом — удобно, но недостаточно проверяемо. 3. Разделить анализ на этапы с помощью агентного конвейера — надежно и обоснованно. Почему одного большого промпта недостаточно? Проблема большого запроса в его непрозрачности: мы получаем уверенный ответ, но не видим, на чем он основан. В агентной системе стресс-тест гипотезы на каждом этапе создает отдельный проверяемый результат, поэтому исследование можно проверить или перезапустить с любого шага. Стресс-тест проходит через четыре слоя: гипотеза → роли → рынок → синтез Технически каждый этап оформлен как отдельный скилл. Это позволяет не смешивать роли, факты и рыночные данные раньше времени, а решение о запуске гипотезы оставить за человеком. Кейс: очередь сканирования в анализаторе кода Представим, что мы — вендор информационной безопасности и делаем продукт для безопасной разработки: анализатор исходного кода. Пользователи загружают в него проекты, которые необходимо проверить. Пропускная способность конвейера ограничена, поэтому проекты попадают в очередь и ждут сканирования. С системой работают инженеры по безопасности, директор по информационной безопасности и разработчики. У каждой роли свои цели и критерии их достижения. При этом в бэклог постоянно поступают запросы на доработку, а ограниченные ресурсы нужно направлять на изменения, которые принесут бизнесу наибольшую пользу. Наша исходная гипотеза звучит так: Если инженер по безопасности сможет вручную приоритизировать проекты, бизнес-критичные проекты будут сканироваться первыми, а время обнаружения уязвимостей высокого риска сократится. Дальше гипотеза проходит через несколько скиллов: — hypothesis-input-validation проверяет корректность формулировки и не пропускает дальше невалидную гипотезу; — hypothesis-facilitator рассматривает гипотезу с позиций разных ролей и фиксирует различия в их выводах; — local-knowledge-retrieval формирует предварительный обзор, извлекает отдельные факты и находит связанные артефакты; — business-context-value-check определяет, кто заинтересован в гипотезе с точки зрения бизнеса и какую ценность она может принести; — hypothesis-market-layer изучает внутреннюю документацию, а затем обращается к внешним источникам; — hypothesis-synthesis сопоставляет собранные данные и формулирует выводы; — customer-discovery-planning превращает найденные пробелы в план интервью, чтобы закрыть их с помощью новых данных; — human-report-export собирает понятный человеку отчет со ссылками на все необходимые артефакты. Что показал стресс-тест? После всех этапов выяснилось, что гипотеза в первоначальной формулировке не приносит ожидаемой пользы. Настоящая задача — не просто быстрее обнаружить риск, а сократить время от появления критичной находки до конкретного действия по ней. Стресс-тест сделал идею честнее и проверяемее. Когда такой подход оправдан Полноценный стресс-тест нужен не каждой гипотезе. Его стоит запускать, когда решение: — дорого реализовать; — трудно откатить; — займет несколько спринтов; — нельзя проверить одним быстрым экспериментом. Если ошибка стоит меньше спринта, проще провести короткий тест, чем запускать исследовательский космолет. @productsense

Деловая программа первого дня конференции — всё! 8 докладов и квиз были сегодня в зале EpicGrowth 💜 Ждем вас завтра на панельные дискуссии, где вместе с экспертами обсудим следующие темы: — «Один менеджер продуктов за троих: новая норма или скрытое сокращение?» — «Почему менеджеры продуктов вдруг обнаружили, что с них спрашивают за деньги?» — «ИИ сэкономил нам 30% времени. И что мы теперь с ним делаем?» А ниже поделимся еще одной текстовой трансляцией доклада первого дня👇

Как найти новые точки роста в зрелом продукте: кейс Авито Путешествий Спикер: Юлия Срибяник Авито Путешествия — зрелый продукт на зрелом рынке с высокой сезонностью и зависимостью от внешних факторов. Привлечение дорожает. Нужно искать новых пользователей Путешествий в текущей базе Авито. Поэтому встала задача найти точки роста в текущей аудитории и увеличить DAU, количество бронирований и выручку Как искали точки роста? — Проводили исследования пользователей. — Детально изучили продуктовую аналитику. — Изучили путь клиента с момента идеи о путешествии, а не с момента бронирования билетов. Мы нашли на данных кучу инсайтов и применили адаптированную методологию RACI: смотрим на охват, наличие данных, оцениваем сложность и веру в успех идеи. С какими барьерами мы столкнулись? 👉 «О нас не знают» — Мы проанализировали воронку и начали расширять верх воронки. Для этого использовали скоринг юзеров и построили внутреннюю ML-модель предсказания вероятности бронирования. Стали работать с теми, кто может захотеть отправиться в путешествие. — Также обогатили сегменты пользователей через агрегированные данные. — И третий шаг — добавили real-time коммуникации в моменте. 👉 «Нас знают, но боятся» — Мы поняли, какой самый частотный запрос (короткие поездки) и сделали фокус на них, предложили клиентам триал. — Также мы сегментировали аудиторию по геопризнаку и собрали предложения коротких поездок, исходя из их геолокации. 👉 «О нас знали, но забыли» — Использовали тренды про контент, запустили целое направление, где предлагаем то, что относится с этапом пути. — И также стали собирать контент от самих пользователей (и сотрудников). — Добавляли игровые механики и шуточные тесты. Что получилось? • Получили +20% uplift по DAU • Получили прирост доли коротких поездок • Увеличили рост среднего чека в 2 раза И из прокси-метрик: улучшилась вовлеченность в продукт, вероятность бронирования на Авито стала выше. Чеклист: как искать точки роста для зрелого продукта ✔️ Копаться в данных и разговаривать с пользователями ✔️Разбирать путь клиента и находить точки влияния ✔️Искать барьеры, которые мешают двигаться дальше ✔️Наводить порядок в коммуникациях с клиентами ✔️Находить новые аудитории, сегменты, каналы и сообщения И лайфхак: сделали исследовательское комьюнити, чтобы проверять гипотезы максимально быстро на вовлеченных клиентах. Подробнее о других докладах конференции — в телеграм-канале ProductSense