Телеграм канал «ProductDo: практика продакта»

Откройте форточку! В комментариях к прошлому посту всплыла тема терминов “customer development”, “кастдев” и “интервью с пользователями”. Определения — фундамент любого рассуждения, поэтому попробуем разобраться, что мы вообще называем кастдевом/каздевом. ( У клавиатуры сегодня Игорь Седачёв, автор курса "AI для интервью с пользователями для продакта") Термин “customer development” придумал Стив Бланк. К середине девяностых он уже пятнадцать лет запускает стартапы и вдруг формулирует очевидное: стартап — это не мини-корпорация. У корпорации есть рынок, пользователи, каналы продаж и P&L. У стартапа — только гипотезы. Из этой мысли рождается Lean Startup — метод, который экономит ресурсы, заставляя проверять гипотезы на людях до того, как кончатся деньги. Формула проста: сформулируй гипотезу — проверь на клиентах — если есть тяга, строй бизнес. Этап проверки гипотезы и называется customer development. Важно, что у Бланка каждая “гипотеза” — это версия бизнес-модели: кому, что, через какие каналы и за какие деньги мы продаём. “Customer development” покрывает весь цикл проверки этой модели — от первых разговоров с людьми до запуска MVP. Для англоязычного продакта “customer development” – это довольно старая концепция, которая описывает почти полный цикл работы современного менеджера продукта. В русскоязычном пространстве термин быстро мутировал. Так появились “кастдев”, “CustDev” и “каздев” — уже со смазанным смыслом. В статьях на первой странице выдачи гугла “каздев” чаще всего приравнивают к глубинным интервью, реже добавляют туда “и другие методы исследования”. GPT, воспитанный на этих же текстах, объясняет: «Если коротко, каздев — это разговор с пользователями, чтобы понять, что им нужно». Пример не уникальный. “IT” в русском означает примерно то же, что “Tech” в английском, тогда как их “IT”— это про сисадминов, вирусы и принтеры. Отношение к слову делит продуктовых менеджеров на три лагеря: смирившихся, сопротивляющихся и избегающих. Смирившиеся используют термин в новом, усечённом смысле: “мы поговорили с пользователями — провели каздев”. Сопротивляющиеся продолжают бороться за терминологическую чистоту. Избегающие просто называют вещи своими именами — глубинные интервью, опросы, коридорные тесты. Поэтому, услышав слово “кастдев”, стоит уточнить, что имеет в виду собеседник. А если вы сами собираетесь его употребить — лучше уточните, о чём именно говорите. Ведь как показывает практика, настоящий “customer development” начинается не с интервью, а с понимания, о чём вообще идёт разговор.

И вдогонку вопрос: помимо продуктовых вебинаров, мы иногда зовём гостей, с которыми можно обсудить актуальные темы. Кого из ярких персонажей индустрии вы бы хотели увидеть у нас в гостях? Это могут быть продакты, дизайнеры, аналитики, фаундеры. Кто мог бы поделиться ценным практическим опытом? Делитесь в комментариях 👇

Кажется, что AI или уже заменил, или вот-вот заменит продактов, дизайнеров и инженеров вместе взятых. Но реальность другая: таблицу приоритетов и роадмап вам всё ещё согласует живой человек. Хуже того – несколько живых людей. И кнопки “купить”, “подписаться”, “вызвать машину” тоже нажимают живые люди. И решения о том, нанимать вас на новую работу или нет, поднимать вам зарплату или нет, тоже принимают живые люди. В конце квартала выясняется, что строчки в роадмапе все понимали по разному, и команда сделала “не то”, кнопку “купить” нажало меньше людей, чем в прошлом квартале, и на фоне таких косяков кто-то решил не подписывать приказ о премии. Всё это происходит потому, что людям свойственно плохо формулировать собственные потребности, проблемы и, прости господи, джобы. Мы подвержены когнитивным искажениям, плохо припоминаем и хорошо фантазируем. Антропологи, психологи и социологи провели кучу исследований и придумали методы грамотного проведения интервью: постановки вопросов и анализа ответов. Но продакты продолжают страдать от неправильной интерпретации слов менеджеров, стейкхолдеров и юзеров. Кто-то пока не знает, как правильно проводить интервью, кто-то знает как, но у него не получается на практике, кто-то даже проводит все правильно, но не может найти время нормально расшифровать и проанализовать вот эти десять часов видео разговоров в зуме. У кого-то вообще рынок Мексики и разговоры на испанском. Ещё одна сложность в том, что проведение интервью – это практический навык, который теряется без постоянного повторения. Даже если вы делали большое исследование год назад, когда-то готовились к собеседованиям или проходили обучение, начинать снова будет тяжело. Чтобы решить эти проблемы мы придумали новый курс AI для пользовательских интервью. AI тут в двух ролях. Более очевидная – покажем на практике и дадим попробовать реально работающий пайплайн расшифровки и анализа записанных интервью. Это для тех, кто уже молодец, сам все проводит, но хочет эффективнее. Менее очевидная – AI-спарринг партнёр, который будет помогать готовить обоснование необходимости исследования, ставить задачу и формулировать вопросы. Лучше всего применяют AI те, кто может правильно сформулировать задачу и проверить последовательность её выполнения. Поэтому курс построен по модели симулятора – в процессе вы получаете всю необходимую практику, формируете навыки и дальше получаете помощь от AI. Как и во всех курсах ProductDo, соотношение теории и практики – 20/80 (или 10/90). Старт интенсива 3 ноября. Ранняя цена до 13 октября. Записываться тут

Ну что, ребята, началось! OpenAI сегодня объявил, о запуске "нативных" приложений внутри интерфейса ChatGPT. Угадайте, кто стоит первым в списке партнеров пилота? Правильно, booking.com Если кто-то еще помнит период активного роста приложений в AppStore, то у вас скорее всего сейчас то самое чувство, когда ты сидишь в верхней точки американской горки, и понимаешь, что сейчас будет весело. Обратите внимание, что OpenAI еще даже не брался за монетизацию рекомендаций внутри диалогов, хотя несомненно большие компании уже готовы вложить в продвижение внутри ChatGPT огромные бюджеты. Это грамотный продуктовый подход: сначала сфокусироваться на том, чтобы решать проблему пользователя новым способом, не глядя на деньги. А потом, когда ты займешь важное место в жизни людей, и весь рынок будет твой – добавить монетизацию и показать огромную выручку. Самое забавное, что я в своем личном аккаунте пока не могу поиграться с виджетом букинга, потому что запуск в EU будет позже. У кого работает – протестируйте и напишите, пожалуйста, как впечатления.

Выбор инструментов для AI прототипирования. Часть 2 Я недавно делал для вас табличку-сравнение тулзов по кодингу с помощью AI. В комментах прилетело пару полезных замечания (спасибо вам, обновил табличку строчками про Cursor, Figma Make и Copilot) и плюс мне не давали покоя маркетинговые лозунги Lovable и Bolt, что, дескать, это мы раньше не поддерживали бэкенд, а теперь мы ваще всё можем. И поэтому я начал копать глубже, чтобы понять, где правда. Она, как обычно, оказалась посередине. Лучше всего пояснить на примере: Пример 1: вы делаете простой todo-лист. Бэкенд операции примитивные: записать таск в базу, обновить запись в базе (например, статус “In Progress” в “Done”), удалить из базы. Что делает Bolt / Lovable? Они идут во внешний инструмент (Supabase), который генерирует базу и код для работы с ней. Все работает! Что делает Replit? Он создает базу прямо у себя и сам пишет код для ее работы. Опять все работает. А теперь начинается интересное. Пример 2: вы развиваете todo-лист, и хотите добавить в него интеграцию с API фитнес трекера (чтобы подтягивать занятия спортом) и интеграцию c OpenAI API (чтобы мудрый ИИ нам это приоритизировал). Задача вполне понятная и уже не такая примитивная - в конце концов 2025 год на дворе. И вот тут нас ждет подвох. Lovable/Bolt создают простые шаблоны интеграций, которые для сложных API, скорее всего, не заработают. Для OpenAI еще может да (это называется у них “нативные интеграции”), а для API фитнес трекера уже вряд ли. Ну и начинается “жизнь”: а если одно API вернет ошибку, а если оно ответит не вовремя и т.д. - вам нужно, чтобы эта логика была на бэке. А инструмент просто не справляется с ее сложностью. С большой вероятностью вы остаетесь в тупике и надо будет либо материться и лезть самим, либо искать программиста. Replit же (внимание!), выполняет роль AI-программиста на соседнем NFT-стуле, который кодит, что вы ему скажете. Скажете “вот это API”, будет вам оно. Скажете “не работает вот тут” - починит. Скажете, “а если ошибка, то делай вот так”, он закодит. В итоге: - Для только-UI прототипов все тулзы отлично работают. Так что можно выбирать сердцем! Только не обращайте внимание лозунги а-ля «100M$ ARR» (у Lovable отличные маркетологи). В переводе на антихайп язык это означает «1M активных пользователей, из них 200к платящих», уже не так круто звучит. В общем для UI у всех все работает на ура. - Для простых кейсов с простым бэком вида “достань-положи в базу” топовые инструменты (Replit, Lovable, Bolt) тоже работают - А если вас потянуло на что-то поинтереснее (а это обычно лежит в API, разбросанных по миру), то все инструменты, кроме Replit, доставят вам довольно много боли. Так что тут уже выбирайте умом. Это была “короткая версия”. Версия подлиннее и новая табличка теперь лежит в нашей Базе знаний. Мы же обещали развивать базу полезностей! Вне зависимости от того, какой инструмент вы используете, главное понимать принципы построения систем и работы с AI. В октябре делаем поток (воркшопы + симулятор) по теме прототиирование с ИИ: - Следующий поток будет уже только зимой - Отзывы с первых потоков на сайте - ребятам очень зашло - Если у вас нет Replit и OpenAI API - ищите скидку с купоном на 3000₽/25€ на странице курса.

Сегодня каждый говорит про AI, но когда доходит до дела — большинство тратит месяцы, чтобы разобраться в инструментах, структурном подходе к вайб-кодингу и подводных камнях (многое пойдет не так, причем сразу). Наш интенсив сэкономит вам это время. Мы собрали всё самое важное в одном месте: - практика без воды - делаете простую фичу, потом вторую, потом еще, и так, пока навык не закрепится - работа с реальными кейсами и инструментами - в итоге построим три продукта: от примитивного до полноценной интеграции с OpenAI API и Stripe - быстрый выход на уровень, когда вы можете прототипировать свои идеи и проверять гипотезы без команды (если в найме), а при должном усердии - и запустить MVP пет-проекта в одиночку. Еще раз - не нефункциональный прототип, а что-то рабочее. Вот пример апы, который студенты могут собрать после курса. Тут можно вводить траты каждого за поездку, чтобы потом считать, кто кому и сколько должен. Главное, что это было сделано не "build me cost split app", а с полным пониманием того, что вы хотите: какой хотите UI, какую хотите базу данных, какие внешние API подключить (тут под капотом OpenAPI анализирует траты), как будет работать алгоритм расчета. Данное демо без авторизации, чтобы не мучить вас логином/паролем (то есть у всех одна база данных трат), но настоящая версия, разумеется, будет - со всеми примочками. Сила этого примера именно в том, что ИИ работает НА ВАС, а не наоборот. Сделав пару таких глубоких кейсов, вы сможете повторить то же самое для СВОЕЙ идеи. А идей продакту обычно хватает) Экономьте месяцы самостоятельного поиска - закрепляйте знания на практике в симуляторе, а если хотите 2 дополнительные кейса (где мы подключим платежку и Telegram API), то велкам на интенсив на следующей неделе (следующий поток будет уже в новом году).