
С чего не начинается продакт
Продакт, не рассчитывай на аналитикс. Решения по продукту рождаются в твоей голове.
Давайте помечтаем
В переговорке собрались топы компании. Матерый продакт презентует вижен продукта и фичи на год. На слайдах бизнес-показатели, скриншоты из аналитикса и цитаты из клиентских интервью. Из них логично вытекает, что мы должны делать с продуктом до конца года — раз, два, три. Идиллия.
В презентациях обычно: сначала идут графики — потом решения.
В переговорке сидит юный продакт и наслаждается красотой происходящего. Он думает, что вижен в голове матерого продакта родился из графиков и данных. Якобы матерый продакт часами пялился в аналитикс, в юнит-анализ и скрипты интервью с клиентами. А потом включает логику и получает вижен и фичи.

Из этого юный продакт делает вывод. Чтобы стать матерым продактом, он должен выучить аналитикс, юнит анализ, дизайн-мышление и прочую продуктовую матчасть. Идеи развития продукта он выведет логически.
На самом деле все не так. Генерация вижена это работа придумывалки.
В процессе придумывания обычно: сначала идеи, потом графики.
Придумывалка
Все начинается с твоей способности «увидеть» будущий продукт. Поэтому садись и придумывай, каким он может быть. Если ты не сможешь сделать этого сейчас, не сможешь и когда выучишь аналитикс.
Продакт сначала рождает несколько возможных виженов, как может развиваться будущее продукта. А потом обращается к данным, чтобы разнюхать детали.
1) Ищет сигналы в настоящем, к какому из вариантов рынок больше готов. Выбирает тот самый вижен.
2) Решает, как именно реализовать этот сценарий, чтобы повысить шансы на успех. Конкретизирует вижен.
Смотреть в данные до формулирования виженов, потеря времени. Чтобы что-то найти, надо понять, что именно ты ищешь.
Получается, что придумывалка первична, данные вторичны. Данные помогают продакту скорректировать образы будущего продукта — выбирать и конкретизировать.
Как этому помогает биг дата
Давайте вспомним, как люди извлекают пользу из больших данных.

Куча данных забрасывается в машину («черный ящик») предварительно его обучив. На выходе получается результат, логика получения которого слишком сложна, чтобы ее постичь. Например, Яндекс может закинуть в «ящик» все, что знает о пользователях, и получить на выходе список тех, кто с 70% вероятностью завтра захочет купить кофемашину (даже если они сами еще об этом не знают).
Голова продакта — это «черный ящик», в который он закидывает биг дату из разных источников, вроде наблюдений, собственного опыта использования продукта, софт скиллов. И получает на выходе решения. Как и в черном ящике, в голове продакта творится большая неведомая математика. Но мы редко можем установить связь между тем, что мы туда закинули, и тем, что мы получили.
Внешне кажется, что придумывалка виженов и фичей совсем не логичная штука. На самом деле мы просто не понимаем, как она работает.
Проблема в том, что заказчик хочет обоснования вижена. В этом случаем можно рассказать ему историю про таргетинг в рекламе.
История про таргетинг в рекламе
Сначала рекламу таргетировали логически. Работало плохо. Вот реальный кейс, который когда-то висел на сайте Quantcast.
Ребята делали кругленький дорогой семейный автомобиль, кажется, это был Subaru. Рекламу таргетировали исходя из логики: покажем женщинам, потому что он кругленький, 30–50 лет, потому что дорогой, у них уже есть деньги. Потом заметили, что автомобиль начали покупать мужчины 20–30. Так и не поняли почему, но забили. Поменяли таргетинг, продавать стали больше.
Сейчас таргетинг любой рекламы в сто раз умней соцдема, возмите look alike в фейсбуке. Самые умные виды пока доступны не всем.
Отказавшись от логического обоснования, реклама повысила свою эффективность. Когда голова продакта рождает вижен, стоит ли ей держаться за логику? Не слишком ли это примитивный инструмент для рождения новых идей?
Оригинальный вижен нельзя «списать» с аналитикса, его там нет. Его нельзя посмотреть у конкурентов (если он и правда оригинальный). Получается, хочет ли заказчик доверять «черному ящику» продуктолога или нет, а выбора у него нет.
Научите заказчика доверять голове продакта. Потому что, если честно, выбора у него нет.
Над чем работать юному продакту
Продакт не может понять логику своего вижена. Что продакт может, так это повышать вероятность успеха. Вот здесь-то нам и нужны аналитиксы, дизайн-мышление и прочие данные.
Как это работает
Продакт хочет обеспечить бизнесу 15% роста. Он сформулировал десять фичей, которые кажутся ему важными. Но ему важно выбрать, с чего начать.
Сначала продакт садится и прикидывает «на коленке» возможный выхлоп с каждой фичи. Вычеркивает пять фичей, которые нужны слишком узким сегментам, чтобы получить запланированную прибыль. Так он отказался от половины идей.
Потом продакт смотрит цифры из юнит анализа. Из оставшихся пяти фичей он выбирает две с наибольшим потенциалом — вероятность успеха повышается до 60%.
Продакт садится проверить кое-что в аналитиксе. Теперь он считает, что фича №2 нужна больше, чем фича №1. Вероятность успеха выростет на 10%.
Если у продакта будет время на интервью с клиентами, он может узнать что-то новое. Например, что фичу надо будет подать под другим углом. Вероятность успеха вырастет еще на 5%.
Итого: Исследования помогли продакту выбрать идею с наибольшим потенциалом и повысить вероятность успеха до 75%.
Повысить вероятность успеха можно двумя способами: 1) Сбором данных 2) Обучением «машины», которая будет их обрабатывать.
Аналитикс, исследования, интервью, дизайн-мышление и прочая «матчасть» аналитика — это данные, которые вы закидываете в свою машину. Чем их больше и они качественнее, тем выше вероятность успеха.
Обучаем свою «машину»
Machine learning своего мозга — это One More Thing работы продакта. Незаметная, но очень важная часть.
Причина, по которой реклама угадает с кофемашиной, в том, что Яндекс сначала обучил свой черный ящик. Он закинул туда данные всех, кто когда либо покупал кофемашины, и сказал машине находить похожих.
Данные для обучения отличаются от просто вводных данных тем, что в них известен результат. Подойдут опыт и кейсы.
Суть обучения состоит в том, чтобы делать, как в успешных кейсах и не делать, как в провальных. Поэтому провальный опыт сегодня, монетизируется завтра. Ваш мозг обучится и вероятность успеха будущих идей вырастет.
Чтобы обучение происходило, кейсы важно анализировать. То есть разбирать на части, выяснять причины успеха. Если не проделывать эту работу, ваша машина не обучится.
Что должен запомнить юный продакт
- Идеи нельзя логически вывести из данных. Пусть в презентациях и выглядит, что можно.
- Рождай вижен и идеи фичей до того, как выучишь матчасть про аналитиксу и другим инструменты. Придумывалка первична.
- Выбирай и уточняй идеи, анализируя максимум данных за то время, которое у тебя есть.
- Обучай свою «машину», засовывая в нее кейсы и опыт. Обязательно с результатом.
- Препарируй кейсы и опыт, чтобы машина и правда обучалась.
P.S. Лучшее, что есть в моем блоге для продактов , это пост «Как работать с аналитикой, если ты дизайнер» (131 лайк).
Меня зовут Наташа Бабаева. Я пишу про маркетинг, продукт и инновации. В Facebook лично, в Telegram кратко, на Медиум детально.
Помогаю прокачивать навыки инноватора в Школе ченджеров. В чем идея? / Подписаться→
Копаю тему инноваций в платной рассылке «Бабаева копает инновации». В чем идея? / Подписаться→
