GoPractice!

2023-07-20 11:52:48 Большие языковые модели: основы для тех, кто хочет строить продукты на их базе

Продукты на основе генеративного искусственного интеллекта стремительно ворвались в нашу реальность за последний год.

Еще несколько лет назад было сложно представить, что модели смогут генерировать изображения на основе текста или писать эссе в форме стихов на заданную тему. Причем делать это на уровне, который не уступает человеку. Сегодня продуктами на основе таких моделей пользуются миллионы людей, решая самые разнообразные задачи.

Для многих такие технологии выглядят как магия, которая открывает невероятные возможности. Бизнес не стал исключением в погоне за этими возможностями: CEO и основатели компаний начали активно требовать от своих команд найти способы внедрения решений на базе генеративного AI в свои продукты.

Но чтобы действительно создать ценность с помощью этих технологий, необходимо понимать их основы: как они работают, где именно принесут пользу, какие у них ограничения и риски.

В этом материале мы простыми словами и без сложной математики разберем, как работают большие языковые модели. Это позволит вам понимать возможности и степени свободы этой технологии, чтобы строить на ее основе новые продукты.

https://gopractice.ru/product/large-language-models/



Присоединяйтесь к студентам «Симулятора управления ML/AI-проектами» от GoPractice, где вы проработаете типовые кейсы внедрения ML-решений.

Это даст вам фундамент для работы над практически любым ML-проектом, а интерактивный формат симулятора позволит сразу окунуться в практику. Open / Comment

2023-07-12 10:55:15 Сложные проценты и экспоненциальный рост в продакт-менеджменте

Представьте, что вы хотите сделать вклад в банке на сумму $1000. У вас есть два варианта: положить их под простой процент со ставкой 10% ежемесячно к изначальной сумме или под сложный процент со ставкой 5%, то есть он будет начисляться к общей сумме вклада на конец каждого месяца.

В первом случае через год ваш депозит увеличится до $2200, а во втором — до $1795.9. На конец второго года — $3400 против $3225.1. Но еще через год ситуация изменится, и сложный процент становится выгоднее — $4600 против $5791.8.

Конечно, это очень упрощенный пример, но он хорошо демонстрирует, как работают сложные проценты и экспоненциальный рост. Это важные понятия не только для сферы финансов, но и для продакт-менеджера. Они необходимы для того, чтобы отслеживать, измерять и прогнозировать циклы роста в продукте.

Понимание того, как работают сложные проценты и экспоненциальный рост, позволяет обнаруживать новые рычаги для роста, принимать верные решения и избегать ошибок при масштабировании продукта.

В этом материале мы обсудим основы сложных процентов и экспоненциального роста и их применение в продакт-менеджменте.

https://gopractice.ru/channels/compound-and-exponential-growth-in-product-management/

Прокачайте свои навыки с поддержкой ментора

С поддержкой опытного наставника вы быстрее найдете рычаги, с помощью которых вы сможете влиять на рост своего продукта.

Присоединяйтесь к группе прохождения «Симулятора управления ростом продукта» с поддержкой ментора.

В группе с ментором вы пройдете курс за 18 недель.

Старт — 19 июля.

Стоимость обучения — 129 900 ₽.

Осталось 3 места.

Подать заявку = заполнить форму регистрации и выбрать «Тариф с ментором». Open / Comment

2023-07-05 11:00:33 Переход в продакт-менеджмент внутри компании: как надо и не надо это делать

Переход внутри компании на позицию продакт-менеджера из смежной роли — один из самых эффективных способов начать продуктовую карьеру. Вы можете задействовать свои выстроенные отношения с коллегами, доменную экспертизу, глубокие понимание процессов и решаемых продуктом задач.

Идея заключается в том, чтобы начать выполнять продуктовые задачи до формального получения позиции продакта. Это позволит показать ваши знания, мотивацию и ценность для компании.

Однако в реальности на этом пути вас могут ожидать различные блокеры, самый частый из которых — нехватка времени и скепсис со стороны коллег. Но с этим можно справиться, подготовив верную стратегию.

В этом материале на реальном примере разбираем ошибки кандидата на переход в продуктовую роль и вместе с экспертами объясняем, как надо и как не стоит подходить к этому процессу.

https://gopractice.ru/skills/moving-to-pm-the-right-way/



Вступайте в комьюнити GoPractice для свитчеров

Команда GoPractice скоро запустит новый образовательный курс. Он создан для тех, кто хочет перейти в продакт-менеджмент из смежной роли или индустрии.

Если вы планируете такой карьерный переход и не знаете, с чего начать, то присоединяйтесь к нашему сообществу свитчеров в телеграме, заполнив заявку. Open / Comment

2023-06-28 10:55:27 Как Duolingo перезапустил рост

В 2018 году Duolingo, одно из самых популярных приложений для изучения языка, фактически перестало расти. Аудитория увеличивалась на единицы процентов год к году, в то время как инвесторы ждали уверенного роста доходов приложения.

Jorge Mazal (Хорхе Мазал), бывший CPO Duolingo, поделился увлекательной историей того, какие эксперименты и решения позволили перезапустить рост продукта и добиться увеличения аудитории в 4.5 раза за четыре года.

Его откровенный рассказ будет актуален для всех, кто решает задачу роста в своих продуктах или планирует к ней приступить.

https://gopractice.ru/stories/duolingo-growth-story/

Прокачайте свои навыки

Если вы хотите получить системное понимание того, как устроен рост продуктов и с помощью каких рычагов вы можете на него повлиять, присоединяйтесь к студентам «Симулятора управления ростом продукта». Open / Comment

2023-06-19 12:26:19 Data Scientist и ML Engineer: в чем разница?

При работе над AI/ML-проектом или найме команды для него часто можно столкнуться с путаницей в названиях ролей. Сегодня обсудим, в чем разница между Data Scientist и ML Engineer.

Для начала оговоримся, что в разных компаниях терминология может отличаться. Например, в Meta аналитиков называют Data Scientists, хотя их работа имеет мало общего с машинным обучением. Вы можете столкнуться с такими особенностями и в других компаниях.

Но давайте рассмотрим классическое понимание зон ответственности ролей Data Scientist и ML Engineer, чтобы лучше понять разницу. Говорить будем именно про роли. Бывает и так, что их может совмещать один и тот же человек.

Data Scientist

Фокусируется на этапе от запуска до доказанной ценности в AI/ML-проекте. Это значит, что он вовлечен в проработку проблемы и целей проекта, погружается в специфику бизнеса, общение с экспертами предметной области. Он отвечает за подготовку датасета, поиск инсайтов в данных, обучение и выбор оптимальных ML-моделей, проведение и оценку экспериментов.

ML Engineer

Подключается на этапе, когда Data Scientist смог создать полезную модель. ML Engineer отвечает за путь от доказанной ценности к масштабированию в AI/ML-проекте. Его задача в том, чтобы взять работающую «на коленке» ML-модель и выстроить вокруг нее необходимую инфраструктуру и системы, чтобы она могла надежно работать в продакшене и под нагрузкой.

Аналогия

Если проводить аналогию с продуктом, то Data Scientist ответственен за создание работающего прототипа, а ML Engineer — за превращение этого прототипа в полноценный продукт, рассчитанный на массовую аудиторию.



AI/ML-проекты часто обладают высокой сложностью и неопределенностью, как в технической плоскости, так и в продуктово-бизнесовой. Именно поэтому сейчас набирает популярность роль AI/ML Product Manager.

Освоить ее вы можете в «Симуляторе управления ML/AI-проектами» от GoPractice. Получите бесплатный доступ к первым главам, запросив триал через почту contacts@gopractice.ru. Open / Comment

2023-06-14 15:57:15 Доменная экспертиза: как понимание сферы или индустрии помогает продакт-менеджеру

Продакт-менеджеры работают в самых разнообразных сферах, в том числе и в индустриях за пределами IT — в торговле, медицине, банкинге, транспорте, недвижимости и многих других.

В каждой из этих сфер есть специфичные для нее знания, обладание которыми позволяет глубже понимать процессы и эффективнее выполнять работу.

Такие знания называют отраслевой или доменной экспертизой.

В этом материале поговорим о том, в чем важность доменной экспертизы для продактов (и тех, кто хочет войти в профессию), в каких сферах она наиболее критична и как ее наработать.

https://gopractice.ru/skills/domain-expertise/


Поделитесь с нами своей историей

Мы знаем, что многие из наших студентов после обучения в симуляторе смогли перейти в продуктовую роль. К сожалению, мы знаем далеко не все эти истории.

Если это про вас, то напишите, пожалуйста, нам и расскажите про свой опыт. Можно на почту people@gopractice.io или в телеграме (@eighthours8).

Заранее спасибо! Open / Comment

2023-06-07 10:51:24 Если вы планируете переход в продакт-менеджмент из смежной роли

Команда GoPractice работает над новой образовательной программой для тех, кто планирует перейти в продакт-менеджмент из смежной роли.

Программа в активной разработке, но уже сейчас мы делимся полезной информацией, проводим закрытые встречи с экспертами и вместе тренируемся решать кейсы для начинающих продакт-менеджеров.

Одним из этих кейсов в своем канале «Продукторий» поделился Владимир Меркушев.

Если вам релевантна тема перехода, присоединяйтесь к закрытому сообществу GoPractice. Заполнить заявку на участие можно по этой ссылке.

Все участники сообщества получат приглашение на вебинар с экспертом и возможность разобрать кейс вместе. Open / Comment

2023-06-05 14:00:40 О механизмах защиты модели роста и бизнеса

В начале 2021 году капитализация маркетплейса Wish превысила $22 миллиардов.

Сегодня Wish оценивается в районе $160 миллионов.

Компания обесценилась более чем в 100 раз.

Как так получилось? У компании не было достаточно механизмов для защиты модели роста и бизнеса.

Wish — кросс-бордерный маркетплейс, на котором можно приобрести товары напрямую из Китая: обычно речь идет об импульсивных покупках дешевых товаров стоимостью от $5 до $15.

Конечно, Wish не был первопроходцем в этой нише. Уже много лет ту же возможность предлагал AliExpress.

Но у AliExpress не получилось стать mobile first: он так и оставался для аудитории в первую очередь веб-сайтом. Этим и воспользовался Wish, построив mobile first продукт и взяв на вооружение платные каналы роста в мобайле. Эти каналы позволили Wish дотянуться до аудитории, которая не знала или не использовала AliExpress.

Долгие годы Wish был одним из крупнейших рекламодателей в Facebook, что позволило стать маркетплейсу занять лидирующие позиции на рынке e-commerce.

Wish запустился в 2010 году, спустя пять лет он достиг оценки в $1 миллиард, в 2018 году — оценки в $10 миллиардов. После выхода на биржу на пике стоимость Wish достигала $22 миллиардов.

Но сегодня от этой цифры почти ничего не осталось.

Причина в том, что бизнес-модель Wish была слабо защищена на всех ключевых уровнях:

Продукт

Продукт Wish быстро скопировали другие компании, включая Aliexpress, Joom и Vova. Между ними не было значимой разницы, поэтому конкуренция велась преимущественно на уровне цены.

Каналы роста

Модель роста Wish сильно зависела от платных каналов роста, которые защищены очень слабо. Как только конкуренция в мобильных рекламных каналах усилилась и цена установки заметно выросла, Wish стало сложно поддерживать былые темпы роста. Отказ от IDFA в iOS 14 стал добивающим ударом для Wish.

Рынок

Введение НДС на покупки из-за рубежа в странах ЕС в 2021 году сильно ослабило позиции Wish в сравнении с локальными маркетплейсами. Кроме того, Wish оказался под пристальным вниманием регуляторов европейских стран из-за определенных товаров, продававшихся на платформе. Например, во Франции, крупнейшем для маркетплейса рынке региона, Wish и вовсе попал под блокировку.


Все эти факторы сильно подорвали модель роста Wish. Рост остановился, сделав выход на прибыльность практически невозможным для компании.

Недостаток защищенности на уровне продукте, каналов роста и рынка в конечном итоге привели к утрате позиций маркетплейсом и падением его стоимости.

Быстрый рост ≠ способность сохранить ценность.

   

Устойчивое масштабирование продукта — это действительно непростая работа.

Как построить эту работу правильно, как создать целостную модель роста продукта, идентифицировать ограничения, найти инструменты для реализации возможностей — вы узнаете в процессе обучения в «Симуляторе управления ростом продукта» от GoPractice.

Узнайте больше о нашем симуляторе.

P.S.

Кстати, мы ищем комьюнити-менеджера в команду GoPractice.

Все подробности — по ссылке. Будем рады, если вы поделитесь вакансией с теми, кому она может быть интересна Open / Comment

2023-05-31 11:02:09 Ошибки начинающих продакт-менеджеров. Примеры и способы самопроверки

Роль продакт-менеджера подразумевает большой уровень ответственности. Решения, которые принимает продакт, могут оказывать большое влияние как на опыт пользователей, так и на бизнес. Но принимать такие решения и никогда не ошибаться — невозможно.

Все возможные ошибки продакт-менеджеров перечислить трудно, но мы выбрали те, которые чаще всего упоминают опрошенные нами эксперты и нанимающие менеджеры.

Чтобы материал был максимально полезным для вас, постарайтесь при чтении каждого пункта задавать себе вопрос: «А не делаю ли я так?». Это простое упражнение может оказаться очень эффективным и позитивно отразиться на качестве вашей работы.

https://gopractice.ru/skills/junior-pm-mistakes/

Станьте частью закрытого сообщества свитчеров

Команда GoPractice работает над новой образовательной программой для тех, кто планирует перейти в продакт-менеджмент из смежной роли.

Если вам это интересно, присоединяйтесь к закрытому сообществу GoPractice. Заполнить заявку на участие можно по этой ссылке. Open / Comment

2023-05-24 12:58:14 Наши друзья и коллеги сделали подборку каналов про продуктовое мышление.

Мы читаем их сами и рекомендуем подписаться и вам: https://t.me/addlist/1tW6oHxTWgo1YzRk Open / Comment