Get Mystery Box with random crypto!

GoPractice!

Channel address: @gopractice
Categories: Uncategorized
Language: English
Subscribers: 27.65K
Description from channel

Product & Analytics (https://gopractice.ru)

Ratings & Reviews

2.00

2 reviews

Reviews can be left only by registered users. All reviews are moderated by admins.

5 stars

0

4 stars

0

3 stars

1

2 stars

0

1 stars

1


The latest Messages 5

2023-05-24 11:57:30 Зачем продакт-менеджеру изучать ML и AI

В этом материале рассказываем, чем обусловлен столь быстрый прогресс в сфере ML и AI и как эти технологические прорывы влияют на роль продакт-менеджера сегодня.

В 2023 году продукты вроде ChatGPT и Stable Diffusion окончательно захватили внимание людей. Эти генеративные модели рисуют картины, пишут тексты и проходят экзамены на уровне лучших выпускников Стэнфорда.

Кто-то вне себя от восторга, а кто-то — от страха.

Но что это значит для продакт-менеджеров? Нужны ли продактам знания и навыки в ML и AI? Если да, то зачем?

https://gopractice.ru/skills/ml-ai-for-product-managers/

Чтобы научиться работать над ML/AI-проектами и узнать больше кейсов, станьте студентом нашего «Симулятора управления ML/AI-проектами».
11.6K viewsedited  08:57
Open / Comment
2023-05-22 14:21:51 Симулятор SQL — теперь на английском!

Мы запустили «Симулятор SQL для продуктовой аналитики» на английском языке — SQL Simulator for Product Analytics.

Напомним, что симулятор рассчитан на тех, кто хочет научиться решать базовые задачи с данными с помощью SQL самостоятельно.

В симуляторе студентов ждут более 400 практических заданий и 50 часов обучения. Разбираемые задачи наиболее релевантны продакт-менеджерам, проджект-менеджерам, маркетологам, специалистам в UX-Research.

Наши студенты учатся доставать, изучать и чистить данные, рассчитывать ключевые метрики и отвечать с их помощью на важные вопросы о продукте и маркетинге.

Все это позволит принимать решения быстрее и эффективнее.

Мы будем рады, если вы поделитесь информацией о нашем симуляторе с вашими англоязычными коллегами. Просто пришлите им ссылку ниже, по которой они могут узнать больше о SQL Simulator for Product Analytics.

https://gopractice.io/course/sql/

Спасибо!
11.0K views11:21
Open / Comment
2023-05-15 14:17:24 Почему идеальной ML-модели недостаточно, чтобы построить бизнес вокруг ML



Перед тем как перейти к кейсу, небольшое напоминание.

Cегодня — последний день, когда можно приобрести «Симулятор управления ML/AI-проектами» по сниженной цене. Завтра стоимость курса вырастет с 59 900 рублей до 65 900 рублей.

Ниже — поучительная история о том, как даже крайне продвинутая ML-модель не помогает избежать провала бизнес-проекта. В нашем симуляторе мы обучаем, как не допустить подобных ситуаций.



В 2021 году Zillow — один из крупнейших маркетплейсов недвижимости в США — объявил о сокращении 25% сотрудников и списании $304 миллионов убытков. На фоне новостей акции Zillow обвалились.

Что же пошло не так?

Дело в том, что значительная часть бизнеса Zillow к этому моменту была выстроена вокруг ML-технологий, крайне точно прогнозирующих текущую стоимость недвижимости. И даже несмотря на то, что сами по себе ML-модели были хорошими и качественными, их интеграция в бизнес-процессы оказалась, можно сказать, катастрофической.

Давайте обсудим, как же так вышло.

Один из известных сервисов Zillow называется Zestimate, и он позволяет владельцам домов в реальном времени отслеживать стоимость своей недвижимости. Работает он, как вы уже догадались, на основе ML-моделей, дающих весьма точные прогнозы.

Изначально Zestimate разрабатывался как механизм повышения Retention маркетплейса. Ведь люди покупают и продают дома не слишком часто, а заходить в Zillow в другие моменты жизни не имеет особого смысла. Зато отслеживать стоимость своего дома на регулярной основе — это уже вполне себе ежемесячный юзкейс, который легко может стать привычкой.

В 2018 году на основе наработок для Zestimate было решено запустить новое направление работы в Zillow. Теперь маркетплейс стал покупать дома для последующей их перепродажи по более высокой цене.

Ценность нового продукта для пользователей была в возможности закрыть сделку по продаже дома очень быстро. После этого Zillow планировали делать ремонт в доме и продавать его с наценкой.

Идея не была оригинальной, но у Zillow были преимущества перед конкурентами: доступ к капиталу и суперточные ML-модели для прогнозирования стоимости дома.

Но ставка на бизнес, выстроенный вокруг ML, не сработала. В 2021 году компания объявила о закрытии программы выкупа домов, а также сократила четверть сотрудников и списала колоссальные убытки.

Проблема была не столько в ML-моделях, сколько в том, как именно их интегрировали в бизнес. Модели хорошо оценивали стоимость домов в текущем моменте. Но сделки по покупке и последующей продаже занимают время, в течение которого стоимость домов может существенно меняться. Именно это случилось в 2021 году, когда на фоне ряда глобальных процессов в экономике произошло охлаждение рынка недвижимости и взаимосвязи между характеристиками домов и их стоимостью поменялись. Все это привело к тому, что примерно 2/3 приобретенных домов оказались куплены по более высоким ценам, чем цена их возможной продажи.

Какие выводы можно сделать из этой истории

Успех бизнеса, выстроенного вокруг ML, зависит не только от технологий машинного обучения как таковых и качества созданных моделей. Важно правильно внедрить эти модели в бизнес. Риск потерпеть неудачу возникает из-за ошибочных предположений, которые с машинным обучением, собственно, никак не связаны.

Какие вопросы можно себе задать, чтобы избежать подобных ошибок

Обеспечены ли ваши ML-модели достаточным мониторингом и актуализацией?

Есть ли скрытые риски за пределами ML, которые могут сильно повлиять на бизнес?


Чтобы еще лучше разобраться в работе над ML/AI-проектами и узнать больше кейсов, присоединяйтесь к студентам нашего «Симулятора управления ML/AI-проектами».
6.4K views11:17
Open / Comment
2023-05-03 10:50:42 Дизайн A/B-тестов. Инструкция и шаблон

Успешная работа над продуктом напоминает научное открытие: вы двигаетесь от гипотезы к эксперименту и делаете выводы на основе полученных данных. Создавать продукты без экспериментов — значит полагаться на непроверенную (и часто ложную) гипотезу. И работать впустую.

С другой стороны, тщательно спланированный эксперимент поможет вам лучше понимать пользователей и продукт, видеть логические ошибки, корректировать направление развития и направлять усилия команды верным курсом.

В этом материале мы рассказываем, как частые эксперименты делают работу над продуктом более осознанной, и предлагаем шаблон для дизайна эксперимента.

https://gopractice.ru/data/design-ab-test/

Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.
5.6K views07:50
Open / Comment
2023-04-26 11:05:38 Junior продакт-менеджер. Что он делает и как встроен в продуктовую команду

То, чем именно будет заниматься конкретный начинающий продакт-менеджер, зависит от набора факторов:

• предыдущего профессионального опыта;
• доменной экспертизы на уровне рынка;
• экспертизы на уровне отдельных частей продукта;
• других факторов.

Обычно руководитель подбирает начинающему продакту задачи, которые опираются на его сильные стороны и помогают постепенно подтягивать слабые.

Именно поэтому реальная работа двух начинающих продакт-менеджеров будет сильно отличаться.

Тем не менее во многом зоны ответственности начинающих продуктовых специалистов близки.

В этом материале мы обсудим, что ждет начинающего продакт-менеджера в первые месяцы работы: как он будет встроен в команду, какая у него зона ответственности и какие задачи он решает.

https://gopractice.ru/skills/junior-product-manager/

Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.
10.9K views08:05
Open / Comment
2023-04-25 14:01:38 Лояльные пользователи — это то, что вы придумали

Продакт-менеджеру легко поддаться убеждению, что его продукт имеет крайне важное значение в жизни пользователей, что они испытывают к нему привязанность.

Но так происходит далеко не всегда.

Обычно все наоборот. Вы как продакт-менеджер постоянно думаете о своих пользователях, тогда как они, в свою очередь, думают о вашем продукте редко.

Представьте менеджера небольшой сети продуктовых магазинов.

Он уверен, что покупатели возвращаются в магазины, потому что лояльны. Но истинные причины могут выходить за рамки неопределенной «лояльности». Например, близкое расположение, низкие цены, фермерские товары.

Если ключевая причина вдруг исчезнет (появится другой магазин еще ближе, цены вырастут или фермерские товары уберут из продажи), то такой «лояльный» покупатель легко переключится на другое решение.

С онлайн-продуктами то же самое. Сегодня ваше решение — лучшее из им известных и доступных, но завтра они могут переключиться на альтернативный вариант. Никакая долгая история ваших взаимоотношений их не остановит. Никакой лояльности здесь и не было.

Конечно, это не всегда так. Есть обратные примеры и самый яркий из них – Apple. Но это скорее редкое исключение, чем правило.

Попробуйте применить такую логику, размышляя о вашем продукте. Подумайте, почему на самом деле пользователи его выбирают. И не переоценивайте роль их лояльности к вашему бренду или продукту.
9.9K viewsedited  11:01
Open / Comment
2023-04-18 11:00:05 Встречайте «Симулятор управления ML/AI-проектами»

Долгое время основные вызовы в применении ML-технологий лежали в инженерной и научной плоскостях.

Развитие технологий привело к тому, что сейчас эти вызовы стремительно смещаются в плоскость продуктовую.

Все чаще вопрос оказывается не в том, как что-то реализовать, а в том, где есть возможности для применения ML-технологий: создадут ли они ценность, принесет ли это выгоду бизнесу, как организовать разработку и довести проект до успешного внедрения.

Все это создает спрос на специалистов, которые способны увидеть возможности для применения машинного обучения и реализовать ML-проект. Уже сейчас зарплата, например, ML/AI-продакта превышает доход обычного продакт-менеджера на 20–40%.

Как стать таким специалистом?

Эту задачу и призван решить наш новый «Симулятор управления ML/AI-проектами».

Почему мы создали симулятор

Представления большинства нетехнических специалистов про ML находятся в одной из двух крайностей:

Одни видят ML/AI как магию, которая позволяет сделать все, что угодно. Надо лишь поставить задачу разработчикам;

Другие же считают, что ML — это что-то очень сложное, глубоко техническое и недоступное.

Такая ситуация возникает по той причине, что человеку со стороны бизнеса достаточно сложно разобраться в ML.

Но на самом деле, если десять лет назад глубокое понимание математики и программирования было необходимым знанием для погружения в ML-индустрию, то на текущем этапе развития алгоритмы и модели стали уже общедоступными.

На этом фоне ключевая ценность работы с ML смещается в способность увидеть возможность для применения машинного обучения, а потом адаптировать существующие алгоритмы и технологии для конкретной прикладной задачи.

Но научиться управлять ML-проектами можно только на практике. А для того чтобы менеджеру доверили такой проект, нужен опыт. Замкнутый круг.

«Симулятор управления ML/AI-проектами» нацелен на то, чтобы разорвать этот круг и дать необходимые навыки и опыт для работы менеджеров ML-проектов.

Чему учит симулятор

Видеть, где машинное обучение может принести пользу бизнесу;

Создавать продукты на основе технологий машинного обучения;

Строить процесс создания и внедрения ML-решений, предотвращать типичные ошибки и проблемы заранее;

Организовать работу над ML-проектами так, чтобы они приносили пользу бизнесу.

Как устроено обучение в симуляторе

Как и в других симуляторах GoPractice, вы погружаетесь в интерактивную историю, в которой вам предстоит помочь компании выбраться из кризиса и стать лидером рынка.

Вы будете учиться, принимать решения, ошибаться, анализировать ошибки, находить новые пути, тестировать и внедрять ML-модели и в конце концов достигать успеха.

Обучение в симуляторе построено вокруг работы над тремя проектами, каждый из которых научит вас решать распространенную ML-задачу:

Задача на основе компьютерного зрения (computer vision);

Прогнозирование продаж;

Создание рекомендательной системы.

Этот симулятор — многолетний практический опыт создания ML-решений, упакованный в двухмесячную интерактивную образовательную программу.

Узнать подробнее о том, зачем продакт-менеджерам, предпринимателям и другим специалистам изучать ML, а также прочитать отзывы наших первых студентов вы можете в нашем блоге по ссылке.

Стоимость и специальное предложение

Стоимость обучения в симуляторе составит 65 900 рублей.

А для тех, кто начнет учиться до 15 мая, цена будет ниже — 59 900 рублей.

Обучение в симуляторе проходит онлайн и в своем темпе. При этом вы всегда можете задать вопрос авторам и получить от них всю необходимую поддержку.

Начать обучение можно прямо сейчас.
4.9K viewsedited  08:00
Open / Comment
2023-04-12 10:36:58 «Метод персон» и Jobs to Be Done. Что лучше для работы с целевой аудиторией

Jobs to Be Done (JTBD) — это фреймворк, в основе которого лежит идея, что пользователи «нанимают» продукты для выполнения определенной «работы».

«Метод персон» подразумевает создание портрета представителя целевой аудитории определенного продукта.

Хотя может показаться, что эти подходы противоречат друг другу, на самом деле они оба могут быть полезны при затачивании продукта под потребности целевой аудитории.

Предлагаем вам прочитать адаптированный перевод статьи Personas vs. Jobs-to-Be-Done, опубликованной в блоге Nielsen Norman Group, в котором подробно разбираются преимущества этих подходов и решаемые ими задачи для продуктовых команд.

https://gopractice.ru/product/personas-vs-jtbd/

Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.
5.4K viewsedited  07:36
Open / Comment
2023-04-11 15:01:03 Фундамент роста продукта

Можете ли вы убедить хотя бы одного человека переключиться на ваш продукт?

Если да, то у вашего продукта есть фундамент роста.

Готовность хотя бы одного пользователя сменить его текущий способ решения задачи на ваш — это первый сигнал о возможности масштабировать продукт. Он подскажет вам, что именно вынуждает пользователя переключиться и в чем заключается ценность вашего решения.

Скорее всего, убедить первого пользователя перейти на новое решение окажется непростой задачей. Но если у вас получилось, далее вы продолжаете процесс с новыми пользователями.

Задайте себе несколько вопросов:

— Какой процент пользователей переключается на ваше решение?

— Знаете ли вы факторы, которые мешают им переключиться?

— Становится ли процесс привлечения людей проще после нескольких итераций по изменению продукта и целевой аудитории?

— Набирает ли процесс обороты со временем?

Если да, то найдите способ автоматизировать процесс — через изменения на уровне продукта или через расширение команды привлечения.

Так начинается путь к устойчивому росту продукта.
4.7K views12:01
Open / Comment
2023-04-05 10:37:02 Как стать продакт-менеджером. Остаться внутри текущей компании или перейти в другую?

Перейти на позицию продакт-менеджера из смежной роли можно двумя способами: через рост внутри текущей компании и через поиск работы в новой.

У каждого из них есть свои особенности. Первый путь обычно проще и доступнее, поскольку вы уже знаете компанию, рынок, людей и культуру внутри. Второй путь сложнее, но эти усилия кратно окупаются, когда вы находите гораздо более интересное для себя направление или продукт.

В этом материале мы разберем две траектории перехода в продакт-менеджмент и расскажем, как увеличить шансы на каждой из них.

https://gopractice.ru/skills/current-employer-vs-new-pm/

Проверьте свои навыки в управлении продуктом с помощью бесплатного теста от GoPractice.

Пройдите путь продакт-менеджера в нашем симуляторе, чтобы усилить и систематизировать знания, которые пригодятся вам в реальной работе.
5.9K views07:37
Open / Comment