Оля Конякина

Оля Конякина

Неделя
Jan 11, 2021 → Jan 17, 2021
Темы

Архив недели

Понедельник


Всем привет! На первой рабочей неделе в этом году с вами я - Оля Конякина, менеджер продукта рейтинги и отзывы о продавцах в Авито.

Отзывы - это UGC (user-generated content), и часто классические подходы нам не подходят 😄 О том, какие возникают сложности, и как их решаем, расскажу на этой неделе.

Пн - ок ли, если нет детектируемого влияния на метрики компании? Вт - что делать, если нет данных для теста гипотез? Ср - этапы запуска UGC-продукта. Чт - про сегменты пользователей. Пт - день для свободной темы. Сб - как выбрать команду. Вс - подведение итогов.

Хочу прокомментировать тему субботы. Я продактом работаю только два года и ещё свеж в памяти переход в продакты. Мне очень повезло выбрать команду, с которой я работаю. Это помогло быстро вырасти, поэтому хочу поделиться, как можно выбрать такую команду

Наконец можно начать первую тему. Можно ли делать продукт, если не возможно посчитать его влияние на основные метрики компании?

В теории все просто: у основного продукта есть дерево метрик, которые отвечают за успех продукта и компании. На первом уровне самые главные метрики, на втором уровне метрики, которые влияют на них и тд. Уровень вложенности может быть сколь угодно большим

Разрабатывая продукт, ты целишься в то, что ты улучшишь основные метрики компании. Улучшаешь - успех, не улучшаешь - гипотеза не подтвердилась, работаем дальше.

Начнем с примера - мой продукт хорошо иллюстрирует ситуацию, когда не видишь влияния на основные метрики компании. С точки зрения здравого смысла рейтинг продавца - это must have для продукта типа Авито (мы относимся к классифайдам).

На Авито ты совершаешь часто сделку с незнакомым человеком: он может обмануть в описании товара, не прийти на встречу, предложить при общении другую цену и тд. Модель classified не подразумевает участие в сделке компании, как арбитра: сделка проходит в офлайне без третьей стороны

А вот с точки зрения метрик ничего не померить: ни в одном тесте мы не сможем увидеть увеличение количества покупателей на площадке (одна из важных метрик компании). Увеличение retention покупателей в АБ-тесте тоже увидеть не получится-нужен слишком долгий тест, NPS - мимо итд.

Итак, как обосновать важность продукта или фичи, если она не влияет на метрики? Начнем с обоснования важности и расскажу свой опыт

Видение и стратегия продукта в этом случае становятся особенно критичны.Видение - это описание того, каким будет мир и продукт в нем через 3-5 лет (или другой период времени, который лучше подходит продукту или компании). Стратегия - как сделать видение реальностью.

Если продукт или фича помогают (предположительно) приблизиться к описанному видению, являются необходимым шагом в сторону цели - это может являться основанием разрабатывать фичу или продукт.

Наличие обоснования в виде стратегии или видения, конечно, не делает продукт автоматически хорошим. По ходу разработки нужно проверять основные гипотезы, что продуктом/фичей пользуются с нужной частотой, она удобна для использования и не ломает другие сценарии в продукте.

В нашем случае рейтинг продавца - это способ сделать рынок с прозрачными правилами игры. От этого выигрывают, как продавцы, так и покупатели (и тут опять без метрик 😅). Больше продавцов с лучшим сервисом -> у них больше покупателей -> у большего количества покупателей лучше опыт

Первый вариант стратегии мы разрабатывали полгода. Так долго, тк продукт влияет на многие сценарии, на покупателей и продавцов. При этом влияние неоднозначно: должен пользователь читать отзывы, или ему должно хватать рейтинга? Ок если покупатель контактирует с плохим рейтингом?..

Второй вариант сделали уже за 2 месяца. Пришлось все менять, тк под первый вариант не получалось разработать метрику, по которой можно отслеживать успех продукта. Меня тогда очень удивило, как разработка метрики подтолкнула пересмотреть стратегию и цель продукта

В итоге, начав с более очевидного и размытого: улучшаем жизнь покупателям, мы перешли к ликвидности, которую получают "хорошие" продавцы по сравнению с "плохими"

Поделюсь материалами. Мне понравилось, как про стратегию и видение рассказывают на этом курсе: udemy.com/course/advance…

Еще у Ани Булдаковой неплохой цикл статей про стратегию продукта: medium.com/swlh/the-produ…

Вторник


Вчера не успела продолжить, поэтому заканчиваю сегодня :) Итак, пункт 2) Аналитические исследования

Ок, мы не можем посчитать retantion в АБ-тесте, но можем сравнить когорты пользователей. Задача гораздо сложнее, чем запустить АБ-тест, тк нужно аналитически доказать похожесть когорт и исключить факторы сезонности (если берутся когорты до запуска фичи и после).

Иногда похожесть когорт аналитически строго доказать невозможно, и приходится идти на компромисс. В любом случае, через аналитические исследования получается получить подтвердить или опровергнуть гипотезу о влиянии, но именно оценить влияние фичи часто невозможно.

Например, мы можем доказать, что чтение отзывов уменьшает churn rate покупателей. В исследовании даже можем понять на сколько, но экстраполировать эти данные на полное множество будет некорректно.

Подсмотреть решение у конкурентов. Наличие похожей фичи у конкурентов почти ничего не значит: находясь вне контекста тяжело восстановить предпосылки и цели фичи. Наличие фичи у конкурента не означает, что она хорошо работает. Возможно, у них просто нет ресурсов на выпиливание.

Но если планируется фича, которой нет ни у одного из конкурентов или пиров, не реализована подобная фича у компаний в других сферах - это хороший сигнал и повод задуматься почему. В таком случае я была бы более насторожена при планировании разработки, и обозначала это как риски.

Наличие внешних исследований Иногда, обосновать фичу помогают внешние исследования.

В случае рейтингов продавцов, есть исследования, которые показываю, что люди поступают "лучше", если знают, что их оценят. Улучшая поведение продавцов, улучшается и опыт покупателей. Правда, ни на каких метриках подобный эффект мы опять-таки заметить не сможем :)

Если весь пазл сложился, описаны видение и стратегия продукта, найдены внешние исследования, найдены референсы у пиров, то в исключительной ситуации можно считать, что продукт можно разрабатывать. Но как тогда отслеживать успешность продукта?

Usage-метрики Usage-метрики показывают, как часто пользователи используют продукт. Обычно их не сложно построить и отслеживать их изменение. Если упростить, чем полезнее для пользователей продукт или фича, тем чаще они его будут использовать.

В случае рейтингов продавца - это, например, покрытие продавцов рейтингом, чтение отзывов до сделки

Метрики, изменение которых влечет изменение основных метрик. Если продукт уже работает, можно провести исследование, которое покажет зависимость между метриками продукта, которые вы можете посчитать, и основными метриками.

В этом случае, обычно достаточно доказать зависимость один раз с помощью аналитического исследования и дальше отслеживать только те метрики, которые мы можем посчитать.

В случае рейтингов, это контакты с хорошими продавцами, и опять чтение отзывов до сделки.

Отзывы пользователей Здесь, кажется, все просто: любые отзывы - хорошо. Если отзывы хорошие - отлично! Если плохие - тоже неплохо. Если пользователям продукт или фича не полезны - они не напишут ни хороший, ни плохой отзыв.

Привет! Сегодня по плану, как мы выходим из ситуации, когда для теста гипотезы нет данных.

Почему у нас так происходит? Чтобы запустить тест - нужны данные, чтобы собрать данные (а в нашем случае созданный пользователями контент) – нужно сначала разработать все и подождать какое-то время. Например, от полугода до нескольких лет.

Как в таком случае подтверждать гипотезы, которые сделали при формировании видения и стратегии? Мне больше всего помогает декомпозировать гипотезы.

Например, рейтинг продавца сделает рынок более прозрачным. Декомпозируем: что значит прозрачным? Покупатель сможет выбирать продавца не только за счет красивого описания и фотографии и низкой цены, но и дополнительной информации в отзывах.

В последней фразе тоже несколько гипотез: покупатели читают отзывы до сделки, ищут дополнительную информацию о товаре/продавце в отзывах, сейчас выбирают только на основании описания товара, фотографии и цены. Получение дополнительной информации до сделки имеет ценность для них

Когда декомпозировала гипотезу, становится уже гораздо легче придумать способ проверить каждую из ее частей. И часто это возможно не с помощью аб-теста, но и с помощью исследований.

Какие исследования мы используем для проверки? Тут ничего нового: внешние исследования (покупатели часто читают отзывы перед покупками в интернете), аналитические исследования (каково влияние факторов на решение о покупке уже сейчас), какую информацию ищут в отзывах (интервью)

Предположить, что если наша гипотеза верна, то, к примеру, usage-метрики должны быть примерно такие. Откуда брать бейслайн? Это могут быть бенчмарки конкрурентов или расчетные значения, ниже которых вы не будете дальше инвестировать в разработку.

Самый кровавый, самый дорогой и самый точный способ: дождаться, когда данных будет достаточно, и провести обратный АБ-тест. В нашем случае, это в тестовой группе скрыть все рейтинги и посмотреть влияние этого изменения на метрики :)

Буду рада, если поделитесь еще способами, о которых читали или использовали :)

Среда


Сегодня расскажу детальнее про UGC - контент, который генерят пользователи. Если у вас есть по UGC вопросы, или хотелось бы детальнее почитать про что-то, пишите, я постараюсь ответить

UGC - это очень, ОЧЕНЬ дорогая фича для компании, особенно крупной. Основные риски - ты даешь публиковать на своем ресурсе контент, и начинаешь нести за него ответственность.

Это означает, что любой контент, перед тем, как он появится на сайте, проходит проверку = модерацию. Модерация бывает автоматическая (слишком дорого проверять каждый отзыв вручную) и ручная, тк любой алгоритм работает не со 100% точностью и полнотой.

Кроме модерации, контент занимает и ресурсы службы поддержки. Если контент публикуется безотносительного кого-либо, то тут есть две стороны и проблемы: почему мой контент не опубликовали и почему вы ЭТО опубликовали.

В случае рейтингов добавляется еще и третья сторона - продавец, который задается теми же самыми вопросами))) Почему вы положительный отзыв на меня не опубликовали, и почему негативный опубликовали

Команды автоматической модерации, ручной модерации и поддержки работают по регламентам. Поэтому кроме уже перечисленных ресурсов нужны ресурсы на разработку и поддержку в актуальном состоянии регламентов

Ах да, а еще отдел контроля качества - ребята, которые просматривают семплы отзывов с решениями автоматической и ручной модерации и отмечают ошибки 💜. Без них все это работало бы просто ужасно. Чтобы понять масштаб - каждую неделю ребята проверяют семплы из более 1000 отзывов

Семплирование отзывов для проверки - тоже интересная тема. Если останется время сегодня, по нее тоже расскажу

Теперь более подробно по каждому из этапов: хотела начать с автоматической модерации, но на самом деле все начинается с регламентов.

Если упростить, то мы проверяем каждый отзыв на мат и оскорбления, запрещенные к распространению материалы, рекламу, контактные данные и ссылки, персональные данные и, наконец, накрутки.

Очень интересно модерировать отзывы на оскорбления. Отзывы у нас на продавцов, а продавцы часто - это частные лица, т.е. обычные люди.

И, если компания может пережить фразу в отзыве "неадекватная фирма, плохо делает свою работу", то фраза "неадекватный человек, опоздал на 5 минут" этим самым человеком воспринимается очень негативно.

Регламент по оскорблениям один из самых сложных. Вот несколько примеров неочевидных оскорблений: "Разводит собак в крошечной клетке, Гитлер!", "чудик, с кукухой не дружит", "Обманщик. Ребята, помогите сдохнуть побыстрее этому Владику!"

А такое вы бы отклонили?))) "Отличный пылесос, сосет намного лучше моей бывшей!"

Алгоритмы автоматической модерации контента у нас разрабатывает отдельная команда, состоящая из дата сайнтистов. Часть алгоритмов реализуется через обычные регулярки, часть на ML-алгоритмах. На самом деле, именно модерация текста по большей части строится на обычных регулярках.

Интереснее обстоит дело с поиском накруток. Накрутки сейчас ищутся только с помощью автоматических алгоритмов - глазами их искать стало уже очень тяжело.

Накрутки делают с пустых аккаунтов, аккаунтов друзей, взломанных аккаунтов, а также создают специальные аккаунты для массовых накруток. И для разных типов накруток приходится разрабатывать разные алгоритмы.

Сейчас работают более 10 моделей для поиска накруток, и постоянно добавляются новые. Хотела бы подробнее писать про модели, но не могу - информация о моделях дает информацию о том, как из обходить.

Основная сложность при разработке моделей - очень разные товары, пользователи и их CJM. На Авито можно купить от квартиры до скинов в фортнайт (отзывы на скины обычно сводят меня с ума) или промокоды в пятерочке.

В первом случае ты полгода ходишь по сайту, 100500 раз смотришь объявления, звонишь, во втором случае ты заходишь на сайт, тыкаешь в одно объявление и через 5 минут "сделка" произошла.

При этом в Авито около 17 крупных категорий, а под- и микро-категорий.. В общем лень считать :) С другой стороны, есть пользователи, которые делают 1 покупку раз в полгода, а есть перекупы - которые за месяц оставляют отзывы десятками.

Все это приводит делает задачу сложной, трудоемкой, но очень интересной. Сейчас работают модели, которые анализируют поведение пользователя на площадке, и модели, которые статистически проверяют "нормальность" пользователя.

@produnderhood Как мотивировать пользователей генерировать контент?
Нам пока хватает самых простых механик: сделать оставление контента максимально простым попросить. Эффективность в обратном порядке ) twitter.com/shemoto/status…

Планируем добавить геймификацию - но это ресурсоемко, поэтому пока есть эффект от первых двух пунктов - развиваем их.

В самую последнюю очередь остается мотивация с помощью баллов, которые можно потратить на площадке. ИМХО это уже последний шаг, если все предыдущее уже сделано хорошо, но все равно не хватает.

Из интересного, что замечали по ходу: важно понимать мотивацию пользователей в генерации контента. У нас - это помочь другим, таким же как я, или помочь бизнесу, который хорошо отработал.

Поэтому на нас сильно влияет эффект снежного кома - чем больше человек сталкивается с чужим полезным для него контентом, тем скорее и он создаст его сам. Если покупатель при покупке читал отзывы - он скорее сам оставит отзыв. И наоборот. Поэтому сложно набрать начальный объем

Когда давно еще только запускали рейтинги, сначала действовали очень аккуратно. И тестово запустились на один мааленький регион. За месяц-другой собрали ровно один отзыв :) Сейчас собираем более 50к в день в среднем

И в зависимости от текущего объема контента работают разные механики: то, что не работало вначале, работает сейчас. И наоборот: то, что используем вначале, становится не сильно эффективно потом.

Вначале убиваемся, чтобы собрать каждый первый отзыв: можем использовать вплоть до звонков покупателям с просьбой оставить отзыв (супердорогой инструмент). Но иначе сложно раскачать этот ком

Пятница


Соррян, вчера была не в строю, хорошо, что по плану сегодня свободный день ✌️успею закончить тему про ugc, и вчерашнюю :) Офтоп: если едите устрицы, оставляйте день через сутки свободным 🙈 доп инфа в интернете по запросу «норовирус» 😄

Всем, кому не ответила - сегодня завтра отвечу :)

Итак, продолжим про этапы обработки контента. Отзыв прошёл автоматическую модерацию. Алгоритмы возвращают значения: опубликовать (все точно ок), отклонить (все точно не ок), на ручную модерацию (что то я сомневаюсь). И часть отзывов уходит на ручную проверку

Кажется, что часто можно принять риски, и опубликовать контент, в котором алгоритмы сомневаются - и избавится почти от полного потока на ручную модерацию. Модерацию тогда можно делать постфактум, если много пользователей пожалуются на опубликованный некорректный контент

Но это не наш случай, тк получить отзыв на себя обычному человеку - очень эмоциональная ситуация.

Удешевить ручную модерацию также может помочь сервис от Яндекса - Толока. Там сидят много людей, и выполняют элементарные действия за небольшие деньги. Вполне можно использовать для простых кейсов

После модерации контент попадает на сайт. После чего включается работа поддержки. У нас так называемый defect rate (отношение обращений в саппорт к количеству собираемых отзывов) в районе 1%. Это не высокий показатель, но хотелось бы ниже.

Некоторые кейсы обращения в саппорт расследуем всей командой. Из интересного - на продавца по одной и той же машине прислали два отзыва: один положительный, другой отрицательный. Мы запросили доказательства сделки.

Одна сторона прислала ПТС, договор купли продажи (где были все данные владельца авто, не продавца), СТС. Другая сторона прислала ПТС, договор, СТС и карточку из ГАИ о владельце авто. Все документы проходили проверку на фотошоп. До сих пор интересно, как такое могло произойти.

Сложности в саппорте отзывов всегда возникают из-за фродеров. Мир, и регламенты саппорта 😅, был бы проще, если бы нас не пытались постоянно обмануть. В попытке защитить себя усложняются регламенты, и страдают обычные пользователи, которым не поверили. Часто грущу из-за этого

Ну и последняя тема про продуктовую разработку - это сегментирование пользователей. В любом продукте сегменты пользователей очень важны - тк в зависимости от сегмента, метрики в продукте будут отличаться, особенно все конверсии.

Набежал один сегмент - конверсия подросла, набежал другой - упала. Для одного сегмента улучшили продукт, для другого - сломали сценарий.

Чем хорош в этом плане продукт рейтингов - сегменты очень наглядны, и все решения приходится делать постоянно балансируя. О каких сегментах мы думаем, принимая решения: автор отзыва, продавец (кто получает отзыв), читатель отзыва.

Какие могут быть сегменты в других продуктах? Канал трафика (люди находятся в разном контексте), на сколько активно пользуются продуктом, на сколько давно пользуются продуктом, пол/возраст/любые другие социально-демографические характеристики.

На практике их все отслеживать ИМХО невозможно, особенно в крупном продукте. Поэтому я бы выбирала сегменты, за которыми хочу следить, исходя из задачи, продукта и исследований по влиянию на метрики.

@produnderhood Забавно, с чем столкнулся сейчас в ленте у себя https://t.co/4qli6Ynnvz
Спасибо, что поделился. Интересно, что отзывы на продавца уже используют, как отзывы на аккаунт (выступает в роли и продавца и покупателя). twitter.com/sevavalyan/sta…

@loony_alien @produnderhood Если человек настолько плох, что оставляет все отзывы с одного аккаунта, то да. Но вообще да, даже если аккаунты разные, то скорее всего метадата будет почти одинаковая (юзерагент/fingerprint как минимум). Тоже можно обходить, но сложнее.
Отвечу по порядку на длиный тред :) 1) NLP для отзывов не пробовали еще использовать. Есть гипотеза, что отзывы для этого алгоритма слишком короткие у нас - обычно не более предложения. Плюс есть эффект фрейминга - прочтя отзывы на продавца, авторы начинают отмечать тоже самое. twitter.com/angelooooook/s…

Но рано или поздно точно попробуем потестить. Были у нас кейсы, когда даже глазами было заметно: там во всех отзывах была фраза "по приезду" :) "по приезду, менеджер Александр бла бла бла ")))

Юзерагент/fingerprint легко меняется: те, кто продают отзывы делать это умеют, к сожалению. На эту проверку попадаются не часто

Дополню еще про много отзывов с 1 аккаунта: какое-то время такие товарищи были, и жили весьма хорошо. Пока мы не начали это отслеживать, они и не парились. энергоэффективные :)

@produnderhood Использовать обработку языка в отзывах - вещь сложная и неблагодарная, потому что грамматика у нас не в почете)
И правда, я про грамматику даже не подумала) twitter.com/a1tusha/status…

Суббота


Пример влияния сегментов: продавцам не нравятся негативные отзывы, где используется слово «мошенник». Отклоняя такие отзывы (если при этом на аккаунте действительно нет мошеннических действий), мы радуем продавцов, но расстраиваем авторов отзывов. А потом и читателей

Ещё примеры, где использовали сегментирование: какие сегменты продавцов генерят плохой опыт у покупателей; какие сегменты покупателей генерят некачественный контент.

В моей практике для выбора сегментов использовали просто опыт или качественные исследования. И уже аналитикой их подтверждали.

Интересно ещё на эту тему - использование ICP (построение идеального профиля пользователя). Не длинный, но содержательное видео на эту тему: my.epicgrowth.ru/programs/icp

Последняя тема этой недели: поделюсь своим опытом, как выбрать команду, чтобы с ней быстрее вырасти

Первое важное слово в теме - это команда. У нас в Дискавери команде продакт, аналитик, дизайнер, ux-исследователь. В это и правда команда, которая вместе идёт к общей цели.

Ощущение команды сильно помогает в работе - каждый стремится сделать хорошо продукту, а не закрыть задачи в джире. С переходом на удаленку не удаётся это поддерживать, как раньше, поэтому вспоминаю с ностальгией

Я пришла в команду, которая уже работала, как команда. На этапе собеседований можно узнать, как строится Дискавери процесс, когда какая роль участвует и подключается, чтобы понять, как обстоят дела в конкретной команде

Кроме команды, как таковой, важны люди. На собеседовании вряд ли получится близко со всей командой познакомиться. Могут помочь вопросы типа: как вы решаете, что гипотеза о решении плохая? В какие моменты приходит понимание, что решение плохое? Кто челенжит решение?

Да, кстати, настораживающий момент, если до офера не было знакомства с командой, которой можно было бы задать эти вопросы.

@produnderhood А почему не удается и как поддерживали раньше?
Стало больше встреч: в офисе повернёшься, за 5 минут обсудил, и дальше работаешь. Сейчас, чтобы обсудить голосом нужна встреча. Встреч становится больше, поэтому сокращается количество общих синков( чтобы сократить количество общих встреч). В итоге каждый занимается своей задачей twitter.com/soider/status/…

Плюс у нас в юните увеличилась нагрузка (спасибо мошенникам), поэтому приходится выбирать - работать или общаться 😔

А раньше это поддерживалось общими встречами и общими целями. По сути, решения принимались только после общего обсуждения. Дизайнер мог челенжить аналитика, аналитик дизайнера и тп. И проблема рассматривалась всегда с разных сторон

@produnderhood А разве общение онлайн не помогает или вы не общаетесь совсем? (не по статусу, а просто обсудить кто чем занят, креатив и планирование)
Онлайн общение имхо со временем отдаляет: это лучше, чем ничего. Но гораздо менее эффективно, чем офлайн общение. Может со временем все адаптируются, но пока я ощущаю все так. Ещё рутинные или знакомые задачи делаются онлайн, а вот креатив... с ним плохо стало совсем twitter.com/newesprod/stat…

Возможно я просто не умею это готовить 😄 я все это время находилась в стадии отрицания, и мантра была: сейчас это все закончится))) стоило бы разобраться в существующих практиках, возможно там есть решение 🤷‍♀️

Хотела пояснить свою мысль - настораживающий, если вы хотите работать в уже сыгранной команде. Странно, если в команду вливается новый человек, при этом саму команду не спрашивают - а вам вообще норм будет с ним работать? В другом случае и с другими процессами - обычная практика

Другой важный на мой взгляд компонент - это поддерживающая атмосфера. Человек может быть прекрасным профессионалом, но быть при этом очень токсичным. У такого очень тяжело учиться, тк в процессе обучения неизбежно делаешь ошибки.

Если в ответ на ошибки получаешь фидбек, что ты - идиот, то в итоге это может плохо отразиться и на итоговых результатах работы, и на самоощущении.

Дальше, один из наиболее для меня важных пунктов - это руководитель. Если у команды можно учиться смежным навыкам, команда не будет пропускать заведомо плохие решения и в обсуждениях будут рождаться лучшие, то руководитель для меня по сути (модное нынче слово) - ментор

Это имхо идеальная ситуация, когда ты можешь учиться у своего руководителя продуктовым хард-/софт скилам.

В выборе руководителя все тривиально - постараться максимально собрать фидбек от работающих с ним людей. Обычно это очень красноречиво дает понять о том, как сложится работа потом

Важный момент, что закладывать риски, что не все люди будут объективны. Редко у кого получается работать так, чтобы нравиться вообще всем. Я в таких ситуациях стараюсь опираться на мнение тех, кому доверяю в человеческом и профессиональном плане

И последний совет - это каким-либо образом найти результат работы команды. Не продукт (мы не репрезентативны, и будем оценивать со своей точки зрения, а не с точки зрения ЦА), а какой либо документ/доклад/описание фичи/ whatever.

Если нет информации в интернете, можно попросить на этапе знакомства с командой показать что-то, что выходит за рамки NDA. Что там искать? То, что важно вам. Из примеров: структурность, аккуратность, стройность причинно-следственных связей, последовательность...

Это имхо лучшая демонстрация того, как работает команда - это не на собеседовании 1 час продержаться милыми и разумными :)

Опять-таки есть ограничение: это полезно в том случае, если повезет найти/или будете искать нацелено уже сработанную команду

Я в свое время смотрела файл, где расписаны ОКР-цели команд (но тут мне повезло, тк переход был внутри компании). Внешним для компании людям, конечно такое не покажут

@produnderhood Если с самостоятельностью, процессами и способностью формулировать мысли четко все ок, то удаленка продуктивнее. Просто потому что ты эффективнее распределяешь собственное время, не надо подстраиваться под выбранное кем-то и почему-то так.
Меня удивляет, как людям в течении жизни удается сохранять категоричность в суждениях :) Эх, если бы наш удивительный мир и бесконечное разнообразие обстоятельств можно было поместить в емкое правило про продуктивность удаленки 🙂 twitter.com/asha__im/statu…

Если креатив обусловлен наличием окружающих, значит ты не принимаешь участие в процессе) twitter.com/produnderhood/…
Хм, интересно :) Можешь развернуть мысль? Почему именно такая связь? twitter.com/VagaIudaeus/st…

Воскресенье


Сегодня последний день моей недели :) Это мой первый опыт, было интересно. Не знаю почему (это ж очевидно!) оказалось, что ведение соц сетей - такой же навык, как и любой другой. И если это делать первый раз - получается так себе и долго 😅

Сегодня расскажу детальнее про UGC - контент, который генерят пользователи. Если у вас есть по UGC вопросы, или хотелось бы детальнее почитать про что-то, пишите, я постараюсь ответить
Надеюсь, кому-то кроме меня это было тоже хоть немного полезно :) Что получилось обсудить за неделю? Как обосновать продукт, если нет влияния на метрики компании? twitter.com/produnderhood/… Этапы обработки UGC twitter.com/produnderhood/…

Последняя тема этой недели: поделюсь своим опытом, как выбрать команду, чтобы с ней быстрее вырасти
как мотивировать пользователей генерит контент: twitter.com/produnderhood/… Сегменты пользователей в продукте: twitter.com/produnderhood/… Как выбрать команду, которой сможешь быстро расти twitter.com/produnderhood/…

Ну и напоследок поделюсь немного материалами, которые лично я после прочтения в итоге использую

Очень полюбила шаблон описания продуктовых требований от Ани Булдаковой. Активно использую в работе, заметно, как мозг напрягается, когда его заставляют заполнять каждый раздел, хотя вначале было: а чего писать, все ж и так понятно. t.me/proproduct/1037

Когда была джуном мне помог сильно go practice, но про него и так все знают. А еще вот этот курс: местами рассказывают очевидные вещи, но все равно по итогу в голове образовывается очень понятная структура, на которую потом ложатся все остальные статьи. udemy.com/course/become-…

А если просто хочется чего-то по теме почитать, то выбрать можно здесь. Читать-не-перечитать :) docs.google.com/document/d/1A9…

Ссылки