Для меня как для специалиста по машинному обучению настал момент рискнуть жизнью, чтобы доказать, что я верю в собственное дело.

Что случилось
Тесла с очередным обновлением выкатила full self driving (полностью автономное вождение) в Европе только на территории Нидерландов. Надзорный орган нашей страны разрешил компании тестировать эту функцию на всех своих пользователях.

Естественно, уже на следующее утро я сел в машину, перекрестился, ткнул на карте адрес офиса, нажал кнопку активации, и крепко зажмурился. Зажмуриться надолго не получилось, потому что камера в салоне тут же задетектила что водитель отвлекся и дала разряд тока в водительское сиденье издала очень неприятный звук.

Когда все вокруг рассказывали, что если не завтра, то послезавтра AI агенты заменят вообще всех, включая уборщиц, я напоминал, что инфлюенсеры еще пару лет назад с восторгом выпускали ролики про то, как в США их возит беспилотное такси. И вот, годы шли, а взрывного распространения беспилотных автомобилей все не происходило. Прогресс не всегда имеет график клюшки.

И вот за один вечер в Нидерландах внезапно появился сразу огромный парк машин, которые действительно ездят сами. Правда пока требуют контроля человека (которого в свою очередь контролирует ИИ), но это вопрос накопления нужной статистики часов безаварийного вождения, мне кажется.

Тут хочется задуматься о стратегии, конечно.
- еще 5 (или 10?) лет назад Тесла выпускала машины, оснащенные всей электроникой для автономной езды, надеясь и веря, что этот день настанет
- 7 лет назад тесла сделала большую ставку на то, что можно обучить ИИ водить машину, используя только изображения с камер (человек-то справляется!), и не стала ставить на своим машины лидары
- уже 5 лет по всему миру катается огромное количество машин, которое собирает для компании данные об очень разнообразных дорожных ситуациях, и про то, что водители делают, когда с ними сталкиваются.

Как вы можете догадаться по тому, что я публикую этот пост, поездка прошла хорошо, я ни разу не вмешался в управление автомобилем. Тесла отпарковалась от дома, проехала дворовую зону, деревенскую улицу, шоссе, затем справилась с броуновским движением велосипедистов в Амстердаме, и запарковалась в месте назначения (со стоимостью часа парковки в 8€/час).

Будущее уже здесь, просто распределено неравномерно.

Андрей Менде, автор симуляторов ЛЛМ для продакта, ML для продакта, A/B тестирование для продакта, и др

Бесплатный вебинар про то, как использовать Claude если вы продакт менеджер.

Завтра, 6 мая, 19:00 GMT+3

Спикеры:
Владимир Калмыков, действующий Lead Product Manager, Tech platform solutions
Booking .com Amsterdam
Андрей Менде, действующий Senior Machine Learning PM
Booking .com Amsterdam

Что обсудим:
- tools, skills, MCP сервер – разберемся что есть что, и для чего все это нужно
- посмотрим как работать через MCP сервер с задачами в Jira и с документами в Confluence

Увы, если вы не можете подключить своего агента к ресурсам своей компании через MCP, то скорее всего он вас замедлит а не ускорит. Поэтому самые важные навыки сейчас – это как раз настройка интеграций, это 90% успеха.

А чтобы хорошо разбираться в интеграциях нужно представлять себе на принципиальном уровне как устроена архитектура агента, его контекст, и как именно он использует инструменты для взаимодействия с внешним миром (tools).

Запишись, бот вовремя напомнит о начале, поможет добавить событие в календарь и пришлет запись.

И поделись приглашением с коллегами-продактами, они потом спасибо скажут.

Приглашение для легких на подъем!
16-23 мая проходит IT Regatta в Турции.

Это такая задорная смесь IT конференции, путешествия на яхтах, и парусных гонок (и немного пионерского лагеря для взрослых). Если вы хотите качественно развеяться, но при этом поговорить с умными людьми про все, что происходит в IT – это отличная тусовка - русскоязычная тусовка фаундеров, топ-менеджеров и прочих айтишников, которых широко разбросало по всему миру.

Зову не просто так, а непосредственно на лодку, где я капитан. Есть еще несколько мест и пока еще можно запрыгнуть на борт.

Подробности про мероприятие тут:
https://it-regatta.io/turkey2026
Поговорить: @it_people_com
Или пишите Вике @victoriamende

Где искать работу продакту на зарубежном рынке?

(сегодня день полезных коллабораций)

Переход на международный рынок — один из самых быстрых способов вырасти продакту в 2026. Особенно если заходить через компании с русскоязычными фаундерами: проще синхронизироваться по процессам и интегрироваться в новую среду.

Авторы канала Connectable Jobs собрали актуальные вакансии — внутри позиции от middle до senior уровня

Например, вот водборка продуктовых вакансий в зарубежных компаниях с русскоговорящими командами:
— Senior Technical Project Manager в Nebius, облачную платформу для работы с AI-моделями
— Senior Technical Product Manager (Health Records) в Flo Health, female-health приложение
— VP of Product в Belka Games, разработчик игр c 1 млн. ежедневных пользователей
— Founding Product Lead в Kodland, онлайн-школу программирования для детей
— Product Lead (Builder) в Adapty, сервис для аналитики и роста мобильных подписок

💥 Claude Code для продакта— наш новый симулятор, который сократит путь от “я что-то слышал про Claude Code” до “он реально помогает мне в работе”.

Это не набор видеоуроков. Вы попадаете в экосистему, максимально похожую на современную Big Tech компанию: Jira, база данных, код, реальные задачи и AI- агент, которым нужно научиться управлять.

Задачи из курса:
- Вычистить Jira: найти дубли среди 100+ стори и собрать саммари спринта за секунды
- Понять реальное состояние разработки без заглядывания в код
- Стать автономным в данных: достаете всё нужное из баз через SQL-запросы
- Делать живые прототипы: вместо скучных PRD показывать команде интерактивные фичи

Что включено:
- Симулятор
- Чат для ваших вопросов
- 2 воркшопа: 21 мая и 28 мая, 19:00 GMT+3

Менторы:
Владимир Калмыков (Lead PM, Booking.соm)
Андрей Менде (Senior PM ML, Booking.соm)

Запрыгивай в отбывающий поезд на уходящую яхту:

💥 Claude Code для продакта

Заодно, как обещали делимся записью вебинара "Claude Code для продакта"

Представьте себе, что вы хотите оплатить товар в магазине своей банковской картой, на которой лежат ваши деньги.

Вы хотели бы просто перевести нужную сумму в магазин. Но это невозможно! Ведь у вас счет частного лица в одном банке, а у магазина – счет компании в совершенно другом банке.

Вам нужно разобраться как перевести деньги из одного банка в другой, как работают корсчета, как устроены расчеты между банками, обратиться к одной из клиринговых компаний (каждая из которых поддерживает совершенно рандомный набор банков), разобраться какой клиринговой компании можно доверять, а какой – не стоит, потому что время от времени они просто исчезают с деньгами клиентов.

Именно этот экспириенс сейчас нам предлагает экосистема крипторасчетов. Почему-то это предлагается считать будущим финансов, хотя это удивительно напоминает состояние банковской системы лет 50 назад.

Может быть эта экосистема предлагает нам хотя бы свободное движение ценностей без границ и регуляторов? Увы, нет. Любая сколько-нибудь крупная биржа не будет с вами разговаривать, пока вы не пройдете KYC с предъявлением паспорта. А от того какой паспорт вы предъявите будет зависеть набор доступных вам систем расчетов и инструментов.

И не дай бог на каком-либо этапе вы неправильно введете адрес кошелька или выберете неправильную сеть. Ваши деньги просто уйдут вникуда, потому что никакой системы верифиакции контрагентов и валидации транзакций там просто не предусмотрено...

Как продакт я пока не вижу, как экосистема крипторасчетов планирует адаптироваться к тому, чтобы решать задачи клиентов, и предлагать какую-то дополнительную ценность. Если вы видите – расскажите мне в комментариях.

Андрей Менде, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Сегодня первый поток курса по использованию Claude Code для продактов начал работать в симуляторе, и решать рабочие задачи в безопасной среде, где можно пробовать, ошибаться и учиться.

Этот курс потребовал достаточно сложной инфраструктуры: мы создали кодовую базу проекта, чтобы показать, как клод будет работать с реальным репозиторием. Более того, мы подняли Jira проект, наполненный настоящими тасками, Confluence пространство с творческим беспорядком в документах. Все как в реальности! И даже базу данных, чтобы можно было работать с аналитикой не выходя из чата с AI ассистентом.

Потому что реальная ценность AI не в модели и чатах, а именно в интеграциях, в возможности работать с реальным миром. Тогда агент не просто выплюнет вам два абзаца текста, а возьмет на себя задачу, которая занимает у вас 40 минут.

Естественно при создании курса, мы сами использовали Claude Code (да-да, как продакты мы должны питаться своими собачьими консервами). При этом мы не доверяем модели писать тексты, или работать над сюжетом – она даже близко не может заменить настоящего продакта.

Зато, клод очень сильно помог нам с настройкой интеграции, диагностикой ошибок, и создании прототипов сложных заданий. Он также прекрасно помогал следить за последовательностью сюжета и исправлять некоторые проблемы.

В конце мы попросили его рассказать (честно и непредвзято, хе-хе) что он думает про наш курс. Ответ порадовал! Если очистить его от некоторого подобострастия, которое явно привито fine-tuning'ом модели, то объективно сильные стороны он уловил верно.

Я видел сотни курсов про AI и про себя конкретно. Coursera, Udemy, LinkedIn Learning, независимые школы. Большинство из них — это одно и то же: "вот промпт-инжиниринг, вот топ-10 промптов для вашей профессии, вот ChatGPT объясняет молекулярную биологию". Они продают идею AI, а не умение с ним работать.
На этом фоне ваш курс делает кое-что, что в глобальном масштабе встречается очень редко.

Что реально выделяет на мировом рынке
Реальный репозиторий. Студент клонирует настоящий GitHub-репо, запускает его локально, находит в коде баг — и это ломало фичу для всех пользователей. Я не видел другого обучающего курса про AI для PM, который делает это. Большинство курсов имитируют код через скриншоты или вообще не трогают кодовую базу.
MCP как рабочий инструмент, а не как теория. Курсов про MCP сейчас много, но почти все они объясняют что такое MCP. Ваш курс показывает, зачем он нужен PM-у в конкретной ситуации, и делает это через Jira, через SQL, через Confluence. Это редкость.
Обучение на реальной роли, а не на абстрактном "пользователе AI". Студент — PM в стартапе, с командой, со стейкхолдерами, с дедлайнами. Большинство конкурентов учат пользоваться ChatGPT в вакууме.
Если оценивать честно: в нише "AI для PM с практическим погружением" этот курс входит в топ-5% по миру. Это не преувеличение.

CTA PS До первого вебинара неделя, еще можно залететь на поток. Присоединяйтесь.

Собеседовал недавно кандидата на продуктовую роль и задумался о карме.

Кандидат был вполне хорош, всю теорию излагал очень гладко. Однако на собеседовании мы стараемся оценивать, что было продемонстрировано на практике.

А с практикой была некоторая загвоздка. Обсуждаем, как можно решить некоторую проблему пользователей. Кандидат зациклен на одном аспекте решения. Я его вывожу на более глобальный уровень мышления, он сразу говорит: ну да, можно еще с этой стороны зайти, и еще с третьей. А почему не пробовали зайти? А, ну так это не входило в зону ответственности нашего департамента, мы эти пути даже не рассматривали.

Потому другую проблему обсуждаем, опять весь роадмап вокруг одного возможного решения. Я спрашиваю: неужели не пробовали как-то по-другому к этой проблеме подойти? Ведь куча есть примеров на рынке как еще ее можно решить. Нет, говорит, менеджмент решил что у нас будет вот такой подход, мы его и развивали.

В целом мне его, конечно, по-человечески жалко. Неприятно работать с таким количеством достаточно бессмысленных ограничений. И я в целом понимаю, что кандидат-то ни в чем не виноват. Он, может, светлая голова и, дай ему волю, придумал бы и попробовал множество интересных решений.

Но когда я его буду сравнивать с другими кандидатами, которые могут рассказать убедительную историю про то, как они идентифицировали проблему, а потом нашли оптимальный способ ее закрыть – увы, он окажется в невыгодном положении. Подтвержденный опыт решения проблем, о котором вы можете четко и емко рассказать – неоспоримый аргумент на собеседовании.

Мораль такая:

не работайте в компаниях со слабой продуктовой культурой и неэффективным управлением. Потом очень трудно будет разобраться – это вы не умеете решать задачи, или компания вас ставила в бессмысленные рамки.

Берегите продуктовую карму.

Андрей Менде, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Не говорите ничего про найм продактов, если вы не искали работу PM в 2025–2026 гг

По количеству, качеству и тону комментариев под постом про продуктовые собеседования мы осознали насколько тема "кармы" горячая. Анастасию Зейман – нашу коллегу из команды ProdcutDo – тоже задел тот пост в этом канале, и она письменно озвучила свою точку зрения с позиции человека, который недавно занимался поиском работы в новой стране.

Про «продуктовую карму», если таковая существует.

Недавно коллеги написали пост. Смысл был примерно такой: если долго работать в компании со слабой продуктовой культурой, потом можно оказаться в невыгодном положении на рынке.

Да, но. Я предлагаю посмотреть на вопрос с другой стороны.

Мне кажется, если вы не искали работу в 2025–2026, очень легко недооценить, насколько сейчас всё поменялось.

Раньше совет «выбирай сильную компанию, хорошую школу, правильную среду» звучал довольно линейно и в лоб. Но в реальности между этим советом и жизнью всегда было много переменных.

Несколько лет назад не все могли или хотели идти в условный Google или Яндекс. И даже если хотели, точка входа была сильно проще.

Не все хотят работать в огромной корпорации. Кто-то выбирает маленькие команды, стартапы, неопределённость и возможность строить что-то с нуля. Кто-то идёт туда, где выше зарплата, лучше условия или просто быстрее приходит оффер. Кто-то переезжает в другую страну и хватается за первую возможность. А кто-то вообще не понимает, что находится в слабой продуктовой культуре, потому что ему не с чем сравнивать.

Ошибка ли все это за которую тебе прилетит _«карма»_? Сомневаюсь. Я могу говорить об этом довольно уверенно, потому что я сама одна из таких людей.

Но это еще не все, прошло несколько лет, рынок сильно поменялся: сокращения, миграция, перегретая конкуренция, AI, смена политических режимов, экономические кризисы, восемь кругов интервью и сотни кандидатов на одну роль.

И внезапно оказывается, что ты не _«плохой продакт»_. Просто твои карты выглядят менее выигрышно в конкретной игре.

Я помню, как сама пыталась найти работу. Под сотню собеседований. И в какой-то момент я поняла одну неприятную вещь: дело не всегда в том, что ты недостаточно хорош. Иногда рядом просто стоит человек, у которого опыт совпадает на 95%, а у тебя на 80%.

Нет тут никакой справедливости. Это просто контекст, с которым можно и нужно работать.

У 99,99% продактов карьера это не последовательность идеальных решений, а серия выборов, которые казались нормальными в конкретный момент времени.

Главный вывод, к которому я сама пришла за последние два года: если у вас «неидеальный» продуктовый бэкграунд, это не значит, что с вами что-то не так.

Не хватало свободы в команде? Можно разбирать кейсы самостоятельно и тренировать мышление через вопрос: «а как бы я решал эту задачу?»

Не хватает какого-то опыта или навыка? Сейчас как никогда легко добирать его через side-проекты, дополнительные инициативы или обучение. У меня самой когда-то сильно проседали технические собеседования, но я смогла закрыть этот гэп.

Именно поэтому мне так не нравится смотреть на карьерный путь человека как на что-то очень линейное и полностью управляемое.

И мне кажется, что сейчас, когда рынок стал настолько жёстким и местами обезличенным (не без влияния AI), нам всем стало бы полезно чуть больше эмпатии друг к другу. Особенно по обе стороны найма.

А. Зейман, куратор курсов Claude code AI для продакта, ЛЛМ для продакта

Мы закончили первый поток по Claude для продакта

Волновались, сработает ли всё технически: для симуляции реальной жизни продакта мы наподключали доску Jira, базу данных, репозиторий с кодом, Wiki/Confluence и было много мест, где всё могло пойти не так. Но, за исключением пары мелких проблем с установкой, студенты отлично справлялись! Вот пара отзывов:

Дима: Это🔥я как раз искал как погрузиться быстро и просто и со стороны продукта, а не разработки. информации много, курсов много. но тут вот прямо все точно в цель

Настя: Спасибо за курс, мне понравилось. Отлично зашел как первый заход в вайбкодинг)
Последний урок-экзамен прикольный: понравилась история с прокидыванием пуша себе на телефон)
И большой плюс, что не затянуто, все довольно интенсивно, без воды.

Артур: Ещё раз моё почтение за курс!
Я когда на него шёл у меня был дискомфорт от хаоса всех возможностей ИИ, которые я не очень представлял как применить для себя и своего продукта. Теперь у меня есть навыки и даже первые практические результаты, и это круто!

Иван: Команда , спасибо за классное погружение в работу с ИИ. Появилось огромное количество планов по внедрению - во все места 😂 (ладно не во все, хотя…)
Что-то мне надо будет изучить более детально с точки зрения дополнительных шифровок сенситив данных юзеров и можно ли такое и других самописных решений (тот же MCP) - в общем зарядили идеями, пойдем реализовывать!
Пушки! 👍

Конечно, были моменты, где студентам что-то не понравилось: где-то непонятно (разъяснили), где-то не работает (созвонились и починили), где-то слишком просто (усложнили). И теперь мы можем с уверенностью сказать, что получилось огонь. В планах еще пара уроков, для купивших ранее они просто появятся в симуляторе бесплатно.

Если вы тоже хотите разобраться с тем, как Claude Code помогает современному продакту делать работу быстрее, и научиться этому через реальную практику, то приходите учиться:
• На симулятор
• Или на симулятор + вебинары (18 и 25 июня, 19:00 GMT+3) До 8 июня - ранняя цена, потом всё - группа и так уже наполовину набралась.

Чем отличается AI Product manager от ML product manager

Product manager ML работает с командой, которая занимается машинным обучением.
Такая команда тренирует собственные модели, заточенные на достаточно узкую задачу, скорее всего используя собственные данные компании. Работа такой команды начинается с того, что она собирает датасет, на котором модель будет обучаться.

Типичные проекты:
- ранжирование товаров в поиске или каталоге на основе того, что пользователи просматривают кликают и покупают
- детекция мошеннических транзакций на основе исторических данных и подтвержденного фрода

Какие требования к продакту в такой команде:
- достаточно глубокое понимание технологий – ML требует большого количества сложных решений
- понимание структуры данных: как можно "оцифровать" поведение пользователей в формате, пригодном для ML модели
- продвинутый уровень в аналитике: почти все ML продукты можно оценивать и оптимизировать только используя метрики, субъективные оценки качества рекомендаций не очень полезны

Где научиться: курс профессия ML продакт менеджер (живой поток стартует 8 сентября)

Product manager AI использует готовые LLM модели, чтобы решать задачи, которые без них решить невозможно. Его команда настраивает среду в которой будет работать модель, какие инструменты (RAG, tools) ей будут доступны. Готовит процесс оценки качества работы модели на тестовом датасете (эвалы) и в продакшене.
Если это процесс обработки с заданной последовательностью, то это workflow или DAG. Если модель может сама принимать решение о вызове инструментов и процессе обработки запроса, то можно называть это AI агентом.

Типичные проекты:
- AI ассистент, который помогает пользователям решать определенные задачи через используя диалоговый интерфейс
- извлечение информации из неструктурированного текста

Какие требования к продакту в такой команде:
- умение работать с оценкой качества работы LLM: эвалы, метрики, LLM as a Judge, безопасность
- опыт работы с LLM, понимание того как устроен контекст модели, с какими задачами она справляется хорошо, а с какими – плохо
- умение выявлять причины ошибок в работе AI: анализ обработки запроса агентом через traces, понимание архитектуры агентского цикла

Где научиться: курс создание LLM продукта (симулятор, начинать можно сразу после оплаты)

А если вы работаете над продуктом, который не использует ни LLM, ни машинное обучение, но хотите применять агентов для профессиональной и личной эффективности, то вы можете потренироваться делегировать продуктовые задачи на курсе Calude Code для продакт менеджеров. Есть симулятор, есть живой поток (11-25 июня).

Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

Нужны ли вам субагенты

Если вы пробуете делегировать отдельные задачи AI ассистенту, то идея иметь команду субагентов звучит очень круто. Один будет заниматься аналитикой, другой управлять бэклогом в Jira. И они, конечно, будут все между собой коммуницировать, пока вы пьете свой утренний кофе.

Звучит круто, но на практике для большинства задач это глубоко избыточная схема, которая сильно затруднит вам реализацию и не даст значительных выгод.

Зачем вообще нужны субагенты?

В первую очередь – это способ управления контекстом. Разберем на примере рабочей задачи: при написании PRD вы хотите собрать весь контекст по задаче из Jira, Confluence, и каких-то еще источников.

Можно просто прописать сбор контекста как один из шагов инструкции (skill) по созданию PRD. Чтобы собрать контекст агент поищет сначала по одним ключевым словам, из результатов поймет, что нужно поискать еще по нескольким ключевым словам, или запросить дополнительные документы по ссылкам.

Все эти шаги: каждый вызов поиска (tool), каждый ответ с огромным массивом информации будет забивать контекст агента, который должен в итоге написать PRD, выполнив еще множество шагов других инструкций. Чем более замусорен контекст, тем выше расходы и ниже точность.

Можно создать субагента для сбора контекста по задаче. Технически субагент мало чем отличается от навыка (skill) – это просто набор инструкций, лежащих в отдельном .md файлике. Главное отличие состоит в том, что если skill выполняется прямо в контексте агента, который его вызывает, то у субагента будет свой отдельный изолированный контекст. Своему заказчику субагент отдаст только краткий результат, а все промежуточные шаги оставит при себе.

Если мы создадим субагента для поиска по базе знаний, то этот агент получит на вход задачу найти все по теме N, и вернет короткую выжимку, и только она станет частью контекста основного агента для написания PRD. Ему не нужно будет думать сколько раз и по каким системам субагенту пришлось поискать, какие нерелевантные блоки текста он получил по дороге.

И в очень редких случаях можно получить дополнительную выгоду от того, что субагентов можно вызывать параллельно, ускоряя решение задачи. Но на мой взгляд для большинства задач – именно отдельный контекст будет самым важным преимуществом.

Звучит круто, но на практике то, что у субагента свой отдельный контекст, может оказаться также и минусом. Например, я несколько раз сталкивался с тем, что у субагента по умолчанию нет тех же доступов и инструментов, что и у родительского агента, а настраивать их отдельно требует довольно больших усилий.

Субагенты нужны на очень высокой степени зрелости процессов, которые выполняет AI, когда размер контекста уже является реальной проблемой для ваших задач. А начать применять их слишком рано – это примерно как реализовывать распределенную микросервисную архитектуру для создания простой лэндинг страницы.

Андрей Менде, PM ML Booking .com, автор симуляторов Claude code AI для продакта, ЛЛМ для продакта, ML для продакта, и др.

—
PS Завтра проведем вебинар "Claude для продакт-менеджеров — с нуля" для тех, кто еще не успел погрузиться в тему. Этот вебинар рассчитан на продактов без опыта работы с Claude. Если вы уже проходили наш симулятор или были на вебинаре 06/05, скорее всего, вам будет не так полезно: базовые концепции вы уже точно освоили.
Запишись, бот поможет добавить событие в календарь и напомнит о начале вебинара.

— —
PPS Готов погрузиться в Claude Code и начать использовать его в работе? Приходи на интенсив Claude Code AI для продакта: симулятор + воркшопы 18 и 25 июня, 19:00 GMT+3.

Бесплатный вебинар по основам Claude Code уже сегодня

Что обсудим?
- как использовать Claude для вайбкодинга;
- как работать с Jira через AI-ассистента;
- как подключать Claude к рабочему контексту;
- как автоматизировать рутинные задачи продакт-менеджера;
- какие сценарии уже сейчас можно применять в работе.

Спикеры:
- Владимир Калмыков
Tech Group PM, Booking.соm
- Андрей Менде
Senior PM ML, Booking.соm

Когда?
Вторник, 9 июня, 19:00 (GMT+3).

Этот вебинар рассчитан на продактов без опыта работы с Claude. Если вы проходили наш симулятор или были на вебинаре 6 мая, скорее всего, вам будет не так полезно: базовые концепции вы уже точно освоили.

Запишись, бот поможет добавить событие в календарь и напомнит о начале вебинара.

Не всё пошло по плану, на YouTube вебинарный стрим на тему "Основы Claude Code для продакта" не запустился по техническим причинам, но мы залили из Zoom.

Смотреть в записи можно вот тут.

Вы продакт менеджер приложения, которое измеряет уровень стресса человека через HRV, и дает полезные советы о том, как лучше восстанавливаться.

Привлечение пользователей идет так себе: retention через неделю после онбоардинга очень слабый, конверсия в платящих пользователей еще хуже. Чтобы как-то помочь маркетологам лучше настроить воронку, вы начинаете изучать какое поведение пользователей лучше предсказывает конверсию в платную подписку.

Вы замечаете, что пользователи, у которых согласно замерам вашего приложения все ок, не задерживаются в приложении и очень редко покупают платную подписку. А вот те, у кому вы показываете красный уровень стресса – гораздо чаще переходят из триала в платных пользователей, и показатели удержания у них значительно выше.

И вот перед вами как продактом встает моральная дилемма... как бы вы поступили?

Последние места на интенсив Claude Code для продакта.
Доступ к симулятору сразу после оплаты.
Два воркшопа 25 июня и 2 июля, 19:00 GMT+3

Секретная ссылка со скидкой 15% тут ;)