Материалы ProductHub Deep Dive

Все гайды и разборы

• JTBD и customer development — Jobs To Be Done и кастдев на практике: как формулировать работу пользователя, проводить customer-development интервью и превращать инсайты в план продукта.
• Product discovery — Что такое product discovery, чем он отличается от delivery, как формулировать и проверять продуктовые гипотезы дешёвыми экспериментами и встроить discovery в процесс команды.
• Продуктовые метрики и unit-экономика — Как выбрать продуктовые метрики, которые двигают решения: модель AARRR, удержание (retention), unit-экономика (LTV, CAC), North Star и почему vanity-метрики обманывают.
• Приоритизация: RICE, ICE, Kano — Практическое сравнение фреймворков приоритизации продуктового бэклога: RICE, ICE и модель Kano. Как считать, когда какой применять и какие ошибки убивают объективность оценки.
• A/B-тесты и продуктовые эксперименты — Как правильно проводить A/B-тесты в продукте: формулировка гипотезы и метрики, размер выборки и мощность, статистическая значимость, частые ошибки (peeking, множественные сравнения) и когда сплит-тест не нужен.
• Постановка задачи и PRD — Как поставить продуктовую задачу и написать PRD (product requirements document): сильный problem statement, цель и метрики успеха, scope и не-цели, рабочая структура и шаблон документа.
• Когортный анализ, retention и churn — Практический гайд по retention-анализу: как строить когорты, читать кривую удержания, считать отток (churn), GRR и net revenue retention (NRR) — и почему среднее удержание обманывает.
• Продуктовый roadmap и OKR — Как составить продуктовый roadmap, который ведёт к результатам, а не к списку фич с датами: outcome vs output, форматы now/next/later и timeline, связь roadmap с OKR и приоритизацией бэклога.
• Активация и онбординг — Как довести пользователя до первой ценности: что такое aha-момент и activation rate, как измерять time-to-value, находить ага-момент в данных и проектировать онбординг, который не теряет людей на первом шаге.
• North Star Metric — Что такое North Star Metric, чем она отличается от KPI, как выбрать главную метрику продукта, построить дерево input-метрик и не попасть в ловушку закона Гудхарта и vanity-метрик.
• CJM и opportunity solution tree — Как использовать карту пути пользователя (CJM) и дерево возможностей (opportunity solution tree) в продуктовом discovery: чем они отличаются, как их строить и как связать карту болей с выбором, что решать.
• MVP и валидация идеи — Что такое MVP и чем он не является, типы MVP (concierge, wizard of oz, fake door, лендинг), как заранее задать критерий успеха валидации и какие ошибки превращают MVP в просто урезанный продукт.
• Ценообразование и монетизация — Как устроена монетизация продукта: модели (подписка, freemium, usage-based), value-based pricing против cost-plus, метрика ценности для биллинга и как исследовать готовность платить, не доверяя прямым вопросам о цене.
• Product/market fit (PMF) — Что такое product/market fit, как его измерять (тест Шона Эллиса на 40%, кривая удержания, опережающие индикаторы) и как методично приближать PMF через сужение сегмента и усиление ценности, а не масштабирование.
• Сегментация и ICP — Как сегментировать пользователей и выбрать целевой сегмент: чем сегментация по поведению и JTBD отличается от демографии, что такое ICP (ideal customer profile) и как сфокусировать продукт на сегменте с самой острой болью.
• OKR vs KPI — OKR и KPI — не одно и то же: OKR задают амбициозную цель и измеримый прогресс к ней, KPI отслеживают здоровье процессов и продукта. Разбираем разницу, примеры и как сочетать их без конфликта.
• RICE vs ICE vs Kano — RICE, ICE и Kano решают разные задачи приоритизации: RICE и ICE ранжируют бэклог по отдаче и усилию, Kano классифицирует фичи по влиянию на удовлетворённость. Разбираем разницу и когда какой выбрать.
• MVP vs прототип vs PoC — MVP, прототип и PoC решают разные задачи: PoC проверяет техническую реализуемость, прототип — удобство и сценарий, MVP — спрос реальным продуктом. Разбираем разницу и как выбрать под свою гипотезу.
• Retention vs churn — Retention и churn — две стороны одной монеты: retention показывает, какая доля пользователей осталась, churn — какая ушла. Разбираем разницу, формулы расчёта и на что смотреть, чтобы удерживать.
• Продуктовая аналитика — Как устроена продуктовая аналитика: модель событий, как спроектировать трекинг, читать воронки и когортные отчёты и не утонуть в дашбордах. Практический гайд для продакта без жаргона.