Власов⚡️Продразбор

❓ Вопросы, которые помогают определить уровень продакта: Junior, Middle, Senior В предыдущих постах разобрали 4 из 20 скиллов: Гипотезы, Вижен, MVP, Стратегическое планирование. В этом — разберём 5-й. Формат: 1 вопрос и 3 ответа по уровням Junior, Middle, Senior. Достаточно задать эти вопросы себе или кандидату — уровень станет понятен. Итоговый уровень определяется худшим ответом. Он покажет зону роста. 👨‍💻 Hard SKILL №5️⃣. Оперативное планирование. Чтобы успевать и не жить в режиме зомб...

К предыдущему посту... 🚩 Риски и митигация. Риск 1. p value>α. Даже при α = 5% сохраняется риск ложноположительного результата (вер-ть подумать, что эффект есть, хотя его нет), мощность 80%, β=20% (вер-ть не заметить реальный эффект). Митигация: - Корректируем параметры эксперимента: α<>5%, MDE<>1 п.п, размер выборки. - Если A/B надо ускорить - CUPED, Multi-CUPED (для снижения дисперсии от 13% до 4x!). - Если A/B не "потянули" (мало трафика, времени или нельзя корректно засплитовать), смотрим к...

Как я оценил эффект фичи без A/B-теста В этот раз у меня не было возможности сделать A/B, поэтому использовал подход, близкий к Diff-in-Diff. 🔘 Что сделал - Включил фичу в определённый день. - Взял когорту пользователей, которая начала пользоваться фичёй. - Посмотрел их метрику до и после включения фичи. - Собрал look-alike когорту похожих пользователей без использования фичи. - Посмотрел, как менялась метрика look-alike за тот же период. Получилось примерно так: - Когорта, которая использовала...

В начало поста... А теперь рассмотрим, например, две ML-модели: - подбор скидки для максимизации GMV; - подбор скидки для факта покупки. 🔘 Слайд 8 - Регрессия с доходом. Мы обучаем ML-модель так, чтобы её предсказанная скидка была максимально близка к «идеальной» с точки зрения GMV. Доход используется как вес - более ценные клиенты сильнее влияют на обучение. Под "капотом": Σᵢ yᵢ · (f(Xᵢ) – sᵢ)² → min • i - человек (Света, Миша, Вася …). • sᵢ - скидка, которую мы ему дали. • f(Xᵢ) - скидка, кот...

Как решают алгоритмы, а давать ли скидку? 🔘 Слайд 1 - Базар. Представьте обычную жизненную ситуацию. Базар. Ты хочешь купить картошку) - Продавец говорит: 500р. - Ты не соглашаешься. - Он снижает цену. - Вы торгуетесь и в какой-то момент "сделка" происходит на 300 рублях. Т.е. цена меняется до тех пор, пока покупка не совершается. Это и есть "эластичность цены" в сервисах, которыми мы пользуемся с вами каждый день. Но как это работает? ML-модель должна "понять", а какой минимальный размер скидк...

Продуктовая монетизация через мини-игры Сначала коротко про модель монетизации через партнёрку, а ниже - мой кейс с результатами A/B. Теория 🔘 Почему игры работают. Продукты хорошо закрывают базовые джобы, но сейчас этого недостаточно - людей нужно удивлять. Эмоции + повторение рождает привязанность. Игры могут дать дополнительный вход в продукт, повысить RR1-7, отношение DAU/MAU и K-Factor. 🔘 Игры ложатся в AARRR. - Acquisition: привели юзера через баннер/пуш/креативом; - Activation: прошёл 1...

Почему ML-модели дают кратный рост там, где ручные решения упираются в потолок В любом крупном цифровом продукте есть два подхода: 🔘 Ручная логика. Команда собирает подборки, правила, принимает решения, что и как показывать. Это даёт эффект, но в пределах человеческой скорости. График обычно растёт медленно или стоит на плато. 🔘 ML-алгоритм. Обучаются на данных, реагируют на множество паттернов. В моём кейсе (см. картинки): - Линия ручной логики почти не менялась месяцами; - Линии ML-моделей р...

AI вывозит: стартапы, которые пишут код за разработчиков, получают миллиарды DeepSeek мне помог адаптировать Web под разные экраны без дополнительных правок. Рассказал на видео (Insta, YouTube, Rutube). Когда готовил ТЗ для разработки, описал нейронке приемлемые варианты фичи и попросил придумать простые варианты реализации на Kotlin. Это ускорило разработку. Есть и "узкозаточенные" нейронки, которые помогают разработке: Codex, Cursor, Codeium. Последние два оцениваются в &#036;10 и &#036;3 млрд...

В начало поста... Проведём A/B-тест: — Control — текущий флоу, — Case — упрощённый флоу. Core: TFO (Time to First Order), CR в первый платёж. Proxy: NPS. Warning/Guardrails: рост Time to First Order, рост ошибок при подключении платежей, рост обращений в поддержку. Split: 50/50. α = 0.05 (0.01 - лучше, если готовы увеличить длительность). β = 0.2 ⏩ Power = 80%. MDE 1 п.п. CR до первого платежа с 5% до 6%, что эквивалентно +400 клиентам с регулярными инкамингами. Длительность: 1,5 недели. При так...

Как принимать решения по фичам? Разберём на кейсе. 💼 Кейс: банк Revolut и его модуль Shopify. Постановка Допустим, в экосистеме Revolut три года назад запустили Shopify-модуль, который позволяет предпринимателю быстро открыть онлайн-магазин. Теперь предприниматель может не только открыть счёт, но и создать сайт с товарами, чтобы принимать заказы. Банк растёт, а модуль не даёт заметного вклада в рост. Имеет ли смысл продолжать развитие модуля? 🔍 Discovery . Границы кейса. NSM. 🔘 Шаг №1. Задаём...