Alexcouncil

До конца досмотрите, со звуком

#смешноибольно

GoPro: конец эпохи

В сентябре этого года GoPro согласилась продаться Starman Optical за $285 млн (Reuters) при том, что в 2014-м компания стоила почти $12 млрд. Не смог пройти мимо этой новости, потому что всегда был фанатом этого продукта.

Помню, как друзья показывали маленькую квадратную камеру (hero 1), которая могла якобы снимать в движении и тряске всякие приколы. Не верил, потом увидел, что может и словил вау эффект.

Сложно было поверить, что такой мощный продукт/бренд потеряет рынок. Хотел разобраться поглубже почему так.

Циферки

Как менялись доли рынка портативных камер (2024 → 2025 → 2026):

DJI: ~44% → 62% → 73%
Insta360: ~20% → 20% → 20%
GoPro: ~27% → 11% → 3%

При этом ещё в 2022-м у GoPro было около 80% рынка экшн-камер.

Еще интересно, что в 2025-м рынок весь вырос на 83%, а продажи GoPro всё равно падали.

Почему так вышло

Проспала смену сценария. Камеры стали покупать для влогов и соцсетей, а не только для экстрима. Быстрее всего растут подвесные камеры вроде DJI Pocket, а у GoPro такой нет.

Обновлялись медленнее конкурентов. Перегрев, слабая ночная съёмка, небольшие сенсоры: DJI и Insta360 решали эти проблемы быстрее.

Проиграла в цене и масштабе. У DJI своё производство и розница по всему миру. GoPro тем временем распылялась на дроны неуспешно (спойлером), а потом отступила на рынок Америки.

Вывод

Можно годами улучшать свой продукт и не заметить, что пользователи покупают его уже для другой задачи.

Из похожих историй примерно то же самое было с Kodak, Nokia. Может вы в комментах вспомните кейсы посвежее, у меня одно старье всплывает.

#продуктовыеистории

Статус «Готово» врёт

«Закрыть задачу» может означать совершенно разные вещи: закончил, передал дальше, перестал делать, отложил до завтра.

Часто ловлю тему, когда кто-то кому-то говорит «Готово», но в реальности это не то, чего ожидают.

Примеры

Разработчик говорит «Готово», когда написал свой кусок кода и отдал в тесты, но весь функционал ещё не вылез на прод.

«Готово», когда фича уже на проде, но в A/B-эксперименте собирает данные.

«Готово», когда раскатано на всех, но через пару-тройку месяцев не сняты повторные цифры, о которых договаривались.

И ведь не обязательно кто-то врёт. Хотя и такое бывает. Просто один говорит про код, второй про запуск, третий про результат. А слово у всех одно.

Дальше недопонимание, набросы, потеря энергии.

Почему так

Потому что мы варимся в разных контекстах и взгляд на «Готово» у каждого свой.

Что делать на уровне задач

Договориться о критериях готовности. На стол/бумагу/джиру/конфлюенс:

- Что именно должно быть готово?
- Кто принимает результат?
- Что происходит после этого и кто подхватывает дальше?

В разработке часть этой договорённости закрывает Definition of Done (DoD): общие критерии качества готового результата. Но кто принимает результат и что происходит дальше, тоже нужно проговорить.

Что делать на уровне команд

Проговаривать смысл слова «Готово». Объяснять, что вы как продакт вкладываете в это понятие. И выяснять, что под ним понимает команда. Калибруетесь несколько итераций и потом понимаете друг друга с полуслова.

P. S. А какой статус по задачам в вашей работе врёт чаще всего? Напишите в комментариях.

#инструментыпродакта

Когда спросили про мелкую цифру на слайде

#смешноибольно

Думаю совсем скоро тема упакуется в цельный предмет и мы будем разворачивать полноценные инструкции по применению.

#рекомендуетсяизучить

Ходил на Data&AI Talks

Позвали на конференцию поговорить про ИИ-шку и бизнес.

Вокруг темы ооочень много хайпа, ну как крипта в свое время или agile, которыми лечили все что можно. Кто-то даже говорил, что вода рядом заряжалась и давала к силе +5. Ну да ладно.

Если серьезно, то вопрос болезненный, потому что кричат вокруг про Эй Ай все, но куда приложить непонятно и где заветные Х-ы тоже только знают по слухам. Поэтому хотелось ковырнуть немного и поговорить.

Дальше будут вопросы и мои тезисы, которые я озвучивал

1. Какие ключевые вызовы стоят перед бизнесом сегодня? Как изменился подход к разработке и выводу продуктов на рынок?
 
- основной вызов – это скорость vs качество
- все сломя голову говорят, что ИИ спасет от всего: ускорит, улучшит, задрайвит и т.д., но на деле не все так просто
- чтобы получить обещанные Х-ы роста от ИИ у тебя должна быть готова под это вся компания: инфраструктура, понятийный аппарат людей, инструменты, процессы
- это большая трансформация, требующая больших инвестиций, к которым мало кто готов
- поэтому идем итерационно: берем процесс/задачу, добавляем ИИ, пробуем, замеряем успех, масштабируем
- очень важно следить за качеством
- берем разработку продуктов
- ИИ круто помогает ускорять discovery: ресерч рынка, формулировка гипотез и моделирование сейчас проходят в разы быстрее, но вопрос в качестве этих ответов
- если тот же продакт вместо критического взгляда просто сходу возьмет в работу то, что ему даст машина, то это может привести к печальным последствиям и трате лишних ресурсов
- такая же ситуация и в разработке, когда машина напишет код за разработчика, он упрется в тестирование и его вернут на доработку из-за потенциальных ошибок, далее поправят и снова вернут
- сколько дополнительных денег мы готовы потратить на перепроверку результата?
 
2. Как трансформировалось взаимодействие между бизнесом и ИТ-подразделениями?
 
- с приходом ИИ между бизнесом и ИТ появился дополнительный «мостик» в понимании потребностей друг друга
- сейчас потенциальный бизнес заказчик может «переводить» предложения ИТ на обычный человеческий язык
- ровно и наоборот бизнес может доформулировать свои запросы с учетом ИТ специфики, общаясь с разработкой
- но, что важно в этих коммуникациях – это доменные области знаний и доверие к экспертизе друг друга
- если бизнесу ИИ говорит, что для решения задачи нужно написать всего лишь пару строк когда, то это должны свалидировать архитектура и разработка, потому что специфика системы может быть «чуточку сложнее»
- и реализовав, решение в 2 строчки на бою, оно может быть просто не масштабируемо на большой базе в принципе
 
3. Что дальше? Какая роль будет у ИТ? Будет ли это только поддержка инфры под ИИ и работоспособности агентов или в целом ничего не изменится?
 
- я думаю, что в будущем ИТ научится еще лучше слышать бизнес благодаря ИИ
- плюс, автоматизировать рутинные операции внутри процесса производства продуктов
- вместе с этим усилится роль ИТ архитекторов/менеджеров, которые будут проектировать подобные системы
- рынку нужно будет разворачивать «ИИ заводы» внутри компаний «под ключ», а значит кто-то должен будет это делать
- пример из прошлого Agile практики с трансформациями
- также важными останутся ключевые точки контроля в производственном процессе, где на людях с высокой экспертизой останется проверка ключевых решений, которые будет собирать машина перед релизом
- поэтому сеньор специалисты будут востребованы, но вопрос в каком кол-ве пока открыт…

Еще из интересного

Другие спикеры говорили про стандарты и измерения. Сейчас рынок пытается описать процессы и методологии применения AI. Договориться о стандартах и "линейке".

Путь похож на масштабирование Agile практик:

- подходы и практики обросли описательной частью
- появились принципы внедрения, инструкции, эксперты
- тема начала приживаться в компаниях
- и вот сегодня никого уже не удивить "гибкими" методологиями

Ловушка ожиданий и системные задержки

Вижу частую историю, когда кто-то кому-то что-то обещает, игнорируя фактор инертности.

Например

Хотим запустить новое направление, считаем кейс, закладываем доп.людей. Прикидываем роадмэп и... и забываем про задержку с наймом и обучением. На выходе сроки едут, ожидания не оправдываются, все расстраиваются.

Или представим, что у вас в моменте не хватает каких-то определенных спецов на борту. Вы заряжаете ударный найм на усиление, резко выводите кучу людей и казалось бы счастье, но нет. Ваши сеньоры, которые тащили задачи, отвлекаются от работы, перекидываются онбордить новичков. Общее проседание по системе еще выше.

Что делать

Прикидывать возможные задержки от активностей, которые планируете делать. Решится ли вопрос в моменте или потребуется время? А что будет потом?

Вроде бы очевидно, но в любимой операционке можно легко проскакивать эти вопросы, а потом разгребать последствия.

#продуктовыйпуть

Запустили A/B-тест. Оба варианта проиграли текущей версии. В отчёте написали: «Подтвердили качество действующего решения».

#смешноибольно

Метрики: OMTM

Про то, что правда важно качать на определенном этапе развития продукта.

Определение

OMTM (One Metric That Matters) - самая важная метрика для команды на конкретном отрезке времени.

Зачем нужна OMTM

Чтобы сфокусироваться командой на решении основной задачи. Чаще всего OMTM используется на ранних этапах развития продукта, но по факту может быть полезна и позже.

Примеры

Для нового продукта в качестве OMTM может быть выбрана метрика Retention в целевое действие. Почему? Потому что она лучше всего отражает силу ценности продукта для клиента product market fit.

После того как команда прокачает Retention в качестве OMTM может быть выбрана конверсия в активацию, оплату или что-то подобное. Команда побежит работать над этой целью и так далее, расшивая узкие места в росте продукта.

Но ведь это похоже на NSM (North Star Metric)

Не совсем. NSM больше про долгосрочные цели и поэтому редко меняется во времени. Она отражает скорее общий объем создаваемой продуктом ценности для всех своих пользователей, а не точку приложения усилий в моменте, как OMTM.

NSM становится полезнее по мере усложнения структуры команды и приближения к этапу масштабирования. Она задает общую цель и помогает в приоритизации решений на разных уровнях системы. При этом у отдельных команд чаще всего будут свои цели на каждый квартал или полугодие - OMTM до уровня конкретной команды.

По сути NSM - стратегический уровень, а OMTM - тактический. Одна про далекий горизонт, к которому бежим, другая - про этапы, шаги, которые нужны, чтобы добежать.

Итого

OMTM - фокусная метрика, которую вы выбираете для решения конкретной задачи на конкретном промежутке времени. Со временем она может меняться и это нормально. Важно то, что все понимают куда нужно прикладывать усилия, а значит вероятность успеха будет расти, ну и красивый цвет лица останется😎

#продуктовыеметрики

Когда такой свеженький собрался в отпуск после пары лет без отпуска

#смешноибольно