Стартап Саммари

Фундаментальная ошибка атрибуции

Мы (люди) склонны объяснять поведение других людей особенностями их характера, а своё — внешними обстоятельствами.

Возможно, это происходит потому, что мы не можем заглянуть другим людям в голову и узнать, почему они ведут себя тем или иным образом.

Представьте, что ваш коллега на зум-звонке ведёт себя агрессивно и раздражённо, а вы думаете: “наверное, у него сложный характер”. А этот коллега в это время думает о том как его сегодня кто-то толкнул в общественном транспорте, а потом кто-то накричал на улице.

То есть, фундаментальная ошибка атрибуции — это склонность человека объяснять поведение и поступки других людей их личностными особенностями, а не внешними обстоятельствами.

Замечал кто за собой такое?

Понравился фреймворк из этой статьи — для описания потребностей и проблем.

Пригодится продакт-мейкерам — то есть тем, кто "делает" продукты.

Помогает "развёрнуто, но кратко" ответить на частый вопрос: «Какую проблему решает продукт?»

Понятная статья про North Star Metric от GoPractice: https://gopractice.ru/product/the-north-star-metric-guide/

Просто и понятно объясняется для чего нужна, как выбрать и почему.

Приведены примеры удачных и неудачных NSM. С объяснением почему.

Есть чек-лист, какой должна быть метрика NSM:

1. Можно с достаточной точностью измерить.

2. Отражает ценность, которую пользователи получают от взаимодействия с продуктом.

3. Понятный практический смысл.

4. Устойчива к манипуляциям.

5. Чувствительна к продуктовым изменениям.

Статья хорошо помогает понять не только как выбрать именно NSM, но получить ответ на вопрос про другие метрики: «Как понять, что выбранная метрика качественная?».

Будет полезно продактам и стартаперам сохранить себе в закладки и использовать в работе.

Интересная статья от GitHub по поводу их GitHub Copilot: https://github.blog/2023-06-27-the-economic-impact-of-the-ai-powered-developer-lifecycle-and-lessons-from-github-copilot/

Интересные цифры:

1. Продукт запустили год назад и у него почти миллион пользователей и его юзают в 20к организаций.

2. Прислушиваемость к его рекомендациям 30%. То есть поти треть рекомендаций копайлота принимаются разработчиками.

3. Дуолинго вообще говорит, что скорость разработки на 25% выросла. Так то это много!

Остальные выводы и инсайты в статье.

Просто интересная цифра - Американцы платят всякие комиссии и проценты по кредитным картам и эта сумма набегает аж на $164B.

Знаете такой продукт Loom?

Это «записывалка» экрана со всякими прикольными фичами вокруг этого. Основной юзкейс - это асинхронное общение команды через видео.

Так вот их купил Atlassian за $975M. 🚀

Новинка видеорынка:

Elevenlabs открыли доступ к нейросети для дубляжа видеороликов.

Попробовал — результат понравился.

На вход предоставил видео на 7 минут: The Biggest Mistakes First-Time Founders Make - Michael Seibel

А на выходе получил его же, но с качественной озвучкой на русском, да ещё и голосом говорящего.

Правда видео на выходе обрезается на минуте, но оно понятно — это демо.

Крутая штука, скоро можно будет смотреть любые лекции на любом языке.

Я уже слышал о таких нейросетках, но потестить самому выпало впервые. Меня прям восхитило.

Потестить можно тут: https://elevenlabs.io/dubbing

Посмотрел сколько стоит подписка — от 5 бакосв в месяц. Максимальный тариф 22 бакса. Круть.

Интересная идея от Monzo — за день до автоматического списания денег с пользователя, слать ему коммуникацию, если вдруг не хватает денег на счёте/карте.

Например:
«Похоже у вас недостаточно
денег, чтобы завтра оплатить подписку. Пополните счёт, чтобы оплата прошла и сервис не приостановился.»

Читаю исследование "2023 State of SaaS" от Productiv и узнал интересные детали о том, сколько компании тратят на SaaS на сотрудника:

В среднем компании тратят по $9,643 на сотрудника:

• Малый и средний бизнес (SMB) тратит больше всех — по $11,196 на человека.
• Компании среднего рынка (Mid-market) — $10,045.
• А крупные корпорации (Enterprise) меньше всех — всего $7,492.

Возможно, в крупных компаниях расходы меньше из-за объемных скидок и тарифов на SaaS, которые зависят от использования (usage-based).

Уточнение: в эти расходы не входят IaaS, PaaS и разная инфраструктура, вроде GCP или AWS.

По размеру компании разделяются так:

• SMB: менее 500 сотрудников
• Mid-market: от 500 до 2000
• Enterprise: более 2000.

Интересное 5-минутное видео на ProductSence — почему команды, работающие над одним продуктом приносят больше ценности чем команды, работающие над несколькими.

То есть — одна команда + один продукт = наилучшая производительность 🚀

И — одна команда + 2+ продуктов = распыление и неэффективность 🤯

👉 Видео

Согласны с этим мнением? Если нет, то почему?

Хорошая статья на Financial Times о моделях-трансформерах, лежащих в основе генеративного ИИ, и о 8 исследователях Google, которые стали пионерами в этой области, а потом все ушли из Гула. Ещё это хороший пример преимуществ совместной работы в офисе.

?

1. Рассмотрим возможность использования 2.35 миллиарда пользователей из вашего другого стартапа.

Вот наше руководство по запуску самого быстрорастущего приложения за все времена.

Threads разрабатывали 6 месяцев командой меньше 20 человек.

И через неделю после запуска у приложения уже было 100 миллионов пользователей.

На сегодняшний день это самое быстрорастущее приложение за все времена.

Наверное в компании есть руководство по запуску таких продуктов.

ИИ и автоматизация работы

Перед нами — эра ещё большей автоматизации, и это означает не только новые возможности, но и новые рабочие места.

Существует распространенное заблуждение, будто количество работы ограничено (фиксировано), и если мы отдаём некоторые задачи машинам, то количество работы для людей уменьшается. Да нифига!

Если становится выгоднее использовать машину, например, для создания пары обуви, то обувь станет дешевле –> больше людей смогут её купить –> у них останется больше денег на другие вещи –> значит возникнут новые потребности и желания –> а это это способствует появлению новых рабочих мест.

Эффективность повышается не только в определенных областях, она распространяется на всю глобальную экономику, создавая новое благосостояние и рабочие места.

Никто не может точно предсказать, какие новые профессии появятся в будущем, но у нас есть модель, которая демонстрирует, что новые рабочие места всегда появлялись и объясняет, почему так происходит.

Многим трудно в это поверить, но автоматизация идет уже 200 лет, и новые "работы" всегда возникали. Наше время — не исключение.

Где ИИ пока не может решать здачи...

Одна из задач, котрую пока не умеет решать ИИ — это определять, что текст написан генеративным ИИ, а не человеком. У OpenAI был такой инструмент, но и тот недавно закрыли, так как он не справлялся.

Получается, что сейчас нет возможности определить, что текст написан большой языковой моделью (LLM). Например, это требуется в учебных заведениях.

Размер глобального рынка ИИ в 2022 году был оценён в $454B и ожидается, что к 2032 году он вырастет до $2.58T. Средняя скорость роста получается 19% в год.

Например, в Северной Америке, это рынок был оценён в $167B в том же 2022 году. Это 37% от глобального.

В ближайшие несколько лет появится ИИ-помощники для множества профессий.

Например, у GitHub есть Copilot для разработчиков, который помогает писать код. Они его так и называют Your AI pair programmer

Так и у продактов, аналитиков, дизайнеров, исследователей, сейлзов, маркетологов, топ-менеджеров, спецов техподдержки появятся свои Копайлоты. 🚀🤖

А кто едет на конфу Productsense в Мск 4-5 сентября?

Участие правда платное, очный билет 42к стоит.

productsense.io

Кто едет на ближайший Productcamp в Подмосковье 19-20 августа?

Участие бесплатное, надо только выступить или волонтёрить.

productcamp.ru