Поговорили с Егором Толстохлебовым, руководителем команды Stats, о его пути в продукте, работе с ИИ и запуске фич. Ему слово!
Когда я пришёл на собеседование в Лигу, я не соответствовал требованиям к позиции. Вместо отказа — предложили подтянуть компетенции. Я прочитал несколько книг, прошёл курсы и начал с позиции джуна в команде Social.
Когда я пришёл на собеседование в Лигу, я не соответствовал требованиям к позиции. Вместо отказа — предложили подтянуть компетенции. Я прочитал несколько книг, прошёл курсы и начал с позиции джуна в команде Social.
За 4 года поработал в разных направлениях, запустил заметные фичи и собрал команду. Сейчас я руковожу командой Stats и прохожу трансформацию в AI Product Manager. Но статистика — это не только цифры. Задача нашей команды шире: сопроводить пользователя от вопроса «на что поставить?» до «чем закончилась ставка?»
Мой путь от идеи до решения
- Соответствует ли фича стратегии?
- Решает ли она реальную пользовательскую проблему?
- Понимаем ли мы, на какие метрики она повлияет?
- Оправдывает ли ожидаемый эффект затраты?
- Делаем / не делаем?
Что помогает мне расти
На первых этапах рост часто происходит за счёт количества вложенных времени и усилий: чем больше задач и ситуаций проходишь, тем быстрее набираешься опыта. Со временем это превращается в качество — начинаешь лучше понимать контекст и принимать сильнее решения.
Разговаривай с пользователями и сам проходи их путь — так проще заметить то, что легко пропустить изнутри продукта. И занимайся тем, что тебе действительно интересно: время слишком дорогой ресурс, чтобы тратить его на нелюбимое дело.
ИИ-разборы
Мы первыми среди российских букмекеров запустили ИИ-разборы событий: превратили статистику из сухих цифр в понятный разбор. Нейронка за секунды собирает информацию о встречах команд, травмах, комментариях тренеров и превращает ее в понятную выжимку. Пользователю не нужно искать десятки источников и сопоставлять информацию. Он получает готовый контекст — быстро и в удобном формате.
Подписка на событие
Функция не уникальна для рынка, но в Лиге долго находилась в нейтральной зоне: все понимали её ценность, но не решались за неё браться. Мы увидели две потенциальные выгоды:
• Бизнесовую — прирост метрик
• Продуктовую — возможность сохранять и переиспользовать данные, снижая косты
Запустили функционал через A/B-тест. Результат превзошёл ожидания: серьезно выросли продуктовые и бизнес-метрики
• Бизнесовую — прирост метрик
• Продуктовую — возможность сохранять и переиспользовать данные, снижая косты
Запустили функционал через A/B-тест. Результат превзошёл ожидания: серьезно выросли продуктовые и бизнес-метрики
Как понять, какую фичу стоит делать?
Идея должна пройти несколько фильтров, прежде чем команда начнёт тратить ресурсы разработки:
Фильтр №1. Стратегия Соответствует ли идея стратегии компании и нашего направления. Например, одно из направлений компании — киберспорт, а наша команда хочет расширять покрытие событий статистикой. В этом случае статистика по киберспорту хорошо ложится на обе стратегии.
Фильтр №2. Пользовательская потребность Идея может прийти из анализа конкурентов, метрик или исследований. Но увидеть классную фичу у конкурента недостаточно — важно понять, нужна ли она нашим пользователям. Поэтому анализируем данные и поведение пользователей, изучаем исследования и при необходимости проводим новые.
Фильтр №3. Метрики Что изменится, если мы сделаем эту фичу? Если команда не может объяснить, на какую метрику хотим повлиять и почему, стоит остановиться.
Фильтр №4. Цена вопроса Даже хорошую фичу не всегда нужно делать сейчас: сопоставляем ожидаемый эффект с затратами и альтернативами. Допустим, есть две подтверждённые гипотезы:
- добавить статистику по киберспорту до начала события — прематч;
- показывать статистику во время события — лайв.
Прематч быстрее и дешевле, лайв требует больше ресурсов, но потенциально даёт больший эффект. Если эффект оправдывает затраты — выбираем лайв. Здесь можно использовать RICE или другой подход к приоритизации.
В продукте легко увлечься классной идеей. Но задача продакта — спросить: зачем мы это делаем, для кого и какой результат хотим получить?
Фильтр №1. Стратегия Соответствует ли идея стратегии компании и нашего направления. Например, одно из направлений компании — киберспорт, а наша команда хочет расширять покрытие событий статистикой. В этом случае статистика по киберспорту хорошо ложится на обе стратегии.
Фильтр №2. Пользовательская потребность Идея может прийти из анализа конкурентов, метрик или исследований. Но увидеть классную фичу у конкурента недостаточно — важно понять, нужна ли она нашим пользователям. Поэтому анализируем данные и поведение пользователей, изучаем исследования и при необходимости проводим новые.
Фильтр №3. Метрики Что изменится, если мы сделаем эту фичу? Если команда не может объяснить, на какую метрику хотим повлиять и почему, стоит остановиться.
Фильтр №4. Цена вопроса Даже хорошую фичу не всегда нужно делать сейчас: сопоставляем ожидаемый эффект с затратами и альтернативами. Допустим, есть две подтверждённые гипотезы:
- добавить статистику по киберспорту до начала события — прематч;
- показывать статистику во время события — лайв.
Прематч быстрее и дешевле, лайв требует больше ресурсов, но потенциально даёт больший эффект. Если эффект оправдывает затраты — выбираем лайв. Здесь можно использовать RICE или другой подход к приоритизации.
В продукте легко увлечься классной идеей. Но задача продакта — спросить: зачем мы это делаем, для кого и какой результат хотим получить?