Подкаст make sense (Есть смысл)

«В какой-то момент можно принять решение не привлекать больше, а вовлекать больше, сделать свою аудиторию более активной внутри продукта. В "красном океане" гораздо эффективнее работать со своей аудиторией и вовлекать ее в прдуктовые сценарии»

Ведущий:
Юра Агеев, основатель ProductSense

Гость: 
Руслан Арзуманов, руководитель продуктового направления Почта Mail, VK

Записи докладов ProductSense'26, кейсы и практики — в Академии ProductSense: https://academy.productsense.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
02:08 — Почта Mail в 28 лет: от рекорда Гиннесса до экосистемы VK
03:09 — Чем почта отличается от мессенджеров
04:44 — Сколько времени пользователь должен проводить в почте?
06:43 — Подходы к сегментации 50 млн пользователей
09:42 — Для чего на самом деле используют почту?
11:05 — Почта как инструмент малого бизнеса
14:06 — Как из скоринга сегментов родились три продуктовые ставки
17:31 — Когда продукт можно считать зрелым
19:02 — Что делать со зрелым продуктом, когда пользователь уже в нем давно
20:01 — За что пользователи почты готовы платить
22:17 — Как перестоить и деверсифицировать выручку 
24:01 — От единого тарифа к подпискам для семей, фотографов и работы
27:17 — Какие пользователи самые активные?
30:17 — Почта как цифровой архив: письма и файлы за почти 30 лет
32:46 — Как выделить важное во входящих: виджеты билетов, броней и напоминаний
36:50 — Будут ли агенты за нас читать письма?
39:32 — Риск MCP-зации: почта как транспорт для ИИ-агентов и чужих сервисов
41:39 — Какие продуктовые ставки сработали, а какие нет
45:12 — Можно ли за выходные написать свою почту без рекламы?
46:59 — Как управлять портфелем ставок, когда у продукта десятки миллионов пользователей

Словарик:
— MAU и DAU — число уникальных активных пользователей за месяц и за день
— Retention — удержание: какая доля пользователей возвращается в продукт
— MCP — открытый стандарт, через который ИИ-модели и агенты подключаются к внешним сервисам и данным

«У аудитории уже есть устойчивые ожидания от видеопродукта, они знакомы с разными платформами и сравнивают свой опыт. Поэтому важно постоянно учитывать эти ожидания и проверять, насколько сервис им соответствует.»

«Эксперимент — это инструмент оценки и валидации того, что мы сделали. Не бывает такого, что мы начинаем с экспериментов и думаем: давайте поэкспериментируем сейчас, а потом решим. Это неправильный подход.»

Ведущий:
Юра Агеев, основатель ProductSense

Гость: 
Вадим Дорохов, руководитель направления «Опыт зрителя» VK Видео

Записи докладов ProductSense'26, кейсы и практики — в Академии ProductSense: https://academy.productsense.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
03:22 — Почему видео выделили в отдельный продукт
06:43 — Почему платформа не выбирает между длинными видео и клипами
10:25 — Как принимать решение, когда одна метрика съедает другую
14:42 — Есть ли конфликт целей, когда зрители уходят из одного продукта в другой 
16:42 — Отличают ли зрители VK Видео от раздела видео  во ВКонтакте?
18:37 — Детский контент как пример смены восприятия продукта
20:16 — Привычки зрителей и связь между ожиданиями и продуктом
21:54 — Продуктовая работа по этапам пути зрителя
23:22 — Плеер вместо гифки на витрине поднял общее время просмотра
25:00 — Единый выбор следующего видео в соцсети и в приложении
26:16 — Почему после ролика к новости не нужно рекомендовать следующее видео
29:12 — Ошибка в аналитике, которая спрятала настоящий результат теста
30:43 — Как понять интересы нового зрителя
32:59 — «Своя» лента из 70% интересов, 20% смежного и 10% нового
34:52 — Один телевизор на семью и раздельные рекомендации для детей и взрослых
36:48 — Четыре этапа продуктовой работы: проблема, макеты, демо и итоги теста
40:50 — Эксперимент проверяет решение, а не заменяет стратегию
42:25 — Решения на развилках, где данных ещё нет
46:51 — Почему на собеседованиях системность важнее знания метрик
50:36 — Пространство решений и умение сказать, что мы не делаем

«Содержательность — это когда текст несёт какой-то смысл. Для меня это значит, что, прочитав этот текст, можно ответить на вопрос: а зачем этот текст вообще существует? Чем его существование поможет тому, кто его читает?»

«Это проблема LLM: имея возможность искать в интернете, вытаскивать из весов нужные токены, они могут цитировать заблуждение. Когда ты занимаешься чем-то 8, 9, 10 лет, ты знаешь, что это заблуждение. Но оно настолько широко распространённое, что выглядит как правда.»

Ведущий:
Степан Поздняков, продюсер ProductSense

Гость: 
Юра Агеев, основатель ProductSense

Записи докладов ProductSense'26, кейсы и практики — в Академии ProductSense: https://academy.productsense.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:25 — Даже подводку в два предложения LLM не может написать человеческим языком
04:46 — Как распознать слоп: стилистический и смысловой
06:19 — Почему нейрослоп неизбежен?
10:14 — Через призму каких характеристик мы смотрим на текст? 
12:31 — Чем экспертность отличается от содержательности
14:02 — Почему модели тиражируют распространённые заблуждения
15:45 — Рубленые фразы и почерк двух моделей в одном тексте
18:05 — Команда «Пиши как Пушкин» решает 80% задачи стиля
19:57 — Стилизация ответов модели под себя
22:28 — В какой момент нужны редполитика и скиллы?
24:19 — Пайплайны проверок разными моделями
26:42 — Экспертность через гипотезы и попытки их опровергнуть
28:52 — Почему смысл важнее экспертности
31:46 — Инженерный подход: декомпозиция текста на шаги для Claude
33:35 — Почему LLM хорошо пишут код и причем тут код-ревью
36:04 — Как применить инженерный подход к смыслу текста
38:21 — Проверка смысла второй моделью в режиме «душнилы»
41:04 — Процесс целиком: экспертность, смысл, стиль

Словарик:
— LLM (Large Language Model) — большая языковая модель: ChatGPT, Claude и другие
— Нейрослоп — шаблонный текст нейросети, который выглядит убедительно, но почти не несёт смысла
— Пайплайн — последовательность заданных этапов обработки и проверки, через которую проходит текст или задача

«Проблема качественного анализа в том, что, чтобы проверить его от и до за моделью, тебе придётся повторить этот анализ. Весь этот выигрыш скорости сводит на нет то, что она может где-то лажать.»

«По сути, никаких джобов, персон, мотиваций и потребностей не существует — мы не можем их наблюдать в реальности, просто их измерить. Мы вводим эти понятия только для того, чтобы объяснить реальность.»

«Исследование — это действительно образ мышления. Если взять смежную сферу UX-дизайна: знание определённых тёмных паттернов, законов, правил композиции — оно не делает тебя дизайнером.»

Ведущий:
Юра Агеев, основатель ProductSense

Гость: 
Константин Ефимов, соавтор книги "Качественные исследования в бизнесе”, управляющий партнер в X-Patterns.pro

Телеграм-канал PostPostResearch: https://t.me/postpostresearch 

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
02:38 — Как евангелисты кастдева ворвались в мир исследователей
04:10 — Три волны исследовательских сообществ
07:22 — Иллюзия быстрого успеха: что на самом деле продавали книги про кастдев
12:44 — Глубинное интервью против 15-минутного кастдева
13:56 — Исследование как образ мышления, а не протокол
16:59 — Подход Cynefin: три домена сложности задач
17:57 — Кластеризация в личных проектах как задача третьего домена
20:38 — «Метод параноика»: протоколы, седина, мозги
21:57 — Как демократизация стёрла третий, самый сложный уровень исследований
24:33 — Кейс телекома про «проклятие трубы»
28:02 — Desk Research и Deep Research до разговоров с людьми
30:14 — Почему ИИ додумывает то, чего нет в обучающих данных
34:39 — Водка на мумиё: то, что не расскажет модель
36:19 — Нет-тест и подхалимность моделей на синтетическом респонденте
39:00 — Почему джобов и персон не существует
42:45 — Как выбор языка меняет глубину ответа
47:07 — Жадность вне фреймворка JTBD: почему драйверы и барьеры проще
48:12 — Как ИИ ускорил протокольные задачи
51:33 — Почему анализ ИИ всё равно нужно перепроверять от и до
53:00 — Советы продактам: как развивать исследовательское мышление

Словарик терминов:
— JTBD (Jobs to be Done) — методология «работ», которые пользователь нанимает продукт выполнить
— Cynefin — подход для классификации задач по уровню сложности
— MVP — минимально жизнеспособный продукт
— Deep Research — режим ИИ для автономного глубокого поиска и анализа информации
— Desk Research — кабинетное исследование по открытым источникам

«Ключевым образом я увидела, что магии не существует. Тот уровень развития инструментов, который нам доступен, способен решать задачи быстрее. Но чтобы это дало долгосрочный эффект, нужно не просто внедрять ИИ, а перестраивать весь процесс целиком.»

«Универсального агента, который решает любую задачу целиком, не может создать просто IT-компания. Экспертиза нужна нишевая, и она должна быть продумана людьми, которые делают эту работу каждый день. Без этого массового внедрения ролевых агентов в компаниях не случится.»

Ведущий:
Юра Агеев, основатель ProductSense

Гость: 
Оксана Гапонова, заместитель Генерального директора Яндекс 360

Конференция ProductSense пройдёт 10—11 сентября 2026 года в Москве. Сайт конференции: https://productsense.io

Epic Growth Conf'26 на ProductSense: https://egconf.io/

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast

О чем говорим:
00:00 — Введение
01:37 — От эйфории вайб-кодинга к умеренному оптимизму
03:46 — Магии не существует: ИИ ускоряет, но не решает всё сам
06:17 — Почему стратегия выжидания не результативна?
09:38 — Причины внедрения ИИ: конкуренты, клиенты, визионерство
10:54 — Может ли вайб-кодинг убить SaaS-сервисы?
16:57 — Универсальные агенты невозможны без нишевой экспертизы создателей
22:10 — Где реальная экономия для бизнеса от использования ИИ?
25:23 — Вечно актуальный вопрос: как должны выглядеть продуктовые команды?
30:37 — Сколько реально ИИ экономит времени лично Оксане
33:57 — Экономика внедрения: как считать эффект от дорогих инструментов
38:47 — ИИ — это новый инструмент, а не революция
42:34 — Кто отвечает, если ИИ ошибся
46:39 — Утечка данных через открытые модели и галлюцинации ИИ
51:13 — Определение стабильного результата субъективно
56:08 — Почему на рынке пока нет ИИ-интеграторов
1:02:40 — Так ли важно понимать глубину процесса?
1:05:19 — План внедрения ИИ в компании

Словарик:
- SaaS — программное обеспечение, предоставляемое по подписке как услуга (Software as a Service)
- CSAT — индекс удовлетворённости клиентов (Customer Satisfaction Score)
- вайб-кодинг — написание кода с помощью ИИ через команды на естественном языке, без глубокого владения кодом