Forwarded from Адовый UX Pro
How Product Discovery changes with AI
Дэвид Хоанг (ex-One Medical, ex-Webflow) разобрал, как ИИ меняет процесс продуктового дискавери: три из четырёх классических рисков — реализуемость, жизнеспособность и юзабилити — резко дешевеют, а главным дифференциатором становится desirability, то есть понимание того, нужен ли продукт людям вообще.
Статья — личное эссе практика с конкретными примерами из собственных проектов. Хоанг не теоретизирует, а описывает, как уже работает: прототипирует в продакшене за часы, собирает фидбек на реальных данных и пивотит до запуска. Подход спорный в части «прототип сразу в прод» — не каждая команда может себе это позволить, — но сам сдвиг фокуса с «можем ли построить» на «стоит ли это существовать» точно стоит внимания.
Главное:
— Продуктовый дискавери строится вокруг четырёх рисков: desirability (хотят ли это), viability (работает ли для бизнеса), feasibility (можем ли построить), usability (смогут ли пользоваться)
— ИИ радикально сжимает три из четырёх рисков: фича на два спринта теперь прототипируется за полдня, рабочий прототип можно сразу деплоить и получать рыночные сигналы, UI-вариации генерируются и тестируются быстро
— Desirability — единственный риск, который ИИ не закрывает. Синтетические персоны и симулированные исследования не заменяют наблюдение за живыми людьми
— Когда три риска дешевеют, оставшийся — desirability — становится конкурентным преимуществом. Главный вопрос сменился с «Можем ли мы это построить?» на «Должно ли это существовать?»
— Хоанг по-прежнему начинает с ручки и бумаги, но бумажный скетч больше не показывает людям — вместо этого «скетчит кодом» на разных уровнях детализации: от простой HTML-страницы с захардкоженными данными до прототипа с реальными API
— Прототипирование сместилось из стейджинга в продакшен. Свой проект Tapestry (CRM с ИИ) Хоанг собрал за несколько часов в Replit, задеплоил, дал реальным пользователям — и по результатам фидбека пивотнул архитектуру
— Продакшен-прототип ≠ запуск продукта. Это может быть закрытая бета — просто более честная среда для тестирования, чем стейджинг. С ИИ можно пивотнуть десятки раз до выхода на рынок, а не после
— Инструменты с «виртуальными персонами» Хоанг не использует для первичного исследования. Сложность никогда не была в синтезе находок — сложно получить правильные инсайты изначально
— Процесс дискавери с ИИ будет ощущаться некомфортно: покажется, что вы ищете проблему под готовое решение, потому что прототип и сборка перестают быть отдельной фазой
Дэвид Хоанг (ex-One Medical, ex-Webflow) разобрал, как ИИ меняет процесс продуктового дискавери: три из четырёх классических рисков — реализуемость, жизнеспособность и юзабилити — резко дешевеют, а главным дифференциатором становится desirability, то есть понимание того, нужен ли продукт людям вообще.
Статья — личное эссе практика с конкретными примерами из собственных проектов. Хоанг не теоретизирует, а описывает, как уже работает: прототипирует в продакшене за часы, собирает фидбек на реальных данных и пивотит до запуска. Подход спорный в части «прототип сразу в прод» — не каждая команда может себе это позволить, — но сам сдвиг фокуса с «можем ли построить» на «стоит ли это существовать» точно стоит внимания.
Главное:
— Продуктовый дискавери строится вокруг четырёх рисков: desirability (хотят ли это), viability (работает ли для бизнеса), feasibility (можем ли построить), usability (смогут ли пользоваться)
— ИИ радикально сжимает три из четырёх рисков: фича на два спринта теперь прототипируется за полдня, рабочий прототип можно сразу деплоить и получать рыночные сигналы, UI-вариации генерируются и тестируются быстро
— Desirability — единственный риск, который ИИ не закрывает. Синтетические персоны и симулированные исследования не заменяют наблюдение за живыми людьми
— Когда три риска дешевеют, оставшийся — desirability — становится конкурентным преимуществом. Главный вопрос сменился с «Можем ли мы это построить?» на «Должно ли это существовать?»
— Хоанг по-прежнему начинает с ручки и бумаги, но бумажный скетч больше не показывает людям — вместо этого «скетчит кодом» на разных уровнях детализации: от простой HTML-страницы с захардкоженными данными до прототипа с реальными API
— Прототипирование сместилось из стейджинга в продакшен. Свой проект Tapestry (CRM с ИИ) Хоанг собрал за несколько часов в Replit, задеплоил, дал реальным пользователям — и по результатам фидбека пивотнул архитектуру
— Продакшен-прототип ≠ запуск продукта. Это может быть закрытая бета — просто более честная среда для тестирования, чем стейджинг. С ИИ можно пивотнуть десятки раз до выхода на рынок, а не после
— Инструменты с «виртуальными персонами» Хоанг не использует для первичного исследования. Сложность никогда не была в синтезе находок — сложно получить правильные инсайты изначально
— Процесс дискавери с ИИ будет ощущаться некомфортно: покажется, что вы ищете проблему под готовое решение, потому что прототип и сборка перестают быть отдельной фазой
🤡140👍27💩25❤17🤮10🔥3👾3🤔1😭1
Ищу пользователей в бета-версию своего продукта. Если вы учите один из этих языков с репетитором, то это для вас:
🇺🇸🇪🇸🇵🇹🇫🇷🇩🇪🇮🇹🇷🇺🇳🇱🇵🇱🇹🇷🇸🇪
Мы с другом делаем сервис, который превращает занятия с репетитором в наборы флеш карточек для повторения
Работает супер-просто. Добавляешь бота в календарь или даёшь ему ссылку на Зум/Мит, он приходит на звонок, слушает занятие и потом готовит карточки именно с теми словами, которые нужны
ИИ по контексту занятия определяет отдельные слова, фразы и правила, которые ученик ещё не знал, или знает нетвёрдо. И готовит карточку с переводом и примером употребления
Повторять уже можно в нашем веб-приложении, в ближайших планах эксперт в популярные карточные приложения (Anki, Quizlet, Mochi Cards)
Сейчас у нас готова бета-версия, оттестированная на моих личных занятиях португальским. И нам нужно показать её первым пользователям, и посмотреть, что они скажут и будут ли пользоваться
Это бесплатно. Если вам интересно попробовать, напишите мне в личку: @kirillgreen
🇺🇸🇪🇸🇵🇹🇫🇷🇩🇪🇮🇹🇷🇺🇳🇱🇵🇱🇹🇷🇸🇪
Мы с другом делаем сервис, который превращает занятия с репетитором в наборы флеш карточек для повторения
Работает супер-просто. Добавляешь бота в календарь или даёшь ему ссылку на Зум/Мит, он приходит на звонок, слушает занятие и потом готовит карточки именно с теми словами, которые нужны
ИИ по контексту занятия определяет отдельные слова, фразы и правила, которые ученик ещё не знал, или знает нетвёрдо. И готовит карточку с переводом и примером употребления
Повторять уже можно в нашем веб-приложении, в ближайших планах эксперт в популярные карточные приложения (Anki, Quizlet, Mochi Cards)
Сейчас у нас готова бета-версия, оттестированная на моих личных занятиях португальским. И нам нужно показать её первым пользователям, и посмотреть, что они скажут и будут ли пользоваться
Это бесплатно. Если вам интересно попробовать, напишите мне в личку: @kirillgreen
💩140👍84❤32🔥9🏆3👎1🤮1🥴1
Адовый UX
ВК встроили рекламу прямо в аватарки пользователей
ВК: мы видим, что ты ищешь по сообществам, на которые ты подписан. Будет обидно не показать тебе рекламу и тут тоже