इल्या क्रिस्सिंस्की के साथ ब्लिट्ज: खराब परिकल्पनाओं को कैसे शूट करें, एक उत्पाद को क्यों खारिज करें और न्यूनतम कार्रवाई के लिए कैसे बढ़ें?

रिक.ई के सीईओ इलिया कर्सिंस्की ने एपिक ग्रोथ कॉन्फ्रेंस में प्रश्नोत्तर के प्रारूप में उत्पाद प्रबंधकों द्वारा प्रस्तुत किए गए सवालों के जवाब दिए।



कट के नीचे डिक्रिप्शन देखें।

सुविधाओं की संभावनाओं का आकलन करने के लिए एक प्रभावी तकनीक क्या है?

कोई भी सुविधा हमेशा मैट्रिक्स को कम करती है। हम मानव व्यवहार के एक विशेष परिदृश्य को स्वचालित करते हैं। यदि फीचर का लाभ समझने वाले और इसका लाभ लेने वाले लोगों का प्रतिशत व्यावहारिक रूप से शून्य है, तो फीचर का मूल्य न्यूनतम होगा।

उत्पाद में एक नई सुविधा शुरू करने के बाद नुकसान होते हैं: डेटाबेस कोड बढ़ता है, नए बग और दोष दिखाई देते हैं, उपयोगकर्ताओं को एक अधिक कठिन पहला सत्र दिया जाता है और सक्रियण अधिक कठिन होता है।

एक मूल्यांकन तकनीक है। आप उन उपयोगकर्ताओं की एक स्ट्रीम लेते हैं जो इस सुविधा का उपयोग करेंगे। तो आप मूल्यांकन कर सकते हैं कि एक भुगतान किए गए उपयोगकर्ता से रूपांतरण और राजस्व कितना बदल जाएगा। अगला, आप गणना कर सकते हैं कि एक नई सुविधा किस तरह का नकदी प्रवाह आपके लिए ला सकती है।

मुझे किस बिंदु पर "पर्याप्त पर्याप्त है" कहना चाहिए? या क्या आपको तब तक कूदना और प्रयास करना होगा जब तक वित्त की कमी मेरे स्टार्टअप को रोक नहीं देती?

बहुत बार किसी कंपनी का विकास धन की कमी से बाधित होता है। इस मामले में, व्यवसाय आपके लिए एक संपत्ति नहीं, बल्कि एक हैंडल के बिना एक सूटकेस बन जाता है, जिसे छोड़ने के लिए एक दया है, लेकिन इसे खींचना भी मुश्किल है।

तदनुसार, इस स्थिति में, जब तक आप इस "मृत घोड़े" को गोली नहीं मारते, तब तक अधिकतम निचोड़ लें, क्योंकि अगली बार आपको अपने विकास के वर्तमान बिंदु के करीब पहुंचने के लिए दो से पांच साल की आवश्यकता होगी। निर्धारित करें कि क्या कौशल और अनुभव आप अभी भी अपने आप को ला सकते हैं और गिट्टी से छुटकारा पाने से डरो मत।

जब, आपकी राय में, 50% से अधिक कंपनियां (कम से कम आईटी) रिक.ई के साथ समानता से रोबोट एनालिटिक्स पर स्विच करेंगी? फिलहाल मुख्य बाधाएं क्या हैं?

वर्तमान विश्लेषण की मुख्य समस्याएं:

बड़ी संख्या में कंपनियों के पास पहले से ही एक बिग डेटा डिवीजन है। इन इकाइयों के विशाल बहुमत डेटा भंडारण में लगे हुए हैं, छोटे में - एल्गोरिदम का संकलन। आमतौर पर शीर्ष प्रबंधकों, उत्पाद प्रबंधकों और डेटा विज्ञान विश्लेषकों के बीच एक तकनीकी अंतर होता है। व्यवसायी लोग अक्सर समझ नहीं पाते हैं कि एनालिटिक्स से क्या सवाल करें।
मूल रूप से, ये डेटा संगत नहीं हैं, अर्थात, उनके पास पहले से ही संग्रह चरण में त्रुटियां हैं।

एनालिटिक्स बहुत नाजुक है, इसे तोड़ना बहुत आसान है। तदनुसार, महत्वपूर्ण प्रश्न यह है कि क्या आपके पास रोबोट एनालिटिक्स के लिए अंतर्निहित निगरानी प्रणाली है।

रोबोटिक एनालिटिक्स में संक्रमण के लिए मुख्य बाधा यह है कि डेटा आपके द्वारा उपयोग किए जाने वाले सिस्टम में जमा नहीं होता है और इसलिए, गलत नंबर देता है। इसलिए, किसी भी निष्कर्ष और प्रबंधकीय निर्णय भी झूठ होंगे।

जब तक यह समस्या एकीकरण और डेटा प्रवाह के स्तर पर हल नहीं हो जाती, तब तक हर कोई शायद अपने डेथ स्टार को देखेगा, यह विश्वास करते हुए कि यह काम करता है। मैंने अपने जीवन में पहले से ही पांच ऐसी प्रणालियों को देखा है, और हर बार डेवलपर्स ने उनमें कीड़े और दोष पाए।

मेरी सलाह: डेटा को डुप्लिकेट करें ताकि आपके पास विभिन्न एनालिटिक्स सिस्टम हों और आप एक दूसरे के साथ संख्याओं को सत्यापित कर सकें। एक प्रणाली एक बहुत ही अविश्वसनीय चीज है, त्रुटियां बहुत आसानी से होती हैं।

भविष्य कहनेवाला विश्लेषिकी में एमएल के लिए क्या संभावनाएं हैं?

मशीन सीखने के दो प्रकारों को प्रतिष्ठित करने की आवश्यकता है:

1. पायथन प्रोग्रामिंग भाषा में संकलित।
2. PowerPoint प्रस्तुति का उपयोग करके बनाया गया।

बाद का प्रकार बहुत अधिक उपयोग किया जाता है। लेकिन, दुर्भाग्य से, व्यवहार में यह बहुत खराब तरीके से लागू किया गया है। ये प्रस्तुतियाँ एक काम करने वाले उत्पाद में अच्छी तरह से अनुवाद नहीं करती हैं। तदनुसार, मशीन सीखने की मुख्य समस्या यह है कि लोगों को बाहर निकलने पर एक ब्लैक बॉक्स दिखाई देता है।

मेरा मानना ​​है कि लंबे समय तक लोग सूचना के ऐसे प्रवाह को संसाधित नहीं कर सकते हैं। मैं देखता हूं कि हम इस तरह से क्या कर रहे हैं: या तो ब्लैक बॉक्स होंगे, जैसे कि Google द्वारा किए गए एट्रिब्यूशन मॉडल या किसी तरह का सिस्टम जो डेटा का विश्लेषण करेगा और उस व्यक्ति को समझाएगा कि उसने इस अनुभाग में क्या है उसका विश्लेषण किया था (कंपनी , डोमेन, रूपांतरण)।

उत्पाद में परिवर्तन लागू करने से पहले परिकल्पना का परीक्षण करने के लिए उपकरण कितने संभावित हैं?

आपके पास पहले से ही है: "Google स्प्रेडशीट" या एक्सेल।

अधिकांश परिकल्पनाएं एक मीट्रिक को नहीं बदल सकती हैं, उपयोगकर्ता के लिए कुछ भी अच्छा नहीं कर सकती हैं, उन्हें गोली मारने की आवश्यकता है। और 50 परिकल्पनाओं में से, यदि आप सात छोड़ते हैं, तो आपके पास सफलता का एक मौका है।

2019 में, यह स्पष्ट है कि एक व्यक्ति अभी भी कैलकुलेटर से भी बदतर मानता है। लेकिन ऐसा लगता है कि एक व्यक्ति जानता है कि गैर-मानक विचारों के साथ कैसे आना है।

साक्षात्कार में उत्पाद पूछने के लिए क्या प्रश्न हैं?

सबसे आसान तरीका: सम्मेलन में एक नेटवर्किंग प्रारूप में दस उद्योग के पेशेवरों से बात करें। आपको पचास प्रश्नों की एक सूची प्राप्त होगी। उन प्रश्नों को छोड़ दें जो आपको पसंद हैं और आपको किसी प्रकार की रूपरेखा मिल जाएगी।

हमारी टीम में यह कैसा है:

- व्यक्ति में ऊर्जा का उच्च स्तर होना चाहिए। यदि कोई व्यक्ति ऊर्जा में कम है, तो पूरी टीम विषाक्त होगी।

- एक व्यक्ति को व्यवस्थित और प्रतिबिंब के अनुभव के साथ होना चाहिए। एक व्यवस्थित कौशल विकसित करना बहुत महंगा और समय लेने वाला है। इसे काफी सरलता से जांचा जाता है: किसी व्यक्ति से उसके पिछले अनुभव के बारे में पूछें, जिसमें नकारात्मक भी शामिल है, और इस अनुभव से उसने क्या निष्कर्ष निकाला है।

लगभग 50% लोग कहते हैं, “धन्यवाद, महान प्रश्न! मैं इसके बारे में सोचूंगा। ” इसका मतलब है कि पिछले साल की तुलना में, जब यह स्थिति हुई, तो उन्होंने यह काम नहीं किया। उनकी ऐसी कोई आदत नहीं है।

- एक आदमी को डर नहीं होना चाहिए। काम के दौरान, बड़ी संख्या में निर्णय किए जाने चाहिए, सबसे अधिक संभावना है, उत्पाद गलत होगा। यह महत्वपूर्ण है कि वह ऐसा करने से डरे नहीं।

रिटारगेटिंग के वृद्धिशील प्रभाव को कैसे मापें?

ट्रिगर विश्लेषण। आप उपयोगकर्ता सेगमेंट लेते हैं, सभी उपयोगकर्ता सत्र और घटनाओं की श्रृंखला देखते हैं। लोगों को दो समूहों में विभाजित करें: जो लोग रिटारगेटिंग में हैं, और जो नहीं हैं।

व्यवहार में, आपको यह समझने की आवश्यकता है कि हमारे पास कभी किसी चीज़ को सही ढंग से मापने का कार्य नहीं है। अक्सर यह बस व्यर्थ है। यदि रिटारगेटिंग में आपका निवेश मेरे द्वारा बताए गए काम की मात्रा से कम है, तो रिटारगेटिंग का विश्लेषण करने का काम सिर्फ करने से ज्यादा महंगा होगा।

आपको एक सटीक एट्रिब्यूशन मॉडल की आवश्यकता है। आइए अवधारणाओं को देखें: किसी भी विज्ञापन अभियान के लिए इस या उस आय को सटीक रूप से निर्दिष्ट करना आवश्यक नहीं है। हमारे पास केवल चार प्रबंधन निर्णय हैं:

• प्रक्रिया को अक्षम करें, बिल्कुल भी न करें; हम बहुत अधिक खर्च करते हैं, लगभग कुछ भी नहीं मिलता है;
• थोड़ा संशोधित किया जा सकता है;
• स्पर्श न करें;
• मजबूत करना।

आप उत्पाद को क्यों जलाएंगे?

- अगर दुनिया का उनका मॉडल वास्तविकता से ज्यादा मेल नहीं खाता है।
- अगर उसकी परिकल्पनाएं कमजोर हैं और हमारे उपयोगकर्ताओं के साथ खराब संबंध हैं।
- यदि आप उपयोगकर्ताओं के साथ संवाद करना पसंद नहीं करते हैं।
- अगर आपको कॉरिडोर, कस्टम हाउस बनाना पसंद नहीं है।
- यदि आप अपनी परिकल्पना का परीक्षण नहीं करते हैं।
- यदि एक अप्रासंगिक टूलकिट का उपयोग किया जाता है।
- इसका मतलब है कि वह निष्कर्षों में बहुत गलत होगा, सही तरीके से सीखना नहीं चाहता है और सिर्फ उद्योग में होने वाली नवीनतम रूपरेखाओं का पालन नहीं करता है, जिसका मतलब है कि वह पिछड़ गया है।

आप प्रयोग करते हैं, 95% विफलताओं, कुछ सफलताओं, लगातार खराब और सिर में दर्द। कैसे हो?

वर्ष के अंत में वृद्धि होती है। वर्ष के अंत में, लोग अपने लिए निर्धारित लक्ष्य को याद करते हैं।

अर्थ है - आपको हारने में सक्षम होने की आवश्यकता है। मुझे खुद को दोहराने की जरूरत है: बहुत सारे प्रयोग थे, इसलिए मैंने सिर्फ इस पर ध्यान नहीं दिया और कुछ नहीं समझा। हमने इकाई अर्थव्यवस्था को बदल दिया, दृष्टिकोण बदल दिया, रूपांतरण बढ़ा दिया, लेकिन इसका मतलब यह नहीं है कि परियोजना ठीक हो जाएगी।

टीम के भीतर समर्थन और देखभाल को प्रोत्साहित करें। उन कौशलों में से एक जो अब मैं अपने आप में विकसित कर रहा हूँ: उत्पाद प्रबंधक, डिज़ाइनर, बाज़ारिया, विश्लेषक को कैसे समझाएँ कि उन्होंने सब कुछ गलत किया है, लेकिन साथ ही इसलिए कि वे हार नहीं मानते हैं और वे अगले दिन काम करने जाते हैं: "ठीक है, सातवीं बार हम सब कुछ फिर से करेंगे, और हम सफल होंगे।"

रूस में सबसे अच्छे भोजन दल?

मेरा मानना ​​है कि उनमें से बहुत सारे हैं। उदाहरण के लिए, अल्टीमेट गिटार, स्काईेंग, रियलटाइम बोर्ड। ऐसी कंपनियों की सफलता के पीछे केवल पहले व्यक्ति नहीं हैं, जो जनता की नज़र में हैं, बल्कि वे कलाकार भी हैं जो हर दिन जबरदस्त काम कर रहे हैं।

उनसे दोस्ती करना अच्छा है। यह सिर्फ एक मुफ्त ट्रेन है जहाँ आपको नए विचार, किताबें और रूपरेखाएँ मिलती हैं। इसलिए, लोगों की ऐसी सूची के साथ खुद को घेरने के लिए, यह मुझे लगता है, महत्वपूर्ण कार्यों में से एक है।

एपिक वर्कशॉप डे पर अधिक संकीर्ण-प्रोफ़ाइल उत्पाद कौशल अभ्यास।