Cómo usar la IA para impulsar el crecimiento liderado por el producto

Lee la transcripción:

Estamos probando la transcripción de nuestros pódcasts mediante un programa de software. Disculpa cualquier error tipográfico, ya que el bot no acierta el 100 % de las veces.

Hannah Clark: Si tuviéramos que clasificar los principales cambios de paradigma en producto de los últimos 10 años, diría que la IA y el crecimiento liderado por el producto estarían en lo más alto de la lista. Ambos conceptos se reducen realmente a amplificar la eficiencia y hacer más con menos. Pero el verdadero código secreto consiste en unirlos y utilizar el poder de ahorro de tiempo de los modelos lingüísticos de gran tamaño para mejorar tu estrategia de crecimiento liderado por el producto.

En un evento reciente sobre cómo usar la IA para impulsar el crecimiento liderado por el producto, reunimos a tres increíbles expertos en crecimiento liderado por el producto: Ramli John, fundador de Delight Path; Dani Grant, directora ejecutiva de Jam.dev; y Anuj Adhiya, autor de Growth Hacking for Dummies. Los tres hablaron sobre las formas en que los equipos de producto pueden aprovechar la tecnología de IA ahora mismo para mejorar cada fase del recorrido del usuario.

Lo que más me gustó de este evento fue cómo la experiencia de cada panelista se complementó de una manera tan extraordinaria, ofreciendo muchas formas prácticas de adaptar y ajustar tu estrategia de crecimiento mediante herramientas de IA. Además, eran personas realmente agradables. Empecemos.

La sesión de hoy se centrará en cómo usar la IA para impulsar el crecimiento liderado por el producto. Hablaremos con algunas voces increíbles del sector. Tenemos una agenda muy emocionante. Me entusiasma mucho presentarlos.

Contamos con Ramli John, autor de Product-Led Onboarding. También es un reconocido experto en estrategias de crecimiento liderado por el producto. Ramli aporta un profundo conocimiento sobre cómo convertir prospectos en usuarios apasionados. Hoy tenemos una pequeña pregunta de concurso para Ramli.

Ramli, algunos de los nombres más importantes del sector del software como servicio te han llamado el mago de la incorporación, y tu libro Product-Led Onboarding ha cambiado las reglas del juego para innumerables equipos de producto. Ahora mismo estamos elogiándote mucho. Si pudieras agitar una varita mágica y solucionar al instante el error de incorporación más común que has visto, ¿cuál sería?

Ramli John: Muchas gracias, Hannah. Diría que en realidad no está relacionado con el producto. A menudo, el mayor problema de la incorporación es la fricción interna, no la fricción del producto. Con esto quiero decir que el equipo de producto hace lo suyo dentro del producto, marketing prepara sus correos de incorporación y éxito del cliente hace su propio proceso de incorporación de clientes.

Y no hablan entre ellos. Esto mismo nos ocurrió cuando trabajábamos en una empresa de incorporación llamada Appcues, que era como un software de adopción de productos, y tuvimos exactamente el mismo problema. Así que, si pudiera agitar una varita mágica, haría que los equipos hablaran más entre sí y acordaran cómo es el éxito para el usuario, que es un problema difícil. Ahí es donde empezaría.

Hannah Clark: Es cierto, trabajar en silos es uno de esos problemas permanentes. Gracias por la respuesta.

También nos acompaña Dani Grant. Es la fundadora de Jam.dev y anteriormente fue responsable de producto. Dani es conocida por utilizar datos de producto para diseñar experiencias de usuario fluidas y de alto impacto, y además es una persona increíble. Dani, muchas gracias por acompañarnos.

Tengo una pregunta para ti. Jam ha alcanzado 150.000 usuarios en 32 empresas diferentes de Fortune 100, lo cual es increíble. Pero también participas como ponente en eventos y conferencias, y estás activa a diario en LinkedIn. Sinceramente, me da envidia cómo consigues hacer que todo funcione. ¿Cuál es tu secreto para conseguir hacer todas esas cosas y mantener la cordura?

Dani Grant: Primero, todos los presentes deberían leer el libro de Ramli. Es muy bueno. Mi cofundador lo leyó primero en nuestra empresa y luego me dijo que tenía que leerlo. Lo leí y ahora es lectura obligatoria para nuestro equipo de producto de crecimiento. Lo que cambiará por completo tu forma de pensar es la idea de qué es la incorporación.

Todos los gestores de producto pensamos constantemente en la incorporación. Pero solemos verla como el periodo que va desde que te registras hasta que has utilizado el producto. El libro de Ramli te mostrará que la incorporación empieza mucho antes y termina mucho después, y centrarse en ella de esa manera cambiará los resultados de tu producto, como nos ha ocurrido a nosotros.

En fin, Ramli es brillante. Lee su libro. En cuanto a hablar en público, tenemos mucha suerte. Todos nuestros usuarios son creadores. Están ahí fuera intentando cambiar el mundo mediante el uso de software. Nosotros estamos aquí construyendo nuestra empresa y nuestros usuarios están allí construyendo las suyas. Nuestro trabajo consiste en compartir con todos los demás lo que estamos aprendiendo al crear Jam.

Por eso terminamos publicando aprendizajes en internet y participando en cosas como esta. Es un privilegio y un honor. Gracias por invitarme.

Hannah Clark: Aprecio que te hayas tomado el tiempo de acompañarnos como panelista. Es fantástico. Como veis, os dije que es una gran persona.

También nos acompaña hoy Anuj Adhiya. Anuj es experto en crecimiento y autor de Growth Hacking for Dummies. Ha escrito en productled.com y también tiene una amplia experiencia guiando a empresas de software como servicio en la implementación de estrategias de crecimiento liderado por el producto. Es un verdadero honor tenerte hoy con nosotros, Anuj.

Durante nuestra conversación previa, compartiste que planeas establecer un récord Guinness reuniendo, creo que esto es genial, al mayor número de personas usando sombreros de fiesta en Boston. Necesitamos algo más de contexto. ¿Puedes contarnos más sobre lo que estás haciendo y cómo puede participar la gente? ¿Dónde enviamos los sombreros de fiesta?

Anuj Adhiya: En primer lugar, gracias por invitarme. Es muy divertido formar parte de este grupo. Y sí, a primera vista parece que no tiene nada que ver con el crecimiento liderado por el producto, pero en realidad sí, porque es un gran experimento.

Hay una aplicación para invitar a fiestas con la que estoy colaborando, llamada PartyClick. Si quieres, puedes echarle un vistazo; es la forma más sencilla de organizar un evento. Intentamos pensar en formas de ponerla delante de más personas. Surgieron muchas ideas, especialmente cosas como: «Deberíamos hacer nuestro propio concurso de imitadores de famosos, como el de Timothée Chalamet que acaba de ocurrir». Y yo pensé: sí, está bien.

Pero ¿qué más podemos hacer? Entonces alguien del equipo dijo: «¿No existen récords mundiales para las reuniones más grandes?». Sí, eso es lo que deberíamos hacer. Busqué en el libro Guinness y, efectivamente, existe un récord mundial para personas con sombreros de fiesta. Pensé: genial. Esto encaja con el nombre del producto: sombreros de fiesta, PartyClick.

Deberíamos hacerlo. Literalmente esta semana estoy tramitando la solicitud con el libro Guinness y suplicando a la ciudad de Boston que me permita reunir a 2.500 personas en Boston Common. Veremos qué tan cerca estoy de alcanzar ese objetivo. La verdadera razón por la que lo digo públicamente es para responsabilizarme y avergonzarme si no lo consigo.

Hannah Clark: Así que, si estás en la zona de Boston, trae tu sombrero de fiesta. ¿Cuál era la fecha de diciembre?

Anuj Adhiya: Estamos pensando en el 22 de diciembre.

Hannah Clark: De acuerdo, ahora ya lo sabes.

Anuj Adhiya: Si estás por la zona, lo hemos pensado, y si no lo consigo, ya sabes contra quién lanzar el ladrillo.

Hannah Clark: Pasemos ahora a sentar las bases: la intersección entre la IA y el crecimiento liderado por el producto.

Esta pregunta es para Ramli. Como pregunta general, ¿se ha vuelto esencial el crecimiento liderado por el producto para el sector del software como servicio? Lo vemos como una palabra de moda. ¿En qué punto nos encontramos ahora?

Ramli John: Diría que depende. Sí, depende. Es una respuesta frustrante, pero depende de cómo definas «liderado por el producto». Si dices «liderado por el producto», ¿es necesario el crecimiento liderado por el producto?

Si tienes una prueba gratuita o un modelo freemium, no lo creo. De hecho, sugiero que las empresas emergentes comiencen con un enfoque de alta interacción y se acerquen a sus clientes. Si por «liderado por el producto» quieres decir eliminar cualquier fricción innecesaria y crear una experiencia excelente para los usuarios, entonces sí creo que, si esa es la definición de la que hablamos, el estándar y el nivel de exigencia de las personas respecto a lo que esperan de una experiencia de producto han mejorado.

Han crecido exponencialmente mucho más que hace 10 años. Antes, algo molesto se consideraba normal. Ahora, si algo resulta molesto, tengo otras cien opciones a las que puedo cambiar. Hay muchos más productos ahí fuera. Creo firmemente que crear una experiencia excelente para los usuarios finales, para quienes van a utilizar el producto, será fundamental para la retención, la activación y todo lo demás que trataremos más adelante. Hablaremos de cómo la IA afectará al resto del embudo. Si esa es la definición de liderado por el producto, entonces sí, creo que es esencial. Si te refieres a una prueba gratuita y al modelo freemium, entonces no.

Hannah Clark: Vaya, qué respuesta tan matizada. ¿Alguien quiere añadir algo sobre la relevancia o el estado actual del crecimiento liderado por el producto?

Dani Grant: Es muy poderoso.

Ramli John: Solo añadiría que veo a muchos fundadores haciendo en realidad la pregunta equivocada. La pregunta que parecen hacerse es: «¿Cómo puedo parecerme más a Slack?» o «¿Cómo puedo parecerme más a…?». Cuando, en realidad, deberían preguntarse: «¿Cómo puedo utilizar mejor mi producto para satisfacer las necesidades finales de mi cliente o usuario?»

Y eso puede adoptar muchas formas. Abre vías mucho más poderosas para implementar un enfoque liderado por el producto que intentar copiar algo que simplemente nunca funcionará para ti.

Hannah Clark: Totalmente cierto.

Pasemos a cómo está entrando la IA en este espacio. Esta pregunta es para Dani. ¿Cómo dirías que la IA está preparada para impulsar las estrategias de crecimiento liderado por el producto? No sé si tienes alguna historia sobre cómo la habéis utilizado en Jam.

Dani Grant: Vamos a entrar en todas las tácticas, pero en términos generales, en el crecimiento liderado por el producto, tu producto realiza la venta, y vender es más eficaz cuando está personalizado. Requiere mucho contenido y mucha capacidad de persuasión.

Y esto es precisamente algo que la IA hace muy bien. Las empresas llevan mucho tiempo intentando hacerlo: aprendizaje automático para la personalización, una segmentación muy específica con mucho contenido. Ahora es más fácil que nunca hacerlo bien. Hay que comprender grandes cantidades de datos desorganizados.

Me entusiasma profundizar en las tácticas. Esto parece algo para lo que la IA es realmente buena. Una última cosa: la mejor estrategia de crecimiento liderado por el producto consiste simplemente en tener un producto tan bueno que la gente no pueda evitar hablar de él con los demás. Con la IA, ahora puedes crear funciones aún más potentes para tus usuarios.

Y creo que eso también es una parte muy importante del rompecabezas.

Hannah Clark: De acuerdo, pasemos a construir los cimientos: el papel de la IA a lo largo del recorrido del usuario. Creo que esta será la sección que ocupará la mayor parte de la sesión, así que es imprescindible escucharla. Ahora es el momento de guardar los teléfonos. Recorramos cada etapa del crecimiento liderado por el producto y veamos cómo puede ayudar la IA en cada una.

Empecemos por la adquisición. Dani, ¿quieres contarnos cómo utiliza tu equipo la IA para impulsar esa etapa?

Dani Grant: Hay dos cosas que mencionar. La primera es quizá la más obvia: en el crecimiento liderado por el producto, los clientes encuentran tu producto porque el propio producto se ha vendido de alguna manera y ellos realizan la incorporación por su cuenta.

Un área en la que hay que generar muchísimo contenido es el posicionamiento en buscadores, y la IA puede ser de gran ayuda. Desafortunadamente, todos hemos visto cómo queda cuando se hace mal. Parece un galimatías generado por IA y, en realidad, no consigue posicionarse. Pero la IA es realmente útil para el posicionamiento en buscadores. Así es como la utilizamos de forma práctica.

La IA escribe el esquema siguiendo las mejores prácticas de posicionamiento. Tomas literalmente un artículo sobre las mejores prácticas de posicionamiento, se lo das al modelo lingüístico y le dices: «Escríbeme un esquema que siga todas estas buenas prácticas». La IA edita tu contenido de posicionamiento o te da recomendaciones sobre buenas prácticas. Usamos Perplexity para buscar las herramientas que vamos a mencionar, obtener los precios de todas ellas y demás.

Es muy útil de esa manera. Pero, además, siempre pensamos en cómo crear contenido que atraiga a nuestra audiencia en internet. Nuestra audiencia son desarrolladores y en el desarrollo web están ocurriendo muchísimas cosas. El sector avanza muy rápido. Queríamos crear contenido sobre ello para nuestra audiencia.

Así que pensamos: «Creemos un boletín y un pódcast sobre lo que ocurre esta semana en JavaScript». Si te interesa, por cierto, puedes visitar thisweekinJavaScript.com y obtener cada semana, en cuatro minutos o menos, las noticias semanales de JavaScript. Somos un equipo pequeño de una empresa emergente; no podemos grabar un pódcast cada semana, y la IA nos resulta muy útil porque nos permite escribir contenido excelente.

Tenemos tasas de apertura superiores al 50 % en estos boletines y el pódcast tiene muy buena audiencia, pero la IA nos ayuda mucho a hacerlo. Esas son dos formas en las que usamos la IA para la etapa de adquisición del crecimiento liderado por el producto.

Hannah Clark: Muy interesante.

Ramli John: Creo que otro ámbito en el que he utilizado la IA para la adquisición es la reutilización de contenido.

Por ejemplo, tomar un episodio de pódcast e introducirlo en Castmagic, que es una herramienta para crear resúmenes, y que genere publicaciones de blog, publicaciones para Twitter y LinkedIn, contenido para compartir y publicaciones para el boletín. Necesita un poco de trabajo adicional; no es perfecto, pero creo que otra área en la que he visto que la IA funciona para la adquisición de clientes es el contenido.

¿Cómo se exprime más jugo del limón? ¿Se dice así? No estoy del todo seguro. En esencia, ¿cómo obtienes más rendimiento de tu contenido? Esa es una forma en la que he visto utilizar la IA para la adquisición.

Dani Grant: Nosotros hacemos exactamente lo mismo. Una de nuestras convicciones principales es que las ventas lideradas por fundadores en 2024 ocurren principalmente en internet.

Antes tenías que conseguir una presentación de alguien conocido, después una primera reunión y el fundador se presentaba al cliente. Hoy eso ocurre de forma pasiva en internet, mientras la gente navega por LinkedIn. Intentas compartir constantemente cómo ves el mundo y qué cambios quieres impulsar, de forma pasiva y en línea.

Usamos la IA para una parte de esto, concretamente para reutilizar contenido. Si alguien del equipo participa en un pódcast, tomamos el enlace de YouTube y lo introducimos en una herramienta como OpusClip, que recorta el enlace de YouTube y nos proporciona clips de vídeo para compartir en internet o extrae fragmentos de momentos reveladores.

Eso nos proporciona ideas breves sobre las que hablar y escribir más adelante. También nos ha resultado muy útil para la adquisición.

Hannah Clark: Creo que ahora mismo es algo fundamental. Ambos habéis hablado de la posibilidad de reutilizar el contenido tanto como sea posible y de sacar el máximo jugo al limón, como dijo Ramli. Es fantástico. Creo que podemos pasar a la etapa de activación.

Ramli, eres el experto en incorporación. ¿Qué recomendarías en cuanto a prácticas basadas en IA para apoyar esa etapa de activación?

Ramli John: Sí, esto es algo que vi hacer a otra empresa mientras hablábamos sobre cómo utiliza la IA en su proceso de incorporación.

Uno de los desafíos del enfoque liderado por el producto —o también una oportunidad— es que realmente necesitas una sólida capacidad de investigación de usuarios o clientes. Con un enfoque de ventas de alta interacción estás en contacto directo con los clientes y escuchas sus objeciones. Cuando el producto es el que vende, no escuchas esas objeciones: simplemente se marchan.

Entonces, ¿cómo obtienes esas valiosas ideas, el «por qué» que los datos cuantitativos no pueden mostrar? Una forma interesante que utiliza esta empresa consiste en tomar todas sus llamadas de ventas. Tienen un enfoque híbrido y también ofrecen una experiencia de incorporación de alta interacción para empresas. Graban esas llamadas y las introducen en ChatGPT para entrenar el modelo lingüístico de gran tamaño.

Una vez incorporadas, han empezado a utilizar esa información para crear diferentes recursos. Uno de ellos, que me pareció interesante, es un documento de transferencia de ventas a éxito del cliente. También pueden crear una secuencia de incorporación de cinco correos electrónicos basada en los puntos problemáticos de las llamadas de ventas y de incorporación de clientes.

Como el modelo se ha entrenado con las objeciones de las llamadas de ventas y con las preguntas y confusiones surgidas durante las llamadas de incorporación, es más consciente y está mejor entrenado respecto a lo que realmente atraviesan los clientes.

Les sugerí que también introdujeran en el chatbot o en ChatGPT los tickets de soporte más solicitados y toda la información valiosa para la fase de activación. Así, cuando redacten esa secuencia o ese recorrido, podrán obtener ayuda real.

También he visto herramientas de IA más avanzadas que incorporan tus datos y calculan métricas de retención. Herramientas como Amplitude o June.so pueden analizar tus datos y decirte: «La mayoría de tus usuarios exitosos hacen X, Y y Z; el 30 % permanece». Por supuesto, hay que tomarlo con cautela, pero puede ofrecer información valiosa al analizar los datos disponibles, especialmente si tienes un conjunto de usuarios suficientemente grande. Si solo tienes 10 usuarios, no habrá datos suficientes para que el modelo descubra esa información.

Diría que esa es una salvedad importante: si tienes suficientes datos a lo largo del tiempo, probablemente puedas introducirlos en el modelo y descubrir información de ese tipo.

Hannah Clark: Tiene sentido. ¿Alguien más tiene algún consejo para apoyar la etapa de activación del crecimiento liderado por el producto?

Dani Grant: Es algo obvio, pero una vez que descubres qué es una buena activación y qué pasos debe seguir el usuario, tienes que idear muchas ideas para conseguir que los usuarios realicen esos pasos.

Para nosotros, un usuario está activado cuando crea cuatro informes de errores con Jam. Por eso siempre intentamos pensar cómo podemos llevar a más usuarios a su tercer y cuarto informe de errores, cómo animarlos y mostrarles el valor. A veces hacemos una gran lluvia de ideas, y la IA es bastante buena generando muchas ideas malas que te impulsan a encontrar las buenas.

Así que quizá esa sea otra forma evidente de usar la IA en esta etapa.

Hannah Clark: Me gusta la idea de generar ideas malas que te ayuden a llegar a conclusiones buenas.

Dani Grant: Esto es lo que ocurre con los seres humanos: es muy difícil tener una imaginación pura y generar una idea desde cero. Si alguna vez te han pedido que seas la primera persona en escribir el primer borrador de algo, sabrás que es muy difícil.

Pero los seres humanos somos muy buenos revisando y reaccionando porque así está conectado nuestro cerebro. Vemos algo y eso desencadena otras ideas. Mientras tengas un primer borrador malo o una primera idea mala, de repente eres muy bueno creando el segundo borrador. La IA es buena proporcionando ese primer elemento que activa tu cerebro para pensar como lo hace.

Hannah Clark: Me encanta ese consejo. Perdona, creo que quizá te interrumpí un poco.

Ramli John: No, solo iba a añadir que lo bueno de este tipo de modelos lingüísticos de gran tamaño es que puedes entrenarlos. Puedes decirles: «Esto es malo. Esta es la razón. Esto es lo que creo que está mal», y proporcionarles algún tipo de comentario.

Escuché una frase muy buena en un episodio de pódcast con Nathan Berry, de Kit. Decía que hay que tratar a la IA como a un becario en una etapa muy temprana, como a un becario principiante. Si le das buenos comentarios, aprende qué es bueno y qué es malo. Así que, como mencionó Dani, cuando te dé una mala idea, dale retroalimentación y empezará a producir resultados cada vez mejores.

Hannah Clark: O quizá, al menos, la versión mala servirá como una base mejor para que tus ideas sean aún mejores. No creo que funcione exactamente así, pero quizá.

Anuj Adhiya: Ramli, yo la he estado llamando «becaria borracha», pero ya sabes.

Ramli John: Eso es mejor, porque es muy inusual.

Anuj Adhiya: La otra cosa que añadiría, y quizá esto sirva de transición hacia el siguiente tema, es que la activación no es realmente una etapa separada desde la perspectiva del usuario. Una vez que están dentro del producto, están dentro del producto. Creo que lo que me ha ayudado a conectar los puntos posteriores y anteriores es pensar en la activación como retención a corto plazo.

Porque, una vez que están dentro del producto, ese es el juego: cómo mantenerlos durante más tiempo, cómo monetizarlos mejor y cómo conectar lo que hacen inicialmente con lo que ocurre después. Todo sucede dentro de un continuo de retención. No hay un interruptor en la mente del usuario que diga: «Ahora estoy activado; ahora estoy retenido». Es todo lo mismo.

Hannah Clark: Sí. Hay que pensar en las cosas no solo desde las etapas que uno observa, sino desde el lugar en el que el usuario se ve a sí mismo.

Dani Grant: Es posible. Utilizas el producto al principio y también al final. Creo que, no como persona de producto, sino como usuaria, hay un momento en el que estoy explorando algo y otro en el que ya lo estoy utilizando.

Y creo que la activación ocurre en medio. Así que sí considero que son algo diferentes desde la perspectiva del usuario.

Hannah Clark: Anuj, ahora que estamos en la etapa de retención y ya tenemos al usuario dentro del producto, ¿qué casos de uso has visto o qué ideas tienes sobre cómo utilizar la IA para esa etapa?

Anuj Adhiya: Parte de esto sonará como una ampliación de lo que ya se ha dicho, porque lo que más me fascina de la retención y del crecimiento liderado por el producto es cómo están transformando por completo nuestra capacidad para comprender y actuar sobre los patrones de comportamiento de los usuarios.

Compartiré un ejemplo. Muchos equipos con los que trabajo están sentados sobre montañas de datos de uso del producto. Todos tienen Amplitude, Heap, Mixpanel o herramientas similares. Pero, por la etapa en la que se encuentra la empresa, la falta de analistas de datos o cualquier otra razón, tienen dificultades para extraer con suficiente rapidez el tipo adecuado de información práctica.

Creo que lo que está cambiando las reglas del juego es combinar esas plataformas tradicionales de análisis con las capacidades modernas de análisis mediante IA. Es casi como si la gente hubiera estado trabajando a oscuras y ahora se hubieran encendido las luces.

Cuando empecé a introducir algunos de estos datos en versiones privadas de ChatGPT y herramientas similares, comenzaron a identificarse microcohortes fascinantes que sería casi imposible detectar manualmente o basándose únicamente en el nivel de experiencia que tengas con esas herramientas.

Por ejemplo, podrías descubrir que los usuarios que realizan una secuencia concreta de acciones durante su primera semana se convierten en usuarios avanzados a una tasa tres veces superior a la normal. Un cliente descubrió que los usuarios que exportaban datos y los compartían con sus compañeros durante los primeros días mostraban patrones de participación mucho más sólidos.

Lo realmente poderoso es la combinación de análisis y automatización. Algunas empresas están configurando mejores recorridos activados por el comportamiento. Cuando el sistema detecta que un usuario sigue un patrón de alto valor, puede cambiar automáticamente el contenido o la experiencia para llevarlo más rápido por ese camino.

En un caso, esto fue más allá de lo que ocurría en el producto: un usuario con alto potencial recibió una invitación a un programa beta o a un consejo asesor de clientes basándose en sus patrones reales de uso. Es algo que las empresas quieren hacer para acercarse al cliente, pero hasta ahora no habían podido hacerlo con suficiente rapidez.

Para mí, el verdadero cambio consiste en utilizar todas estas herramientas para conectar lo cuantitativo con lo cualitativo. El aprendizaje automático puede analizar patrones en soporte, comunidades y comentarios sobre el producto, pero al conectar esas ideas con los datos de uso se obtiene una visión de 360 grados mucho más profunda: no solo qué hacen los usuarios, sino por qué lo hacen.

Hannah Clark: Me interesa saber si tú o alguno de los demás panelistas tenéis anécdotas o historias sobre haber visto esto en acción. Combinar los datos cualitativos y cuantitativos y contar esa historia de manera eficaz es un problema permanente.

Anuj Adhiya: Añadiré otro ejemplo. Para muchos equipos, estos ejercicios están desconectados. Un equipo realiza la encuesta de adecuación entre producto y mercado, otra base de datos almacena los tickets de soporte y otra completamente distinta contiene las conversaciones de ventas. A veces ni siquiera está claro quién debe reunirlo todo.

Creo que es muy útil asignar esa tarea a lo que podríamos llamar tu empleado de IA, para sacar la decisión de tus manos: que recopile todos esos datos y los presente a las partes interesadas. Es una tendencia que estoy empezando a ver cada vez más.

El coste de oportunidad de esperar o de no tomar una decisión es demasiado alto. La forma más sencilla de empezar es conectar unas pocas fuentes de datos o, si no puedes hacerlo automáticamente, exportar los datos de varias hojas de cálculo y dejar que el sistema nos revele los patrones. Es una forma mínima de comenzar a acelerar la obtención de información y actuar sobre ella.

Hannah Clark: Diseñadores web, esto es para vosotros. Tengo 30 segundos para hablaros de Wix Studio, la plataforma web para agencias y empresas. Estas son cuatro cosas que podéis hacer en 30 segundos o menos en Studio: adaptar vuestros diseños a cualquier dispositivo con IA adaptable; reutilizar recursos como plantillas, widgets, secciones y bibliotecas de diseño entre sitios y compartirlos con el equipo; añadir animaciones sin código y fondos degradados directamente en el editor; y exportar vuestros diseños desde Sigma a Wix Studio con un solo clic. Se acabó el tiempo, pero la lista continúa. Entra en Wix Studio y descúbrelo por ti mismo.

Lo que entiendo es que se puede utilizar la IA para romper algunos de los silos entre todos estos departamentos. ¿Sugieres generar una especie de informe interdepartamental sobre el estado de la empresa para ofrecer a todos una visión general de lo que ocurre en las distintas áreas?

Anuj Adhiya: Sí, absolutamente. El crecimiento es un deporte de equipo y, por definición, es interfuncional. Esto es especialmente cierto en el mundo liderado por el producto, porque hay que coordinar contenido, educación, comunidad, producto, ventas y todos los equipos.

Si tienes un equipo de crecimiento de cualquier tamaño, su propósito es reunir a las partes interesadas clave para comprender el estado actual del crecimiento, los problemas y las oportunidades. Siempre es difícil que todos entiendan no solo cuál es su función, sino cuál es la acción más impactante que podrían realizar en ese momento.

Liderar el crecimiento consiste tanto en contar historias y comunicar ideas como en mostrar lo que dicen los datos. No dependas únicamente de tus capacidades: utiliza la IA para comprender cómo comunicar mejor ese dato a ventas, relaciones con desarrolladores, producto o cualquier otro equipo.

Creo que romper esos silos y conseguir que todos estén alineados está muy infravalorado.

Hannah Clark: Me gusta mucho esta táctica. Tuvimos un episodio del pódcast con Michele Ronsen, una reconocida investigadora de experiencia de usuario, que recomendó un proceso muy similar, aunque más analógico.

No estaba necesariamente basado en IA. Me gusta esto como equivalente basado en IA. Su recomendación, en el contexto de la investigación de experiencia de usuario, era que cuando has realizado toda la investigación, eso está muy bien, pero ¿cómo puede utilizarla cada uno de los departamentos relacionados?

Su recomendación era estructurarla departamento por departamento: qué aprendizajes orientan las acciones y los siguientes pasos de cada equipo. Lo veo como algo equivalente, en el que utilizas la IA para traducir los hallazgos entre departamentos y determinar las acciones que pueden ayudarnos a trabajar mejor juntos.

Dani Grant: Esto no es IA para el trabajo interfuncional, pero pensemos por qué las empresas contratan gestores de producto. Como todos los presentes saben, es porque quieren a una persona que llegue al fondo de las cosas, sea responsable de todo el problema y del éxito del producto, y haga lo que sea necesario para que el producto y el proyecto funcionen.

Lo que dice Anuj es cierto: a veces algo no es responsabilidad de nadie. Alguien lo entendió a nivel de hoja de cálculo, pero no a nivel de usuario. Esa es precisamente la belleza de los gestores de producto: no existe un gestor de producto que diga «ese no es mi problema». Están ahí para hacer que el producto tenga éxito.

Una táctica que nos ha resultado muy útil es mantener un ritmo constante de conversaciones con clientes. Cada semana, los 100 usuarios principales de la semana anterior que no hayan hablado recientemente con nosotros reciben un correo de un fundador de Jam preguntándoles cómo van las cosas. Si responden de manera reflexiva, les decimos que nos gustaría saber más y les preguntamos si estarían dispuestos a tener una llamada.

Así mantenemos un flujo constante de llamadas. Cuando un gestor de producto quiere saber más sobre algo, existe una actividad sencilla a la que puede incorporarse, en lugar de tener que inventar desde cero un nuevo proceso de llamadas con clientes. No está relacionado con la IA, pero lo recomiendo encarecidamente.

Hannah Clark: Excelente. No tiene que ser IA; simplemente buscamos crecer.

Pasemos a la etapa de expansión. Anuj, si quieres liderar esta parte también, ¿hay algo que quieras comentar sobre la expansión antes de pasar a la parte técnica de Dani?

Anuj Adhiya: Como he dicho, para mí todo forma parte de un continuo. Si pensamos en el manual tradicional de expansión, esperas a que aparezcan indicadores de uso y quizá tienes un equipo de éxito del cliente que realiza revisiones trimestrales. Sinceramente, he trabajado con equipos que simplemente esperan detectar señales de expansión.

Daré un ejemplo práctico. Una empresa de software como servicio utiliza Gong para analizar las interacciones con los clientes en cada punto de contacto: llamadas de ventas, tickets de soporte, revisiones trimestrales y todo lo demás. La clave es entrenar al sistema para que busque indicadores de expansión específicos.

No se limita a detectar frases evidentes como «necesitamos más licencias», sino que empieza a identificar patrones relacionados con casos de uso adyacentes, la mención de un nuevo miembro o departamento, o una conversación sobre un problema que podría resolverse con funciones adicionales.

Cuando combinas esos datos conversacionales con los análisis de uso del producto, puedes crear puntuaciones de intención de expansión basadas en múltiples señales. Cuando los usuarios alcanzan ciertos umbrales de uso, como aproximarse al límite de una interfaz de programación de aplicaciones o intentar acceder a funciones premium, y esto se correlaciona con patrones concretos de conversación, se crea una señal clara de oportunidades de expansión.

No se trata únicamente de identificar oportunidades de expansión, sino de hacer que el proceso sea más natural y esté alineado con el valor para el cliente.

Hannah Clark: De acuerdo.

Dani tiene un proceso para mostrarnos sobre cómo utilizar las transcripciones de llamadas para generar correos electrónicos iniciales de seguimiento del tráfico, algo que mencioné antes. ¿Quieres explicarnos ese proceso, Dani?

Dani Grant: Es bastante fácil de entender. Como personas de producto, creemos que el producto debería hacer todo el trabajo pesado, pero para cambiar el comportamiento de las personas también quieres contar con una persona de confianza. Por eso, gran parte de la etapa de expansión está liderada por personas, no por el producto.

En un proceso que funciona bien, tienes muchas llamadas consecutivas para ayudar a los equipos a ampliar su uso. Quieres hacer un seguimiento meditado de esas llamadas. Es difícil empezar desde cero, pero mucho más fácil comenzar con un primer borrador: tomas la transcripción de la llamada, se la das a Claude y preguntas cuáles fueron los tres puntos principales que esa persona comunicó.

Después puedes utilizarlo para redactar «esto es lo que hemos entendido». Es mucho más fácil que empezar con una página en blanco, especialmente si has tenido ocho llamadas consecutivas y al final del día no recuerdas todos los detalles o tienes el cerebro agotado.

Hannah Clark: Aprecio cualquier cosa que ayude a proteger el cerebro al final de la semana.

Pasemos a la tercera sección: de la visión a la ejecución. Se trata de crear una estrategia de crecimiento liderado por el producto mejorada con IA. Voy a pasarle la palabra a Ramli, porque llevamos un par de minutos sin escucharle. Me gustaría que nos hablaras de algunos errores frecuentes y conceptos erróneos sobre el crecimiento liderado por el producto y el uso de la IA para apoyarlo.

¿Qué errores perjudiciales has visto en tu trabajo?

Ramli John: En cuanto a la propia IA, el resultado solo puede ser tan bueno como la información de entrada. Si no le das nada o le das información de baja calidad, también obtendrás un resultado de baja calidad. Basándonos en lo que hemos hablado, como dice Dani, no hay que empezar con una página en blanco.

Hay que proporcionarle el tipo de información adecuado, especialmente para entrenarla con las mejores experiencias de cliente y las mejores llamadas. También hay que darle el contexto correcto, sobre todo durante la expansión: estas son las llamadas que hemos tenido con ellos y estos son los documentos que tenemos. Genera un resultado a partir de esa información.

Hay que darle el contexto y la instrucción adecuados: «Estamos intentando hacer esto, esperamos obtener esto y queremos tres puntos». Esto conecta con lo que dijo Anuj antes: hay que tratarla como una becaria borracha. Yo diría que hay que tratarla como una becaria que acaba de empezar el trabajo. Conviene ser algo más detallado y explícito al principio: «Esto es lo que busco, este es el resultado que espero y este es el contexto de la información».

También he visto indicaciones como: «Imagina que eres el director de éxito del cliente o el director de producto de esta empresa. Esta es la información sobre la empresa y este es el perfil de LinkedIn de la persona. ¿Qué escribirías? ¿Cuáles son los tres puntos que podrían interesarle basándote en las llamadas que hemos tenido?». Ser claro, directo y conciso puede ser muy útil al utilizar la IA.

Dani Grant: Añadiría otro error, especialmente con las personas más junior del equipo. Si recuerdas lo que significa ser una persona nueva en el mercado laboral o en un puesto, una de las habilidades más difíciles de aprender es qué significa que algo esté terminado.

Cuanto más junior eres, más tiendes a entender «terminado» simplemente como «completo», en lugar de comprender el impacto que puede generar un trabajo realmente bueno. Uno de los errores al utilizar la IA en estos procesos es que una persona junior puede considerar que algo está terminado porque la IA ha ejecutado un análisis.

Una persona con más experiencia diría: «Esto ha planteado nuevas preguntas que debemos investigar» o «Esto no termina de tener sentido; debe ser una alucinación» o «Este borrador de correo parece un galimatías y no deberíamos enviarlo».

Creo que ese es un gran riesgo. La forma de evitarlo es mantener muchas conversaciones sobre qué significa «terminado» en el equipo y en la empresa, tanto si se utiliza IA como si no.

Hannah Clark: Es un gran consejo profesional en general: preguntarse constantemente qué significa que algo esté terminado.

Anuj Adhiya: Solo quería añadir un par de cosas, una a lo que dijo Dani y otra a lo que dijo Ramli. Sobre el comentario de Ramli acerca de que si entra basura, sale basura: un consejo práctico que he empezado a aplicar es que la mayoría de las personas ni siquiera saben buscar correctamente en Google.

Para mí, eso es una forma de obtener un indicador temprano de si, al delegar una tarea, esa persona será capaz de formular correctamente una instrucción. Les pido que realicen búsquedas básicas en Google y observo cómo responden. Eso me indica si necesitan más formación antes de dejarlos trabajar con un sistema de este tipo o si entienden de forma natural cómo consultar un sistema.

La otra cuestión está relacionada con lo que decía Dani sobre que algo puede parecer completo. Por eso considero muy valioso que uno de los primeros ejercicios sea lograr que todo el equipo comprenda cuál es la métrica principal del producto. Todos deben entender que esa es la manera en que entregamos valor a nuestros usuarios y clientes, y que todo lo que hacemos está al servicio de aumentar ese valor.

Lo mismo se aplica a las instrucciones que damos a un sistema: esa es la perspectiva que necesita el sistema, no solo la perspectiva de la tarea o del análisis concreto. La pregunta es si esto está al servicio del objetivo más amplio de aumentar el valor para nuestros usuarios.

El tema común que recorre toda esta conversación es que quien interactúe con estos sistemas necesita más contexto y antecedentes. Debe tener una perspectiva general del usuario antes de empezar a interactuar con ellos y extraer lo que considere una idea útil.

Hannah Clark: Sí, están surgiendo varios temas comunes, además de los desafíos relacionados con el trabajo conjunto entre equipos. Vamos a hacer un breve cierre previo. Normalmente aprovecharíamos este momento para hablar de nuestra próxima sesión. Para quienes participan mes tras mes, sabed que no haremos un panel en diciembre.

Nos tomaremos un pequeño descanso durante las fiestas. Volveremos en enero con una sesión más centrada en la carrera profesional, enfocada en la transición hacia una carrera en gestión de producto.

La inscripción comenzará en diciembre. Enviaremos un enlace a nuestros suscriptores cuando esté disponible y se abra el registro. Será una sesión excelente. Para quienes estáis aquí, quizá no sea tan relevante porque ya sois gestores de producto, pero si conocéis a alguien interesado en esta carrera y que os haya hecho muchas preguntas o tenga curiosidad por dar el salto, hacédselo saber. Nos encantaría que nos ayudarais a difundirlo.

Pasemos directamente a las preguntas. Preguntas y respuestas. La pregunta más votada es de DM: «La IA puede mostrar sesgos al interpretar datos complejos, lo que puede llevar a conclusiones engañosas. En el contexto del crecimiento liderado por el producto, ¿cómo podemos aprovechar estratégicamente la IA para mejorar las experiencias de usuario e impulsar el crecimiento, al tiempo que mitigamos estos riesgos?»

¿Alguien quiere liderar esta respuesta?

Dani Grant: La IA no resuelve los problemas humanos y realmente hay que utilizar el criterio propio. Es una gran herramienta, pero necesitas una mente escéptica. Tener una respuesta no resuelve el problema. Al utilizar IA, hay que ser aún más consciente, estar presente y pensar realmente en el trabajo.

Ramli John: Estoy totalmente de acuerdo. Esto conecta con toda la cuestión ética de la IA: debe existir intervención humana. Cuando haya sesgos, una persona debe detectarlos. La IA es solo una aportación a tu proceso de toma de decisiones, junto con datos cualitativos, datos cuantitativos, sugerencias de la IA, la opinión del director ejecutivo o la opinión de alguien de éxito del cliente.

Todos son aportes, pero al final debe ser una persona quien tome la decisión. Hay que ser muy prudente si dejamos que la IA decida por nosotros, porque puede haber sesgos que no detecte por sí sola.

Anuj Adhiya: Creo que es importante no olvidar cómo se hacían las cosas antes. Podemos llamarlas líneas de referencia de la realidad: cómo hacíamos las cosas antes de la IA. Necesitamos un punto de comparación claro. Si no sabemos cómo lo hacíamos antes, ¿cómo sabremos si el sistema está alucinando o si debemos investigar más?

También es importante adoptar un enfoque de triangulación. Si un sistema de IA señala que algunos usuarios están en riesgo, no puedes aceptarlo sin más. Hay que revisar los datos brutos de análisis del producto, los comentarios y lo que dice el equipo de éxito del cliente, y comprobar si esas señales coinciden manualmente. Eso aumenta la confianza en el sistema.

Por ejemplo, Heap Analytics tiene una función diseñada explícitamente para incorporar diversidad en sus datos de entrenamiento. En el crecimiento liderado por el producto, eso significa que sus modelos de IA aprenden de usuarios de distintos tamaños de empresa, sectores y casos de uso. Esto ayuda a detectar si el sistema está dando demasiado peso a un patrón de comportamiento de clientes grandes o muy activos y pasa por alto señales de clientes más pequeños.

No olvidemos cómo hacíamos las cosas antes y verifiquemos siempre los resultados manualmente.

Hannah Clark: Buenos consejos.

La siguiente pregunta más votada es: «¿Recomendaríais utilizar IA en lugar de los equipos tradicionales de soporte o éxito del cliente?». Creo que ya la hemos respondido indirectamente, pero podemos aportar más contexto.

Dani Grant: Lo más importante en 2024 es la experiencia del usuario. Hay más competencia que nunca y es más fácil que nunca cambiar de herramienta. Si alguien se frustra con tu producto, poco después puede registrarse en la prueba gratuita de otro producto. Por eso, la experiencia del usuario es lo más importante.

La decisión debe basarse en la experiencia que quieres ofrecer. Si quieres facilitar la búsqueda de una gran cantidad de documentación y el lenguaje natural simplifica la búsqueda, un soporte al cliente basado en agentes de IA puede ser excelente, porque ofrece una buena interfaz para tu documentación.

Pero si quieres ofrecer una experiencia en la que haya una persona disponible las 24 horas, que se preocupe por el problema del cliente y le acompañe durante todo el recorrido del producto, probablemente no debas ofrecer una experiencia automatizada.

Para algunos usuarios, especialmente desarrolladores, quizá no quieran hablar con nadie ni hacer una llamada, sino realizar una consulta rápida en lenguaje natural. Para las empresas, quizá quieran algo diferente. La cuestión no debe plantearse desde la perspectiva de las herramientas, sino desde la experiencia del usuario.

Ramli John: Estoy totalmente de acuerdo. Creo que la gente busca conexión humana. Existe una frase de Josh Kaufman, autor de The Personal MBA, que dice que existe una paradoja de la automatización: cuanto más eficiente es la automatización, más crucial se vuelve la experiencia humana.

Creo que es totalmente cierto. Cuando una persona real habla contigo, te sientes valorado como cliente. Esto será aún más importante a medida que las empresas automaticen mediante IA el soporte, el marketing, los sitios web y los correos electrónicos, especialmente en productos entre empresas.

Dani Grant: Al mismo tiempo, el nivel de exigencia para una experiencia de IA de calidad es cada vez mayor. Si una empresa introduce una función de IA o un chat de soporte basado en IA y la experiencia es de baja calidad, puedes llegar a odiarla más que si fuera una función o un chat normal.

Si vas a introducir una funcionalidad central como el soporte al cliente mediante IA y el cliente sabe que es IA, debe ser realmente buena. El nivel de exigencia es aún mayor.

Hannah Clark: Nuestra última pregunta del día es: «¿Cómo equilibráis la personalización mediante IA con las preocupaciones de privacidad de los usuarios?»

Dani Grant: Sigue tu política de privacidad. Si crees que algo está mal, no lo hagas. Si tu política dice que puedes consultar métricas generales de uso para mejorar el producto, la IA puede ayudarte con eso. Si no dice que puedes consultar todos los datos de los usuarios, entonces no lo hagas. La confianza del usuario está por encima de todo.

Hannah Clark: No creo que haya mucho más que añadir.

Ramli John: Hay matices. He recibido correos que decían: «Ramli, hemos visto que has hecho X, Y y Z en nuestro producto». Puede haber valor en eso si estoy atascado y necesito ayuda. Pero también puede hacerme sentir vigilado. Estoy dentro de tu producto, así que quizá espero que veas lo que hago, pero hay que actuar con cuidado.

Anuj Adhiya: Esto conecta con una pregunta sobre la que he estado reflexionando. Alguien lo llamó personalización respetuosa. La clave es ser transparente sobre el intercambio de valor.

No creo que la gente deje de esperar que utilicemos IA para personalizar las experiencias, pero conviene seguir reglas sencillas. Si vas a recopilar un dato concreto, internamente debes tener un beneficio claro y demostrable para el usuario. Esa debe ser tu guía principal.

Hannah Clark: Todo esto ha sido muy interesante. Desafortunadamente, se nos ha acabado el tiempo. Siempre nos ocurre: nunca dejamos suficiente tiempo para responder todas las preguntas. Gracias a todos por una sesión tan participativa, por intervenir en el chat, por vuestras preguntas y por acompañarnos hoy.

Ha sido fantástico que sacarais tiempo para estar aquí. Espero que la sesión haya sido útil para todos los asistentes. Quiero agradecer especialmente a nuestros panelistas, Ramli, Anuj y Dani. Habéis sido increíbles. Ha sido un placer teneros con nosotros. Gracias a todos y que tengáis un buen día.

Gracias por escucharnos. Para obtener más información, guías prácticas y reseñas de herramientas, suscríbete a nuestro boletín en theproductmanager.com/subscribe. Puedes escuchar más conversaciones como esta suscribiéndote a The CPO Club en cualquier plataforma donde escuches tus pódcasts.