Encuentra tu Ventaja Injusta en la Era del Salvaje Oeste del Producto

Lee la transcripción:

Estamos probando la transcripción de nuestros podcasts usando un programa de software. Por favor, disculpa cualquier error tipográfico, ya que el bot no es correcto el 100% del tiempo.

Hannah Clark: Es oficial. La codificación basada en el “vibe” ha entrado en el vocabulario general, y estamos entrando en un momento crítico en el que la IA, los productos digitales y la cultura se están uniendo en un gran salto evolutivo. Democratizar el acceso al desarrollo de productos digitales, o en términos más sencillos, “construir en base al vibe”, marca una nivelación permanente del campo de juego en la que literalmente cualquiera puede convertirse en fundador.

Y si bien eliminar barreras de entrada significa que más buenas ideas tendrán camino al mercado, también implica que, bueno, más buenas ideas encontrarán su camino al mercado. O sea, muchas más. Y a esta escala, las implicaciones son mucho mayores que simplemente tener mucha más competencia. Significa que, si esperamos ser verdaderos contendientes en este mercado, necesitamos mantener nuestras estrategias de GTM y crecimiento a un estándar mucho más alto.

Y por suerte para ti, mi invitada de hoy es Margaret-Ann Seger, Jefa de Producto en Statsig. Como escucharás en breve, Margaret-Ann, o MA para quienes la conocen, tiene un increíble sentido para identificar lo que realmente sobresale y pone en marcha motores de crecimiento. Pero el objetivo absoluto que escucharás en este episodio son las tácticas que ella y el equipo de Statsig utilizan para permitir la colaboración entre sus usuarios y el equipo de producto. Definitivamente vas a querer tomar notas. Vamos a sumergirnos.

Ah, por cierto, tenemos conversaciones como esta cada semana, así que si te parece interesante, ¿por qué no te suscribes? Bien, ahora sí, vamos allá.

Bienvenidos de nuevo al podcast de The CPO Club. Margaret-Ann, muchísimas gracias por sacar tiempo para charlar hoy conmigo.

Margaret-Ann Seger: Gracias por invitarme al programa, Hannah.

Hannah Clark: ¿Puedes contarnos primero un poco sobre tu trayectoria y cómo llegaste a donde estás hoy en Statsig?

Margaret-Ann Seger: Claro. Dirijo producto y diseño en Statsig, que es la plataforma moderna de inteligencia de producto.

Entonces, desde los test AB tradicionales hasta test de modelos offline, los equipos están cada vez más construyendo con modelos, con funciones inteligentes de feature flagging, analítica de producto. Ayudamos a los equipos a incorporar datos en cada parte de su proceso de construcción de producto en esta era de la IA. Así que es una plataforma bastante integral. Para mí, resuena mucho porque vengo de compañías tecnológicas grandes.

Comencé mi carrera en Big Tech, empecé en Facebook y luego pasé poco más de seis años en Uber. Ambas compañías estaban en hipercrecimiento cuando me uní, pero tuve el lujo de contar con un conjunto de herramientas internas super útiles. Y no fue hasta que salí de allí, en 2020, y entré en el mundo real, que me di cuenta de que no todas las empresas tienen acceso a esas herramientas.

Así que lo que estamos construyendo en Statsig resuena porque estamos democratizando el acceso a ese mismo conjunto de herramientas para cada empresa.

Hannah Clark: Increíble. Hoy vamos a hablar un poco más sobre el lado del crecimiento, cómo clavar la estrategia de crecimiento y GTM, hablando de democratización en la era de la IA cuando muchas partes del proceso de desarrollo y lanzamiento de producto están democratizadas.

Tenemos que encontrar formas realmente inteligentes e intuitivas para destacar. Así que comencemos haciendo referencia a una línea que mencionaste en una conversación previa, que me gustó mucho: los fundadores primerizos se preocupan por el producto; los fundadores reincidentes se preocupan por la distribución. Creo que es una forma muy concisa de enmarcar la conversación.

Cuando piensas en esto, ¿cuál crees que es el cambio de mentalidad más importante que los líderes de producto necesitan hacer cuando pasan de una mentalidad centrada en producto a una centrada en distribución?

Margaret-Ann Seger: Buena pregunta. De hecho, mi esposo me dijo esa frase. Me la compartía cuando estaba delineando su startup.

Fue muy a tiempo tener esa conversación. Pero creo que el espíritu de eso es que al final del día, puedes construir el producto más increíble del mundo, pero si nadie lo conoce o no tienes forma de ponerlo delante de las personas correctas, no vas a ser exitoso. Y creo que esto es especialmente cierto en la era de la IA, ¿no?

Porque hay muchos más productos, ¿verdad? La barrera para crear un producto ha bajado. Ahora cualquiera puede crear su propia app, su propio sitio web, su propio X, Y, Z. Entonces habrá mucho más ruido. ¿Cómo destacas? ¿Cómo logras distribución? Me vienen a la mente algunos ejemplos cuando pienso que esto se hace bien, como por ejemplo, no es un producto tecnológico estrictamente, pero...

La línea de maquillaje de Hailey Bieber fue adquirida recientemente, Road. Y fue adquirida por más de mil millones de dólares, un éxito super rotundo. Y todo eso se construyó solo sobre su marca. Probablemente ella es buena con el maquillaje, pero seguro hay un millón de personas que saben más de los detalles de crear maquillaje, etc.

Pero tiene una marca fenomenal. Tenía distribución. Puedes lanzar eso así. Recuerdo de mis tiempos en Facebook, teníamos una distribución increíble, así que cualquier función que lanzarás podía pasar de cero a cientos de millones de usuarios de la noche a la mañana porque ya tenías una plataforma enorme con alta adopción.

Incluso lo vemos en las empresas de IA, como cursor que se apoyó sobre VS Code. Hay comportamientos y canales de distribución existentes sobre los que se puede construir algo adicional y, de la noche a la mañana, lanzar. Creo que eso diferenciará a las empresas realmente exitosas: si encuentran un canal de distribución sostenible y creativo.

Y no solo será cuestión de si tienes un buen producto; eso casi será solo el punto de partida en la era de la IA.

Hannah Clark: Sí, y exactamente, creo que es la preocupación de muchas personas: puedes tener una gran idea, pero la funcionalidad del producto que creas no es necesariamente única; hay muchos caminos hacia ese mismo resultado.

Así que si pensamos en estrategias para diferenciar buenos productos de la multitud, sabiendo que cualquiera puede crear la misma app que tú puedes crear, ¿qué ideas sugerirías para que las personas empiecen cuando intentan hacerse un espacio en el mercado?

Margaret-Ann Seger: Sí. Creo que uno importante, del que no se habla tanto, son los bucles de retroalimentación.

Puede que tengas un asistente de IA escribiendo tu código, o asistencias en cada paso del proceso de construcción y lanzamiento de producto. Pero ¿cómo recoges retroalimentación cuando está fuera en el mundo? Y tanto retroalimentación cualitativa como cuantitativa, ¿verdad? Debes saber rápidamente si lo que construyes realmente funciona.

Que esos bucles de retroalimentación funcionen bien. Así tendrás señales constantes e irás iterando conforme a ellas. Y creo que aquí el diferenciador para muchos, y de hecho en statsig lo vemos como un diferenciador para nosotros, es la velocidad. Así que, una vez que esos bucles de retroalimentación funcionan, ¿puedes incorporar esa retroalimentación e iterar más rápido que los demás?

Si tus usuarios te dicen algo, ¿puedes capitalizarlo de inmediato? Así que esos bucles de retroalimentación más velocidad diferenciarán a los ganadores. Incluso a veces lanzamos cosas que ni siquiera están terminadas, muy básicas, solo para obtener señal y así informar lo que finalmente construiremos y acortar parte del proceso tradicional de desarrollo de producto.

Hannah Clark: En esa línea, esto trata de conocer a los usuarios, y creo que siempre ha sido crítico y ahora es absolutamente fundamental. ¿Cuál es un enfoque táctico que los líderes de producto pueden usar para realmente entender su ICP ahora, dado este panorama democratizado?

Margaret-Ann Seger: Esto puede ser controversial, pero de hecho, hacer soporte.

Creo que los PMs haciendo soporte y trabajando con clientes cuando experimentan problemas es super útil si quieres entender a tu usuario, que como dices será más importante que nunca. En Statsig llevamos esto al extremo y me sorprendió cuando llegué.

No tenemos un equipo de soporte; el equipo completo, toda la empresa es responsable del soporte. Hemos creado una suite de herramientas complejas, con grupos de feedback en Slack que se manejan automáticamente por un bot que enruta los casos al encargado según rotación semanal.

Yo soy jefa de producto, pero también hago soporte. Así que escucho cuando algo va mal. Veo cuando la gente se atasca en un flujo específico y eso me permite mantenerme en contacto constante con el cliente y sus puntos de dolor e incluir eso en cada conversación automáticamente.

Esto es controversial porque muchas empresas, Sierra, e incluso muchas empresas de bots de soporte por IA básicamente usan como premisa que no deberías estar respondiendo estas preguntas; lo delegan a un bot o la IA. Yo creo que sí ayuda a mantenerte cerca.

Además creo que los clientes lo aprecian. Casi se convierte en un punto de diferenciación en este mundo nuevo.

Hannah Clark: Sí, esto me sorprende mucho. Me parece una estrategia brillante, porque ya sea que uses un bot para responder preguntas de soporte o tengas un equipo dedicado...

Si mantienes eso separado del proceso de desarrollo para quienes están más cerca del producto, dependes de pasar la información o de chequearte con la gente adecuada. Pero también creo que es brillante porque si no, ¿de qué otras formas obtienes retroalimentación?

La pides solo a los que ya aman mucho el producto y quieren ayudar, o a quienes lo odian. Pero en el área de soporte, no se espera que se tome en cuenta su feedback, sólo intentan llegar de A a B y ese punto medio es de otro modo difícil de capturar.

Margaret-Ann Seger: Sí, es muy interesante y creo que ves a los clientes en su entorno real. Los encuentras en el momento y ves la emoción. Es genial ver a nuestros ingenieros desarrollar empatía: como que escala muy bien, no sólo los PMs hacen esto, también los ingenieros.

Se entusiasman, ven una oportunidad para mejorar un flujo y lanzan un arreglo rápido. Así logras más solo construyendo empatía desde abajo.

Hannah Clark: Absolutamente. Y veo gran valor en poder comprender realmente los casos de uso en el momento y entender qué intentan lograr.

¿Debería haber una forma más sencilla que no requiera contactar soporte? Esto realmente me inspira, me encanta la idea. Me alegra que haya salido. Pasemos a lo siguiente. Al pensar en la velocidad de los ciclos de desarrollo, lo otro que mencionaste para diferenciarse rápido es incorporar la retroalimentación en la hoja de ruta del producto muy rápidamente.

Entonces sugeriste, cosas improvisadas, construir rápido, lanzar rápido y recabar comentarios. ¿Qué marco utilizas para decidir qué construir primero y probar, si hay muchas opciones y caminos posibles?

Margaret-Ann Seger: Lo insinué antes, pero hemos comenzado a filmar videos de prototipos. Creamos el prototipo y filmamos un video como si fuera un producto real y decimos que está abierto para beta si alguien está interesado, y no lo construimos. Sólo si el cliente nos contacta o alguien lo ve en LinkedIn y dice: esto es genial.

Si recibimos suficiente demanda y entusiasmo, lo construimos. Es una forma muy barata de validar ideas sin construir un producto completo y todos los casos extra y matices a considerar.

Esto lo probamos varias veces y nos ha ido muy bien, así que seguiremos haciéndolo, dejando que el mercado nos diga qué construir y qué no.

Hannah Clark: Esto es como ver detrás de la cortina. Es como un momento revelación del Mago de Oz.

Margaret-Ann Seger: Quizá no debería decirlo.

Hannah Clark: No, es genial, porque hay muchas cosas que podrías hacer, pero si no generas entusiasmo—como dices sobre la distribución—¿para qué invertir esfuerzo en el desarrollo si no tienes ese impulso?

Margaret-Ann Seger: La belleza de esto es que consigues distribución validada desde el día uno. Ya está probado.

Hannah Clark: Fantástico. Hablemos de usar IA para la estrategia GTM. Al final, se trata de cómo lanzar y tener éxito cuando hay montones de productos semejantes saliendo todo el tiempo y muchos piensan: solo le pido a ChatGPT una estrategia GTM.

Te ríes... Y sí. Dime, ¿qué falta en esa estrategia, qué no se puede automatizar y que debe hacerse manualmente?

Margaret-Ann Seger: Mira, puedes usar, no quiero menospreciar a ChatGPT, sirve para muchos entregables concretos. Pero saber qué resultados necesitas y cómo presentarlos es todo un arte. Ya se bromea que los PMs serán ingenieros de prompts.

Creo que puedes usar estas herramientas para la estrategia GTM, pero debes guiar el proceso. El motivo por el que debe haber humanos es la empatía. Tu estrategia GTM solo funcionará si tienes empatía profunda por tu cliente, comprendes su dolor y sabes cómo posicionar la solución y hablar su lenguaje.

Hay distintos tipos de insumos: Cuantitativos (qué hacen o no hacen los usuarios; lo que dicen puede diferir de lo que hacen), cualitativos (ver sus sesiones, entender realmente qué hacen y dónde se atascan). La IA puede ayudar en ambos procesos: hay muchas startups que sintetizan repeticiones de sesión mediante IA, es muy astuto porque se graban miles de sesiones y no puedes ver todas.

Quieres que un bot extraiga los puntos clave y te los envíe. Pero hace falta una persona que tome ese análisis y, sabiendo cómo se comportan los humanos, combine los datos para dar con el posicionamiento adecuado.

Una vez que tienes el enfoque, puedes pedirle a ChatGPT que te ayude a pulir el mensaje. Pero hay mucho trabajo anterior que hacer.

Hannah Clark: Hablemos de la anatomía de una fuerte estrategia GTM hoy vs. hace 5 años. ¿Cuáles son las claves?

Margaret-Ann Seger: Es difícil definir una gran estrategia hoy. Es más fácil decir qué ya no funciona. Incluso desde 2022 he visto el cambio en Statsig.

Varias cosas han cambiado radicalmente. SEO ahora es diferente, muchos modelos y personas pasan de Google y buscan directamente en ChatGPT, Claude o Gemini, así que el SEO ya no rinde igual. También, el estándar de diferenciación es mucho más elevado.

Antes el contenido de calidad era un diferenciador, si hacías un buen blog o newsletter...

Hannah Clark: O un pódcast.

Margaret-Ann Seger: Sí, todo eso bastaba, y ahora es casi el mínimo. Especialmente el contenido escrito está saturado porque es fácil de generar, son montones de blogs de IA solo para rankear en búsquedas. Lo que antes era bueno ya no basta.

Ahora, de lo que creo es el estándar oro: el toque humano. Tener un ser humano involucrado casi será revolucionario y la gente gravitará hacia marcas más humanas.

Es curioso, nos dijeron que la marca Teas era diferente de una típica de IA y pregunté por qué, y respondieron: porque hay muchas personas, aparecen videos lanzando cosas, firmas de blogs con rostro humano. Somos muy de personas primero. Eso hoy es casi contracorriente y memorable.

Lo hemos observado mucho: perros de empleados en la web, las personas detrás del producto no solo haciendo videos, también respondiendo soporte. Eso nos ha diferenciado. Así como se destila la tendencia de casas con suelos grises y madera blanca, creo que será parecido en tech: todos se parecen y destacar será una ventaja.

Hannah Clark: Esto coincide con la tendencia de que todo se satura y luego la gente busca lo contrario. Ya los sitios limpios y minimalistas son tan comunes que se busca lo manual, lo humano. Un poco como el cambio de Instagram a TikTok: pasamos de lo pulido a lo espontáneo y personal.

Así que sí, la prueba de que hay personas detrás resulta atractiva. Si hablamos de equipos de crecimiento usando herramientas como en Statsig, ¿cuál es el mayor error GTM que ves al tener acceso a mucha tecnología de medición?

Muchos datos a interpretar, y correlaciones engañosas. ¿Cómo orientarnos?

Margaret-Ann Seger: Es interesante. Cada vez más equipos quieren ser guiados por datos, usan más herramientas para registrar datos.

El problema es que a menudo los insumos no cuadran. Si tienes 4 herramientas logueando acciones similares, acabas con 4 sets de datos distintos que rara vez coinciden. Se vuelve caótico, la gente pierde confianza en los datos y no sabe a cuál hacer caso.

Paradójicamente, cuantos más datos y herramientas, más difícil es ser realmente data-driven. Una tendencia de la industria es la consolidación: plataformas que combinan herramientas; nosotros somos uno de ellos.

Así tienes un único SDK y fuente de verdad, normalmente el data warehouse empresarial. Todas las herramientas deberían apoyarse ahí, no crear nuevas fuentes. Así los equipos vuelven a confiar en los datos. Pero es un proceso lento de reconstruir la confianza perdida.

Además, sorprende cuánta gente dice que es data-driven y no sabe cómo rinde una nueva función; porque lanzar algo como experimento es complicado, lleva preparar un doc, coordinar con el DS, revisar las métricas. Herramientas que simplifican este proceso, activando flags y AB tests ligeros por defecto, facilitan validar ideas rápidamente y construir ese músculo de experimentación. No será perfecto ni tendrá toda la metodología avanzada, pero es una buena entrada para los equipos.

Hannah Clark: Hablando de construir ese músculo, mucho de lo que hablamos es la combinación de mentalidad de desarrollo y de distribución. Ahora todos los del equipo de producto deben interiorizar y pensar en desarrollo y distribución a la vez. ¿Cómo ganar confianza en desarrollar esas habilidades? ¿En Statsig tienen todos esa mentalidad o fomentan algo para los que no están en marketing pero deben pensar en cómo se lanzará lo que hacen?

Margaret-Ann Seger: Es difícil impregnar ese ADN. Algo genial—más de contratación—es buscar ingenieros orientados al producto y a los usuarios, que se apasionan también por el marketing y la adopción, y por saber si los usuarios y los datos son como esperábamos.

Por ejemplo, nuestro equipo de infraestructura ha desarrollado herramientas similares a Datadog porque quieren usar nuestro propio producto intensivamente.

Se han puesto a fondo y ahora monitorizan toda la salud de la infraestructura en Statsig. Se acercaron a mí y me dijeron: "¿Podemos mercadear esto, ofrecerlo como un extra?" Y claro, dijimos que sí. Aunque está verde, como somos los principales usuarios, es una manera ideal de construir algo para ti mismo, detectar valor y luego comercializarlo.

Ahora el líder de ingeniería de esa área está muy involucrado con nosotros en posicionar esa herramienta.

Hannah Clark: Eso muestra cómo lanzar y distribuir es muy específico a la historia del producto y donde encuentras valor. ¿Puedes contar otra historia, un ejemplo donde el storytelling y lo humano han sido claves en lanzar un producto?

Margaret-Ann Seger: No es reciente, fue en 2018. Siempre vuelvo a esto como estándar oro en GTM: en Uber, hicimos "Driver Forward". Para contextualizar, Uber creció muy rápido, los conductores fueron clave pero poco reconocidos; la narrativa solía girar en torno a los usuarios—llegar a casa seguros, llevar niños a práctica deportiva...

Había poca narrativa sobre los conductores, que ganaban dinero, enviaban a sus hijos a la universidad, y mucho más gracias a Uber. Había una lista larga de solicitudes de conductores y mejoras pendientes.

La empresa decidió que sería momento de poner a los conductores en el centro. Así que se combinó el lanzamiento de nuevas funciones temáticas mensuales durante seis meses con historias y sesiones con conductores. Lanzamientos en distintas ciudades, muy centrados en el conductor.

Funcionó muy bien: fue un gran cambio en la confianza conductor-Uber y un ejemplo de cómo alinear la hoja de ruta de producto y marketing.

La responsable clave fue Laura Jones, ahora CMO de Instacart, y es fenomenal. Es el ejemplo ideal de poner al usuario en el centro, construir en torno a su dolor, y alinear toda la empresa bajo ese objetivo.

Hannah Clark: Me encanta este ejemplo. Resume perfectamente la mentalidad adecuada en acción.

Margaret-Ann Seger: Fue genial presenciarlo.

Hannah Clark: Muchas gracias por acompañarnos hoy. Una conversación excelente, muchos puntos clave en poco tiempo.

Si la gente quiere seguir tu trabajo, ¿dónde puede encontrarte online?

Margaret-Ann Seger: LinkedIn, aparezco como MA, pero mi nombre completo es Margaret-Ann Seger y también publicamos cosas interesantes en el blog de Statsig. Es muy centrado en las personas si quieren conocer al equipo: statsig.com/blog.

Hannah Clark: Muchas gracias.

Margaret-Ann Seger: Gracias a ti.

Hannah Clark: Gracias por escucharnos. Para más insights, guías y reseñas de herramientas, suscríbete a nuestro newsletter en theproductmanager.com/subscribe. Puedes escuchar más conversaciones como esta suscribiéndote a The CPO Club en tu plataforma de pódcast favorita.