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

Lee la transcripción:

Estamos probando transcribir nuestros podcasts con un programa de software. Por favor, disculpa cualquier error tipográfico ya que el bot no es 100% preciso.

Hannah Clark: Es oficial. El ‘vibe coding’ ha entrado en el vocabulario de la gente general y estamos en un momento crítico donde la IA, los productos digitales y la cultura se unen en un gran salto evolutivo. Democratizar el acceso al desarrollo de productos digitales, o en palabras más sencillas, ‘construir según la vibra’, marca una nivelación permanente del campo de juego en la que literalmente cualquiera puede convertirse en fundador.

Y aunque eliminar barreras de entrada significa que más grandes ideas tendrán camino al mercado, también supone que, bueno, más grandes ideas tendrán camino al mercado. Muchas más. Y a esta escala, las implicaciones de eso son mucho mayores que simplemente tener mucha más competencia. Significa que si esperamos ser verdaderos contendientes en este mercado, debemos exigir un estándar mucho más alto para nuestras estrategias de GTM y crecimiento.

Y qué suerte para ti, mi invitada de hoy es Margaret-Ann Seger, jefa de producto en Statsig. Como pronto escucharás, Margaret-Ann, o MA como la llaman, tiene un increíble instinto para saber lo que destaca entre el ruido y hace funcionar los motores de crecimiento. Pero el verdadero oro que escucharás en este episodio son las tácticas que ella y el equipo de Statsig usan para habilitar la colaboración entre sus usuarios y el equipo de producto. De verdad vas a querer tomar notas. Vamos a empezar.

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

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

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

Hannah Clark: Entonces, ¿puedes contarnos un poco sobre tu experiencia y cómo llegaste a estar donde estás hoy en Statsig?

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

Desde testeo AB tradicional hasta pruebas de modelos offline, cada vez más equipos están construyendo con modelos, gestión inteligente de banderas de características, analítica de producto. Ayudamos a los equipos a incorporar datos en cada parte del proceso de creación de productos en esta era de IA. Así que es una plataforma bastante completa. Para mí tiene mucho sentido porque vengo de empresas tecnológicas grandes.

Comencé mi carrera en Big Tech, estaba en Facebook y luego pasé poco más de seis años en Uber. Ambas empresas estaban en hipercrecimiento cuando me uní, pero tuve el lujo de disponer de un conjunto de herramientas internas súper potentes para usar. Y no fue hasta que salí en 2020 y salté al mundo real que me di cuenta de que no todas las empresas tienen acceso a estas herramientas.

Y por eso lo que construimos en Statsig resuena tanto: estamos democratizando el acceso a ese mismo conjunto de herramientas para cada empresa.

Hannah Clark: Eso es genial. Hoy vamos a hablar un poco más sobre la parte de crecimiento, cómo acertar en la estrategia de crecimiento y GTM, hablando de democratización en la era de la IA cuando tantas partes del desarrollo y lanzamiento del producto están democratizadas.

Realmente debemos encontrar maneras inteligentes e intuitivas para destacar. Así que empecemos haciendo referencia a una frase que compartiste conmigo en una conversación anterior, que me gustó mucho, que es: los fundadores primerizos se preocupan por el producto; los fundadores recurrentes se preocupan por la distribución. Creo que es una forma muy sucinta de enmarcar la conversación.

Cuando piensas en esto, ¿cuál crees que es el cambio de mentalidad más importante que los líderes de producto deben hacer al pasar de priorizar producto a priorizar distribución?

Margaret-Ann Seger: Buena pregunta. Esto en realidad, me lo dijo mi esposo. Me lo estaba contando mientras planificaba su startup.

Fue muy oportuno tener esa conversación. Pero creo que el espíritu es que al final del día, puedes crear el producto más increíble del mundo, pero si nadie lo conoce o no tienes forma de llegar a las personas indicadas, no tendrás éxito. Y creo que esto es especialmente cierto en la era de la IA, ¿verdad?

Porque ahora hay muchísimos más productos, la barrera para crear un producto ha bajado. Ahora cualquiera puede crear su propia app, su propio sitio web, su propio lo que sea. Y por eso habrá mucho más ruido. ¿Cómo destacas? ¿Cómo logras distribuirlo realmente? Siempre pienso en algunos ejemplos cuando veo esto bien hecho. Por ejemplo, no es un producto tecnológico en sí, pero…

La línea de maquillaje de Haley Bieber fue adquirida recientemente, Road, por más de mil millones de dólares y fue un éxito súper grande. Y todo se basó en su marca. Seguramente sabe de maquillaje, pero apuesto a que hay muchísimas personas que saben aún más sobre los detalles de crear maquillaje.

Pero ella tiene una marca fenomenal y tenía distribución. Puedes activar eso en un instante. También lo pienso cuando recuerdo mi tiempo en Facebook: teníamos una distribución increíble y cualquier función que lanzaras podía pasar de cero a cientos de millones de usuarios en una noche porque ya había una plataforma gigante con gran adopción.

Incluso ahora lo ves en las empresas de IA, como cursor que se apalancó sobre VS Code. Aprovechan comportamientos existentes y canales de distribución actuales para montar algo más encima y en un momento, boom, lo prenden. Creo que eso diferenciará a quiénes tendrán éxito de verdad: si pueden crear canales de distribución innovadores y sostenibles.

Y ya no será solo «¿tienes buen producto?» porque eso va a ser lo mínimo esperable en la era de la IA.

Hannah Clark: Sí, y creo que esa es exactamente la preocupación que mucha gente tiene: puedes tener una gran idea, pero la funcionalidad del producto que creas no es única, hay muchos caminos hacia el mismo resultado.

Así que, si pensamos en estrategias para diferenciar productos geniales del resto, sabiendo que cualquiera puede crear la misma app, ¿qué ideas recomendarías para quienes están intentando hacerse su hueco en el mercado?

Margaret-Ann Seger: Sí. Algo importante, y de lo que no se habla tanto, son los bucles de retroalimentación.

Puede que tengas un asistente de IA programando tu código, asistentes en cada paso de la creación y lanzamiento, pero ¿cómo recibes feedback cuando está en el mundo real? Tanto feedback cualitativo como cuantitativo, ¿verdad? Necesitas saber rápido si lo que creas realmente funciona y tener esos bucles de retroalimentación en marcha. Así recibes señales constantemente y vas iterando en consecuencia. Luego, la otra diferencia es la velocidad. ¿Puedes incorporar ese feedback e iterar más rápido que los demás?

Por ejemplo, en Statsig vemos esto como diferenciador: obtenemos feedback y lo incorporamos rápidamente. Si tus usuarios te dicen algo, ¿puedes capitalizarlo al instante? Ese bucle de feedback más velocidad marcarán la diferencia. Muchas veces lanzamos algo que ni siquiera está terminado sólo para obtener señales y así decidir mejor y acelerar el proceso de construcción, atajando.

Hannah Clark: Sobre ese tema, se trata de conocer al usuario, algo que siempre ha sido crucial y ahora es primordial. ¿Cuál sería un enfoque táctico que líderes de producto pueden usar para entender su ICP, considerando este contexto democratizado?

Margaret-Ann Seger: Va a ser polémico, pero: haz soporte.

Creo que para los PM, hacer soporte y trabajar con clientes cuando tienen problemas ayuda mucho si quieres entender a tu usuario. Nosotros llevamos esto al extremo en Statsig y me sorprendió cuando llegué.

No tenemos un equipo de soporte tradicional: todo el equipo, toda la empresa es responsable de soporte. Creamos un conjunto de herramientas automáticas, grupos de feedback en Slack que el bot deriva automáticamente a la cola del responsable del día. Todos rotan. Soy jefa de producto y también hago soporte. Así escucho cuando hay problemas, veo donde los usuarios se atascan y permanezco en contacto constante con su dolor, canalizándolo en cada conversación.

Esto es polémico porque muchas empresas, e incluso las IA de soporte al cliente, su premisa es que justo no deberías tener que responder preguntas, que eso lo hará un bot o la IA. Pero creo que ayuda a mantenerse en contacto y los clientes lo aprecian, se vuelve un punto diferenciador en este mundo nuevo.

Hannah Clark: Me está volando la mente, me parece una estrategia brillante. Porque, si tienes a un bot contestando dudas o a un equipo de soporte tradicional, si mantienes eso separado del desarrollo, o tienes que estar pendiente de informar a las personas adecuadas. Además, de lo contrario, ¿cómo recibes feedback?

Lo solicitas a quienes ya aman el producto y quieren ayudar, o a los que lo odian. Pero en el área de soporte, no se espera ese feedback, solo buscan resolver problemas; y ese punto medio es difícil de captar de otra forma.

Margaret-Ann Seger: Es muy útil. Ves a los clientes en su entorno real, en el momento, incluso ves la emoción. Es genial ver cómo nuestros ingenieros construyen empatía: no son solo los PM, también los ingenieros.

Se entusiasman con mejorar un flujo y sacan una solución rápida. Así consigues mucho a partir de la empatía desde abajo.

Hannah Clark: Sí, y también veo el valor en entender los casos de uso en el momento y lo que intentan lograr los usuarios, preguntarte si hay una forma más fácil y evitar que tengan que contactar soporte. Mi cabeza está vibrando, me encanta la idea. Pasemos a lo siguiente. Hablando de la velocidad de los ciclos de construcción, lo otro que mencionaste sobre diferenciarse es la capacidad de incorporar feedback rápidamente en la hoja de ruta.

Sugieres cosas rápidas, construir sin perfección, lanzar, recibir feedback. Entonces, ¿qué marco usarías para decidir qué construir y probar primero, si hay mil opciones?

Margaret-Ann Seger: Lo mencioné brevemente antes, empezamos a grabar videos de prototipos. Hacemos el prototipo, filmamos un video como si fuera un producto real, decimos que está abierto el acceso beta, y no lo construimos aún. Si un cliente nos contacta porque le interesa o alguien lo ve en LinkedIn y le gusta, nos escribe. Si hay demanda y emoción, lo construimos. Es una forma de bajo coste para validar ideas sin crear un producto completo con todos sus detalles y casos límite.

Lo hemos probado varias veces y ha funcionado tan bien que vamos a seguir haciéndolo y dejar que el mercado decida qué debemos construir o no.

Hannah Clark: Esto es como mirar tras bambalinas. Es como una revelación estilo Mago de Oz.

Margaret-Ann Seger: Tal vez no debería decir esto.

Hannah Clark: No, me parece brillante, porque existen muchas opciones, pero si no tienes entusiasmo y, como decías, distribución, ¿para qué invertir todos esos recursos sin ese momentum?

Margaret-Ann Seger: Esa es la belleza: conseguimos distribución incorporada desde el primer día porque ya la validamos.

Hannah Clark: Fantástico. Bien, hablemos del uso de la IA en la estrategia de GTM. Al final, la cuestión es: ¿cómo lanzas un producto y tienes éxito cuando hay tantísimos productos como el tuyo cada minuto? Muchos piensan que sólo hace falta pedirle a ChatGPT la estrategia GTM.

Estás riendo y sí… Por qué?

Margaret-Ann Seger: Porque tienes razón. Puedes apoyarte mucho en ChatGPT para los outputs concretos. Pero saber cuáles deben ser esos outputs y cómo enmarcarlos es un arte. Existe hasta el meme de que los PM serán ingenieros de prompts.

Sí puedes usar esas herramientas, pero debes guiar el proceso, ser quien lidere el prompt. Por eso debe haber un humano: se trata de empatía. Tu estrategia GTM sólo funcionará si tienes verdadera empatía con el cliente: entiendes su dolor, te comunicas en su lenguaje y sabes presentar tu oferta en el momento adecuado.

Para eso hacen falta muchos inputs: cuantitativos (entender qué hacen o no los usuarios, a veces dicen una cosa y hacen otra), cualitativos (ver sus sesiones, observar más allá de lo que dicen, dónde se traban). La IA puede ayudar en ambos: hay startups sintetizando repeticiones de sesiones con IA; grabas miles de sesiones, pero no puedes verlas todas, así que quieres que alguien —o un bot— filtre los insights y te los resuma. Pero sigue necesitando de un humano para unir los puntos, entender patrones humanos, el ICP, motivaciones y entonces convertirlo en un buen enfoque.

Cuando tienes el enfoque, puedes pedirle a ChatGPT que lo impulse, pero hay mucho trabajo previo necesario.

Hannah Clark: Pasemos a los detalles de una buena estrategia GTM. Un contexto con mucha más competencia requiere estrategias mucho más sólidas. Si diseccionamos la estrategia perfecta de GTM de hoy comparada con la de 2020, ¿cuáles serían sus claves?

Margaret-Ann Seger: Pregunta difícil porque es complicado definir una estrategia perfecta hoy. Pero sí es fácil decir lo que antes funcionaba y ya no. Por ejemplo, desde que me uní a Statsig en 2022 han cambiado varias cosas.

El SEO, por ejemplo, es muy distinto porque ahora los modelos hacen que la gente obvie Google y vaya directo a ChatGPT, Claude o Gemini. SEO ya no es tan rentable una vez que la masa crítica se mueve allí. El otro cambio es que la diferenciación requiere estándares mucho más altos.

Hace poco era suficiente con contenido de calidad: un buen blog, newsletter…

Hannah Clark: O podcast.

Margaret-Ann Seger: Sí, todo eso era suficiente, pero ahora es sólo el punto de partida. Sobre todo el contenido escrito se vuelve menos diferencial porque es demasiado sencillo generar toneladas de textos automáticos con IA.

Entonces, ¿cómo escribes algo que destaque cuando la gente bombardea la web con contenido hueco generado por IA para posicionar?… Cambiando a lo que creo que es el nuevo estándar: el trato humano será el distintivo. Tener una persona detrás será casi revolucionario y marca diferencia, la gente migrará hacia las marcas más humanas.

Por ejemplo, alguien nos dijo que la marca de Theas parecía distinta de las típicas de IA. ¿Por qué?, le pregunté. La respuesta: hay muchas personas visibles, los empleados aparecen, los PM graban videos, firman los artículos del blog, es muy humano. Y esto, hoy, resulta rompedor frente a marcas muy minimalistas, limpias y un poco estériles. Ser “desordenado” y genuino puede diferenciarte mucho.

Nosotros, por ejemplo, tenemos fotos de nuestros perros en la web, y las personas detrás del producto responden dudas y graban videos. Eso nos diferencia. Es como una casa blanca y minimalista en lo estético versus una casa original: destacar de la masa te da ventaja.

Hannah Clark: Totalmente. Es como todo: cuando una tendencia satura, la gente busca lo opuesto—como de Instagram, que popularizó lo pulido, a TikTok, más directo y casero.

Esto está pasando también: pasamos de webs limpias y bonitas, pero ahora muy fáciles de copiar, a buscar la evidencia humana detrás del producto. Y si hablamos de que los equipos de crecimiento usan herramientas como las de Statsig, ¿cuál es el error GTM más grave que ves cuando los equipos tienen acceso a mucha tecnología para medir el éxito?

Demasiados datos pueden dar correlaciones falsas, ¿cómo orientarse?

Margaret-Ann Seger: Es interesante. Cada vez más equipos adoptan herramientas para ser más data-driven y registrar datos. Pero muchas veces los datos no cuadran.

Si tienes cuatro herramientas que miden acciones parecidas, luego tienes que juntar cuatro conjuntos de datos que rara vez coinciden. Se vuelve desordenado y la gente termina sin saber en qué confiar. Paradójicamente, a más herramientas, más difícil es realmente ser data-driven. La tendencia del sector es consolidar herramientas y usar plataformas que centralicen todo: un solo SDK, una verdad única en el data warehouse. Así puedes confiar en los datos y usarlos, aunque lleva tiempo retomar la confianza.

Otro fallo común: muchos dicen que son data-driven, pero cuando preguntas cómo fue una funcionalidad, no lo saben. Porque es complicado lanzar cosas nuevas como experimentos: hay que montar el experimento, documentarse, consensuarlo… Las herramientas que hacen todo esto simple, con un simple flag para lanzar AB tests, son muy poderosas.

Tal vez no serán experimentos de libro, pero son una excelente puerta de entrada para desarrollar esa capacidad en los equipos. Nosotros trabajamos para facilitar esto.

Hannah Clark: Genial. Entonces, hablando de desarrollar ese músculo: mucho de lo que tratamos aquí es cómo compaginar el mindset de desarrollo con el de distribución. Todos en producto deben pensar en desarrollo y distribución a la vez. ¿Cómo se puede construir ese mindset y skillset en un equipo, incluso en quienes no están en marketing de producto?

Margaret-Ann Seger: Es difícil difundir ese ADN. Algo clave: a quién contratas. Buscamos ingenieros con mentalidad de producto, enfocados en el usuario y el rendimiento, y con ganas de involucrarse en el marketing y entender quién adopta el producto y cómo. Un ejemplo es nuestro equipo de infra que quería usar Statsig como cliente interno, para monitoreo tipo Datadog. A partir de sus propios dolores, desarrollaron soluciones, las usaron y luego nos preguntaron si podíamos comercializarlas. Ahora el líder técnico se involucra con el equipo de PMM y marketing para posicionarlas.

Hannah Clark: Sí, creo que ilustra cómo el lanzamiento y la distribución dependen mucho de la historia de valor del producto y de la narrativa.

Me gustaría otro ejemplo, porque veo que la narrativa y el aspecto humano serán el centro de la distribución futura. ¿Has visto algún buen ejemplo de esto?

Margaret-Ann Seger: No reciente, pero en 2018 en Uber, tuvimos el programa “driver forward” durante medio año.

Uber creció rápido y los conductores fueron clave, pero a menudo poco apreciados. Se contaban historias sobre el beneficio al pasajero—volver seguro a casa, las madres llevando a hijos a deportes—, pero pocas sobre los conductores mejorando sus vidas, enviando hijos a la universidad gracias a Uber.

Había muchas peticiones pendientes de conductores y necesidades como visibilidad de ingresos. Decidimos centrar todo el roadmap mensual en ellos, con lanzamientos de funciones y mejoras, acompañados de narrativa, eventos presenciales, fiestas de lanzamiento en centros de onboarding con asistentes conductores. Así, el producto y marketing iban completamente alineados.

Funcionó muy bien: fue un giro para la confianza de los conductores. El liderazgo de Laura Jones, ahora CMO de Instacart, fue esencial. Fue el mejor ejemplo de cómo tomar el dolor del usuario, ponerlo al centro y desarrollar toda la narrativa y el lanzamiento en torno a eso.

Hannah Clark: Me encanta ese ejemplo, muy claro sobre el mindset en la práctica.

Margaret-Ann Seger: Fue genial verlo.

Hannah Clark: Sí. Muchísimas gracias por estar con nosotros hoy, fue una charla excelente y cubrimos muchos puntos clave en poco tiempo.

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

Margaret-Ann Seger: En LinkedIn, aparezco como MA o Margaret-Ann Seger, y también en el blog de Statsig, que está muy bien. Hablamos de muchas cosas interesantes, y como dije, es muy centrado en las personas. statsig.com/blog.

Hannah Clark: Muchas gracias.

Margaret-Ann Seger: Gracias a ti.

Hannah Clark: Gracias por escucharnos. Para más ideas, 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 tu plataforma de podcasts favorita.