Trouver votre avantage déloyal à l’ère du Far West des produits

Lisez la transcription :

Nous testons la transcription de nos podcasts à l’aide d’un logiciel. Merci de pardonner les éventuelles fautes, car le robot n’est pas 100% fiable.

Hannah Clark : C’est officiel. Le « vibe coding » a fait son entrée dans le vocabulaire du grand public et nous atteignons un moment crucial où l’IA, les produits numériques et la culture convergent en un immense saut évolutif. Démocratiser l’accès au développement de produits numériques, ou en termes plus simples, « construire sur une intuition », marque un nivellement permanent du terrain de jeu où littéralement n’importe qui peut devenir fondateur.

Et si la levée des barrières à l’entrée signifie que davantage de bonnes idées trouveront leur place sur le marché, cela signifie aussi que… beaucoup plus de bonnes idées arriveront sur ce même marché. Et à cette échelle, les implications dépassent largement la simple concurrence accrue. Cela signifie que si nous espérons être de véritables candidats sur ce marché, nous devons soumettre nos stratégies de go-to-market (GTM) et de croissance à des exigences bien supérieures.

Heureusement pour vous, mon invitée d’aujourd’hui est Margaret-Ann Seger, Responsable produit chez Statsig. Comme vous l’entendrez bientôt, Margaret-Ann, ou MA pour les intimes, possède un incroyable flair pour ce qui permet de percer dans le bruit ambiant et de faire décoller les moteurs de croissance. Mais l’objectif absolu que vous retiendrez de cet épisode, ce sont les stratégies que, elle et l’équipe de Statsig, utilisent pour faciliter la collaboration entre leurs utilisateurs et l’équipe produit. Vous allez absolument vouloir prendre des notes. C’est parti !

Au fait, nous tenons ce type de conversations chaque semaine, alors si cela vous intéresse, pourquoi ne pas vous abonner ? Allez, commençons.

Bienvenue dans le podcast The CPO Club. Margaret-Ann, merci mille fois d’avoir accepté de venir discuter avec moi aujourd’hui.

Margaret-Ann Seger : Merci de m’avoir invitée, Hannah.

Hannah Clark : Pouvez-vous d’abord nous parler un peu de votre parcours et de comment vous êtes arrivée chez Statsig ?

Margaret-Ann Seger : Bien sûr. Je dirige le produit et le design chez Statsig, qui est la plateforme moderne d’intelligence produit.

Donc, de l’A/B testing traditionnel aux tests de modèles hors-ligne, de plus en plus d’équipes construisent avec des modèles, du smart feature flagging, de l’analytics produit. Nous aidons les équipes à intégrer la data à chaque étape de leur processus de création produit à l’ère de l’IA. Une plateforme très complète. Pour moi, cela a beaucoup de sens car je viens de grandes entreprises tech.

J’ai commencé ma carrière dans le Big Tech, d’abord chez Facebook, puis j’ai passé un peu plus de six ans chez Uber. Les deux sociétés étaient en hypercroissance quand j’y ai rejoint, mais j’ai eu le luxe d’accéder à un éventail d’outils internes ultra puissants. Et ce n’est qu’en partant en 2020 et en me confrontant au monde réel, que j’ai réalisé que toutes les entreprises n’avaient pas accès à ces outils.

Et donc ce que nous construisons chez Statsig me touche parce que nous démocratisons l’accès à ce même ensemble d’outils pour chaque société.

Hannah Clark : Super. Aujourd’hui, nous allons un peu plus parler du côté croissance : comment réussir sa stratégie de croissance et de go-to-market dans ce contexte de démocratisation à l’ère de l’IA où tant de volets du développement et du lancement produit sont accessibles.

Nous devons donc trouver des moyens intelligents et intuitifs pour sortir du lot. Commençons par évoquer une phrase que vous m’aviez dite lors d’une précédente conversation, que j’ai beaucoup aimée : les fondateurs novices se soucient du produit, les fondateurs expérimentés se soucient de la distribution. Je trouve que c’est une façon très concise de poser le débat.

Quand on pense à cela, quel changement d’état d’esprit jugez-vous crucial pour les leaders produits afin de passer d’une approche produit-first à une réflexion distribution-first ?

Margaret-Ann Seger : Bonne question. En fait, cette phrase me vient de mon mari, qui me l’a dite alors qu’il montait sa start-up.

Donc, c’était très pertinent à ce moment-là. Mais l’idée, c’est que, in fine, vous pouvez créer le meilleur produit du monde, mais si personne n’en entend parler ou s’il n’existe aucun moyen de l’amener devant les bonnes personnes, ça ne fonctionnera pas. Et c’est encore plus vrai à l’ère de l’IA, non ?

Car il y a tellement plus de produits : la barre pour créer un produit est plus basse. Aujourd’hui, tout le monde peut créer son appli, son site, son X ou Y. Il y aura donc beaucoup plus de bruit. Comment se démarquer ? Comment assurer sa distribution ? Quelques exemples qui me viennent à l’esprit quand on y arrive bien : alors, ce n’est pas un exemple de produit tech, mais…

La marque de maquillage d’Hailey Bieber, Road, a récemment été rachetée pour plus d’un milliard de dollars, un succès énorme. Et cela repose uniquement sur sa marque. Elle est probablement douée en maquillage, mais il y a certainement des milliers de gens qui maîtrisent mieux les nuances de la fabrication. Mais elle possède une marque phénoménale. Elle avait déjà la distribution. Elle claque des doigts et c’est lancé. Je pense à mon passage chez Facebook : nous avions une distribution incroyable et tout lancement pouvait immédiatement toucher des centaines de millions d’utilisateurs car la plateforme avait déjà une énorme adoption.

Dans l’IA, on le voit aussi : Cursor s’est appuyé sur VS Code. Il existe de nombreux comportements existants et canaux de distribution sur lesquels on peut s’appuyer pour bâtir de l’incrémental, et du jour au lendemain, boum, ça décolle. C’est ça qui fera la différence : qui saura trouver un canal de distribution durable et créatif ?

Ce ne sera plus juste avoir un bon produit, car ça deviendra la base à l’ère de l’IA.

Hannah Clark : Oui, et c’est justement la préoccupation de beaucoup : même en ayant une grande idée, la fonctionnalité que vous portez n’a rien d’unique en soi, il y a mille chemins pour obtenir le même résultat.

Donc, côté stratégies pour distinguer les bons produits dans la masse, sachant que tout le monde peut créer la même appli que soi, par où commenceriez-vous pour se démarquer sur le marché ?

Margaret-Ann Seger : Je pense qu’un élément important dont on ne parle pas assez, c’est les boucles de feedback.

Vous pouvez avoir un assistant IA qui écrit votre code, des assistants à chaque étape du développement et lancement… Mais comment obtenez-vous un retour une fois que c’est sorti ? Retour qualitatif et quantitatif, il faut savoir vite si ce que vous construisez fonctionne réellement et…

Faire tourner ces boucles de feedback, pour recevoir sans cesse du signal et itérer. À cela s’ajoute, et c’est aussi ce que nous voyons chez Statsig : la rapidité. Une fois les boucles de feedback mises en place, êtes-vous capable d’y répondre plus vite que vos concurrents ?

Quand vos utilisateurs parlent, pouvez-vous réagir tout de suite ? Donc, feedback plus vitesse seront différenciants. Nous, il nous arrive même de mettre sur le marché des choses pas totalement finalisées, très brutes, juste pour obtenir du signal et affiner ce qu’on construit, ce qui nous permet de raccourcir certains cycles de développement produits.

Hannah Clark : Donc, au fond, il s’agit vraiment de connaître ses utilisateurs. Cela a toujours été capital, mais aujourd’hui c’est primordial. Quelle approche tactique recommanderiez-vous aux leaders produits pour bien cerner leur ICP dans ce paysage démocratisé ?

Margaret-Ann Seger : Ça risque de choquer, mais il faut faire du support.

Je pense que des PM qui font du support et travaillent au contact des clients, c’est vraiment efficace si on veut comprendre l’utilisateur : et ce sera plus crucial que jamais. Chez Statsig, nous sommes allés très loin là-dessus, ça m’a bluffée en arrivant.

Nous n’avons pas d’équipe support, en fait : tout le monde dans la société fait du support et nous avons mis en place toute une panoplie d’outils complexes, y compris des groupes de feedback sur Slack qui sont auto-triés par un bot via une queue “on-call of the day”, et chaque membre de l’équipe a son tour de garde.

Je suis head of product, mais je fais aussi du support. Donc, j’entends quand quelque chose ne va pas, je vois où les gens bloquent, ce qui me permet de rester connectée en permanence aux clients et à leurs douleurs, et de canaliser automaticquement cela dans chaque échange.

C’est controversé car beaucoup de sociétés, et toutes les entreprises de bots IA pour support clients, partent du principe que vous ne devriez pas avoir à répondre à ces questions. Mais je pense vraiment que cela permet de rester en phase.

Et en plus, vos clients apprécient. Cela devient presque un facteur de différenciation dans ce nouveau monde.

Hannah Clark : Absolument, c’est une excellente stratégie. Si vous externalisez le support à un bot ou à une équipe, vous vous retrouvez à transmettre l’info à distance ou à vérifier que vous avez bien le bon retour – ou alors ce sont des clients très engagés ou très mécontents qui prennent la peine de donner leur avis. Mais, au support, vous touchez la réalité des usages, pas ceux qui cherchent à faire plaisir ni ceux qui veulent tout casser. Il y a tout un “entre-deux” à capter.

Margaret-Ann Seger : Oui et c’est fort car le client est vraiment dans son environnement réel, vous constatez l’émotion sur le vif. Et c’est super de voir nos ingénieurs développer de l’empathie : ça se diffuse partout, ce n’est pas juste les PM, mais aussi les devs, qui voient une opportunité d’améliorer un flow et y remédient tout de suite. Cela permet de construire l’empathie à grande échelle par la base.

Hannah Clark : Oui, on sent bien la valeur de cette méthode : comprendre les cas d’usages à l’instant T, la finalité utilisateur, et repérer si un flow devrait être simplifié – ce qui devrait éviter le recours au support. Cette idée me fait “tilter”, je suis ravie qu’on en parle. Changeons de sujet. Si l’on pense à la rapidité des itérations, tu disais précédemment qu’il s’agissait d’être speed pour intégrer vite le feedback dans la roadmap produit.

Vous suggériez de lancer des prototypes “bricolés”, les sortir vite, récolter du signal. Donc, comment décidez-vous quoi lancer et tester en priorité, lorsqu’on a énormément de possibles ?

Margaret-Ann Seger : J’en ai parlé brièvement : on a commencé à faire des vidéos prototypes. On fait le prototype, on filme une vidéo comme si le produit existait, puis on dit que c’est ouvert aux demandes de bêta, mais sans l’avoir développé. Si des clients manifestent de l’intérêt (ex : via LinkedIn), on note la demande, et si la demande est assez forte, là on le construit. Cela permet de valider les idées à moindre coût, sans développer un produit complet et tous les cas limites…

On a testé ça sur plusieurs cas et ça marche super bien, donc on va continuer : laisser le marché nous dire ce qui mérite d’être construit ou non.

Hannah Clark : C’est vraiment un aperçu “backstage” : on lève le rideau sur la magie !

Margaret-Ann Seger : Je ne devrais peut-être pas dire ça…

Hannah Clark : Si, c’est brillant ! Parce qu’il y a tellement d’idées possibles, mais sans l’engouement et la distribution… pourquoi faire l’effort de développer si on n’a pas ce momentum.

Margaret-Ann Seger : Le gros avantage, c’est qu’on valide la distribution dès le jour 1. On sait déjà que ça peut exploser avant même de développer.

Hannah Clark : Génial. Parlons maintenant de l’usage de l’IA dans la stratégie GTM, car tout l’enjeu est : comment lancer et réussir alors que mille produits comme le vôtre apparaissent chaque minute… Beaucoup se disent “je vais demander à ChatGPT une stratégie GTM et appliquer le prompt”.

Vous riez car c’est vrai, non ?

Margaret-Ann Seger : Oui, c’est exactement ça, vous avez raison ! Donc, qu’est-ce qui manque à cette stratégie ? Qu’est-ce qu’on ne peut pas automatiser et qui doit rester manuel ?

Margaret-Ann Seger : Je ne veux pas critiquer ChatGPT : il est très utile pour les productions concrètes. Mais savoir ce qu’il FAUT produire et comment formuler, c’est un art. On dit souvent que les PM deviendront prompt engineers : effectivement, on peut utiliser ces outils pour sa stratégie GTM, mais il faut les piloter, guider le prompt.

La raison pour laquelle un être humain doit rester dans la boucle, c’est l’empathie. Au fond, votre stratégie GTM ne fonctionnera que si vous avez une profonde empathie pour vos clients, que vous comprenez leur douleur, parlez leur langue et positionnez votre produit pour les rencontrer là où ils sont.

On a besoin de données quantitatives (les utilisateurs font-ils ce qu’ils disent ?), de données qualitatives (regarder leurs sessions : que disent-ils VERSUS que font-ils ?), pour voir où ils bloquent. L’IA peut aider, il existe des startups qui font de la synthèse de replay de sessions vidéo par IA. Face à des milliers d’usagers, c’est impossible de tout regarder : un bot peut remonter les insights clefs. Mais il faut un humain pour donner du sens, savoir comment réagissent les humains et à quoi ils tiennent.

Une fois ce “cadrage” établi, vous pouvez donner vos inputs bruts à ChatGPT pour affiner le positionnement, mais il faut préparer le terrain en amont.

Hannah Clark : Entrons dans le concret d’une bonne stratégie GTM. Avec une concurrence accrue, tout doit être plus solide – en particulier votre stratégie GTM d’aujourd’hui comparée à 2020. Anatomie d’une stratégie parfaite d’aujourd’hui versus à l’époque, quels sont ses marqueurs typiques ?

Margaret-Ann Seger : Difficile de définir la “stratégie parfaite” actuelle… mais facile de dire ce qui ne marche plus. J’ai vu cette évolution même depuis mon arrivée chez Statsig :

Premièrement, le SEO n’a plus rien à voir depuis que les gens contournent Google pour aller direct sur ChatGPT, Claude, Gemini… L’impact SEO diminue fortement. Autre chose : nécessité d’une différenciation bien plus forte. Avant, un contenu de qualité suffisait à se démarquer (un bon blog, une bonne newsletter…)

Hannah Clark : Ou un podcast.

Margaret-Ann Seger : Oui, exactement : aujourd’hui, ce sont les bases. Le contenu écrit devient de plus en plus miné car générer 100 blogs IA “corrects” pour optimiser le SEO est très facile.

Donc, comment écrire quelque chose qui émerge dans cette masse, face à des centaines de billets générés automatiquement pour le ranking ?

Justement, passer de ce qui n’est plus différenciant à ce qui est l’or du moment : le facteur humain. Mettre un humain dans la boucle va redevenir révolutionnaire et les gens iront naturellement vers les marques humaines. Un ami m’a dit récemment que la marque Statsig était “différente” d’une boîte IA classique. Pourquoi ? Il m’a répondu : « Il y a vos employés partout, des vidéos des PMs qui annoncent les nouveautés, des visages sur les billets de blog… C’est très axé sur les gens. » C’est rare aujourd’hui :

Regardez Vercel, Linear… des marques hyper minimalistes, très “propres”, mais presque stériles. L’humain devient disruptif : nous, on a jusqu’aux chiens sur notre site, les gens derrière le produit répondent aussi au support… C’est ce qui nous distingue. On plaisante sur l’esthétique “parquet blanc, sol gris” dans l’immobilier : tout le monde converge vers ce style, et ceux qui font différent émergent. Ce sera pareil dans la tech.

Hannah Clark : Oui, ça rejoint ce que je constate : la saturation conduit à des balanciers, dans la tech, la mode, tout… Quand une esthétique sature, on veut l’opposé. Instagram a créé du contenu lisse et léché ; puis TikTok a popularisé une esthétique “lo-fi”, brute et humaine. Pareil dans la tech aujourd’hui, les sites “clean” sont beaux mais copiables par la machine… Les utilisateurs veulent sentir qu’il y a VRAIMENT des gens derrière. Donc, si une équipe growth utilise Statsig, quelle est la plus grosse erreur GTM courante quand on a beaucoup d’outils pour mesurer la réussite ?

Avec autant de données, il y a des corrélations trompeuses possibles… Comment s’y retrouver ?

Margaret-Ann Seger : Beaucoup d’équipes se dotent d’outils pour être orientées data, mais parfois les données ne concordent pas.

Si vous avez quatre outils qui loggent les mêmes actions, vous vous retrouvez avec des datasets différents qui ne s’alignent jamais : c’est le fouillis, on ne sait plus à quoi se fier et les utilisateurs perdent confiance dans les données. Plus on multiplie les outils, plus il devient compliqué d’être vraiment “data-driven”.

La tendance, c’est la consolidation : des plateformes qui rassemblent plusieurs outils (Statsig en fait partie), un seul SDK pour le tracking, une seule source de vérité (souvent le data warehouse). Tous les outils devraient s’appuyer là-dessus et non multiplier les sources. C’est vraiment ce qu’on voit sur le marché, et cela aide considérablement : quand une équipe se rassemble autour d’un stack et d’un dataset unique, elle réapprend à faire confiance à la donnée.

C’est cependant un changement long, car la confiance a été perdue progressivement. Beaucoup disent “on est data-driven”… mais comment cela a-t-il performé sur telle fonctionnalité ? “Je ne sais pas”. Parce qu’il n’est pas évident de suivre tout lancement comme une expérimentation. Il faut définir l’expérience, écrire un design doc, checker que la data science valide… puis lancer, puis faire un bilan. Les outils qui permettent de faire ça très facilement – un feature flag basique qui fait un A/B test automatique entre ceux qui ont la feature et ceux qui ne l’ont pas – permettent de valider rapidement si ça bouscule un métrique business ou de perf, ou de coût. Ce type d’A/B testing léger est précieux : ce n’est pas sophistiqué mais c’est un très bon début, cela construit la culture de l’expérimentation. On travaille beaucoup à simplifier ça.

Hannah Clark : Super. Donc pour développer cette compétence, ce “muscle”, il faut combiner la culture développement et distribution dans toute l’équipe produit. Est-ce que chez Statsig, vous avez cette culture partagée ou des méthodes pour l’ancrer, même chez ceux qui ne font pas du marketing produit explicitement ?

Margaret-Ann Seger : C’est vraiment difficile de diffuser cet ADN. Beaucoup tient à qui on recrute d’ailleurs. On s’efforce d’embaucher des ingénieurs très “produit”, motivés par l’utilisateur final et la performance, qui veulent comprendre l’adoption réelle, savoir si l’usage attendu a bien lieu, voire s’impliquer dans le marketing. C’est top à exploiter.

Exemple concret : notre équipe infra a développé un outil interne façon Datadog pour dogfooder notre propre produit. Désormais, ils font du debug sur Statsig, du monitoring de bout en bout. Et puis ils viennent me voir “On utilise l’outil comme ça, on pourrait le proposer à nos clients, non ?” “Oui !” Bon, ce n’est pas encore raffiné, mais c’est parti d’un problème réel, résolu à l’interne, et qu’on pense pertinent pour d’autres. Maintenant, l’ingé lead collabore avec moi et l’équipe marketing pour positionner ce produit.

Hannah Clark : Oui, c’est très parlant : la façon dont on lance et positionne dépend des usages internes, des problématiques résolues, du storytelling de la valeur. Est-ce que tu pourrais donner un exemple inspirant d’une marque qui a mis sa dimension humaine et l’histoire de son équipe au cœur de sa distribution, récemment ?

Margaret-Ann Seger : Ce n’est pas tout récent, mais en 2018 j’étais chez Uber : c’est mon exemple “gold standard” de GTM réussi. Uber avait grandi très vite en s’appuyant sur les chauffeurs, mais ceux-ci se sentaient sous-valorisés. On parlait beaucoup des utilisateurs, des trajets pour rentrer du bar, emmener les enfants… mais pas des parcours des chauffeurs – certains finançaient des études, d’autres créaient leur business – grâce à l’app.

Il restait un backlog énorme d’améliorations ou requêtes chauffeurs, et il fallait changer la dynamique de confiance. Nous avons alors réalisé “Driver Forward” : tous les mois pendant six mois, produit et marketing lançaient une nouvelle fonctionnalité ou amélioration dédiée aux chauffeurs, assortie de storytelling, de sessions de rencontres, de soirées de lancement, souvent dans une ville ou un centre d’onboarding. Tout était orienté “chauffeurs”, et ça a transformé la relation de confiance. C’était un masterclass : toute la roadmap alignée avec le GTM, marketing et produit en phase.

Le projet était drivé par Laura Jones, aujourd’hui CMO d’Instacart, qui est brillante. Pour moi, c’est la meilleure démonstration de centrage utilisateur, de mise en avant de sa douleur, et d’alignement stratégique entre produit et marketing.

Hannah Clark : Génial, excellent exemple, ça résume parfaitement l’état d’esprit à adopter.

Margaret-Ann Seger : C’était impressionnant à vivre.

Hannah Clark : Oui, merci infiniment d’avoir participé, c’était passionnant. On a balayé énormément de points de façon dense et claire.

Où peut-on suivre votre travail en ligne ?

Margaret-Ann Seger : LinkedIn, je suis sous le nom MA, sinon Margaret-Ann Seger, et aussi sur le blog Statsig – on y parle de sujets intéressants, et c’est très humain. Si vous voulez découvrir l’équipe, statsig.com/blog.

Hannah Clark : Merci beaucoup.

Margaret-Ann Seger : Merci à vous.

Hannah Clark : Merci de votre écoute. Pour encore plus de conseils, tutoriels et revues d’outils, abonnez-vous à notre newsletter sur theproductmanager.com/subscribe. Vous pourrez écouter des discussions comme celle-ci en vous abonnant à The CPO Club, disponible partout où vous trouvez des podcasts.