Come Usare l’IA per Potenziare la Crescita Guidata dal Prodotto
Se dovessimo stilare una classifica dei maggiori cambiamenti di paradigma nel prodotto negli ultimi 10 anni, credo che l’AI e la crescita guidata dal prodotto (product-led growth) sarebbero ai primi posti di questa lista. Entrambi i concetti si riducono davvero ad amplificare l’efficienza, fare di più con meno. Ma il vero asso nella manica è unirli e utilizzare la capacità di risparmio di tempo degli LLM per rafforzare la tua strategia PLG.
Durante un recente panel, “Come usare l’AI per potenziare la crescita guidata dal prodotto”, abbiamo riunito tre straordinari esperti di PLG — Ramli John, fondatore di Delight Path, Dani Grant, CEO di Jam.dev, e Anuj Adhiya, autore di “Growth Hacking for Dummies”. Abbiamo fatto parlare i tre su come i team di prodotto possano sfruttare la tecnologia AI in questo momento per migliorare ogni fase del percorso dell’utente.
Punti salienti dell’intervista
- Le intuizioni di Ramli John sull’onboarding [01:16]
- Ramli identifica il maggiore problema dell’onboarding nell’attrito interno, non nell’attrito prodotto.
- I team di prodotto, marketing e customer success spesso lavorano a compartimenti stagni senza collaborare.
- Ramli condivide che anche in Appcues, un’azienda di software per l’adozione del prodotto, questo problema esisteva.
- La sua soluzione: migliorare la comunicazione tra i team e allinearsi su cosa significhi il successo per l’utente.
- Dani Grant sull’equilibrio tra crescita e coinvolgimento [02:12]
- Jam.dev è cresciuta fino a raggiungere 150.000 utenti in 32 aziende Fortune 100.
- Dani elogia il libro di Ramli, “Product-Led Onboarding”, definendolo trasformativo e lettura obbligatoria per il suo team crescita prodotto.
- Il libro ridefinisce l’onboarding come un processo che inizia prima della registrazione e continua molto dopo, migliorando i risultati di prodotto.
- Dani attribuisce la crescita di Jam alla condivisione di insegnamenti derivanti dalla costruzione del loro prodotto con la loro base di utenti orientata ai builder.
- Sottolinea il privilegio di poter contribuire a eventi e discussioni come questa.
- L’approccio unico di Anuj Adhiya alla PLG [03:49]
- Anuj sta pianificando un tentativo di Guinness World Record per il più grande raduno di persone con cappellini da festa a Boston.
- L’evento è collegato al suo lavoro con PartyClick, un’app di inviti alle feste per cui sta facendo consulenza.
- L’idea è nata come modo creativo per promuovere l’app e allinearsi con il suo brand.
- Anuj sta attualmente facendo domanda al Guinness e coordinando la logistica per ospitare 2.500 persone al Boston Common.
- Condivide pubblicamente il piano per restare responsabile e motivato a portarlo a termine.
- L’intersezione tra AI e PLG [05:51]
- Se PLG significa avere una prova gratuita o un modello freemium, non è sempre necessario, soprattutto per le startup.
- Ramli consiglia alle startup di iniziare con approcci ad alto contatto per costruire relazioni strette con i clienti.
- Se PLG significa rimuovere attriti e creare esperienze utente eccellenti, allora è essenziale.
- Le aspettative degli utenti per esperienze senza attriti sono aumentate notevolmente, impattando su retention e attivazione.
- Ramli sottolinea che il ruolo dell’AI nel migliorare l’esperienza di prodotto sarà fondamentale in futuro.
- Ramli fa notare che molti founder si pongono la domanda sbagliata, concentrandosi sul replicare aziende di successo come Slack.
- Consiglia invece ai founder di chiedersi come possono usare meglio il proprio prodotto per soddisfare le esigenze dei clienti.
- Questo approccio porta a strategie più efficaci e personalizzate guidate dal prodotto, invece di imitare ciecamente gli altri.
Vedo molti founder porsi la domanda sbagliata. La domanda che dovrebbero porsi è: come posso usare meglio il mio prodotto per rispondere ai bisogni finali dei miei clienti o utenti?
Ramli John
- Strategie AI e PLG [07:58]
- Dani spiega che nel PLG, la vendita personalizzata è fondamentale e l’AI può potenziarla notevolmente gestendo grandi quantità di dati disorganizzati per una migliore segmentazione e distribuzione dei contenuti.
- L’AI rende la personalizzazione e la super-segmentazione più facili che mai, aiutando le aziende a migliorare le loro strategie PLG.
- La migliore strategia PLG è avere un prodotto eccezionale che favorisca il passaparola; l’AI può aiutare a creare funzionalità di prodotto ancora più potenti.
- Dani è entusiasta di esplorare ulteriori tattiche, con l’AI che gioca un ruolo chiave nel migliorare l’esperienza utente e i risultati.
- L’AI nella fase Acquire del PLG [09:11]
- Dani discute di come Jam utilizzi l’AI nella fase di acquisizione del PLG.
- L’AI aiuta con la SEO generando outline e modificando contenuti secondo le migliori pratiche SEO, migliorando il posizionamento.
- L’AI assiste nella raccolta di dati, come i prezzi, per migliorare l’accuratezza e la pertinenza dei contenuti.
- Jam utilizza l’AI per creare una newsletter JavaScript e un podcast per il pubblico di sviluppatori, offrendo ogni settimana contenuti rapidi e coinvolgenti.
- L’uso dell’AI ha portato a un alto coinvolgimento, con tassi di apertura delle newsletter superiori al 50% e forte ascolto del podcast.
- Ramli utilizza l’AI per riproporre contenuti per l’acquisizione, ad esempio trasformando episodi di podcast in articoli per blog, post su Twitter, LinkedIn e contenuti per newsletter.
- Usa strumenti come Castmagic per generare riassunti e contenuti, che poi richiedono qualche modifica.
- L’AI aiuta a massimizzare il valore dei contenuti, permettendo una distribuzione ed un coinvolgimento più efficienti.
- Il team di Dani ritiene che le vendite guidate dai founder nel 2024 avvengano online, con i founder che condividono la loro visione passivamente attraverso piattaforme come LinkedIn.
- Usano l’AI per il repurposing dei contenuti, come prendere link di podcast su YouTube e utilizzare strumenti come OpusClip per generare clip video o evidenziare “momenti aha”.
- Queste clip generate dall’AI forniscono contenuti preziosi per ulteriori discussioni e condivisioni, aiutando il processo di acquisizione.
- Dani discute di come Jam utilizzi l’AI nella fase di acquisizione del PLG.
- L’AI nella fase Activate del PLG [12:48]
- AI per l’attivazione dell’onboarding: un’azienda usa l’AI per analizzare le registrazioni delle chiamate di vendita e creare documenti personalizzati di customer success.
- L’AI aiuta a creare sequenze di onboarding via email basate sui punti dolenti emersi dalle chiamate di vendita e onboarding.
- ChatGPT è addestrato con obiezioni e dati dei ticket di supporto per migliorare l’attivazione dei clienti.
- Strumenti AI come Amplitude e June.so analizzano i dati utente per individuare metriche di retention, aiutando a prevedere i comportamenti degli utenti e a migliorare il coinvolgimento.
- Il volume dei dati conta: i modelli AI funzionano meglio con un’ampia base utenti per avere insight accurati.
- Per stimolare l’attivazione degli utenti, è importante incoraggiare azioni chiave (es. creare quattro segnalazioni bug su Jam).
- L’AI è utile per il brainstorming di molte idee, anche se alcune non sono buone, per ispirare soluzioni migliori.
- L’obiettivo è trovare modi efficaci per spingere gli utenti verso azioni specifiche che dimostrino il valore del prodotto.
- Gli esseri umani hanno difficoltà a generare idee da zero ma sono bravi a rivedere e reagire alle proposte già esistenti.
- L’AI aiuta fornendo una bozza iniziale o un’idea da cui partire per stimolare il pensiero creativo.
- Una volta dato un punto di partenza, l’umano è più abile nell’affinare e migliorare i concetti.
- I large language model possono essere addestrati tramite feedback per migliorare la qualità delle loro risposte.
- Bisogna trattare l’AI come uno stagista alle prime armi che impara dal feedback su ciò che è buono o cattivo.
- Fornire feedback aiuta l’AI a generare idee e risultati migliori nel tempo.
- L’attivazione è collegata alla retention a breve termine, non è un passaggio separato.
- Una volta che gli utenti sono nel prodotto, la priorità diventa mantenerli nel tempo e migliorare la monetizzazione.
- L’attivazione e la retention avvengono lungo un continuum continuo, non come fasi distinte.
- L’AI nella fase Retention del PLG [19:07]
- La retention sta cambiando grazie alla combinazione di analisi tradizionali e analisi AI.
- L’AI aiuta a individuare micro-coorti e insight azionabili dai dati di utilizzo del prodotto.
- L’AI può identificare comportamenti chiave, come l’esportazione di dati o la condivisione con i colleghi, che portano a un maggiore coinvolgimento degli utenti.
- L’AI abilita percorsi guidati dal comportamento che adattano contenuti ed esperienze in base alle azioni degli utenti.
- Utenti ad alto potenziale possono essere identificati per programmi beta o advisory board in base ai pattern d’uso.
- Combinare dati quantitativi e insight qualitativi offre una visione a 360 gradi dei bisogni e dei comportamenti degli utenti.
- La combinazione di AI e analytics migliora la velocità e l’accuratezza degli insight sugli utenti.
- Combinare dati quanti e quali con l’AI [22:52]
- I team hanno spesso fonti di dati scollegate, come sondaggi sul product market fit, ticket di supporto e conversazioni di vendita.
- La difficoltà sta nell’integrare queste fonti di dati a causa di una proprietà poco chiara.
- L’AI può agire come un “dipendente” per raccogliere e presentare questi dati agli stakeholder, eliminando l’indecisione.
- Anche se non è possibile una piena automazione, combinare i fogli di calcolo esportati può velocizzare gli insight e il processo decisionale.
- Il costo opportunità di attendere per avere insight è elevato, quindi integrazione e azione rapida sono essenziali.
- Abbattere i silos di reparto con l’AI [25:05]
- La crescita è uno sforzo cross-funzionale che richiede collaborazione tra team content, education, community, prodotto e vendite.
- La mission di un growth team è riunire gli stakeholder per comprendere lo stato della crescita, identificare problemi e cogliere opportunità.
- Comunicare gli insight in modo efficace tra i reparti è cruciale, non basta presentare i dati.
- L’AI può aiutare i leader a redigere e comunicare i risultati in modo che risuonino tra i diversi team, abbattendo i silos.
- La potenza dello storytelling e della comunicazione chiara è vitale per garantire l’allineamento tra i reparti.
- I product manager (PM) sono responsabili del successo del prodotto e devono risolvere i problemi a prescindere dalla difficoltà.
- Passare dai dati a livello foglio di calcolo agli insight a livello utente può essere difficile, ma i PM rendono tutto possibile.
- Un approccio utile è avere interazioni regolari coi clienti: i 100 utenti top della settimana precedente vengono contattati via email dai founder per un feedback.
- Risposte approfondite portano a opportunità per follow-up call, mantenendo un feedback loop costante.
- Questa tattica offre ai PM accesso diretto agli insight degli utenti senza dover creare un nuovo processo di customer call.
- Espansione con l’AI: esempi concreti [29:20]
- L’espansione è vista come parte di un processo continuo che unisce le varie fasi.
- Le strategie di espansione tradizionali spesso si basano sull’attesa di segnali d’uso o revisioni trimestrali.
- Esempio: un’azienda SaaS usa Gong per analizzare le interazioni coi clienti (chiamate di vendita, ticket di supporto) per individuare segnali di espansione.
- Il sistema individua segnali sottili come discussioni su casi d’uso correlati, nuovi membri del team o punti dolenti.
- Combinando i dati conversazionali con l’analisi di utilizzo del prodotto, l’azienda calcola “expansion intent scores”.
- Vengono attivati segnali di espansione chiari quando gli utenti raggiungono determinati limiti d’uso, come avvicinarsi ai limiti API o esplorare funzionalità premium.
- L’obiettivo è individuare opportunità di espansione facendo sentire il processo naturale e orientato al valore per il cliente.
- Il prodotto deve svolgere la parte principale del lavoro, ma il cambiamento di comportamento richiede un volto di fiducia.
- La fase di espansione è spesso guidata da interventi umani, con molte chiamate consecutive per aiutare i team a espandere l’uso.
- Dopo le chiamate, i follow up dovrebbero essere curati; partire da zero può essere difficile.
- L’uso di strumenti AI come Claude aiuta a sintetizzare i punti chiave delle trascrizioni delle chiamate per scrivere velocemente i follow up.
- Questo approccio è particolarmente utile dopo molte chiamate quando l’energia cala e i dettagli sfuggono.
- Costruire una strategia PLG potenziata dall’AI [32:20]
- La qualità dell’output AI dipende dalla qualità dell’input; input scadente porta a output scadente.
- Evita di partire da zero: fornisci all’AI dati rilevanti e accurati.
- Addestra l’AI con le tue migliori esperienze cliente e documenti chiave.
- Dai all’AI un contesto chiaro e istruzioni specifiche su cosa cerchi.
- Tratta l’AI come un nuovo stagista: sii dettagliato e chiaro sulle aspettative.
- Usa prompt specifici, ad esempio chiedendo all’AI di generare bullet point a partire da interazioni con clienti e dettagli aziendali.
- I membri junior del team possono considerare “finito” come “completato”, senza capire l’impatto raggiunto.
- I membri senior del team individuano i prossimi passi o gli errori nel lavoro generato dall’AI.
- Un rischio dell’AI è pensare che completare un task sia sufficiente senza un’analisi più approfondita.
- Per evitarlo, è utile discutere nel team cosa significhi “finito”, con o senza AI.
- Un prompt efficace è essenziale per l’AI; test semplici su Google possono indicare la capacità di creare prompt validi.
- I membri del team devono conoscere la North Star metric del prodotto per garantire che tutti i task facciano crescere il valore per l’utente.
- Impostare il contesto e capire la visione utente più ampia è fondamentale prima di utilizzare sistemi AI.
Assicurati che tutti nel team comprendano la metrica guida del prodotto, la cosiddetta North Star. Questo è fondamentale perché aiuta tutti a riconoscere come forniamo valore ai nostri utenti e clienti. Tutto ciò che facciamo serve a far crescere quel valore.
Anuj Adhiya
- Mitigare i bias dell’AI nelle strategie PLG [38:22]
- L’AI è uno strumento, ma il giudizio umano è cruciale per evitare pregiudizi e conclusioni fuorvianti.
- È necessaria una mentalità scettica quando si utilizza l’AI per garantire spirito critico e consapevolezza.
- Avere semplicemente una risposta dall’AI non risolve necessariamente il problema; è richiesta un’analisi attenta.
- L’AI dovrebbe essere uno degli input nel processo decisionale, insieme a dati qualitativi e altre fonti.
- L’intervento umano è necessario per individuare bias e prendere decisioni finali.
- L’AI può fornire suggerimenti, ma alla fine sono gli umani a dover decidere la direzione sulla base di tutti gli input.
- Occorre cautela per evitare di lasciare che l’AI prenda decisioni in maniera indipendente.
- È importante ricordare i metodi passati per fare confronti e individuare errori dell’AI.
- Utilizza un approccio di triangolazione: verifica i risultati dell’AI con dati grezzi, feedback e approfondimenti del team customer success.
- Assicurati che i sistemi di AI siano addestrati con dati diversificati, considerando aziende di dimensioni, settori e casi d’uso differenti.
- Alcuni strumenti, come Heap Analytics, sono progettati per affrontare i bias nei modelli di AI.
- Verifica sempre manualmente i risultati ottenuti dall’AI per mantenere la fiducia nel sistema.
Il punto sull’AI è che non risolve i problemi umani: è ancora necessario usare il proprio giudizio. È uno strumento potente, ma serve una mentalità scettica.
Dani Grant
- AI vs. supporto tradizionale nel 2024 [41:47]
- Nel 2024, l’esperienza utente è la massima priorità a causa della crescente concorrenza e della facilità di cambiare strumento.
- Gli strumenti di AI possono essere utili per il supporto clienti se migliorano l’esperienza utente, ad esempio offrendo accesso facilitato alla documentazione.
- La decisione di utilizzare l’AI dovrebbe basarsi sull’esperienza utente desiderata: se si preferisce un supporto automatizzato o un’interazione umana personalizzata 24/7.
- Per determinati pubblici, come gli sviluppatori, strumenti di interrogazione rapida possono bastare, mentre gli utenti aziendali potrebbero richiedere un supporto più personalizzato.
- Con l’aumento dell’automazione AI, cresce anche il desiderio di connessione umana.
- I clienti apprezzano l’interazione umana, soprattutto nell’ambito del supporto e della customer success.
- L’interazione “in presenza” o il tocco umano nei prodotti B2B può creare connessioni più forti e valore maggiore.
- Nonostante i progressi dell’AI, il coinvolgimento umano resta cruciale per alimentare la fiducia e la fedeltà del cliente.
- La qualità delle esperienze AI sta diventando sempre più importante.
- Funzionalità o supporto chat AI di bassa qualità possono essere più frustranti del supporto tradizionale.
- Se si introduce l’AI, specialmente nel supporto clienti, deve essere di alta qualità.
- Per le funzionalità AI, la soglia qualitativa è più alta rispetto a quella delle funzionalità tradizionali per via delle aspettative dei clienti.
- Equilibrare la personalizzazione AI con la privacy degli utenti [45:17]
- Segui la tua politica sulla privacy quando utilizzi l’AI per la personalizzazione.
- Utilizza solo i dati consentiti dalla policy sulla privacy.
- Se i dati degli utenti non sono coperti, non utilizzarli.
- La fiducia degli utenti ha la priorità su tutto.
- Un supporto personalizzato può essere utile quando gli utenti si bloccano.
- Possono sorgere problemi di privacy se gli utenti si sentono osservati.
- Gli utenti possono aspettarsi un certo grado di tracciamento all’interno di un prodotto.
- La “personalizzazione rispettosa” implica trasparenza sullo scambio di valore.
- Gli utenti si aspettano personalizzazione guidata dall’AI, ma richiedono benefici chiari.
- Assicurati che la raccolta dati porti un beneficio dimostrabile per gli utenti.
Incontra i nostri ospiti
Fondatore di Delight Path, Ramli John è uno dei principali esperti nell’onboarding product-led per aziende SaaS B2B. Come autore bestseller di Product-Led Onboarding, che ha venduto oltre 35.000 copie, Ramli aiuta i team di prodotto a progettare esperienze di onboarding che favoriscono attivazione e fidelizzazione dei clienti. Con un background in marketing, UX design e sviluppo software, ha consigliato aziende come Zapier, Appcues e Mixpanel, creando strategie operative che incrementano MRR e successo dei clienti.
Se potessi agitare una bacchetta magica, farei in modo che i team comunicassero di più e concordassero su cosa significhi successo per l’utente. È un problema complesso, ma partirei proprio da lì.
Ramli John
Dani Grant è cofondatrice e CEO di Jam.dev, uno strumento per sviluppatori che permette una comunicazione più rapida tra prodotto e ingegneria riguardo bug e correzioni. Oggi Jam ha conquistato nomi importanti come Unilever, Staples, T-Mobile e Dell.
La migliore strategia PLG è creare un prodotto così valido che le persone non possano fare a meno di parlarne agli altri.
Dani Grant
Anuj Adhiya è un esperto di crescita e autore di Growth Hacking for Dummies, con una profonda esperienza nell’accompagnare le aziende SaaS nell’implementazione di strategie di crescita guidata dal prodotto. Conosciuto per il suo approccio basato sui dati, Anuj ha aiutato startup a scalare costruendo framework di crescita che favoriscono acquisizione degli utenti, fidelizzazione e coinvolgimento a lungo termine. È spesso speaker per temi di crescita e PLG, e i suoi insight aiutano i team di prodotto a sbloccare una crescita sostenibile allineando dati, sperimentazione e strategia.
La crescita, in generale, è uno sport di squadra. È, per definizione, trasversale e lo è ancora di più nel mondo product-led. Si mettono insieme contenuti, formazione, community, prodotto, vendite e tanti altri team che devono lavorare in sintonia.
Anuj Adhiya
Risorse Da Questo Episodio:
- Iscriviti alla newsletter The CPO Club
- Scopri lo sponsor di questo episodio: Wix Studio
- Collegati con Ramli, Dani e Anuj su LinkedIn
- Scopri Delight Path, Jam.dev e Techstars
Articoli E Podcast Correlati:
- Informazioni sul Podcast The CPO Club
- Guida ai Fondamenti della Product-Led Growth
- Come Fare Growth Hacking Anche Se Non Sei un Growth PM
- 6 Esempi di Product-Led Growth: Le Aziende Che Fanno PLG in Modo Corretto
- Come Sfruttare i 3 Growth Loop
- Come Misurare la Product-Led Growth: Le Metriche Che Contano e Come Usarle
- Il Product Led Growth Flywheel: Lettura Obbligata per Vincere con il PLG
Leggi la Trascrizione:
Stiamo testando la trascrizione dei nostri podcast utilizzando un programma software. Perdonate eventuali errori di battitura: il bot non è preciso al 100% delle volte.
Hannah Clark: Se dovessimo classificare i principali cambiamenti di paradigma nel prodotto negli ultimi 10 anni, scommetterei che IA e crescita guidata dal prodotto sarebbero in cima alla lista. Entrambi i concetti si riducono davvero ad amplificare l’efficienza, fare di più con meno. Ma il vero asso nella manica è unirli insieme e usare il risparmio di tempo offerto dai LLM per rafforzare la tua strategia PLG.
In un recente evento panel, su come usare l'IA per potenziare la crescita guidata dal prodotto, abbiamo riunito tre straordinari esperti di PLG — Ramli John, fondatore di Delight Path, Dani Grant, CEO di Jam.dev, e Anuj Adhiya, autore di Growth Hacking for Dummies. Li abbiamo fatti confrontare su come i team di prodotto possono sfruttare l’IA già oggi per migliorare ogni fase del journey dell’utente.
Quello che ho amato di questo evento è stato come le competenze di ciascun panelist si siano intrecciate in modo complementare, offrendo tanti modi pratici per adattare e aggiustare la strategia di crescita usando strumenti di IA. Ed erano anche tutte persone davvero gentili. Partiamo subito.
La sessione di oggi sarà focalizzata su come usare l’IA per rafforzare la crescita guidata dal prodotto. E parleremo con alcune voci davvero eccezionali nell’ambito. Abbiamo una formazione davvero esaltante oggi. Sono felice di presentarli.
Abbiamo Ramli John, autore di Product-Led Onboarding. È anche un esperto rinomato in strategie PLG. Ramli porta una profonda comprensione su come trasformare i potenziali clienti in utenti appassionati. Oggi abbiamo anche una domanda a tema quiz per Ramli.
Quindi Ramli, sei stato soprannominato il mago dell’onboarding da alcune delle aziende SaaS più importanti, e il tuo libro Product-Led Onboarding è stato rivoluzionario per innumerevoli team di prodotto. Rispondi a questa: se avessi una bacchetta magica e potessi risolvere istantaneamente l’errore di onboarding più comune che hai visto, quale sarebbe?
Ramli John: Grazie mille, Hannah. Direi che spesso non è legato al prodotto. Il problema più grande dell'onboarding è spesso la frizione interna, non la frizione del prodotto. Ciò che intendo è che il prodotto fa la sua cosa, il marketing gestisce le email di onboarding e il customer success si occupa del suo onboarding clienti.
Ma non comunicano tra loro. Questo è accaduto anche mentre lavoravamo in una società di onboarding chiamata Appcues, un software di adozione del prodotto, e avevamo lo stesso problema. Quindi se potessi agitare la bacchetta magica farei parlare di più i team fra loro e concordare cosa significhi successo per l’utente, cosa difficile, ma inizierei da lì.
Hannah Clark: Quanto è vero, il silos è davvero uno di quei problemi perenni. Bene, grazie per questa risposta.
Abbiamo anche Dani Grant con noi. È fondatrice di Jam.dev ed ex product lead. Dani è nota per l’uso dei dati di prodotto per progettare esperienze utente senza frizioni e ad alto impatto, ed è anche una persona fantastica. Quindi, Dani, ti ringraziamo tanto per essere qui.
Domanda per te. Jam è arrivata a 150.000 utenti in 32 diverse aziende Fortune 100, incredibile. Ma partecipi a eventi, conferenze, sei attiva quotidianamente su LinkedIn. Onestamente, ti invidio per come riesci a gestire tutto questo. Qual è il tuo segreto per fare tutto e mantenere la salute mentale?
Dani Grant: Prima di tutto, dovreste tutti leggere il libro di Ramli. È così buono. Il mio co-founder l’ha letto per primo nella nostra azienda e poi mi ha detto: devi leggerlo. Ora è lettura obbligatoria per il team di crescita prodotto. Quello che ti cambia la prospettiva è proprio il concetto stesso di onboarding.
Noi, i product manager, pensiamo sempre all’onboarding, ma pensiamo che vada dalla registrazione all’uso effettivo del prodotto. Invece il libro di Ramli mostra che l’onboarding inizia molto prima e finisce molto dopo, e concentrarsi su questa visione cambia i risultati del prodotto, come è successo a noi.
Comunque, Ramli è geniale. Leggete il suo libro. Riguardo al parlare in pubblico, siamo fortunati. Tutti i nostri utenti sono builder, stanno cercando di cambiare il mondo attraverso il software. Noi costruiamo la nostra azienda, loro le loro. Il nostro dovere è condividere ciò che impariamo costruendo Jam con altri che stanno costruendo a loro volta.
Così finiamo per postare lezioni online, partecipare a cose come questa. Un privilegio e un onore. Grazie per avermi invitata.
Hannah Clark: Apprezzo che tu abbia trovato il tempo. Davvero, una persona splendida come dicevo a tutti.
Anche Anuj Adhiya è qui con noi oggi. Anuj è esperto di growth e autore di Growth Hacking for Dummies. Ha pubblicato su productled.com e ha anche molta esperienza nel guidare aziende SaaS nell’implementazione di strategie di crescita guidata dal prodotto. Siamo davvero onorati di averti qui oggi, Anuj.
Durante la nostra pre-call, hai detto che stai pianificando di stabilire un record mondiale Guinness raccogliendo, questa è davvero divertente, il maggior numero di persone con cappellini da festa a Boston. Spiegaci meglio: come funziona, come possono partecipare le persone? Dove si mandano i cappellini?
Anuj Adhiya: Prima di tutto, grazie per avermi invitato. È un gruppo molto divertente di cui far parte. Sì, sembra non abbia nulla a che vedere con la crescita guidata dal prodotto, ma in realtà è un grande esperimento.
Sto collaborando con un’app per inviti alle feste chiamata PartyClick. Se volete provarla, è il modo più semplice per organizzare eventi. Stavamo pensando a idee per promuoverla e qualcuno ha detto: non esistono record per il maggior numero di raduni? Così ho cercato sul Guinness dei primati e c’è proprio il record per persone con cappellini da festa. Perfetto, si abbina col nostro nome.
Così, questa settimana sto completando la domanda per il Guinness e supplicando la città di Boston di farci radunare 2.500 persone a Boston Common. Vediamo se ci riuscirò. E lo dico pubblicamente così mi tengo responsabile, quindi vergogna su di me se non ce la faccio.
Hannah Clark: Quindi se siete in zona Boston, portate i cappellini da festa. Qual era la data in dicembre?
Anuj Adhiya: Pensiamo al 22 dicembre, quindi...
Hannah Clark: Ok, ora lo sanno tutti.
Anuj Adhiya: Se non dovessi riuscire, ora sapete con chi prendervela.
Hannah Clark: Passiamo quindi ad inquadrare la situazione: l'incrocio tra IA e PLG.
Domanda per Ramli. Secondo te, la PLG è diventata essenziale per il settore SaaS in generale? La sentiamo come una buzzword, ma qual è la situazione adesso?
Ramli John: Direi che dipende, sì, dipende. Purtroppo dipende da come definisci “prodotto-centrico”. Se con prodotto-centrico intendi solo free trial o freemium, non lo credo. Infatti suggerisco alle startup di iniziare con molta interazione, di avvicinarsi ai clienti. Se invece significa eliminare la frizione non necessaria e creare una grande esperienza per l’utente, allora sì, lo standard e le aspettative per i prodotti oggi sono molto più alte rispetto a 10 anni fa.
Oggi, se qualcosa è frustrante, ci sono almeno altre 100 opzioni alternative. E credo fortemente che creare una bella esperienza sia fondamentale per la retention e l’attivazione. Se questa è la definizione di prodotto-centrico, allora sì è essenziale. Ma free trial e freemium? Non necessariamente.
Hannah Clark: Wow, risposta sfumata. Qualcuno vuole aggiungere qualcosa sulla rilevanza della PLG oggi?
Dani Grant: È davvero potente.
Ramli John: Aggiungo solo che vedo tanti founder che fanno la domanda sbagliata. Si chiedono “come posso essere più come Slack” invece di chiedersi “come posso usare meglio il mio prodotto per servire le esigenze finali del mio cliente?”
Questo apre possibilità molto più ricche di adottare un approccio prodotto-centrico rispetto a copiare qualcosa che probabilmente non funzionerà per loro.
Hannah Clark: Verissimo.
Passiamo a dove l’IA sta entrando in gioco. Questa per Dani: come vedi l’IA pronta a potenziare le strategie PLG? Hai storie su come l’avete utilizzata in Jam?
Dani Grant: Parlando in generale, in PLG il tuo prodotto fa la vendita, e la vendita è più efficace se personalizzata, richiede molti contenuti e convincimento.
Questa è proprio un’area in cui l’IA è super forte. Da tempo le aziende cercano personalizzazione e segmentazione tramite machine learning, ora con le LLM è tutto più semplice. Devi comprendere grandi quantità di dati non strutturati.
Non vedo l’ora di entrare nei dettagli pratici. L’IA è perfetta per questo. E la miglior strategia PLG è semplicemente avere un prodotto talmente valido che la gente ne parla spontaneamente. L’IA permette di realizzare funzionalità ancora più potenti: anche questa è una parte cruciale del puzzle.
Hannah Clark: Passiamo quindi all’analisi del ruolo dell’IA lungo il percorso utente. Questa sezione occuperà gran parte della sessione: da non perdere. È il momento di mettere via i telefoni. Facciamo un excursus su ogni fase della PLG e mostriamo come l’IA possa aiutare.
Partiamo dalla fase “acquisizione”. Dani, vuoi raccontare come il tuo team usa l’IA per questa fase?
Dani Grant: Ci sono due cose da segnalare. Per prima cosa: in PLG, i clienti trovano il tuo prodotto perché si vende da solo e fanno onboarding in autonomia.
Uno degli ambiti dove serve generare molti contenuti è la SEO, e l’IA può essere di grande aiuto. Ovviamente tutti abbiamo visto cosa succede quando viene usata male: contenuti generici che non si posizionano. Ma l’IA può davvero aiutare la SEO. Noi la usiamo così: fa la scaletta degli articoli seguendo le best practice SEO, oppure suggerisce miglioramenti SEO. O usiamo Perplexity per ricercare strumenti, prezzi ecc.
Inoltre ci chiediamo sempre: come creiamo contenuti che coinvolgano la nostra audience online? Il nostro pubblico sono developer, e il mondo dello sviluppo web cambia rapidissimo. Volevamo produrre contenuti settimanali freschi, così abbiamo creato una newsletter e un podcast “This Week in JavaScript”. Se vi interessa, andate su thisweekinJavaScript.com e in meno di quattro minuti ogni settimana avrete le novità. Come piccolo team non potremmo registrare un podcast ogni settimana, invece l’IA ci aiuta tantissimo.
Abbiamo oltre il 50% di open rate sulle newsletter e il podcast è molto ascoltato. Quindi ecco due modi con cui usiamo l’IA nella fase di acquisizione della PLG.
Hannah Clark: Fighissimo.
Ramli John: Un altro uso dell’IA in fase di acquisizione è nel riproporre i contenuti.
Prendiamo una puntata del podcast e la passiamo in Castmagic, un tool che restituisce riassunti, post per blog, Twitter, LinkedIn, newsletter. Serve ancora un po’ di editing, non è perfetto, ma è un ottimo modo per ottenere il massimo dai contenuti che hai.
Dani Grant: Facciamo esattamente la stessa cosa. Crediamo che nel 2024 le vendite guidate dai founder si svolgano principalmente online.
Prima bisognava ottenere una presentazione calda e poi fare il primo incontro di persona; ora tutto accade online, la presentazione arriva mentre le persone scorrono LinkedIn. Usiamo l’IA anche per riproporre contenuti: se qualcuno del team partecipa a un podcast, prendiamo il link YouTube, lo inseriamo in uno strumento come OpusClip che genera video-clip e highlight da condividere online o che ispirano nuovi contenuti.
Hannah Clark: È fondamentale poter riproporre i contenuti e spremere ogni “goccia dal limone” come ha detto Ramli. Ottimo. Passiamo ora alla fase “attivazione”.
Ramli, sei l’esperto di onboarding. Quali pratiche abilitate dall’IA suggerisci per la fase di attivazione?
Ramli John: Sì, questo è qualcosa che ho visto fare a un’azienda con cui ho parlato sull’uso dell’IA nell’onboarding.
Nella crescita guidata dal prodotto, una delle sfide (o opportunità) è l’importanza della ricerca utente. Con vendite più dirette, ascolti direttamente le obiezioni. Quando è il prodotto a “vendere”, queste non emergono, l’utente semplicemente sparisce.
Così, come ottenere questi insight qualitativi? Un modo interessante che utilizzano: registrano le chiamate di vendita (hanno un approccio ibrido), le chiamate di onboarding per i clienti enterprise, e le passano a ChatGPT per “allenare” il modello.
Con queste, generano documenti di handoff tra sales e customer success e perfino sequenze di email di onboarding basate sulle problematiche emerse nelle chiamate. Suggerisco anche di inserire le richieste più frequenti al supporto, così quando si scrive una sequenza o un tour, il modello sa a cosa rispondere.
Ci sono poi strumenti più avanzati che, inseriti nei dati, rilevano metriche di retention (ad esempio, amplitude o june.so) e segnalano pattern come “gli utenti che fanno X, Y, Z si fermano al 30%”. Ovviamente prendete con beneficio d’inventario: servono dataset abbastanza grandi.
Hannah Clark: Sì, ha senso. Altri suggerimenti per la fase di attivazione?
Dani Grant: Una volta che conosci i passi necessari per l’attivazione, serve inventare modi per convincere gli utenti a compierli.
Nel nostro caso, consideriamo un utente attivo quando crea quattro bug report con Jam. Cerchiamo idee per portare gli utenti dal terzo al quarto bug report, per mostrare il valore del prodotto. E l’IA è molto brava a generare tante idee mediocri che però ispirano poi noi umani ad avere quelle buone. È un altro modo, forse banale, di usare l’IA qui.
Hannah Clark: Mi piace l’idea che dai brutti spunti dell’IA si arrivi poi a buone idee umane.
Dani Grant: È difficile avere pura immaginazione partendo da zero. Ma gli umani sono bravissimi a correggere, reagire, migliorare una bozza. Quindi avere anche solo una brutta prima bozza aiuta. L’IA sa generare quella prima bozza che innesca poi la nostra creatività.
Hannah Clark: Ottimo consiglio. Scusa se ti ho interrotto.
Ramli John: No, aggiungo solo che il bello degli LLM è che puoi addestrarli. Se la prima bozza è scadente, puoi spiegare cosa non va e dargli feedback.
Ho sentito una frase in un podcast di Nathan Berry di Kit, che diceva: trattate l’IA come uno stagista alle prime armi: solo con feedback migliora. Se dai feedback all’IA dopo le brutte idee, migliora gradualmente col tempo.
Hannah Clark: Al massimo la qualità minima migliorerà! Forse non funziona proprio così, ma magari sì.
Anuj Adhiya: Io lo chiamo lo “stagista sbronzo”, in effetti.
Ramli John: Già, in effetti è più appropriato. Fa cose molto strane!
Anuj Adhiya: E aggiungo: l’attivazione non è davvero uno step separato lato utente. Quando sono dentro il prodotto, sono semplicemente dentro. Questo mi aiuta a collegare tutti i punti a monte e a valle: penso all’attivazione come una retention a breve termine. Una volta entrati nel prodotto, lo scopo è trattenerli più a lungo, monetizzare meglio. Non esiste lo switch mentale “sono stato attivato, ora sono trattenuto”, è tutto un continuum di retention.
Hannah Clark: Giusto. Bisogna guardare le cose non solo in base agli step, ma anche da come si vede l’utente.
Dani Grant: È vero. Da utente, c’è la fase in cui sto provando, poi quella in cui davvero uso il prodotto. L’attivazione avviene in mezzo, quindi sono un po’ diversi.
Hannah Clark: Anuj, casi d’uso o idee che hai visto per la fase di retention?
Anuj Adhiya: Sì, molte di queste cose saranno un’espansione di quanto già detto, ma la cosa più affascinante della retention in PLG è come stia trasformando la nostra capacità di capire e agire sui comportamenti utente.
Ti faccio un esempio: tanti team accumulano montagne di dati su amplitude, heap, mixpanel ecc. Ma magari non hanno analisti dedicati e fanno fatica a estrarre insight azionabili davvero rapidamente.
Quello che cambia il gioco è combinare le analytics tradizionali con tool IA. È come accendere la luce: finalmente puoi vedere bene, scoprire “micro-coorti” di utenti che manualmente non avresti mai identificato. Magari scopri che chi fa una sequenza specifica nella prima settimana diventa super-user tre volte più spesso.
Ad esempio, in un progetto, utenti che esportano dati e li condividono nei primi giorni mostrano più engagement. Questo tipo di pattern è ciò che cerchiamo. Si tratta di sfruttare combinazione tra analisi e automazione: quando il sistema individua un certo pattern, può adattare contenuti/esprienze per portare più utenti su quella strada.
In certi casi, gli utenti ad alto potenziale vengono invitati a beta o customer advisory board, tutto sulla base dei dati d’uso effettivi. Tutto questo aiuta ad avvicinarsi al cliente, ma prima era troppo lento. Un vero salto di qualità arriva dal collegare i dati quantitativi e qualitativi: ML può analizzare pattern su supporto, community, feedback prodotto, ma quando questi insight si uniscono ai dati di utilizzo hai una vista a 360°. Non solo cosa fanno, ma perché, e la velocità di insight è impagabile perché si basa sempre meno su ipotesi e sempre di più su fatti.
Hannah Clark: Ti va di raccontare qualche aneddoto di questi casi in azione?
Anuj Adhiya: Un altro esempio: spesso i team hanno dati su survey PM fit, ticket supporto, call vendite… tutto separato, nessuno sa di chi sia il compito di incrociarli. Nessuno è colpevole: sono silo organizzativi. L’opportunità è “dare questo task all’IA”, che può raccogliere e presentare tutto a tutti gli stakeholder, eliminando il costo del ritardo e dell’indecisione. Anche in modalità grezza: prendi più esportazioni da database diversi, caricale in blocco e lascia emergere i pattern.
Hannah Clark: Quindi l’IA serve anche a spezzare i silos tra reparti? Stai suggerendo una sorta di “report trasversale” che aiuti tutti ad avere una visione comune?
Anuj Adhiya: Esatto. La crescita è uno sport di squadra e cross-funzionale, specie nel mondo PLG: serve portare insieme content, education, community, prodotto, sales ecc. Se hai un team growth, lo scopo è proprio unire tutti e capire cosa possiamo fare insieme nei punti critici. Comunicare insight in modo che ogni reparto capisca il proprio ruolo. Su questo l’IA può dare un supporto cruciale abbattendo i silos.
Hannah Clark: Mi piace. In un nostro episodio passato Michele Ronsen, nota UX researcher, suggeriva — in modo più “analogico” — di comunicare i risultati delle ricerche utente descrivendo cosa informano per ciascun reparto. Qui usiamo l’IA per “tradurre” i finding in azioni per team diversi.
Qualcuno ha altri commenti sull’uso dell’IA per migliorare la collaborazione cross-funzionale?
Dani Grant: Non è IA, ma… Perché le aziende assumono product manager? Serve un responsabile generale che si prenda cura di ogni aspetto della riuscita del prodotto. Nessun PM direbbe mai “non è un mio problema”, perché loro sono lì per farcela.
Un piccolo trucco (non IA ma utile): ogni settimana i 100 top user che non ci hanno sentito recentemente ricevono un’email da un co-fondatore Jam con la domanda “come va?”. Se rispondono in modo dettagliato, li invitiamo a una call. Questo crea un flusso costante di colloqui utente e tutti in azienda possono attaccarsi a questi incontri secondo necessità.
Hannah Clark: Ottimo. Non deve sempre essere IA: l’importante è crescere.
Passiamo ora alla fase “espansione”. Anuj, vuoi iniziare tu?
Anuj Adhiya: Sì. Per me la crescita è un continuum. Tradizionalmente, per espandere aspetti che l’uso aumenti o che qualcuno del CS se ne accorga oppure si spera di cogliere segnali di espansione. Faccio un esempio concreto: un’azienda SaaS usa Gong per analizzare tutte le interazioni — call sales, ticket supporto, QBR. L’obiettivo è istruire il sistema a trovare indicatori specifici di espansione.
Non si limita a frasi banali come “servono più licenze”, ma riconosce pattern come menzione di casi d’uso adiacenti, nuovo membro o reparto, discussioni su problemi risolvibili solo con upgrade. Incrociando questi pattern di conversazione col prodotto (es. chi raggiunge limiti API o tenta l’upgrade) è possibile creare scoring di intenti espansione. In questo modo l’identificazione è naturale, allineata coi bisogni del cliente.
Hannah Clark: Giusto.
Dani, vuoi raccontarci come usate le trascrizioni delle call per generare email di follow-up?
Dani Grant: È semplice: come product people crediamo che il prodotto debba fare il grosso del lavoro, ma per cambiare davvero i comportamenti serve anche un volto umano affidabile. La fase di espansione è spesso gestita da persone. Dopo una serie di call con i team per l’espansione, è importante inviare messaggi personalizzati: partendo dalla trascrizione della call la do a Claude e dico “quali erano i 3 punti principali?”. Da lì parto per il draft, molto meglio di partire da zero, specialmente dopo otto call back-to-back, quando sei stanco.
Hannah Clark: Tutto ciò che aiuta a fine giornata è benvenuto!
Passiamo ora al capitolo “Dalla visione all’esecuzione: costruire una strategia PLG abilitata dall’IA”. Ramli, puoi parlarci dei principali errori e misunderstanding sull’uso dell’IA in PLG?
Ramli John: Nel lavoro con l’IA il risultato dipende dalla qualità dell’input: se dai informazioni sbagliate, ottieni risposta errata. Detto ciò, come diceva anche Dani, mai partire da una pagina vuota. Devi addestrare l’IA con i migliori esempi di esperienza cliente e dare molto contesto: “Ecco le call avute, ecco i documenti, genera output solo su questa base. Voglio tre punti chiave”. All’inizio bisogna essere molto chiari e fornire tutte le informazioni: è cruciale curare il prompt come fosse uno stage appena assunto, spiegando bene cosa si vuole.
Ho visto also prompt del tipo: “Fai finta di essere direttore customer success di questa azienda, ecco i dati, la pagina LinkedIn di questa persona, le nostre call, cosa gli serve sapere?” Più contesto e chiarezza fornisci, migliori i risultati.
Dani Grant: Un rischio in più: soprattutto con persone junior, spesso “finito” significa solo “completato” e non “ha generato vero valore”. Quindi chi è alle prime armi può considerare “finito” qualsiasi output generato dall’IA: invece chi è senior vede che l’output richiede approfondimento, ulteriore analisi, oppure nota che l’IA ha hallucinato o il testo non ha senso. Per evitare questo, discutiamo spesso cosa significhi “finito” in azienda.
Hannah Clark: Ottimo consiglio, vale per l’IA ma anche per la crescita personale!
Anuj Adhiya: Posso aggiungere due cose: Ramli diceva “garbage in, garbage out”: io ormai testo se una persona sa googlare: è un indicatore se avrà bisogno di più training o se si orienterà bene nei prompt IA. Dani invece parlava di “finito”: per questo con i team inizio sempre definendo chiaramente la metrica North Star del prodotto — cioè il vero valore per i clienti — così ogni cosa (inclusi i prompt IA) viene orientata a generare valore vero.
Chi interagisce con queste tecnologie deve avere il quadro generale ben chiaro, così da saper distinguere insight reali da noise.
Hannah Clark: Temi comuni emergono qui, come le difficoltà nella collaborazione tra team. Mini pre-chiusura: niente panel a dicembre per le feste, ci rivediamo a gennaio con una sessione su come iniziare una carriera in product management. Troverete il link per la registrazione a dicembre, fate girare l’invito tra chi vuole fare il salto nella PM!
Andiamo con le domande. La più votata: l’IA può mostrare bias nell’interpretazione di dati sfumati, portando a risultati fuorvianti. Nel contesto PLG, come possiamo usare strategicamente l’IA per migliorare UX e crescita mitigando questi rischi?
Qualcuno vuole rispondere?
Dani Grant: Il punto è che l’IA non risolve i problemi umani, tocca usare il proprio giudizio. È uno strumento potente ma serve sempre lo scetticismo umano. L’errore di chi la usa in modo superficiale è pensare che “avere una risposta” sia sufficiente. Invece serve essere presenti e vigili.
Ramli John: Concordo: occorre intervento umano per correggere possibili bias dell’IA. L’IA è solo uno dei tanti input: insieme a dati qualitativi e quantitativi, opinioni di vari stakeholder, alla fine deve essere un umano a prendere la decisione. Non lascerei mai che l’IA decida da sola: quei bias rischierebbero di passare inosservati.
Anuj Adhiya: È importante non dimenticare come si facevano le cose prima dell’IA: confrontare sempre i risultati. Solo così puoi discernere se l’IA sta hallucinating. Serve triangolare i segnali ovvero confrontare l’output IA con le analytics raw, i feedback utenti, le opinioni del team supporto. Solo così cresci la fiducia nel sistema.
Un esempio: Heap Analytics permette di addestrare con dataset diversi così da evitare che l’IA privileghi solo pattern di grossi clienti trascurando quelli minori. Alcuni tool stanno imparando a gestire meglio questi bias, ma la verifica manuale è sempre raccomandata.
Hannah Clark: Buoni suggerimenti.
Prossima domanda: raccomandereste di sostituire team di supporto o customer success con l’IA? (Già accennato, ma aggiungiamo altre considerazioni).
Questi ruoli sono di solito responsabili della coorte retention, ma stanno emergendo tool agentici IA. Che ne pensate?
Dani Grant: La cosa fondamentale nel 2024 è l’esperienza utente: con la concorrenza attuale, basta poco per perdere un cliente. Se vi serve un sistema per cercare nella documentazione tramite linguaggio naturale, allora sì, un bot è comodo. Ma se volete offrire esperienza custom, supporto umano costante, la risposta è no.
A volte la soluzione ideale cambia a seconda dell’utenza: i developer preferiscono cercare rapidamente, mentre magari le grandi aziende hanno esigenze diverse. Pensate sempre prima all’esperienza del vostro utente, poi scegliete lo strumento.
Ramli John: Sono d’accordo. Più si automatizza, più cresce il desiderio di connessione umana. Come dice Josh Kaufman in The Personal MBA: “Più l’automazione è efficiente, più l’esperienza umana è cruciale”. Quando ricevi supporto umano, ti senti valorizzato. Questo vale doppiamente nel B2B. Il rapporto umano è ancora più importante ora che l’IA è ovunque.
Dani Grant: E l’asticella si è alzata: oggi una funzione IA fatta male infastidisce molto di più di una funzione classica fatta male. Se implementi un chatbot, deve essere eccellente. Se no, genera sfiducia e sembra puro hype o marketing, esperienza negativa.
Hannah Clark: Ultima domanda: come bilanciare la personalizzazione tramite IA e i temi della privacy degli utenti?
Dani Grant: Seguite la vostra privacy policy. Se qualcosa vi fa dubitare, evitatelo. Se la policy consente l’uso di metriche aggregate, allora potete usare l’IA su quelle. Se no, niente. Fiducia e rispetto per l’utente prima di tutto.
Hannah Clark: Non credo ci sia molto altro da aggiungere.
Ramli John: C’è sempre una certa sfumatura: a volte ho ricevuto email del tipo “Abbiamo visto che hai fatto X-Y-Z”: da un lato è utile e mi aiuta, dall’altro può sembrare una sorveglianza. Se sei “in casa loro”, forse te lo aspetti, ma occhio.
Anuj Adhiya: È il tema della personalizzazione rispettosa: la chiave è essere trasparenti sullo scambio di valore. L’utente accetta la personalizzazione solo se capisce cosa ci guadagna davvero. Ponetevi sempre: “Che vantaggio chiaro avrà l’utente se raccogliamo questa informazione?”
Hannah Clark: Tutti spunti molto utili. Purtroppo abbiamo finito il tempo! Grazie per l’attenzione. Spero che la sessione sia stata utile a tutti gli ascoltatori. Un grandissimo ringraziamento ai nostri panelist Ramli, Anuj, Dani: siete stati fantastici. Grazie a tutti e buona giornata!
Grazie per averci seguito. Per altre analisi, how-to e recensioni di strumenti, iscriviti alla nostra newsletter su theproductmanager.com/subscribe. Puoi sentire altre conversazioni come questa iscrivendoti a The CPO Club, dove vuoi tu.