Trovare il tuo vantaggio sleale nell’era selvaggia del prodotto

Leggi la trascrizione:

Stiamo sperimentando la trascrizione dei nostri podcast utilizzando un programma software. Per favore, perdona eventuali errori di battitura poiché il bot non è preciso al 100% delle volte.

Hannah Clark: È ufficiale. Il vibe coding è entrato nel lessico della popolazione generale, ed entriamo in un momento critico in cui AI, prodotti digitali e cultura si stanno fondendo in un enorme salto evolutivo. Democratizzare l'accesso allo sviluppo dei prodotti digitali, o in termini più semplici, "costruire seguendo le vibrazioni", segna un livellamento permanente delle opportunità in cui letteralmente chiunque può diventare un founder.

E mentre eliminare le barriere d'ingresso significa che più grandi idee avranno una via d'accesso al mercato, significa anche che, beh, più grandi idee avranno una via d'accesso al mercato. Un sacco, davvero. E su questa scala, le implicazioni sono molto più ampie del semplice fatto di avere molta più competizione. Significa che, se vogliamo essere dei veri contendenti sul mercato, dobbiamo portare i nostri standard di go-to-market (GTM) e di crescita a un livello molto più alto.

E per nostra fortuna l’ospite di oggi è Margaret-Ann Seger, Head of Product di Statsig. Come sentirai tra poco, Margaret-Ann, o MA per chi la conosce, ha una sensibilità incredibile su ciò che taglia il rumore di fondo e accende i motori della crescita. Ma il vero oro che sentirai in questo episodio sono le tattiche che lei e il team di Statsig usano per abilitare la collaborazione tra utenti e team di prodotto. Prendi appunti. Cominciamo.

A proposito, abbiamo conversazioni come questa ogni settimana, quindi se ti sembra interessante, perché non iscriverti? Bene, adesso iniziamo.

Bentornati al podcast The CPO Club. Margaret-Ann, grazie mille per aver trovato il tempo di chiacchierare oggi con me.

Margaret-Ann Seger: Grazie per avermi invitato al programma, Hannah.

Hannah Clark: Puoi raccontarci un po' del tuo background e di come sei arrivata dove sei oggi a Statsig?

Margaret-Ann Seger: Certo. Guido il prodotto e il design a Statsig, che è una piattaforma moderna di product intelligence.

Dai classici AB test alla validazione di modelli offline, sempre più team costruiscono con modelli, feature flag intelligenti, analytics di prodotto. Aiutiamo i team a integrare i dati in ogni parte del processo di sviluppo prodotto in questa era dell’AI. Quindi una piattaforma bastante completa. Per me ha molto senso perché vengo da grandi aziende tech.

Ho iniziato la mia carriera in Big Tech, sono stata in Facebook, poi un po' più di sei anni a Uber. Entrambe le aziende erano in fase di ipercrescita quando sono entrata, ma ho avuto il privilegio di disporre di un set di strumenti interni super performanti da usare. E solo quando sono uscita nel 2020 e sono entrata nel mondo reale mi sono resa conto che non tutte le aziende hanno accesso a quegli strumenti.

Quindi ciò che stiamo costruendo in Statsig mi risuona perché stiamo democratizzando l'accesso a quella stessa serie di strumenti per ogni azienda.

Hannah Clark: Fantastico. Oggi parleremo più dal lato della crescita, come definire strategie di crescita e GTM, e parlando di democratizzazione nell'era dell'AI, dove molte parti dello sviluppo prodotto e del lancio sono democratizzate.

Dobbiamo davvero trovare modi intelligenti e intuitivi per emergere. Quindi partiamo da una frase che mi hai condiviso in una conversazione precedente e che mi è piaciuta molto, ovvero che i founder alla prima esperienza pensano al prodotto, i founder seriali pensano alla distribuzione. Secondo me è un modo molto puntuale di inquadrare il discorso.

Quando pensi a questo, qual è secondo te il cambiamento mentale più importante che i leader di prodotto devono fare passando da un pensiero product-first a distribution-first?

Margaret-Ann Seger: Bella domanda. In realtà questa frase me l’ha detta mio marito. Me l’ha riferita mentre stava avviando la sua startup.

Quindi era il momento giusto per ascoltarla. Ma lo spirito è che, a fine giornata, puoi costruire il prodotto più incredibile del mondo, ma se nessuno lo conosce o non hai modo di portarlo davanti alle persone giuste, non avrai successo. E penso sia ancora più vero nell’era AI, no?

Perché semplicemente ci sono così tanti più prodotti, giusto? La soglia per creare un prodotto si è abbassata. Ora tutti possono creare la propria app, il proprio sito, il proprio X, Y, Z. Quindi ci sarà molto più rumore. Come ci si distingue? Come ottieni distribuzione? Alcuni degli esempi che mi vengono in mente di quando questa cosa è fatta bene sono, non proprio tech, ma...

La linea makeup di Haley Bieber è stata acquistata recentemente: Road. È stata acquistata per oltre un miliardo di dollari, risultato super. Tutto costruito sul suo brand. Probabilmente lei è brava col makeup, ma sono sicura che ci siano milioni di persone che ne sanno di più sulle finezze di creare makeup e tutto il resto.

Ma lei aveva un brand fenomenale. Aveva distribuzione. Poteva accenderlo così. Mi ricordo di Facebook, avevamo una distribuzione incredibile, quindi ogni feature che lanciavi poteva andare da zero a centinaia di milioni di utenti quasi istantaneamente.

E anche nelle aziende AI lo vedi: Cursor, ad esempio, si è appoggiata su VS Code. Esistono dei canali di comportamento/distribuzione già esistenti su cui puoi costruire qualcosa e in una notte boom, prendi trazione. Questo sarà il vero elemento di differenziazione per le aziende di successo: trovare canali di distribuzione sostenibili e creativi.

Non si tratterà più solo del prodotto; quello diventerà quasi un requisito base nell’era dell’AI.

Hannah Clark: Sì, questa è davvero una preoccupazione sulla mente di molti: potresti avere una grande idea, ma la funzionalità di un prodotto che crei non è unica nel mondo, tanti potrebbero raggiungere lo stesso risultato.

Per distinguere un prodotto di valore dalla massa, visto che chiunque può costruire la stessa app che puoi creare tu, quali strategie suggerisci per posizionarsi sul mercato?

Margaret-Ann Seger: Sì. Una importante, poco discussa, sono i feedback loop.

Potresti avere un assistente AI che scrive codice, assistenza in ogni fase di costruzione e lancio. Ma come ottieni feedback una volta che è fuori nel mondo? Sia feedback qualitativi che quantitativi, vuoi sapere subito se quello che costruisci funziona.

Devi far funzionare questi cicli di feedback. Così ricevi segnali e puoi iterare. Poi la vera differenza, anche per noi in Statsig, è la velocità: dopo aver attivato i feedback loop, riesci ad incorporarli più velocemente degli altri?

Se gli utenti ti dicono qualcosa, riesci a capitalizzare subito? Feedback + velocità saranno i veri determinanti dei vincitori. Noi, per esempio, pubblichiamo qualcosa anche se non completissimo, giusto per ottenere feedback reale, anche se grezzo, così informiamo cosa costruiamo davvero e riduciamo alcuni classici tempi di sviluppo.

Hannah Clark: Quindi in sostanza, si tratta davvero di conoscere gli utenti, oggi più che mai. Qual è un approccio pratico che i leader possono usare ora per capire davvero il loro ICP, dato il nuovo contesto?

Margaret-Ann Seger: Questo sarà controverso, ma… fare supporto.

Penso che Product Manager che si occupano di supporto e lavorano coi clienti quando sorgono problemi aiutino molto a capire gli utenti, cosa che oggi è ancora più critica. Da Statsig questo è portato all’estremo: quando sono arrivata mi ha stupito.

Non abbiamo un team di supporto. Tutta l’azienda fa supporto. Abbiamo strumenti evoluti tipo gruppi su Slack che smistano automaticamente tramite bot, su una coda di 'on call of the day', ogni membro del team diventa on call a rotazione.

Io sono Head of Product ma faccio anche supporto. Così ascolto cosa non va, vedo dove le persone si incastrano nei flussi e mi mantiene in contatto costante con il cliente e le sue criticità, portandole in ogni discussione.

E so che è controverso perché tanti affidano a bot o team di supporto il lavoro di customer care, ma secondo me così si resta davvero collegati agli utenti.

Inoltre i clienti lo notano: diventa un modo di distinguersi nel nuovo mondo.

Hannah Clark: È davvero geniale. Perché, se usi bot o un team di supporto, e tieni separato chi sviluppa, rischi che le informazioni si disperdano o di non riceverle affatto. E poi, in supporto raccogli il feedback più autentico, non solo dagli entusiasti o dai critici, ma dagli utenti comuni che vogliono solo andare dal punto A al punto B. Un punto di vista spesso difficile da ottenere altrove.

Margaret-Ann Seger: Sì, incontri le persone nel loro ambiente reale e vivi l’emozione del momento. È bello vedere anche gli ingegneri sviluppare empatia: diventano proattivi nel migliorare i flussi. Così partecipa tutta l’azienda, non solo i PM.

Hannah Clark: Esatto. E inoltre, così puoi anche capire bene come le persone usano davvero il prodotto e magari cambi qualcosa per semplificare i passaggi dove i clienti si bloccano invece che dover chiedere supporto. Bellissima idea!

Bene, parliamo della velocità dei cicli di sviluppo: hai suggerito di costruire in modo leggero, raccogliere feedback in fretta. Se hai molte idee, come decidi cosa testare per primo?

Margaret-Ann Seger: L’ho accennato prima: abbiamo iniziato a fare video di prototipi. Si crea il prototipo, si filma un video come se il prodotto fosse reale e si dice che è aperto per richieste beta, se vuoi accedervi. Ma in realtà non lo abbiamo ancora costruito! Se riceviamo interesse, allora lo sviluppiamo davvero. Così testiamo idee a costo bassissimo, senza dover costruire ogni dettaglio.

L’abbiamo fatto con diverse cose e ha funzionato bene, perciò continueremo: lasciamo che sia il mercato a dirci cosa va effettivamente costruito.

Hannah Clark: Questa è una vera anteprima sul “dietro le quinte”, sembra la rivelazione del Mago di Oz!

Margaret-Ann Seger: Forse non dovrei dirlo…

Hannah Clark: Ma è geniale: ci fai risparmiare lavoro inutile fintanto che non c’è vera domanda.

Margaret-Ann Seger: È la bellezza di questo metodo: abbiamo distribuzione garantita dal giorno uno, validata.

Hannah Clark: Fantastico. Parliamo dell’uso di AI per realizzare la strategia GTM: come lanciare e avere successo in un mare di prodotti simili?

Tanti pensano: “Basta chiedere a ChatGPT la strategia”, ti vedo ridere…

Margaret-Ann Seger: Sì, rido perché hai ragione. Puoi usare ChatGPT per molti output concreti, ma decidere quali output servono e come incasellarli è un’arte in sé. C’è la battuta che i PM diventeranno “prompt engineer”: in parte è vero, ma il motivo per cui serve comunque la persona è l’empatia. Solo se hai vera empatia per il cliente riesci a parlare davvero la sua lingua e costruire una proposta efficace.

Servono dati quantitativi (cosa fanno gli utenti, anche diversamente da ciò che dicono), qualitativi (sessioni, osservazione dei comportamenti, punti critici). L’AI può aiutare su entrambi i fronti, ad es. ora ci sono startup che sintetizzano sessioni mediante AI, raccogliendo migliaia di sessioni e offrendo insights chiave. Ma serve la persona per interpretare: capisci l’umano, il suo ICP, le motivazioni e solo così crei una storia efficace.

Poi sì, ChatGPT può aiutarti a rifinire output, ma serve sempre una base umana di partenza.

Hannah Clark: Vogliamo andare sul pratico della strategia GTM. Se oggi la concorrenza è enorme, tutto dev’essere più forte, compresa la strategia GTM. Se analizzassimo oggi “l’anatomia” di una strategia GTM efficace rispetto al 2020, quali sono le differenze secondo te?

Margaret-Ann Seger: Domanda difficile, oggi è più facile dire cosa NON funziona più rispetto a una volta. Un esempio: la SEO è cambiata molto, ora che sempre più persone saltano Google e vanno direttamente su ChatGPT, Claude, Gemini… investire solo sulla SEO ha meno impatto.

Poi c’è una soglia molto più alta sulla differenziazione. Prima, contenuti di qualità bastavano: blog, newsletter…

Hannah Clark: O un podcast!

Margaret-Ann Seger: Esatto! Prima bastavano, ora sono il minimo. Soprattutto per i contenuti scritti, oggi generabili a massa con AI, è facile produrre “fango” testuale.

Quindi come emergi nel rumore, dove molti generano centinaia di post solo per ranking?

La vera differenza (ed è l’attuale “gold standard”) secondo me è il tocco umano. Una presenza umana reale, nella fase di comunicazione e supporto, sarà quello che attirerà. Molti trovano Statsig diverso perché ci sono le persone: nei video, nei blog, nelle risposte al supporto. Questo ora è rivoluzionario, mentre prima lo standard erano i brand minimalisti e quasi sterili (vedi Vercel, Linear…). Andare controcorrente diventando più “umani” ti differenzia.

Noi, per esempio, mostriamo i nostri cani sul sito, i membri della squadra nei video, e chi risponde alle domande. Questo ci ha distinti e la gente lo apprezza, ci trova più memorabili.

Hannah Clark: Vero, questo segue la regola della pendolarità di trend e saturazione: la gente, saturata da minimalismo e omologazione, inizia a desiderare autenticità, qualcosa di reale e umano.

La transizione Instagram–TikTok è simile: Instagram era tutto curato, TikTok è “lo-fi”, umano, spontaneo.

Quindi, per i team di crescita che usano strumenti come Statsig, qual è l’errore più frequente nelle strategie GTM quando hanno molti tool di measurement?

Margaret-Ann Seger: Sempre più team adottano strumenti per essere data-driven e tracciare dati. Ma spesso i dati raccolti non si allineano.

Se hai quattro tool che tracciano le stesse azioni utente, ti trovi con quattro dataset differenti, spesso discordanti. Fare chiarezza è complesso e si rischia la sfiducia nei dati.

Quindi, paradossalmente più strumenti, meno chiarezza. La tendenza è consolidare: piattaforme che aggregano dati, un solo SDK, un unico database attendibile o data warehouse. Tutti i tool dovrebbero poggiare sul warehouse, non crearne di nuovi.

Così le aziende tornano a fidarsi dei dati e davvero li usano. Ma serve tempo per “ricostruire” la fiducia persa.

Un’altro punto: molti dicono di essere data-driven, ma poi, se chiedi come è andata una feature, ti dicono “non so”. Perché lanciare esperimenti è pesante, tra setup, documentazione, validazione dei data scientist, resoconti... I tool che rendono l’A/B test leggero – feature flag, accensione/spegnimento, confronto automatico dati – sono preziosi: permettono a tutti di esercitare il muscolo degli esperimenti A/B, anche senza metodologie statistiche avanzate. Su questo ci stiamo concentrando: rendere il processo as simple as possible.

Hannah Clark: Perfetto. A proposito di allenare questo “muscolo”: per integrare distribuzione e sviluppo serve che tutti nel team ci pensino insieme. Come si può costruire questa attitudine, anche tra chi non è direttamente coinvolto nel marketing/prodotto?

Margaret-Ann Seger: È difficile diffondere questo DNA. Ma quello che facciamo in Statsig è puntare all’assunzione di ingegneri con mentalità di prodotto, appassionati dell’utente finale, del funzionamento e dell’adozione. Vogliono capire chi adotta il prodotto, come lo usa davvero, e se i metrici sono buoni.

Ad esempio il nostro team infra ha sviluppato tool simili a Datadog, per “dogfoodarsi” il nostro stesso prodotto. Ora lo usano per monitoraggio end-to-end e sono loro stessi a suggerire di lanciarlo commercialmente: ecco come una esigenza interna può diventare uno SKU per i clienti. L’ingegnere lead dell’area oggi collabora attivamente su come posizionare il prodotto sul mercato.

Hannah Clark: Sì, questo dimostra che la modalità di lancio e distribuzione è molto specifica alla storia del prodotto e su dove si trova il valore.

Vorrei che ci raccontassi un altro esempio. Hai visto di recente un caso in cui l’aspetto umano e di storytelling sia stato centrale nella distribuzione di un prodotto? Chi metteresti sotto i riflettori?

Margaret-Ann Seger: Non è recentissimo, era il 2018. Ma per me il gold standard resta la campagna “Driver Forward” di Uber. Uber era cresciuta tanto grazie ai driver, ma spesso erano poco valorizzati rispetto ai rider. C’erano tante funzionalità e richieste in sospeso, qualità della vita, visibilità degli incassi… Stavamo per lanciare novità e abbiamo unito questo alla narrazione centrata sui driver.

Driver Forward era: ogni mese per sei mesi, marketing e prodotto insieme lanciavano una nuova feature o miglioramento per i driver, supportato da storytelling (es. eventi, feste lancio a rotazione in vari centri, focus sulle storie personali dei driver ecc.). E ha funzionato alla grande: ha migliorato il rapporto di fiducia tra gli autisti e Uber e ha unito roadmaps e lanci di prodotto e marketing come pochi altri esempi che io abbia visto. La strategia era guidata da Laura Jones, ora CMO di Instacart, ed è una vera maestra in questo. Quel progetto per me resta il riferimento di come mettere davvero al centro dell’allineamento tra prodotto e marketing il pain reale dell’utente.

Hannah Clark: Ottimo esempio, chiarissimo su come deve funzionare quello che raccontavi.

Margaret-Ann Seger: È stato davvero bello viverlo.

Hannah Clark: Grazie mille per essere stata con noi oggi, è stata una grande conversazione, ricca di spunti in poco tempo.

Se qualcuno volesse continuare a seguire il tuo lavoro, dove può trovarti online?

Margaret-Ann Seger: Su LinkedIn, mi trovate come MA (Margaret-Ann Seger), e anche il blog di Statsig è molto interessante: tanti argomenti people-centric, se vuoi conoscere il team meglio su statsig.com/blog.

Hannah Clark: Grazie mille.

Margaret-Ann Seger: Grazie a te.

Hannah Clark: Grazie per averci ascoltato. Per altri approfondimenti, guide e recensioni di tool, iscriviti alla nostra newsletter su theproductmanager.com/subscribe. Puoi ascoltare altre conversazioni come questa iscrivendoti a The CPO Club ovunque ascolti i tuoi podcast.