Trovare il tuo vantaggio sleale nell’era selvaggia del prodotto

Leggi la trascrizione:

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

Hannah Clark: È ufficiale. Il vibe coding è entrato nel vocabolario della popolazione generale e stiamo vivendo un momento critico in cui intelligenza artificiale, prodotti digitali e cultura si stanno unendo in un unico grande salto evolutivo. Democratizzare l’accesso allo sviluppo dei prodotti digitali, o per dirlo più semplicemente, “costruire sull’onda delle vibrazioni”, segna un livellamento permanente del campo di gioco in cui letteralmente chiunque può diventare un fondatore.

E mentre l’eliminazione delle barriere all’ingresso significherà che più grandi idee avranno una via di accesso al mercato, significherà anche che, beh, più grandi idee avranno una via di accesso al mercato. Tipo, molte di più. E a questa scala, le implicazioni sono molto più ampie che avere soltanto molta più concorrenza. Significa che, se speriamo di essere veri contendenti in questo mercato, dobbiamo mantenere le nostre strategie GTM e di crescita a uno standard molto più alto.

E per fortuna vostra, la mia ospite di oggi è Margaret-Ann Seger, Head of Product di Statsig. Come sentirete tra poco, Margaret-Ann, o MA per chi la conosce, ha un incredibile senso per ciò che riesce a rompere la confusione e far partire i motori della crescita. Ma il vero oro che ascolterete in questo episodio sono le tattiche che lei e il team di Statsig usano per abilitare la collaborazione tra i loro utenti e il team di prodotto. Vorrete assolutamente prendere appunti. Iniziamo.

Ah, tra l’altro, teniamo conversazioni come questa ogni settimana, quindi se vi interessa, perché non vi iscrivete? Bene, ora cominciamo.

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

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

Hannah Clark: Puoi raccontarci un po’ del tuo background e come sei arrivata dove sei oggi in Statsig?

Margaret-Ann Seger: Certo. Guida il prodotto e il design in Statsig, che è la moderna piattaforma di intelligence per prodotti.

Si va dal classico AB testing fino al test di modelli offline, sempre più team costruiscono con modelli, feature flagging intelligente, analisi dei prodotti. Aiutiamo i team a integrare i dati in ogni fase del processo di creazione dei prodotti in questa era dell’IA. Quindi una piattaforma piuttosto completa. Per me. Ha molto senso perché vengo da grandi aziende tecnologiche.

Ho iniziato la mia carriera in una Big Tech, sono partita da Facebook, poi ho passato poco più di sei anni in Uber. Entrambe le aziende erano in piena ipercrescita quando sono entrata, ma avevo il lusso di avere una suite di tool interni super potenti. E solo quando sono uscita nel 2020 e sono approdata nel mondo reale mi sono resa conto che non tutte le aziende hanno accesso a quegli strumenti.

Quindi ciò che stiamo costruendo in Statsig ha senso perché stiamo democratizzando l’accesso a quella stessa serie di strumenti per ogni azienda.

Hannah Clark: Fantastico. Oggi parleremo un po’ più dal lato crescita, di come fare centro con la crescita e la strategia GTM nella prospettiva della democratizzazione nell’era dell’IA, ora che così tante parti dello sviluppo e lancio del prodotto sono democratizzate.

Dobbiamo davvero trovare modi intelligenti e intuitivi per emergere. Quindi partiamo da una frase che hai condiviso con me in una conversazione precedente e che mi è piaciuta molto: i founder alla prima esperienza si concentrano sul prodotto, quelli seriali sulla distribuzione. Penso sia un modo molto sintetico di inquadrare la conversazione.

Quando ci pensi, qual è il cambiamento di mentalità più importante che pensi che i product leader debbano fare passando da un approccio prima il prodotto a prima la distribuzione?

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

Quindi è stato molto tempestivo avere quella conversazione. Ma penso che lo spirito sia che, alla fine della giornata, puoi costruire il prodotto più straordinario del mondo, ma se nessuno ne è a conoscenza o non hai modo di metterlo davanti alle persone giuste, non avrai successo. E penso che sia particolarmente vero nell’era dell’IA, giusto?

Perché semplicemente ci sono molti più prodotti, vero? L’asticella per creare un prodotto è scesa. Ora tutti possono creare la propria app, sito web, X, Y, Z. Quindi ci sarà molta più confusione. Come emergere? Come ottenere distribuzione? Diversi esempi che mi vengono in mente su chi lo fa bene sono, non so se l’hai seguita, non è proprio un esempio tech, ma io…

La linea di makeup di Hailey Bieber è stata recentemente acquisita da Road, per oltre un miliardo di dollari, un risultato super di successo. Tutto costruito sul suo brand. Probabilmente è brava col makeup, ma sicuramente ci sono moltissime persone che ne sanno di più sulla creazione di trucchi e su tutti gli aspetti di dettaglio.

Ma il suo brand è fenomenale. Aveva distribuzione. Puoi accenderla così. Penso al mio tempo in Facebook: avevamo una grandissima distribuzione e quindi ogni funzione lanciata poteva passare da zero a centinaia di milioni di utenti in una notte, perché semplicemente avevi già una massiccia adozione.

E credo che anche nelle aziende IA si veda: cursor si è agganciato sopra VS Code. Tutti questi comportamenti e canali di distribuzione già esistenti su cui si può costruire qualcosa di incrementale e in una notte, boom, si accende tutto. Penso che sarà la capacità di trovare un canale di distribuzione sostenibile e creativo a differenziare le aziende di successo.

E non sarà solo avere un buon prodotto, quello sarà quasi il punto di partenza nell’era dell’IA.

Hannah Clark: Sì, penso sia esattamente questa la preoccupazione che molti hanno: puoi avere una grande idea, ma le funzionalità del prodotto che crei non sono necessariamente uniche, ci sono molte vie per arrivare allo stesso risultato.

Quindi se pensiamo alle strategie per distinguere grandi prodotti dalla massa, sapendo che chiunque può creare la stessa app che puoi creare tu, da dove devono partire secondo te le persone che vogliono ritagliarsi uno spazio di mercato?

Margaret-Ann Seger: Sì. Una cosa importante di cui si parla poco sono in realtà i feedback loop.

Magari hai un assistente IA che scrive il tuo codice, magari hai assistenti in ogni passaggio della costruzione e del lancio del prodotto. Ma poi, come ricevi feedback quando è realmente nel mondo? Sia feedback qualitativo che quantitativo, giusto? Devi sapere in fretta se ciò che stai costruendo funziona e basta.

Far funzionare questi loop di feedback. Così ricevi costantemente segnali e puoi iterare di conseguenza. E poi, a quel punto, il fattore che davvero fa la differenza secondo noi (e che per Statsig è distintivo) è la velocità, giusto? Quindi, una volta attivati i feedback loop, sei in grado di recepire quei feedback e iterare più velocemente degli altri?

Se gli utenti ti dicono qualcosa, riesci a capitalizzare immediatamente? Quindi penso che loop di feedback più velocità siano ciò che davvero farà vincere alcuni. E a volte mettiamo lì fuori prototipi molto grezzi solo per ottenere un segnale, così da orientarci meglio su cosa costruire e saltare alcune tappe del processo tradizionale di product building.

Hannah Clark: Quindi, il punto è conoscere gli utenti. Questo è sempre stato fondamentale, ma oggi lo è ancora di più. Qual è un approccio tattico che i leader di prodotto possono usare per capire davvero il loro ICP oggi, vista questa democratizzazione?

Margaret-Ann Seger: Sarà controverso, ma: fare supporto.

Penso che i PM dovrebbero fare supporto e lavorare con i clienti quando hanno problemi. È davvero utile se vuoi capire il tuo utente, cosa che sarà più importante che mai. In Statsig portiamo questo all’estremo, e mi ha scioccata quando mi sono unita.

Non abbiamo un team di supporto: tutto il team, tutta l’azienda, è responsabile per il supporto e abbiamo creato un’intera suite di strumenti complessi con gruppi feedback su Slack che vengono suddivisi in automatico da un bot, e ogni membro diventa “on call of the day” a rotazione.

Io sono Head of Product ma faccio anche supporto. Quindi sento quando qualcosa va storto, vedo dove le persone si bloccano in un certo flusso e questo mi permette di restare in contatto col cliente e i suoi punti dolenti e di canalizzarlo automaticamente in ogni conversazione.

E penso che sia controverso perché ci sono tantissime aziende—Sierra, persino tutte queste compagnie IA che fanno bot di supporto clienti—che sostengono che dovresti delegare tutto questo. Noi invece pensiamo che aiuti tantissimo a restare sintonizzati.

E i clienti lo apprezzano. Diventa quasi un punto di differenziazione nel nuovo mondo.

Hannah Clark: Sì, mi sta davvero aprendo la mente questa strategia; la trovo brillante. Che tu usi un bot per rispondere o abbia un team di supporto…

Se tieni il supporto separato dal processo di sviluppo, devi sempre trasferire le informazioni a chi è più vicino al prodotto. Ma la cosa geniale è che, altrimenti, che altri modi ci sono di ricevere feedback?

Lo chiedi a chi ama il prodotto o a chi lo odia. Invece, facendo supporto, la gente non si aspetta che ascolterai davvero il loro feedback; stanno solo cercando di arrivare da A a B, e quel punto di mezzo è difficile da cogliere in altri modi.

Margaret-Ann Seger: Sì, è proprio così. Vedi i clienti nel loro ambiente reale. Li incontri lì, sul momento, ne percepisci l’emozione. E poi vedi anche gli ingegneri sviluppare questa empatia: è una cosa che scala bene, non solo ai PM, ma anche agli ingegneri.

Si entusiasmano: “Ehi, si può migliorare questo flusso, rilascio una correzione veloce!” Quindi si ottiene di più grazie a questa empatia dal basso.

Hannah Clark: Sì, assolutamente. E si vede anche il valore di capire davvero i casi d’uso dei clienti, cosa stanno cercando di ottenere, se c’è un modo più semplice per evitare che contattino il supporto… Mi sta davvero ispirando questa idea. Sono felice che sia venuta fuori. Ok, andiamo avanti. Parliamo della velocità dei cicli di sviluppo, l’altro fattore che hai menzionato per differenziarsi integrando velocemente i feedback nel product roadmap.

Quindi suggerivi, cose “scrappy”, rapide: costruisci velocemente, metti fuori, ricevi feedback. Che framework useresti per decidere cosa costruire e testare per primo se hai tante opzioni?

Margaret-Ann Seger: L’avevo accennato: abbiamo iniziato a girare video di prototipi. Si fa il prototipo e si gira un video come se il prodotto fosse reale e si dice che si accettano richieste per la beta, ma non lo costruiamo davvero. Se c’è interesse, qualcuno ci scrive da LinkedIn, risponde… Se raccogliamo abbastanza domanda e entusiasmo, lo costruiamo davvero. Un modo a basso costo per verificare idee senza dover sviluppare tutto il prodotto, con ogni caso limite e dettaglio.

Abbiamo testato alcune cose così e ha funzionato, quindi continueremo. Il mercato ci dice cosa vale la pena sviluppare.

Hannah Clark: Che rivelazione! È una vera sbirciata dietro le quinte di come lavorate.

Margaret-Ann Seger: Forse non dovrei dirlo…

Hannah Clark: No, invece è geniale, perché potresti fare tante cose ma, senza entusiasmo e trazione, perché lanciarsi in sviluppi lunghi e costosi?

Margaret-Ann Seger: Il bello è che così hai la distribuzione garantita dal giorno uno. L’abbiamo già validata!

Hannah Clark: Fantastico. Parliamo di IA rispetto alla strategia GTM. Il tema è come lanciare e avere successo quando ci sono mille prodotti simili al tuo che vengono lanciati ogni momento, e molti pensano: “Basta chiedere a ChatGPT”.

GTM strategy. Basta dare un prompt. Stai ridendo…

Margaret-Ann Seger: Sì, perché è vero quello che dici. Puoi usare ChatGPT per molte cose concrete. Ma sapere quali sono questi output e come inquadrarli è un’arte in sé. C’è la battuta che i PM diventeranno prompt engineer.

Credo che per la strategia GTM l’IA aiuti, ma serve una persona che dia i giusti prompt e indirizzi. Il motivo per cui serve l’umano è l’empatia. La tua strategia GTM funzionerà solo se hai empatia profonda per il cliente, capisci i suoi problemi, sai parlare la sua lingua e puoi posizionare il prodotto in modo che lo incontri dove si trova davvero. Sono necessari tantissimi input: quantitativi (capire cosa fanno o non fanno gli utenti), qualitativi (osservare le sessioni, non solo ciò che dicono ma anche cosa fanno davvero e dove si bloccano).

L’IA può aiutare in entrambi i processi: ora ci sono molte startup che fanno sintesi delle sessioni con IA, utilissima se ne hai da centinaia in su e non potresti mai guardarle tutte. Un bot può estrarre insight e passarli a te, ma serve comunque l’umano per capirli davvero, conoscere il proprio ICP e motivazioni, unendo il tutto per trovare la giusta inquadratura.

Una volta trovata questa, puoi usare ChatGPT per rifinire il posizionamento, ma c’è molto lavoro preliminare che non può essere automatizzato.

Hannah Clark: Entriamo nei fondamentali di una strategia GTM forte. Se oggi hai molta più concorrenza di prima, tutto deve essere più solido. In particolare la strategia GTM oggi rispetto a cinque anni fa deve essere molto più robusta. Se dovessimo fare una lezione di anatomia della “strategia GTM perfetta” oggi rispetto a una strategia considerata ottima nel 2020, quali sono i tratti fondamentali di una strategia attuale?

Margaret-Ann Seger: Bella domanda perché non so… È difficile definire una strategia eccellente oggi. Ma è facile dire cosa prima funzionava e non funziona più. Lo vediamo anche noi: sono entrata in Statsig all’inizio del 2022 e in questi tre anni e passa è cambiato tutto.

Alcune cose sono cambiate completamente. Una: la SEO è cambiata, ora che molti passano direttamente ai modelli (ChatGPT, Claude, Gemini…) senza passare da Google, la SEO rende molto meno. L’altra cosa è che ora serve una differenziazione molto più forte.

Prima era sufficiente avere contenuti di alta qualità, un bel blog o newsletter, per distinguersi.

Hannah Clark: O un podcast.

Margaret-Ann Seger: Esatto. Era sufficiente. Ora invece questo è solo il minimo indispensabile. In particolare i contenuti scritti sono complicatissimi perché basta generare centinaia di blog IA per migliorare il ranking su Google.

Ciò che invece ora diventa gold standard è il tocco umano. Avere davvero un “human in the loop” è quasi rivoluzionario e le persone si affezionano di più ai brand che sembrano umani.

È buffo: un amico ci ha detto che il brand di Statsig è molto diverso dalle tipiche aziende IA. Gli ho chiesto di spiegarsi: “Sì, avete i vostri dipendenti esposti, fate video lanci dei PM, mettete le facce degli autori nei blog, siete persone-centrici”. E questa cosa ora spicca: la maggior parte brand è sterilissima, minimalista, super pulita. Il fatto di essere visibili, imperfetti, diventa anticonvenzionale ma molti lo apprezzano! Abbiamo i nostri cani sul sito, le persone dietro i prodotti fanno video ma rispondono anche alle domande di supporto. Questo ci differenzia davvero.

Come le case tutte con parquet grigio e arredamento minimal: in tech succede lo stesso, si crea un’estetica dominante, ma emergere dalla massa o essere memorabili ora fa la differenza.

Hannah Clark: Esatto, sento sempre più spesso in vari ambiti che quando una tendenza satura, la domanda si sposta all’opposto, in proporzione a quanto la saturazione è forte.

Quindi vediamo il passaggio dai siti minimal super curati, bellissimi e puliti, che ora sono facilissimi da generare, a una nuova ricerca di autenticità. Come la transizione da Instagram a TikTok: prima la patina, poi la voglia di contenuti lo-fi, spontanei, dove si vede la persona vera dietro.

Credo sia successo anche per la tecnologia: ora la gente vuole vedere che dietro un prodotto ci sono persone. Quindi, se parliamo di team di crescita che usano strumenti come quelli di Statsig, qual è il maggiore errore GTM che vedi fare ora che abbiamo mille strumenti diversi per misurare il successo?

C’è moltissimo dato e tante correlazioni sbagliate possibili. Come si fa chiarezza?

Margaret-Ann Seger: Interessante. Sempre più team adottano strumenti per essere data-driven e tracciare dati…

Il problema è che spesso i dati non allineano. Se hai quattro strumenti diversi che tracciano le stesse azioni degli utenti, ti ritrovi con quattro dataset diversi che raramente concordano. Diventa molto caotico, la gente si frustra, non si sa più di chi fidarsi.

Quindi, paradossalmente, più aggiungi strumenti, più diventa difficile essere veramente data-driven. Un trend importante è la consolidazione: piattaforme che raggruppano strumenti e dati (come facciamo anche noi). Avere un unico set di SDK che tracciano, un unico “source of truth” (tipicamente il warehouse dati): tutti dovrebbero costruire sopra quello, senza generare nuove fonti dati. Questo sta accadendo nel settore e aiuta molto: una volta che il team si unifica su uno stack unico e su dati affidabili, si torna a fidarsi del dato… Ma è un processo lento che va ricostruito, perché la fiducia nei dati si è erosa col tempo.

Un’altra cosa: tanti dicono “siamo data-driven” ma poi, se chiedi come è andata una funzione, non lo sanno. Perché lanciare cose nuove come esperimenti è difficile: serve preparare l’esperimento, scrivere il design doc, validare tutto col Data Science, report finali… Gli strumenti che semplificano e automatizzano il test A/B riducono tantissimo la soglia: deploy un feature flag, accendi/spegni e in automatico hai il test fra chi vede la novità e chi no…

Così puoi controllare subito che il cambiamento non danneggi i tuoi metriche chiave, la latenza o i costi. Se puoi fare questo check velocemente e abbassi la barriera del test A/B, è potentissimo.

Forse non sarà avanzatissimo o statistico al 100%, ma è un ottimo primo passo per sviluppare quella cultura. Su questo punto stiamo lavorando molto.

Hannah Clark: Parlando di costruire quella cultura: tanto di ciò di cui discutiamo qui riguarda il mindset di sviluppo e di distribuzione. Ora chi lavora prodotto deve interiorizzare entrambi, sviluppo e distribuzione in mente insieme. Come si sviluppa questa skill e mentalità? In Statsig, è DNA nel team o lo stimolate con iniziative per chi non è in marketing ma DEVE pensare anche a come sarà promosso il proprio lavoro?

Margaret-Ann Seger: È difficile diffondere quel DNA. Una cosa che facciamo, più a livello di chi assumi, è puntare su ingegneri con mentalità prodotto, appassionati di utente finale e delle performance, e che vogliano partecipare al marketing.

Vogliono capire chi adotta il prodotto, come lo usa, se sono i target giusti e i dati sono positivi. Un esempio concreto è il nostro team infra, che ha sviluppato tool tipo Datadog per “dogfoodare” il nostro stesso prodotto.

Ci tengono molto. Hanno iniziato a fare debug, monitoring, alerting su Statsig per se stessi, poi mi hanno chiesto: “Possiamo venderlo ai clienti? Può diventare uno SKU?”. Ho detto: “Facciamolo!”. Certo, è ancora grezzo perché lo usiamo noi, ma è bello: hai un bisogno, lo risolvi in casa, poi capisci che potrebbe servire ad altri e lo porti al mercato. Ora il team di ingegneria collabora con me, PMM e marketing sui posizionamenti.

Hannah Clark: Sì, chiarissimo: il modo in cui lanci e pensi alla distribuzione è specifico e va raccontato insieme alla storia del prodotto e alla sua value proposition.

Ci fai un altro esempio, magari una bella storia di brand che è riuscito a mettere proprio lo storytelling e il lato umano al centro del go-to-market? Chi citeresti come riferimento?

Margaret-Ann Seger: Non recentissimo, ma il mio esempio d’oro è Uber nel 2018, con il progetto “Driver Forward”.

Uber è cresciuta tantissimo grazie ai driver, ma spesso si sentivano poco apprezzati. C’era molta narrazione sul valore per i rider (tornare a casa sicuri, portare i figli a calcio…), pochissima sulle storie reali dei driver (nuove opportunità di reddito, sostenere la famiglia, pagare il college…), sui loro bisogni, le funzioni richieste da anni, la trasparenza sui guadagni…

Era il momento di mettere i driver al centro. Per sei mesi marketing e prodotto hanno fatto squadra e ogni mese c’era un evento a tema: una nuova funzionalità per i driver o un miglioramento, storytelling, incontri in presenza col lancio in una città diversa, grande festa con i driver.

Ha davvero funzionato: ha cambiato il livello di fiducia tra driver e Uber e ha mostrato quanto sia potente allineare roadmap prodotto e GTM, con marketing e prodotto uniti.

La persona chiave era Laura Jones, oggi CMO di Instacart, bravissima. Quello è il mio gold standard: partire dal cliente, dai suoi problemi, costruire una roadmap attorno a questo e allineare marketing e prodotto.

Hannah Clark: Bellissimo esempio! Davvero un caso lampante di mentalità GTM in azione.

Margaret-Ann Seger: Sì, è stato fantastico vederlo.

Hannah Clark: Grazie mille per essere stata con noi oggi. Conversazione ricchissima e davvero puntuale!

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

Margaret-Ann Seger: Su LinkedIn mi trovate come MA, ma il mio nome completo è Margaret-Ann Seger. E anche il blog di Statsig è interessante: parliamo di tanti temi persona-centrici, se volete conoscere meglio il team: statsig.com/blog.

Hannah Clark: Grazie mille!

Margaret-Ann Seger: Grazie a voi.

Hannah Clark: Grazie per l’ascolto! Per nuove idee, guide pratiche e recensioni di strumenti, iscriviti alla nostra newsletter su theproductmanager.com/subscribe. Puoi ascoltare altre conversazioni come questa iscrivendoti a The CPO Club ovunque ascolti i podcast.