Odkrywanie swojej nieuczciwej przewagi w erze Dzikiego Zachodu produktów

Przeczytaj transkrypcję:

Testujemy transkrypcję naszych podcastów za pomocą programu komputerowego. Wybaczcie ewentualne literówki, ponieważ bot nie jest poprawny w 100% przypadków.

Hannah Clark: To oficjalne. Kodowanie intuicyjne weszło już do powszechnego języka, a my wkraczamy w kluczowy moment, w którym sztuczna inteligencja, produkty cyfrowe i kultura łączą się w jeden wielki skok ewolucyjny. Demokratyzacja dostępu do tworzenia produktów cyfrowych, czyli mówiąc prościej „budowanie na wyczucie”, oznacza trwałe wyrównanie szans, w którym dosłownie każdy może zostać założycielem firmy.

Z jednej strony usunięcie barier wejścia sprawi, że więcej świetnych pomysłów będzie mogło trafić na rynek. Z drugiej oznacza to, że więcej świetnych pomysłów rzeczywiście trafi na rynek. Dużo więcej. Przy tej skali konsekwencje są znacznie poważniejsze niż sama większa konkurencja. Jeśli chcemy być realnymi konkurentami na tym rynku, musimy stawiać naszym strategiom wejścia na rynek i wzrostu znacznie wyższe wymagania.

Na szczęście moim dzisiejszym gościem jest Margaret-Ann Seger, dyrektorka ds. produktu w Statsig. Jak za chwilę usłyszycie, Margaret-Ann, nazywana przez znajomych MA, ma niezwykłe wyczucie tego, co przebija się przez szum i uruchamia silniki wzrostu. Najważniejszym elementem tego odcinka są jednak taktyki, których ona i zespół Statsig używają, aby umożliwiać współpracę między użytkownikami a zespołem produktowym. Zdecydowanie warto robić notatki. Zaczynajmy.

A tak przy okazji, co tydzień prowadzimy podobne rozmowy, więc jeśli brzmi to dla was interesująco, może warto zasubskrybować podcast? Dobrze, zaczynajmy.

Witajcie ponownie w podcaście The CPO Club. Margaret-Ann, bardzo dziękuję, że znalazłaś dziś czas na rozmowę.

Margaret-Ann Seger: Dziękuję za zaproszenie, Hannah.

Hannah Clark: Czy możesz na początek opowiedzieć nam trochę o swoim doświadczeniu i o tym, jak trafiłaś do miejsca, w którym jesteś dziś w Statsig?

Margaret-Ann Seger: Jasne. Kieruję działem produktu i projektowania w Statsig, nowoczesnej platformie analityki produktowej.

Oferujemy wszystko: od tradycyjnych testów A/B, przez testowanie modeli offline, po coraz częściej wykorzystywane przez zespoły modele, inteligentne flagi funkcji i analitykę produktu. Pomagamy zespołom uwzględniać dane na każdym etapie tworzenia produktu w erze sztucznej inteligencji. To dość kompleksowa platforma. W moim przypadku ta misja bardzo do mnie przemawia, ponieważ wcześniej pracowałam w większych firmach technologicznych.

Karierę zaczynałam w Big Techu, w Facebooku, a następnie spędziłam ponad sześć lat w Uberze. Obie firmy rozwijały się niezwykle szybko, gdy do nich dołączałam, ale miałam luksus korzystania z zestawu świetnych narzędzi wewnętrznych. Dopiero gdy odeszłam w 2020 roku i wyszłam do prawdziwego świata, zrozumiałam, że nie każda firma ma dostęp do takich narzędzi.

Dlatego to, co budujemy w Statsig, jest mi tak bliskie: demokratyzujemy dostęp do tego samego zestawu narzędzi dla każdej firmy.

Hannah Clark: Wspaniale. Dziś porozmawiamy szerzej o wzroście, o tym, jak dobrze opracować strategię wzrostu i wejścia na rynek w epoce sztucznej inteligencji, kiedy tak wiele elementów procesu tworzenia i wprowadzania produktów na rynek ulega demokratyzacji.

Musimy znaleźć naprawdę inteligentne i intuicyjne sposoby na wyróżnienie się. Zacznijmy od zdania, którym podzieliłaś się ze mną podczas wcześniejszej rozmowy i które bardzo mi się spodobało: założyciele debiutujący po raz pierwszy troszczą się o produkt, a założyciele kolejnych firm troszczą się o dystrybucję. To bardzo zwięzły sposób na ujęcie tej rozmowy.

Jaka jest, twoim zdaniem, najważniejsza zmiana sposobu myślenia, której liderzy produktu potrzebują podczas przechodzenia od myślenia „najpierw produkt” do myślenia „najpierw dystrybucja”?

Margaret-Ann Seger: Dobre pytanie. To zdanie powiedział mi mój mąż, gdy opowiadał mi o planowaniu swojego start-upu.

Był to więc bardzo odpowiedni moment na taką rozmowę. Uważam jednak, że sedno polega na tym, iż można zbudować najbardziej niesamowity produkt na świecie, ale jeśli nikt o nim nie wie albo nie mamy sposobu, by zaprezentować go właściwym osobom, nie odniesiemy sukcesu. Jest to szczególnie prawdziwe w erze sztucznej inteligencji.

Powstaje po prostu znacznie więcej produktów. Poprzeczka przy tworzeniu produktu spadła. Teraz każdy może stworzyć własną aplikację, stronę internetową czy dowolny inny produkt. Będzie więc znacznie więcej szumu. Jak się wyróżnić? Jak zapewnić sobie dystrybucję? Myślę, że firmy, które odniosą największy sukces, będą tymi, które znajdą trwały i kreatywny kanał dystrybucji.

Nie chodzi już tylko o to, czy masz dobry produkt, bo w erze sztucznej inteligencji będzie to niemal podstawowy wymóg.

Hannah Clark: Dokładnie. To właśnie martwi wiele osób: możesz mieć świetny pomysł, ale funkcjonalność tworzonego produktu niekoniecznie jest wyjątkowa. Istnieje wiele dróg prowadzących do tego samego rezultatu.

Jeśli zastanawiamy się nad strategiami odróżniania świetnych produktów od reszty, wiedząc, że każdy może stworzyć taką samą aplikację jak my, od czego ludzie powinni zacząć, próbując znaleźć swoje miejsce na rynku?

Margaret-Ann Seger: Ważnym elementem, o którym nie mówi się wystarczająco dużo, są pętle informacji zwrotnej.

Możesz mieć asystenta AI, który pisze twój kod, oraz pomoc na każdym etapie tworzenia i uruchamiania produktu. Ale jak otrzymujesz informacje zwrotne, gdy produkt faktycznie znajdzie się na rynku? Potrzebujesz zarówno informacji jakościowych, jak i ilościowych. Musisz szybko wiedzieć, czy to, co budujesz, rzeczywiście działa, a następnie utrzymywać te pętle informacji zwrotnej w ciągłym ruchu, stale otrzymywać sygnały i odpowiednio iterować.

Drugim wyróżnikiem jest szybkość. Gdy pętle informacji zwrotnej już działają, czy potrafisz wykorzystać te informacje i iterować szybciej niż kolejna osoba? Jeśli użytkownicy coś ci przekazują, czy możesz natychmiast to wykorzystać? Myślę, że połączenie informacji zwrotnej i szybkości będzie wyróżniać zwycięzców.

Czasami publikujemy nawet coś, co nie jest jeszcze w pełni zbudowane i ma wiele niedoskonałości, tylko po to, by uzyskać sygnał. Dzięki temu możemy lepiej określić, co rzeczywiście powinniśmy zbudować, i skrócić podstawowy proces tworzenia produktu.

Hannah Clark: Czyli sednem jest poznanie użytkowników. To zawsze było ważne, ale teraz stało się wręcz kluczowe. Jakie praktyczne podejście mogą dziś zastosować liderzy produktu, aby naprawdę zrozumieć swojego idealnego klienta, biorąc pod uwagę tę demokratyzację?

Margaret-Ann Seger: To może być kontrowersyjne, ale warto samodzielnie zajmować się wsparciem.

Uważam, że menedżerowie produktu, którzy odpowiadają na pytania i pracują z klientami zgłaszającymi problemy, mogą naprawdę dobrze zrozumieć użytkownika. W Statsig poszliśmy w tym bardzo daleko. Nie mamy zespołu wsparcia — za wsparcie odpowiada cała firma.

Stworzyliśmy cały zestaw złożonych narzędzi, w tym grupy informacji zwrotnej w Slacku, automatyczną segregację zgłoszeń przez bota oraz kolejkę dyżurów, do której każdego dnia trafia inny członek zespołu.

Jestem dyrektorką ds. produktu, ale również zajmuję się wsparciem. Słyszę więc, gdy coś nie działa, i widzę, kiedy ludzie zatrzymują się na konkretnym etapie. Dzięki temu pozostaję w stałym kontakcie z klientami i ich problemami, a te informacje automatycznie wpływają na każdą rozmowę.

Wiele firm uważa, że takie pytania powinny być obsługiwane przez bota lub sztuczną inteligencję. Ja sądzę jednak, że bezpośredni kontakt pomaga naprawdę pozostać blisko klientów. Myślę też, że klienci to doceniają. W nowym świecie może się to wręcz stać elementem wyróżniającym.

Hannah Clark: To naprawdę otwiera oczy. To genialna strategia, bo niezależnie od tego, czy używasz bota, czy masz zespół wsparcia, jeśli oddzielisz wsparcie od osób najbliżej związanych z produktem, informacje zaczynają być przekazywane pośrednio.

Inne sposoby uzyskiwania informacji zwrotnej często polegają na pytaniu osób, które albo bardzo chcą wspierać produkt, bo już go kochają, albo tych, którzy go naprawdę nie znoszą. Praca w obszarze wsparcia pozwala uchwycić środek — użytkowników, którzy po prostu próbują przejść od punktu A do punktu B.

Margaret-Ann Seger: To naprawdę ciekawe. Spotykasz klientów w ich rzeczywistym środowisku i widzisz emocje w danym momencie. Wspaniale jest też obserwować, jak nasi inżynierowie rozwijają empatię. Dostrzegają możliwość poprawy danego procesu i mogą od razu wysłać szybką poprawkę.

W ten sposób można osiągnąć więcej, budując empatię oddolnie. Nie dotyczy to tylko menedżerów produktu, ale również inżynierów.

Hannah Clark: Zdecydowanie. Możliwość zrozumienia przypadków użycia w chwili, gdy ludzie korzystają z produktu, jest niezwykle cenna. Możemy zobaczyć, co próbują osiągnąć i czy istnieje łatwiejszy sposób, aby nie musieli kontaktować się ze wsparciem.

Przejdźmy do szybkości cykli tworzenia. Wspomniałaś o szybkim budowaniu prostych rozwiązań i wypuszczaniu ich na rynek w celu zebrania informacji zwrotnej. Jakie ramy decyzyjne stosujesz, aby określić, co najpierw zbudować i przetestować, gdy możliwości jest tak wiele?

Margaret-Ann Seger: Zaczęliśmy nagrywać filmy z prototypami. Tworzymy prototyp, a następnie nagrywamy film tak, jakby był to prawdziwy produkt, informując, że można zgłosić chęć udziału w wersji beta. Nie budujemy jednak od razu produktu.

Jeśli klient jest zainteresowany albo ktoś zobaczy film na LinkedIn i napisze, że chce to wypróbować, otrzymujemy sygnał. Jeśli pojawi się wystarczający popyt i entuzjazm, dopiero wtedy zaczynamy budowę. To tani sposób na sprawdzenie pomysłów bez tworzenia pełnego produktu wraz ze wszystkimi przypadkami brzegowymi i szczegółami.

Wypróbowaliśmy to kilka razy i zadziałało bardzo dobrze. Pozwalamy więc rynkowi powiedzieć nam, co powinniśmy, a czego nie powinniśmy budować.

Hannah Clark: To niesamowity wgląd za kulisy. Jak scena ujawnienia czarodzieja z krainy Oz.

Margaret-Ann Seger: Może nie powinnam tego mówić.

Hannah Clark: Uważam, że to genialne. Możesz zrobić wiele rzeczy, ale jeśli nie ma entuzjazmu ani potencjału dystrybucji, po co inwestować cały wysiłek w cykl budowania?

Margaret-Ann Seger: Właśnie na tym polega piękno tego podejścia: od pierwszego dnia mamy wbudowaną dystrybucję, bo wiemy, że istnieje. Wcześniej ją zweryfikowaliśmy.

Hannah Clark: Porozmawiajmy szerzej o wykorzystaniu sztucznej inteligencji w strategii wejścia na rynek. Jak wprowadzić produkt na rynek i odnieść sukces, gdy w każdej chwili pojawia się wiele podobnych produktów, a ludzie myślą: „Po prostu zapytam ChatGPT”? Co jest brakującym elementem, czego nie można zautomatyzować i co trzeba wykonać ręcznie?

Margaret-Ann Seger: Można używać ChatGPT do wielu konkretnych rezultatów. Wiedza o tym, jakie powinny być te rezultaty i jak je sformułować, sama w sobie jest jednak sztuką. Myślę, że narzędzia te można wykorzystywać w strategii wejścia na rynek, ale trzeba umieć tworzyć dobre polecenia i odpowiednio kierować całym procesem.

Powodem, dla którego potrzebny jest człowiek, jest empatia. Strategia wejścia na rynek zadziała tylko wtedy, gdy głęboko rozumiesz klienta, jego problemy, jego język i sposób pozycjonowania rozwiązania tak, aby odpowiadało jego sytuacji.

Potrzebne są dane ilościowe: co użytkownicy robią lub czego nie robią. Mogą powiedzieć jedno, a robić coś innego. Potrzebne są również dane jakościowe: należy obserwować ich sesje, nie tylko słuchać tego, co mówią, ale widzieć, co faktycznie robią i gdzie napotykają trudności.

Sztuczna inteligencja może pomóc w obu tych procesach. Start-upy pracują nad syntezą nagrań sesji opartą na AI. Można nagrać tysiące sesji, ale nie da się obejrzeć wszystkich. Bot może wyłuskać najważniejsze spostrzeżenia i je przekazać.

Nadal jednak człowiek musi zrozumieć, jak zachowują się ludzie, kim jest idealny klient i co go motywuje, a następnie połączyć te informacje, aby opracować właściwe ujęcie. Dopiero później można użyć ChatGPT, przekazać mu surowe dane i poprosić o pomoc w lepszym pozycjonowaniu. Wcześniej potrzebna jest jednak duża praca przygotowawcza.

Hannah Clark: Przejdźmy do szczegółów silnej strategii wejścia na rynek. Przy znacznie większej konkurencji wszystko musi być lepsze, a strategia stosowana dziś musi być o wiele solidniejsza niż pięć lat temu. Jakie cechy charakteryzują naprawdę dobrą współczesną strategię?

Margaret-Ann Seger: Trudno zdefiniować idealną strategię na dziś, ale łatwo powiedzieć, co przestało działać. Dołączyłam do Statsig na początku 2022 roku i przez ostatnie trzy lata obserwowaliśmy ogromne zmiany.

Po pierwsze, SEO wygląda dziś zupełnie inaczej. Modele i ludzie omijają Google i przechodzą bezpośrednio do ChatGPT, Claude’a czy Gemini. Gdy osiągną masę krytyczną, SEO może przestać przynosić odpowiednie efekty.

Po drugie, poprzeczka w zakresie wyróżnienia się jest znacznie wyżej. Kiedyś wysokiej jakości treści wystarczały jako element wyróżniający. Świetny blog albo newsletter mogły być wystarczające.

Hannah Clark: Albo podcast.

Margaret-Ann Seger: Tak. Dziś to właściwie podstawowy wymóg. Zwłaszcza treści pisane stają się problematyczne, bo bardzo łatwo wygenerować masowo treści niskiej jakości stworzone przez AI. Jak przebić się przez ten szum, gdy ludzie publikują setki blogów generowanych przez sztuczną inteligencję tylko po to, by lepiej pozycjonować się w wyszukiwarce?

Uważam, że złotym standardem będzie ludzki kontakt. Obecność człowieka w procesie może stać się czymś rewolucyjnym, a ludzie będą naturalnie zwracać się ku markom, które wydają się bardziej ludzkie.

Ktoś powiedział nam, że Statsig wygląda inaczej niż typowa firma zajmująca się AI. Zapytałam, co dokładnie ma na myśli. Odpowiedź brzmiała: „Macie tak wielu ludzi, pokazujecie pracowników, publikujecie filmy z menedżerami produktu wprowadzającymi nowe rozwiązania, a pod wpisami blogowymi umieszczacie twarze konkretnych osób”. Jesteśmy bardzo skoncentrowani na ludziach.

W dzisiejszym świecie jest to właściwie odważne. Wiele marek jest czystych, minimalistycznych i niemal sterylnych. Pokazywanie pracowników może wydawać się chaotyczne i niekonwencjonalne, ale ludzie to lubią. Na naszej stronie są nawet nasze psy, pokazujemy osoby stojące za produktami, a członkowie zespołu odpowiadają na pytania dotyczące wsparcia.

To stało się dla nas elementem wyróżniającym. Wszyscy zmierzają w stronę tego samego estetycznego wzorca, więc jeśli jesteś inny albo zapadasz w pamięć, zyskujesz przewagę.

Hannah Clark: Jest to spójne z czymś, o czym ostatnio często rozmawiam: w technologii, modzie i właściwie każdej dziedzinie pojawia się wahadło. Gdy osiągamy pewien poziom nasycenia, ludzie zaczynają pragnąć czegoś z przeciwnego kierunku.

Wszyscy wcześniej skłaniali się ku czystemu, minimalistycznemu projektowaniu i stronom internetowym. Były piękne i proste, ale teraz najłatwiej je wygenerować. Podobnie Instagram spopularyzował bardzo dopracowane, błyszczące treści, a potem ludzie zaczęli pragnąć estetyki niskiej jakości, bardziej osobistej i skoncentrowanej na człowieku.

Widzimy coś podobnego teraz: ludzie chcą dowodów, że za produktem stoją prawdziwe osoby. Jeśli zespoły wzrostu korzystają z narzędzi takich jak Statsig, jaki jest największy błąd związany ze strategią wejścia na rynek, który popełniają, mając dostęp do tak wielu technologii pomiaru sukcesu?

Margaret-Ann Seger: Coraz więcej zespołów przyjmuje narzędzia, aby działać w sposób bardziej oparty na danych. Problem polega na tym, że dane wejściowe często do siebie nie pasują.

Jeśli masz cztery różne narzędzia, które rejestrują podobne działania użytkownika, musisz analizować cztery różne zbiory danych i źródła informacji. Rzadko się ze sobą zgadzają. Powstaje bałagan, ludzie tracą zaufanie do danych i nie wiedzą, którym źródłom wierzyć.

Paradoksalnie im więcej narzędzi dodajesz, tym trudniej naprawdę działać w sposób oparty na danych. Dużym trendem w branży jest konsolidacja: platformy zaczynają łączyć wiele narzędzi. Jednym z takich rozwiązań jesteśmy my.

Warto mieć jeden zestaw SDK rejestrujących działania i jedno źródło prawdy, na przykład hurtownię danych. Wszystkie narzędzia powinny opierać się na tym źródle, zamiast tworzyć nowe źródła danych. Gdy zespoły uzgodnią jeden stos technologiczny i jedno źródło prawdy, zaczynają ponownie ufać danym.

Drugą kwestią jest to, że wiele osób mówi: „Jesteśmy zespołem opartym na danych”, ale gdy zapytasz, jak poradziła sobie dana funkcja, odpowiadają: „Nie wiem”. Uruchamianie nowych funkcji jako eksperymentów jest trudne. Trzeba przygotować eksperyment, dokument projektowy, uzgodnić metodologię z zespołem analityki danych, a potem przeprowadzić podsumowanie.

Narzędzia, które upraszczają ten proces, są bardzo przydatne. Możesz uruchomić flagę funkcji, włączyć ją i wyłączyć, a narzędzie automatycznie tworzy prosty test A/B porównujący osoby z nową funkcją i bez niej.

Można szybko sprawdzić, czy funkcja nie pogarsza kluczowych wskaźników biznesowych, opóźnień, infrastruktury albo kosztów. Takie lekkie testowanie A/B obniża barierę wejścia i pomaga zespołom wyrobić sobie odpowiednie nawyki.

Hannah Clark: Skoro mówimy o budowaniu tego nawyku, wiele z naszej rozmowy dotyczy połączenia sposobu myślenia o tworzeniu produktu ze sposobem myślenia o jego dystrybucji. Każdy członek zespołu produktowego musi dziś pamiętać o obu tych kwestiach jednocześnie. Jak budować taką umiejętność i sposób myślenia?

Margaret-Ann Seger: Trudno rozpowszechnić takie DNA. Jedna kwestia dotyczy tego, kogo zatrudniamy. Staramy się zatrudniać inżynierów myślących produktowo, którym zależy na użytkowniku końcowym i na działaniu produktu. Chcą rozumieć, kto przyjmuje produkt, czy są to osoby, których się spodziewaliśmy, oraz czy dane wyglądają dobrze.

Chcą również uczestniczyć w marketingu. Dobrym przykładem jest nasz zespół infrastruktury. Zbudował zestaw narzędzi podobny do Datadog, ponieważ chciał używać naszego produktu we własnej pracy.

Poszli bardzo daleko. Obecnie debugują system na Statsig i prowadzą codzienny monitoring, alerty oraz kontrolę stanu infrastruktury w Statsig. Przyszli do mnie i powiedzieli: „Używamy produktu w ten sposób. Czy możemy zaoferować go klientom? Czy może to być osobna wersja produktu?”. Odpowiedziałam: „Tak, zróbmy to”.

To świetny sposób podejścia do problemu: masz własny problem, rozwiązujesz go dla siebie, odkrywasz, że inni mogą na tym skorzystać, a następnie zaczynasz to sprzedawać. Lider inżynierii tego obszaru jest teraz mocno zaangażowany wraz ze mną, menedżerem marketingu produktu i zespołem marketingowym w pozycjonowanie produktu.

Hannah Clark: To bardzo dobrze pokazuje, jak szczegółowe i zależne od historii produktu są kwestie uruchamiania go i dystrybucji. Wspominałaś o znaczeniu opowiadania historii i ludzkiego aspektu. Czy widziałaś ostatnio dobry przykład produktu, który naprawdę dobrze wykorzystał swój zespół?

Margaret-Ann Seger: To nie jest świeży przykład — pochodzi z 2018 roku. Moim złotym standardem najlepszej strategii wejścia na rynek jest projekt, który realizowaliśmy w Uberze. Przez około sześć miesięcy prowadziliśmy wtedy inicjatywę Driver Forward.

Uber rozwijał się bardzo szybko, a kierowcy byli ogromną częścią tego sukcesu, ale często czuli się niedoceniani. Wiele opowieści dotyczyło korzyści pasażerów: bezpiecznego powrotu do domu czy dowożenia dzieci na treningi. Znacznie mniej mówiono o kierowcach, którzy dzięki tej możliwości zarabiali, wysyłali dzieci na studia i zmieniali swoje życie.

Istniała długa lista próśb kierowców dotyczących funkcji, jakości życia, widoczności zarobków i podstawowych procesów. Uznaliśmy, że nadszedł czas, by skierować uwagę na kierowców. Połączyliśmy więc te dwa elementy.

Driver Forward polegało na tym, że przez sześć miesięcy każdego miesiąca zespoły marketingu i produktu organizowały specjalny moment, mający własny temat. Wprowadzano jedną nową funkcję albo usprawnienie aplikacji kierowcy, a następnie tworzono wokół tego opowieść. Kierowców zapraszano na premiery, organizowano wydarzenia i za każdym razem wybierano inne miasto oraz centrum wdrażania nowych kierowców.

Było to bardzo skoncentrowane na kierowcach i naprawdę zadziałało. Znacząco zmieniło dynamikę zaufania między kierowcami a Uberem. Była to mistrzowska lekcja tego, jak zespoły produktu i marketingu mogą oprzeć całą mapę drogową produktu na momentach związanych ze strategią wejścia na rynek.

Osobą, która w dużej mierze prowadziła ten projekt, była Laura Jones, obecnie dyrektorka ds. marketingu w Instacart. Ten przykład pokazuje, jak wziąć użytkownika i jego problem, umieścić go w centrum działań, zbudować wokół niego całą mapę drogową oraz ściśle dopasować marketing i produkt.

Hannah Clark: Uwielbiam to. To świetny i bardzo zwięzły przykład tego, jak ten sposób myślenia powinien wyglądać w praktyce.

Margaret-Ann Seger: To było naprawdę ciekawe doświadczenie.

Hannah Clark: Dziękuję za dzisiejszą rozmowę. Poruszyłyśmy wiele ważnych tematów w bardzo krótkim czasie.

Jeśli ktoś chce śledzić twoją pracę, gdzie może znaleźć cię w internecie?

Margaret-Ann Seger: Na LinkedIn używam skrótu MA, ale moje pełne imię i nazwisko to Margaret-Ann Seger. Ciekawy jest też blog Statsig. Piszemy tam o wielu interesujących rzeczach i, jak wspomniałam, bardzo koncentrujemy się na ludziach. Jeśli chcecie lepiej poznać zespół, zajrzyjcie na statsig.com/blog.

Hannah Clark: Bardzo dziękuję.

Margaret-Ann Seger: Dziękuję.

Hannah Clark: Dziękujemy za wysłuchanie. Więcej świetnych spostrzeżeń, poradników i recenzji narzędzi znajdziecie w naszym biuletynie pod adresem theproductmanager.com/subscribe. Więcej podobnych rozmów znajdziecie, subskrybując The CPO Club w dowolnej aplikacji, w której słuchacie podcastów.