Hitta din orättvisa fördel i produktens vilda västern-era

Läs transkriberingen:

Vi testar att transkribera våra poddar med hjälp av ett program. Ha överseende med eventuella skrivfel eftersom boten inte är korrekt till 100 procent av tiden.

Hannah Clark: Det är officiellt. Vibe-kodning har blivit en del av vardagsspråket hos den breda allmänheten, och vi går in i ett avgörande ögonblick där AI, digitala produkter och kultur förenas i ett enda stort evolutionärt språng. Att demokratisera tillgången till utveckling av digitala produkter, eller enklare uttryckt att ”bygga på känsla”, innebär en permanent utjämning av spelplanen där bokstavligen vem som helst kan bli grundare.

Och även om avskaffandet av inträdesbarriärer innebär att fler fantastiska idéer får en väg ut på marknaden, innebär det också att, ja, fler fantastiska idéer får en väg ut på marknaden. Alltså, väldigt många fler. Och i den här skalan är konsekvenserna mycket större än att vi bara får mer konkurrens. Det innebär att om vi hoppas kunna vara verkliga utmanare på den här marknaden måste vi ställa mycket högre krav på våra GTM- och tillväxtstrategier.

Och som tur är för dig är min gäst i dag Margaret-Ann Seger, produktchef på Statsig. Som du snart kommer att höra har Margaret-Ann, eller MA för dem som känner henne, en otrolig känsla för vad som bryter igenom bruset och får tillväxtmotorer att börja gå. Men det verkliga guldkornet i det här avsnittet är taktikerna som hon och personerna på Statsig använder för att möjliggöra samarbete mellan sina användare och produktteamet. Du kommer definitivt vilja anteckna. Nu kör vi.

Förresten, vi har sådana här samtal varje vecka, så om det här låter intressant för dig, varför inte prenumerera? Okej, nu kör vi.

Välkommen tillbaka till The CPO Club-podden. Margaret-Ann, tack så mycket för att du tog dig tid att prata med mig i dag.

Margaret-Ann Seger: Tack för att jag fick vara med, Hannah.

Hannah Clark: Kan du först berätta lite om din bakgrund och hur du hamnade där du är i dag på Statsig?

Margaret-Ann Seger: Absolut. Jag leder produkt och design på Statsig, som är den moderna plattformen för produktinsikter.

Från traditionell A/B-testning till testning av modeller offline, eftersom allt fler team bygger med modeller, smart funktionsflagগning och produktanalys. Vi hjälper team att integrera data i varje del av sin produktutvecklingsprocess i AI-eran. Det är alltså en ganska omfattande plattform. För mig känns det väldigt relevant eftersom jag kommer från större teknikföretag.

Jag började min karriär inom Big Tech, på Facebook, och tillbringade sedan drygt sex år på Uber. Båda företagen befann sig i hyper­tillväxt när jag började, men jag hade förmånen att få använda en uppsättning fantastiska interna verktyg. Det var inte förrän jag slutade 2020 och kom ut i den verkliga världen som jag insåg att inte alla företag har tillgång till sådana verktyg.

Och därför känns det vi bygger på Statsig så relevant, eftersom vi demokratiserar tillgången till samma uppsättning verktyg för alla företag.

Hannah Clark: Det är fantastiskt. I dag ska vi prata lite mer om tillväxt: hur man lyckas med tillväxt och GTM-strategi i en tid av AI, när så många delar av produktutvecklings- och lanseringsprocessen demokratiseras.

Vi måste verkligen hitta smarta och intuitiva sätt att sticka ut. Låt oss börja med att hänvisa till en formulering som du delade med mig i ett tidigare samtal, som jag verkligen gillade: förstagångsgrundare bryr sig om produkten, återkommande grundare bryr sig om distributionen. Jag tycker att det är ett väldigt träffsäkert sätt att rama in samtalet.

När du tänker på det, vilken är den viktigaste förändringen i tankesätt som produktledare behöver göra när vi går från ett produktförst-tänkande till ett distributionsförst-tänkande?

Margaret-Ann Seger: Bra fråga. Det här uttrycket kommer faktiskt från min man. Han sa det till mig när han höll på att planera sitt startupföretag.

Det var alltså väldigt lägligt att ha det samtalet. Men jag tror att andemeningen är att du i slutändan kan bygga världens mest fantastiska produkt, men om ingen känner till den eller om du inte har något sätt att få den framför rätt personer kommer du inte att lyckas. Och jag tror att det här är särskilt sant i AI-eran, eller hur?

Det finns helt enkelt så många fler produkter. Ribban för att skapa en produkt har sänkts. Nu kan alla skapa sin egen app, sin egen webbplats, sitt eget X, Y eller Z. Och därför kommer det att finnas mycket mer brus. Hur sticker man ut? Hur får man faktiskt distribution? Jag tänker ofta på ett par exempel på när det här har gjorts rätt. Ett är något som jag inte vet om du har följt. Det är inte ett tekniskt produkt­exempel, men Hailey Biebers sminkmärke Rhode köptes nyligen.

Det köptes för över en miljard dollar och blev ett otroligt framgångsrikt resultat. Och allt byggdes på hennes varumärke. Hon är förmodligen bra på smink, men jag är säker på att det finns en och en halv miljon människor som vet mer om detaljerna i att skapa smink och allt sådant.

Men hon har ett fenomenalt varumärke. Hon hade distribution. Du kan få fart på det så här. Jag tänker tillbaka på min tid på Facebook. Vi hade fantastisk distribution, så varje funktion du lanserade kunde gå från noll till hundratals miljoner användare över en natt eftersom du hade en enorm plattform med en redan stor användarbas.

Och jag tycker att man ser samma sak hos AI-företagen. Cursor byggde till exempel ovanpå VS Code. Det finns alla dessa befintliga beteenden och distributionskanaler som människor sedan kan bygga något inkrementellt ovanpå och få det att explodera över en natt. Jag tror att det som kommer att särskilja de företag som verkligen lyckas är om de kan hitta en hållbar och kreativ distributionskanal.

Det kommer inte bara att handla om huruvida du har en bra produkt, för det kommer nästan att vara en självklar grundförutsättning i AI-eran.

Hannah Clark: Ja, och det är precis det jag tror att många oroar sig för. Du kan ha en fantastisk idé, men funktionaliteten i produkten du skapar är inte nödvändigtvis unik. Det finns många vägar till samma resultat.

Om vi tänker på strategier för att skilja fantastiska produkter från mängden, med vetskapen om att vem som helst kan skapa samma app som du, vilka idéer skulle du rekommendera att människor börjar med när de försöker hitta sin plats på marknaden?

Margaret-Ann Seger: Ja. Jag tror att en viktig sak som inte diskuteras så mycket faktiskt är återkopplingsloopar.

Du kanske har en AI-assistent som skriver din kod. Du kanske har hjälpmedel i varje steg av produktutvecklings- och lanseringsprocessen. Men hur får du återkoppling när produkten väl är ute i världen? Både kvalitativ och kvantitativ återkoppling, eller hur? Du måste snabbt veta om det du bygger faktiskt fungerar och sedan få de här återkopplingslooparna att snurra. På så sätt får du hela tiden signaler och kan iterera därefter.

Och därifrån tror jag att den stora särskiljande faktorn för många, och faktiskt något vi på Statsig ser som en särskiljande faktor för oss, är snabbhet. När du väl har fått igång återkopplingslooparna, kan du ta till dig återkopplingen och iterera snabbare än nästa person?

Om dina användare säger något till dig, kan du då dra nytta av det omedelbart? Jag tror att återkopplingsloopen tillsammans med snabbhet verkligen kommer att särskilja vinnarna. Något vi har sett är att vi ibland till och med lägger ut något som inte är färdigbyggt och som är väldigt grovt, bara för att få en signal. Sedan kan vi använda den för att informera om vad vi faktiskt ska bygga och korta ned delar av den grundläggande produktutvecklingsprocessen.

Hannah Clark: På tal om det, så handlar det här egentligen om att lära känna användarna, och det har alltid varit viktigt men är nu helt avgörande. Vilket är ett taktiskt angreppssätt som produktledare kan använda för att verkligen förstå sin ideala kundprofil just nu, med tanke på den här demokratiserade miljön?

Margaret-Ann Seger: Det här kommer att vara kontroversiellt, men gör faktiskt support.

Jag tror att det är väldigt värdefullt för produktchefer att arbeta med support och med kunder när de har problem, om man vill förstå sina användare. Och som du säger kommer det att bli viktigare än någonsin. Vi tar det här till sin spets på Statsig, och det chockerade mig när jag började.

Vi har inget supportteam. Hela företaget ansvarar för support. Vi har faktiskt byggt upp en hel uppsättning komplexa verktyg med återkopplingsgrupper i Slack som automatiskt sorteras av en bot, går till dagens jourkö, och varje teammedlem blir dagens jouransvariga enligt ett rullande schema.

Jag är produktchef, men arbetar också med support. Därför hör jag när saker går fel. Jag ser när människor fastnar i ett visst flöde, och det gör att jag hela tiden kan hålla kontakten med kunderna och deras problem och automatiskt ta med det i varje samtal.

Jag tror att det här är kontroversiellt eftersom det finns så många företag, som Sierra och alla dessa AI-företag inom kundsupport, vars grundidé egentligen är att du inte ska behöva hantera sådana frågor. Vi ska lämna över det till en bot eller AI:n. Men jag tycker att det hjälper dig att verkligen hålla kontakten.

Jag tror också att kunderna uppskattar det. Det blir nästan en särskiljande faktor i den nya världen.

Hannah Clark: Ja, det här är faktiskt häpnadsväckande. Jag tycker att det är en lysande strategi, för oavsett om du använder en bot för att besvara supportfrågor eller har ett supportteam, så om du håller det separat från utvecklingsprocessen och från de personer som står närmare produkten, då vidarebefordrar du informationen genom flera led eller blir beroende av att kontrollera med rätt personer.

Men jag tycker också att det är briljant eftersom vilka andra sätt har du att få återkoppling? Du efterfrågar den från personer som antingen är väldigt angelägna om att stötta en produkt eftersom de redan älskar den, eller från personer som verkligen hatar den. När du befinner dig i supporten är det inte riktigt där människor förväntar sig att du ska ta hänsyn till deras återkoppling. De försöker bara ta sig från punkt A till punkt B, och det mellanläget tror jag annars är väldigt svårt att fånga.

Margaret-Ann Seger: Ja, det är verkligen häftigt. Du möter kunderna i deras verkliga miljö och precis i stunden, och du ser känslorna. Det är också häftigt att se våra ingenjörer bygga upp den här empatin. Jag tror att det skalar väldigt bra. Det är inte bara produktcheferna som gör det, utan även ingenjörerna.

De blir entusiastiska och tänker: ”Hej, här finns en möjlighet att förbättra det här flödet. Jag skickar bara ut en snabb lösning.” På så sätt kan man nästan åstadkomma mer genom att bygga empati underifrån.

Hannah Clark: Ja, absolut. Jag kan verkligen se värdet i att förstå vilka användningsområden människor har för produkten i stunden och förstå vad de försöker uppnå.

Borde det finnas ett enklare sätt så att de inte behöver kontakta supporten? Min hjärna går på högvarv, jag älskar den här idén. Jag är verkligen glad att den kom upp. Okej, vi går vidare. När vi tänker på utvecklingscyklernas hastighet var det den andra saken du nämnde när det gäller att särskilja sig: att kunna integrera återkopplingen i produktplanen väldigt snabbt.

Du föreslog alltså att man skulle bygga enkla saker snabbt, få ut dem och få återkoppling. Vilket ramverk skulle du använda för att avgöra vad man ska bygga och testa först, om det finns så många alternativ och så många vägar att gå?

Margaret-Ann Seger: Jag antydde det här lite tidigare, men vi har börjat filma prototypvideor. Vi gör prototypen och filmar sedan en video som om det vore en riktig produkt. Vi säger att den är öppen för betaförfrågningar om man vill ha betatillgång, men vi bygger den inte.

Kunden hör då av sig om de är intresserade, eller så ser någon den på LinkedIn och säger: ”Det här är häftigt. Vi borde prova det.” De kontaktar oss, och om vi får tillräckligt stor efterfrågan och entusiasm bygger vi det.

Det är ett väldigt kostnadseffektivt sätt att verklighetskontrollera idéer utan att behöva bygga en komplett produkt från början till slut, med alla specialfall och alla nyanser som man måste tänka på.

Vi har provat det här med några saker och det har fungerat väldigt bra, så jag tror att vi kommer att fortsätta göra det och i princip låta marknaden tala om för oss vad vi bör eller inte bör bygga.

Hannah Clark: Det här är verkligen en inblick bakom kulisserna. Det känns som ett avslöjande i Trollkarlen från Oz.

Margaret-Ann Seger: Jag kanske inte borde säga det här.

Hannah Clark: Nej, jag tycker att det är briljant, för det finns många saker du skulle kunna göra. Men om du inte har någon entusiasm, kopplat till din poäng om distributionen, varför lägga all energi på utvecklingscykeln om du saknar det momentumet?

Margaret-Ann Seger: Det fina är att vi får inbyggd distribution från dag ett eftersom vi vet att den finns där. Vi har redan validerat den.

Hannah Clark: Fantastiskt. Okej, låt oss prata mer om användningen av AI för att ta sig igenom sin GTM-strategi. För jag tror att kärnan i det här är hur man lanserar en produkt och lyckas när det hela tiden lanseras så många produkter som liknar ens egen, samtidigt som många tänker: ”Jag låter ChatGPT göra det.”

GTM-strategin. Jag kan bara skriva en instruktion, så skrattar du, och jag förstår. Du skrattar för att du har rätt, du har helt rätt. Om man tänker på det, vad är den saknade delen? Vad missar människor när de använder den strategin, som vi verkligen behöver tänka på och som inte kan automatiseras, utan som vi måste göra manuellt?

Margaret-Ann Seger: Du kan definitivt använda ChatGPT, och jag vill inte kritisera ChatGPT. Du kan använda det för många konkreta resultat. Men att veta vilka resultaten bör vara och hur man ska formulera dem är en konst i sig. Det finns ett helt meme om att produktchefer i princip kommer att bli instruktionsingenjörer.

Jag tycker verkligen att man kan använda de här verktygen för sin GTM-strategi, men man måste utforma instruktionerna och verkligen vägleda processen. Anledningen till att en människa måste göra det är empati. I slutändan kommer din GTM-strategi bara att fungera om du har djup empati för kunden, förstår den smärta de går igenom, kan tala deras språk och kan positionera något som du vet möter dem där de befinner sig.

Och jag tror att alla möjliga slags indata behövs där. Du behöver kvantitativa indata, så att du förstår vad dina användare gör eller inte gör. De kan säga en sak och göra något annat. Du behöver kvalitativa indata. Du bör titta på deras sessioner. Du bör inte bara veta vad de säger, utan faktiskt se vad de gör bakom kulisserna och var de fastnar.

Jag tror att AI faktiskt kan hjälpa till i båda dessa processer. Det finns många nystartade företag som just nu undersöker AI-driven syntes av sessionsinspelningar, vilket jag tycker är väldigt smart. Du kan spela in tusentals, potentiellt hundratusentals, sessioner, men du kan inte titta på alla.

Du vill att någon eller en bot ska gå igenom dem, fånga de viktigaste insikterna och skicka dem till dig. Men det krävs fortfarande en människa för att ta de insikterna, förstå hur människor beter sig och vilka deras ideala kundprofiler är och vad som motiverar dem. Sedan måste man sammanföra de två delarna för att hitta rätt formulering.

När du har den formuleringen kan du använda ChatGPT och säga: ”Här är den råa informationen, här är vad jag tänker och här är kunden. Kan du hjälpa mig att positionera det här lite bättre?” Men det krävs mycket förarbete.

Hannah Clark: Låt oss gå in på detaljerna i en stark GTM-strategi. Jag tror att det här är ytterligare ett område där allt måste vara starkare om du har mycket mer konkurrens än tidigare. I synnerhet måste din GTM-strategi i dag vara mycket mer robust än för fem år sedan.

Om vi skulle göra en anatomilektion om den perfekta GTM-strategin i dag jämfört med vad som räknades som en bra strategi 2020, vilka kännetecken skulle du säga att en riktigt bra strategi har i dag?

Margaret-Ann Seger: Det är en svår fråga eftersom jag inte vet hur man definierar en bra strategi i dag. Det är mycket lättare att säga vad vi brukade göra som inte längre skalar. Jag börjar där. Vi har sett den här utvecklingen även sedan jag började på Statsig i början av 2022. Under de senaste drygt tre åren har vi sett det här hända.

Ett par saker har förändrats helt. Den ena är SEO. SEO ser väldigt annorlunda ut nu när modeller och människor helt enkelt kringgår Google och går direkt till ChatGPT, Claude eller Gemini. Du kommer inte att få särskilt mycket utväxling på SEO när den kritiska massan väl flyttar dit.

Den andra saken är en mycket högre ribba för differentiering. Tidigare räckte till exempel innehåll av hög kvalitet som särskiljande faktor. Om du publicerade en bra blogg eller hade ett bra nyhetsbrev var det tillräckligt.

Hannah Clark: Eller en podd.

Margaret-Ann Seger: Ja, precis. Alla de här sakerna räckte på något sätt, och nu är de nästan bara grundläggande krav. Särskilt skriftligt innehåll blir allt mer problematiskt eftersom det är så lätt att generera, i princip AI-skräp.

Hur skriver man då saker som bryter igenom bruset, särskilt när människor genererar hundratals AI-bloggar för att ranka bättre i sökresultaten? Den andra saken är vad jag tror är den nya guldstandarden.

Jag tycker faktiskt att den mänskliga kontakten kommer att bli guldstandarden. Att ha en människa med i loopen kommer nästan att bli revolutionerande, och människor kommer naturligt att dras till varumärken som känns mer mänskliga.

Det är roligt, för en person berättade för oss att en vän tyckte att Statsigs varumärke skiljde sig mycket från ett typiskt AI-företag. Jag frågade varför och bad dem konkretisera det. De svarade att det finns så många människor hos oss, att våra medarbetare är synliga och att vi har videor där våra produktchefer lanserar saker.

Vi har riktiga personer kopplade till våra blogginlägg. Vi sätter människor först. Och det är faktiskt något utmanande i dagens värld. Titta på Vercel och Linear, de här väldigt rena, minimalistiska, nästan sterila varumärkena. Det är guldstandarden.

Det känns nästan rörigt och okonventionellt att låta sina medarbetare synas. Men vi har märkt att många uppskattar det, och jag gillar det. Vi har våra hundar på webbplatsen, vi visar människorna bakom produkterna, och de filmar inte bara videor utan besvarar också supportfrågor. Jag tror faktiskt att det har varit en särskiljande faktor för oss.

Allt har gått mot samma estetik, med grå golv och vitt trä i hemmen och så vidare. Jag tror att det kommer att bli likadant inom teknikbranschen, där alla samlas kring en viss estetik. Om du faktiskt skiljer dig från den eller är minnesvärd på något sätt blir det en fördel för dig.

Hannah Clark: Ja. Jag tycker att det här stämmer väldigt väl överens med något jag har diskuterat mycket på sistone: att det verkar finnas en pendelrörelse i allt från teknik till modetrender och nästan allt annat. Det finns alltid en mättnadspunkt där människor börjar längta åt motsatt håll, och det står nästan i proportion till hur mättad den aktuella pendelrörelsen är.

Det du säger är precis vad jag ser. Tidigare drogs alla verkligen till rena, minimalistiska designer och webbplatser. De är vackra och väldigt enkla, men de är också enklast att generera nu. Jag tror att det är övergången från Instagram till TikTok, där Instagram verkligen populariserade det mycket polerade och glänsande innehållet, varefter människor började längta efter en mer lågmäld estetik med en tydlig mänsklig prägel.

Jag tror att vi ser något liknande nu. Människor säger: ”Nej, jag vill verkligen ha bevis på att det finns människor bakom det här.”

Om vi pratar om tillväxtteam som använder verktyg som Statsig, vilket är det största GTM-misstaget du ser team göra när de har tillgång till mycket teknik för att mäta framgång?

Det finns mycket data att gå igenom och många enkla felaktiga korrelationer att dra. Hur får vi ordning på det?

Margaret-Ann Seger: Det är intressant. Allt fler team börjar använda verktyg för att bli mer datadrivna, logga data och helt enkelt få in den informationen. Problemet är att indata ofta inte stämmer överens.

Om du har fyra olika verktyg som alla loggar liknande handlingar som en användare utför måste du gå igenom fyra olika datamängder och fyra olika datakällor. De stämmer sällan överens. Det blir väldigt rörigt. Människor blir frustrerade eftersom data inte går ihop och man inte vet vad man ska lita på.

Ironiskt nog blir det alltså svårare att vara verkligt datadriven ju fler verktyg man lägger till och ju mer man försöker vara datadriven. En stor trend i branschen för att lösa det här problemet har varit konsolidering och plattformar som börjar kombinera flera verktyg, och vi är ett av dem.

Jag säger inte att det här är något som är unikt för Statsig, men det är viktigt att ha en uppsättning SDK:er som loggar saker och en enda källa till sanning, eller en sanningskälla för data i datalagret. Allt fler företag har ett datalager som är deras sanningskälla. Det är bra. Alla de här verktygen bör bygga ovanpå det.

De bör inte försöka skapa nya datakällor. Det ser man över hela vår bransch åtminstone. Och jag tror att det hjälper mycket när team kan enas kring en gemensam teknisk stack och en datamängd som är sanningskälla. Då börjar de lita på data igen och använda den.

Men det är nästan en långsam återuppbyggnadsprocess eftersom människor har tappat förtroendet för data över tid. Så det är en stor sak. En annan sak är att du skulle bli förvånad över hur många som säger: ”Ja, vi är datadrivna.” Då frågar man: ”Okej, hur fungerade den funktionen?” och de svarar: ”Jag vet inte.”

Det beror på att det faktiskt är svårt att lansera nya saker som experiment. Det blir en stor process. Vi måste konfigurera experimentet. Hur ser vårt designdokument ut? Håller dataanalysteamet med om hur vi sätter upp det? Sedan lanserar vi det och gör en omfattande sammanfattning.

Verktyg som gör den här processen mycket enklare innebär att du bara lanserar en funktionsflagga, slår på och av den, och automatiskt skapar ett litet A/B-test mellan personer som har funktionen och personer som inte har den nya funktionen.

Du kan snabbt kontrollera att den inte påverkar dina affärsmått, dina fördröjnings- och infrastrukturmått eller dina kostnadsmått negativt. Om du snabbt kan göra den kontrollen och sedan gå vidare, sänker du tröskeln för A/B-testning. Riktigt enkel A/B-testning. Jag tror att det är kraftfullt.

Kommer det att vara den fullständiga processen från början till slut med alla mer avancerade statistiska metoder? Kanske inte. Men jag tror att det är en väldigt bra ingång för team som vill börja bygga upp den förmågan. Det är något vi har arbetat med: att göra det enklare.

Hannah Clark: Okej. På tal om att bygga upp den förmågan handlar mycket av det vi pratar om om kombinationen av utvecklingstänkandet och frågan om hur vi ska distribuera det vi bygger.

Jag tror att alla i produktteamet nu måste ta till sig det här. Vi måste ha distribution och utveckling i åtanke samtidigt. Hur blir vi trygga i att bygga upp den typen av färdigheter och tankesätt? Jag vet inte om ni på Statsig har det här tankesättet i hela teamet nu, eller om det finns något ni har uppmuntrat hos personer som inte nödvändigtvis är direkt involverade i produktmarknadsföringen men ändå behöver tänka på hur produkten ska marknadsföras.

Margaret-Ann Seger: Det är svårt att sprida det DNA:t. En sak som jag tycker är väldigt bra, och som mer handlar om vilka personer man anställer, är att vi försöker anställa ingenjörer som verkligen tänker produktmässigt, som brinner för slutanvändaren och för produktens resultat och prestanda, och som vill vara involverade i marknadsföringen.

De vill förstå vilka som faktiskt använder produkten. Är det de personer vi förväntade oss? Använder de den på det sätt vi förväntade oss? Ser mätvärdena bra ut? Det har varit häftigt att ta vara på.

Ett konkret exempel är vårt infrastruktureteam. De har arbetat med en uppsättning verktyg som på sätt och vis liknar Datadog, eftersom de vill använda vår produkt internt. Jag tyckte att det var fantastiskt.

De har gått väldigt långt ned i det här kaninhålet och felsöker nu hela Statsig-miljön. De sköter övervakning, aviseringar och den dagliga kontrollen av infrastrukturen och dess hälsa i Statsig. De kom till mig och sa: ”Vi använder produkten till det här. Kan vi marknadsföra det till kunder? Kan vi sälja det? Kan det bli en produktvariant?” Jag svarade: ”Ja, låt oss göra det.”

Det är förstås lite grovt i kanterna eftersom vi är vår huvudsakliga kund just nu. Men det är ett väldigt bra sätt att angripa problemet. Du har ett problem, du löser det för dig själv, inser att andra kanske kan ha nytta av det och säger: ”Okej, låt oss faktiskt marknadsföra det här.”

Ingenjörsledaren för det här området är nu väldigt involverad med mig, vår produktmarknadsföringsansvariga och marknadsteamet i hur produkten ska positioneras.

Hannah Clark: Ja. Det gör verkligen tydligt hur nyanserad och specifik lanseringen och distributionen är i förhållande till produktens berättelse och var man hittar värdet i den.

Jag skulle gärna vilja höra en annan berättelse, eftersom jag gillar det här tankespåret kring hur viktigt berättandet och den mänskliga aspekten kommer att vara för hur vi distribuerar våra produkter i framtiden. Har du nyligen sett ett riktigt bra exempel på det?

En produkt som verkligen har utnyttjat sitt team väl? Vem skulle du lyfta fram som ett riktigt bra exempel?

Margaret-Ann Seger: Det här är inte ett nyligt exempel. Det var 2018. Min guldstandard som jag alltid återkommer till när jag tänker på GTM i världsklass var faktiskt på Uber. Under 2018 hade de en period på ungefär sex månader som kallades Driver Forward.

Som bakgrund tror jag att Uber växte väldigt snabbt. Förarna var en enorm del av det, men de kände sig ofta väldigt ouppskattade. Det fanns mycket berättande om de användningsområden för passagerare som blev möjliga: hur tjänsten hjälpte människor att komma hem säkert från krogen eller hjälpte mammor att få sina barn till fotbollsträningen.

Men det berättades mindre om förarna bakom ratten som tjänade pengar på nya sätt, skickade sina barn till universitetet och gjorde alla de här fantastiska sakerna tack vare möjligheten. Det fanns en lång lista med önskemål från förare, funktioner och livskvalitetsförbättringar, bättre insyn i inkomster och andra viktiga arbetsflöden som förarna hade efterfrågat i flera år.

Vi kände som företag att det var dags att rikta strålkastarljuset mot förarna. Varför inte kombinera de här två sakerna? Driver Forward var i princip ett koncept där marknads- och produktteamen varje månad under sex månader tillsammans skapade ett tillfälle. Varje månad hade ett tema och innebar en ny funktionslansering eller förbättring av förarappen.

Det kombinerades med mycket berättande och till och med förarträffar där man bjöd in förare till lanseringen. Det fanns en lanseringsfest, och lanseringen ägde rum i en annan stad på ett annat introduktionscenter för förare varje gång. Det var helt förarfokuserat och fungerade verkligen.

Det var häftigt och innebar ett stort skifte i förtroenderelationen mellan förarna och Uber. Det var en fullständig mästarklass i att låta produkt- och marknadsteamen rikta hela produktplanen mot dessa GTM-ögonblick.

Kvinnan som drev mycket av det här var Laura Jones, som faktiskt är marknadschef på Instacart, och hon är fantastisk. Men för mig är det här exemplet guldstandarden för hur man tar sin användare och deras problem, placerar det i centrum för det man ska göra, bygger en hel plan kring det och får marknadsföring och produkt att arbeta väldigt tätt tillsammans.

Hannah Clark: Åh, jag älskar det. Det är ett så bra exempel och ett väldigt träffsäkert sätt att visa hur det här tankesättet ska se ut i praktiken.

Margaret-Ann Seger: Det var verkligen häftigt att se.

Hannah Clark: Tack så mycket för att du var med i dag. Det här var ett fantastiskt samtal. Jag tycker att vi hann ta upp så många bra punkter på relativt kort tid.

Om människor vill fortsätta följa ditt arbete, var hittar de dig på nätet?

Margaret-Ann Seger: På LinkedIn går jag under MA, men mitt fullständiga namn är Margaret-Ann Seger. Statsigs blogg är också ganska bra. Vi pratar om många intressanta saker och, som jag sa, den är väldigt människocentrerad om du vill lära känna teamet bättre: statsig.com/blog.

Hannah Clark: Tack så mycket.

Margaret-Ann Seger: Tack.

Hannah Clark: Tack för att du lyssnade. För fler bra insikter, praktiska guider och verktygsrecensioner kan du prenumerera på vårt nyhetsbrev på theproductmanager.com/subscribe. Du kan höra fler samtal som det här genom att prenumerera på The CPO Club där du brukar lyssna på poddar.