make sense#188: О работе с большими данными, роли продакта в B2B-продуктах и моделях машинного обучения

make sense#188: О работе с большими данными, роли продакта в B2B-продуктах и моделях машинного обучения

«Когда меня кто-то спрашивает, хочу ли я, чтобы кто-то отслеживал мою деятельность в приложении, я обычно отвечаю „да”, потому что вижу в этом ценность».

«Есть два подхода в рекламе — стандартный диджитал, когда все хотят сегменты и говорят: „Дайте нам сегмент домохозяек, дайте нам сегмент курителей вейпов”. И у нас есть немного радикальное мнение, что сегменты работают хуже, чем триггерная лидогенерация. То есть если ты хочешь продавать вейпы, то тебе нужен не сегмент людей, которые курят вейпы, а конкретный человек, который в конкретный момент хочет купить вейп. И тебе надо в этот момент отправить ему соответствующую коммуникацию».

iTunes | SoundCloudYouTube | CastboxЯндекс.Музыка | Spotify

Подкаст выходит при поддержке ProductSense Academy.

Собеседник: Евгений Максимча, Head of Products, oneFactor

Ведущий подкаста: Юра Агеев, основатель ProductSense

Подписывайтесь на канал анонсов подкаста.

О чем говорим:
1:52 В чем особенность работы продакта в B2B
5:34 Как становятся продактами в B2B
7:14 Консалтинг, погружение в неизвестный продукт и цель работы с данными
9:40 Рост интереса к аналитике в Ecommerce и улучшение качества продуктов
14:24 Как говорить «нет» крупным клиентам и работать с возражениями
15:57 Внедрение B2B-сервисов в бизнес клиентов
20:14 Что такое продукты, основанные на больших данных, и как они помогают предсказывать события
24:00 Триггерная лидогенерация и сегменты в рекламе на основе больших данных
27:03 Почему рекламные системы не могут отключить рекламу после покупки
27:51 Какой объем данных можно называть «большими» и как обучать модель
31:13 Что такое модель, эталонная выборка, инжиниринг и машинное обучение
33:23 Откуда берется и как определяется точность предсказаний
37:46 Откуда берутся данные для принятия бизнес-решений
40:26 Что такое эталон клиента
42:23 Измерения без эталона и проблема доказательств
47:42 Большие данные — инструмент для больших компаний
49:10 Концепция открытых данных от государства
50:13 Когда про каждого человека будет известно все и когда эти данные научатся использовать эффективно

State of Product Management 2024 (Ru): профессиональное развитие, зарплата и продуктовые компании Поучаствовать