Avito Product meetup #3

Третий онлайн-митап для менеджеров продукта. С докладами выступят спикеры из VK и Авито. Речь пойдёт о MLP-подходе, машинном обучении в продукте и фокусе продуктовых команд для достижения бизнес-результатов.

Доклады

Minimum Lovable Product в Авито. Почему мы отказались от MVP-подхода и как делать продукт, которым хочется гордиться — Ирина Грачёва, Авито

В условиях конкуренции или «красного океана» мы не можем победить на рынке с MVP. Когда вы хотите выделиться, вы должны стремиться к MLP — minimal lovable product.

Расскажу, с какими проблемами нам пришлось столкнуться при запуске Доставки и почему мы пересмотрели своё отношение к концепции MVP. Вы узнаете, для каких случаев MLP-подход подходит больше и на какие метрики стоит смотреть при запуске MLP.

О спикере: 3 года работает в роли Product Lead в Авито. Сейчас отвечает за продукты в вертикалях Товары и Авто. До Авито 9 лет работала в компании HeadHunter и отвечала за рекламные продукты.

Как сфокусировать продуктовые команды для получения максимального бизнес-результата — Анастасия Фёдорова, Авито

По нашему опыту, расфокус продуктовых команд — одна из основных причин их демотивации и снижения их продуктивности. Исправить это помогает правильная постановка целей, их прозрачная связь с бизнес-задачами и стратегией компании, правильное разделение сфер ответственности между продуктовыми командами. Об этом и поговорим в рамках выступления. 

Тема будет актуальна как для руководителей продуктовых подразделений, ищущих оптимальную структуру для своих команд, так и для менеджеров по продукту, размышляющих над целями и приоритетами. 

О спикере: руководитель продукта Авито Недвижимость. Ранее руководила монетизацией Авито, продуктовой командой Mos.ru, пользовательскими продуктами ЦИАН. Отвечала за маркетинг и продуктовое развитие коммерческих продуктов и геосервисов Яндекса.

ML в продукте: зачем, сколько стоит, когда нужен? — Иван Самсонов, VK

Задумывались, сколько ML в продуктах вокруг нас? Значит ли это, что каждой продуктовой компании теперь нужно иметь Data Science отдел? На митапе хочу помочь продактам сориентироваться в разнообразии ML-инструментов и научиться определять, когда технологии приведут к быстрым бизнес-результатам, а когда сожрут вагон ресурсов. 

Расскажу, как считать экономику внедрения AI «на коленке», и разберём, как дешево закрыть потребность в ML с помощью open source решений. Бонусом покажу, как с помощью машинного обучения можно не только решать боли пользователей, но и улучшать бренд компании.