از Brand Man تا AI Agent: مدیریت محصول و تحلیل محصول از کجا آمدند؟

· ۴ دقیقه مطالعه · نوشته‌ی

مدیریت محصول از دنیای نرم‌افزار شروع نشد. از یک دستورالعمل سه‌صفحه‌ای در شرکت صابون‌سازی پراکتر اند گمبل (P&G) در سال ۱۹۳۱ شروع شد. همین ریشه کمک می‌کند بفهمیم چرا این نقش در هر دوره شکل عوض کرده و چرا در دوره‌ی هوش مصنوعی هم دوباره عوض می‌شود.

کل تاریخچه در یک جمله

اگر بخواهیم کل این تاریخچه را در یک جمله بگوییم: مدیر محصول همیشه کسی بوده که نزدیک‌ترین فاصله را با چیزی دارد که آن روز در سازمان کمیاب است.

۱۹۳۱: یک نفر برای یک برند

نیل مک‌الروی، کارمند بخش تبلیغات P&G، یک مشکل ساده داشت. صابون Camay با صابون Ivory، که محصول خود شرکت بود، رقابت می‌کرد و کسی مسئول کامل موفقیتش نبود. او در یک یادداشت داخلی پیشنهاد داد برای هر برند یک «مرد برند» (Brand Man) گذاشته شود.

وظیفه‌ی این آدم این بود که فروش را شهر به شهر دنبال کند، بفهمد مشکل کجاست، با مشتری حرف بزند و برای حل مشکل برنامه بدهد. یعنی همان چیزی که امروز از یک مدیر محصول انتظار داریم: مالکیت نتیجه، نه فقط انجام کار. آن روز چیزی که در سازمان بزرگ کمیاب بود، شناخت مستقیم مشتری بود.

اول چه چیزی را بسازیم؟

در یک جلسه‌ی مشاوره، مسئله‌ی اصلی کسب‌وکارتان را پیدا می‌کنیم و نقطه‌ی شروع درست را برای ابزار و هوش مصنوعی با هم مشخص می‌کنیم.

رزرو جلسه

از HP تا مایکروسافت: محصول وارد صنعت فناوری می‌شود

بنیان‌گذاران HP این ایده را به دنیای سخت‌افزار آوردند: تیم‌های کوچک نزدیک به مشتری، که هر کدام صاحب یک خط محصول بودند. بعدتر در دهه‌ی ۱۹۸۰ مایکروسافت نقش «مدیر برنامه» (Program Manager) را ساخت، چون مهندسان محصولی مثل Excel نیاز داشتند کسی از طرف کاربر حرف بزند.

در این دوره چیز کمیاب عوض شد: هماهنگی. مهندسی، فروش، بازاریابی و پشتیبانی هر کدام زبان خودشان را داشتند و کسی باید میانشان ترجمه می‌کرد. تعبیر معروف «مدیر محصول، مدیرعامل محصول است» هم از همین سال‌ها آمد؛ یعنی اختیار مستقیم کمی دارد، ولی پاسخگوی نتیجه است.

وب و تولد تحلیل محصول

با آمدن وب، برای اولین بار می‌شد دید کاربر دقیقاً چه کار می‌کند، نه اینکه چه می‌گوید. تحلیل محصول از همین‌جا به دنیا آمد. اول آمار بازدید صفحه‌ها بود؛ بعد ابزارهایی آمدند که «رویداد» را اندازه می‌گرفتند: چه کسی ثبت‌نام کرد، چه کسی برگشت، چه کسی وسط فرایند خرید رفت.

حالا چیز کمیاب شده بود تفسیر داده. داده زیاد بود، ولی کسی باید می‌فهمید کدام عدد مهم است و کدام فقط شلوغی. کتاب «ناب‌استارتاپ» (Lean Startup) هم همین نگاه را عمومی کرد: بساز، اندازه بگیر، یاد بگیر، تکرار کن.

تاریخچه‌ی مدیریت محصول در یک جدول

سالاتفاقچیزی که کمیاب بود
۱۹۳۱یادداشت Brand Man در P&Gشناخت مشتری
دهه‌ی ۱۹۸۰نقش Program Manager در مایکروسافتهماهنگی بین تیم‌ها
۲۰۰۱مانیفست چابک (Agile)سرعت تحویل
۲۰۰۲برنامه‌ی APM گوگلمدیر محصول فنی‌شناس
۲۰۰۵ تا ۲۰۱۲Google Analytics، Mixpanel، Amplitudeداده‌ی رفتار کاربر
۲۰۱۱کتاب Lean Startupیادگیری سریع
۲۰۲۲ به بعدمدل‌های زبانی و ایجنت‌هاقضاوت

امروز: چه چیزی کمیاب است؟

هوش مصنوعی دو چیز را ارزان کرده است: ساختن و تحلیل. نمونه‌ی اولیه که قبلاً دو هفته طول می‌کشید، حالا در یک روز آماده می‌شود. گزارشی که تحلیلگر داده چند روز رویش کار می‌کرد، حالا با یک پرسش در دسترس است.

پس باز هم چیز کمیاب عوض شده: قضاوت. اینکه از میان صد چیزی که می‌شود ساخت، کدام یکی ارزش ساختن دارد. اینکه کدام عدد داشبورد واقعاً رشد است و کدام خطای دید. ما در پروژه‌های طراحی اکوسیستم فروش برای کسب‌وکارها مرتب با این سؤال روبه‌رو می‌شویم: ابزار هست، داده هم هست؛ اما چه کسی تصمیم می‌گیرد که اول چه چیزی ساخته شود؟

یک نکته‌ی جالب هم هست. یادداشت ۱۹۳۱ درباره‌ی ابزار نبود؛ درباره‌ی مسئولیت بود. نوشت یک نفر باید پای نتیجه بایستد. نود و پنج سال بعد، وقتی AI می‌تواند نیمی از کارها را انجام دهد، همین مسئولیت اصل ماجرا شده است. ماشین پاسخگو نیست؛ یک آدم باید باشد.

در مقاله‌ی بعدی سراغ همین نقطه‌ی تحول می‌رویم: AI دقیقاً کی و کجا بازی را برای تیم‌های محصول عوض کرد؟

سری مدیریت محصول در دوره‌ی AI

این مطلب بخشی از سری نُه‌قسمتی «مدیریت محصول در دوره‌ی AI» نوشته‌ی منصوره رحمانی، مدیر ارشد محصول وستا، است.

  1. از Brand Man تا AI Agent: مدیریت محصول از کجا آمد؟ (همین مطلب)
  2. وقتی ساختن ارزان شد: نقطه‌ی تحول AI برای تیم‌های محصول · به‌زودی
  3. مدیر محصول در عصر AI: از هماهنگ‌کننده به قضاوت‌کننده · به‌زودی
  4. مرگ «زمان حضور در اپ»: KPIهای سازمان در دوره‌ی AI · به‌زودی
  5. وقتی هر قابلیتی کپی‌شدنی است، ارزش کجاست؟ · به‌زودی
  6. ماتریس تصمیم: چه چیزی را به AI بسپاریم؟ · به‌زودی
  7. جاهایی که AI با اطمینان اشتباه می‌کند · به‌زودی
  8. چک‌لیست اعتماد به تأمین‌کننده‌های AI · به‌زودی
  9. AI-first شدن نجاتتان نمی‌دهد · به‌زودی

پرسش‌های رایج درباره‌ی تاریخچه مدیریت محصول

مدیریت محصول از کجا شروع شد؟

مدیریت محصول از دنیای نرم‌افزار شروع نشد؛ از یک یادداشت داخلی سه‌صفحه‌ای نیل مک‌الروی در P&G در سال ۱۹۳۱ که پیشنهاد داد برای هر برند یک «مرد برند» (Brand Man) مسئول کامل موفقیت آن باشد.

تحلیل محصول چطور به وجود آمد؟

تحلیل محصول با آمدن وب به دنیا آمد: برای اولین بار می‌شد دید کاربر دقیقاً چه کار می‌کند، نه اینکه چه می‌گوید. اول آمار بازدید صفحه‌ها بود (مثل Google Analytics) و بعد ابزارهایی مثل Mixpanel و Amplitude که «رویداد» را اندازه می‌گرفتند: چه کسی ثبت‌نام کرد، چه کسی برگشت.

تاریخچه‌ی مدیریت محصول به‌طور خلاصه چیست؟

۱۹۳۱ یادداشت Brand Man در P&G (کمیاب: شناخت مشتری)؛ دهه‌ی ۱۹۸۰ نقش Program Manager در مایکروسافت (هماهنگی)؛ ۲۰۰۱ مانیفست چابک (سرعت تحویل)؛ ۲۰۰۲ برنامه‌ی APM گوگل؛ ۲۰۰۵ تا ۲۰۱۲ Google Analytics، Mixpanel و Amplitude (داده‌ی رفتار کاربر)؛ ۲۰۱۱ کتاب Lean Startup؛ و از ۲۰۲۲ مدل‌های زبانی و ایجنت‌ها که چیز کمیاب را به قضاوت رساندند.

در دوره‌ی هوش مصنوعی چه چیزی برای مدیر محصول کمیاب است؟

به نظر منصوره رحمانی، مدیر ارشد محصول وستا، چیز کمیاب امروز قضاوت است. AI ساختن و تحلیل را ارزان کرده است؛ چیزی که کمیاب مانده تشخیص این است که از میان صد چیزی که می‌شود ساخت، کدام ارزش ساختن دارد و چه کسی پای نتیجه می‌ایستد.

این مطلب برایتان مفید بود؟

درباره‌ی نویسنده

  • منصوره رحمانی
    مدیر ارشد محصول (CPO) وستا

    مدیر محصول با پیشینه‌ی طراحی رابط و تجربه‌ی کاربری (UI/UX) و طراحی گرافیک؛ کارشناسی فناوری اطلاعات از دانشگاه یزد. بیش از ۵ سال طراحی گرافیک و UI/UX، نزدیک دو سال طراح ارشد گرافیک در فدو (شرکتی در حوزه‌ی راهکارهای ERP) و از ۲۰۲۴ مدیر محصول و تجارت الکترونیک در ام وی ام ایزدی. دوره‌ی Product Management Bootcamp رهنما کالج را گذرانده است.

منابع

  1. Neil H. McElroy — Wikipedia
  2. The history and evolution of product management — Mind the Product
  3. Manifesto for Agile Software Development
  4. Good Product Manager / Bad Product Manager — Ben Horowitz
اول چه چیزی را بسازیم؟

در یک جلسه‌ی مشاوره، مسئله‌ی اصلی کسب‌وکارتان را پیدا می‌کنیم و نقطه‌ی شروع درست را برای ابزار و هوش مصنوعی با هم مشخص می‌کنیم.

رزرو جلسه