🧠 Миссия и причина существования этой роли
Aida помогает людям делать покупки продуктов так, как это делал бы отличный диетолог: опираясь на науку, персонализировано под их здоровье и действительно практично. У нас уже есть:
- рабочий продукт (MVP)
- сильные научные и клинические исследования в области питания,
- надёжные возможности AI / LLM,
- сильные команды Eng и Analytics,
- и мирового уровня маркетинговая команда.
То, что нам сейчас нужно — кто‑то, кто владеет продуктом от начала до конца: От ввода данных → рекомендаций → корзины → заказа → еженедельного цикла удержания. Вы будете Lead PM для приложения Aida, отчитываться перед Elad (CPO) и работать вместе с нашим Head of Engineering, научной и AI‑командами, чтобы перейти от «MVP» к «продукту, которым пользуются каждую неделю». Ваша задача — находить и масштабировать работающие циклы, а не просто заполнять бэклог.
🎯 Что вы будете делать
Вы будете отвечать как за что мы строим, так и за как мы учимся:
- Владеть полным пользовательским путешествием
Определять и улучшать опыт Aida от первого визита и ввода данных, через рекомендации и создание корзины, до заказа и последующих проверок / еженедельных циклов.
- Двигать PMF через эксперименты (строить, измерять, учиться)
Преобразовывать стратегии и гипотезы в много мелких, быстрых экспериментов (варианты ввода, планы питания vs полные потоки корзины, представления открытий и т.д.) с чёткими, измеримыми и практичными критериями успеха. Приоритизировать обучение над выпуском «больших функций».
- Разрабатывать и тестировать модели «замыкания цикла»
Исследовать и проверять разные способы перехода от профиля → продуктов, такие как еженедельные планы питания, автоматическое формирование полной корзины, потоки открытия продуктов или сканеры/помощники в магазине. Использовать как качественные, так и количественные сигналы для выбора направления.
- Владеть каталогом продуктов и бейджами
Определять структуру нашей базы данных продуктов/товаров: схему, теги и бейджи, связанные со здоровьем. Работать с диетологами, чтобы превратить клинические и питательные правила в машинно‑читаемые ограничения и оценки, которые наши системы могут использовать.
- Формировать наши системы рекомендаций
Отвечать за продуктовую часть рекомендаций (альтернативы, замены, ранжирование). Сотрудничать с Science & AI, чтобы определить, как выглядит «хорошо», стремиться к высокому согласию экспертов и пользователей (например, ~80%+ качества), и определять метрики успеха и обратные связи для постоянного улучшения.
- Проводить быстрые проверки, а не только разработки
Использовать Wizard‑of‑Oz, консьерж‑потоки, ручные операции и прототипы для проверки идей перед тем, как просить инженеров о полном внедрении.
- Превращать пользовательские исследования в продуктовые решения
Постоянно общаться с пользователями (из США, говорящими на английском), проводить интервью и UX‑тесты, и превращать полученные инсайты в конкретные продуктовые возможности и изменения.
- Согласовывать работу быстрой инженерной команды
Работать напрямую с Head of Engineering, чтобы приоритизировать, разбивать объём и планировать работу так, чтобы наша очень быстрая eng‑команда всегда создавала то, что можно измерить по ценности. Не кормите зверя, двигайте бизнес‑метрики вперёд!
- Делать данные полезными, а не красивыми
Сотрудничать с нашими аналитиками, чтобы определить простые, ранние метрики для каждого эксперимента (например, конверсия от ввода → первой корзины, использование рекомендаций, повторные заказы, краткосрочное удержание) и использовать данные для решения, что улучшать, менять или прекращать.
✅ Что у вас отлично получается — идеальный кандидат будет соответствовать:
Вы вели потребительский продукт или крупную область от начала до конца в стартапе на ранней стадии (стратегия → эксперименты → доставка → итерации) и комфортно работаете с неопределённостью и изменениями.
- Менталитет Build‑Measure‑Learn
Вы естественно превращаете идеи в небольшие тесты с чёткими критериями успеха/неудачи и быстро прекращаете проекты, когда данные (или пользователи) подсказывают это.
- Мыслительный процесс по каталогам / схемам / таксономиям
Вы работали с крупным каталогом продуктов или контента (желательно продукты питания / CPG) и определяли схемы, теги и правила, которые питают пользовательские фильтры, бейджи или оценки.
- Опыт с AI‑системами рекомендаций и LLM
Вы сотрудничали с AI / data‑командами над системами рекомендаций или ранжирования (правила, ML или гибриды) и глубоко заботитесь о измерении и улучшении качества, а не только о выпуске «AI‑фич».
- Преобразование экспертов в продуктовое поведение
Вы работали с клиницистами, учёными или другими экспертами и умеете превращать сложные рекомендации в конкретные потоки, правила, пороги и UX, понятные пользователям.
- Тесное сотрудничество с Engineering
Вы привыкли работать напрямую с Head of Eng / CTO, распределять ресурсы, согласовывать объём против скорости и держать небольшую команду сфокусированной на самых влиятельных экспериментах.
- Пользовательское открытие и коммуникация
Вы очень комфортно проводите интервью и тесты на английском с американской аудиторией и превращаете полученные данные в чёткие продуктовые решения.
- Data‑informed, not data‑paralyzed
Вы работали с аналитическими партнёрами, определяли простые метрики и пороги win/kill, и быстро принимали решения — даже когда данные неполные и шумные. Привнесение ясности в неопределённость Вы умеете брать хаотичные, меняющиеся входные данные и превращать их в чёткий, приоритезированный план с точными спецификациями и однозначными следующими шагами для дизайна и разработки.
Наша компания
Aspect полна замечательных людей, мы ценим нашу культуру и нанимаем только лучших. image.png Вот фото части команды с нашего корпоративного выезда в Джорджию! Мы усердно работаем и активно отдыхаем, хотите быть частью веселья, подайте заявку сейчас!