Управление цифровым продуктом

Бакалавриат 2026/2027

ID 1160256

Статус: Курс по выбору (Прикладная математика и информатика)

Кто читает: Базовая кафедра Яндекс

Где читается: Факультет компьютерных наук

Когда читается: 4-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Михель Дмитрий Евгеньевич

Язык: русский

Кредиты: 5

Контактные часы: 56

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс охватывает ключевые аспекты продакт-менеджмента: от формулировки ценности и стратегии до работы с данными, ML и инфраструктурой. Разберём, как продукт влияет на бизнес, как растить его через опыт, принимать решения в условиях ограничений, управлять сложными системами и строить процессы, которые не тормозят, а ускоряют. Особое внимание уделим экспериментам, метрикам, работе с технологиями и взаимодействию с инвесторами. Курс объединяет инженерный, бизнесовый и пользовательский подходы к созданию и масштабированию продукта.

Цель освоения дисциплины

Формулировать продуктовую стратегию, определять North Star-метрику и связку input/output-показателей под цели бизнеса.
Проводить customer discovery (JTBD, сегментация, проблемные интервью), формулировать гипотезы ценности и собирать MVP/прототипы для их проверки.
Планировать и проводить эксперименты (A/B и квази-эксперименты): выбирать метрики, оценивать мощность, интерпретировать результаты с учетом смещений и сезонности.
Разрабатывать ключевые продуктовые артефакты: PRD/BRD, пользовательские истории, UX-потоки; приоритизировать бэклог (RICE/ICE/WSJF) и вести дорожную карту.
Выстраивать базовую продуктовую аналитику: схему событий/трекер, дашборды, когорты; считать юнит-экономику (CAC, LTV, payback) и оценивать вклад фич в бизнес-результат.

Планируемые результаты обучения

Применять основы ML/GenAI в продуктах: правильно ставить ML-задачу, различать офлайн/онлайн-метрики качества, выбирать между пайплайнами и агентными подходами и обосновывать «не-ML» решения.
Проектировать на высоком уровне архитектуру и интеграции продукта (источники данных, API, безопасность/приватность) и переводить это в план работ с инженерами и DS.
Планировать вывод и рост: GTM-стратегию, ценообразование/монетизацию, воронку (активация, удержание, возврат), P&L/бюджет и ресурсный план.
Проводить конкурентный и рынок/юзер-ресерч анализ, выявлять возможности дифференциации и формировать портфель гипотез роста.
Управлять стейкхолдерами и качеством: проводить продуктовые ревью, аргументировать решения на C-level, учитывать правовые/этические требования, управлять рисками.

Содержание учебной дисциплины

Продуктовое мышление и философия профессии
Принятие решений и аналитические подходы в условиях неопределённости
Формирование пользовательского опыта и проектирование ценности
Growth как инженерная практика и драйвер продуктового масштаба
Экономика продукта: unit-экономика, бизнес-модели, ценообразование
Продуктовая стратегия в условиях ограничений
Подходы управления продуктом на MVP и при масштабировании
Управление ML-продуктами и постановка задач для AI
Продукты без интерфейса: инфраструктура и платформы как продукт
GenAI: риски, смыслы и сценарии реального применения
Процессы, которые помогают доставке кода: культура, масштаб, координация
Взаимодействие с бизнесом и инвесторами, логика венчурного капитала
Особенности физического продукта: от гипотез до производства
Финальная защита проекта (работа с реальным кейсом)

Элементы контроля

Домашнее задание
Экзамен
Контрольная работа

Промежуточная аттестация

2026/2027 2nd module
Определим накопленную оценку как Накоп = Округление((0.4 * ДЗ + 0.3 * КР) / 0.7). Если Накоп >=6 и контрольная работа написана на 5 баллов или выше, то студент может получить Накоп в качестве итоговой оценки, не приходя на экзамен.

Программа дисциплины