کارخانه‌ی فیچر، ده سال بعد
خلاصهٔ کامل‌تر
جان کاتلر ده سال پیش تو چند دقیقه یه پست تو Medium نوشت به اسم «۱۲ نشونه که تو یه Feature Factory کار می‌کنی». Feature Factory یعنی تیمی که کارش فقط با تعداد فیچرهایی که منتشر کرده سنجیده میشه، نه با اثری که روی مشتری گذاشته. پست وایرال شد، به Hacker News رسید و به گفته‌ی خودش زندگیش رو عوض کرد. حالا تو شماره‌ی ۴۴۵ خبرنامه‌ی TBM یه نگاه دوباره بهش انداخته.
حرف اولش اینه که تو همین الان تو یه Feature Factory کار می‌کنی. بالاخره یکی تو شرکتت محصول رو با فیچرهای منتشرشده می‌سنجه. نویسنده می‌گه از دوگانه‌هایی مثل «خروجی در برابر نتیجه» یا «پروژه در برابر محصول» خسته شده، چون تیم‌های واقعی همه‌ی این‌ها رو با هم انجام می‌دن. به نظرش موج «همه‌چی محصوله» باعث استخدام بی‌رویه‌ی PM، عقب افتادن طراحی و حتی کلی اخراج شد. پیشنهادش اینه که به‌جاش روی شرط‌های چندفصلی با یه business case واقعی فکر کنیم.
به گفته‌ی نویسنده فیچر به‌عنوان proxy (یعنی معیار جایگزینی که به‌جای هدف اصلی می‌سنجیمش) نه بهترینه نه بدترین. خیلی تیم‌ها تو discovery و فریم‌ورک‌ها ماهرن ولی نمی‌تونن چیزی منتشر کنن. وقتی اعتماد کمه یا وابستگی زیاده، تیم مجبوره سر یه proxy توافق کنه. نکته‌ی مهمش اینه که OKR، صورت مسئله و معیارها هم می‌تونن همون proxy باشن. خیلی تیم‌ها می‌گن «روی مسئله تمرکز داریم» ولی هیچ‌وقت قبول نمی‌کنن مسئله رو حل نکردن.
کاتلر می‌گه نتیجه‌محوری نمایشی هم شده یه مشکل. PMها اون‌قدر درگیر چارچوب‌های outcome شدن که طراحی‌های تقریباً غیرقابل‌استفاده رو با تحقیق ضعیف توجیه می‌کنن. گاهی هم جواب درست واقعاً یه لیست فیچره. مثلاً AppFolio حسابداری مدیریت املاک رو از روی نرم‌افزارهای قدیمی مهندسی معکوس کرد، ولی هم‌زمان روی بخش‌بندی بازار شرط‌های جسورانه هم بست. یعنی یه ترکیب بود.
به گفته‌ی نویسنده، چیزی که تیم‌ها رو گیر می‌ندازه بیشتر ساختاریه تا ذهنی: دسترسی مستقیم به مشتری و داده، استقلال کافی، آموزش و ساختار ترفیع. این‌ها پول و وقت می‌خوان. آزمایش کنترل‌شده هم فقط برای حلقه‌های کوتاه نزدیک به درآمد جواب می‌ده و برای کارهای استراتژیک بلندمدت باید به conviction (یعنی باور و اطمینان تیم به مسیرش) تکیه کرد. خود بازی هم از اولین جلسه‌ی تشکیل تیم با بخش مالی شکل می‌گیره، نه بعدش.
درباره‌ی AI، کاتلر می‌گه هر دو طرف رو بزرگ‌تر می‌کنه. می‌تونه analytics راه بندازه، سریع نمونه‌ی اولیه بسازه و تعداد تلاش‌ها رو سه برابر کنه. ولی تیمی رو هم دیده که با PRDهای ساخت AI فرهنگ مستندسازی سمیش رو چند برابر کرده، و تیم‌هایی که هیچ‌وقت با مشتری حرف نمی‌زدن حالا با persona مصنوعی حرف می‌زنن. جمع‌بندیش اینه که چیزی که براش بیشتر از همه مونده، میل آدم‌ها به اثرگذاری، صداقت و مهارت تو کارشونه.
نکات کلیدی:
- پست اصلی Feature Factory ده سال پیش تو Medium منتشر شد و کاتلر از اون موقع نزدیک ۱۰۰۰ پست نوشته
- Feature Factory صفر و یکی نیست و هر تیمی تا حدی کارخانه‌ی فیچره
- OKR، معیارها و صورت مسئله هم می‌تونن مثل فیچر فقط یه proxy نمایشی بشن
- موانع اصلی ساختاری‌ان: دسترسی به مشتری و داده، استقلال، آموزش و ساختار ترفیع
- آزمایش کنترل‌شده فقط برای حلقه‌های کوتاه نزدیک به درآمد مناسبه
- AI عادت‌های بد رو بزرگ‌تر می‌کنه و برای عادت‌های خوب اهرم می‌سازه
