Middle Продуктовый менеджер

Управление продуктом Сформировал roadmap на 2025–2026 годы, связал обратную связь клиентов, поддержки и продаж с приоритетами бэклога и координировал регулярные релизы продукта. Стратегия и экономика В условиях кризиса (введение тарификации ГИС ГМП) разработал и согласовал новые тарифы для клиентов, перевёл на них базу, сохранив 95% клиентов. Рост общей выручки за 6 месяцев: +25,8% (с 15,5 до 19,5 млн руб/мес.) Архитектура Проанализировал частоту и характер инцидентов, выявил, что монолитная архитектура — корень большинства критических сбоев. Сформулировал ТЗ, разбил проект на этапы (выделение модулей: штрафы, платные дороги, ФССП, автопарк, платежи), определил приоритеты и сроки, скоординировал команду разработки. За 3 месяца после завершения перехода критические инциденты сократились на 78% (с 23 до 5 в день при среднем потоке 70+ обращений), что ускорило вывод новых функций и снизило нагрузку на поддержку. Также инициировал переход на прямую интеграцию с ГИС ГМП, что позволило сохранить получение данных в кризисный период и полностью сохранить клиентскую базу. Discovery и проверка гипотез (CustDev, CJM) - Провёл глубинное исследование (15 интервью с крупными клиентами) для проверки гипотезы об автоматической оплате проездов. Гипотеза не подтвердилась — клиенты не готовы к автоматическому списанию из-за внутренних регламентов. На основе данных принял решение отказаться от автоматизации. За 3 месяца проверил спрос, запустил MVP ручной оплаты через API и подключил 12 из 15 пилотных клиентов, что создало дополнительный источник дохода. - На основе анализа CJM и данных Superset изменил интерфейс и алгоритмы подключения новых пользователей. За 3 месяца после внедрения отказы на этапе онбординга снизились с 18% до 6% (−12 п.п.), а NPS вырос с 42 до 58 (+16 п.п.). A/B-тесты Переработал сценарий продления подписки и провёл A/B-тест интерфейса; после внедрения доля годовых подписок выросла с 32% до 68% (+36 п.п.) за 3 месяца, что дало дополнительные 780 тыс. руб. выручки в месяц и снизило частоту обращений в поддержку по вопросам продления. Внедрение AI Разработан AI-агент для автоматизации анализа текстовых данных. Система собирает данные, анализирует через LLM, классифицирует и генерирует ответы. Время обработки сократилось с 15–20 мин до 1–2 мин. Определил границы: автономная фильтрация и оценка, анализ; финальное решение — за человеком.

Построение отдела с нуля и масштабирование • В течение последнего года в роли руководителя ТП сформировал и обучил команду с 1 до 5 человек (4 специалиста L1/L2). Разработал двухуровневую структуру (L1/L2), SLA (время первого ответа до 15 мин, решение типовых запросов до 2 ч), регламенты и систему контроля качества на базе чек-листов, охватывающих все ключевые сценарии (штрафы >20 администраторов, проезды по платным дорогам, ФССП, автопарк). • Сократил среднее время решения обращений на 20% (с 45 до 36 минут) и повысил долю решений без эскалации до 75% (с ~55%) за счёт чёткой классификации обращений и перевода сложных кейсов на L2 без привлечения разработки. Автоматизация и оптимизация • Снизил долю ручных операций на 30%: внедрил массовые инструменты саппорта (снятие/возврат авто, смена СТС, сброс статусов, принудительное обновление), автоматизировал проверку статусов через А3 и Монету (сократил ручные запросы на 40%). • Разработал алгоритмы для сложных кейсов: объединение данных из ГЛОБАС и ГИС ГМП (автоматическая сверка статусов и сумм, подгрузка реквизитов), загрузка производств (ИП вынесенных на физ лицо), обработка расхождений в суммах. Это сократило время обработки таких кейсов с 30–40 минут до 5–10 минут. • Организовал работу с реестрами платных фотографий: настроил загрузку фото из нескольких источников (сайт ГИБДД, SafeHub). Снизил обращения по теме «нет фото» на 71% (с 21 до 6 обращений в день). Управление командой и обучение • В течение последнего года сформировал и обучил команду из 5 человек (рост с 2 до 6), организовал онбординг и наставничество. Сократил срок ввода новых сотрудников с 1 месяца до 2 недель. • Создал базу знаний продукта для всей компании (ТП, продажи, юристы, бухгалтерия, разработка). Выстроил регламенты работы с обращениями (классификация по сложности: простые / средней сложности / сложные / критические), порядок постановки задач на разработку, стандарты общения с клиентами и работу каналов (почта, телефон, мессенджеры). • Участвовал в выборе и внедрении инструментов для ТП: тикет-системы (HappyDesk → Usedesk), база знаний, система мониторинга качества, BI-инструмент Superset для аналитики. Продуктовые улучшения на основе анализа поддержки • Инициировал доработки алгоритмов загрузки штрафов (улучшение привязки к ТС, автоматическое добавление КПП и собственников), что повысило полноту загрузки. • Настроил связь штрафов и проездов по МСД, обеспечив единую картину долгов для клиентов. • Выстроил процесс подключения новых администраторов: анализ маски УИН → постановка задачи разработке → проверка и актуализация инструкций. Подключены >20 региональных городов. • Участвовал в приоритизации задач разработки на основе инцидентов и обратной связи, сократив эскалации в разработку за счёт глубокой экспертизы L2. Кросс-функциональное взаимодействие Наладил взаимодействие с бухгалтерией, юристами, продажами и разработкой. Организовал регулярные синхронизации, передачу клиентских предложений в бэклог, участие в тестировании релизов. Выстроил приоритет всей работы ТП. Проектирование AI-агента для техподдержки Спроектировал AI-агента для автоматизации типовых обращений. Агент определял тематику, предлагал решение, при необходимости — эскалация на оператора. Тест на 100+ диалогах: точность тематики 95%, совпадение с оператором 82%, время ответа 3 сек.

Стал единственным экспертом по внутренним процессам и источникам данных — глубоко изучил логику работы ГИС ГМП, ГЛОБАС, Автодор, Монета, SafeHub, парсинга сайтов администраторов. Вёл ключевых клиентов (крупный бизнес) и интеграции по API, обеспечивая полное сопровождение на всех этапах работы с сервисом. Оказывал клиентам поддержку на качественно ином уровне: – Решал не только вопросы по работе сервиса, но и юридические консультации — по срокам оплаты, скидкам, исполнительскому сбору, обжалованию штрафов, взаимодействию с приставами и администраторами. – Помогал в настройке личного кабинета, интеграции по API, давал рекомендации по продукту и оптимизации работы со штрафами. – Оказывал поддержку в кризисные ситуации (сбои у госорганов, массовые проблемы с загрузкой данных) — клиенты получали оперативную информацию и юридические разъяснения. Качественная поддержка стала УТП сервиса: – Клиенты отмечали высокий уровень экспертизы и оперативности — это было недостижимо у конкурентов (некоторые клиенты говорили, что у конкурентов поддержки нет вообще). Благодаря, этому клиенты оставались с нами работать, проявляли высокую лояльность, а продажам было проще убеждать новых клиентов. Результат: уровень удержания клиентов — 85%, поддержка стала одной из ключевых причин выбора нашего сервиса. Выстроил систему приоритетов в обработке обращений — классифицировал запросы по уровню сложности и срочности, что позволило оперативно решать критические инциденты и разгрузить разработку от типовых задач. Результат: доля решений без привлечения разработки выросла до 75%. Разработал и внедрил шаблоны ответов на типовые вопросы — создал библиотеку готовых решений для частых сценариев (проблемы с загрузкой штрафов, привязкой к ТС, оплатой проездов, работой с производствами). Результат: сократил среднее время ответа на 20% и снизил количество эскалаций на старший состав. Проанализировал частые обращения и инициировал доработки продукта: – Улучшил алгоритмы загрузки штрафов (корректная привязка к ТС при смене СТС/ГРЗ). – Настроил связь штрафов и проездов по МСД (сопоставление по дате и времени проезда из ГИС ГМП). – Предложил и участвовал в подключении новых региональных администраторов (>20 городов). Результат: все изменения реализованы совместно с разработкой, положительно приняты клиентами, число однотипных обращений снизилось на 30% (при общем потоке 50+ обращений в день — это в среднем 15 обращение в день, более 450 в месяц). Сформировал базу знаний и регламенты для команды — на основе собственного опыта и разбора сложных кейсов описал алгоритмы работы с источниками данных, инструкции по обработке нестандартных ситуаций (расхождения в суммах, отсутствие реквизитов). Результат: материалы легли в основу обучения новых сотрудников и последующего масштабирования отдела.

• Разрабатывал методическую документацию для отдела и структурных подразделений прокуратуры Республики Марий Эл; • Участвовал в подготовке должностного регламента, положения об отделе и планов работы отдела; • Автоматизировал обработку данных с помощью макросов VBA в Excel; • Настраивал и обслуживал систему АРМ Статистика, администрировал её базы данных, создавал запросы и выполнял аналитическую обработку данных; • Собирал и анализировал данные, готовил и сдавал статистическую отчётность; • Вводил в эксплуатацию систему ГАС ПС, обновлял её и поддерживал бесперебойную работу: устранял ошибки и неисправности; Обучал пользователей работе с ГАС ПС и администрировал систему.

• Составлял планы профилактических и ремонтных работ для оборудования и программного обеспечения; • Оформлял, согласовывал и представлял документацию по профилактике, ремонту и замене элементов компьютерной и офисной техники; • Обслуживал компьютерную и офисную технику, обеспечивал бесперебойную работу локальных сетей; • Настраивал локальное, сетевое и серверное программное обеспечение; • Администрировал пользователей, серверы и базы данных, обеспечивал защиту цифровых данных; • Настраивал локальную телефонию и VPN через Kerio Control; Администрировал систему ГАС ПС.

• Выполнял системное администрирование (Поддержка и налаживание ПО, поддержка внутренней сети, обслуживание орг. техники.); • Сопровождал бухгалтерское программное обеспечение: СЭД, СБИС++, КриптоПро, 1С и Налогоплательщик.

• Выполнял системное администрирование (Поддержка и налаживание ПО, поддержка внутренней сети, обслуживание орг. техники.); • Сопровождал бухгалтерское программное обеспечение: СЭД, СБИС++, КриптоПро, 1С и Налогоплательщик.