Продуктовый менеджер / Product Manager в B2B SaaS Discovery и AI-прототипирование (удаленная работа)

Вакансия: Продуктовый менеджер / Product Manager в B2B SaaS Discovery и AI-прототипирование

Описание вакансии

Пиксель Плюс digital-агентство с крупными международными и федеральными брендами, в реестре аккредитованных ИТ-организаций.

Мы развиваем SaaS-продукты для SEO- и GEO-специалистов, маркетологов, владельцев бизнеса и селлеров маркетплейсов: Пиксель Тулс и Seller Moon.

В нашей команде есть разработчики, готовый UI Kit и наработанные интерфейсные решения. AI помогает нам быстрее создавать и выпускать изменения. Сейчас нам нужен человек, который будет отвечать за следующий вопрос: что именно стоит разрабатывать, для кого и почему?

Ищем продуктового менеджера, который самостоятельно проходит путь от разговора с пользователем до проверенной гипотезы, прототипа и понятной задачи для разработки. Не только предлагает идеи и не только управляет backlog, а помогает команде находить и создавать полезные изменения.

В чём суть роли

Вы регулярно проводите глубинные интервью с представителями целевой аудитории, выявляете их потребности, выбираете проблемы, которые стоит решать, и проверяете возможные решения. Общение с действующими и потенциальными пользователями является одним из основных источников ценных гипотез и векторов развития продукта.

Затем собираете прототип на нашем UI Kit с помощью AI-инструментов, описываете логику и передаёте задачу в разработку, а после релиза оцениваете результат.

Наш рабочий цикл:

Потребность гипотеза прототип проверка постановка в разработку оценка результата.

Чем предстоит заниматься

• Проводить глубинные интервью с целевой аудиторией. Это одна из основных обязанностей: регулярно и лично общаться с действующими и потенциальными пользователями, выяснять их задачи, потребности, ограничения и реальные способы решения проблем. Готовить вопросы, проводить интервью, фиксировать выводы и превращать полученные наблюдения в продуктовые гипотезы и предложения по развитию продукта.
• Исследовать поведение и дополнять выводы интервью данными. Разбирать обращения в поддержку, наблюдать за работой с продуктом и анализировать поведение. Сопоставлять то, что пользователи рассказывают, с тем, что они делают, и отделять единичные пожелания от повторяющихся потребностей.
• Формировать и приоритизировать гипотезы. Соединять пользовательские проблемы с целями бизнеса. Сравнивать варианты по ожидаемой пользе, имеющимся свидетельствам, стоимости проверки и реализации.
• Проверять решения до разработки. Выбирать подходящий способ проверки: интервью, тест прототипа, небольшой эксперимент или анализ данных. Заранее определять, что подтвердит гипотезу, а что станет основанием её пересмотреть.
• Самостоятельно прототипировать. Собирать сценарии на существующем UI Kit с помощью AI-инструментов. Показывать не только основной экран, но и важные состояния: отсутствие данных, ошибки, ограничения и результат действия.
• Готовить постановки для разработки. Описывать проблему, целевой сценарий, бизнес-правила, границы первой версии, критерии приёмки и способ измерения результата. Прикладывать прототип, по которому понятна логика работы.
• Работать с тимлидом и разработчиками. Проверять реализуемость решения до финальной передачи, обсуждать ограничения и упрощать первую версию без потери её смысла.
• Оценивать выпущенные изменения. Проверять, пользуются ли решением, помогает ли оно выполнить целевую задачу и как влияет на продуктовые показатели. Предлагать доработку, масштабирование или отказ от неудачной гипотезы.

Какой результат мы ждём

Готовая задача для нас включает:

• Основание: наблюдения, обращения, интервью или данные.
• Гипотезу: ожидаемое изменение поведения пользователя и связь с результатом бизнеса.
• Проверку: что уже проверено, что осталось предположением и какие риски мы принимаем.
• Прототип: сценарий на существующем UI Kit, согласованный с текстовой постановкой.
• Требования: бизнес-правила, существенные состояния, границы первой версии и критерии приёмки.
• Измерение: целевое событие, метрика и план оценки после релиза.

Мы не оцениваем работу количеством написанных ТЗ или размером backlog. Важны качество решений, скорость получения полезной обратной связи и результат для пользователя и бизнеса. Обоснованно отказаться от ненужной функции тоже хороший результат.

Что для нас обязательно

• Опыт глубинных интервью с целевой аудиторией. Вы лично проводили такие интервью, умеете спрашивать о реальном опыте без наводящих вопросов и отличать факты от пожеланий и предположений. Можете показать, как выводы из общения с пользователями повлияли на гипотезы и продуктовые решения.
• Работа с данными. Умеете разбирать воронки и сегменты, выбирать подходящие метрики, замечать ограничения выборки и не выдавать корреляцию за доказанную причину.
• Самостоятельное прототипирование. Вам не требуется отдельный дизайнер, чтобы собрать и проверить типовой сценарий из готовых компонентов.
• Практическое применение AI. Используете AI для исследования материалов, подготовки вариантов, прототипирования или формализации требований. Можете показать результат, объяснить собственный вклад и способ проверки.
• Понятные постановки. Разработчик может прочитать вашу задачу и понять, что должно происходить в основном и нестандартных сценариях.
• Умение ограничивать объём. Вы отделяете необходимое для проверки гипотезы от того, что можно сделать позже.
• Ответственность за решение. Готовы обсуждать альтернативы, менять мнение при появлении новых данных и возвращаться к задаче после релиза.

Что будет плюсом

• B2B SaaS: опыт работы с личными кабинетами, аналитическими сервисами, отчётами, таблицами и профессиональными инструментами.
• Предметная область: понимание SEO, GEO, digital-маркетинга, маркетплейсов или задач малого и среднего бизнеса.
• Продуктовая аналитика: опыт самостоятельной работы с системами аналитики и SQL.
• AI-прототипы: рабочие примеры, собранные в Claude Code, Cursor, Figma Make или других инструментах.
• Дизайн-системы: опыт использования компонентов, токенов и готовых библиотек без создания отдельного визуального стиля под каждую задачу.
• Опыт самостоятельной продуктовой работы . Вы можете показать кейс, в котором лично прошли путь от проблемы до реализации и разбора результата. Название предыдущей должности вторично.

Конкретный набор AI-инструментов не принципиален. Нам важнее, какие задачи вы с их помощью решаете и насколько надёжен результат.

Как устроена работа

Бизнес-приоритеты и ограничения обсуждаем с руководителем продукта или основателем. За исследование проблемы, предложение и проверку решения, прототип и продуктовую постановку отвечаете вы.

Тимлид отвечает за техническую реализуемость и архитектуру. Разработчики участвуют в обсуждении решения, технической декомпозиции и реализации. Не ожидаем, что вы будете единолично проектировать API, базы данных или писать production-код.

Работаем короткими итерациями. Не ждём многостраничного документа там, где достаточно понятного прототипа и нескольких бизнес-правил, но не передаём в разработку решения с непродуманной логикой.

Условия

• Формат: удалённая работа, полная занятость, график 5/2.
• Рабочий день: восемь часов, начало в 8:00, 9:00 или 10:00 по Москве.
• Доход: обсуждаем на первом созвоне с учётом опыта и самостоятельности. Фиксированная часть + KPI как % от роста проекта + KPI по количеству ТЗ и интервью.
• Влияние: прямой диалог с руководством и возможность участвовать в выборе продуктовых приоритетов.
• Рабочая среда: действующие продукты, готовый UI Kit и собственная команда разработки.

Как проходит отбор

• Отклик: резюме и короткое описание одного релевантного кейса.
• Первый созвон: обсуждаем ваш опыт, задачи роли, ожидания и условия.
• Небольшое тестовое: учебный кейс на исследование проблемы, гипотезу, прототип и постановку. Лимит работы до 4 часов.
• Разбор: обсуждаем ваше решение и коротко проверяем подход к интервью и изменению требований.
• Решение: согласовываем условия и следующие шаги.

Что написать в отклике

Приложите резюме и ответьте на три вопроса. Достаточно короткого текста, отдельная презентация не нужна.

• Продуктовый кейс: какую проблему вы лично обнаружили, как проверили решение и что получилось после выпуска? Отделите свой вклад от работы команды.
• Прототип: можете ли показать сценарий, который самостоятельно собрали на готовых компонентах? Подойдёт ссылка, скриншоты или обезличенный пример.
• AI в работе: какую конкретную задачу AI помог решить, что вы проверяли и что пришлось исправить самостоятельно?