Oke, mari kita buat hari yang sibuk bukan fantasi produktivitas yang sempurna dimana setiap jam memiliki tujuan yang indah dan tidak ada yang salah.

9:00-9:40 - cek pembaruan dan email. Tunggu, serius mau membuang waktu berharga seperti ini?

Jujur, ini mungkin hal yang paling mudah untuk automate pertama.

Saya ingin Slack + Gmail + Linear/Jira → n8n → satu ringkasan, dan ringkasan itu sudah menunggu sebelum saya benar-benar mulai bekerja.

Bukan ringkasan AI yang besar, hanya hal-hal yang benar-benar dapat mempengaruhi hari.

Buat ringkasan pagi 👉
Ringkas hanya informasi yang dapat memengaruhi keputusan produk hari ini. Abaikan pesan yang hanya bersifat FYI. Tampilkan hambatan, masalah pelanggan, keputusan yang sudah dibuat, dan pertanyaan yang menunggu jawaban saya.

Jadi, alih-alih membaca 200 pesan, saya mendapat sesuatu seperti: bug checkout sudah diperbaiki, satu pelanggan kesal, keputusan onboarding masih menunggu, dan tim sales menanyakan fitur X lagi.

Bagus, selanjutnya.

Slack, Gmail dan Linier pakan n8n, kemudian AI menyaring update menjadi satu pagi digest
Pengaturan yang disarankan, bukan integrasi yang siap pakai: dijalankan sebelum bekerja, mengumpulkan pesan dan isu baru-baru ini, hapus duplikat, lalu kirim satu digest dengan yang asli. Jadwal trigger ı · Gmail node . · Slack node °C · Node linear .

10:00-10:45 - backlog

Sekarang kita memiliki hal-hal peta jalan, tugas-tugas, mungkin tumpukan umpan balik yang entah bagaimana berlipat ganda semalam.

Saya akan menggunakan Productboard atau Jira Product Discovery, tapi aku benar-benar tidak ingin secara manual menyalin setiap tiket dukungan atau komentar pelanggan ke dalamnya.

Dukungan, catatan wawancara, catatan penjualan dll dapat pergi melalui n8n pertama dan mendapatkan terpasang ke item roadmap yang ada jika ada kecocokan yang jelas.

Yang saya inginkan dari AI di sini bukan “prioritaskan roadmap saya”. Saya ingin AI menunjukkan mana yang punya bukti nyata dan mana yang kita karang karena satu stakeholder menyebutnya tiga kali.

Untuk Linear/Jira juga sama. Biarkan AI menambah konteks tugas, menandai duplikat, informasi yang belum ada, dan perkiraan dampak pelanggan. Jika buktinya tidak cukup, saya akan memaksanya menulis UNKNOWN.

Jika tidak, setiap tugas bodoh entah bagaimana menjadi strategis penting.

10:45-11:15 - kita sudah menghemat banyak waktu. Bisa sarapan kedua sambil menonton YouTube

Jujur ya.

Kalau ringkasan pagi dan pembersihan backlog menghemat 40 menit, jangan langsung mengisi 40 menit itu dengan dashboard lain.

Sarapan kedua, YouTube, kopi jika kau suka, terserah.

Alat-alat produktivitas juga harus memberi Anda beberapa kehidupan kembali, tidak hanya membantu Anda menjejalkan lebih banyak pekerjaan ke hari yang sama.

Sekitar 11:30 - riset pasar, tapi bukan yang membosankan

Aku akan meng-otomatis bagian berulang.

Anggap saja aku peduli dengan 10 pesaing, tapi aku tak mau mencari 10 orang setiap minggunya.

Saya ingin halaman harga, halaman produk, changelog, dan mungkin penyebutan di Reddit dipantau di belakang layar, lalu saya hanya diberi tahu saat sesuatu benar-benar berubah.

competitor pages → n8n → compare with previous version → AI → tell me what materially changed

Mungkin harga berubah. Mungkin mereka meluncurkan paket enterprise. Mungkin onboarding tiba-tiba sangat berbeda. Mungkin mereka diam-diam menghapus sebuah fitur.

Itu berguna.

Sebuah empat halaman segar kompetitor overview setiap minggu tidak.

Pesaing yang dijadwalkan memeriksa halaman membandingkan versi yang disimpan sebelum AI meringkas perubahan yang berarti
Ambil halaman yang diijinkan, simpan teks atau hash sebelumnya, dan bandingkan sebelum memanggil AI. Tidak ada perubahan berarti? Notifikasi. Ini adalah arsitektur illusif; sebuah basis data kecil atau n8n Data Tabel memegang versi sebelumnya. Permintaan HTTP °O · Tabel Data °F

12:00-... wawancara

Aku tahu, bukan tugas sehari-hari, tapi biarkan termasuk untuk simulasi hari yang benar-benar sibuk.

Aku masih akan melakukan wawancara sebenarnya dengan diriku sendiri.

Tapi setelah itu, ya, aku tidak ingin menghabiskan 30 menit membersihkan catatan.

Granola → Dovetail, mungkin dengan LLM kecil langkah di antara.

Temukan ucapan asli pelanggan 👉
Ambil masalah yang benar-benar dirasakan pelanggan, solusi sementara yang mereka gunakan sekarang, dan ucapan yang bertentangan dengan keyakinan kita saat ini tentang produk. Pertahankan kata-kata asli mereka jika berguna.

Aku sangat menyukai kontras yang kita percayai.

Jika jumlah pelanggan merasa nyaman dan entah bagaimana mengkonfirmasi segala sesuatu yang sudah Anda pikirkan.

Untuk hal ini, ekspor atau salin catatan ke dalam repositori penelitian Anda, atau buat konektor yang disetujui. Panah tidak berarti ada integrasi Granola dovetail asli. Granola mendukung integrasi

14:00 - analisis setelah beberapa panggilan

Ini bisa membosankan dan melelahkan beberapa tahun yang lalu.

Jika sesuatu yang aneh terjadi di Amplitude atau Mixpanel, seperti aktivasi tiba-tiba turun, saya tidak benar-benar ingin Al untuk memberitahu saya mengapa.

Aku ingin Al membantuku mencari tahu apa yang harus diperiksa dulu.

Jadi katakanlah aktivasi berlangsung dari 42% ke 31%.

Alih-alih menatap sepuluh dashboard, saya dapat memintanya untuk menunjukkan segmen mana yang layak diperiksa terlebih dahulu berdasarkan data sebenarnya yang tersedia.

Sumber lalu lintas, perangkat, geografi, rilis baru, apapun yang relevan.

Data analitik tetap menjadi sumber kebenaran.

Al hanya membantu saya mendapatkan ke bagian yang menarik lebih cepat.

15:00 - PRD

Oke oke, pasti bukan tugas sehari-hari, tapi hei, hari sibuk ingat?

Di sinilah saya akan menggunakan Claude atau ChatGPT, tetapi dengan konteks sudah ditarik dalam dari item roadmap, analitis dan umpan balik pelanggan.

Tidak:

write me a PRD for feature X

karena itu adalah bagaimana Anda mendapatkan tiga halaman yang indah apa-apa.

Lainnya seperti:

Susun draf berdasarkan bukti 👉
Berikut masalah pelanggan, data analitik, dan batasan teknis. Susun draf PRD hanya berdasarkan informasi ini. Jangan mengarang persyaratan. Tandai asumsi dengan jelas.

Dan kemudian:

Periksa serah-terima ke tim engineering 👉
Baca ini sebagai seorang engineer. Apa yang tidak jelas atau dapat ditafsirkan dengan dua cara berbeda?

Aku lebih suka pertanyaan kedua daripada pertanyaan pertama.

16:30 - waktu prototip

Semua kesenangan hari ini.

Secara pribadi, saya mengagumi prototip, dan sekarang ini dengan AI itu hanya sukacita murni.

Di sinilah aku akan membuka Lovable, Replit atau v0 dan hanya membangun hal sialan.

Data palsu baik-baik saja. setengah bekerja baik-baik saja. jika intinya adalah untuk menunjukkan satu interaksi pada desain, rekayasa atau pelanggan, kau tidak perlu seluruh aplikasi.

Bangun satu interaksi 👉
Buat prototipe sederhana yang bisa diklik untuk alur ini: [WORKFLOW]. Gunakan data contoh. Fokus hanya pada interaksi utama. Jangan menambahkan fitur lain secara acak.

Jujur saja, terkadang menjelaskan ide itu selama 40 menit lebih buruk daripada membangun sesuatu yang jelek dalam 20 menit.

Bukti pelanggan dan batasan masuk ke AI-disisted PRD, kemudian satu difokuskan purwarupa diklik dan ulasan manusia
Salah satu interaksi adalah jangkauan. bawa masalah dan batasan ke Claude atau ChatGPT, tinjau PRD, kemudian gunakan seorang pembangun seperti Lovable untuk membuat interaksi terlihat. Replit dan v0 adalah alternatif, bukan langkah yang diperlukan ekstra. Dapat dikovasi untuk prototipe · Mode perencanaan ı

Akhir hari - beberapa catatan akhir, pengingat, penjadwalan

Aku juga akan mengotomatis bagian ini, tapi jangan banyak bicara.

Bersama-sama hari ini keputusan, tugas-tugas baru, catatan wawancara, mungkin analitis berubah, dan bertanya:

Tutup hari ini 👉
Apa yang benar-benar kita pelajari hari ini? Asumsi mana yang makin kuat, mana yang melemah, dan keputusan apa yang masih TIDAK boleh diambil?

Lalu simpan di tempat yang berguna, mungkin Notion, mungkin log produk, atau sekadar catatan harian pribadi.

Dan jika ada tindak lanjut, jadwalkan mereka sementara mereka masih segar.

Itu sepertinya versi AI untuk PM yang sebenarnya kusuka.

Bukan aku, tapi manajemen produk untukmu.

Lebih seperti: semua transportasi informasi membosankan, pembersihan, pengelompokan dan analisis lulus pertama terjadi di latar belakang, sementara Anda menyimpan bagian-bagian di mana penilaian Anda benar-benar penting.