Channel
@product_lev
On this record: Growth · Engagement · What this channel posts · Reactions · Stars · Posts · Citations · Cite this entry
775subscribers
+0 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1002178739643 |
|---|---|
| Type | Channel |
| Username | @product_lev |
| Description | Авторский блог о продуктовом менеджменте. Поделюсь, что было пройдено, и что предстоит постичь. tg: @levwell |
| Created | Between 1 June 2024 and 30 September 2024— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 8 August 2026 |
| Measurements held | 2 |
| On Telegram | t.me/product_lev |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 8 Aug 2026, 01:48 | 775 | no change |
| 7 Aug 2026, 13:30 | 775 | first reading |
20 posts held, back to 1 June 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.
ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.
| Window | Rolling 30 days · latest post in window 6 August 2026 |
|---|---|
| Posts held | 20 (1 June 2026 – 6 August 2026) |
| Views total | 1,068 |
| Reactions total | 70 |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 8 Aug 2026, 01:48 UTC |
Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.
Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.
Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.
Lifetime counters from Telegram’s own channel header, read 8 August 2026 — not the date at the top of this page, which is when the subscriber count was last read. Below Telegram’s rounding threshold, so these counts are exact.
226 reactions across 20 posts, in 9 distinct kinds. The most used accounts for 40.3% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| ❤ | 91 | 40.3% | |
| 👍 | 38 | 16.8% | |
| ✍ | 29 | 12.8% | |
| 🔥 | 28 | 12.4% | |
| 😈 | 24 | 10.6% | |
| 😁 | 9 | 3.98% | |
| 💯 | 4 | 1.77% | |
| 🤝 | 2 | 0.885% | |
| 👏 | 1 | 0.442% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 20 of the 20 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 226reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 20 most recent posts we hold, published 1 June 2026 to 6 August 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
A paid reaction is a reader spending Telegram Stars — bought with money — on a post by @product_lev. Telegram publishes the count on the public post preview alongside ordinary reactions, and this register reads it there. It is the only figure on this site that measures money moving rather than attention.
Stars are not reactions, and the two are never added. They are rendered in the same strip on Telegram and counted in the same shape, but one is a tap and the other is a purchase. The reaction totals and the engagement rate elsewhere on this page exclude every figure in this section, and no rate here is computed against a reaction count.
This is not revenue, and we publish no currency figure. What a Star costs a reader and what it pays a channel are different numbers, Telegram takes a share we cannot observe, and the terms have changed. Converting a Star count into money would be an estimate dressed as a measurement, so the count is where we stop.
Counted over the 20 most recent posts we hold for this entry, published 1 June 2026 to 6 August 2026. Star counts above 1,000 reach us in Telegram’s short form and carry the same three-significant-figure rounding as everything else on this page.
Contextual Product Management: подход зависит от задачи Заметил интересный термин в статье, делюсь. Все любят универсальные рецепты: исследовать пользователей, быстро проверять, скопировать процессы успешных компаний. Но есть проблема, что условные банковский продукт и внутренняя HR система требуют разных способов подхода. Contextual Product Management предлагает сначала понять среду: насколько продукт зрелый, вел…
❤7👍3😈1
Среднее и медиана: у нас всё хорошо, но это не точно Зарплаты пяти сотрудников: 100, 110, 120, 130 и 1 000 тысяч. 👉 Среднее: сумма значений / их количество = 292 тысячи. 👉 Медиана: значение посередине ряда = 120 тысяч. Один руководитель поднял среднюю зарплату компании почти в 2,5 раза. Среднее полезно для расчёта экономики: средний чек, ARPU. Медиана лучше показывает типичный опыт: время доставки, загрузки или …
❤4💯4👍3
Сторипоинты: абстракция сложности по Фибоначчи Story points — относительная единица трудоёмкости, которой команда оценивает усилия, необходимые для выполнения задачи, сравнивая её с другими задачами. В Agile-командах оценка обычно учитывает объём, сложность и неопределённость задачи. Сторипоинты используют вместе с планинг-покером и выставляют по шкале Фибоначчи: 1, 2, 3, 5, 8. По канону пять сторипоинтов не означ…
❤4🔥2😈2👍1
Human-in-the-loop: оставьте человеку красную кнопку HITL - подход, при котором ИИ выполняет часть работы, а человек остается внутри процесса: проверяет результат, принимает сложные решения и корректирует систему. Например, модель обрабатывает обращения в поддержку: • простые вопросы закрывает сама • спорные передает оператору • решение оператора использует как новый контекст обучения Чем выше риск и ниже увереннос…
❤4👍3✍1😈1
Selection bias: когда выборка решила за вас Закрываю гештальт по A/B, кто знает - тот в курсе:) Selection bias - смещение отбора, которое возникает, когда пользователи в анализе системно отличаются от тех, о ком команда хочет сделать вывод. Например, запустили новую механику рекомендаций и посмотрели конверсию сегменты: результат отличный! Вот только воспользовались ей самые активные пользователи, которые и раньше …
❤5👍3😁1😈1
Stage-Gate: инвестиционные ворота продукта Stage-Gate, или Phase-Gate, это фреймворк управления разработкой продукта через инвестиции. В классике проект проходит путь: Discovery → Scoping → Business Case → Develop → Test & Validate → Launch из нестандартных названий этапов: Scoping - оценка рынка, пользователя и технической реализации Business Case - формирование концепции продукта, его экономики и плана разработки…
❤4👍3🔥3😈1
Brand Health Tracking: чекап бренда Brand Health Tracking помогает понять, что пользователи думают о бренде и почему выбирают именно его. Обычно в рамках BHT в динамике замеряют знание бренда, предпочтение относительно аналогов, ключевые ассоциации и готовность рекомендовать. Например, знание бренда выросло после рекламной кампании, а предпочтение осталось прежним: люди запомнили рекламу, но причины выбрать продук…
❤4👍3🔥2
Diff-in-Diff: когда A/B-тест невозможен Difference-in-Differences помогает оценить эффект изменений без рандомизации. Метод сравнивает изменение метрики относительно изменения от начального показателя похожей контрольной группы. Например, изменение воронки сначала запустили только в одном регионе. Продажи выросли на 10%. Это успех или просто сезонность? DiD сравнит изменение с регионом, где ничего не запускали, и п…
👍5❤4🔥2
Парадокс Симпсона: средняя метрика умеет врать Simpson’s Paradox - ситуация, где общий результат показывает рост, а внутри важных сегментов всё становится хуже. Например, выкатываем новый чекаут. В агрегате конверсия выросла с 6% до 6,5%, команда открывает шампанское и катит на всех. Потом смотрим глубже: у новых пользователей и старых просадка, на iOS просадка. В итоге просто в тест случайно попало больше теплого …
❤5✍3👍1😈1
RAT: проверяем самое рискованное в идее Riskiest Assumption Test - проверка самого рискованного допущения в идее MVP проверяет жизнеспособность: ценность, сценарий, решение, иногда экономику. RAT нужен раньше, когда еще страшно тратить недели команды даже на маленькую версию продукта. Пример: Хотим сделать быстрые ответы для родителей в чат-боте по питанию. Самое рискованное допущение: родители вообще хотят задава…
😈7❤2🔥1
8 шагов перемен Коттера Изменение нельзя просто объявить. Его нужно воплотить через организацию. Сильный пример таких изменений я видел в Яндекс Маркете при смене CEO: появилась более живая стратегия, новые смыслы старались доносить не только через большие презентации, но и через маленькие победы, регулярную коммуникацию, материалы на кофепоинтах и заставки телевизоров в переговорках. Сохранил себе структуру Коттер…
✍5👍3🔥2❤1
Что почитать? Наш айсберг тает, Джон Коттер Кому: тем, кто пытается провести изменения и не понимает, почему очевидная проблема не становится очевидной для всех Количество страниц: 76, читается за вечер Оценка: 10 пингвинов-разведчиков из 10 Отзыв: Книга состоит из двух частей 1-детская сказка, 2-теоретический комментарий Притча рассказывает про пингвинов, которые поняли, что их айсберг тает, и начали искать решен…
❤4🔥3✍2👍1
Showing the 12 most recent of 20 posts we hold for @product_lev. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Stars beside a post are paid reactions — Telegram Stars, bought with money and spent on that post. They are a different unit from reactions and are never added to them, here or anywhere else on this page.
Citation-graph rank — 780,234 of 1,151,006entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Named by 1 registered channel — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 8 August 2026 — this entry's latest reading, not the date you are reading this.
“Лев Корнев - Развитие продукта” (@product_lev), 775 subscribers as measured 8 August 2026. Telegram Register, tgregister.com/channel/product_lev.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.