11 luglio 2026Aggiornato il Fathy Shalaby14 min di lettura
Product sense: come i PM senior prendono buone decisioni con dati incompleti
Il product sense non è un'intuizione a pelle, è giudizio calibrato. Ecco come funziona l'intuito, quando puoi fidartene, di quante evidenze ha bisogno ogni decisione e l'abitudine che ti fa migliorare.
Il product sense, spesso chiamato intuito di prodotto, è la capacità di prendere buone decisioni di prodotto quando i dati sono incompleti. Non è un'intuizione a pelle. È giudizio calibrato: sapere che tipo di evidenza hai, quanto vale, che cosa ti farebbe cambiare idea e quando aspettare costa più che sbagliare. I PM senior non hanno ragione più spesso per magia; sono meglio calibrati.
Punti chiave
Shreyas Doshi descrive il product sense come «la capacità di prendere di solito decisioni di prodotto corrette» in condizioni di forte ambiguità, e lo tratta come una competenza che chiunque può migliorare (Maven).
L'intuito è affidabile solo alle condizioni giuste: un ambiente regolare anziché caotico, pratica e feedback accurato e tempestivo sulle tue decisioni (Gary Klein su Kahneman e Klein, 2009).
Gli esperti decidono per riconoscimento. Nella ricerca di Klein sui vigili del fuoco, 117 punti decisionali su 134 si basavano sul riconoscimento anziché sul confronto tra opzioni, e il 78% delle decisioni richiedeva meno di un minuto (ShadowBox, 2025).
Il lavoro di prodotto dà raramente feedback rapido, quindi l'intuito dei PM è più debole di quanto sembri. In Microsoft, solo circa un terzo degli esperimenti ben progettati ha migliorato la metrica obiettivo (Kohavi, Crook & Longbotham, 2009).
L'abitudine che affina il giudizio è semplice: scrivi una previsione falsificabile prima di ogni decisione e verificala più tardi.
Che cos'è il product sense?
Ogni PM conosce quel momento. I dati non sono conclusivi, gli stakeholder vogliono una risposta entro venerdì e la discovery è a due settimane, non a due mesi. Devi costruire, abbandonare o guadagnare tempo, e ogni scelta ha un costo. I PM junior spesso si bloccano qui: chiedono più ricerca o lanciano un sondaggio che richiede tre settimane e risponde alla domanda sbagliata. I PM senior decidono. Non perché abbiano più dati, ma perché leggono segnali incompleti, li pesano correttamente e si impegnano restando aperti all'idea di sbagliare.
Due definizioni sono ampiamente usate:
Shreyas Doshi: la capacità di prendere di solito decisioni di prodotto corrette, sia a livello di quadro generale sia di dettaglio, anche in condizioni di forte ambiguità. Tra le leve cita empatia cognitiva, gusto, strategia di prodotto e creatività ().
Jules Walter, su Lenny's Newsletter: la capacità di creare in modo costante prodotti che hanno l'impatto voluto sui loro utenti, costruita su due parti: empatia per trovare bisogni significativi e creatività per risolverli (Lenny's Newsletter, 2022).
Entrambi trattano il product sense come una competenza che si impara, non come un tratto innato. Questo articolo si concentra sulla parte che i colloqui raramente mettono alla prova: decidere bene quando le evidenze sono scarse.
Product sense, intuizione a pelle e decisioni guidate dai dati
Intuizione a pelle
Product sense
Aspettare i dati
Che cosa guida la scelta
Riconoscimento di pattern che non hai esaminato
Pattern più una lettura esplicita delle evidenze
Solo ciò che viene misurato
Velocità
Rapida
Abbastanza rapida
Lenta
Difetto principale
Sicuro di sé e in errore in situazioni nuove
Eccesso di fiducia se non si verifica mai
Perdere la finestra; paralisi da analisi
Come sai che funziona
Non lo sai
Previsioni registrate e verificate
Arrivano i risultati, spesso troppo tardi per contare
Il segnale più chiaro di un buon product sense non è che qualcuno abbia sempre ragione. È che raramente si sorprende quando sbaglia. Sapeva che l'incertezza c'era e ha deciso perché il costo di aspettare era maggiore di quello di un errore.
Come funziona davvero l'intuito di prodotto?
La ricerca di Gary Klein con i comandanti dei vigili del fuoco spiega che cosa fanno gli esperti sotto pressione. Il suo team si aspettava che confrontassero le opzioni. Per lo più non lo facevano. Su 134 punti decisionali, 117 seguivano quello che Klein chiamò il modello decisionale basato sul riconoscimento (RPD, recognition-primed decision), e il 78% delle decisioni veniva preso in meno di un minuto (ShadowBox, 2025).
L'RPD ha tre mosse:
Riconoscere la situazione. L'esperto la vede come familiare, il che fa emergere gli indizi rilevanti, obiettivi plausibili, che cosa aspettarsi e un'azione tipica.
Prendere la prima opzione praticabile. Le opzioni si considerano una alla volta, non affiancate.
Simularla mentalmente. L'esperto proietta l'azione in avanti. Se il risultato appare accettabile, agisce. Altrimenti la adatta o prova l'opzione successiva.
I PM fanno la stessa cosa quando una richiesta di funzionalità «puzza» o un calo di metrica «sembra» un bug di tracking. La libreria di pattern nasce da centinaia di conversazioni con i clienti, lanci e post-mortem. Per questo il product sense cresce con l'esposizione, e per questo un PM nuovo in un mercato dovrebbe fidarsi meno dei propri istinti lì.
Quando puoi fidarti del tuo intuito di prodotto?
Daniel Kahneman ha passato la carriera a documentare i bias dell'intuito; Klein a mostrare quanto bene lo usano gli esperti. Nel 2009 pubblicarono un articolo congiunto su quando regga l'una o l'altra visione. Klein riassunse poi i criteri su cui si erano accordati: una situazione regolare anziché caotica o ipercomplessa, la possibilità di fare pratica e feedback accurato e tempestivo sulle conseguenze delle decisioni (Psychology Today, 2024).
Il product management spesso non supera il terzo test. Il feedback su una scommessa di roadmap può arrivare dopo un trimestre ed essere mescolato con stagionalità, marketing e altri lanci. Il team di Ron Kohavi in Microsoft lo disse senza giri di parole: è umiliante vedere quanto siano scarsi gli esperti nel stimare il valore delle funzionalità, loro compresi. Solo circa un terzo degli esperimenti ben progettati migliorò la metrica a cui puntava (Kohavi, Crook & Longbotham, 2009).
La risposta onesta è quindi: fidati di più del tuo intuito dove il feedback è rapido e il dominio è familiare, e meno dove non lo è.
Tipo di decisione
Velocità del feedback
Regolarità del dominio
Fidarsi dell'intuito?
Testi dell'interfaccia, passi di onboarding nel tuo prodotto
Giorni
Alta
Sì, poi verifica con i dati
Dare priorità alle richieste di un segmento che conosci bene
Settimane
Medio-alta
Per lo più, con un rapido controllo delle evidenze
L'evidenza indiretta (proxy) è di sbieco. Suggerisce qualcosa senza provarlo: un pattern nei ticket di supporto, un calo in una metrica del funnel, un'obiezione commerciale che ricorre tre volte in un mese, un utente che descrive un workaround. È economica da raccogliere e facile da fraintendere. L'evidenza indiretta ti dice che sta succedendo qualcosa, non perché. Agire solo su di essa è il modo di costruire la soluzione sbagliata al problema giusto.
Livello 2: evidenza osservativa
L'evidenza osservativa viene dal guardare le persone usare il tuo prodotto o sostituti vicini: interviste ai clienti (specie le interviste sul passaggio da un prodotto all'altro), registrazioni di sessioni, test di usabilità. Ti dice perché qualcosa sta succedendo. Costa più di quella indiretta ed è più costoso ignorarla. Quando l'osservazione contraddice i tuoi segnali indiretti, di solito vince l'osservazione. La maggior parte dei PM investe poco qui; buone domande per le interviste ai clienti la rendono meno costosa.
Livello 3: evidenza causale
L'evidenza causale viene da esperimenti controllati: test A/B, rollout con feature flag e gruppo di controllo, misurazioni prima e dopo con una baseline pulita. È l'unica evidenza che ti dice che cosa succederà se cambi qualcosa. Richiede un campione abbastanza grande, un disegno pulito e di solito diverse settimane di esecuzione. La maggior parte delle decisioni non ne ha bisogno. L'errore comune è pretenderla per tutto, lanciando un esperimento quando un'intervista avrebbe risposto più in fretta. La nostra guida ai test A/B spiega quando ne vale la pena.
Di quante evidenze hai bisogno prima di prendere una decisione di prodotto?
Dipende da due cose: quanto è reversibile la scelta e quanto costa.
Reversibilità
Investimento
Evidenza necessaria
Esempio
Difficile da invertire
Alto
Causale
Cambiare i prezzi per tutti i clienti esistenti
Facile da invertire
Moderato
Osservativa
Un nuovo flusso di onboarding dietro un feature flag
Facile da invertire
Basso
Indiretta, più propensione all'azione
Riordinare una pagina di impostazioni
La maggior parte delle decisioni di prodotto quotidiane sta nella riga in basso. La maggior parte dei team le tratta come quelle della riga in alto. Jeff Bezos ha sostenuto lo stesso nella lettera agli azionisti di Amazon del 2016: la maggior parte delle decisioni dovrebbe essere presa con «circa il 70% delle informazioni che vorresti avere», e la lentezza di solito costa più dell'errore, purché tu sia bravo a individuare e correggere in fretta le decisioni sbagliate (Amazon, 2017). Il nostro articolo sulle decisioni a porta a senso unico e a doppio senso mostra come capire in quale riga ti trovi.
Come si costruisce il product sense? L'abitudine della calibrazione
Il product sense si affina con una sola pratica: tenere traccia delle tue previsioni. Crea il feedback tempestivo che, secondo Kahneman e Klein, l'intuito richiede e che il lavoro di prodotto raramente offre da sé.
Prima di una decisione, scrivi che cosa ti aspetti che succeda. Non un desiderio, ma una previsione falsificabile: «Se rilasciamo questa modifica, la retention a 30 giorni della coorte esposta aumenterà di almeno il 5%». Oppure: «Tre mesi dopo il lancio, meno del 10% degli utenti userà questa funzionalità più di una volta». Aggiungi quanto sei sicuro. Quando è passato abbastanza tempo, verifica.
È scomodo, perché le previsioni creano responsabilità. È anche l'unico ciclo che migliora la calibrazione. Impari quali tipi di decisioni ti riescono bene e quali sbagli sistematicamente a valutare. Due errori ricorrono di continuo:
Sovrastimare l'adozione di funzionalità che entusiasmano il team. Il tasso di successo di una su tre di Kohavi è lo sguardo esterno con cui confrontare quell'entusiasmo.
Sottostimare quanto sia radicato il comportamento attuale. Gli utenti tengono il loro workaround ben oltre l'uscita del tuo modo migliore.
Conoscere i tuoi modi di fallire vale più di qualsiasi framework.
Modello di registro delle previsioni (da copiare e incollare)
DECISION: [what we decided, one line]
DATE / OWNER: [date] / [name]
EVIDENCE LEVEL: [proxy / observational / causal]
PREDICTION: [metric] will move from [X] to [Y] by [date]
CONFIDENCE: [50 / 60 / 70 / 80 / 90%]
WOULD CHANGE MY MIND: [the signal that would make me reverse]
CHECK DATE: [date]
RESULT: [what happened] HIT / MISS
LESSON: [what I'd weigh differently next time]
Tieni il registro nello stesso posto delle tue decisioni; un registro delle decisioni di prodotto funziona bene perché il ragionamento e la previsione stanno insieme.
Esempio svolto: valutare la tua calibrazione (illustrativo)
Supponi che un PM registri 30 previsioni in due trimestri. Dodici erano segnate come «sicuro all'80%»; 7 di queste si sono avverate, un tasso di successo del 58%. Dieci erano segnate come «sicuro al 60%»; 6 si sono avverate, un tasso del 60%. Le decisioni al 60% sono ben calibrate. Quelle all'80% sono troppo sicure di circa 22 punti.
Scavando, 4 dei 5 errori all'80% erano previsioni di adozione per funzionalità che il team aveva sostenuto. La soluzione non è smettere di prevedere l'adozione. È declassare quelle decisioni di una fascia, al 60-70%, e chiedere evidenze osservative prima di impegnare più di due settimane di lavoro.
Come si leggono i segnali deboli?
I segnali forti sono facili: un calo del 40% nell'attivazione, lo stesso reclamo in otto interviste. Il product sense conta per i segnali deboli: l'unico cliente con un workflow insolito, un piccolo calo in una metrica secondaria che non si adatta a nessuna ipotesi, il commerciale che dice che i clienti non lo chiamano mai un ostacolo ma ne chiedono sempre.
Tre pratiche aiutano:
Separa l'osservazione dall'interpretazione. «È confuso» è un'osservazione. «Vogliono un'interfaccia più semplice» è un'interpretazione e può essere sbagliata; la confusione potrebbe riguardare la proposta di valore. Tieni l'osservazione grezza prima di cercare la spiegazione.
Cerca la convergenza tra le fonti. Un segnale debole significa poco. Lo stesso pattern nei dati di supporto, in un'intervista e in una chiamata commerciale nella stessa settimana merita di essere indagato.
Chiediti che cosa ti farebbe aggiornare. Prima di decidere che cosa significa un segnale, nomina l'evidenza che cambierebbe la tua interpretazione. Se nulla lo facesse, stai razionalizzando, non ragionando.
Quando dovresti decidere senza dati sufficienti?
Non avrai mai dati sufficienti. La domanda è se più segnale valga il ritardo. Di solito no. Il ritardo è sottovalutato nella maggior parte delle organizzazioni di prodotto: gli ingegneri aspettano, i designer iterano su lavoro non validato, i concorrenti si muovono.
La domanda giusta non è «ho dati sufficienti?» ma «qual è il test più economico che cambierebbe la mia opinione?».
Se nulla cambierebbe la tua opinione, hai già deciso. Prendi la decisione e assumitene la responsabilità.
Se è un controllo di metrica di cinque minuti, una chiamata con un cliente di un'ora o un esperimento di due settimane, fallo prima.
Se il test più economico richiede tre mesi di dati causali e la decisione è piccola e reversibile, decidi ora e impara dalla realtà.
Ecco come suona un buon product sense: «Sono sicuro al 65% circa che sia giusto. Quello che mi porterebbe all'85% è un altro giro di interviste sul flusso di attivazione. Se confermano ciò che vedo, costruiamo. Se lo contraddicono, scopriamo perché prima di investire». Non è un tirarsi indietro. È qualcuno che sa a che punto si trova con le evidenze e qual è la prossima mossa giusta.
Come sviluppare il product sense più in fretta?
Walter suggerisce quattro pratiche: osservare le persone che usano i prodotti, scomporre i prodotti che usi ogni giorno, imparare da come i bravi pensatori di prodotto inquadrano i problemi e restare curioso sui cambiamenti nella tecnologia e nel tuo dominio (Lenny's Newsletter, 2022). Aggiungine due che costruiscono in modo specifico la calibrazione:
Parla con i clienti ogni settimana. L'esposizione costruisce la libreria di pattern da cui dipende l'RPD. La continuous discovery ne fa un'abitudine.
Tieni il registro delle previsioni per un intero trimestre. Dieci decisioni registrate insegnano più di cento non esaminate.
Quando l'intuito di prodotto fallisce?
In un mercato nuovo. I tuoi pattern vengono da altrove. Le condizioni di Klein non valgono ancora.
Senza un ciclo di feedback. Se non controlli mai i risultati, l'esperienza aggiunge fiducia, non accuratezza.
Quando l'entusiasmo sostituisce le evidenze. La funzionalità preferita dal team è dove la calibrazione di solito è peggiore.
Quando si scambia la sicurezza per calibrazione. La persona più rumorosa nella stanza non è la meglio calibrata.
La calibrazione richiede due cose che la maggior parte dei team perde: il ragionamento al momento della decisione e il risultato dopo. Il Decision Log di Specky registra la decisione e le evidenze che la sostengono, il Product Graph collega quelle evidenze a chiamate con i clienti, ticket e analytics, e dopo il lancio Specky verifica se la scommessa ha spostato la sua metrica. Questo chiude il ciclo di feedback di cui l'intuito ha bisogno, e il tuo giudizio poggia su evidenze che puoi mostrare.
Domande frequenti
Che cos'è il product sense?
Il product sense è la capacità di prendere buone decisioni di prodotto in condizioni di ambiguità: capire gli utenti, giudicare quali problemi contano e prevedere come verranno accolte le modifiche. Shreyas Doshi lo descrive come la capacità di prendere di solito decisioni di prodotto corrette, e Jules Walter come la capacità di creare in modo costante prodotti con l'impatto voluto. In pratica combina empatia, conoscenza del dominio, creatività e giudizio ben calibrato sulle evidenze.
Il product sense è la stessa cosa dell'intuito di prodotto?
Si sovrappongono. L'intuito di prodotto indica di solito la parte rapida, basata su pattern: la sensazione immediata che qualcosa non vada o sia giusto. Il product sense è più ampio e comprende le parti deliberate, come inquadrare il problema, pesare le evidenze e scegliere una soluzione. Un buon product sense usa l'intuito come prima ipotesi rapida, poi la confronta con le evidenze prima di impegnarsi.
Il product sense si può imparare?
Sì. Doshi e Walter lo trattano entrambi come una competenza, e la ricerca di Klein mostra che l'intuito esperto nasce dalla pratica in un ambiente regolare con feedback tempestivo. I PM possono accelerarlo osservando gli utenti ogni settimana, scomponendo i prodotti, studiando come i bravi pensatori di prodotto inquadrano i problemi e registrando le previsioni per ottenere feedback sul proprio giudizio.
Come si dimostra il product sense in un colloquio da PM?
Gli intervistatori cercano un ragionamento strutturato su utenti e trade-off. Comincia chiarendo l'obiettivo e il segmento di utenti, descrivi il problema dell'utente in termini concreti, dai priorità a un problema e spiega perché, proponi alcune soluzioni e scegline una, poi nomina la metrica che mostrerebbe che funziona e i rischi. Dire che cosa dovresti imparare prima di impegnarti mostra giudizio, non debolezza.
Di quanti dati hai bisogno prima di prendere una decisione di prodotto?
Dipende da reversibilità e costo. Le decisioni difficili da invertire e costose, come i cambi di prezzo, richiedono evidenza causale. Le scommesse reversibili di entità moderata richiedono evidenza osservativa, come interviste o test di usabilità. Le piccole modifiche reversibili richiedono solo un segnale indiretto e propensione all'azione. Jeff Bezos suggeriva di decidere la maggior parte delle cose con circa il 70% delle informazioni che vorresti avere.
Come fai a sapere se il tuo intuito di prodotto è buono?
Registra le previsioni con un livello di fiducia prima delle decisioni, poi verificale a una data prestabilita. Dopo 20-30 voci, confronta il tuo tasso di successo in ciascuna fascia di fiducia con la fiducia dichiarata. Se le tue decisioni «sicuro all'80%» si avverano circa l'80% delle volte, sei ben calibrato. Se si avverano il 60% delle volte, declassa quel tipo di decisioni.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing