SaaS বানাতে গিয়ে আমি যে বিষয়টি সবচেয়ে বেশি শিখেছি, তা হলো কঠিন অংশটা অনেক সময় শুরু হয় তখনই, যখন প্রোডাক্ট আসলে কাজ করা শুরু করে। কোড লেখা, ফিচার শিপ করা, বাগ ঠিক করা, আর ডিপ্লয় করা খুবই কংক্রিট কাজ। সমস্যা বোঝা যায়, সিস্টেম বোঝা যায়, আর সাধারণত পরের ধাপটাও স্পষ্ট থাকে।
কিন্তু কাস্টমার পাওয়া একেবারেই আলাদা। ডিস্ট্রিবিউশন এলোমেলো। পজিশনিং ঝাপসা। মেসেজিংয়ের জন্য দরকার হয় সেন্স এবং পুনরাবৃত্ত অনুশীলন। ক্লিক, CTR, রিটেনশন, আর কনভার্সন আপনাকে শুধু ইঞ্জিনিয়ার হিসেবে নয়, বরং মার্কেটার, লেখক, গবেষক, আর মানব আচরণ বোঝে এমন মানুষ হিসেবেও ভাবতে বাধ্য করে।
শিপ করাই শেষ নয়
অনেক ডেভেলপার এই জায়গাটাকে কম গুরুত্ব দেন, কারণ সফটওয়্যার দ্রুত ফিডব্যাক দেয়। বাটন কাজ করছে কি করছে না, সেটা সঙ্গে সঙ্গে বোঝা যায়। ডিপ্লয় পাস করেছে না ফেল করেছে, সেটাও পরিষ্কার। কিন্তু মার্কেটিং তেমন নয়। আপনি যত ভালো কিছুই লিখুন, তবু সেটি উপেক্ষিত হতে পারে। আপনি সত্যিই দরকারি কিছু বানালেও, কেন মানুষ সেটি ব্যবহার করবে তা বোঝানো কঠিন হতে পারে।
একাই কিছু বানালে এই ফাঁকটা আরও তীব্র লাগে। মনে হয় যেন প্রথম পেশার পাশাপাশি শূন্য থেকে দ্বিতীয় আরেকটি পেশা শিখতে হচ্ছে। আর সত্যি বলতে, SaaS নিয়ে সৎ আলোচনায় এই দিকটি যথেষ্ট আসে না।
ডিস্ট্রিবিউশনের ফিডব্যাক লুপ আলাদা
এই পার্থক্য গুরুত্বপূর্ণ, কারণ মার্কেটিং মেট্রিক হলো সিগন্যাল, সম্পূর্ণ ব্যাখ্যা নয়। একটি ক্লিক বা CTR-এর পরিবর্তন আমাকে বলতে পারে যে কিছু বদলেছে, কিন্তু শুধু সেটি দেখে বোঝা যায় না কারণটি অডিয়েন্স, চ্যানেল, মেসেজ, টাইমিং, নাকি প্রোডাক্ট। রিটেনশন আর কনভার্সনও একইভাবে কাজে লাগে: প্রশ্নটাকে ছোট করে, কিন্তু আমার হয়ে উত্তর দেয় না। আসল কাজ হলো সিগন্যাল ব্যাখ্যা করা এবং এরপর কী পরীক্ষা করব তা ঠিক করা।
সৃজনশীল অংশটা এত কঠিন লাগে কেন
- কোড যুক্তি আর কাঠামোকে পুরস্কৃত করে।
- ডিস্ট্রিবিউশন নির্ভর করে মনোযোগ, সময়, বিশ্বাস, আর পুনরাবৃত্তির ওপর।
- ভালো মেসেজিং সাধারণত সহজ শোনায়, কিন্তু সেই সরলতায় পৌঁছাতে অনেক ইটারেশন লাগে।
- শক্তিশালী AI টুল কোডে দ্রুত সাহায্য করতে পারে, কিন্তু মৌলিক পজিশনিং বা স্বাভাবিক সৃজনশীল লেখায় ততটা নির্ভরযোগ্য নয়।
এই শেষ বিষয়টাই এখন সবচেয়ে মজার। টাস্ক যদি টেকনিক্যাল আর পরিষ্কার হয়, AI দারুণ কাজে লাগে। কিন্তু কাজটা যখন সৃজনশীল, সূক্ষ্ম, বা ভয়েসনির্ভর হয়ে যায়, তখন আউটপুট খুব অস্বস্তিকরও হতে পারে। এখানেই বোঝা যায় মানবিক রুচি আর বিচার এখনও কতটা গুরুত্বপূর্ণ।
এ থেকে আমি এই সিদ্ধান্তে আসি না যে AI ক্রিয়েটিভ কাজ করতে পারে না। আমার সিদ্ধান্ত আরও সীমিত: আমার ব্যবহারে, কাজ যত বেশি নির্দিষ্ট এবং ফল যত বেশি যাচাইযোগ্য, AI-কে তত সহজে ভরসা করা যায়। পজিশনিং বা ভয়েসের জন্য typechecker-এর মতো কিছু নেই। আউটপুট যথেষ্ট নির্দিষ্ট, বিশ্বাসযোগ্য এবং সঠিক অডিয়েন্সের জন্য উপযুক্ত কি না, তা আমাকে এখনও নিজেই বিচার করতে হয়।
‘শিপ করা’ আমার কাছে অন্য অর্থ নিয়েছে
এই অভিজ্ঞতা SaaS শিপ করা নিয়ে আমার ভাবনা বদলেছে। প্রোডাক্ট লাইভ থাকতে পারে এবং টেকনিক্যালি ঠিকঠাক চলতে পারে, অথচ ডিস্ট্রিবিউশনের সমস্যা প্রায় অমীমাংসিতই থেকে যায়। লঞ্চের পর আরেকটি লুপ শুরু হয়: প্রোডাক্ট কার জন্য তা বোঝানো, সঠিক মানুষকে সেটি খুঁজে পেতে সাহায্য করা, তারা কী করছে তা দেখা, তারপর মেসেজ আর প্রোডাক্ট দুটোই ঠিক করা। একা কাজ করা ডেভেলপারের জন্য এই কাজও ইঞ্জিনিয়ারিংয়ের সঙ্গে একই সীমিত সময় ও মনোযোগের জন্য প্রতিযোগিতা করে।
পরের লঞ্চের আগে আমি যা মাথায় রাখব
- আমি কি পরিষ্কারভাবে বলতে পারি প্রোডাক্ট কার জন্য এবং কেন তাদের এটি নিয়ে ভাবা উচিত?
- প্রথম ব্যবহারকারীরা বাস্তবে কোথায় এটি খুঁজে পাবে?
- আমি কোন সিগন্যাল দেখব—ক্লিক, CTR, কনভার্সন, রিটেনশন—এবং প্রতিটি সিগন্যাল একা কী বলতে পারে না?
- আমি কি AI আউটপুটকে বিচার করার মতো একটি ড্রাফট হিসেবে দেখছি, নিজের বিচারবোধের বিকল্প হিসেবে নয়?
এটি কোনো সার্বজনীন নিয়ম নয়
আমি বলছি না যে সব SaaS-এর জন্য কাস্টমার আনা সবসময় ইঞ্জিনিয়ারিংয়ের চেয়ে কঠিন। কিছু প্রোডাক্টের টেকনিক্যাল সীমাবদ্ধতা খুব কঠিন, আবার কিছু প্রোডাক্টের ডিস্ট্রিবিউশন আগে থেকেই আছে। আমার বক্তব্য ছোট: যে ডেভেলপার সফটওয়্যার বানাতে স্বচ্ছন্দ, তার জন্য লঞ্চ-পরবর্তী কাজ অন্য ধরনের স্কিল এবং অনেক কম নির্ধারিত ফিডব্যাক লুপ চাইতে পারে। আমার ক্ষেত্রে এই অংশটাই সবচেয়ে বেশি অবাক করেছে।
আমার বাস্তব শিক্ষা সহজ: শিপ করা ফিনিশ লাইন নয়। কাস্টমার অ্যাকুইজিশন, পজিশনিং, মেসেজিং এবং রিটেনশন—সবই প্রোডাক্ট বানানোর বাস্তব দক্ষতা। ফিডব্যাক বেশি noisy হওয়ায় এগুলো কোডের চেয়ে ধীরে শেখা যায় এবং debug করাও কঠিন, কিন্তু উপেক্ষা করলে সমস্যাগুলো অদৃশ্য হয় না।