Костя Д. про продукт – Telegram
Костя Д. про продукт
188 subscribers
120 photos
49 videos
3 files
182 links
Собираем успех из идей и гипотез! 🔮
На этом канале я рассматриваю различные аспекты продукт-менеджмента, c основ до бест практик.
Автор - @Loluk777
Download Telegram
🚬 Ты не проигрываешь. Ты учишься.

Прочитал биографию Манделы на днях. 27 лет в тюрьме. Потом — президент ЮАР.
Его спросили: "Как вы пережили столько поражений?"
Он ответил: "Я никогда не проигрываю. Я либо выигрываю, либо учусь."

Ты не получил работу.
Готовился неделями. Репетировал ответы. Купил идеальный наряд.
Но выбрали не тебя.
Твой стартап умер после двух лет жизни на диванах у друзей.
Повышение досталось человеку, который пришёл год назад.
Твой проект закрыли, хотя ты вложился полностью.
Письмо с отказом лежит в почте как тяжёлый груз.
И внутри шепчет голос:
«Ты не создан для этого.»
«У всех получается, кроме тебя.»
«Может, пора смириться?»


А что если:
Каждый откат — это данные?
Каждый отказ — это перенаправление?
Каждое "поражение" — это подготовка?
Та работа, которую не получил?
→ Ты понял, что нужно улучшить к следующему разу.
Тот стартап, который провалился?
→ Ты узнал, что реально нужно клиентам.
То повышение, которое досталось не тебе?
→ Ты увидел, какие навыки в компании двигают вперёд.

Боль настоящая — уважай её.
Но не позволяй ей писать твою историю.
Ты не проигрываешь. Ты учишься.
И каждый урок делает тебя сложнее остановить.
То жжение, которое ты чувствуешь?
Это не провал.

Вот интересно, когда ты вспоминаешь отказ, который тебя изменил — какой навык он вынудил тебя развить дальше?

🩵 - Если откликается!
Please open Telegram to view this post
VIEW IN TELEGRAM
115💯7👍3🦄11
🗒 10 сценариев применения AI-агентов от блога IBM Technology.

Ребята объясняют простыми словами где можно применять данных агентов: Оригинал видео youtube

1) Сельское хозяйство (IoT, Internet of Things): автономный мониторинг условий и оптимизация решений для ферм (например, автоматизация полива и управление урожайностью).

2) Контент-креатив и генерация (RAG, Retrieval Augmented Generation): поиск релевантной информации, генерация и постоянная доработка контента на основе актуальных данных.

3) Реагирование на чрезвычайные ситуации (Disaster Response, Multi-Agent): многопоточная координация аварийных служб, анализ спутниковых снимков, соцсетей и управление действиями спасателей.

4) Финансы и банкинг: потоковая обработка транзакций в реальном времени для выявления мошенничества с помощью моделей детектирования аномалий.

5) Клиентский сервис (Customer Experience): анализ тональности сообщений клиентов и динамическая корректировка ответов, чтобы улучшить взаимодействие.

6) Здравоохранение: координация действий различных медицинских специалистов, автоматизация назначения процедур и анализ медицинских данных.

7) IT-операции: автоматическое устранение сбоев, анализ тысяч сигналов системы, выявление и устранение причин инцидентов с помощью скриптов.

8) Логистика и цепочки поставок (Supply Chain): прогнозирование спроса, управление запасами, оптимизация маршрутов перевозки.

9) Транспорт (Transportation): динамическая перепланировка маршрутов и оптимизация доставки с учетом изменяющихся условий.

10) HR (кадровые процессы): автоматизация найма, анбординг и помощь новым сотрудникам через персональных агентов.​

🩵 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
8👍32🦄1
🎯 Эффективность в 5 раз выше человека! Почему победа Grok 4 в Vending Bench важна?

Пока мы обсуждаем, можно ли доверить AI написание текстов, Маск запустил модель, которая самостоятельно управляет бизнесом почти год.

🙀Что произошло
xAI выпустила Grok 4 и протестировала его на Vending-Bench — это не очередной synthetic benchmark про решение задачек. Это симуляция реального бизнеса: вендинговый автомат, который нужно вести месяцами.

Результаты ломают шаблоны:
- Grok 4 проработал 324 дня без критических фейлов
- Прибыль: $4694 (на 31% больше GPT-5)
- Продано товаров: 4569 vs 2471 у GPT-5
- Только 3 модели вообще смогли обогнать человека ($844 за 5 часов работы)

Самое дикое: xAI поставила реальный вендинг с Grok в своём офисе. AI сам решает ценообразование, заказывает товар, управляет кэшфлоу. Команда каждый день проверяет, не закажет ли он 500 пачек орехов или не забудет ли про $2 на аренду.

☺️ Почему это прорыв для продактов

1. Это не тест знаний — это тест выносливости
Большинство AI-моделей отлично решают разовые задачи. Но когда дело доходит до длительных бизнес-процессов — они сыпятся.
Конкуренты Grok не прошли "барьер 120 дней" — начинались циклы деградации, нелогичные решения, краши. Grok держался почти год.
Для нас это значит: AI наконец-то может не просто помогать, а брать на себя целые процессы без постоянного надзора.

2. Экономическая интуиция важнее IQ
Vending-Bench тестирует не "ответь правильно на вопрос", а "заработай прибыль".
AI должен:
- Балансировать revenue и costs
-Динамически менять цены
- Оценивать риски
-Отключать неэффективных поставщиков
- Управлять инвентарём
Это ровно то, что мы делаем в продуктах каждый день. Только теперь AI может делать это автономно и стабильно.

3. От чат-ботов к бизнес-операторам
Мы привыкли использовать AI как ассистента: "помоги написать", "проанализируй данные", "сгенерируй идеи".
Grok 4 показывает другой уровень: AI как самостоятельный оператор бизнес-процессов. Не помощник PM, а PM.
Это открывает путь к:
- Автоматизации supply chain
- Управлению ценообразованием в реальном времени
- Автономной оптимизации операций
- Интеграции с физическими системами (робототехника, производство)

4. Новый стандарт для оценки AI
Забудьте про "модель получила 95% на MMLU". Это vanity metrics.
Новый вопрос: "Сможет ли твоя модель управлять реальным бизнесом 6 месяцев без фейла?"
Если нет — это просто умный калькулятор для разовых задач.

🙋‍♂️Что это меняет в работе продакта?
- Переосмысление делегирования
Раньше: "AI может помочь с анализом"
Теперь: "AI может взять весь процесс на себя"
- Фокус на долгосрочную стабильность
Не "насколько умна модель", а "насколько она надёжна в длинной дистанции"
- Готовность к автономным агентам
Продукты будущего — это не интерфейсы для людей, а платформы для AI-агентов, которые работают 24/7 без деградации
- Новый подход к рискам
Если AI управляет реальными процессами, нужны новые системы контроля, мониторинга и fail-safe механизмов

Итого:
Если твой продукт завязан на операционных процессах (supply chain, pricing, inventory, logistics) — пора тестировать AI не на разовых задачах, а на симуляциях длительных операций.
Вопрос уже не "может ли AI это сделать", а "сколько времени он продержится без фейла".
Будущее — за AI, который работает месяцами без присмотра, а не за тем, кто круто отвечает на вопросы в чате.
🔥 Маск снова показал: пока все оптимизируют chatbot UI, он строит AI, который управляет реальным бизнесом.

Если хотите почитать подробнее тут вот описание кейса --> смотреть

🩵 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
7😱5👍3🔥21
🤩 Через 3 года не будет junior PM-позиций?

Что делает джун:
-Пишет задачи в Jira. Анализирует конкурентов. Рисует customer journey. -Собирает требования. Делает презы. Готовит отчёты.
-AI делает это за минуты. И часто лучше.

Реальность:
Мой знакомый middle использует AI для всего что раньше делал джун. PRD за 15 минут вместо 3 часов. Анализ данных с инсайтами которые сам бы пропустил.
Он делает работу за двоих. Один человек с AI.
Зачем компании платить двоим?

В чём проблема:
Раньше: Junior → Middle → Senior → Lead
Теперь: Junior → сразу Middle?
Но как стать middle без точки входа?

💯 Вот что я считаю важно:
Junior-позиция — это не только про задачи. Это школа где ты:
-Учишься чувствовать продукт
-Набиваешь шишки на безопасных задачах
-Понимаешь как работать с командой
Развиваешь чутьё

AI может написать PRD. Но не научит чувствовать продукт.
Я был джуном и делал тупую рутину. Скучно капец как.
Но там я научился видеть паттерны, задавать правильные вопросы, отличать важное от шума.
Если бы стартовал сразу middle — сдох бы. Не было базы.

Что будет:
Компании будут нанимать только опытных. AI закрывает entry-level.
Но откуда опытные если нет входа?
Замкнутый круг:
Компании: "Нужен middle с опытом"
Джуны: "Как получить опыт если не нанимают?"

👀 Кто выживет:
Не те кто делает то что AI делает лучше.
А те кто делает то что AI не умеет:
1) Говорить с людьми вживую. Не "AI проанализируй отзывы", а живое интервью где видишь эмоции, ловишь недосказанное.
2) Решать в хаосе. CEO хочет одно, разработчики другое, юзеры третье, данных нет. AI тут не поможет.
3) Чувствовать продукт. Видеть где юзер споткнётся. Понимать что фича технически норм, но интуитивно — говно.
4) Работать с людьми. Договариваться. Вдохновлять. Тушить конфликты.

Если ты джун:
Не конкурируй с AI в том что он умеет.
Ты не напишешь PRD быстрее ChatGPT. Не проанализируешь конкурентов глубже. Смирись.

👊 Качай другое:
- Иди на митапы, говори с людьми
Запусти свой микро-продукт (лендинг + 100 юзеров = опыт)
- Работай бесплатно в стартапе на задачах с людьми
- Учись задавать вопросы, а не искать ответы
- Прокачивай эмпатию

Компаниям тоже может кстати прилетить:
Сейчас: "Ура, не платим джунам!"
Через 3 года: "Бл, где брать опытных? Все заняты. Новых не растили."
Дефицит. Война за таланты жёстче чем сейчас (не факт, но всё же)

Что мне кажется появится вместо:
Junior как позиция может умереть. Но появится:

-Product apprenticeship (стажировки с фокусом на людей)
-Микро-продукты как портфолио вместо резюме
-Опенсорс продукты = опыт
-Community где делаешь реальные штуки

Итого:
Мне кажется, что AI не заменит продактов. Он заменит продактов которые делают то, что умеет AI.


💙 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
9🔥4😱3💯1
Зачем нанимать "дата-дривен" PM-ов, если у вас нет данных?? 🔫

Открываешь hh.ru: "Ищем data-driven PM с опытом построения продуктовой аналитики, A/B-тестов, метрик AARRR, когортного анализа, SQL, Python..."

Реальность большинства компаний:
- Яндекс.Метрика есть, но event tracking не настроен
Amplitude/Mixpanel в wishlist, но "дорого, санкции"
"A/B тесты" = раскатили на 100% и ждём чуда
- Retention считается в Excel раз в квартал
- Аналитик один, тонет в ad-hoc запросах
- Пирамиды метрик нет
- Дашборды в Google Sheets, обновляются по пятницам

И в это нанимают продакта: "мы data-driven, тут будет интересно 👏"

🤔Что происходит дальше:
Приходит опытный PM. Привык к north star metric, input/output metrics.
Неделя 1: "Покажите retention по когортам."
— "Нет. Можем посчитать вручную."
Неделя 2: "Запустим эксперимент на онбординг."
— "Нужен месяц на настройку."
Неделя 3: "Funnel от регистрации до покупки?"
— "События не настроены. В бэклоге."
Неделя 4: "Как измеряете PMF? NPS, retention?"
— "На ощущениях. Клиенты не жалуются."
Через месяц PM понимает: тут не data-driven. Тут авось-driven.

Особенности 2025:
После ухода зарубежных инструментов:

Был Amplitude → самописное на Clickhouse (никто не поддерживает)
Мигрировали на российские → потеряли 40% данных
AppMetrica есть, но базовый тариф без custom events
Ждём когда Яндекс допилит аналог

И ищут PM "с Amplitude, Mixpanel, BI, A/B, SQL-гуру"

😠 Что реально происходит:
В 80% компаний PM работает на:

- Customer Development, интервью
- User feedback из поддержки
- Product интуиции
- Экспертизе команды
- Usability testing
- Доменном опыте

И это рабочий подход.
ВКонтакте первые годы не был data-driven. Авито на customer feedback. Ozon на очевидном.
Они решали явные проблемы, не парясь о cohort retention.

Что делать компаниям:
Вариант 1: Инвестируй
Создай условия:

- Product analytics (AppMetrica, Roistat, Clickhouse)
- Experimentation platform
- Data analyst в команду
- Дашборды с core metrics
- North star metric и пирамиду метрик

Дорого. Долго. Но иначе Senior PM уйдёт.

Вариант 2: Будь честным
"Ищем PM с навыками customer development. Аналитика базовая (Метрика + AppMetrica), решения на основе user research. Работа в неопределённости с минимумом данных. Если комфортно и знаешь как валидировать без A/B — welcome."
Найдутся PM которым это интересно.


👨‍💻Что делать продактам:
Копай глубже на интервью:

- Какой стек? Покажите dashboard
- Как часто эксперименты? Покажите последний A/B
- Кто работает с данными? Есть analyst?
- Как определяете success metrics?
- Пример решения на основе данных за месяц?

Мямлят общими фразами → данных нет. Точка.

Вывод:
Если нет инфраструктуры для data-driven — не нанимайте data-driven продактов, или будьте честны что им строить с нуля.

👍 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8🔥5💯32
Данный пост будет полезен всем менеджерам и не только !) ❤️
Please open Telegram to view this post
VIEW IN TELEGRAM
5
Forwarded from эйай ньюз
Как генерить презентации?

Продолжение рубрики с обзором AI продуктов. Я рассматривал инструменты с точки зрения человека, которому нужно время от времени сделать презу на скорую руку. Он не разбирается в дизайне, но хочет, чтобы было красиво и бесплатно. Думаю, для профи топ будет примерно таким же, особенно учитывая возможность экспорта в PPTX.

Сначала про пайплайн. Во всех этих инструментах есть функция "превратить документ в презентацию", но работает она непредсказуемо и часто плохо.

Лучше так: сначала готовим текст для слайдов в Gemini (или в локальной LLM, если боитесь, что Google украдёт ваши гениальные идеи), получаем чёткие bullet-points, и уже с этим текстом идём в генераторы.

Gamma
Самый надёжный и удобный. Есть разные режимы обработки текста, в том числе "оставить как есть" и "сократить" (при этом он не переписывает, а именно вырезает ненужное, сохраняя авторский стиль). Шаблоны красивые, палитр много, а главное — удобный интерфейс для ручной доработки. За раз делает до 10 слайдов, но остальные можно легко догенерить при редактировании. Есть даже агент для массовой обработки презентации по промпту. Лимиты щедрые.

Manus
Интересен тем, что бэкэнд у него на HTML, что даёт больше возможностей для инфографики. Хорошо работает с таблицами и визуализацией данных. Он всё же напортачил местами с вёрсткой, но это исправляется одной кнопкой regenerate (там это называется smart optimize). Genspark в этом плане постабильнее. Минусы: мало своих шаблонов (хотя Neon Cyberpunk симпатичный), но можно загрузить свой. Есть экспорт в Google Slides c некоторыми ограничениями, лимиты очень щедрые.

Genspark
В целом, всё то же, что и у Manus, но с более гибким редактором. Тоже отлично работает с визуализацией данных, но шаблонов совсем мало. Третье место только потому, что у него нет неонового 😂. К тому же, без подписки нет нормального экспорта (а делать скриншоты — это не наш метод).

Chronicle
Очень красивые и стильные шаблоны, хоть их и мало. Картинки сам не расставит и даже в инфографику не умеет. Но шаблоны настолько стильные, что его нельзя пропускать. Идеально для минималистичных, чисто текстовых презентаций.

Остальные (пока сыроваты, но следить стоит):
- Snapdeck: Делает очень прикольные схемы, диаграммы и таблицы. Хорош в визуальном повествовании, но сыроват — нужно руками фиксить отступы. Кстати, бесплатных токенов хватило только на 12 слайдов.
- Figma: Редактирует только промптом, при этом токенов хватает лишь на пару запросов. Пока неюзабельна из-за багов в коде презентации и невозможности экспорта в PDF/PPTX.

Бонус!
Napkin: Это не генератор презентаций, но он интересно визуализирует данные. Это именно то, чего не хватает Chronicle, но по стилю они несовместимы, а жаль — была бы идеальная синергия.

PS: NotebookLM
Чуть не забыл! Весь тот же текст презы можно залить в NotebookLM и попросить его сделать видео с вашей презентацией. Получаются сходу хорошие слайды. Работает на русском, есть разные стили. Важно добавить правильный промпт, например, present this pitch deck like a founder, чтобы он именно *презентовал*, а не объяснял содержимое. Плюс сразу готовый текст, а то и сам питч. Подойдёт для вдохновения.

PPS: Для креативных маньяков
Все слайды потом можно прогнать через Nano Banana Pro и дико стилизовать. После того как я увидел презу от NotebookLM в стиле аниме (там есть такой шаблон), захотелось по приколу весь свой питч-дек перегенирить в стиле Attack on Titans.


Итог: Gamma — лучший универсальный инструмент. Manus и Genspark — для тех, кому важна визуализация данных. Остальные пока сыроваты, но следить за ними точно стоит.

@ai_newz
11👍4🔥1
🌈Agile-трансформация"— очень дорогая иллюзия корпораций

Компания нанимает Agile-коучей за 500к+ в месяц. Проводит тренинги. Вводит daily stand-ups, sprint planning, retrospectives. Покупает Jira на всех. Вешает постеры с Agile Manifesto и тд.

Через полгода ничего не изменилось. Процессы те же. Скорость та же. Проблемы те же.
Но теперь это называется "мы agile".

Реальная история из моего прошлого опыта:
Работал в корпорации. "Agile-трансформация" на несколько XX миллионов. Консультанты, тренинги, сертификации всё по ГОСТУ.

Что изменилось?
Раньше: Менеджмент спускал задачи. Команда делала молча. Релизы +- раз в квартал.
Теперь: Менеджмент спускал задачи. Команда делала молча. Но в Jira с story points. Релизы +-раз в квартал.
Только добавилось 5 часов встреч в неделю.

В чём проблема:
Agile — это не методология. Это культура и mindset.
Scrum внедряется за неделю. Культура меняется годами.

😤Системные проблемы, которые Scrum не решает:

1. Отсутствие доверия
Каждое решение согласовывается через 3 уровня менеджмента. Stand-up не поможет, если команда не может сама решать.
2. Страх ошибок
Одна ошибка = разбор, поиск виноватых, объяснительные. Sprint planning не изменит культуру где людей наказывают за инициативу.
3. Нет фокуса на ценности
Главное — выполнить план, отчетность. Retrospective не поможет, если команда делает фичи которые никому не нужны.
4. Медленные решения
Решение о небольшом изменении идёт неделями. Sprint не станет быстрее, если каждое изменение требует 5 апрувов.
5. Разобщённость
Разработка отдельно, дизайн отдельно, аналитика отдельно. Stand-up не создаст команду из людей с разными боссами.

🫡Что получается:
Все церемонии есть. Scrum Master сертифицирован.
Но:

-Команда делает что велят, а не что нужно юзерам
-Решения согласовываются месяцами
-Люди боятся инициативы
-Департаменты в изоляции

Это не Agile. Это waterfall с daily stand-ups.

🤔 Почему так:
Легче изменить процессы, чем культуру.
Процессы видимые: "Смотрите, спринты! Мы agile!"
Культура невидимая: доверие, автономия, фокус на ценности, право на ошибку.
Первое покупается за месяц. Второе требует годы.

Где работает:
Видел компании где трансформация реально работала.
Там начинали не с Scrum. Начинали с:

-Топ менеджмента
-Дать командам автономию
-Разрешить ошибаться
-Перестроить в cross-functional команды
-Научить фокусу на пользовательской ценности
-Упростить принятие решений

Scrum только оформил то, что уже было культурой.

😱Что делать:
Не начинайте с методологии
Сначала честно ответьте:

-Доверяете ли командам?
-Разрешаете ли ошибаться?
-Фокус на пользовательской ценности?
-Быстро ли принимаете решения?

Если "нет" — Scrum не поможет.
Признайте что это долго
Настоящая трансформация — 2-3 года минимум. Не "внедрили за квартал".
Начните с малого
Одна команда. Автономия. Убрать барьеры. Фокус на юзера. Сработало — масштабируйте.

👋Вывод:
Agile — не про stand-ups и спринты.
Это про культуру где команды имеют автономию, фокусируются на ценности, быстро адаптируются.
Если культуры нет — методология не поможет.


👍 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
10👍5🔥31
🇲🇾 Куала-Лумпур глазами продакта: когда контрасты — это фича

В отпуске прилетел в KL и понял — этот город как early-stage стартап. Что-то работает идеально, что-то сломано, но всё вместе почему-то функционирует.

Что ломает мозг за первые 48 часов

Grab = суперприложение, которое реально работает
Такси, еда, посылки, оплата счетов, страховка. Один app закрывает 80% городских сценариев. Мы годами пытаемся построить суперапп, здесь это как- то работает 🤪

Торговые центры = третье место
Каждые 1000 метров ТЦ с кондиционером (+35°C), WiFi, фудкортами, коворкингами. Это не про
шопинг — это городская инфраструктура. Люди живут в ТЦ: работают, едят, встречаются.

Еда 24/7 за $2-3
Мамаки (местные забегаловки) круглосуточно. Нормальная еда за копейки в любое время. Friction "я голоден" решён.

Cashless везде
От уличной палатки до такси — всё по QR. Touch 'n Go, GrabPay, карты. Наличка не нужна.

⚙️ Фичи, которые удивляют:
-Молельные комнаты везде — в каждом ТЦ, аэропорту, офисе. Инклюзивность на уровне архитектуры.
-Кондиционеры как религия — везде. При местном климате это survival feature.
-Фудкорты вместо ресторанов — 10-20 точек в одном месте. Маркетплейс еды в офлайне.
-Petronas Twin Towers как waypoint — видно отовсюду. Навигация: "иди к башням, потом поверни".
-Миксовая архитектура — рядом мечеть, храм, небоскрёб, ночной рынок. Город работает с контрастами как с фичей.

Что не работает

-Общественный транспорт — лотерея
Метро покрытие слабое. Автобусы "когда-нибудь". Grab выиграл потому что альтернатива сломана. Когда базовая инфра не работает — частные решения взрывают.
-Пешеходная навигация = хаос
Тротуары появляются и исчезают. Google Maps "5 минут" = 15 минут по жаре. Город под машины, не под людей.
-WiFi есть, но с friction — регистрация каждый раз. Зато мобильный интернет дешёвый — обходное решение.
- Контрастная экономика — роскошный ТЦ, за углом трущобы
Неравномерность бросается в глаза.

Частота города:

-ТЦ каждые 1000м — всегда есть где укрыться, поработать, поесть
-7-Eleven на каждом углу — любая потребность за 2 минуты
-Grab за 3-5 минут — мобильность решена
-Еда в радиусе 100м — никогда не голоден
- Почти всё работает до поздней ночи

Чистота — интересный кейс
Внутри зданий идеально. Снаружи — по-разному. Сервис на высоте там где за него платят.

🙋‍♂️Что украл для продуктов
1. Один app для всего — люди хотят не 10 специализированных, а один который решает всё.
2. Работай с контрастами — KL не скрывает разнообразие. В продукте тоже можно сделать rough edges частью identity.
3. Private побеждает когда public сломан — Grab взлетел потому что транспорт не работает. Есть большая боль — даже несовершенное решение выстрелит.
4. ТЦ как third place — офис, дом, и торговый центр. Продукт тоже может быть универсальным хабом.
5. Климат определяет поведение — при +35°C люди от кондиционера к кондиционеру. Физический контекст критичен.
6. Cashless как default — убери friction в оплате, конверсия взлетит.
7. Diversity как фича — продукт для всех сразу, не для одной группы.

Вывод:
KL — это работающий хаос. Что-то сломано, что-то гениально, но система функционирует.
Урок: не обязательно делать идеально всё. Можно сделать 3-4 вещи очень хорошо и закрыть главные боли. Остальное простят.
Мы зацикливаемся на полировке каждого пикселя. А можно просто решить главную проблему — и этого достаточно.

👍 - Если было полезно!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
11👍10🔥5🦄2