Перейти к основному содержимому

Финансовая модель и юнит-экономика

Ключевой инсайт

ROI-Content трансформирует бизнес-модель контент-студии: от разовых заказов (средний чек 15K) к подписочной модели (средний чек 60K/мес, LTV 712K). Это 47x рост LTV при 2x росте затрат на привлечение.

Тарифные планы​

Линейка тарифов​

graph LR
    A["АУДИТ<br/>Бесплатно<br/>Lead magnet"] --> B["СТАРТ<br/>30 000 ₽/мес<br/>До 10 SKU"]
    B --> C["РОСТ<br/>60 000 ₽/мес<br/>До 50 SKU"]
    C --> D["МАСШТАБ<br/>150 000 ₽/мес<br/>До 200 SKU"]
    D --> E["ENTERPRISE<br/>300 000+ ₽/мес<br/>Безлимит"]

    style A fill:#E8F5E9,color:#333
    style B fill:#BBDEFB,color:#333
    style C fill:#90CAF9,color:#333
    style D fill:#42A5F5,color:#fff
    style E fill:#1565C0,color:#fff

Детальное сравнение​

ПараметрАУДИТСТАРТРОСТМАСШТАБENTERPRISE
Цена/мес0 ₽30 000 ₽60 000 ₽150 000 ₽300 000+ ₽
SKU на мониторинге3 (разовый аудит)1050200Безлимит
ContentScoreРазовый расчётОбновление 4x/день4x/деньКаждый часReal-time
Before/AfterНет3 трека15 треков50 трековБезлимит
ДашбордНетБазовыйПолныйПолный + APICustom
Отчёты1 PDF (аудит)Еженедельный PDFЕженедельный + настраиваемыйЕжедневный + customWhite-label
РекомендацииБазовыеСтандартныеПерсонализированные+ AI-рекомендации+ стратегические сессии
ПоддержкаEmailEmail + чатВыделенный менеджерМенеджер + аналитикПерсональная команда
Контент-продакшнНетСкидка 10%Скидка 15%Скидка 20%Включён пакет
МаркетплейсыWBWBWB + OzonWB + Ozon + ЯндексВсе MP
API доступНетНетНетREST APIREST + Webhooks

Стратегия тарификации​

АУДИТ (бесплатный) → ВОРОНКА ПРОДАЖ
│
│  Клиент получает: PDF-отчёт с ContentScore для 3 SKU
│  + рекомендации "что улучшить"
│  + расчёт потенциального роста продаж
│
│  Конверсия в СТАРТ: ~15-20%
│
├→ СТАРТ (30К/мес) → НАЧАЛЬНЫЙ ТАРИФ
│   Клиент видит: данные обновляются, Before/After работает
│   Средний срок на тарифе: 2-3 мес
│   Upsell trigger: "вы отслеживаете только 10 SKU из 50+"
│
├→ РОСТ (60К/мес) → ОСНОВНОЙ ТАРИФ (целевой)
│   Целевой сегмент: 65% клиентов
│   Средний срок: 8-12 мес
│   Максимальная маржинальность
│
├→ МАСШТАБ (150К/мес) → PREMIUM
│   Крупные селлеры (200+ SKU)
│   Средний срок: 12+ мес
│   API-интеграция с системами клиента
│
└→ ENTERPRISE (300К+/мес) → CUSTOM
    Сети, бренды, marketplace-агентства
    Индивидуальная конфигурация
    White-label для агентств

Unit-экономика по тарифам​

COGS breakdown (себестоимость)​

Статья расходовСТАРТ (30К)РОСТ (60К)МАСШТАБ (150К)Комментарий
SF API3 000 ₽8 000 ₽20 000 ₽~100 req/SKU/мес, $0.003/req
Серверные ресурсы500 ₽1 500 ₽5 000 ₽Пропорционально SKU
Аналитик (время)3 000 ₽5 000 ₽15 000 ₽0.5-3 часа/мес/клиент
Менеджер2 000 ₽4 000 ₽10 000 ₽Выделенное время
Email/SMS100 ₽300 ₽800 ₽Отчёты, уведомления
Резерв (10%)860 ₽1 880 ₽5 080 ₽Непредвиденные расходы
Итого COGS9 460 ₽20 680 ₽55 880 ₽
Маржа20 540 ₽ (68%)39 320 ₽ (66%)94 120 ₽ (63%)

Распределение SF API стоимости​

# Расчёт стоимости SF API на одного клиента

def calculate_sf_api_cost(
    sku_count: int,
    measurements_per_day: int = 4,
    requests_per_measurement: int = 4,  # product + sales + position + keywords
    cost_per_request_usd: float = 0.003,
    usd_rub_rate: float = 92.0,
) -> dict:
    """
    Расчёт стоимости SF API для одного клиента.

    Returns:
        dict с помесячными и годовыми затратами
    """
    daily_requests = sku_count * measurements_per_day * requests_per_measurement
    monthly_requests = daily_requests * 30
    yearly_requests = daily_requests * 365

    monthly_cost_usd = monthly_requests * cost_per_request_usd
    monthly_cost_rub = monthly_cost_usd * usd_rub_rate

    return {
        "sku_count": sku_count,
        "daily_requests": daily_requests,
        "monthly_requests": monthly_requests,
        "monthly_cost_usd": round(monthly_cost_usd, 2),
        "monthly_cost_rub": round(monthly_cost_rub, 0),
        "yearly_cost_rub": round(monthly_cost_rub * 12, 0),
        "cost_per_sku_rub": round(monthly_cost_rub / sku_count, 0),
    }


# Примеры:
print(calculate_sf_api_cost(10))   # СТАРТ:  ~2 900 ₽/мес
print(calculate_sf_api_cost(50))   # РОСТ:   ~14 500 ₽/мес  → округляем до 8К с учётом кэширования
print(calculate_sf_api_cost(200))  # МАСШТАБ: ~58 000 ₽/мес → округляем до 20К с агрессивным кэшем
Оптимизация стоимости API

Реальная стоимость ниже расчётной благодаря:

  1. Кэширование Redis (TTL 6ч) — экономия ~40% запросов
  2. Batch-запросы — некоторые эндпоинты поддерживают пакетные запросы
  3. Дифференцированная частота — не все SKU обновляются 4x/день (только активные)
  4. Оптовые скидки SF API при больших объёмах

LTV (Lifetime Value)​

LTV по тарифам​

def calculate_ltv(
    monthly_price: float,
    avg_lifetime_months: float,
    monthly_upsell_rate: float = 0.02,  # 2% переходят на более дорогой тариф/мес
    upsell_price_increase: float = 0.5,  # +50% при апсейле
    discount_rate: float = 0.01,         # Месячная ставка дисконтирования
) -> dict:
    """Расчёт LTV с учётом upsell и дисконтирования."""
    total_revenue = 0
    current_price = monthly_price

    for month in range(1, int(avg_lifetime_months) + 1):
        # Дисконтированный доход
        discounted = current_price / ((1 + discount_rate) ** month)
        total_revenue += discounted

        # Шанс upsell
        if month % 3 == 0:  # Проверка каждый квартал
            current_price *= (1 + monthly_upsell_rate * upsell_price_increase)

    return {
        "ltv": round(total_revenue, 0),
        "avg_monthly_revenue": round(total_revenue / avg_lifetime_months, 0),
        "months": avg_lifetime_months,
    }
ТарифЦена/месСредний срокChurn/месLTV (базовый)LTV (с upsell)
СТАРТ30 000 ₽4 мес25%120 000 ₽138 000 ₽
РОСТ60 000 ₽10 мес10%600 000 ₽712 000 ₽
МАСШТАБ150 000 ₽14 мес7%2 100 000 ₽2 520 000 ₽
ENTERPRISE300 000 ₽18 мес5.5%5 400 000 ₽6 750 000 ₽

Средневзвешенный LTV​

Распределение клиентов (steady state):
  СТАРТ:     20% (начинающие селлеры)
  РОСТ:      50% (основная масса)
  МАСШТАБ:   25% (крупные селлеры)
  ENTERPRISE:  5% (сети, бренды)

Средневзвешенный LTV:
  = 0.20 × 138K + 0.50 × 712K + 0.25 × 2 520K + 0.05 × 6 750K
  = 27.6K + 356K + 630K + 337.5K
  = 1 351 100 ₽

Средний ARPU (monthly):
  = 0.20 × 30K + 0.50 × 60K + 0.25 × 150K + 0.05 × 300K
  = 6K + 30K + 37.5K + 15K
  = 88 500 ₽/мес
Начальный период

В первые 6 месяцев распределение будет смещено в сторону СТАРТ и РОСТ. Реалистичный средний LTV на старте: ~500 000 ₽ (до выхода на steady state).

CAC (Customer Acquisition Cost)​

CAC по каналам​

КаналСтоимость лидаКонверсия в аудитКонверсия в оплатуCAC
Referral (рекомендации)0 ₽60%30%5 000 ₽ *
Content marketing500 ₽15%12%28 000 ₽
Cold outreach2 000 ₽8%6%42 000 ₽
Партнёрства с WB/Ozon менеджерами3 000 ₽25%20%15 000 ₽
Контекстная реклама1 500 ₽10%8%19 000 ₽
Конференции/выставки5 000 ₽20%15%33 000 ₽

* Referral CAC = стоимость бонуса за рекомендацию (скидка 1 мес для рекомендателя)

Средневзвешенный CAC​

Канал mix (целевой, через 6 мес):
  Referral:        30% (основной драйвер роста)
  Content:         20% (YouTube, Telegram, блог)
  Партнёрства:     20% (WB/Ozon менеджеры)
  Контекст:        15% (Яндекс.Директ)
  Cold outreach:   10% (LinkedIn, email)
  Конференции:      5% (тематические мероприятия)

Средний CAC:
  = 0.30 × 5K + 0.20 × 28K + 0.20 × 15K + 0.15 × 19K + 0.10 × 42K + 0.05 × 33K
  = 1.5K + 5.6K + 3K + 2.85K + 4.2K + 1.65K
  = 18 800 ₽

С учётом накладных расходов на продажи (менеджер, CRM, инструменты):
  Реалистичный CAC = 18 800 + 5 000 = ~24 000 ₽

LTV/CAC Ratio​

МетрикаЗначениеBenchmarkОценка
LTV712 000 ₽ (тариф РОСТ)——
CAC24 000 ₽——
LTV/CAC29.7x> 3x (здоровый)Отлично
Payback Period< 1 месяц< 12 мес (SaaS норма)Отлично
LTV/CAC > 10x

При таком соотношении можно и нужно агрессивно масштабировать привлечение. Увеличивайте CAC в 2-3 раза (улучшение каналов, расширение охвата) — экономика останется здоровой при LTV/CAC > 10x.

Месячная когортная модель​

Прогноз на 12 месяцев​

def build_cohort_model(
    monthly_new_clients: list[int],     # Новых клиентов по месяцам
    avg_mrr_per_client: float = 55000,  # Средний ARPU (начало — ближе к СТАРТ/РОСТ mix)
    monthly_churn: float = 0.12,        # 12% churn/мес (начальный, снижается)
    churn_decay: float = 0.95,          # Churn снижается на 5% каждый месяц
    upsell_rate: float = 0.03,          # 3% upsell/мес
    upsell_amount: float = 20000,       # +20K при upsell
) -> list[dict]:
    """Когортная модель с retention и upsell."""
    months = len(monthly_new_clients)
    cohorts = []  # Каждая когорта: [month_0_size, month_1_size, ...]
    results = []

    for month in range(months):
        # Добавляем новую когорту
        cohorts.append([monthly_new_clients[month]])

        # Обновляем все существующие когорты (retention)
        for cohort_idx in range(len(cohorts)):
            if len(cohorts[cohort_idx]) > 0:
                age = len(cohorts[cohort_idx])
                current_churn = monthly_churn * (churn_decay ** age)
                last_size = cohorts[cohort_idx][-1]
                retained = last_size * (1 - current_churn)
                cohorts[cohort_idx].append(max(0, retained))

        # Суммируем активных клиентов
        total_active = sum(c[-1] for c in cohorts if len(c) > 0)

        # Revenue
        base_mrr = total_active * avg_mrr_per_client
        upsell_mrr = total_active * upsell_rate * upsell_amount
        total_mrr = base_mrr + upsell_mrr

        results.append({
            "month": month + 1,
            "new_clients": monthly_new_clients[month],
            "total_active": round(total_active, 1),
            "churned": round(sum(c[-2] - c[-1] for c in cohorts if len(c) >= 2), 1),
            "mrr": round(total_mrr, 0),
            "arr": round(total_mrr * 12, 0),
        })

    return results

Прогнозная таблица​

Сценарий: Умеренный рост

МесяцНовых клиентовАктивныхОттокMRRARR
1330165 0001 980 000
2460.4330 0003 960 000
35100.8550 0006 600 000
46141.2770 0009 240 000
57191.61 045 00012 540 000
68242.11 320 00015 840 000
79302.51 650 00019 800 000
810362.81 980 00023 760 000
911433.12 365 00028 380 000
1012503.42 750 00033 000 000
1113583.63 190 00038 280 000
1214663.83 630 00043 560 000
MRR динамика (тыс. руб.):

 3 630 │                                            ●
       │                                        ●
 2 750 │                                    ●
       │                                ●
 1 980 │                            ●
       │                        ●
 1 320 │                    ●
       │                ●
   770 │            ●
       │        ●
   330 │    ●
   165 │ ●
       └──┬───┬───┬───┬───┬───┬───┬───┬───┬───┬───┬──
          1   2   3   4   5   6   7   8   9  10  11  12
                            Месяцы

Break-even анализ​

Расходная база​

# Постоянные расходы (не зависят от числа клиентов)
FIXED_COSTS_MONTHLY = {
    "backend_developer": 200_000,     # Full-time
    "frontend_developer": 100_000,    # Part-time
    "analyst": 100_000,               # Part-time
    "project_manager": 50_000,        # Quarter-time
    "server_base": 10_000,            # VPS + services
    "sf_api_base": 30_000,            # Базовый тариф SF
    "tools": 10_000,                  # GitHub, Sentry, etc.
    "marketing_base": 30_000,         # Минимальный бюджет
}
# Итого: 530 000 ₽/мес

# Переменные расходы (на клиента)
VARIABLE_COSTS_PER_CLIENT = {
    "sf_api_incremental": 5_000,      # Дополнительные API запросы
    "server_incremental": 500,        # Доп. ресурсы сервера
    "support_time": 3_000,            # Время на поддержку
    "email_service": 200,             # Email-рассылки
}
# Итого: 8 700 ₽/клиент/мес

Точка безубыточности​

def calculate_break_even(
    fixed_costs: float = 530_000,
    variable_cost_per_client: float = 8_700,
    avg_revenue_per_client: float = 55_000,
) -> dict:
    """
    Break-even анализ.

    Break-even point = Fixed Costs / (ARPU - Variable Cost per Client)
    """
    contribution_margin = avg_revenue_per_client - variable_cost_per_client
    break_even_clients = fixed_costs / contribution_margin

    return {
        "break_even_clients": round(break_even_clients, 1),
        "contribution_margin": contribution_margin,
        "contribution_margin_pct": round(contribution_margin / avg_revenue_per_client * 100, 1),
        "fixed_costs": fixed_costs,
        "variable_costs": variable_cost_per_client,
        "arpu": avg_revenue_per_client,
    }

result = calculate_break_even()
# break_even_clients: 11.4 → нужно 12 клиентов
# contribution_margin: 46 300 ₽ (84.2%)
ПараметрЗначение
Постоянные расходы530 000 ₽/мес
Переменные расходы (на клиента)8 700 ₽/мес
Средний ARPU55 000 ₽/мес
Contribution Margin46 300 ₽ (84.2%)
Break-even12 клиентов
Месяц break-even (по модели)Месяц 4
Прибыль/убыток (тыс. руб.):

  +600 │                                         ●
       │                                    ●
  +400 │                               ●
       │                          ●
  +200 │                     ●
       │                ●
     0 │ ── ── ●── ── ── ── ── ── ── ── ── ── ── ── break-even
       │    ●
  -200 │ ●
       │●
  -400 │
       └──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──┬──
          1  2  3  4  5  6  7  8  9  10 11 12
                         Месяцы

Анализ чувствительности​

Что если churn выше в 2 раза?​

МетрикаBase case (12%)Pessimistic (24%)Разница
Активных (мес. 12)6638-42%
MRR (мес. 12)3 630K2 090K-42%
Break-evenМес. 4Мес. 6+2 мес
LTV (РОСТ)712K356K-50%
LTV/CAC29.7x14.8xВсё ещё > 3x
Даже при 2x churn экономика здоровая

Даже при удвоенном оттоке LTV/CAC остаётся выше 14x, что значительно превышает отраслевой benchmark (3x). Это даёт большой запас прочности.

Что если средний чек на 30% ниже?​

МетрикаBase case (55K ARPU)Pessimistic (38.5K ARPU)Разница
MRR (мес. 12)3 630K2 541K-30%
Break-even12 клиентов18 клиентов+50%
Break-even месяцМес. 4Мес. 6+2 мес
Маржа84.2%77.4%-6.8pp
LTV/CAC29.7x20.8xВсё ещё > 3x

Что если привлечение в 2 раза дороже?​

МетрикаBase case (24K CAC)Pessimistic (48K CAC)Разница
LTV/CAC (РОСТ)29.7x14.8x-50%
Payback Period< 1 мес1.3 месМинимально
Unit economicsЗдороваяЗдороваяЗапас прочности

Матрица чувствительности​

                    Monthly Churn
                 8%     12%     16%     20%     24%
ARPU   40K  │  ✅ 5.3  ✅ 3.1  🟡 2.1  🟡 1.6  🔴 1.3
       50K  │  ✅ 6.6  ✅ 3.9  ✅ 2.7  🟡 2.0  🟡 1.6
       55K  │  ✅ 7.3  ✅ 4.3  ✅ 2.9  🟡 2.2  🟡 1.8
       60K  │  ✅ 7.9  ✅ 4.7  ✅ 3.2  ✅ 2.4  🟡 1.9
       80K  │  ✅10.5  ✅ 6.3  ✅ 4.3  ✅ 3.2  ✅ 2.6

Значения: LTV/CAC ratio
✅ > 3x (здоровая экономика)
🟡 1.5-3x (приемлемая)
🔴 < 1.5x (проблема)

Cash Flow​

Месячный Cash Flow (первый год)​

def build_cashflow(months: int = 12) -> list[dict]:
    """Детальный помесячный cash flow."""
    new_clients = [3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]
    arpu = 55_000
    fixed = 530_000
    variable_per_client = 8_700
    cac = 24_000
    initial_investment = 1_184_500  # MVP investment

    cashflow = []
    cumulative = -initial_investment
    active_clients = 0
    churn_rate = 0.12

    for m in range(months):
        # Clients
        active_clients = active_clients * (1 - churn_rate) + new_clients[m]

        # Revenue
        revenue = active_clients * arpu

        # Costs
        variable = active_clients * variable_per_client
        acquisition = new_clients[m] * cac
        total_costs = fixed + variable + acquisition

        # Profit
        profit = revenue - total_costs
        cumulative += profit

        cashflow.append({
            "month": m + 1,
            "active_clients": round(active_clients, 0),
            "revenue": round(revenue, 0),
            "fixed_costs": fixed,
            "variable_costs": round(variable, 0),
            "acquisition_costs": acquisition,
            "total_costs": round(total_costs, 0),
            "profit": round(profit, 0),
            "cumulative": round(cumulative, 0),
        })

    return cashflow
Мес.КлиентыВыручкаРасходыПрибыльНарастающим
0———MVP инвестиция-1 184 500
13165 000628 100-463 100-1 647 600
26330 000724 200-394 200-2 041 800
310550 000837 000-287 000-2 328 800
414770 000951 800-181 800-2 510 600
5191 045 0001 063 300-18 300-2 528 900
6241 320 0001 170 800+149 200-2 379 700
7301 650 0001 281 000+369 000-2 010 700
8361 980 0001 393 200+586 800-1 423 900
9432 365 0001 518 100+846 900-577 000
10502 750 0001 642 000+1 108 000+531 000
11583 190 0001 770 600+1 419 400+1 950 400
12663 630 0001 903 200+1 726 800+3 677 200
Ключевые маркеры
  • Месяц 6: Первая операционная прибыль (+149K)
  • Месяц 10: Окупаемость всех инвестиций (cumulative > 0)
  • Месяц 12: MRR 3.6M, операционная прибыль 1.7M/мес

SF API стоимость при масштабировании​

Прогноз расходов на SF API​

КлиентовОбщий SKU (avg)Запросов/деньЗапросов/месСтоимость/мес
103004 800144 00040 000 ₽
3090014 400432 000120 000 ₽
501 50024 000720 000200 000 ₽
1003 00048 0001 440 000400 000 ₽
2006 00096 0002 880 000800 000 ₽
Тариф SF API

При > 1M запросов/мес необходимо переговорить с SalesFinder об Enterprise-тарифе. Возможны оптовые скидки 20-40%. Также стоит рассмотреть прямую интеграцию с WB/Ozon API для наиболее частых запросов.

Оптимизация расходов на API​

flowchart TB
    A["1M запросов/мес<br/>400K ₽"] --> B{"Оптимизация"}

    B --> C["Кэширование<br/>Redis TTL 6ч<br/>-40%"]
    B --> D["Дифференцированная<br/>частота опроса<br/>-25%"]
    B --> E["Прямое API WB/Ozon<br/>для базовых метрик<br/>-20%"]
    B --> F["Enterprise тариф SF<br/>Скидка за объём<br/>-30%"]

    C --> G["Итого: ~160K ₽<br/>при 100 клиентах<br/>(вместо 400K)"]
    D --> G
    E --> G
    F --> G

    style G fill:#4CAF50,color:#fff

Сравнение: текущая модель vs ROI-Content​

Текущая экономика Fotofactor​

МетрикаТекущая модельROI-Content
Тип доходаРазовые заказыПодписка (рекуррент)
Средний чек15 000 ₽ (разово)55 000 ₽/мес
LTV15 000 - 45 000 ₽712 000 ₽
Повторные заказы30% клиентов88% retention/мес
Маржа~40%~66%
ПредсказуемостьНизкая (проектная)Высокая (MRR)
МасштабируемостьЛинейная (больше фотографов)Экспоненциальная (технология)
Конкурентное преимуществоПортфолио, ценаДанные, аналитика, ROI

Визуализация трансформации​

ТЕКУЩАЯ МОДЕЛЬ:                    ROI-CONTENT МОДЕЛЬ:

Revenue                            Revenue
  │                                  │
  │ ╱╲   ╱╲                         │              ╱
  │╱  ╲ ╱  ╲ ╱╲   Волатильная       │           ╱
  │    ╳    ╳  ╲ ╱  выручка          │        ╱     Предсказуемый
  │         ╲╱      (разовые          │     ╱        рост MRR
  │                  заказы)          │  ╱
  │                                  │╱
  └──────────────→                   └──────────────→
      Время                              Время

Синергия моделей​

Важно: ROI-Content НЕ заменяет фотопродакшн

ROI-Content — это надстройка, а не замена. Модели усиливают друг друга:

  1. Контент-продакшн генерирует поток клиентов для ROI-Content (upsell)
  2. ROI-Content доказывает ценность контента, увеличивая конверсию в повторные заказы
  3. Клиент платит за фотосъёмку + за подписку на мониторинг = двойная монетизация

Ключевые финансовые риски​

Риски и митигация​

РискВероятностьВлияниеМитигация
SF API прекращает работуНизкаяКритическоеРезервная интеграция с прямым API маркетплейсов
SF API значительно подорожаетСредняяВысокоеКэширование, оптимизация, переговоры об Enterprise тарифе
Churn > 20%/месСредняяВысокоеУлучшение time-to-value, customer success программа
Низкая конверсия Аудит→ОплатаСредняяСреднееA/B-тестирование аудита, улучшение отчёта
Появление конкурентаНизкаяСреднееФокус на уникальность (контент + данные), накопление базы данных
Регуляторные измененияНизкаяНизкоеМониторинг, юридическая консультация

Stress-тест: Worst Case Scenario​

Допущения worst case:
  - Клиентов: 50% от плана (7 вместо 14 к мес. 12)
  - ARPU: 40K вместо 55K (все на СТАРТ/РОСТ)
  - Churn: 20% вместо 12%
  - CAC: 40K вместо 24K

Результат:
  MRR мес. 12:     ~800K (вместо 3.6M)
  Активных:        ~20 (вместо 66)
  Cumulative P&L:  ~ -2.5M (не окупился за 12 мес)
  Break-even:      Мес. 18-20

Вывод: даже в worst case бизнес жизнеспособен,
        но окупаемость сдвигается на 18-20 мес.
        Необходим запас капитала на 1.5-2 года.

Инвестиционное резюме​

Ключевые цифры​

ПоказательЗначение
Инвестиция в MVP1 184 500 ₽ (~1.2 млн)
Break-even (операционный)Месяц 6 (12 клиентов)
Break-even (полный)Месяц 10
MRR к 12 мес3 630 000 ₽
ARR к 12 мес43 560 000 ₽
Средний LTV712 000 ₽
LTV/CAC29.7x
Маржа66%
ROI на инвестицию (12 мес)310%

Почему это работает​

  1. Подписочная модель — предсказуемая выручка, высокий LTV
  2. Высокая маржа — основной продукт — данные и алгоритм, не труд фотографа
  3. Синергия с основным бизнесом — upsell из фотопродакшна
  4. Defensibility — накопленная база данных и калиброванные модели
  5. Масштабируемость — маржинальная стоимость нового клиента минимальна

Связанные документы​

ДокументСодержание
MVP ОбзорВидение, roadmap, бюджет
Техническая архитектураСтоимость инфраструктуры
ContentScore алгоритмПродукт, за который платят
Before/After трекерДоказательство ценности для клиента
Клиентский дашбордИнтерфейс, через который клиент видит ценность