nonamevc

привет! релизнулись на ProductHunt.

напомню, что делаем deep research агент заточенный для исследования и поиска компаний. помогаем искать лидов, инвестиционные таргеты и делать анализ рынка.

в прошлые разы PH имел разные успехи, от вирального запуска на миллионы визитов до местечковых побед (продукт дня, недели и тд) и практически нулевой конверсии от этого. посомтрим, что сейчас. в этом раз, сильно на это фокус не тратили, дропнули и идем дальше.

https://www.producthunt.com/products/extruct-ai

понял, что в productivity AI-продуктах «активация/онбординг» меняются. кнопки, воронки и туры уходят на десятый план. онбординг оседает в промт чате, где надо дать ценность с первой сессии. и получается главное - подтянуть контекст пользователя и дать агенту нужные доступы.

при этом контекст оседает в отдельных приложениях. понятно, что решаемо через интеграции, MCP-серверы и т.д. не хватает нейтрального слоя «контекст как объект», который делал бы оркестрацию на уровне тем / контекста. то есть, получается такой слой аутентификации в эпоху агентов.

в не-агентскую эпоху особо никто ничего подобного не смог сделать. проблема холодного старта решалась внутри тулов, никак не переиспользуя опыт в дргом продукте. но и, кажется пока мало стимулов у больших игроков, где оседает контекст, делиться с потенциальным хабом.

может что-то есть такое (орекстратор контекста) ?

любимое упражнение в стартап-мире как профессии - пытаться обобщать и квантифицировать успех во фреймворки и термины. среди этого есть конечно и полезные вещи, на этом базисе как никак построен и этот канал.

но ничто не кажется таким бесполезным и требующим излишнего внимания, как концепция moats.

и вот очередной тейк на тему “speed the only moat left” заставил накатать это пост.

да, есть сетевые эффекты и экономика масштаба; но это фундаментальные факторы бизнес-модели. их можно креативно дизайнить, но они имеют понятную математику.

имхо в стартап-мире единственный настоящий moat - это сама неопределенность.

нужно поддерживать высокий рост, но при этом сохранять высокий уровень неопределенности. пока растешь и продолжаешь оставаться непонятным для рынка ты выигрываешь себе время.

формула объясняет стартап-трюизмы типа “великие компании строятся в медвежьих рынках”. повышенная неопределенность дает больше времени на построение защиты.

думаю, что все эти разговоры возникают в свете того, что AI коммерциализируется через b2b saas, где исторически никто не обременял себя такими мыслями. в LLM мире разрывают всех проекты с хорошим интерфейсом, которые стремятся занять дефолтный слой в новом workflow: Cursor, Granola, Lovable.

никаких классических бизнес-moats тут нет. есть вкус и скорость / качество исполнения. свитчнуться с этих инструментов не приятно, но не очень сложно.

и тут мне кажется самый важный фактор в b2b saas - shared beliefs, самый сильный сетевой эффект живущий в интер-субъектинвой реальности.

когда базовая технология доступна всем (те же LLM у всех) побеждает тот, кто станет дефолтом в головах пользователей, а затем провозгласит, что технология коммодитизировалась.

называйте это бренд, комьюнити, религия, или даже, moats. сути не меняет.

Одна из главных ставок на рост B2B SaaS это органика в LinkedIn. UGC там активно развивается, и платформа становится самой аутентичной в эпоху генеративного контента.

Я экспериментирую с разными форматами с 2024 года, это не история про «взять какой-то залетевший пост, прогнать через сетку». Приходится быть креативным, анализировать разные успешные форматы и научиться искренне давать ценность. Год назад познакомился с командой Community Sprints и сам участвовал в наборе. Хотя курс фокусируется на виральных постах, ценность шире:

- коммуникация своего продукта под LinkedIn; - как делать охват на ЦА и на широкое поле; - как писать лидмагниты; - как делать релизы продуктов; - как делать дистрибуцию контента в блоге через линк.

Всё проходит в рамках 2-недельных спринтов. За это время участники делают свой первый виральный пост с с 10к-100к impressions и понимают методологию, как такие посты делать системно.

Также в этом потоке одним из экспертов будет Коля Голос, product & growth @ Fluently (YC alumni), который умеет собирать сотни тысяч просмотров одним постом. Коля раскачал 3 разных профиля команды Fluently про продукт, предпринимательство и разработку и в сумме собрал уже 36,000,000+ impression-ов в LinkedIn. Я следил за этим ростом с самого начала, и это высшая лига!

В этом TG-боте можно посмотреть примеры виральных постов выпускников уже девяти прошлых спринтов и всю команду экспертов, которые будут помогать вам быстрее расти в LinkedIn: LinkedIn Growth @ Community Sprints

#годнаяреклама

собрал и обогатил данные по всем 160 компаниям YC S25.

по-разному к YC можно относится, мне лично нравится это смотреть, как на лакмус рынка. делюсь данными, которые показались мне интересными.

AI доминирует тотально: 157 из 160 компаний что-то делают с ИИ. исключения только NOX METALS (маркетплейс поставок металлов), Pangolin (кибербезопасность) и Munify (финтех). детальная разбивка: 108 компаний B2B софт, 12 consumers, 17 диптех, 10 индустриальных, 17 остальное (healthcare, fintech, edtech, logistics, agriculture)

профиль основателей: 1/ медиана опыта 5 лет, среднее 6.5 лет. 2/ в 48 стартапах (~треть батча) минимум один основатель с опытом Big Tech. 3/ доминирующее образование в порядке убывания по полярности: CS degree, экономика/MBA, инжиниринг. 4/ топ университеты в порядке убывания по полярности: UC Berkeley, University of Michigan, Stanford, Dartmouth, Wharton.

география и GTM: 80%+ компаний базируются в США с фокусом на американский рынок. редкие исключения: Munify таргетит арабские рынки для получения банковских счетов в США, GetAsap помогает small retailers в Юго-Восточной Азии с поставками. интересно что некоторые уже привлекли заметные seed раунды до поступления в YC.

P.S. экспериментирую сейчас с линкедин магнитами - поддержите комментом.

привет, новый SaaS над которым работаю.

писал про Extruct пару месяцев назад, а с недавних пор решили объединить с Димой усилия и пилить вместе.

к выбору идеи и отбиванию стратегии решили подойти практически-аналитически с сохранением того, что лично интересно.

почему sales-tech:

1/ рынок. продавать что-то sales неприятно. они с одной стороны на форварте технологий и активно берут все, что может приблизить закрытие сделки. часто можно увидеть, что BDR/AE берут и платят со своей карты, не дожидаясь апрува. но пробить в head of sales/CRO это уже другое дело. там скорее всего уже ZoomInfo на 3 года или что-то такое, и все твои хитрые тактики известны.

2/ с другой стороны. рынок очень гетерогенный. лояльность практически отсутствует, если кто-то делает ту же работу на 1% лучше, это аргумент чтобы свитчнуться на другой тул. это не Slack или Notion или даже CRM, с которым можно жить и мириться с трудностями. с другой стороны, это, не очень capital-intensive бизнес. есть много bootstrap компаний и задел для консолидации, M&A play довольно понятный.

3/ sales. самая растущая вакансия после LLM эры люди туда продолжают нанимать. выстроить доверие, считать контекст, зафиналить сделку, это мне кажется даже мета-навык. sales-tech это то, что всегда будет фандиться при любой экономике. а значит всегда будет кто-то, кто может тратить венчурные деньги, чтобы покупать рост.

4/ технологический тезис. скрапинг данных стал супер доступным с развитием LLM, но в то же время публичные и полу-публичные данные (типо из закрытых слак сообществ / дискордов) быстро дешевеют, а ценность first-party данных и сигналов растет. последние 4 года занимаюсь этим для проспектинга клиентов и скаутингга стартапов, знаю многих игроков на рынке и их маржи. сейчас сделали real-time crawler + формируем свой индекс с оффлайн датой. уже есть детальная дата на ~2М компаний. north star — уметь на запросах типа bakeries near Barcelona that need automatization agency сразу подбирать список компаний плюс контакты. данные черпаем отовсюду, откуда можно: карты, LinkedIn, маркетплейсы, Airbnb, покупаем.

5/ по позиционированию. все что касается продажи tech в tech не супер сложно. точнее это могут делать куча тулов на рынке сегодня. хотим сперва покрыть сложные вертикали, например тех, кто продает в оффлайн-вертикали типа медицинские сервисы, автомойки, рестораны, строительство, real estate и тд. архитектуру строим которая покрывает все сценарии, но выделиться на фоне конкурентов хотим за счет этого. плюс еще замечаю, что спрос за пределами штатов на хорошее покрытие растет. думаю, что даже rest-of-the-world play тоже норм.

6/ защита от ChatGPT, Claude, Perplexity тоже понятная: инвестирование в дату (что писал выше + 1st party) + воркфлоу. ну скажем, ChatGPT не будет вам продавать email-ы для ЛПР, делать секвенции или скрапить тех, кто это не любит.

короче, велком. https://www.extruct.ai/

если вы продаете в сложные вертикали, или просто нуждаетесь в помощи с list building — сесть с вами и все построить. пишите @zkid18

мои друзья из B2B-sales агентства Sally предложили залететь в папку. сам даже читаю эти каналы (и некоторые без мьюта) так что рекомендации вполне норм.

внутри:

- @rinatkhat — про реальные B2B-продажи в США и ЕС с цифрами. Кейсы, метрики кампаний и инструменты агентства - @linkedinwithsofia — эксперименты с LinkedIn, работа с инфлюенсерами и кейсы постов с миллионами показов - @nonamevc — авторские посты про b2b SaaS и венчур. Личная рефлексия и опыт работы в big tech, фондах и своих проектах - @midov_channel – Ex-VC и основатель 2pr.io, AI агента для контента в Linkedin. Пишет про венчур, AI и Linkedin - @salesvyat — гайды по B2B-продажам: от настройки email-инфры до апсейлов и закрытия сделок - @dmitrii_digital – teamlex.ai фаундер и маркетолог с 10+ годами опыта пишет про бизнес, маркетинг и AI - @sekamov – делают бутик b2btalks: помогают digital & IT командам построить b2b sales & marketing. Пишет про проектирование ICP & GTM, фокусные стратегии ABM & Outreach, про найм SDR/BDMs и многое многое другое

https://t.me/addlist/_VMi04CwP0ZlNTEy

пост выше был подспорьем для того, чтобы показать стимулы и принципы компании и ее основателя.

вопрос важный. но имхо для билдеров нет времени растекаться в этических чажбах, если ты не заскрапишь, это сделает другой. мое мнение вообще радикальное, если бы сайты просто за $ давали бы доступ к своей elastic search, то всем участникам жилось бы лучше. проблема даже может быть не в праве на контент, а в том, что боты часто создают dos-подобный трафик и это становится заметно на облачном биллинге. а скрапинг нельзя победить, его можно только сделать экономически невыгодным.

думаю, что изначально cloudflare пытался создать маркетплейс где ai краулеры платят за контент который скрапят.

но, почти никто этого не хочет. если продаешь товары или услуги, то хочешь чтобы ai скрапил и давал трафик. чекаут (пока) происходит на твоей стороне. другой вопрос, с медиа - если контент это продукт, то AI выступает заменителем.

но чтобы маркетплейс сработал, нужен контент который AI краулеры хотят настолько сильно что готовы платить. они хотят две категории: абсолютно все (количество) + лучший уникальный контент.

но лучший контент не будет в маркетплейсе. самые ценные игроки идут самостоятельно (reddit лицензирует напрямую google; nyt напрямую с amazon; wp с open ai).

да и тренд уже шел до LLM: премиум контент уходит за пейволлы (ньюслеттеры), те авторы блогов на wordpress, которых cloudflare защищал 15 лет назад истощились.

cloudflare сейчас делает ограничения на AI скрапинг опциональным (opt out). но получается такой маркетплейс шрёдингера - не может работать пока все не подключатся, но если все подключились, но по мере подключения других участников, стимул отключиться вырастает. индивидуальный оптимум - остаться открытым, получить трафик от больших AI.

Cloudflare занимает интересное положение в AI мире. защищает 20% интернета, поэтому у них есть leverage заблокировать краулеров по умолчанию и диктовать свои условия с pay per crawl.

у Бена Томпсона вышло интервью с основателем Мэттью Принсом. tldr

1/ Принс родился в Юте. мама по вечерам ходила на курсы по cs в university of utah, часто брала его с собой. это было уже после золотых времен (1960-70е), но наследство важное. там учились основатели Pixar (Эд Кэтмулл), Adobe (Джон Уорнок), Netscape (Джим Кларк).

2/ в университете стало скучно на CS парах, решил изучать английскую литературу и стать юристом. работал в dot-com: сперва помогал делать ipo (летом 1999 провели 6 ipo за лето), потом стал юристом по банкротствам.

3/ занялся юриспруденцией в интернете, написал работу про can-spam act 2003. это был первый серьезный закон против спама, принципиально новая правовая территория. познакомился с Полом Грэмом, у которого еще не было YC. Грэм устраивал mit anti-spam conference, пригласил Принса с докладом “как сажать спамеров в тюрьму.” из этого родился project honey pot, система отслеживания воровства email-адресов. сайд-проект, где за несколько лет подписалось 100k+ пользователей, которые сами репортили плохие адреса.

4/ основал компанию Unspam. сначала делали одноразовые email-адреса (как apple сейчас). потом превратилось в “do not call для email” - работали с правительствами штатов Мичиган и Юта. создали хеширующую технологию: сравнивали списки маркетологов и государственные списки, при этом ни одна сторона не знала, что у другой.

5/ отец управлял ресторанами включая единственный hooters в Юте. и когда сыну было в районе 30 позвонил: “пора вести семейный бизнес.” принс не мог представить ничего хуже, чем управлять hooters и сказал отцу, что перед этим надо научиться бухгалтерии и поучиться я в бизнес-школе. за месяц подал в 8 бизнес-школ, 7 отклонили, гарвард взял.

5/ в гарварде его CTO ли холлоуэй думал об уходе (его переманивали Google и Facebook). Принс встретился с однокурсницей Мишель Затлин и они решили, что можно сделать файрвол и поместить в облако?

6/ вдохновился курсом у Кристенсена в Гарварде. применили disruption theory: “предоставим сервис бесплатно, урезанный, но лучше всего остального. потом двигаемся upmarket.” классический подход - начать с underserved market, которым раньше никто не занимался.

все CDN типа Akamai продавали дорогие enterprise решения крупным корпорациям. а мелкие сайты, блоггеры, стартапы оставались без защиты от DDOS и проблем с производительностью. cloudflare сделал базовую защиту бесплатной для всех, постепенно добавляя фичи до уровня enterprise решений.

делал PLG до того, как стало мейнстримом.

7/ считал конкурентом facebook, не другие cdn. логика: без Cloudflare владельцы сайтов сдались бы из-за сложности безопасности, все перешли на платформы.

8/ строили регистратора доменов (“ужасный бизнес”), VPN, платформу разработчиков для себя, потому что никто другой не справлялся с их масштабом. потом гармонично стали продавать на рынок.

9/ сейчас переход от search engines к answer engines. google 25 лет был великим патроном интернета - индексировал контент, направлял трафик, помогал монетизировать через рекламу. была сделка: “мы берем копию вашего контента, взамен посылаем трафик.”

теперь ai chatbots не дают 10 синих ссылок, а сразу ответ. лучше для пользователей, катастрофа для контент-мейкеров. вся бизнес-модель рушится.

принс видит 3 сценария:

- журналисты и исследователи “умрут от голода” - ai элита станут новыми медичи - сэм альтман купит свой associated press, будет 5 мощных семей контролирующих весь контент - новая бизнес-модель с revenue sharing

10/ обвиняет perplexity: если не могут получить контент автора, запрашивают у trade desk заголовок и описание статьи, потом выдумывают содержание и публикуют от имени журналиста. “это не copyright, это прямое мошенничество.” и вообще кроулят вэб, чтобы собирать свой индекс, не уважая robots.txt

11/ предлагает $1 с пользователя AI в год в пул для криэйтеров. $10 млрд заменили бы всю рекламную выручку открытого интернета.

в латинской Америке безальтернативно становишься активным пользователем WhatsApp.

когда даже семейные чаты уже все ушли в телегу, тут внезапно пришлось ставить ватсап и надевать шапку техносноба: «и где тут версия для десктопа?», «а где отложенные сообщения?», «а как тут редактировать сообщения?» и тд

спустя три года я даже проникся вотаспом; местами даже удобнее - нет кучи каналов, которые лишний раз тебя заставляют зайти в телеграм; да и звонки субъективно лучше.

хотя ответ на вопрос, чем там занимаются армия PM-ов с TC $300k не давал мне покоя.

фб сделал две культовые ставки: Instagram за $1B и WhatsApp за $22B.

Instagram быстро стал $100B+ рекламной машиной.

WhatsApp долго считался спорной покупкой. но это меняется: $3.6B только на Business API (и это до рекламы, которые там только анонсировали).

в ЛатАме, Южной Азии и Африке Meta == WhatsApp. 2B+ пользователей. ни одна платформа не встроена в жизнь глубже.

и так мы приходим к одному из моих продуктовых тезисов в контексте развивающихся рынков: вертикальные решения поверх WA. Это разные ERP, CRM, ai sdr, каталоги, сделки по недвижимости.

Дальше это пространство можно разделить на WhatsApp first и WhatsApp only.

WhatsApp first это то, что живет давно, сюда можно отнести и чат ботов образца 2016 года. сегодня это просто усиливается.

WhatsApp only по духу напоминает мини апп в телеграме, но все равно живет своей жизнью. создать тапалку или криптопамп в WhatsApp сложнее потому что Metа валидирует еовые приложения через систему прослоек типо BSP / ISV (читайте в посте, что это за слова)

пара кейсов вокруг тезиса: • Félix делает переводы США → ЛатАм в USDC прямо в WA, без приложений. недавно привлекли Series B на $75 млн. • Zapia, AI ассистент в WhatsApp: поиск товаров, напоминания, транскрибация аудио, запись к врачу и тд. инвесторы Prosus Ventures и Endeavor. • Magie, финтех стартап из Бразилии: поверх WhatsApp позволяет отправлять деньги, оплачивать счета, делать транзакции через PIX текстом, голосом или фото командой. Боже благослови Open Banking. • Luka, рекуррентные платежи за коммуналку.

логично, что WhatsApp со своими сетевыми эффектами и чат интерфейсом идеально ложится под любые wrappers.

думаю, именно здесь появятся ключевые продукты для приземления LLaMA. об этом, кстати, сам Цукерберг говорил в подкасте у Дваркеша: Meta AI будет адаптироваться прежде всего в развивающихся странах (Meta AI has almost a billion people using it monthly now; Meta AI is actually most used in WhatsApp. WhatsApp is mostly used outside of the U.S.)

ну а так, детальнее, с разбором разных бизнес моделей можете прочитать мой последний пост в сабстэке эту тему

почему «Cursor для x» это тупая идея

даже если питч разбавлен штампами вроде «AI-first», «AI это усиление, а не замена» и «UX for context engineering is our moat», все понимают, что примитив «Cursor для x» нужен, чтобы в голове собеседника сразу возник график «вырастим до $200m ARR за три года».

но переносить модель Cursor в другие вертикали бессмысленно, потому что ни в одной вертикали нет полного набора условий, сделавших Cursor успешным.

1/ продуктивность производства софта пока ещё никак не сказалась на его марже

думаю, у каждого найдётся бро, который одновременно работает на 2.5 работах (возможно, дорогой читатель, это вы). Cursor обходится ему примерно в $100 в месяц, а с трёх зарплат он поднимает около $20к в месяц.

несмотря на все стенания «AI забирает работу у разработчиков», мы наблюдаем один из лучших арбитражей последних лет: маржа софта пока не сжалась. ну и кажется это логично: разработчик закрыл тикет быстрее и с меньшими ресурсами→ фича вышла раньше → продукт зарабатывает.

первый лакмус: какие вертикали дают конечным операторам такой же арбитраж, который превращает $20 хотя бы в $2k?

2/ девелоперы и новый TAM

для многих инженеров AI-coding — лучшее, что с ними случалось. но большинство бухгалтеров не просыпаются с мыслью «как бы переизобрести процессы». их старая схема работает, и ценность AI не всегда растёт линейно вместе с зарплатой. ну или попробуйте выпустить вирусный ролик на Youtube «I automated HR policy with "Cursor for HR" and Made $100K in 15 Minutes».

дев-агенты сделали больше, чем ускорили программистов: они позволили не-программистам собирать продукт, зафиксировав самую большую экспансию tam в истории софта.

задача на подумать - в какой вертикали AI способен разрушить привычную логистику создания ценности в плоскости тайтлов.

3/ IDE это отдельный стандартизированный апп

Cursor не просто «плагин к VS Code». он опираются на открытый движок и экосистему расширений. чтобы добавить агента, который подставит код, достаточно вызвать пару хуков, дальше вся инфраструктура (lsp, дебаггер, source-control) уже готова. и даже при том, что VS Code был не самым популярным тулом в enterprise, переход с JetBrains был довольно безболезненный, потому что код хранится в удаленных репозиториях.

сравните это с CAD или BIM. в мире ArchiCAD и SolidWorks главный актив это бинарные форматы и двадцатилетние скрипты AutoLISP. сменить движок значит порвать обратную совместимость, потерять плагины, лишиться сертификаций.

тут отличие в том, что бухгалтер, HR и прочий бэк-офис работают в браузерных saas. и тут мне кажется в этом тезисе настоящая угроза идёт от самого браузера: ai-native браузеры обещают то же, что и вертикальные saas, но на «транспортном слое». если агент сидит внутри браузера и уже имеет доступ к кукам, сессиям и dom-структуре, зачем строить отдельные интеграции? браузер видит всё: форму сделки в HubSpot, счёт в QuickBooks, цепочку писем в Gmail.

понятно, что это случится не скоро, но главный point в том, что пока непонятно, какая среда окажется оптимальной для вертикального saas.

4/ разработка = объективный, шаблонизированный процесс

AI-ассистенту сложно учиться, когда датасет обратной связи размазан на недели и состоит из субъективных оценок. для большинства вертикалей нет метки pass/fail; в коде агент может эволюционировать почти в real-time, а в бэк-офисе превращается в обычную форму автоматизации, нуждающуюся в ручном QA (хотя думаю, пока LLM не «видит» UI как AST, думаю это ок)

tldr; вводные успеха Cursor куда шире, чем context engineering. не спорю, работу бэк-офисов и бухглатерорв нужно автоматизировать, но подход там должен быть иным во всем от интерфейсов и дизайна контекста до GTM.

без тех же вводных (стандартизированная среда, мгновенный фидбек, прямая связь с P&L, расширение TAM) этот «Cursor для x» станет обычным b2b-saas с длинным циклом продаж и скромным потолком роста.

что думаете?

P.S. я правда не думал много про сценарии, где сам Cursor используется для non-dev задач. но видел, как маркетологи с MCP-сервером неплохо решают свои задачи.

немного про экспансию китайского tech на развивающихся рынках.

если следите за доставкой еды, там довольно интересные времена. рынок, который казался «устаканенным», снова становится интересным.

1/ на зрелых рынках продолжается консолидация. Doordash покупает Deliveroo, Uber покупает food вертикаль турецкого Trendyol и активы Foodpanda в Тайване, Prosus (ex-Naspers) покупает Just Eat Takeaway и усиливает свой food портфель, в котором уже есть iFood и доля в Swiggy. в отчётах все подчёркивают «path to profitability»: капиталоёмкие эксперименты свернули, главный KPI теперь маржа.

2/ в общем доходы 2024-го (food-delivery-сегмент, $ млрд, округлённо) как раз это и показывают:

meituan 47.7 (чистая прибыль 1.3) uber eats 13.9 (adj. ebitda 2.7) delivery hero 13.2 (adj. ebitda 0.8) doordash 10.7 (первый GAAP-плюс) just eat takeaway 5.4 (adj. ebitda 0.5) prosus food/e-com 5.5 (блок впервые в плюс) talabat 3.0 (net income 0.35) baedal minjok 2.6 (op. profit 0.53) zomato 1.5 (чистая прибыль 0.04) grab deliveries 1.5 (adj. ebitda 0.2) goto / gofood 1.2 (adj. ebitda 0.03) didi food (intl) 1.3 (adj. ebitda –0.26) rappi 0.9 (по-прежнему убыток)

у JD takeaway, Swiggy, Yandex, SEA, Alibaba раскрытия меньше: считают внутри логистических дивизионов, сложнее аттрибуцировать доставку еды

2/ комиссии 15–30 % всё так же раздражают рестораны, особенно среднего размера. крупные сети (mcdonald’s, kfc) выбивают ≤ 10 %, а средние начинают разворачивают свои crm, чат-боты и pos, оставляя доставку на аутсорс. ну если очень обобщать, то это такой Shopify moment на рынке маркетплейсов. почему нельзя поставить знак равенства, потому что тот же Doordash или iFood уже даёт целый омниканальный пакет — pos, цифровые меню, whatsapp-боты. конкуренция за supply заставляет снижать комиссии для новых ресторанов или варьировать take rate за доставку и доступ к discovery платформе.

3/ из прошлого пункта бросается в глаза Meituan, который держит ≈ 60 % домашнего рынка, обрабатывает до 40 млн заказов в день и заработал за прошлый год $ 1.3 млрд чистой прибыли. редкий пример уже прибыльной экосистемы. именно эти деньги дают ресурс для экспансии: компания выходит в Саудовскую Аравию и сразу отжимает долю у Hungerstation (delivery hero).

5/ Бразилия долго была вотчиной iFood (~90 % рынка). Uber и Rappi уже сожгли здесь сотни миллионов (первые вообще кинули белый флаг), но пока сломить монополоию не получается; но в этом году все зашевелились. Didi объявляет инвестиции 1 млрд бразильских реалов (~$ 200 млн) в 99 food, а Meituan кроет это уже серьезным коммитментов в $1 млрд долларов на 5 лет в Бразилию. Бразилия внезапно становится ареной новой pricing войны: ifood заключает оборонительный альянс с Uber, Rappi и 99food заманивает рестораны нулевой комиссией за листинг.

ещё когда я жил в Китае, доставка казалась чудом логистической инженерии, армия курьеров, под миллионы заказов в день. сейчас тот же уровень дисциплины и капитала экспортируется в Латинскую Америку и MENA:

китайские игроки вступают именно в тот момент, когда западные платформы переключились с «рост любой ценой» на прибыльность. получается любопытный эксперимент: смогут ли западные компании защищать маржу во времена дорогого growth капитала, пока соседи по отрасли снова раздают купоны.

при это дома Meituan тоже не может расслабиться. JD задействовал Jingdong Logistics, вывел вой JD Takeaway сервис в 20+ городов и предложил ресторанам окно с 0 % комиссии и доставкой ≤ 30 минут. аналитики уже видят 3–4 п.п. доли, отобранной у Meituan в премиальном сегменте Пекина и Шанхая.

в тему deep research агентов, попросил своего хорошего знакомого @ZeroToPMF порассуждать про то, как deep research заменит / улучшит продуктовые и маркетинговые исследования.

у Димы свое консалтинговое рисерч-агентство, так что, это, рефлексия с полей.

далее его текст:

Зачем нужны ресерч-агентства, если теперь есть Deep Research?

Начнем с того, что Deep Research ищет информацию в интернете. Если ее нет в открытых источниках — у Deep Research ее тоже нет. Погуглить что-то может любой школьник. Ценность стратегического исследования от этого никогда не менялась. 

Хороший ли это тул, чтобы собрать все, что есть в интернете (в надежде обойтись без галлюцинаций)? Допустим. Прелиминари ресерч? Вполне. Разобраться поверхностно в теме и узнать, как что-то работает? Да. В своей ресерч-команде я называю это «Ad hoc обзор». Теоретически, теперь я могу поручать это AI. Только в нем я не совсем уверен, его надо валидировать. А в своих чуваках — уверен.

Можно ли полностью заменить то, что мы делаем? Давайте смотреть. У любого коммерческого ресерча есть три составляющие: кабинетная, полевая и стратегическая.

1️⃣ Кабинетная строится на данных, которых нет в публичных источниках. И этих данных будет становиться все меньше. Почему? Все модели обучаются на доступной информации, и люди стали понимать, что данные дорого стоят. Компании стали отбирать доступы. Парадокс GPT: чем дальше, тем меньше он будет знать.

Поэтому сейчас GPT скорее учат не больше знать, а лучше мыслить. Поэтому Reddit и Twitter вводят платные IP. Что уж говорить про любую непубличную информацию, на которой люди зарабатывают?

2️⃣ Полевая составляющая — это непосредственное общение с людьми, опросы. Думаю, понятно, что Deep Research — не про это. 

Сейчас многие пытаются сделать AI-тулы, которые имитируют клиента. Ты можешь «прособеседовать» с ним, минуя реального человека. На что только не пойдут, лишь бы не общаться с пользователями... 

Это бесполезно. Когда мы общаемся с клиентами, то изучаем мнение, а AI не обучен мнению. Его мнение — «Может быть вот так, а может быть вот так». Нам нужно знать, как человек думает, а AI лишен человеческих качеств. И слава богу, а то мы бы рисковали создать опасный искусственный суперинтеллект.

🧠 Кроме того, огромный слой человеческого мышления — иррациональный. Этот слой AI считать не может, потому что считается он на уровне эмпатии. Поэтому не важно, по какому гайду вы двигаетесь во время интервью — вы в любом случае видите больше, чем формальные ответы. Именно в этих иррациональных слоях часто кроются самые важные инсайты. Тот же JTBD бывает не только функциональным, но и эмоциональным.  А эмоциональный JTBD — между строк. 

AI может работать как справочный инструмент, а мы даем ответы и рекомендации. Клиентам это нужнее, потому что никто не хочет сам принимать решения. Люди не платят McKinsey $100 млн за справку. Они платят, чтобы им сказали, как поступить. И чтобы потом в случае чего прикрыться McKinsey 🌚

Настоящая джоба консалтеров — своей репутацией прикрывать отсутствие уверенности в правильном решении.

Стратегия, которой я занимаюсь, строится индивидуально для конкретной отрасли и основывается на на отраслевой специфике. Чтобы понимать отраслевую специфику, нужно владеть публичной и непубличной информацией, мнениями экспертов и пониманием аудитории. Только так ты можешь примерно сформировать картину, что на самом деле происходит в той или иной нише. AI на это пока не способен.

YC анонсировал свой request for startups, где активно пушат «full-stack AI companies». то есть на смену традиционным операторским бизнесам (аутстафф-агентств, юрфирм, M&A-эдвайзеров, рекрутинговых компаний) предлагают создавать AI-компании, оптимизирующие процессы через собственных агентов.

В целом эта модель в моем кругу где-то полгода-год циркулирует, особенно от тех, кто целится в какой-то вертикальный SaaS. У меня даже есть приятель, который делает страховой софт для логистических компаний. Сперва он пытался предлагать его страховым, но недавно выкупил две страховые компании в Юте: чтобы стать полноценной страховой и работать напрямую с конечными клиентами. Там конечно есть AI в продукте и вне его, но и даже без AI ценности просто в цифровизации достаточно, чтобы обходить 80% своих конкурентов.

У YC даже есть в портфеле такой стартап Rocketable: они покупают софтверный-бизнес с выручкой как минимум $100 k в год; увольняют всех сотрудников пытаются весь бэкофис и разработку продукта закрыть агентами.

Все это мило, но такую историю трудно провернуть молодому стартапу без поддержки.

Поэтому думаю, что это огранит одну из самых интересных моделей капитала, которую мы увидим в ближайшее время.

Lightspeed недавно изменил структуру и стал RIA (Registered Investment Advisor). Теперь фонд не ограничен 20 % «non-VC» активов и может без лимитов заходить в public-стоки, вторичку, buyouts и roll-ups.

По тому же пути пошли a16z (RIA с 2019: LBO для Twitter, своя crypto-империя, собственный wealth management), Sequoia (вечнозелёный фонд вместо классического 10-летнего), General Catalyst (выкупили Summa Health, nonprofit больничную сеть -> сделали ее for-profit и теперь через нее онбордят свой healthcare портфель)

Дальше уже увидим, как вчерашний ассоциат в фонде не модельки строит в экселе, а вайбкодит агента для клиники.

Да и даже IPO уже не нужен, для ликвидности есть вторичный рынок которые выорос с 25 $b в 2012 до прогнозного 100 $ b+ в 2025.

Mid-tier VC либо сольются, либо тоже станут RIA, чтобы получить доступ к более длинным деньгам и реальным компаниям. Но это уже придется комбинировать классический LBO-долг, private credit, долевое финансирование от LP и тд.

Короче, пока стартаперы пишут, что деньги VC им больше не нужны и всё можно делать на бутстрапе, империя наносит ответный удар и говорит, что для фонда, чтобы заработать деньги и не обязательно искать стартаперов с их поделками.

когда писал пост про deep research, подумал: в рисерче агентов выиграет тот агент, который подключит источники, недоступные публично.

напрашивается в агента добавить форму p2p‑консалтинга, а записи потом использовать для обучения.

ну, оказалось, я не один такой умный. есть такая компания — AlphaSense. компания стоит около $4 b, подняла свежие $600 m и делает ARR порядка $400 m.

сервис стартовал в 2012‑м как «google для финрынков» — быстрый поиск по SEC‑файлингам, sell‑side‑репортам, новостям и транскриптам.

оказывается они пошли дальше: недавно купили стартап Tegus. это что‑то вроде маркетплейса экспертных интервью. они соединяют экспертов с теми, кто исследует рынок или конкретный сегмент. клиенты — банки, фонды и консультанты. вы регистрируетесь, описываете биографию и опыт, а платформа матчит вас с заказчиком. организуют звонок и платят почасовую ставку.

так вот, сходил к AlphaSense на демо: показали, как их внутренний агент ходит по открытому вебу, платным базам и всей библиотеке Tegus‑транскриптов. технически, может, не так эффектно, как у openAI или grok, но по охвату и глубине данных пока лучшее, что видел. ну и стоит такое уже $50k на команду из 5 человек в год.

и вообще имхо, что в эпоху агентов p2p‑консалтинг становится только живее и ценнее.

консультация передаёт не только факты, но и энергию, контекст, доверие. плюс у хорошего эксперта свои шрамы и решения и беседа может вытащить вопросы, о которых ты даже не думал

(тут конечно хорошо бы зашел промо, что я делаю платный консультации, но нет)

написал новый пост в сабстэке про то, как я использую deep reseerch тулы для бизнес-поиска. это, наверное, самый популярный LLM-сценарий у меня сегодня, который помогает в инвестиционных и GTM-делишках.

в 2023, когда только зарождался deep research, всё сводилось к созданию громоздких RAG-пайплайнов: агент офлайн качал 10-K, блоги, стенограммы подкастов, индексировал всё в vector db и писал промпты для каждого файла. появлялись первые вертикальные стартапы — я смотрел в основном на GTM и invest-tech, но было много интересного и в академических задачах.

схема работы агентов напоминала Directed Acyclic Graph (DAG): всё заранее прописано, один путь без циклов и ветвлений, а решения принимал внешний оркестратор. для простых сценариев «пользователь → запрос → поиск → ответ» это работало.

сегодня deep research-агенты в ChatGPT, Gemini, Perplexity, Grok и др. получили мощный апгрейд благодаря reasoning-моделям. появились Toolformer, ReAct, Tree-of-Thought, Chain-of-Thought и function calling — и агенты превратились в нечто похожее на конечный автомат. они сохраняют состояние (plan/execute/reflect), сами решают, когда делать loop или ветвление, могут retry’ть шаги и корректировать стратегию прямо в сессии.

есть четыре основных building-блока:

planning модель разбивает запрос на подзадачи («какие сайты сканить», «какие PDF парсить», «какие API дернуть») и хранит этот живой plan в контексте диалога, который можно дополнять.

acting через headless-браузер или API агент качает страницы и документы, парсит HTML/PDF, прогоняет текст через LLM-саммари и выдёргивает ключевые поля прямо в json-ячейки или табличные столбцы.

observing агент сверяет промежуточные результаты с целями. если чего-то не хватает, возвращается к planning, меняет стратегию (дополнительные источники, глубина парсинга) и снова идёт в цикл. благодаря reasoning (ReAct, Chain-of-Thought, function calling) модель не просто рубит по сценарию, а реально рассуждает, loop’ит и ветвится. вместо жёсткой цепочки «шаг 1 → шаг 2 → готово» получаем динамичный поток: «спланировал → выполнил поиск и парсинг → оценил результаты → добавил источник → … → готов отчёт». именно эта способность одновременно сохранять контекст, рассуждать и управлять переходами делает deep research-агента таким мощным.

publishing когда все подцели закрыты, агент мёржит фрагменты в финальный отчёт: markdown-таблицы, списки фактов, ссылки на источники и confidence-метрики. отчёт готов к принятию решения.

но 90 % времени я делаю запросы типа «анализ финтех-стартапов из Колумбии для gig-worker’ов» или «поиск AV-компаний и выяснение, какой lidar-сенсор они используют». тут быстро упираешься в лимит компаний и слабое ранжирование: можно шаманить с промптами, но глубина и детерминированность поиска критичны для бизнеса. academic-бенчмарки вроде GAIA или PaperBench хвалят аккуратные резюме научных статей, но они не отражают запросы GTM-команд и инвесторов.

короче про это и написал. плюс для каждой статьи в сабстэке стараюсь зафичерить стартап, который как-то думает в сторону той проблемы, которая у меня возникла.

вместо одного горизонтального подхода Extruct применяет вертикальный AI. каждая компания, сегмент или продукт — самостоятельная «ячейка» в таблице, за которой следит свой агент. так внутри одной ячейки можно сохранять сотни раз больше контекста, гибко добавлять новые поля (стадия раунда, ключевой технический критерий) без перезапуска процесса и выстраивать кастомную логику прямо в planning. чем-то напоминает clay с claygent, только работает субъективно получше и дешевле для не-сейлзов.

так что советую и свою статью и стартап. p.s. если есть по технической части добавить, пишите в коменты.

пока писал пост про Manus, заметил, что они начали набирать инженеров в Токио.

вакансии незаурядная, нужен инженер линуксового ядра, с обязательным японским.

внедрять японских девелоперов в китайскую кодовую базу — странная идея. китайская инженерная культура слишком обособлена для этого особенно в стартапе. так это скорее уже про работу «на клиенте»

моя гипотеза была следующая: 1. технически агенту с ядром нужно работать, наверное, чтобы закрыть вопросы data-privacy — особенно для их low-latency AI/haptics стека, где важна детерминированность и on-device вычисления. 2. а японские инженеры нужны для того, чтобы глубже адаптироваться под локальных OEM

такие вещи на уровне гипотез вряд ли будут реализовывать, значит есть уже какой-то PoC или MoU с местными энтепрайзмами и партнерами.

немного поспрашивал местных коллег — говорят, Manus, Dify, Deepseek уже открыли офисы и крутят пилоты.

тренд хороший! если Япония и правда начнёт втягивать китайский AI как первый международный рынок, то это может быть интересный альянс: местное железо + свои игроки (Sakana, и др.) + регулируемый, но прогрессивный с точки зрения обучения данных рынок.

может быть вполне сильный полноценный AI-хаб.

китайский ии-агент Manus поднял $75m при оценке $0.5b от Benchmark, Tencent, Hongshan и ZhenFund.

на фоне торгово-политической повестки сделка выглядит немного оторванной.

продукт хороший, но попробуем разобраться, как предприниматели сидя в Ухане и Пекине в 2025 году подняли денег от Benchmark по такой оценке.

начнем с того, что фаундер на удивление хорошо ориентируется в рынке китайского SaaS, который исторически был далёк от американского (в целом многие сомневаются, что SaaS вообще существует в Китае в его оригинальном прочтении)

начал хаслить сразу после универа: в 2015 запустил Nightingale Technology (夜莺科技) и сделал Yiban Assistant (壹伴助手) неофициальный клиент WeChat с разными интеграциями.

в 2019 увидел возможность в сегменте корпоративного WeChat и сделал Weiban Assistant (微伴助手). идеально поймал момент: когда WeTool (главный неофициальный CRM над WeChat) закрыли в 2020, Weiban стал основным решением на рынке, привлёк интерес Sequoia China и Youzan. в итоге компанию купила местный интегратор Minglue Technology (明略科技).

фаундер сам себя считает больше коммерсом, хоть и учился в престижном китайском техническом вузе. по его словам, он никогда не был самым технически одаренным в классе, и так описывает свои методы нетворкинга в универе:

помню, рядом с кампусом был ресторан северо-восточной кухни. я зарабатывал достаточно, чтобы водить туда своих одногруппников каждый день. если хотите потом перетащить своих одногруппников в стартап — кормите их ещё во время учёбы. после выпуска за ними уже придётся бегать по мишленовским ресторанам.

второй фаундер вообще выбивается из всех привычных конфуцианских рамок. в 17 лет бросил школу (dropout, еее), чтобы запустить корпоративный секьюрный браузер Mammoth Browser (猛犸浏览器). поднял скромный ангельский раунды в 1.5 млн юаней. но увидев потенциал LLM, он присоединился к проекту и стал кофаундером в конце 2022 года.

Manus начинался как браузерный плагин Monica в 2022 году с поддержкой того же ZhenFund.

Monica это такой «агент» эпохи 2023 года, когда чаще всего под этим подразумевалось «chatgpt wrapper». продукт давал подписку для популярных моделей и разного рода ассистентов из «коробки». чем-то напоминает you.com или Poe от создателей quora

но Monica уже в 2023 могла автономно выполнять сложные задачи типа перебронирования билетов и работы с данными.

к 2023 компания закрыла раунд Series A от Tencent и Sequoia China aka Hongshan. В начале 2024 отклонили оффер на $30m от ByteDance и продолжили расти, подняв оценку до почти $100m.

в Manus видны наработки Monica,которые обрели новое прочтение с выходом моделей для ризонинга.

Monica работает как браузерное расширение, а Manus как раз отмечается глубокой интеграция с браузером. плюс Manus имеет свой интерпретатор и в отличии от других deep research агентов позволяет исполнять задачи по анализу данных и написанию кода.

запуск был нетипичным для Китая: ориентировались на глобальный рынок, так как внутренний рынок был сложнее. с начала ковида много говорили (и я в том числе) о тезисе выхода китайских основателей на мировой SaaS рынок, но прям громких историй успеха было мало. для большинства инвесторов это все равно казалось токсичной история.

в отличие от локальных запусков, как у DeepSeek, у Manus был полноценный международный релиз — проморолики, кампания в англоязычных медиа, раздача раннего доступа ютуберам и твиттер-инфлюенсерам.

Я считаю, что сегодняшним китайским предпринимателям нужно быть более агрессивными в глобализации. если мы видим за границей лучшие возможности — нужно идти и получать опыт международной конкуренции, а не замыкаться на знакомых рынках. для этого, правда, нужно многое: когда мы запускали компанию, никто из фаундеров не жил за рубежом. уровень английского у всех остался на уровне школьных времён.

VC явно хотят иметь хоть какое-то exposure на росте китайского AI. но сегодня скорее всего, будут форсить глобальную стратегию, хотя бы потому что для Китая SaaS по-прежнему почти белое пятно.

в общем вдохновляющая история для rest of the world рынков и chinese tech so back

с появлением LLM стал больше замечать процессы, где избыточная продуктивность, наоборот, мешает удовольствию от взаимодействия.

LLM круто индустриализирует всё: от написания кода, до создания комиксов. и все в восторге от этого и все такое.

но вместе с этим стал больше получать удовольствия от непосредственного взаимодействия с объектом. например, я отключаю любые саммаризаторы почты — особенно рассылок. потому что именно между строк часто самое интересное. это попытка заглянуть в голову автору. сама по себе информация там слабоуникальна, и продуктивность тут ни при чём. это больше похоже на диалог.

или наоборот — при создании. общаясь с клиентами или командой, я всё ещё пишу заметки от руки, хотя перебровал кучу meeting notetakers. да, агент может зафиксировать контекст, тему, дата-поинты, все это цепялется в нужный тебе воркфлоу, и все такое — но расстановка акцентов всегда субъективна. могу выцепить фразу, которая кажется дежурной, но для меня она центр всей беседы.

всё это заставляет снова возвращаться к любимой цитате. not only does nobody know how to measure productivity, we’re also not even sure it’s the most important way to predict success

а в чем вы ортодоксы в LLM-мире?

в моей ленте в линке последнее время мелькает один saas-bro, кто делает компанию про анонимизацию посетителей сайта (про которые я писал ранее, btw). в команде 3 человека и 20 so-called AI агентов. делает все по законам build-in-public и пытается достичь $10M ARR per employee без инвесторов, мам, пап и кредитов.

пошарил недавно свой сетап. показалось очень занятным, потому это очень достойный результат без какого-то rocket science.

дальше перевод его поста.

за последние 30 дней у нас:

— $1m+ в qual pipeline — 25 клиентов, ручной онбординг — 20+ новых фич — 500+ закрытых тикетов

observer смотрит на 15к+ реакций (моих и конкурентов), находит тёплых лидов среди ICP. превращает соцсигналы в сигнал на покупку стэк — make + unipile + anthropic

hunter трекает 5к+ анонимных визитов на сайт, деанонимизирует, ресёрчит, пишет — всё в реалтайме стэк — swan ai (его тула)

gatekeeper из 800+ запросов в демо фильтрует только тех, кто нам реально подходит. ресёрчит, обогащает, скорит стэк — make + anthropic + generect

concierge отвечает на 500+ диалогов с клиентами — тикеты, онбординг, сбор фидбэка. >70% — без участия человека стэк — swan ai + slack

analyst структурирует фидбэк из 100+ разговоров в приоритезацию фич стэк — make + circleback + openai

prototyper делает прототипы по спекам, сокращая цикл от идеи до имплементации с недель до часов стэк — v0 design от vercel

architect собирает архитектуру под фичи, предлагает реализацию, пишет боилерплейт стэк — cursor + devin ai

auditor автоматически отвечает на запросы по безопасности и соответствию — заменяет собой 100+ часов доки стэк — cursor + anthropic