nonamevc

как я подхожу к AI SEO

контекст: мы делаем Extruct, deep research агенты для поиска и исследования компаний. не надо быть гением, чтобы понять, что сейчас большую часть ресёрча компаний люди делают в чатботах. "расскажи про компанию X", "кто их конкуренты", "какой у них funding" это всё уже идёт в Claude и ChatGPT, Perplexity.

поэтому логично было подумать, как туда пробиться и забирать траффик отткда. самое простое, что сделал: начал публично выкладывать все data points, которые мы наресёрчили агенты. генерю страницы прямо в Cursor, подключаюсь к БД, делаю постпроцессинг, массово публикую. сейчас порядка 5к страниц под long-tail запросы а-ля lindy funding, s25 batch (вторая позиция после официальной директории btw) или top b2b startups in Spain.

organic search сейчас у нас ~20%. другой вопрос с конвертацией, но top of the funnel это генерит.

теперь думаю, как это усилить. посмотрел штук 20 тулов для AI visibility. паттерн один: topic modeling → генерация промптов → пуш в LLM-чатботы. у меня ощущение, что часть из них просто дёргает API веб-поиска, а не эмулирует реальные пользовательские сессии. а разница есть: API ≠ консьюмерский продукт.

в таком сетапе выглядит не супер полезно. главная проблема: ни один тул не показывает объём запросов по промпту. без этого ты оптимизируешь под фразы, которые никто не вводит. понятно, что это непросто достать даже самим вендорам. а в LLM-поиске long tail ещё тяжелее, уникальных запросов больше, агрегировать клики по ним нельзя.

с другой стороны, я на это смотрю больше как на упражнение по оттачиванию позиционирования. полезно думать, как генерится интент на твой продукт или проблему. это может быть хорошим циклом, который связывает лендинги, копирайтинг и сам продукт особенно если ты ещё до PMF.

если копнуть в теорию, то ни у кого пока нет своего полноценного индекса. это general meta-search wrapper + LLM reasoning. да, есть кроулеры, есть оптимизации с кэшированием и свой re-ranking, но базово весь поиск всё равно лежит на поисковых движках. LLM разбивает твой промпт на 2-5 подзапросов и шлёт их в Google, Bing или Brave. потом ходит по топ-ссылкам, чанкует контент, цитирует то, что релевантно.

пример: запрос "SEO agency NYC" в Perplexity превращается в три отдельных Google-запроса — "seo agencies nyc", "top seo companies new york city", "best seo firms ny".

вся эта возня с visibility идёт от того, как происходит ранжирование внутри RAG.

но базовые принципы SEO никуда не делись. E-E-A-T — доверие к домену, авторитетность автора, бэклинки, директори, отзовики. говорят, что UGC площадки с высокой цитируемостью положительно влияют на AI SEO: Reddit, G2, Capterra, Trustpilot. форумы и отзывы сейчас весят для brand mentions больше, чем в классическом SEO.

что подметил из рисерча: 1. читаемость важна на уровне чанка. в ответ LLM попадают 1-2 чанка, а не весь документ. поэтому у каждой статьи должен быть чёткий TL;DR в начале. 2. каждый inference немного разный. нет детерминированного "ты на 4-м месте по этому запросу" - позиция плавает. 3. онлайн-сигналов (кликов) в RAG-поиске меньше, но есть другой сигнал: какие документы LLM процитировала, а какие проигнорировала. то есть feedback loop дольше, надо это учитывать, когда катишь конетнт. 4. тректинг атрибуции через прямые заходы делать бесполезно. влияние будет заметно только в direct траффике. лучше это распрашивать в онбординге.

что ещё делаю: 1. пишу по 3 поста в день на Reddit с мягким упоминанием бренда. руками, не автоматизирую. 2. смотрю, на что LLM ссылается в web search, это единственный способ понять, под какой контент имеет смысл писать и где пробелы.

честно: серебряной пули нет. это educated guessing плюс базовая SEO-гигиена. большинство AI SEO тулов пока выглядят скорее как агентства, продают ручную работу под видом автоматизации.

кто трекает AI-цитирования в масштабе? если кто-то делает что-то инетерсное в этом домене такое, напишите в личку, с радостью познакомлюсь.

иногда получаю такие письма от больших вендоров.

откровенно, письмо составлено плохо в обоих случаях - какой-то наивный AI generated первый параграф; непонятный оффер; ссылка в первом письме.

индусский аутсторс, который предлагает мне услуги по веб-разработке и то пишет лучше. но, большим ребятам можно, они могли бы здесь все что угодно написать - бренд уже сделал всю работу.

у стартапов такой опции нет. поэтому приходится быть ясным, актуальным и интересным в первом письме.

так что, приходите завтра на стрим, поговорим про это

в пятницу делаем стрим про копирайтинг первого сообщения в холодном аутриче. вместе с Федором @becheetah

занимаясь новым SaaS понял, что копирайтинг это механическое ремесло, и лучшие сообщения пишутся AI. по сути это жонглирование дата-поинтами и шаблонами-промптами.

но между аутричем, написанным AI, есть огромная разница по качеству. большинство почти не уходит дальше шаблона с переменными или какой-то generic prompt, но лучшие тексты лучше, чем написал бы любой SDR, которого я знаю.

позвал Федора поговорить про это.

разберем: — анатомия хорошего письма (структура, data points, персонализация) — когда писать от сигналов, а когда без — почему сегментация > персонализация — как это выглядит в Clay и без него — как делать deep research для аккаунта и компании, чтобы генерировать гипотезы — как тестировать message-market fit перед кампанией на 500+ аккаунтов — ну и то, за чем вы пришли промпты с конверсией 35% в букинг (ладно, нет)

доставляемость, сбор базы и техническую настройку почти не трогаем, фокус на тексте.

для стрима ищем 2-3 добровольцев: если активно запускаете кампании и готовы получить обратную связь по своим письмам, напишите в комментариях "+".

мы разберем их на стриме, и дадим фидбэк, что можно улучшить.

время: пятница, 21 ноября, 13:00 UTC+0

ссылка на стрим на ютубе добавить в гугл календарь добавить в эпл календарь

2pr.io запускается на ProductHunt!

2pr.io, помощник для создания успешного и аутентичного контента на LinkedIn, запустился на ProductHunt!

Продукт кратно улучшился за полгода: 1/ Покрытие всего контентного цикла, включая аналитику по API LinkedIn 2/ Кардинально лучшее UI/UX 3/ Качество генерации текстов, в том числе за счет большей персонализации 4/ Управление несколькими аккаунтами для B2B и фрилансеров (сегодня как раз запускаем) 5/ Помимо постов - набор инструментов для профиля (карусель, анализ профиля, календарь и т.д.)

Если посмотреть видео предыдущего запуска и попробовать текущий продукт - станет понятно, что общего между ними меньше, чем различий. Я посмотрел - стало немного стыдно за предыдущую версию 😀

Цель та же - максимально сократить время на создание личного бренда в LinkedIn за счет контента, не подвергая риску банов.

Большая просьба поддержать:

Голосуйте (upvote) и оставляйте комментарий (это не менее важно) по ссылке:

👉 https://www.producthunt.com/products/2pr-2?launch=2pr-v-2-0

Каждый голос для меня важен. Всем большое спасибо!

хочу в ближайшее время написать пост про то, как сервисная работа становится обязательной частью любого B2B SaaS AI продукта, но а пока закину мем-трейлер.

The big (fake?) AI short

Медиа торгует вниманием. Модель простая: покупаем, а лучше бесплатно получаем внимание, и перепродаём его рекламодателям. Беспроигрышный способ намайнить бесплатного внимания – выдавать пугающие прогнозы. Желательно сопровождать их большими, впечатляющими числами. В этом смысле Майкл Бюрри – идеальный ньюсмейкер.

Все уже написали про его недавние твиты и форму 13-F. Типичные заголовки: «Бюрри зашортил Nvidia и Palantir на 80% фонда», «Бюрри поставил $900 млн. против Палантира». Поразительно, но такую лажу выдают даже уважаемые профильные издания вроде Financial Times. Уж если FT пишет такое, то не приходится многого ожидать от комментаторов, которые делятся в соцсетях своими умозаключениями по этому поводу на основе статей из прессы.

Что на самом деле можно сказать, глядя на форму 13-F Scion Asset Management? Почти ничего определённого. Во-первых, раскрытию подлежат только длинные позиции, поэтому мы не знаем, не шортил ли фонд одновременно акции или коллы на акции. Во-вторых, раскрывается только число опционов, но не дата экспирации и страйк. Таким образом, сумма ставки Бюрри через путы может лежать в очень широком диапазоне. Если опционы короткие, а страйки очень низкие, то размер ставки близок к нулю. Реальность скучная и неоднозначная, поэтому рассказывать будут о выдуманных миллиардных ставках. Благодарные слушатели этих рассказов находятся, внимание продаётся, менеджеры медиа-компаний говорят спасибо Бюрри и идут искать следующий инфоповод.

писал тут раньше в контексте про вайб-код тулы, что личный профиль это главная модель дистрибуции.

но это были какие-то теоретические наблюдения, сейчас как-то изнутри это наблюдаю но если шире: программной курации ждать не стоит. в ChatGPT или Claude не появится app store в привычном виде. им нужны long-session задачи и контент плюс сам чат-интерфейс сильно ограничивает, что можно строить. это не API для железа.

личная дистрибуция как с onwned так и алгоритмическими каналами понятна, но требует ресурсов для раскачки.

тогда где быстро взять фичеринг и траффик?

заметил, что растет сегмент контентной курации. далеко ходить не надо - в телеграме куча каналов, которые растут только на том, что фильтруют тысячу новых тулов в день, отделяют хорошее от шума.

это может быть канал, сайт, может быть блог, канал на ютубе - не важно. есть те, кто приземляет потребность в поиске.

главная ценность в том, люди доверяют вкусу конкретного человека, который смотрит и фильтрует за них.

это что-то между работой с инфлюенсерами и досками-категоризаторами, но персонализированное.

думаю даже самому даже вести такую курацию, где-нибудь в линкедине или в своей сабстэке

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.