Александр Горный - Стартап. Как начать с нуля и изменить мир

Прайс стартапа выглядит по-современному, с открытыми тарифами, бесплатным минимумом на пробу и оплатой по карте. Оптом 1000 секунд распознавания стоит 40 центов, в переводе на восьмичасовой рабочий день выходит 250 долларов в месяц. Сейчас это сравнимо с конечной ценой живого человека в Бангладеш, но куда лучше масштабируется и со временем будет дешеветь, а не дорожать. Со стоимостью аренды сервера эти числа можно даже и не сравнивать, unit-маржинальность у Matroid отличная.

Хотя клиенты приходят с улицы с произвольными задачами, сам Matroid целенаправленно ищет потребителей в определенных секторах. Кроме очевидной безопасности, сейчас он активно предлагает мониторинг телевидения для крупных компаний в поисках показов их логотипов и первых лиц.

Любопытно, что стартап выглядит очень круто и современно, но прорывных технологий внутри нет, библиотеки используются чужие, веб-интерфейс с биллингом может повторить каждый. Продукт уже готов, а инвестиций пока потрачено всего 3,5 миллиона долларов, в последнем раунде привлечено 10, но это на будущий маркетинг, а не на разработку.

https://www.matroid.com/

За свою жизнь Shazam набрал больше миллиарда загрузок, вряд ли кто-то из читателей не знает, как он работает, но на всякий случай кратко опишу идею. Пользователь запускает приложение, нажимает главную кнопку размером в пол-экрана, Shazam распознает играющую рядом музыку, сообщает ее автора и название вместе со ссылкой на магазин. Вторая половина экрана занята рекламой; по большому счету, ничего сверх этого в приложении нет.

Работает Shazam хорошо, музыка распознается не только из официального трека, но и из фона в рекламе или миксов. База записей не охватывает вообще всё, созданное человечеством, но очень велика. Для примера: стартап умеет находить «Комсомольцев-добровольцев» в исполнении ансамбля имени Александрова, но не знает «Когда рассвет, товарищ?» Мирей Матьё – граница актуальности лежит где-то между этими двумя композициями.

История Shazam – история двух технологических революций. Первые инвестиции стартап получил еще в 2001 году, за 6 шесть лет до релиза айфона, за год до появления коммерческих 3G-сетей. Продукт было невозможно не только массово использовать, но и эффективно монетизировать – презентация iTunes Store состоялась 28 апреля 2003 года, Spotify родился в 2006-м. Потребовалось десять лет, чтобы появилась вся нужная инфраструктура и Shazam стал действительно востребованным. Аудитория росла, вместе с ней росла выручка, компания привлекала новые инвестиции по всё более высокой оценке. В 2015 году стартап достиг оценки в миллиард долларов, перспективы были самые радужные.

А потом случилась революция глубокого обучения, произошел прорыв в развитии нейросетей. На наших глазах ключевая технология Shazam из полумистического достижения инженерной мысли стремительно превращается в неплохую дипломную работу студента «Техносферы». И одновременно пропадают перспективы: в новой реальности продукт относительно легко и дешево повторяем, никакого конкурентного барьера у него нет, пользователю всё равно, пользоваться оригиналом или клоном.

При этом Shazam хотел кому-то продаться: фонды не прочь были вернуть свои инвестиции, а основатели – наконец что-то заработать на проекте, который ведут почти двадцать лет. Справедливая цена продажи определялась текущей выручкой – 50 миллионов долларов в год. Apple – один из идеальных покупателей: денег у него много, интерес к музыке огромный, более логичную сделку трудно придумать. Apple и купил Shazam за 400 миллионов долларов в декабре 2017 года.

https://www.shazam.com/

По многим параметрам мобильные приложения уже обошли сайты, их значение для пользователей и интернет-бизнеса растет с каждым годом, и вместе с ним растет важность ASO (App Store Optimization). Asodesk предлагает инструмент для мониторинга популярности поиска ключевых слов в сторах.

Техническая идея очень простая, только реализовать ее куда сложнее, чем описать. Пока пользователь вводит запрос, App Store и Google Play пытаются угадать, что он имеет в виду, и предлагают подсказки. Варианты сортируются на основе популярности, а значит, какая строка выше – ту чаще и ищут. Asodesk ежедневно запрашивает у сторов миллиарды подсказок, сравнивает разные варианты и составляет рейтинг популярности запросов – эдакий Wordstat Яндекса, но для ASO. Абсолютные числа ему брать неоткуда, Asodesk меряет только соотношение между разными словосочетаниями. На практике это не самый страшный недостаток: точные числа пользователю всё равно не нужны, описание приложения затачивают под лидеров тематики, нет принципиальной разницы, сколько именно запросов, если их много.

Кроме сортировки запросов Asodesk показывает положение приложений в выдаче по каждому из них. Следить можно за собственным продуктом, за прямыми конкурентами или за всеми, кто попадает в топ по интересующему ключевику. И конечно, все данные обернуты в красивые дашборды, графики и нотификации об изменениях в Slack – не csv-файлы же в 2018 году продавать. Бесплатный тариф Asodesk сильно ограничен, но позволяет поиграться и попробовать продукт, платные – начинаются с 50 долларов в месяц.

Кроме аналитики Asodesk предлагает скромную функцию «вывод в топ» (продажу мотивированных установок), по словам основателя, ее доля в общей выручке не решающая.

В Долине проект получил бы 10 миллионов долларов инвестиций (правда, от «вывода в топ» пришлось бы отказаться), в России стартап живет на свои, даже несмотря на прицел на мировой рынок и реальные продажи в США. Лояльных платящих клиентов аналитики у Asodesk сейчас несколько сотен.

https://asodesk.com

Автоматическая идентификация лиц коммодитизируется, новые поставщики появляются каждый месяц, ничего интересного в этом нет. Тем не менее американский Ever дает повод написать о двух особенностях этого бизнеса.

Во-первых, он наглядным образом демонстрирует, что технологии уже достаточно хороши, чтобы качество не приносило существенных бенефитов. На промостранице Ever висят результаты «объективных» тестов, по которым стартап, разумеется, занимает уверенное первое место. Однако даже в этом пристрастном исследовании, которое явно не завышало результаты конкурентов, видно, что они прекрасны и неотличимы. Невозможно сказать, лучше ли 98,37 % правильных ответов в одном тесте и 99,7 % в другом, чем 98,67 % и 99,3 %, или наоборот. И даже если у кого-то «всего лишь» 98,0 % и 99,0 % – нет представимых сценариев, в которых это существенно повлияет на бизнес клиента. Технология с 99,999 % точности найдет себе новые применения, но пока все болтаются в диапазоне 98–99,5, их возможности идентичны.

Во-вторых, Ever показывает, от чего зависит качество продукта, и это совсем не гениальные инженеры. Еще три года назад стартап развивал приложение, максимально далекое от искусственного интеллекта и распознавания образов, – мобильную бэкапилку фотографий. Фото и видео перезаливались с телефона в платное облако, потом пользователь в удобном интерфейсе чистил память своего аппарата и продолжал беззаботно фотографировать. Предложение совершенно не уникальное, альтернатив много, но аудитория у Ever была, и в облаке стартап накопил 12 миллиардов фотографий, размеченных хотя бы автором. На этой базе стартап и тренировал нейросетку, отсюда и пришли хорошие результаты.