Два типа решений которые я принимаю по-разному

Заметил за собой паттерн который долго не мог сформулировать.

Есть решения где нужно больше данных. И есть решения где больше данных не помогают - только откладывают.

Первый тип: технические и операционные решения. Какую платёжку подключить, как организовать онбординг, какой инструмент выбрать для аналитики. Здесь данные реально помогают. Можно посчитать, сравнить, проверить на маленькой выборке.

Второй тип: стратегические и продуктовые решения. Идти в этот сегмент или нет, запускать эту фичу или другую, нанимать этого человека или подождать. Здесь дополнительные данные почти никогда не меняют решение. Они только создают ощущение что ты думаешь а не откладываешь.

Разница которую я для себя нашёл: в первом типе данные снижают неопределённость. Во втором - они её маскируют. Неопределённость никуда не уходит, просто становится менее заметной за таблицами.

Сейчас когда ловлю себя на желании «собрать ещё данных» - спрашиваю: изменит ли следующая порция информации моё решение или я просто ищу повод не решать? Если честный ответ второе - принимаю решение с тем что есть.

Как вы разделяете у себя эти два типа?

Считал экономику платного Telegram-канала. Комиссия с оборота или фиксированный тариф - разница оказалась неожиданной

Последний месяц изучаю рынок монетизации Telegram. Не в теории - смотрел реальные проекты, считал цифры, разбирал юридические нюансы.

Поделюсь тем что удивило.

Большинство людей выбирают сервис по стоимости подключения. Это почти всегда ошибка.

Настоящая стоимость - в модели работы сервиса. А моделей сейчас три.

Модель 1 - комиссия с каждой оплаты

Tribute, Paywall и похожие сервисы берут 10-20% с каждой транзакции. Деньги идут через их систему, они выплачивают тебе остаток по расписанию.

Считаем на конкретных числах. При обороте 30 000 рублей в месяц комиссия 10% это 3 000 в месяц и 36 000 в год. При обороте 100 000 - уже 10 000 в месяц и 120 000 в год. При 300 000 - 30 000 в месяц и 360 000 в год только за пользование платформой.

Плюс: не надо думать о платёжках, просто подключился и работаешь.

Минус который мало кто считает заранее: при обороте от 100к в месяц комиссия начинает ощутимо давить. А ещё - Tribute работает через иностранное юрлицо (TRBT Limited). Для самозанятых это дополнительные вопросы по 173-ФЗ о валютном контроле.

Модель 2 - Telegram Stars

Нативная валюта платформы. Пользователь платит не выходя из Telegram, конверсия выше.

Но есть нюансы которые многие узнают постфактум. Если пользователь купил Stars через iOS или Android - Telegram отдаёт разработчику примерно 70%, остальное уходит Apple или Google. Если через десктоп - почти всё твоё. Вывод только через Fragment в TON, для рублёвой отчётности лишний шаг.

Для кого подходит: проекты где аудитория сидит в основном на десктопе, или те кто не против крипто-вывода.

Модель 3 - фиксированный тариф

Деньги идут напрямую на твой счёт в ЮKassa или CloudPayments, сервис берёт фиксированную абонентку.

Та же математика. При обороте 30 000 в месяц платишь фикс около 2 000 - экономия против 10% всего 1 000, разница несущественная. При 100 000 в месяц фикс те же 2 000, экономия уже 8 000. При 300 000 - фикс 2 000, экономия 28 000 в месяц. За год это больше 300 000 рублей которые остаются у тебя а не у платформы.

Из российских сервисов с такой моделью смотрел Nemiling - там фиксированный тариф от 1 790 ₽ в месяц без ограничений по количеству проектов, деньги приходят напрямую на счёт, бесплатно до 5 000 ₽ оборота.

Что ещё важно при выборе - и про что почти не пишут.

Автоматическое удаление при отмене подписки. Кажется очевидным, но не все сервисы делают это надёжно. Если бот не удалил пользователя который не продлил - он продолжает получать закрытый контент бесплатно. На маленькой аудитории не критично, на большой - реальные потери.

Платные группы а не только каналы. Большинство сервисов умеют закрытые каналы. Но платная группа где участники общаются между собой - это другой технический сценарий. Не все его поддерживают.

Платные консультации с таймером. Если продаёшь не подписку а доступ к себе - нужен другой механизм. Пользователь платит за определённое время общения, после которого доступ закрывается автоматически.

Налоговый статус. Самозанятый или ИП - это влияет на выбор сервиса. Деньги которые приходят от иностранного юрлица могут создавать вопросы которые лучше закрыть заранее, а не когда уже пришло требование от банка.

Правильный вопрос при выборе сервиса не «сколько стоит подключение», а «какова полная стоимость при моём планируемом обороте через год» плюс «какие юридические риски я принимаю».

При обороте до 20-25 тысяч в месяц разница между моделями почти незаметна - можно брать что удобнее. При росте выше - фиксированный тариф начинает выигрывать математически.

А вы как выбирали инструмент для монетизации Telegram-проекта - считали экономику заранее или уже потом пересчитывали?

Документация, которую никто не читает, и документация, которую читают. В чём разница

Работал в командах, где документация была, и где её не было. И в командах, где она была, но не работала. Последнее - хуже всего.

Документация, которую не читают, обычно такая: большие страницы в Confluence с заголовками и подзаголовками. Написана когда-то давно. Возможно, даже правильно написана. Но устарела, и никто не знает насколько.

Документация, которую читают, обычно такая: короткая заметка прямо рядом с задачей. «Почему мы сделали именно так». «Что пробовали до этого». «Что точно не трогать и почему». Как правило, написана человеком, который только что через это прошёл.

Разница не в формате и не в инструменте. Разница в том, когда написана и зачем. Полезная документация пишется сразу после того, как разобрался, пока контекст свежий. И для конкретного читателя. Для того, кто столкнётся с этим следующим.

Большой текст с правильной структурой и устаревшим содержимым не помогает. Помогает заметка из двух абзацев, написанная вчера и по сути.

Важно чтобы у каждого раздела был ответственный, а так же правила обновления прямо в документации, иначе она превращается в разовую акцию.

Обновляйте документацию при каждом изменении кода, включайте это в Definition of Done.

Ежеквартально проверяйте документацию на актуальность, удаляйте устаревшее или лучше архивируйте для сохранения истории.

Пишите понятные заголовки, стабильные якоря и прописывайте единые шаблоны.

Как у вас в команде устроена документация, которая реально используется?

Локальный ИИ в компании - когда это оправдано

Читал недавно материал про то что локальный ИИ в 2026 году становится нормой для многих компаний. Хочу добавить продуктовый угол к этой теме.

Запускал несколько проектов где вопрос «облачная модель или локальная» стоял всерьёз. Вот когда локальный вариант действительно оправдан.

Работа с персональными данными. 152-ФЗ не оставляет выбора если у вас данные российских пользователей и вы хотите их гонять через LLM. Либо обезличиваешь до потери смысла, либо поднимаешь локально. Третьего нет.

Предсказуемые затраты при больших объёмах. Облачные API дешёвые пока объём маленький. При тысячах запросов в день считать токены становится болезненно. Локальная модель это капитальные затраты один раз.

Специфический домен. Если задача очень узкая - юридические документы конкретной компании, внутренняя документация, корпоративный стиль - дообученная локальная модель часто бьёт универсальную облачную по качеству на этой задаче.

Когда локальный вариант не оправдан: когда хочется попробовать и посмотреть. Разворачивать инфраструктуру под гипотезу которую ещё не проверили - дорого и медленно. Для экспериментов облако лучше.

Кто уже пробовал локальные модели в продакшене - какие задачи закрываете?

«Это разовая ситуация» - самая дорогая фраза в процессах

Видел сегодня статью про стоимость ручных исключений. Там формула и таблица. Хорошо написано, но я хочу добавить кое-что от себя.

В каждой команде с которой я работал была своя версия этой фразы. «Это нетипичный случай». «Сделаем руками, один раз». «Для этого клиента отдельный порядок».

Через год выясняется что таких «разовых» ситуаций накопилось сорок штук. Каждая требует чьего-то времени. Никто не помнит почему именно так. Новый человек в команде не знает что делать и спрашивает того кто знает. Тот кто знает тратит время на объяснение вместо работы.

Ручное исключение это не проблема само по себе. Проблема когда оно становится невидимым. Когда его не фиксируют, не считают и не решают является ли оно симптомом чего-то в процессе.

Простое правило которое помогает: если одно и то же исключение случилось три раза - это уже не исключение. Это дыра в процессе которую надо закрыть.

Как вы отслеживаете ручные исключения в своих процессах и правилах?

Три метрики которые я перестал считать

Работаю с продуктами давно. За это время накопил список метрик которые выглядят полезными но на практике не помогают принимать решения. Вот три из них.

DAU и MAU в отрыве от контекста. Цифра растёт - хорошо. Падает - плохо. Но сама по себе она ничего не говорит о том почему. Видел продукты с растущим DAU и ухудшающейся юнит-экономикой одновременно. Рост привлечения маскировал проблему с удержанием.

NPS. Красивая цифра для отчётов. Но детракторы часто просто уходят молча не заполняя опрос. Промоутеры заполняют охотно. В итоге метрика смещённая. Видел продукты с высоким NPS и растущим churn одновременно.

Completion rate онбординга. Люди проходят кликая далее не читая. Метрика зелёная, понимания продукта нет. Об этом уже писал, но продолжаю видеть это в проектах снова и снова.

Общая проблема у всех трёх: показывают что происходит, но не объясняют почему. А решения нужно принимать именно на основе почему.

Сейчас больше времени трачу на качественные данные: разговоры с пользователями, сессионные записи, открытые вопросы в опросах. Медленнее и субъективнее. Но решения на их основе чаще оказываются правильными.

Какие метрики вы перестали считать или считаете что переоцениваете?

Хочу сделать своего бота для монетизации платного контента в Telegram.

Смотрел условия и считал экономику уже существующих ботов и сервисов, и теперь не особо понимаю какую модель выбрать. Вернее понимаю какая была бы интересна мне, но если смотреть с точки зрения пользователя, особенно учитывая что бюджеты на рекламу у меня не такие огромные как у действующих конкурентов, нужно что-то очень выгодное для пользователей, как минимум на старте сервиса.

Кандидаты, которых изучил:

Tribute и Paywall - деньги идут через внутряннию систему сервисов, они забирают комиссию с каждой транзакции (от 10 до 20%). Tribute официально декларирует плоскую комиссию 10% выплаты по расписанию два раза в месяц. Для меня это хорошая модель: чем больше оборот, тем больше я заработаю. Но если смотреть глазами пользователя, при росте оборотов 10-20% начинают очень заметно съедать прибыль, и сегодня многие склоняются в пользу другой модели.

Nemiling - там переводы идут напрямую на счёт, а вместо комиссии фиксированный тариф за оборот: бесплатно до 5k руб/мес, дальше два плана без ограничения по количеству проектов - 1790 руб/мес при обороте до 60 000 руб/мес и 2990 руб/мес при обороте выше - без ограничений. По сути, это классическая SaaS-модель с подпиской.

Сравнивая выгоду и анализируя отзывы скадывается впечатление что фиксированная модель по типу Nemiling будет лучше для пользователей, а соотвестственно будет легче продвигаться, при это окупаемость будет дольше.

Как ведут себя цифры при обороте

Если по‑честному взглянуть на цифры, разница между процентной моделью (как у Tribute/Paywall) и фиксированной подпиской (как у Nemiling) становится болезненной уже на средних оборотах.

Если владелец канала стабильно делает 50 000 в месяц.
С комиссией 10% он каждый месяц отдаёт по 5 000, а за год набегает около 60 000 только за пользование платформой.
В фиксированной истории вроде Nemiling на таком уровне автор платит около 2 000 в месяц, то есть примерно 21-22 тысячи в год. Получается, вместо 60k он отдаёт чуть больше двадцати - просто потому, что платит фикс за сервис, а не процент с каждой оплаты.

А если автор стабильно держит в районе 300-500 тысяч в месяц?
При процентной модели 10% это уже 30-50 тысяч в месяц, то есть от 360 до 600 тысяч в год только за то, что он пользуется сервисом.
В фиксированной модели он всё так же платит несколько тысяч в месяц, суммарно порядка 35. Разница уже не просто ощутимая, а стратегическая.

Так вот как создателю бота, мне хочется запуститься с моделью как у Tribute или Paywall, она она обещает хорошие деньги, но с другой стороны, смогу ли я успешно конкурировать с такими закоренившимися ботами. Хочется зайти в нишу и при этом сделать всё так, что-бы иметь конкурентное приемущество.

Если выбрать решение типа Nemiling: удобный рублёвый вывод на счёт, фиксированная плата при росте оборотов и экономия в разы. У меня будет "козырь" с котрым проще зацепиться и удержаться, хотя и окупаемость будет дольше.

Вопросы к сообществу

1. Кто юзает ботов платных подписок: какую модель в итоге выбрали и почему?

2. Какие тонкие нюансы с выводом и отчётностью вы встречали при работе с Tribute, Paywall, Stars, Nemiling, investmember? Особенно интересует опыт с рублёвой отчётностью и валютным контролем.

3. Есть ли на сегодняшний день надёжные гибридные решения - например, фиксированная подписка + внутренняя опция «оплатить через Telegram (Stars)»?

Буду признателен за конкретные цифры, кейсы и ссылки на опытные расчёты. Спасибо!

ИИ-агенты никому не нужны. Или нужны?

Прочитал недавно статью на Хабре с таким заголовком. Автор разобрал Яндекс Вордстат и выяснил что реального спроса на «ИИ-агентов» почти нет. Бизнес ищет конкретные решения: бухгалтер, бот, автоматизация конкретной задачи. Не «агент».

Соглашусь наполовину.

Термин «ИИ-агент» действительно стал жертвой маркетинга. Когда слово используют одновременно для описания простого чат-бота и сложной автономной системы, оно перестаёт что-либо означать. Бизнес не ищет «агента». Бизнес ищет решение конкретной проблемы.

Но сама идея за словом работает. Проекты где система из нескольких инструментов с LLM в центре реально закрывает задачи которые раньше требовали живого человека есть и они отлично справляются. Не потому что это «агент», а потому что кто-то правильно сформулировал проблему и подобрал инструменты.

Разница между проектами которые работают и теми которые не работают, в большинстве случаев, не в технологии. Она в том правильно ли поставлена задача до того как вообще начали что-то строить.

ИИ-агенты не нужны. Нужны люди которые умеют правильно ставить задачи. А это дефицит покруче любой технологии.

Как у вас с этим в проектах?

Какое-то время работал по классическому скраму. Двухнедельные спринты, планирование, ретро, демо. Всё как в учебнике.

Потом перешёл на недельные циклы и мне зашло.

Две недели это слишком долго чтобы понять что пошло не так. Берёшь задачу, через неделю понимаешь что оценка была неверной, контекст изменился или задача вообще потеряла смысл. Но спринт ещё идёт и ты либо тащишь её до конца ради метрик либо объясняешь почему не доделал.

С недельным циклом горизонт короче. Ошибка в планировании стоит максимум неделю, не две. Адаптироваться проще.

Минус тоже есть, на большие задачи нужно уметь нарезать на недельные куски. Не всё режется красиво. Иногда приходится делать промежуточные результаты которые сами по себе не имеют смысла.

Но в целом для небольших команд недельные циклы работают лучше. По крайней мере у меня.

Кто пробовал менять длину спринта - назад вернулись?

Telegram-канал как продукт: что я понял только после запуска

Когда запускал платный канал, думал что весь фокус на контент. Сделай хороший контент, люди будут платить.

Как бы не так.

Первое. Люди не покупают контент, они покупают доступ к человеку. Два канала с одинаковым качеством материала показывают разную конверсию если у одного автора есть лицо, история и голос, а у другого просто полезные посты. Если в контенте нет тебя как личности, то он на фиг ни кому не нужен, если только это не контент для взрослых, конечно же.

Второе. Удержание в Telegram другое чем где-либо ещё. От email-рассылки отписываются легко, из закрытого канала уходят реже. Не потому что контент лучше, а потому что канал это сообщество. Человек уходит не от контента, он уходит от людей. Это меняет то как нужно думать про churn.

Третье. Первый дни решает почти всё. Если подписчик не вовлёкся в сразу, он скорее всего не будет продлевать подписку. Онбординг в Telegram продукте это не приветственное сообщение, это целый сценарий первых взаимодействий и чётко выстроенная структура информации внутри канала.

Всё это звучит очевидно когда читаешь. Не очень очевидно когда запускаешь.

Кто строил платные продукты в Telegram, что стало главным сюрпризом?

Telegram как платформа для платного продукта: что изменилось в 2026 году

Два года назад когда я впервые запускал платный доступ через Telegram, это выглядело как костыль. Бот принимает деньги, добавляет пользователя в закрытый канал, следит за сроком. Всё самописное, всё ломалось в самый неподходящий момент.

Сейчас картина другая.

Telegram Stars превратился в нормальный платёжный инструмент внутри платформы. Пользователь платит не выходя из мессенджера, конверсия ощутимо выше чем при редиректе на сайт. Для цифровых продуктов это реально меняет воронку.

Но самое интересное не в Stars. Аудитория Telegram в 2026 году психологически готова платить внутри мессенджера. Два года назад нужно было долго объяснять зачем вообще платить за контент в Telegram. Сейчас люди привыкли, платные каналы и боты стали нормой.

Что из этого следует для продуктов.

Telegram перестал быть каналом дистрибуции и стал полноценной платформой для монетизации. Со своей аудиторией, своей экономикой и своими ограничениями.

Ограничения реальные: вывод через Stars только в TON через Fragment, для российского бизнеса с рублёвой отчётностью это головная боль. Поэтому многие комбинируют: Stars для части аудитории, ЮKassa через Payments API для тех кто предпочитает карту.

Ещё один момент который я не ожидал: удержание в Telegram выше чем в большинстве других форматов. Люди не отписываются от бота так легко как от email-рассылки. Если продукт нормальный, churn заметно ниже.

Для каких продуктов это работает лучше всего: закрытые сообщества, доступ к контенту по подписке, консультации с автоматическим онбордингом. Для чего работает хуже: сложные SaaS с кучей настроек, всё что требует нормального личного кабинета.

Пробовали монетизировать что-то через Telegram?

Прежде чем тащить ИИ в процесс, сначала разберись что вообще происходит

Приходил недавно в одну компанию. Ребята хотели автоматизировать обработку заявок от клиентов. Уже выбрали инструмент, уже договорились с подрядчиком, уже почти подписали.

Попросил показать как сейчас работает процесс.

Оказалось что заявки приходят в три разных места: почта, телеграм и форма на сайте. Каждый менеджер забирает откуда хочет. Статусы никто не ведёт в режиме реального времени, только отчёты за месяц. Дубли не отслеживаются. Как итог клиентов обзванивают по несколько раз, тратя время и нервы.

Я спрашиваю: а что именно хотите автоматизировать? Они говорят: ну вот этот весь процесс, чтобы было чётко.

Это не автоматизация. Это ускорение хаоса.

Я уже видел такое несколько раз за последний год. Компания чувствует что что-то идёт не так, слышит везде про ИИ, решает что это и есть ответ. Но ИИ не чинит кривой процесс. Он его копирует и делает быстрее.

Правило которое я для себя вывел: если не можешь объяснить процесс новому сотруднику за 10 минут так чтобы он пошёл и сделал, не ломая при этом общую структуру, то автоматизировать ещё рано. Сначала объясни людям, выстрой свою систему, а потом уже автоматизируй.

ИИ хорошо берёт задачи которые уже работают но отнимают время. Повторяющиеся, понятные, с чётким результатом. Всё остальное это не автоматизация а эксперимент за твой счёт.

Кто сталкивался с таким, когда приходили автоматизировать а оказывалось что сначала надо просто навести порядок?

Промпт‑инженер: почему это уже не «просто писать в чат» - и что это значит для маркетинга

Недавно разбирал, как работодатели описывают роль промпт‑инженера, и поймал себя на стереотипе: я думал, что это человек, который просто формулирует запросы к нейросетям. Оказалось, картина сложнее.

Например, в требованиях часто встречается не только работа с LLM, но и навыки доработки контента. Потому что генерация - это половина дела: чтобы получить результат под реальные задачи, нужно уметь быстро «докрутить» картинку в графическом редакторе, причесать текст, адаптировать под тон бренда. То есть промпт‑инженер - это не только про слова, а про умение доводить генерацию до продакшн‑качества.

Ещё интересный момент про стек: в российских вакансиях заметно смещение в сторону локальных решений. Компании хотят строить процессы на инструментах, которые гарантированно доступны внутри инфраструктуры и не зависят от внешних ограничений. Для маркетинга это значит, что шаблоны, чек‑листы и рабочие процессы всё чаще будут «заточены» под локальные модели и интеграции.

Роль молодая, требования ещё формируются, и это создаёт и возможности, и неопределённость: сегодня нанимают под расплывчатые ожидания, а завтра могут появиться чёткие профили компетенций.

Для маркетолога это сигнал: навык «промпт + быстрая постобработка» становится конкурентным преимуществом. Это не про то, чтобы стать инженером, а про то, чтобы быстрее закрывать типовые задачи и не зависеть от подрядчиков.

А как у вас в работе? Используете ли вы промпты как часть регулярного процесса (контент, креативы, аналитика)? Что реально экономит время, а что пока выглядит как «ещё один инструмент ради инструмента»? Поделитесь в комментариях. 👇

Копирайтеры и ИИ: я два года нанимал людей, потом полгода пробовал заменить их нейросетями. Рассказываю что вышло.

В моей работе постоянно нужен текст. Описания продуктов, письма пользователям, онбординг, посты в канал, брифы и тому подобное. Раньше держал двух копирайтеров на постоянной основе плюс пару фрилансеров под всплески.

Когда нейросети стали относительно нормально писать по-русски, у многих очевидная мысль была одна: зачем платить людям. Я же изначально думал что без редакции тексты ИИ не более чем пустышка. Нужно было понять так ли это.

Я попробовал. Выбрав одно из направлений активно использовал ИИ вместо фрилансеров. И вывод у меня такой.

Что ИИ делает хорошо

Типовые тексты с четкой структурой. Описание чего-либо по подробному шаблону, по типу инструкций и постов про обновления. Даешь структуру и контекст, получаешь читаемый черновик. Это реально работает и реально экономит время.

Объем. Если нужно написать 20 вариантов заголовка или 5 версий одного письма для A/B теста, ИИ справляется быстро. Копирайтер на такое потратит в разы больше времени.

Скорость правок. Написал, не понравилось, переформулировал задачу, получил новый вариант. Без ожиданий, без объяснений, без «я переделаю к пятнице».

Где всё сломалось

Уникальность, или голос бренда. В каждом тексте конкретного человека есть узнаваемый стиль. Он придает изюминку блогу, порой именно он держит читателя. У нейронок этого нет. Можно задать стиль промптом, но через какое-то время модель начинает сползать обратно к своему обычному сухому тону. Приходится напоминать в каждом новом запросе, и это уже не автоматизация, это ручная работа другого формата.

Тексты про живой опыт. Кейсы, истории пользователей, объяснения через аналогии. ИИ пишет правдоподобно но пусто. Читаешь и понимаешь что за текстом никого нет.

К чему пришел

Фрилансеров на типовые задачи больше не нанимаю. Нейросети их закрывают нормально. Но скилы штатных копирайтеров становятся шире. Теперь им приходится работать с ИИ и в случае новых тем быстро адаптироваться, выходя за рамки привычных направлений. Тут то в первую очередь и помогают нейросети: быстро разобраться в чем-то новом, скомпоновать информацию и выдать скелет. Но перепроверять эту информацию и переписывать в чистовик всё же приходится людям.

Копирайтинг как профессия никуда не денется, по крайней мере в этом году точно. Как и всегда, выживут те кто будет постоянно шагать в ногу с прогрессом и множить свои скилы. А как считаете вы, ИИ смогут обогнать нас или это всё же просто инструмент?