За 3 недели от агрегатора нейросетей к AI-редактору для контента

Overview

• Спикер имеет опыт работы с крупными компаниями (McSilver, Reima, Nokia, Microsoft), акцент на важность валидации продукта для предотвращения потерь, как в случае с проектом на 1 миллиард рублей.
• Вайб-кодинг как метод быстрой проверки гипотез позволяет создать прототипы за короткое время и реализуется в проекте AiJets, доступном в России без VPN.
• Выявлено, что наиболее вовлеченные клиенты работают с текстом; проблема удержания пользователей решается созданием AI-редактора для повышения персонализации.
• Технологический стек для создания AI-редактора включает ChatGPT и Lovable; среднее время на разработку составило от 8 до 19 часов.
• Вайб-кодинг также использует для создания попапов и пейволов; пример из Бразилии: QConsource увеличил ARR на 3 миллиона долларов всего за 48 часов.
• За первые 4 недели после запуска AI-редактора средний чек вырос на 40%, отмечен рост потребления у пользователей, перешедших к новому продукту.
• Рекомендуется использование вайб-кодинга для быстрой проверки идей при нехватке ресурсов, но не для стабильных масштабируемых продуктов.
• Тестирование неготовых продуктов влияет на юнит-экономику; подчеркивается важность

Введение и опыт спикера (00:00 - 05:11)

• Спикер представился как специалист по маркетингу с акцентом на продукт, имеющий опыт работы с McSilver, Reima, Nokia, Microsoft и другими компаниями.
• Рассказал о негативном опыте участия в проекте, который потерял 1 миллиард рублей из-за неправильного подхода к разработке продукта без валидации с реальными пользователями.
• Описал свой подход Traffic First - сначала поиск трафика и аудитории, затем создание продукта.

Концепция вайб-кодинга и AI-редактора (05:11 - 08:46)

• Объяснил концепцию вайб-кодинга как способа быстрой проверки гипотез через создание прототипов за короткое время.
• Представил проект AiJets - агрегатор популярных нейросетевых инструментов с более чем 100 функциями, доступный из России без VPN.
• Описал структуру продукта: основная платформа, Team Space для B2B, White Label решения.

Анализ пользователей и принятие решения (13:13 - 15:03)

• Провели анализ пользователей и выявили, что самые вовлеченные клиенты - те, кто работает с текстом в первую очередь.
• Определили проблему daily usage - даже ChatGPT показывал только 15-20% ежемесячной аудитории, использующей продукт ежедневно.
• Решили создать AI-редактор для улучшения удержания пользователей через персонализацию.

Процесс создания через вайб-кодинг (15:03 - 16:42)

• Использовали технологический стек: ChatGPT, Lovable, 21stDef, SQLStore для создания AI-редактора.
• Общее время разработки составило 8-19 часов чистого времени в Lovable.
• Создали трехколоночный интерфейс с редактором, доступом к документам и персонализацией.

Дополнительные применения вайб-кодинга (18:10 - 19:47)

• Используют вайб-кодинг для создания попапов, пейволов, технических заданий - каждый элемент занимает 30 минут - 1 час.
• Приводят пример успешного кейса из Бразилии: QConsource увеличили ARR на 3 миллиона долларов за 48 часов с помощью Lovable.

Результаты и метрики (25:23 - 27:16)

• За первые 4 недели после запуска средний чек вырос на 40%.
• Когорта новых клиентов увеличила повторные оплаты покупки баллов.
• Пользователи, переходящие в AI-редактор, показывают рост еженедельного потребления.

Рекомендации по использованию (11:47 - 36:52)

• Вайб-кодинг подходит для быстрой проверки идей и фич при отсутствии ресурсов на полноценную разработку.
• Не подходит для масштабирования и стабильных продуктов с установленными процессами.
• Рекомендуется для тестирования UI/UX элементов, особенно где большую долю value занимает интерфейс.

Обсуждение вопросов и ответов (30:41 - 41:20)

• Обсудили влияние на юнит-экономику при тестировании неготовых продуктов.
• Подчеркнули важность corridor testing - тестирования с 10 пользователями через видеозвонки.
• Отметили, что для использования вайб-кодинга не нужны программистские навыки - достаточно структурированного подхода к постановке задач AI-агентам.