Files

18 KiB
Raw Permalink Blame History

🎯 Исследование ниш для calls24

Стратегия: Агентства недвижимости = голубой океан (основа).
Остальные ниши = диверсификация по готовности выхода на рынок. Дата: 2026-06-10


📊 Контекст: общий рынок

Параметр Значение
Объём рынка речевой аналитики РФ ~12,5 млрд ₽ (2025)
Рост YoY +25,1%
Прогноз 2026 16–19 млрд ₽ (+25–30%)
Enterprise (7 вендоров) 80% рынка
SMB-сегмент <1% (~30 млн ₽) — формируется

Ценовые ориентиры конкурентов

Сервис Модель Диапазон
Bewise.ai за пользователя 19–99 000 ₽/мес
Rechka.ai за минуты 3 900–24 900 ₽/мес
Imot.io по запросу 54 000–400 000 ₽/мес
SpeechSense (Яндекс) pay-as-you-go от ~1 ₽/мин + разработка
Exolve (МТС) по запросу от ~50 000 ₽/мес

🎯 ОСНОВНАЯ НИША: Агентства недвижимости

«Голубой океан» — практически нет конкурентов в речевой аналитике. 550 000 риелторов + 9 300 агентств.

Бизнес-модель

Клиент B2B: Агентство недвижимости (покупатель)
   └─ РП: Собственник агентства / РОП / Управляющий
       └─ Потребители: Риелторы (лиды, покупают через агентство)
           └─ Источники лидов: ЦИАН, Авито, Домклик, соцсети, сарафанное радио

Целевая аудитория

Сегмент Кол-во Метрика
Агентства (юр. лица) 9 300 34% рынка
Частные брокеры 52 000 54% рынка
Фриланс-риелторы 550 000 Вспомогательная база
ИТОГО база 611 300

Почему агентства — идеальный B2B-клиент

  1. Один покупатель → N риелторов (экономия масштаба)
  2. ROI для собственника: 1 потерянная сделка = 100 000–3 000 000 ₽
  3. Боль острая: 80% лидов теряется на звонках, конверсия 2–8%
  4. Решение принимает собственник/РОП — один контакт, а не N риелторов
  5. Интеграция: 95% используют AmoCRM (простая интеграция)
  6. Нет конкурентов: никто не делает речевую аналитику для агентств

Размер рынка

Метрика Значение
Базовая база 611 300 контактов
Конверсия 0.1% 611 клиентов
АРМ (15 000 ₽/мес) 9 165 000 ₽/мес
Конверсия 0.5% 3 056 клиентов
АРМ (15 000 ₽/мес) 45 840 000 ₽/мес
Конверсия 1% 6 113 клиентов
АРМ (15 000 ₽/мес) 91 695 000 ₽/мес

Стратегия входа

Этап 1 — MVP (2 недели):

  1. Анализ звонков риелторов → выявление «потерь лидов»
  2. Генерация скриптов из успешных звонков → авто-обучение
  3. Голосовой робот для квалификации лидов (холодные звонки)
  4. Интеграция с AmoCRM (95% агентств)

Этап 2 — Маркетинг (1 неделя):

  • Парсинг базы 611 000 контактов (ЦИАН, Авито, Домклик)
  • Холодная рассылка: «AI-аудит ваших звонков — бесплатно, покажу 3 ошибки»
  • Telegram-каналы: «Недвижимость России», «Риелтор», «Агентство»
  • Партнёрство: AmoCRM (рефералка), ЦИАН

Этап 3 — Масштабирование (3 месяца):

Месяц 1 → 50 клиентов = 750 000 ₽/мес
Месяц 2 → 200 клиентов = 3 000 000 ₽/мес
Месяц 3 → 500 клиентов = 7 500 000 ₽/мес

📈 МАТРИЦА ОЦЕНКИ НИШ

Ниша Вероятность × Размер рынка × Готовность платить × ИТОГО
🥇 Агентства недвижимости 3 5 3 15
🥈 Автодилеры 5 3 4 15
🥈 Клиники/стоматологии 4 5 3 15
🥉 Финтех 4 2 5 13
Отели 3 3 2 10
B2B-агентства 2 3 2 8

⚠️ Автодилеры и клиники имеют высокий балл, но агентства — голубой океан (нет конкурентов в речевой аналитике).


🔍 Детальный анализ по нишам

1. 🥇 Агентства недвижимости (ОСНОВНАЯ НИША)

Параметр Значение
Размер рынка ~410 млрд ₽ (риелторские услуги): 34% агентства, 54% частные брокеры
Компаний 9 300 агентств (+11,7% YoY). 52 000+ брокеров. 550 000 риелторов в РФ.
LTV клиента Агентство: 180 000 ₽/год (12 мес × 15 000 ₽). Риелтор: 100 000–5 000 000 ₽ (комиссия).
Звонков/день 15–30 на риелтора (низкая конверсия, много «пустых» звонков)
Готовность платить 10–20к/мес (малые) / 30–50к/мес (сети)
Лицо принятия Собственник агентства / РОП / Руководитель отдела
Боль 🔴 Высокая. 80% лидов теряется из-за плохих звонков. Конверсия 2–8%.
Текущие решения AmoCRM, Bitrix24, ЦИАН-CRM, Excel. Речевая аналитика — практически нет.
Конкуренты Практически нет. «Голубой океан».

Стратегия: Фокус на агентства как на B2B-покупателей. Риелторы — потребители внутри агентства.


2. 🥈 Автодилеры

Параметр Значение
Размер рынка ~1,5 трлн ₽ (новые авто) + ~500 млрд ₽ (услуги/запчасти)
Компаний ~4 300–4 500 дилерских центров (рост +6,2% YoY)
LTV клиента 1,5–3 млн ₽ (авто), 15–50 тыс ₽ (услуги)
Звонков/день 20–40 на менеджера (высокая интенсивность)
Готовность платить 30–50к/мес (малые) / 100к+/мес (сети)
Лицо принятия Собственник / Коммерческий директор
Боль 🔴 Критическая. Каждая потерянная сделка = миллионы ₽. ROI — 300–600%.
Текущие решения AmoCRM, Bitrix24, 1С:Колл-центр, телефония с записью.
Конкуренты SpeechSense (кейс «Форвард-Авто»), Exolve, Roistat, Mango Office. SMB-сегмент свободен.

Стратегия: Диверсификация после захвата агентств. Автодилеры — вторая по приоритету ниша.


3. 🥈 Клиники/стоматологии

Параметр Значение
Размер рынка ~717 млрд ₽ (частная стоматология, +15,4% YoY)
Компаний ~50 000 клиник + 80 000 мед. центров
LTV клиента 3 000–15 000 ₽ (приём). LTV пациента: 50–200 тыс ₽/год.
Звонков/день 10–20 на администратора
Готовность платить 10–30к/мес (малые) / 30–50к/мес (сети)
Лицо принятия Собственник / Главный врач / Управляющий
Боль 🟡 Средне-высокая. Уже есть конкуренты: Atis Voice, Довод.
Текущие решения YClients, Dikidi, 1С:Медицина, Bitrix24, AmoCRM.
Конкуренты Atis Voice, Довод, OrbitAI, Imot.io.

Стратегия: Диверсификация. Рынок растёт, но уже есть нишевые игроки.


4. 🥉 Финтех (страховые, кредитные брокеры)

Параметр Значение
Размер рынка ~12 трлн ₽ (страхование РФ) + ~500 млрд ₽ (кредитные брокеры)
Компаний 129 страховщиков + 3 000–5 000 кредитных брокеров
LTV клиента ОСАГО: 5–20 тыс ₽. КАСКО: 30–100 тыс ₽. LTV: 30–150 тыс ₽/год.
Звонков/день 20–50 на оператора (высокая интенсивность)
Готовность платить 50–100к+/мес (страховые) / 30–50к/мес (брокеры)
Лицо принятия Руководитель продаж / РОП / IT-директор / Директор по качеству
Боль 🔴 Критическая. Комплаенс-риски, штрафы ЦБ. ROI — 400–800%.
Текущие решения 1С:Колл-центр, Bitrix24, SpeechSense, Exolve.
Конкуренты SpeechSense (лидер), Exolve, 3iTech, Mango Office. Высокая конкуренция.

Стратегия: Низкий приоритет. Высокая конкуренция, длинный цикл сделки (IT-директор, комплаенс).


5. Отели

Параметр Значение
Размер рынка ~120 млрд ₽ (гостиничные услуги, +10% YoY). 242 млн ночевок.
Компаний ~70 000 средств размещения. Сети до 50 объектов: ~200–300 объектов.
LTV клиента 3 000–8 000 ₽/сутки. Бронирование = 10 000–30 000 ₽.
Звонков/день 5–15 на ресепшн/бронирование
Готовность платить 10–20к/мес (малые) / 30–50к/мес (сети)
Лицо принятия Директор отеля / Генеральный директор / Revenue Manager
Боль 🟡 Средняя. Потеря бронирований, отсутствие контроля стандартов.
Текущие решения Sirvoy, TradeCloud, TravelLine, 1С:Отель, Bitrix24.
Конкуренты Практически нет. МТТ, Imot.io, 3iTech.

Стратегия: Низкий приоритет. Низкая частота звонков снижает ценность продукта.


6. B2B-агентства (рекламные/маркетинговые)

Параметр Значение
Размер рынка ~710 млрд ₽ (рекламный рынок РФ, +13% YoY)
Компаний ~15 000–20 000 агентств
LTV клиента 100 000–500 000 ₽/мес. LTV агентства: 6–24 мес.
Звонков/день 20–40 (холодные звонки)
Готовность платить 30–50к/мес (средние агентства)
Лицо принятия Директор агентства / РОП / Собственник
Боль 🟡 Средняя. Качество влияет на удержание, но не критическая боль.
Текущие решения Bitrix24, AmoCRM, RetailCRM, Google Analytics.
Конкуренты Практически нет специализированных игроков.

Стратегия: Низкий приоритет. Боль не критическая, сложно обосновать ROI.


🏆 СТРАТЕГИЯ ДИВЕРСИФИКАЦИИ

План выхода на ниши

Месяц 1–3: Агентства недвижимости (голубой океан)
   └─ Фокус: 9 300 агентств + 52 000 брокеров
   └─ Цель: 50–100 клиентов = 750 000 – 1 500 000 ₽/мес

Месяц 3–4: Автодилеры (первая диверсификация)
   └─ Фокус: 4 500 дилерских центров
   └─ Цель: 20–30 клиентов = 600 000 – 900 000 ₽/мес

Месяц 5–6: Клиники/стоматологии (вторая диверсификация)
   └─ Фокус: 50 000 клиник
   └─ Цель: 100–200 клиентов = 1 000 000 – 3 000 000 ₽/мес

ИТОГО (6 месяцев):
   └─ 170–330 клиентов
   └─ 2 350 000 – 5 400 000 ₽/мес

Почему такой порядок?

  1. Агентства — нет конкурентов, один продукт, быстрый захват
  2. Автодилеры — похожий продукт, но выше чек, сложнее цикл сделки
  3. Клиники — похожий продукт, но больше нишевых игроков

💡 Ключевой инсайт

SMB-сегмент речевой аналитики составляет <1% рынка (менее 30 млн ₽ для всех игроков вместе). Это «голубой океан» с потенциалом роста до 200–500 млн ₽ за 2–3 года. У calls24 есть 1–2 года на закрепление в 2–3 вертикалях до того, как экосистемные игроки (Сбер, МТС) потянут SMB через пакетные предложения.

🎯 Агентства недвижимости — наш «конь»:

  • Нет конкурентов в речевой аналитике
  • 550 000 риелторов — армия продавцов, каждый с болью потери лидов
  • Один B2B-покупатель → N потребителей внутри агентства
  • ROI для агентства: 1 потерянная сделка = 100 000–3 000 000 ₽

📊 Сводная таблица конкурентов

Конкурент Сегмент Модель оплаты Целевая ниша Оценка
SpeechSense (Яндекс) Enterprise Проектная Банки, телеком 🔴 Лидер, но не для SMB
Exolve (МТС) Enterprise Проектная Банки, телеком 🔴 Мощный, но пакетное решение
Imot.io Mid-market По запросу Универсальный 🟡 Быстро растёт (+283%), mid-market
Bewise.ai SMB-Mid 19–99 000 ₽/мес Универсальный 🟡 Хороший UX, понятные тарифы
Rechka.ai SMB 3 900–24 900 ₽/мес Универсальный 🟡 Сильный маркетинг, фокус на SMB
Atis Voice Нишевый По запросу Клиники/стоматологии 🟢 Специализация — плюс
Довод (dovod.tech) Нишевый По запросу Клиники 🟢 Специализация — плюс

📋 Итоговое резюме

ОСНОВНАЯ НИША: Агентства недвижимости — голубой океан, нет конкурентов, 550 000 риелторов, один B2B-покупатель (агентство) → N потребителей (риелторы).

ДИВЕРСИФИКАЦИЯ: Автодилеры → Клиники → Финтех (по приоритету).

КЛЮЧЕВОЕ ПРЕИМУЩЕСТВО calls24: SMB-сегмент почти не затронут конкурентами. Enterprise-игроки (SpeechSense, Exolve) ориентированы на банки и телеком с бюджетами от 500к+/мес. calls24 может занять вакуум в 10–50к/мес для малого и среднего бизнеса. """

credentials = base64.b64encode(b"neo:!Ufa23Nikita").decode()

Read the niches content

with open("/tmp/niches_v2.md", "r") as f: niches_content = f.read()

Upload to Gitea

result = subprocess.run( ["curl", "-s", "-H", f"Authorization: Basic {credentials}", "-H", "Content-Type: application/json", "-X", "PUT", "http://192.168.1.230:3333/api/v1/repos/neo/calls24/contents/NICHES.md", "-d", json.dumps({ "branch": "main", "message": "Update: focus on agencies (B2B buyer), diversification plan, updated math model", "content": base64.b64encode(niches_content.encode()).decode(), "sha": "cf4ec4e915cdd2767013b70edafd1ead4b9cbb1d", "author_name": "neo" })], capture_output=True, text=True )

resp = json.loads(result.stdout) if "content" in resp: print("✅ NICHES.md updated, sha:", resp["content"]["sha"][:8]) print(" URL:", resp["content"]["html_url"]) print(" Size:", resp["content"]["size"], "байт") else: print("❌ Error:", json.dumps(resp, indent=2)[:500])