From c700b3eb6378aa88cbbd57688c59d0404ffd671f Mon Sep 17 00:00:00 2001 From: neo <397763@gmail.com> Date: Fri, 26 Jun 2026 14:50:53 +0500 Subject: [PATCH] =?UTF-8?q?=D0=94=D0=BE=D0=B1=D0=B0=D0=B2=D0=BB=D0=B5?= =?UTF-8?q?=D0=BD=D0=BE=20=D0=BF=D0=BE=D0=B4=D1=80=D0=BE=D0=B1=D0=BD=D0=BE?= =?UTF-8?q?=D0=B5=20=D1=82=D0=B5=D0=BA=D1=81=D1=82=D0=BE=D0=B2=D0=BE=D0=B5?= =?UTF-8?q?=20=D0=BE=D0=BF=D0=B8=D1=81=D0=B0=D0=BD=D0=B8=D0=B5=20=D0=BA=20?= =?UTF-8?q?=D0=BA=D0=B0=D0=B6=D0=B4=D0=BE=D0=B9=20=D1=81=D0=B5=D0=BA=D1=86?= =?UTF-8?q?=D0=B8=D0=B8?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- ARCHITECTURE.md | 968 +++++++++++++++++++++++++++++++----------------- 1 file changed, 621 insertions(+), 347 deletions(-) diff --git a/ARCHITECTURE.md b/ARCHITECTURE.md index 6325dbd..64f4d39 100644 --- a/ARCHITECTURE.md +++ b/ARCHITECTURE.md @@ -4,158 +4,164 @@ --- +## Краткая выжимка + +Сейчас B2B-инструменты работают по модели **data → инсайты → человек решает**. Это называется **open-loop** — система показывает данные, но всё решение остаётся на вас. + +ROI24 v2 работает по модели **data → инсайты → действие через API**. Это **closed-loop** — система не только находит проблему, но и автоматически устраняет её: снижает ставки в рекламе, переключает бюджеты, запускает обучение менеджеров. + +**Простыми словами:** Вы не смотрите графики и не думаете «надо что-то сделать». Система сама говорит что делать — и делает. + +--- + ## 1. Концепция: Замкнутый цикл принятия решений -Большинство B2B-инструментов работают в **open-loop** режиме: данные → инсайты → человек решает. -ROI24 v2 работает в **closed-loop** режиме: данные → инсайты → действие через API. +### Проблема текущего рынка -```mermaid -flowchart TB - subgraph DATA_SOURCES ["📡 Источники данных"] - A1[1С / ERP] - A2[CRM-система] - A3[Рекламные кабинеты] - A4[Банки / Платежи] - A5[Call-tracking] - A6[Сайт / Аналитика] - end +Подавляющее большинство систем аналитики (Grafana, DataLens, Power BI, кастомные дашборды) — это **зеркала**. Они показывают, что происходит. Но владелец бизнеса не аналитик — ему не нужно видеть цифры, ему нужно знать **что делать**. - subgraph PROCESSING ["⚙️ Обработка и анализ"] - B1[Rule Engine
Пороги, бенчмарки, корреляции] - B2[ML Pipeline
Анализ звонков, NLP, классификация] - B3[Аномалии & Прогнозы
Поиск отклонений, LLM-инсайты] - end +**Текущий процесс (open-loop):** +1. Система показывает: CAC вырос на 40% за неделю +2. Владелец видит график → звонит маркетологу → маркетолог проверяет → выясняется, что Яндекс.Директ переплачивает → меняет ставки → бизнес восстанавливается +3. **Итого:** 2-3 дня потерянных денег, ручная работа, человеческий фактор - subgraph ACTIONS ["🎯 Экшены (API Actions)"] - C1[Авто-оптимизация рекламы
Снижение ставок, паузы, бюджеты] - C2[CRM-триггеры
Напоминания, задачи, скоринг] - C3[Уведомления
Telegram / Slack / Email] - C4[Финансовые операции
Авто-платежи, лимиты] - end +**Новый процесс (closed-loop):** +1. Система видит: CAC вырос на 40% за неделю +2. Правило срабатывает автоматически: снижает ставки в Директе на 20%, перераспределяет бюджет в ВКонтакте +3. Уведомление в Telegram: «CAC вырос на 40%, я скорректировал бюджет. Освобождено 45 000₽. Причина: рост ставки в Директе на 15%» +4. **Итого:** 0 дней потерь, 0 ручных действий, 45 000₽ экономии - subgraph VALUE ["💰 Бизнес-результат"] - D1[Экономия бюджета рекламы 15-30%] - D2[Рост конверсии звонков 20-40%] - D3[Прозрачность финансов в реальном времени] - D4[Прогнозирование прибыли] - end +### Как работает замкнутый цикл - DATA_SOURCES --> B1 - DATA_SOURCES --> B2 - DATA_SOURCES --> B3 - - B1 --> C1 - B1 --> C2 - B1 --> C3 - B2 --> C2 - B2 --> C3 - B3 --> C1 - B3 --> C3 - B3 --> C4 - - C1 --> D1 - C2 --> D2 - C3 --> D3 - C4 --> D4 - - D1 -.feedback.-> B3 - D2 -.feedback.-> B2 - D3 -.feedback.-> B1 - D4 -.feedback.-> B3 +Система состоит из 4 ключевых слоёв: - style DATA_SOURCES fill:#1e293b,stroke:#64748b,color:#e2e8f0 - style PROCESSING fill:#0f172a,stroke:#3b82f6,color:#e2e8f0 - style ACTIONS fill:#064e3b,stroke:#10b981,color:#d1fae5 - style VALUE fill:#065f46,stroke:#34d399,color:#a7f3d0 -``` +**1. Источники данных (входы)** +- Финансы: 1С, МойСклад, банковские выписки +- Продажи: CRM (AmoCRM, Bitrix24) +- Маркетинг: рекламные кабинеты (Директ, VK, Google), call-tracking, веб-аналитика +- Контент: звонки (аудиофайлы), чаты, отзывы + +**2. Обработка и анализ (мозг)** +- **Rule Engine** — система бизнес-правил: «если CAC > X и тренд вверх → действие Y» +- **ML Pipeline** — анализ звонков, NLP, классификация намерений, оценка качества менеджеров +- **Аномалии и прогнозы** — поиск отклонений от нормы, прогнозирование прибыли на основе текущих трендов + +**3. Экшены (действия)** +- Авто-оптимизация рекламы через API рекламных кабинетов +- CRM-триггеры: напоминания менеджерам, создание задач, скоринг лидов +- Уведомления: Telegram, Slack, email с конкретными рекомендациями +- Финансовые операции: авто-платежи, контроль лимитов, предупреждения о кассовых разрывах + +**4. Бизнес-результат (выходы)** +- Экономия бюджета рекламы: 15-30% (авто-оптимизация ставок) +- Рост конверсии звонков: 20-40% (обучение менеджеров, улучшение скриптов) +- Прозрачность финансов: 100% видимость в реальном времени +- Прогнозирование прибыли: точность 80%+ на 30-90 дней вперёд + +### Обратная связь + +Система учится на результатах. Если авто-действие по снижению ставок дало положительный эффект — правило получает higher priority. Если нет — система снижает приоритет или отключает правило. Это делает систему лучше со временем. --- ## 2. Архитектура интеграций -```mermaid -flowchart LR - subgraph EXTERNAL ["Внешние системы (API / Webhook)"] - E1[Яндекс.Директ / Google Ads
VK Ads / MyTarget] - E2[AmoCRM / Bitrix24 / RetailCRM] - E3[1С / МойСклад / ERP] - E4[Сбербанк / Тинькофф / ЮKassa] - E5[Calltouch / Mango / ROIS] - E6[Метрика / GA4 / Roistat] - end +### Как данные попадают в систему - subgraph GATEWAY ["🌐 Интеграционный шлюз"] - G1[OAuth2 / Token Management] - G2[Rate Limiting / Retry] - G3[Data Normalization] - G4[Event Bus / Kafka] - end +Система не требует установки ПО на клиенте. Все интеграции работают через API и webhooks. - subgraph CORE ["🧠 ROI24 Core Engine"] - C1[Rule Engine
YAML-конфигурация] - C2[ML Service
Транскрипция, NLP, Score] - C3[Analytics Engine
Бенчмарки, Прогнозы] - C4[Action Runner
Webhooks, API calls] - end +**Слой внешних систем:** +- **Рекламные кабинеты** — Яндекс.Директ, Google Ads, VK Ads, MyTarget. Дают доступ к метрикам: показы, клики, Cost, конверсии, ставки. +- **CRM-системы** — AmoCRM, Bitrix24, RetailCRM. Дают доступ к лидам, сделкам, воронкам, действиям менеджеров. +- **ERP / Склад** — 1С, МойСклад. Дают данные о закупках, складах, себестоимости, прибыли. +- **Банки** — Сбербанк, Тинькофф, ЮKassa. Дают данные о реальных деньгах: поступления, расходы, остатки. +- **Call-tracking** — Calltouch, Mango, ROIS. Дают аудио звонков, данные о номерах, источниках трафика. +- **Веб-аналитика** — Метрика, GA4, Roistat. Дают данные о поведении пользователей на сайте. - subgraph OUTPUT ["📤 Обратная интеграция"] - O1[Авто-редактирование рекламы] - O2[Обновление карточек лидов] - O3[Telegram-бот / Slack] - O4[Дашборд ROI24 Web UI] - end +**Интеграционный шлюз:** +- **OAuth2 / Token Management** — безопасное хранение токенов доступа к внешним API +- **Rate Limiting / Retry** — защита от блокировок, авто-повтор при ошибках +- **Data Normalization** — приведение разнородных данных к единому формату. Например, CAC в Директе считается как Cost/Conversions, а в 1С — как МаркетинговыйБюджет/(Кол-воПродаж × СреднийЧек). Система приводит всё к единой формуле. +- **Event Bus** — очередь событий для асинхронной обработки. Если CRM недоступна — данные ждут в очереди и обрабатываются когда система восстановится. - EXTERNAL --> G1 - EXTERNAL --> G2 - G1 --> G3 - G2 --> G3 - G3 --> G4 - G4 --> C1 - G4 --> C2 - G4 --> C3 - - C1 --> O1 - C1 --> O2 - C1 --> O3 - C1 --> O4 - - C2 --> O2 - C2 --> O3 - C2 --> O4 - - C3 --> O1 - C3 --> O3 - C3 --> O4 - - style EXTERNAL fill:#312e81,stroke:#818cf8,color:#c7d2fe - style GATEWAY fill:#1e1b4b,stroke:#6366f1,color:#e0e7ff - style CORE fill:#0f172a,stroke:#3b82f6,color:#bfdbfe - style OUTPUT fill:#042f2e,stroke:#14b8a6,color:#99f6e4 -``` +**Ядро системы:** +- **Rule Engine** — читает YAML-файлы с правилами и применяет их к данным +- **ML Service** — запускает модели анализа звонков, NLP-классификации, предсказания +- **Analytics Engine** — считает бенчмарки, прогнозы, корреляции +- **Action Runner** — выполняет действия через API: меняет ставки, создаёт задачи, отправляет уведомления + +**Обратная интеграция:** +- Авто-редактирование рекламных кампаний через API +- Обновление карточек лидов в CRM (например, добавить тег «нужен перезвон») +- Уведомления в Telegram/Slack с конкретными рекомендациями +- Дашборд ROI24 — веб-интерфейс для просмотра всех инсайтов + +### Почему архитектура важна + +Система спроектирована так, чтобы новые источники данных добавлялись за часы, а не недели. Добавление нового CRM или рекламного кабинета — это только настройка коннектора в шлюзе. Ядро системы работает одинаково для всех источников. --- ## 3. Rule Engine архитектура -Ядро системы — декларативные правила, не требующие кода для добавления новых сценариев. +### Что такое Rule Engine -```mermaid -flowchart TB - subgraph RULE_INPUT ["📥 Входные данные"] - R1[Метрики в реальном времени
CAC, LTV, ROI, Конверсия...] - R2[Тренды и аномалии
Δ за 1ч / 24ч / 7д] - R3[Бенчмарки по нише
Агрегированная база] - end +Rule Engine — это сердце системы автоматического принятия решений. Он позволяет задавать бизнес-логику через простые текстовые файлы (YAML), без написания кода. - subgraph RULE_ENGINE ["⚙️ Rule Engine"] - E1[Парсер YAML правил] - E2[Expression Evaluator
JQ / Lua] - E3[Condition Matcher
AND / OR / NOT / SLIDING_WINDOW] - E4[Action Router
Auto / Warn / Alert] - end +**Пример:** Владелец бизнеса говорит: «Если CAC вырос больше чем на 25% за 24 часа — автоматически снизи ставки в Директе на 20%». Это правило записывается в один файл. Менеджер не программист — он может это написать сам. - subgraph RULE_FORMAT ["📜 Пример правила (YAML)"] - Y1["rule: caс_spike_detection +### Как работает правило + +Каждое правило состоит из 4 частей: + +**1. Условия (conditions)** — что должно произойти для срабатывания: +- `metric`: какая метрика отслеживается (CAC, конверсия, LTV...) +- `operator`: как сравнивать (больше `gt`, меньше `lt`, равно `eq`) +- `threshold`: пороговое значение +- `window`: за какой период смотреть (1h, 24h, 7d) + +**2. Акции (actions)** — что делать при срабатывании: +- `type: alert` — отправить уведомление (Telegram, Slack, email) +- `type: auto_action` — выполнить автоматическое действие (снизить ставки, переключить бюджет) +- `type: warn` — отправить предупреждение менеджеру + +**3. Приоритет (priority)** — если срабатывают несколько правил одновременно, приоритет определяет порядок выполнения. + +**4. Каналы (channels)** — куда отправлять результаты (Telegram, Slack, email, CRM). + +### Типы реакций + +**Auto — немедленное действие:** +- Снижение ставок в рекламе +- Пауза неэффективных кампаний +- Перераспределение бюджета между каналами +- Создание задач в CRM + +**Warn — уведомление:** +- Менеджеру: «Сегодня конверсия упала на 15%, проверь форму оплаты» +- Руководителю: «Менеджер Иванов за сегодня провёл 3 звонка с пропусками возражений» +- Владелец: «CAC вырос на 40% — я автоматически скорректировал бюджет» + +**Alert — эскалация:** +- Неотложные ситуации: кассовый разрыв, подозрительные транзакции, критическое падение конверсии +- Включает SMS-уведомление владельцу + +**Log — аудит и обучение:** +- Все действия логируются для анализа +- Данные используются для обучения ML-моделей + +### Почему YAML-конфигурация + +- **Не требует программирования** — любой менеджер может написать правило +- **Версионируется** — изменения правил отслеживаются в Git +- **Тестируется** — правила можно проверить на исторических данных +- **Шаблонизируется** — шаблоны правил для типовых бизнесов (e-commerce, услуги, производство) + +### Примеры правил + +**Правило 1: Защита от переплаты за рекламу** +```yaml +rule: caс_spike_detection enabled: true priority: 10 @@ -170,285 +176,553 @@ conditions: window: 24h actions: - - type: alert - channel: telegram - template: '⚠️ CAC вырос на {{caс_trend*100}}% — {{caс_daily}}₽ - severity: high - type: auto_action target: yandex_direct action: reduce_bid by_percent: 20 - reason: caс_exceeds_target"] - end - - subgraph RULE_OUTPUT ["📤 Результаты"] - O1[Auto: немедленное действие] - O2[Warn: уведомление менеджеру] - O3[Alert: escalation владельцу] - O4[Log: аудит и обучение] - end - - RULE_INPUT --> E1 - E1 --> E2 - E2 --> E3 - E3 --> E4 - E4 --> O1 - E4 --> O2 - E4 --> O3 - E4 --> O4 - - RULE_ENGINE --> Y1 - - style RULE_INPUT fill:#fef3c7,stroke:#f59e0b,color:#78350f - style RULE_ENGINE fill:#1e3a8a,stroke:#60a5fa,color:#dbeafe - style RULE_FORMAT fill:#1e293b,stroke:#34d399,color:#a7f3d0 - style RULE_OUTPUT fill:#064e3b,stroke:#34d399,color:#6ee7b7 + - type: alert + channel: telegram + template: CAC вырос на {{caс_trend*100}}% — {{caс_daily}}₽ ``` +**Правило 2: Менеджер не перезвонил** +```yaml +rule: no_callback_in_24h +enabled: true +priority: 5 + +conditions: + - metric: lead_age_hours + operator: gt + threshold: 24 + - metric: lead_status + operator: eq + value: new + - metric: callback_made + operator: eq + value: false + +actions: + - type: auto_action + target: amo_crm + action: assign_task + assignee: team_lead + message: Менеджер {name} не перезвонил лид {lead_id} за 24ч + - type: alert + channel: telegram + template: Лид {lead_id} от {source} ожидает перезвона более 24ч +``` + +**Правило 3: Кассовый разрыв** +```yaml +rule: cash_critical +enabled: true +priority: 100 + +conditions: + - metric: cash_balance + operator: lt + threshold: 500000 + window: 7d + - metric: cash_forecast + operator: lt + threshold: 0 + window: 30d + +actions: + - type: auto_action + target: bank + action: freeze_non_essential_payments + - type: alert + channel: sms + template: ⚠️ КРИТИЧНО: остаток {balance}₽, прогноз на 30д: {forecast}₽ + - type: alert + channel: telegram + template: Предложение: отложить закупку {item} на 14 дней → экономия {amount}₽ +``` + +### Бенчмарки по нише + +Rule Engine использует агрегированные анонимные данные тысяч бизнесов для сравнения: +- «Ваша конверсия в оплату: 3.2%, средний по нише «онлайн-курсы»: 4.8%» +- «Вы теряете ~120 000₽/мес из-за низкой конверсии» +- «Ваш CAC на 35% выше среднего — это неэффективно» + --- ## 4. ML Pipeline: Анализ звонков -Трансформация сырых аудио-записей в actionable business insights. +### Зачем анализировать звонки -```mermaid -flowchart TB - subgraph AUDIO ["🎙️ Вход: сырые звонки"] - A1[Загрузка audio/mp3
Call-tracking API] - A2[Предобработка
Noise reduction, VAD] - end +Звонки — главный источник дохода для многих B2B-компаний. Но 80% компаний не анализируют содержание разговоров. Они знают количество звонков, но не знают: +- Что говорили менеджеры +- Как клиенты реагировали +- Какие возражения были проигнорированы +- Почему клиенты ушли к конкурентам - subgraph TRANSCRIBE ["📝 Транскрипция"] - B1[Whisper / Yandex SpeechKit] - B2[Speaker Diarization
Кто говорит: клиент/менеджер] - B3[Text Segmentation
По репликам и паузам] - end +ML Pipeline превращает аудио-файлы в конкретные бизнес-рекомендации. - subgraph NLP ["🧠 NLP Analysis"] - C1[Intent Classification
Интерес / Отказ / Вопрос] - C2[Sentiment Analysis
Позитив / Нейтр / Нега] - C3[Topic Extraction
Темы разговора] - C4[Script Compliance
Соблюдение скрипта] - end +### Этапы обработки - subgraph SCORING ["📊 Scoring & Insights"] - D1[Manager Scorecard
Рейтинг по KPI] - D2[Objection Handling
Отработка возражений] - D3[Conversion Probability
Вероятность сделки] - D4[Summary & Next Steps] - end +**1. Загрузка и предобработка** +- Аудиофайлы загружаются из call-tracking API (Mango, Calltouch) +- Шумоподавление, разделение спикеров (кто говорит — клиент или менеджер) +- Сегментация по репликам и паузам - subgraph ACTIONS ["🎯 Экшены"] - E1[Обновление карточки в CRM] - E2[Напоминание менеджеру] - E3[Алерт руководителю] - E4[Рекомендации по скрипту] - end +**2. Транскрипция** +- Преобразование речи в текст с помощью Whisper или Yandex SpeechKit +- Разделение реплик: кто сказал что +- Учёт контекста: «хорошо» как ответ vs «хорошо» как заполнитель - AUDIO --> A1 --> A2 --> B1 --> B2 --> B3 - B3 --> C1 & C2 & C3 & C4 - C1 & C2 & C3 & C4 --> D1 & D2 & D3 & D4 - D1 & D2 & D3 & D4 --> E1 & E2 & E3 & E4 +**3. NLP-анализ** +- **Классификация намерений:** клиент проявляет интерес, отказывается, задает вопрос, просит перезвонить +- **Анализ тональности:** позитивный, нейтральный, негативный ответ на каждый аргумент +- **Извлечение тем:** о чём говорили, какие темы поднимались +- **Соблюдение скрипта:** сказал ли менеджер приветствие, представился, предложил сделку, отработал возражения - style AUDIO fill:#fef3c7,stroke:#f59e0b,color:#78350f - style TRANSCRIBE fill:#ede9fe,stroke:#8b5cf6,color:#4c1d95 - style NLP fill:#312e81,stroke:#6366f1,color:#e0e7ff - style SCORING fill:#0f172a,stroke:#3b82f6,color:#bfdbfe - style ACTIONS fill:#064e3b,stroke:#10b981,color:#d1fae5 -``` +**4. Scoring и инсайты** +- **Manager Scorecard:** рейтинг каждого менеджера по KPI (конверсия, длительность, соблюдение скрипта) +- **Отработка возражений:** какие возражения игнорируются, какие работают, какие нет +- **Вероятность сделки:** вероятность что этот клиент купит, на основе анализа разговора +- **Summary:** краткое резюме разговора для CRM + +### Как инсайты превращаются в действия + +**Сценарий 1: Менеджер тупит** +- ML обнаруживает: менеджер Иванов не отрабатывает возражение «дорого» в 40% звонков +- Действие: создание задачи для руководителя + автоматическое обучение на основе лучших звонков +- Ожидаемый эффект: рост конверсии на 15-20% + +**Сценарий 2: Скрипт не работает** +- ML обнаруживает: скрипт А конвертит на 35% хуже скрипта Б +- Действие: рекомендация заменить скрипт + A/B тест с авто-переключением на лучший вариант +- Ожидаемый эффект: +15-20% к продажам + +**Сценарий 3: Клиент горячий, менеджер не перезвонил** +- ML обнаруживает: высокий интерес клиента (задал вопрос по цене), но менеджер не перезвонил 24ч +- Действие: автоматическое создание задачи в CRM + уведомление в Telegram +- Ожидаемый эффект: +30% к конверсии горячих лидов + +### Почему это уникально + +Никто не делает анализ звонков + рекламу + финансы в единой системе. Большинство систем либо звонки (JustCall), либо рекламу (Advizo), либо аналитику (Grafana). ROI24 v2 объединяет всё — и находит скрытые связи. + +**Пример:** ML в звонках видит, что менеджеры хорошо продают премиум-сегмент. Rule Engine видит, что реклама привлекает бюджет в бюджетный сегмент. Рекомендация: сместить рекламный бюджет на премиум-сегмент → конверсия вырастет на 25%. --- ## 5. Три продукта (Go-to-Market) -```mermaid -flowchart LR - subgraph TIER1 ["🥉 Audit Mode"] - T1[Разовый аудит
50-100k₽] - T2[Все источники подключены] - T3[Отчёт: где теряете деньги] - T4[Бенчмарки по нише] - T5[Воронка в основную подписку] - end +### Почему 3 уровня - subgraph TIER2 ["🥈 Monitor + Recommend"] - T6[24/7 мониторинг
100-150k₽/мес] - T7[Rule Engine + Бенчмарки] - T8[ML анализ звонков] - T9[Авто-рекомендации
через API] - T10[Еженедельный дайджест] - end +Один тариф не работает в B2B. Разные бизнесы — разные бюджеты и боли. 3 уровня позволяют: +1. Захватить клиента через дешевый вход (Audit) +2. Доказать ценность (Monitor) +3. Закрыть на полную стоимость (Autonomous) - subgraph TIER3 ["🥇 Autonomous Controller"] - T11[Авто-действия без согласования
300k+₽/мес] - T12[Всё из Monitor +] - T13[Авто-оптимизация рекламы
через API] - T14[Персональный AI-ассистент] - T15[% от экономии / прибыли] - T16[SLA, выделенный аккаунт] - end +### Уровень 1: Audit Mode (входной продукт) - TIER1 -->|"Пилот → Доказательство ценности"| TIER2 - TIER2 -->|"Кейс → Доверие"| TIER3 +**Что это:** разовый анализ всех источников данных → отчёт «где вы теряете деньги» - style TIER1 fill:#44403c,stroke:#a8a29e,color:#f5f5f4 - style TIER2 fill:#1e3a8a,stroke:#3b82f6,color:#dbeafe - style TIER3 fill:#065f46,stroke:#10b981,color:#d1fae5 +**Цена:** 50-100 000₽ (разово) + +**Что входит:** +- Подключение всех источников (CRM, реклама, банк, звонки) +- Анализ данных за последний месяц +- Отчёт с конкретными цифрами утечек: «Вы теряете 840 000₽/мес на X, Y, Z» +- Сравнение с бенчмарками по нише: «Ваш CAC на 35% выше среднего» +- Рекомендации: что можно сделать + +**Зачем:** Audit — это воронка. Бесплатный аудит не работает (клиенты не ценят халяву). Платный аудит — это фильтр: клиент готов заплатить 50-100к → значит бизнес серьёзный. Из 10 клиентов, прошедших Audit, 7-8 покупают Monitor. + +**Пример отчёта:** ``` +Аудит бизнеса ООО «Пример» — Июнь 2026 + +Утечка #1: Переплата за рекламу — 340 000₽/мес + CAC в Я.Директе: 1 800₽ (среднее по нише: 1 200₽) + Потеря: 600₽ × 600 лидов = 360 000₽/мес + +Утечка #2: Менеджеры не перезванивают — 280 000₽/мес + 45% лидов не перезвонены за 1 час + Средний чек: 50 000₽ × 12 сделок = 600 000₽/мес + Потеря: 280 000₽/мес (45% не перезвонили) + +Утечка #3: Неэффективный скрипт — 220 000₽/мес + Конверсия звонков в продажу: 18% (среднее: 28%) + Потеря: 10% × 22 сделки × 100 000₽ = 220 000₽/мес + +Итого утечек: 840 000₽/мес (10 080 000₽/год) +``` + +### Уровень 2: Monitor + Recommend (основной продукт) + +**Что это:** 24/7 мониторинг с рекомендациями и авто-действиями + +**Цена:** 100-150 000₽/мес + +**Что входит:** +- Rule Engine с 50+ правилами +- ML-анализ звонков в реальном времени +- Авто-оптимизация рекламы через API +- Ежедневные Telegram-уведомления +- Еженедельный дайджест с инсайтами +- Бенчмарки по нише +- Поддержка, обучение, доработка правил + +**Услуги:** +- Подключение: 200 000₽ (разово, входит в стоимость первых 3 месяцев) +- Доработка правил: 5 000₽/час + +**Почему 100-150к/мес:** Клиент экономит 840 000₽/мес → он платит 100 000₽ за экономию 740 000₽. ROMI = 7.4x. Это не расходы, это инвестиция. + +### Уровень 3: Autonomous Controller (премиум) + +**Что это:** система принимает решения за владельца + +**Цена:** 300 000₽/мес + % от экономии/прибыли + +**Что входит:** +- Всё из Monitor +- Авто-действия без согласования: система сама снижает ставки, переключает бюджеты, создаёт задачи +- Персональный AI-ассистент на базе LLM: отвечает на вопросы «что происходит?», «почему упала прибыль?» +- Бенчмарки по нише + прогноз прибыли +- SLA: время реакции 15 минут, выделенный аккаунт +- Индивидуальная доработка правил под бизнес + +**Модель оплаты:** +- Фикс: 300 000₽/мес +- Бонус: 10% от найденной и закрытой утечки (если > 100 000₽/мес) +- Минимальный бонус: 50 000₽/мес + +**Пример:** Нашли 2 000 000₽/мес утечек, закрыли 1 500 000₽. Бонус: 150 000₽. Итого: 450 000₽/мес. + +### Сравнение продуктов + +| Параметр | Audit | Monitor | Autonomous | +|----------|-------|---------|------------| +| Цена | 50-100к (разово) | 100-150к/мес | 300к+/мес + % | +| Мониторинг | 1 раз | 24/7 | 24/7 | +| Рекомендации | Отчёт | Telegram + Weekly | AI-ассистент | +| Авто-действия | Нет | Правила по согласованию | Авто | +| ML звонки | Анализ | 24/7 | 24/7 + LLM | +| Бенчмарки | Да | Да | Да + прогноз | +| SLA | Нет | Поддержка | 15 мин | +| ROMI | 5-10x | 3-5x | 5-10x | --- ## 6. Комбинированные сценарии (Cross-System Intelligence) -Самая высокая ценность — связывание данных из разных систем в единую картину. +Самая высокая ценность — когда система связывает данные из разных систем и находит скрытые закономерности. -```mermaid -flowchart TB - subgraph SCENARIO1 ["📉 Сценарий 1: Лидов много, продаж мало"] - S1A[Реклама: CAC норма ✅] - S1B[Лиды в CRM: много ✅] - S1C[Звонки: качество низкое ❌] - S1D[ML: менеджер не отрабатывает возражения] - S1E[Решение: замена скрипта / обучение / замена менеджера] - end +### Сценарий 1: Лидов много, продаж мало - subgraph SCENARIO2 ["💸 Сценарий 2: Канал эффективный, но LTV маленький"] - S2A[Реклама: конверсия низкая ❌] - S2B[Звонки: клиенты холодные, не готовы платить] - S2C[Финансы: CAC > LTV ❌] - S2D[Решение: сменить креативы → привлечь ЦА с высоким LTV] - end +**Сигналы:** +- Реклама: CAC в норме, конверсия в лиды высокая +- CRM: лиды поступают стабильно, 200+ в месяц +- Звонки: качество низкое, менеджеры не отрабатывают возражения - subgraph SCENARIO3 ["🔄 Сценарий 3: Авто-цикл оптимизации"] - S3A[Правило: CAC вырос > 25% за 24ч] - S3B[ML: анализ звонков показывает падение конверсии в продажу] - S3C[Вывод: проблема не в рекламе, а в менеджерах] - S3D[Авто-действие: не трогать рекламу, запустить обучение менеджеров] - S3E[Результат: бюджет не потрачен зря, фокус на продажах] - end +**Вывод:** Проблема не в рекламе, а в продажах. - SCENARIO1 -->|"Вывод: проблема в продажах"| SCENARIO3 - SCENARIO2 -->|"Вывод: проблема в таргете"| SCENARIO3 - SCENARIO3 -->|"Обучение системы"| SCENARIO1 - SCENARIO3 -->|"Обучение системы"| SCENARIO2 +**Действие:** +1. ML находит: менеджер Иванов не отрабатывает возражение «дорого» в 40% звонков +2. Правило: создаёт задачу для руководителя + автоматическое обучение на основе лучших звонков +3. Через 2 недели: конверсия звонков выросла с 18% до 24%, +60 000₽/мес - style SCENARIO1 fill:#fef3c7,stroke:#f59e0b,color:#78350f - style SCENARIO2 fill:#fce7f3,stroke:#ec4899,color:#831843 - style SCENARIO3 fill:#064e3b,stroke:#34d399,color:#a7f3d0 -``` +**Без ROI24:** Владелец думает «надо больше лидов» → льёт больше денег в рекламу → CAC растёт → убыток. + +### Сценарий 2: Канал эффективный, но LTV маленький + +**Сигналы:** +- Реклама: конверсия низкая, CAC высокий +- Звонки: клиенты холодные, не готовы платить +- Финансы: CAC > LTV (тратим больше на привлечение, чем зарабатываем) + +**Вывод:** Реклама привлекает нецелевую аудиторию. + +**Действие:** +1. ML анализирует: успешные клиенты — из ВКонтакте, неудачные — из Я.Директа +2. Правило: снижает бюджет Я.Директа на 30%, переключает во ВКонтакте +3. Через месяц: CAC снижен на 40%, LTV вырос на 25% + +**Без ROI24:** Владелец снижает ставки в Директе (так как CAC высокий), но не меняет креативы → привлекает ту же аудиторию. + +### Сценарий 3: Авто-цикл оптимизации + +**Сигналы:** +- CAC вырос на 25% за 24 часа +- ML анализирует звонки: конверсия в продажу упала на 15% +- Финансы: прибыль снизилась на 18% за неделю + +**Вывод:** Проблема не в рекламе (CAC вырос из-за падения конверсии в продажах, а не из-за роста ставки). + +**Действие:** +1. Система НЕ трогает рекламный бюджет (не тратит деньги впустую) +2. Запускает обучение менеджеров на основе лучших звонков +3. Отправляет отчёт: «CAC вырос не из-за рекламы, а из-за качества звонков. Обучение запущено.» + +**Без ROI24:** Владелец видит рост CAC и сразу снижает ставки в рекламе. Лидов становится меньше, но конверсия не растёт → бизнес теряет и трафик, и деньги. --- ## 7. Tech Stack -```mermaid -graph TB - subgraph FRONTEND ["🖥️ Frontend"] - F1[React / Next.js] - F2[Tailwind CSS + shadcn/ui] - F3[ECharts / Recharts] - F4[Telegram Bot WebApp] - end +### Backend — Python / FastAPI - subgraph BACKEND ["⚙️ Backend"] - B1[Python / FastAPI] - B2[Rule Engine (YAML + Lua)] - B3[ML Service (PyTorch / Transformers)] - B4[Celery + Redis / RabbitMQ] - end +**Почему Python:** +- Лучшая экосистема для ML: PyTorch, Transformers, scikit-learn +- Быстрая разработка: FastAPI + async → 1000+ requests/сек +- Готовые библиотеки для всех интеграций: OAuth2, REST, gRPC +- Сообщество и документация на русском - subgraph DATA ["💾 Data"] - D1[PostgreSQL / TimescaleDB] - D2[ClickHouse (аналитика)] - D3[Redis (кэш, очереди)] - D4[S3 / MinIO (audio, logs)] - end +**Rule Engine:** +- YAML для конфигурации правил — просто, читаемо +- Lua или JQ для выражений — быстро, безопасно +- Асинхронная обработка через Celery - subgraph ML_SERVICES ["🤖 ML Services"] - M1[Whisper (ASR)] - M2[Speaker Diarization] - M3[Custom NLP Models] - M4[LLM API (LLM-инсайты)] - end +**ML Service:** +- PyTorch для кастомных моделей +- Whisper для транскрипции +- Hugging Face Transformers для NLP +- LLM API для генерации инсайтов - subgraph INFRA ["🏗️ Infrastructure"] - I1[Docker + Kubernetes] - I2[GitLab CI / GitHub Actions] - I3[Prometheus + Grafana] - I4[Nginx / Traefik] - end +### Frontend — React / Next.js - FRONTEND --> BACKEND - BACKEND --> DATA - BACKEND --> ML_SERVICES - BACKEND --> INFRA - ML_SERVICES --> DATA - INFRA --> DATA +- **Next.js** — SSR, SEO, API routes +- **Tailwind CSS** — быстрая вёрстка +- **shadcn/ui** — готовые компоненты +- **ECharts / Recharts** — интерактивные графики +- **Telegram Bot WebApp** — мобильный дашборд в Telegram - style FRONTEND fill:#1e1b4b,stroke:#6366f1,color:#e0e7ff - style BACKEND fill:#0f172a,stroke:#3b82f6,color:#bfdbfe - style DATA fill:#312e81,stroke:#818cf8,color:#c7d2fe - style ML_SERVICES fill:#881337,stroke:#fb7185,color:#ffe4e6 - style INFRA fill:#0c4a6e,stroke:#38bdf8,color:#bae6fd -``` +### Data — PostgreSQL + ClickHouse + +- **PostgreSQL** — основные данные: клиенты, правила, настройки +- **TimescaleDB** (расширение PostgreSQL) — временные ряды метрик +- **ClickHouse** — аналитика, агрегации, бенчмарки +- **Redis** — кэш, очереди задач, session management +- **MinIO** — хранение аудиофайлов, логов, бэкапов + +### ML Services + +- **Whisper** — транскрипция речи +- **Speaker Diarization** — разделение спикеров +- **Custom NLP** — классификация намерений, тональности +- **LLM API** — генерация инсайтов, ответы на вопросы + +### Infrastructure + +- **Docker + Kubernetes** — контейнеризация, масштабирование +- **GitLab CI** — CI/CD pipeline +- **Prometheus + Grafana** — мониторинг системы +- **Nginx / Traefik** — reverse proxy, балансировка --- ## 8. Roadmap (MVP → Production) -```mermaid -gantt - title ROI24 v2 Roadmap - dateFormat YYYY-MM-DD - section Phase 1 — MVP (2 недели) - Rule Engine (базовый) :done, rule_engine, 2024-01-01, 5d - Интеграция 1С + CRM :done, integrations, 2024-01-01, 7d - Дашборд (базовый) :done, dashboard, 2024-01-03, 7d - 5 правил анализа :active, rules, 2024-01-06, 4d - - section Phase 2 — ML (4 недели) - Транскрипция звонков : whisper, 2024-01-08, 5d - NLP анализ / Scorecard : ml_nlp, 2024-01-10, 7d - Telegram-уведомления : notify, 2024-01-12, 5d - Пилот на 3 клиента : pilot, 2024-01-15, 14d - - section Phase 3 — API Actions (4 недели) - Рекламные кабинеты API : ad_api, 2024-01-22, 7d - Авто-оптимизация ставок : auto_opt, 2024-01-25, 7d - CRM-триггеры : crm_trig, 2024-01-28, 5d - Бенчмарк-база : benchmark, 2024-02-01, 10d - - section Phase 4 — Enterprise (6 недель) - LLM-инсайты : llm, 2024-02-05, 7d - Прогнозирование прибыли : forecast, 2024-02-10, 10d - Web UI v2 : webui_v2, 2024-02-12, 14d - SLA + Multi-tenant : sla, 2024-02-15, 10d - Публичный запуск : launch, 2024-02-20, 14d -``` +### Фаза 1: MVP (2 недели) — «Работает и приносит деньги» + +Цель: первый клиент, первый кейс, первые деньги. + +**Rule Engine (базовый) — 5 дней:** +- Парсер YAML-правил +- 5 правил: CAC spike, конверсия, звонки, кассовый разрыв, CRM task +- Telegram-уведомления +- Логирование всех действий + +**Интеграция 1С + CRM — 7 дней:** +- Подключение к AmoCRM API +- Подключение к 1С API +- Синхронизация данных раз в час +- Нормализация метрик + +**Дашборд (базовый) — 7 дней:** +- Список метрик с текущими значениями +- Цветовые индикаторы: зелёный/жёлтый/красный +- История метрик за 7 дней +- Простая HTML-страница + +**5 правил анализа — 4 дня:** +- CAC вырос > 25% за 24ч +- Конверсия звонков упала > 15% +- Лид не перезвонён за 24ч +- Кассовый разрыв < 500к +- CAC > LTV + +**Итого:** 2 недели, 2 человека (backend + fullstack), 300 000₽ в ФОТ. + +### Фаза 2: ML (4 недели) — «Автоматизация звонков» + +Цель: ML-анализ звонков, пилот на 3 клиентах. + +**Транскрипция звонков — 5 дней:** +- Подключение Whisper +- Загрузка аудио из call-tracking +- Разделение по менеджерам +- Сохранение в базу + +**NLP анализ / Scorecard — 7 дней:** +- Классификация намерений (интерес/отказ/вопрос) +- Анализ тональности +- Проверка соблюдения скрипта +- Рейтинг менеджеров + +**Telegram-уведомления — 5 дней:** +- Алерты при аномалиях +- Ежедневный дайджест +- Кнопки для быстрых действий + +**Пилот на 3 клиента — 14 дней:** +- Бесплатно за фидбек и кейсы +- Сбор метрик: экономия, конверсия, ROI +- Доработка правил + +### Фаза 3: API Actions (4 недели) — «Авто-действия» + +Цель: система начинает действовать, а не только показывать. + +**Рекламные кабинеты API — 7 дней:** +- Яндекс.Директ: изменение ставок, пауза кампаний +- VK Ads: управление бюджетами +- Google Ads: оптимизация bid strategy + +**Авто-оптимизация ставок — 7 дней:** +- Правило: CAC > threshold → снизить ставки +- Правило: ROI < target → переключить бюджет +- АБ-тестирование стратегий + +**CRM-триггеры — 5 дней:** +- Автоматическое создание задач +- Обновление тегов лидов +- Скоринг по NLP-анализу звонков + +**Бенчмарк-база — 10 дней:** +- Агрегация анонимных данных +- Сравнение по нишам +- Топ-10 лучших практик + +### Фаза 4: Enterprise (6 недель) — «Полный автопилот» + +Цель: система принимает решения за владельца. + +**LLM-инсайты — 7 дней:** +- Генерация объяснений на естественном языке +- Ответы на вопросы «что происходит?» +- Рекомендации на основе бенчмарков + +**Прогнозирование прибыли — 10 дней:** +- Прогноз на 30, 60, 90 дней +- Оценка рисков +- Сценарии оптимизации + +**Web UI v2 — 14 дней:** +- Обновлённый дашборд +- Настройка правил через UI +- История действий и результатов + +**SLA + Multi-tenant — 10 дней:** +- Разделение данных между клиентами +- Мониторинг доступности +- Автоматическое масштабирование + +**Публичный запуск — 14 дней:** +- Landing page +- Кейсы пилотных клиентов +- Маркетинг: LinkedIn, Telegram, конференции --- ## 9. Unit Economics (пример для клиента) -```mermaid -xychart-beta - title "Экономический эффект ROI24 v2 (мес.)" - xaxis ["Без
ROI24", "Audit", "Monitor", "Autonomous"] - yaxis "Экономия / Прибыль" 0 --> 1000 - bar [0, 200, 600, 900] - bar [30, 150, 400, 700] - - note on [2, 600]: "+400k/мес экономии
Авто-действия" - note on [3, 900]: "+500k/мес экономии
LLM-инсайты" -``` +### Сколько теряет типичный бизнес -| Этап | Стоимость | Эффект | ROMI | -|------|-----------|--------|------| -| Без ROI24 | — | Утечки не видны | — | -| Audit | 50-100к (разово) | Найти утечки на 500к+/мес | 5-10x | -| Monitor | 100-150к/мес | Закрыть 60% утечек | 3-5x | -| Autonomous | 300к+/мес + % | Закрыть 90% + авто-действия | 5-10x | +**E-commerce, оборот 20 млн/мес, 15 сотрудников:** + +| Утечка | Месяц | Год | +|--------|-------|-----| +| Переплата за рекламу | 340 000₽ | 4 080 000₽ | +| Неэффективные менеджеры | 280 000₽ | 3 360 000₽ | +| Неоптимальные скрипты | 220 000₽ | 2 640 000₽ | +| **Итого** | **840 000₽** | **10 080 000₽** | + +### ROI24 закрывает: + +| Этап | Стоимость | Закрывает | Экономия | ROMI | +|------|-----------|-----------|----------|------| +| Audit | 75 000₽ | Выявляет 840к/мес | 840 000₽ | 11x | +| Monitor | 150 000₽/мес | 60% утечек | 500 000₽ | 3.3x | +| Autonomous | 300 000₽/мес + 10% | 90% утечек | 750 000₽ + 75 000₽ | 2.3x | + +### Платёжеспособность + +| Клиент | Выручка | Бюджет на маркетинг | ROI24 бюджет | ROMI ROI24 | +|--------|---------|---------------------|---------------|------------| +| Магазин одежды | 5 млн/мес | 500 000₽/мес | 50 000₽/мес | 5x | +| Онлайн-школа | 15 млн/мес | 2 млн/мес | 150 000₽/мес | 3.3x | +| Медицина | 30 млн/мес | 5 млн/мес | 300 000₽/мес | 2.5x | + +**Правило:** ROI24 стоит не больше 5-10% от рекламного бюджета. Если реклама > 500 000₽/мес — клиент может себе позволить. --- -> **Ключевое отличие:** ROI24 v2 — не инструмент для просмотра данных. Это **автономный бизнес-контролёр**, который находит утечки денег, рекомендует решения и применяет их через API. Вы платите за результат, а не за красивые графики. +## 10. Конкурентный анализ + +### Кто делает похожее + +| Компания | Что делают | Чего не делают | +|----------|-----------|----------------| +| Yandex DataLens | Дашборды | Нет ML, нет авто-действий | +| Google Looker | Дашборды | Нет ML, нет авто-действий | +| Power BI | Дашборды | Нет ML, нет авто-действий | +| AmoCRM | CRM, базовая аналитика | Нет анализа звонков, нет оптимизации рекламы | +| JustCall | Анализ звонков | Нет рекламы, нет финансов, нет авто-действий | +| Advizo | Оптимизация рекламы | Нет звонков, нет финансов, нет ML | +| Cerebre | ML для бизнеса | Нет звонков, нет авто-действий через API | + +### Почему мы победим + +1. **Единственная система, связывающая звонки + рекламу + финансы** — никто не делает этого +2. **Авто-действия через API** — не просто рекомендации, а реальное изменение настроек +3. **ML-анализ звонков** — hard tech, который сложно скопировать +4. **Бенчмарки по нишам** — уникальная база данных +5. **Закрытый цикл** — data → insight → action → feedback + +--- + +## 11. Риски и митигация + +### Технические риски + +| Риск | Вероятность | Влияние | Митигация | +|------|------------|---------|-----------| +| API рекламных кабинетов блокирует | Средняя | Высокое | Rate limiting, rotation, fallback | +| ML-модели дают ложные сценарии | Низкая | Высокое | Human-in-the-loop на первых этапах | +| Сложность интеграций | Высокая | Среднее | Коннекторы через API, не через парсинг | +| Потеря данных | Низкая | Критическое | Репликация, бэкапы каждые 4 часа | + +### Бизнес-риски + +| Риск | Вероятность | Влияние | Митигация | +|------|------------|---------|-----------| +| Клиенты не верят AI | Высокая | Высокое | Human-in-the-loop: система рекомендует, человек подтверждает | +| Конкуренты копируют | Средняя | Среднее | ML-модели + бенчмарки — сложно скопировать | +| Длинные циклы продаж | Высокая | Среднее | Audit как воронка → быстрая конверсия в подписку | +| Регуляция данных | Низкая | Высокое | Данные хранятся на серверах в РФ, GDPR-ready | + +--- + +## 12. Заключение + +ROI24 v2 — это не дашборд. Это **автономный бизнес-контролёр**, который: + +1. **Слушает** все источники данных (реклама, продажи, финансы, звонки) +2. **Анализирует** через ML и rule-engine +3. **Действует** через API рекламных кабинетов и CRM +4. **Обучается** на результатах + +**Главное УТП:** Вы платите не за красивые графики, а за закрытые утечки. Система находит деньги, которые вы теряете, и возвращает их вам. + +--- + +> **Резюме:** ROI24 v2 — это единственная система в мире, которая объединяет анализ звонков, оптимизацию рекламы и финансовый контроль в одном замкнутом цикле с авто-действиями. Это не инструмент, это автономный сотрудник, который работает 24/7 и приносит деньги.