roi24_v2/ARCHITECTURE.md

ROI24 v2 — Автономная система принятия решений для бизнеса

Позиционирование: AI-финансовый директор. Не дашборд, а система которая находит, анализирует и закрывает утечки денег в вашем бизнесе 24/7.

---

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

Проблема текущего рынка

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.

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

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

Как работает замкнутый цикл

Система состоит из 4 ключевых слоёв:

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

Как данные попадают в систему

Система не требует установки ПО на клиенте. Все интеграции работают через API и webhooks.

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.

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.

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

Что такое Rule Engine

Rule Engine — это сердце системы автоматического принятия решений. Он позволяет задавать бизнес-логику через простые текстовые файлы (YAML), без написания кода.

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.

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

rule: caс_spike_detection
enabled: true
priority: 10

conditions:
  - metric: caс_daily
    operator: gt
    threshold: 1200
    window: 24h
  - metric: caс_trend
    operator: gt
    threshold: 0.25
    window: 24h

actions:
  - type: auto_action
    target: yandex_direct
    action: reduce_bid
    by_percent: 20
  - type: alert
    channel: telegram
    template: CAC вырос на {{caс_trend*100}}% — {{caс_daily}}₽

Правило 2: Менеджер не перезвонил

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

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

Зачем анализировать звонки

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

ML Pipeline превращает аудио-файлы в конкретные бизнес-рекомендации.

Этапы обработки

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

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

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

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)

Почему 3 уровня

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)

Уровень 1: Audit Mode (входной продукт)

Что это: разовый анализ всех источников данных → отчёт «где вы теряете деньги»

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 — когда система связывает данные из разных систем и находит скрытые закономерности.

Сценарий 1: Лидов много, продаж мало

Сигналы:

• Реклама: CAC в норме, конверсия в лиды высокая
• CRM: лиды поступают стабильно, 200+ в месяц
• Звонки: качество низкое, менеджеры не отрабатывают возражения

Вывод: Проблема не в рекламе, а в продажах.

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

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

Backend — Python / FastAPI

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

Rule Engine:

• YAML для конфигурации правил — просто, читаемо
• Lua или JQ для выражений — быстро, безопасно
• Асинхронная обработка через Celery

ML Service:

• PyTorch для кастомных моделей
• Whisper для транскрипции
• Hugging Face Transformers для NLP
• LLM API для генерации инсайтов

Frontend — React / Next.js

• 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

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)

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)

Сколько теряет типичный бизнес

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.

---

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.