Без $100K MRR не живуть довше 3 місяців: як запускають нові продукти в Kiss My Apps

За останні роки стартап-студія Kiss My Apps запустила понад 30 AI-powered продуктів. Частина з них стала світовими лідерами у своїх нішах, каже СЕО та кофаундер Kiss My Apps Дмитро Лола, і хоча не всі досягли такого рівня, кожен продукт відбив вкладені інвестиції.

У колонці для Vector Дмитро Лола поділився фреймворком, як швидко валідувати нові ідеї продуктів.

Для мене створення застосунків — це завжди про вирішення реальних проблем користувачів. Не коли користувач «дуже засмутиться, якщо ваш продукт перестане існувати», а коли користувач готовий системно платити за продукт, бо він швидко і просто вирішує проблему, коштуючи дешевше, ніж пошук альтернативних шляхів. Цей принцип став основою нашої продуктової філософії в Kiss My Apps.

Приклад — Printer App, який вирішував чітку задачу: зробити роботу з редагування та друку файлів з iPhone зручною. На червень 2025 року цей застосунок — світовий лідер в обох сторах за кількістю завантажень та користувачів. Ми обійшли нативні рішення від Canon, Apple, HP та інших, бо допомогли користувачам вирішувати бізнес-задачу з друком документів на понад 8000 моделях принтерів — все з iPhone, без додаткових маршрутизаторів чи екстра-кроків через «несумісність продукту». Тож, якщо зробити рішення на голову вище конкурентів, то можна стати світовим лідером в ніші та отримати значно більше $100 000 MRR.

Завдяки системному підходу, ми досягли високого відсотка успішних запусків: лише у 2024 році вісім із 10 наших нових AI-powered продуктів стали успішними. Для порівняння, за даними RevenueCat, лише 5% застосунків у всіх категоріях досягають $10 000 MRR за перші два роки, тоді як наші критерії значно жорсткіші. Наш підхід не триматися за слабкі ідеї — продукт вартий уваги, якщо за три місяці після релізу він показує позитивну юніт-економіку та виходить на шестизначний MRR — мінімум $100 000.

Основою такої результативності стала інтеграція ШІ практично в кожен процес Kiss My Apps. Наша технічна команда ще наприкінці 2023 року підготувала інфраструктуру для масштабного впровадження AI: аналіз датасетів та дослідження ринку, предиктивна аналітика на основі поведінкових патернів користувачів, AI у власній платформі ASA/ASO для роботи з сотнями тисяч ключових слів та bidding-ами, що дозволяє команді Growth запускати кампанії та використовувати інструменти ASA/ASO на рівні з найбільшими компаніями світу. Саме за рахунок вищої ефективності та технологій.

Окремо розробляємо спеціалізованих агентів на основі LLM-моделей: один моніторить понад 150 конкурентів та створює звіти про нові функції і цінові стратегії, інший аналізує та кластеризує відгуки користувачів. Розробка таких агентів займає два-чотири тижні, але ROI становить 3-5x завдяки економії часу команди. Паралельно розбудовуємо екосистему власних AI-рішень всередині застосунків AI Remodel, Botan, Chilio та інших продуктів портфоліо.

Такі результати неможливо досягти інтуїцією чи везінням. Це завжди результат правильної методології — від аналізу ринку до масштабування. Саме тому хочу поділитися нашим фреймворком, який базується на даних та дозволяє нам передбачувано запускати нові продукти, здатні досягти шестизначного MRR у перші три місяці.

Що має пройти ідея, перш ніж потрапити в розробку

У нас є загальний документ, де кожен член команди може залишити свою пропозицію із запуску продукту. Далі продакт-менеджер обирає ідею, яка йому резонує. Потім, рахуємо все, що можна порахувати — він проводить первинну валідацію: оцінює обсяг ринку, вивчає конкурентів, враховує зовнішні фактори і прораховує потенційний LTV. Паралельно маркетинг оцінює вартість залучення користувача.

Маючи ці дані, ми формуємо бізнес-модель. Звучить складно, але насправді ми просто дивимося на три цифри: обсяг ринку, LTV і CAC. Далі команда розробки додає свою оцінку — скільки часу і ресурсів потрібно на MVP.

І тоді всі ці дані консолідуються в одному документі, і борд у складі мене, CPO та CMO приймає рішення, запускати продукт чи ні.

Ключова формула рішення

Ми завжди запускали продукти на основі розрахунків, але зараз це більше систематизували і підвищили вимоги до точності.

Я використовую просту формулу: (pLTV – CAC) × N / k × r, де N — потенційний обсяг ринку, k — кількість годин на розробку, r — рейт за годину. Наразі мене цікавлять тільки проєкти з результатом >1 за формулою. Все інше — марнування часу. 

Глобально формула зводиться до того, що потенційний прибуток має бути в рази більший на одиницю витраченого часу, ніж витрати за цей же період.

Раніше головним викликом у зборі даних для застосування цієї формули було отримати реальні pLTV і CAC. Звичайно, існують бенчмарки та репорти від великих компаній типу «AppsFlyer» чи інших, з якими працюють багато інших гравців. Вони дивляться агреговані дані — середнє по ринку. Але через те, що це дуже великі масиви даних, вони не показують, чи буде конкретний продукт прибутковим.

З роками ми отримали ключовий бенефіт у вигляді широкого портфоліо з більш ніж 30 застосунків у нішах utilities, lifestyle, health&fitness і, відповідно, велику кількість власних даних, якими можемо оперувати. Це робить запуски більш точними, а вірогідність успіху ще більшою.

Приміром, якщо орієнтуватися виключно на ринкові бенчмарки, формула показує: запускати невигідно. Але ми знаємо свої реальні можливості — закуповуємо трафік на 10% дешевше ринку і отримуємо дохід з користувача на 10% більше. Це дає нам 20% додаткової маржинальності, хоча за середньоринковими показниками продукт може здатися збитковим. 

Застосовуючи формулу, важливо розуміти і специфіку кожної ніші та враховувати це при інтерпретації результатів. Покажу на конкретних прикладах, що маю на увазі.

Для прикладу, візьмемо розробку персонального асистента зі здоров’я для біохакерів: за формулою все має ідеальний вигляд — прикольна аудиторія, яка готова платити великі гроші, відповідно дуже високий LTV і в теорії велика маржинальність. З точки зору розробки, це не займає багато часу. Формула може показувати зелене світло. Але ця історія потрапляє під ліцензування як медичний продукт. Саме ліцензування може займати роки. Відповідно, технічно продукт можна створити за кілька місяців, але для реального «продажу» потрібні роки. Тому його запуск стає невигідним.

Або ось ще одна історія з health & fitness: якщо покладалися тільки на середню вартість залучення користувача в цій ніші — $50 за бенчмарками від зовнішніх репортів — формула показала б прибутковість. Але насправді ці цифри включають компанії, які мають велику брендову складову: MyFitnessPal, Noom, Headspace, Calm. У них CAC – Cost of Customer Acquisition (вартість залучення одного клієнта) коштує дешевше, тому що вони мають велику кількість брендового трафіку завдяки амбасадорам та світовим зіркам. Бо інвестували раніше в цей бренд десятки мільйонів доларів інвесторських коштів. 

Тож виходить так, що це дуже впливає на середній показник, і, якщо новий гравець запускає продукт з нуля — у нього немає брендового трафіку, а весь трафік — це реклама в Instagram та TikTok, то насправді CAC вийде $70, а не $50. Відповідно, якщо продакт закладав $70 LTV і $50 CAC, то замість запланованих $20 прибутку компанія в кращому випадку працюватиме в нуль. Тому що не врахувала брендову перевагу великих гравців, які розмивають ринкові бенчмарки. 

Фреймворк для швидкої перевірки ніш, конкурентів і потенціалу продукту

Саме цей фреймворк допомагає нам систематизувати процес і не витрачати місяці на безперспективні ідеї.

Для продакт-менеджера:

• Зібрати всіх конкурентів у ніші і подивися сумарний обсяг установок та ревеню (користуємося внутрішньою розробкою, але можна через SensorTower або AppMagic).
• Перевірити географію ринку — США найбільш платоспроможні, але якщо вся ніша тільки там, конкуренція буде жорсткою. Цікавіші продукти, які мають потенціал на різні географії, зокрема не-TIER-1 країни: Бразилія, Малайзія, ОАЕ.
• Структура ринку: шукаємо ніші, де не має лідера з частки ринку більше 50%.
• Подивитися на динаміку нових гравців. Періодично в AppStore перестають пускати нові застосунки в якійсь з ніш через перенасичення. Якщо протягом року в ніші не було нових релізів, є ризик, що і ваш продукт не пройде рев’ю.
• Порахувати потенційний LTV. Шукаємо в семантичному ядрі перетини з продуктами, за якими нам уже відома інформація. Наприклад, хочемо зробити «принтер» — в нас є дані про застосунок «факс», тож розуміємо, що вони будуть +/- схожі. Якщо даних немає — шукаємо бенчмарки в репортах від тих же «RevenueCat», «AppsFlyer» тощо. 

Для маркетолога:

• Визначити канали залучення через spy-інструменти (Facebook Ad Library, AdSpy, MobileAction).
• Оцінити потенційний органічний трафік через семантику ніші та EDI (Estimated Daily Impressions — оцінка щоденних пошукових запитів за ключовими словами).
• Порахувати потенційний CPA, запустивши тестові кампанії.

Для розробника:

• Порахувати час на MVP, включивши аналітику, атрибуцію, збір відгуків, прийом платежів. У нас є бібліотека, яка дозволяє за годину замість двох тижнів налаштувати всю базову інфраструктуру мобільного продукту. Технічно — це частина коду, що не пов’язана з унікальною функціональністю: аналітика, платежі, взаємодія з бекенд-частиною — речі, які однакові у всіх застосунках. Далі потрібно лише допилити конкретні фічі під продукт, а весь core функціонал вже уніфікований.

Чому це критично важливо? Якщо запускаєш один застосунок, то два тижні економії кардинально нічого не змінюють. Але коли у тебе 10 нових запусків на рік — це вже 20 тижнів (майже пʼять місяців) економії часу розробників щорічно.

• Окремо — час на дизайн, клієнт-серверну архітектуру і бекенд.

Можливо, хтось назве цей підхід занадто механізованим. Але коли ти запускаєш десятки продуктів, системність і дані — це єдиний спосіб досягти стабільно прогнозованого результату, де успіх є частиною плану.