Чуть больше года назад мы рассказывали о 17-летнем алматинце Марке Ингере, который привлек $100 тыс. в свой стартап Pleep — сервис с ИИ-агентами для продаж. Тогда у проекта уже было 50 платящих клиентов, а основатель готовился к поступлению в американский вуз и стремился к MRR $20 тыс. Решили узнать, получилось ли задуманное и как изменилась жизнь героя.
В разговоре с Digital Business Марк поделился, что поступил в один из топовых частных университетов США — Университет Дьюка, но спустя семестр бросил учебу, чтобы сосредоточиться на стартапе. Также парень рассказал, благодаря чему ему удалось увеличить выручку сервиса в 10 раз и заключить сделку с крупным телеком-оператором.
«Построить бизнес на дырявом ведре невозможно»
– К началу 2025-го у нашего сервиса с ИИ-агентами уже были клиенты и выручка. При этом бизнес не складывался в устойчивую модель. Количество заказчиков выросло с 50 до 300, после чего уперлись в плато, где привлекали ровно столько новых клиентов, сколько отваливалось. Из-за этого рост застопорился. Дело в том, что изначально ориентировались на микробизнес. На эти предприятия было проще заходить, их кратно больше, чем среднего и крупного бизнеса.
Но юнит-экономика не сходилась, ретеншн (удержание клиентов) был низким – 70%. Это проблема не только наша, а всего рынка: большинство конкурентов зарабатывают только на первой продаже – в малом бизнесе клиент платит один раз и быстро уходит, не возвращается и не приносит повторной выручки. К тому же, по нашей статистике, в среднем живет всего 5 месяцев. Построить бизнес, образно говоря, на дырявом ведре, куда нужно постоянно доливать воду (то есть привлекать новых заказчиков), невозможно.
Весь год искали product-market fit. Было морально сложно смотреть на то, как стартап не растет, хотя продажи идут. Думал, проблема в продукте. Но позже выяснилось, что продавали его не тем, кому надо. Когда осознали, стали тестировать разные гипотезы, чтобы понять, кто наш идеальный клиент. В какой-то момент приняли сложное решение и полностью сменили целевой сегмент. Перешли из микробизнеса в средний и крупный, где больше поток заявок и выше ACV — средний чек с клиента.
Решиться было непросто, так как в краткосрочной перспективе теряли выручку. Также боялся, получится ли сохранить наш фокус на self-service – когда клиент сам настраивает продукт.
Пришлось изменить подход к продажам. Перестали искать заказчиков там, где их нет – рекламу в Instagram сразу остановили. Затем начали тестировать разные гипотезы — холодный аутрич (когда сами пишем или звоним потенциальным клиентам), SEO/GEO (привлечение через поисковики и геосервисы) и реферальные программы.
Уже сейчас видим, что работает, а что нет, но все еще ищем лучший канал масштабирования. Всего протестировали более 15 каналов выхода на средний и крупный бизнес. Нравится, что это гораздо сложнее, чем просто крутить таргет в Instagram и делать performance marketing (маркетинг, где результат измеряется конкретными действиями — заявками или продажами). Продолжаем работать по подписочной модели, где клиент покупает ИИ-агента на нужный ему объем клиентов. Стоимость начинается от 42 380 тенге.
Количество клиентов при этом не уменьшилось, а, наоборот, выросло в 2 раза – теперь их около 600. При этом они перестали уходить – ретеншн достиг 94%.
MRR увеличился более чем в 10 раз за год. В конце 2024 года месячная выручка была около $2 тыс. Сейчас совсем другой порядок цифр. В моих планах было достичь MRR $20 тыс. Эту задачу успешно перевыполнил. Средний чек взлетел с $40 до $200.
«Вуз — не единственный способ получать знания»
– Одно из ключевых достижений – контракт с крупным казахстанским телеком-оператором. В какой-то момент просто увидел в списке регистраций почту с доменом этой корпорации – просто нашли нас через Google. Сразу с ними связались и договорились об условиях пилотного запуска. Подключились напрямую к коммуникационным каналам компании — в частности, к WhatsApp — и наши ИИ-агенты обрабатывали в среднем около 500 диалогов в день на русском и казахском языках.
Пилот завершился в декабре 2025-го. Конверсия в предпродажу (переход к этапу перед покупкой) практически удвоилась, а скорость ответа сократилась в 44 раза. Компания смогла обрабатывать больше заявок без найма новых сотрудников. По итогам с нами решили подписать годовой контракт. Сумма договора для нас рекордная – десятки миллионов тенге.
Но важнее не заработок, а валидация технологии. Подтвердили, что наш продукт уровня enterprise и подходит крупным компаниям. Был очень рад. При этом понимал, как сильно вырос уровень ответственности: теперь берем на себя конкретные обязательства по SLA (соглашение об уровне сервиса — какие сроки и качество работы мы гарантируем клиенту) и uptime (время бесперебойной работы системы) — сейчас это 99,98%.
Примерно в это же время бросил учебу в США и вернулся в Казахстан. Изучал Data Science в Университете Дьюка — одном из топовых частных вузов, куда поступил по 100% гранту. У меня не получилось совмещать работу над компанией и студенческую жизнь. Либо плохо учился и средне работал, либо наоборот. Не было состояния, в котором мог бы делать и то, и другое на хорошем уровне.
Мои ожидания от Университета Дьюка в целом не оправдались. Думал, что попаду в среду, где все строят проекты и мыслят масштабно. В реальности атмосферы, на которую рассчитывал, не было. Считаю, что фундаментальные науки действительно важны, они учат думать. Но вуз — не единственный способ получать знания. На мой взгляд, высшее образование — скорее история для тех, кто еще не понимает, чем хочет заниматься. У меня такой проблемы нет, поэтому сфокусировался на развитии Pleep.
К слову, сократили команду с 8 до 5 человек – я (кофаундер и CEO), Роберт Аракелян (кофаундер и CTO) и трое ребят, которые работают с клиентами. Сделали компанию полностью AI-native – почти все процессы у нас завязаны на ИИ. К примеру, код мы пишем с помощью ИИ, все тикеты сначала обрабатывает ИИ, коммуникации ведет наш же продукт, рассылки и запись на консультации тоже автоматизированы через Pleep.
«Наша цель — чтобы ИИ полностью закрывал продажу»
– Проект сильно изменился функционально за год. В начале 2025 года просто использовали «голые» LLM (языковые модели без дополнительной настройки), а наш пайплайн (цепочка обработки запросов) был максимально простым. Сейчас есть оркестрация сразу нескольких моделей, где у каждой своя задача.
Чтобы исключить галлюцинации (ситуации, когда ИИ выдает выдуманную или неточную информацию), изменили то, как система делит и хранит данные для поиска. Затем добавили проверки для каждого ответа на наличие галлюцинаций – фильтры, которые проверяют, не ошибся ли ИИ. Также финально дали ИИ возможность проводить дополнительный поиск нужной информации. Если ответа не хватает, он может «перепроверить» себя и найти данные еще раз.
Все это в комплексе позволило нам отвечать с точностью 99,71%. Оценка проводилась с помощью RAGAS framework — метода проверки качества ответов, на выборке из 1000 примеров, где ответы оценивала другая модель (llm-as-a-judge).
Точность помогает увеличить конверсию, но главная цель – сделать так, чтобы ИИ полностью закрывал продажу от поиска клиента до денег на счету. Если компания имеет дело с частными клиентами (B2C) и средний чек ниже 100 тысяч тенге, то наши ИИ-агенты могут заключать сделки полностью самостоятельно. Так как Pleep работает и в переписке, и по телефону, умеет дожимать клиентов и принимать оплату. Это ключевое отличие от конкурентов.
Сейчас средняя конверсия в целевое действие (оформление заказа, запись на консультацию и т. д.) по нашим агентам — 23,21%. По сути, это главный показатель, за которым следим.
Если компания действует по B2B-модели, закрываем ключевой этап воронки. В большинстве случаев это онлайн-консультация или разговор по телефону. При этом ИИ может подключить человека в любой момент.
Самообучение системы – наша новая функция и главный secret sauce (фишка продукта). Она станет доступна уже в этом месяце всем клиентам. ИИ общается с клиентами, а мы смотрим, какие диалоги приводят к продаже, а какие – нет. Затем используем эту информацию для улучшения модели. Самообучение продолжается до тех пор, пока конверсия в целевое действие не перестанет заметно расти.
Когда базовые функции продукта выстроили, стало понятно: следующий шаг — масштабирование. Сейчас привлекаем инвестиции. Открыли seed-раунд, чтобы найти средства на развитие продаж и выход на зарубежные рынки. Нам нужно вложиться в выстраивание понятного и повторяемого процесса работы с корпорациями — от первого контакта до закрытия сделки — чтобы это не зависело от случайности, а работало как система.