1. Продукт, аудитория, рынок
2. Метрики, экономика и аналитика
3. Бизнес-модель и финансовый план
4. Команда и процессы
5. Правовые и этические вопросы
6. Риски и масштабирование
7. Маркетинг, PR и рост
8. Выводы

Проблема:

Подготовка проверочных заданий требует значительных ресурсов преподавателей, что делает процесс медленным и неэффективным.

В результате тестирования проводятся для галочки, а аналитика результатов остаётся поверхностной, что негативно влияет на качество образовательного процесса.

Решение:

Онлайн-сервис для проверки знаний, который автоматически преобразует учебные материалы в диагностические тесты и строит по их результатам детальную аналитику, снимая с преподавателя рутину по подготовке и разбору проверочных работ.

Предлагаемое решение опирается на сдвиг в образовании: от интуитивных решений к data-driven подходу, автоматизации и использованию ИИ.

Обучение становится более цифровым, растёт запрос на оптимизацию рабочего времени преподавателя и онлайн-форматы, а проверка знаний переходит от формального контроля к инструменту развития и поддержки.

Выводы из конкурентного анализа:

Существующие решения закрывают отдельные части задач.

GenAPI и подобные сервисы делают акцент на быстрой генерации тестов, но не позволяют загружать собственные материалы и не дают полноценной аналитики прогресса.

Инфоурок и Новая школа работают как банки готовых заданий и материалов: они помогают подобрать вопросы, но слабо поддерживают индивидуальные траектории и не учитывают специфику курса, а также не интегрируют результаты в дашборд и не предоставляют гибкие настройки.

Универсальные инструменты по типу ChatGPT и Google Forms не заточены под образовательный сценарий: всё держится на ручных настройках и навыках грамотного промптинга.

PESTEL-анализ

Политическая среда

В России активно реализуются программы по цифровой трансформации образования, направленные на внедрение цифровых ИТ-решений в школы и в образовательный процесс. Это создаёт благоприятную среду для EdTech-решений и мотивацию госзаказа на цифровые продукты.

Федеральный закон «Об образовании в Российской Федерации» формализует образовательные процессы и расширяет рамки дистанционных образовательных услуг, что важно учитывать при формировании продукта и коммерции.

Российское законодательство требует локализации персональных данных внутри РФ и прозрачной работы с ПДн, что напрямую влияет на архитектуру и инфраструктуру продукта.

Экономическая среда

Российский рынок образовательных технологий демонстрирует устойчивый рост. Это означает высокую вероятность масштабирования и рост спроса на EdTech-сервисы.

Доходы преподавателей невысоки и фрагментарны. Средняя заработная плата учителей составляла ~71 тыс. ₽ в 2024 г. Это ограничивает способность преподавателей тратить большие суммы на цифровые сервисы, и обосновывает необходимость доступной ценовой модели.

Социальная среда

Онлайн-образование, дистанционное обучение и смешанные форматы прочно вошли в образовательный ландшафт, например заметно выросла активность цифровых решений во время пандемии (например, сервис Uchi.ru значительно увеличил пользователей с марта 2020). Это означает рост доверия к цифровым инструментам и готовность пробовать новые решения.

Существующая нагрузка и рутинная работа по проверке материалов являются социальной проблемой — причём цифровые технологии помогают учителям освободить от 5 до 10 полных рабочих дней в году.

Технологическая среда

Мир IT развивается стремительно, а облачные решения становятся стандартным решением во многих процессах. Это укрепляет технологическую основу для построения SaaS-сервиса.

Рост применения к ИИ и автоматизации в образовании даёт продукту дополнительное конкурентное преимущество: генерация заданий и автоматическая проверка становятся востребованными преимуществами EdTech-решений.

Экологические факторы

Цифровые услуги в образовании позволяют минимизировать бумажный документооборот и логистическую нагрузку на преподавателей и учащихся, что соответствует более широкой экологической тенденции перехода от офлайна к онлайну (снижение углеродного следа, экономия бумаги и транспорта).

Правовые факторы

Законодательство усиливает образовательный контроль и регламентирует деятельность цифровых образовательных решений, поэтому продукт должен позиционироваться как вспомогательный инструмент, а не замена преподавателя.

Обработка персональных данных в России требует соблюдения строгих локальных правил хранения и защиты данных на серверах РФ — это прямое юридическое требование, которое нужно учитывать при архитектуре.

Моделированный SWOT

Strengths & Opportunities:

— Узкое позиционирование как специализированного сервиса для быстрых диагностик и аналитики, а не универсального ИИ-инструмента.

— Акцент на локализацию и безопасность данных, что важно в условиях жёсткого регулирования и действующих санкций.

Weaknesses & Opportunities:

— Простой онбординг для снижения барьеров входа.

— Обучающие форматы для преподавателей и репетиторов для формирования доверия.

Strengths & Threats:

— Укреплять нишу «инструмента для профессионалов», а не массового B2C-сервиса с большой конкуренцией и крупными игроками.

— Делать упор на адаптацию под реальные задачи преподавателя / репетитора (задания по материалам, отчёты для родителей /администрации), чтобы минимизировать риски копирования конкурентами.

Почти все гипотезы в результате опроса подтвердились:

— Преподаватели не считают ИИ в своей работе «неэтичным», однако переживают за качество генераций и / или не знают, какие инструменты могут оптимизировать их работу.

— Результаты работ в большинстве случаев используются для аналитики, однако она отнимает слишком много ресурсов (времени и сил).

Инсайты:

— Проблема с ИИ не в «неэтичности», а в «глубине»: «При проверке ИИ теряется понимание того, как мыслит ученик и на каком этапе допускает ошибки».

— Сильное беспокойство из-за списывания и разрыва между оценкой и реальными знаниями: «Студенты не думают над вопросами и ищут ответы в чат гпт или интернете, копируя их».

— Многие преподаватели и репетиторы проводят аналитику по итогам тестирований и корректируют учебный план исходя из этого, однако это отнимает много ресурсов (времени и сил).

— Преподаватели в целом не против использовать ИИ в работе, но у них нет удобных под это инструментов и времени разбираться в настройках.

Ядро целевой аудитории:

Сервис полезен различным участникам образовательного процесса — от администраторов до онлайн-школ, — но ядро целевой аудитории составляют:

— Преподаватели (школ и ВУЗов). — Репетиторы.

У них сильнее всего выражена рутинная нагрузка на подготовку и проверку заданий, и именно в этих сегментах автоматизация даст наибольший эффект.

Ценностное предложение:

Дэш — сервис, который берет рутину на себя: из ваших материалов он делает тесты с автопроверкой и показывает результаты в наглядном дашборде.

Формат продукта:

Веб-сервис (SaaS) с доступом в личный кабинет и по ссылке.

Ядро решения:

Использование моделей машинного обучения и генеративного ИИ (LLM) с целью:

— Извлечения ключевых тем из загруженных учебных материалов (PDF, презентации, конспекты, ссылки).

— Генерации тестовых вопросов (варианты ответов, развёрнутые ответы) с возможностью редактирования.

— Предварительной проверки ответов и поиска взаимосвязей (классификации типичных ошибок).

Серверная часть:

Backend-приложение с хранилищем результатов тестирований и пользовательских данных, развёртывание на инфраструктуре с серверами в РФ для соблюдения требований по ПД.

Модуль аналитики:

База данных результатов + слой агрегирующей аналитики (темы, попытки, динамика), визуализация в виде дашбордов в интерфейсе сервиса.

Интерфейс:

Упрощённые сценарии, ориентированный на пользователей без глубоких технических навыков.

Уникальность продукта:

— Работа с личными материалами преподавателя. Сервис генерирует диагностики не из банка задач, а из загруженных конспектов, презентаций и ссылок, что делает тестирования персонализированными.

— Фокус на проверке и аналитике. Узкий сценарий: быстро сделать тест, автоматически проверить и получить понятный дашборд по результатам освоения.

— Локализированное решение. Русский интерфейс, оплата российскими картами в рублях и хранение данных в РФ с учётом требований по ПД.

Ключевой сценарий, по которому собирался прототип:

— Путь пользователя от входа / регистрации до выгрузки отчёта по результатам тестирования.

«Дэш» происходит от английского слова dashboard — панели, на которой в одном месте собрана ключевая информация для принятия решений.

В образовательном контексте дашборд — это не просто набор цифр, а инструмент навигации: он показывает динамику знаний, зоны роста и помогает понять, на чём стоит сделать акцент дальше. Именно такую роль выполняет сервис — превращает разрозненные результаты проверок в наглядную картину прогресса и опору для педагогических решений.

Источники доходов и поддерживающие ресурсы

Базовая модель монетизации ― подписка на сервис —399 ₽ в месяц. Потенциальные дополнительные источники дохода (групповые тарифы, кастомные внедрения для онлайн-школ) в модели не монетизированы, чтобы не завышать оценку.

Поддерживающие ресурсы включают команду (продакт/маркетолог, AI-разработчик, дизайнер), инфраструктуру (GPT-API, хостинг, аналитика) и юридический бухгалтерский контур (ИП, договоры, сопровождение).

Юнит-экономика (LTV, CAC, срок окупаемости)

Юнит-экономика считается от одного платящего преподавателя. LTV берётся как произведение цены подписки на средний срок жизни клиента в месяцах (за учебный год), из него вычитаются переменные затраты. CAC оценивается на основе текущих тестов рекламы.

В расчётах LTV по марже заметно превышает CAC, а срок окупаемости маркетинга измеряется несколькими месяцами, за счёт чего один привлечённый преподаватель приносит положительный вклад в экономику проекта. Более агрессивные допущения по LTV или заниженный CAC сознательно не используются, чтобы не завышать устойчивость модели.

Прогноз P&L и финансовая модель на 3 года (P&L, cash-flow)

Прогноз P&L строится на горизонте трёх лет с консервативным ростом базы: в первый год ― ограничение максимумом до 400 пользователей и фактическим выходом примерно на 80–90 активных платящих, затем постепенное масштабирование во 2–3-й год.

Для каждого года считаются выручка, переменные затраты, маркетинг, прочий OpEx и операционная прибыль. Отдельно считается cash-flow: стартовые инвестиции, разовые CapEx (юрист, постановка бухгалтерии) и динамика остатка денежных средств по годам.

Точка безубыточности

По расчётам модель выходит на операционную безубыточность примерно к середине первого года — начиная с 8-го месяца сервис уже генерирует положительный денежный поток за месяц (при 80–90 активных платящих пользователях).

Расчёты CAC / LTV и сценарный анализ чувствительности

Отдельные вкладки модели содержат детализированные расчёты LTV и CAC.

В сценарном анализе варьируется количество платящих пользователей в месяц и для каждого сценария считается выручка, валовая прибыль, покрытие фиксированных затрат и операционный результат. При 50–70 пользователях проект ещё убыточен, при 80–90 выходит к безубыточности, а дальнейший рост быстро увеличивает прибыль.

Системы аналитики и мониторинга роста проекта

Для финансового мониторинга мы отслеживаем MRR, динамику количества платящих пользователей, CAC, LTV, срок окупаемости и ежемесячный cash-flow.

Собираем данные через аналитику и облака лендинга и продуктовую аналитику в сервисе, сверяясь с финансовой моделью.

Зоны ответственности

Полина Пудло — исследование, гипотезы, маркетинг/воронка, упаковка и продажи

Сергей Ванаков — UX/UI, прототипы, дизайн-система, бренд, handoff

Клим Коровкин — разработка MVP/V1, AI-логика, интеграции, продуктовая аналитика и поддержка сервиса

Дорожная карта на 12 месяцев

Роадмап построен с 13 января 2026 и разбит на этапы. По каждой задаче описаны результаты, ответственные и поддерживающие лица, сроки, зависимости. Этапы включают в себя: продукт, анализ, исследования, маркетинг, бренд, UX, работа над MVP, разработка, операционная работа, стратегия и продажи.

Проект ведём спринтами по 2 недели: планирование, выполнение, демо/ретро, обновление приоритетов.

Бэклог с приоритезацией отсортирован по приоритету: P0 (критично), P1 (важно), P2 (улучшения) + оценка ICE

Интеллектуальная собственность

Дэш обладает собственными результатами разработки (код, дизайн, бренд), но одновременно сервис обрабатывает материалы пользователей (презентации, конспекты, PDF, ссылки).

Без фиксации прав возникают риски: спор о принадлежности, претензии по авторским правам на материалы и результаты генераций.

Учитываем:

— Какие объекты являются интеллектуальной собственностью проекта.

— Кто владелец прав внутри команды.

— Какая лицензия нужна на пользовательский контент.

— Как трактуются результаты генерации (во избежание конфликтов с пользователем / авторами материалов).

Управление данными (политика конфиденциальности / обработки данных)

Сервис собирает и хранит образовательные результаты и данные преподавателей, а также персональные данные студентов. Это зона повышенного доверия: любая небрежность в данных снижает готовность использовать сервис и значительно ограничивает возможность масштабирования на B2B-сегмент.

Что учитываем:

— Минимизация данных (собираем только то, что важно для функционала).

— Роли и доступ (кто какие данные видит).

— Сроки хранения и удаление данных.

— Перечень лиц (подрядчиков), через которых проходят данные (аналитика, рассылка, хостинг, AI-провайдер).

— Отдельные требования, если затрагиваются несовершеннолетние (проектируем сервис так, чтобы аккаунт был только у преподавателя).

ESG и этика

Сервис влияет на оценивание и принятие образовательных решений. Даже если мы помогаем, мы не должны определять судьбу студента и принимать решения за преподавателя. Это и этический, и репутационный риск.

Что учитываем:

— Принцип ИИ — помощник, а решения принимает преподаватель.

— Прозрачность: что означают метрики/дашборд, какие ограничения есть у автоматической проверки.

В рамках подготовки проекта «Дэш» был заранее закрыт вопрос интеллектуальной собственности и распределения прав внутри команды.

На этапе MVP к проекту привлечены ключевые исполнители — разработчик (Клим Коровкин) и дизайнер (Сергей Ванаков). Чтобы исключить риски споров о принадлежности кода, дизайна и бренд-материалов, а также защитить ноу-хау проекта, были подготовлены шаблоны договоров, которые будут подписаны с исполнителями до передачи результатов работ в продакшн.

Ключевые риски

— Недостаточная ценность при цене 399 ₽ (люди пробуют, но не платят). Индикатор: высокий отток в 1-й месяц. Меры: пробный режим.

— Качество генерации/проверки не устроит преподавателей. Индикатор: много ручных правок, низкий NPS, жалобы «не по моим материалам». Меры: библиотека форматов, контроль качества, примеры.

— Длинный онбординг и высокий барьер входа. Индикатор: низкая активация. Меры: 1 поток «быстрой диагностики» за 3 минуты + подсказки.

— Правовые риски по данным и контенту. Индикатор: запросы по удалению данных / претензии по материалам. Меры: строгая политика данных, понятные условия, аккаунт только для преподавателя.

— Копирование функционала конкурентами Индикатор: похожие фичи у крупных платформ. Меры: узкая ниша, скорость итераций, UX.

Сценарии пивота

Пивот по аудитории: Если индивидуальные преподаватели и репетиторы показывают низкую платёжную конверсию, фокус смещается с B2C на B2B (школы, ВУЗы и т. п.)

Пивот по ценностному предложению; При слабом отклике на генерацию тестов усиливаем роли аналитики, отчётов и визуализации прогресса. Выстраиваем позиционирование как инструмента мониторинга качества обучения, а не генератора тестов.

Пивот по модели монетизации Если подписка за 399 ₽ не масштабируется то переходим к модели оплаты за число диагностик.

Пивот по глубине продукта При высоком спросе, но низкой удерживаемости упрощаем продукт до «быстрой диагностики» без сложных сценариев и аналитики, сокращаем функционал.

Критерии интернационализации

Выход на новые рынки рассматривается только после стабильного положения продукта на локальном рынке.

— Продуктовая зрелость. — Подтверждённый PMF на локальном рынке. — Стабильное удержание и повторное использование. — Экономическая устойчивость. — Прогнозируемый CAC и масштабируемые каналы привлечения — Возможность адаптации цены под локальные рынки. — Отсутствие критических ограничений по хранению данных. — Возможность локализации политики обработки данных и пользовательских соглашений. — Низкий барьер локализации

Приоритетные рынки

— Страны СНГ и Восточной Европы.

— Рынки с высокой долей частного образования и репетиторства.

Платные каналы

— VK Реклама. — Яндекс Директ (основной). — Ремаркетинг: догоняем тех, кто был на лендинге / оставил почту / скачивал лид-магнит.

Органика

— SEO/контент: статьи под «боли» и функционал (контрольная по теме, диагностика пробелов, отчёт для родителей). — Соцсети (VK/Telegram/Дзен): кейсы, короткие шаблоны, примеры отчётов, разборы уроков. — Комьюнити: чаты преподавателей, методсообщества, группы репетиторов.

Воронка

Охват — Переход — Регистрация — Активация — Подписка — Retention — Рефералы.

Контент

VK — основной канал привлечения и масштабирования: здесь проще всего закупать трафик, тестировать креативы и быстро приводить аудиторию.

Telegram — канал удержания и формирования комьюнити. Здесь аудитория охотнее подписывается и общается. Коммуникация в ТГ строится в формате лёгкого, но профессионального контента: мемы, короткие советы, опросы, истории из практики. Это помогает сформировать доверие к продукту и подсвечивать «Дэш» как продукт «своих для своих».

Дзен используется реже, как площадка для более глубоких материалов. В отличие от других каналов, здесь лучше заходят структурированные тексты: советы по коммуникации, элементы педагогической психологии, методические разборы. Такой контент повышает экспертность бренда и поддерживает доверие.

Рекламные цели

Проверка спроса и гипотез: понять, откликается ли боль (подготовка/проверка/отчётность) и какие формулировки/креативы работают лучше.

Сбор лидов:

Подписки в лист ожидания + заявки на интервью.

ВК Реклама и Яндекс.Директ

— Россия, круглосуточно

— Преподаватели, репетиторы, менторы.

— 18–55+.

— Пользователи, которые уже ищут инструменты для преподавателей / репетиторов (Uchi.ru, Инфоурок и пр. с припиской «личный кабинет преподавателя») или состоят в профильных сообществах.

За период работы над проектом были сформированы и проверены ключевые основания продукта:

— Сформулировано ценностное предложение.

— Подтверждён интерес аудитории на уровне MVP-валидации: запущен лендинг с листом ожидания; пользователи проводят на странице в среднем около 41 секунды, что указывает на вовлечённое ознакомление с предложением и блоками продукта.

— Собрана продуктовая и операционная база: описан ключевой сценарий, приоритизированы фичи, подготовлены финансовая модель, риски и правовые артефакты (реестр IP, шаблоны договоров, политика данных), а также 12-месячный roadmap и бэклог, базовый дизайн.

— Подписаны договоры о сотрудничестве с разработчиком и дизайнером, которые вступают в силу с 13 января 2026 года.

Дальнейшие шаги:

— Довести продукт до состояния регулярного использования и подтвердить ценность на реальных пользователях.

— Что получим на выходе: доказанная продуктовая гипотеза и данные для корректного запуска платной модели на следующем этапе (MVP3).