Как я готовил прорывной PR-продукт, чтобы перевернуть индустрию, но в итоге сдался

Это не ты перевернул игру, это игра тебя перевернула ©

Каждый предприниматель знает это чувство, когда идея захватывает тебя целиком, не даёт спать по ночам, заставляет просыпаться в три часа утра с новой мыслью и мчаться к ноутбуку, чтобы записать её, пока она не растворилась в утренней суете. Именно так я жил последние полтора года, вынашивая PredictMedia, платформу прогнозной аналитики медиаповестки, которая должна была перевернуть рынок PR и маркетинга в России.

Я видел ее во всех деталях: интерактивные дашборды, искусственный интеллект, предсказывающий успех пресс-релиза, белые этикетки для СМИ. Я знал, какой стек технологий использовать, с какими агрегаторами данных договариваться, на какие сегменты рынка нацеливаться. Я написал бизнес-план, набросал дорожную карту, провел интервью с потенциальными клиентами.

И все это осталось лишь на бумаге и в моей голове.

Сегодня я хочу честно рассказать, почему гениальная (как мне казалось) идея так и не взлетела. Почему я не нашёл финансирования, почему никто не поверил в неё, кроме меня самого, и почему я наконец принял решение публично поделиться ей, не для того, чтобы получить жалость, а чтобы, возможно, кто-то другой, более упорный или более удачливый, смог воплотить ее в жизнь. Или хотя бы извлечь уроки из моих ошибок.

Привет. Меня зовут Алексей, и я хотел создать революционный PR-продукт.

Кто я такой

Я не айтишник. Не выпускник Сколково. Не обладатель миллионных грантов. Я руковожу блоком маркетингового направления в большой спортивной федерации, до этого проработал в маркетинге, продажах, ивентах, связях с общественностью и цифровых медиа, открыл пару весьма успешных бизнесов.

Именно из этого опыта родилась идея PredictMedia, платформа, которая предсказывает, станет ли новость вирусной, до того как вы нажмете «отправить». Я верил в нее, как в религию. Писал бизнес-планы, обзванивал инвесторов, рисовал прототипы, спал по четыре часа. А потом понял, что не тяну.

А если среди читателей найдется тот, кто сможет реализовать PredictMedia, я буду счастлив. Потому что главное, что я понял за эти полтора года, идеи должны жить.

Спасибо, что вы здесь. Приятного чтения.

Когда я руководил маркетинговыми коммуникациями, каждое утро мы с сотрудниками начинали с того, что открывали десяток вкладок: Медиалогия, Brand Analytics, Mediascope, Telegram-каналы, ленты новостей, инфо-боты. Выгружали отчеты, сводили таблицы в Excel, пытались понять, что из этого потока информации важно, какие показатели мы выполнили и куда разместить очередной инфо-повод.

Однажды на переговорах со спонсорами нашего проекта, перед запуском, я задал вопрос коллегам: «А как вы оцениваете, выстрелит ли ваш пресс-релиз до того, как его отправят в редакции?» Получил смущенный ответ: «Никак. Мы просто молимся, чтобы кто-то его заметил. Иногда попадаем в тренд, чаще — нет. Потому что мы не знаем, что сейчас на самом деле волнует аудиторию».

Именно тогда меня осенило: а что, если сделать систему, которая не просто собирает данные (это уже делают все), а которая предсказывает, на основе текущей повестки, исторических паттернов, тональности и авторитетности источников, какая новость станет вирусной, а какая пройдет незамеченной? Что, если PR-специалист мог бы загрузить текст своего пресс-релиза и получить прогноз: «75% вероятности попадания в топ-3 новостей дня, прогнозируемый охват 2,3 млн человек, добавьте упоминание персоны Икс для повышения виральности на 40%»?

Я назвал это «предиктивным пресс-релизом» и сделал его главным УТП. А вокруг выстроил экосистему: дашборд актуальных трендов в реальном времени и white-label виджеты для новостных сайтов, чтобы они показывали свою аналитику прямо на своих страницах и могли это монетизировать.

Я закопался в исследование рынка. Российский PR-рынок рос бешеными темпами: выручка топ-70 компаний увеличилась на 40% в 2024 году, а к 2025-му обещала достичь почти 30 млрд рублей. 60% PR-команд уже используют цифровые инструменты, но все они реактивные, они показывают, что случилось вчера, а не что будет завтра. Зарубежные аналоги, такие как BuzzSumo, не работали с русским сегментом. Агрегаторы данных (Медиалогия и Brand Analytics) давали сырые цифры, требующие часов интерпретации. Идеальный разрыв для инновации.

Я набросал архитектуру: интеграция с API баз данных для доступа к тысячам источников, NLP-модели на основе BERT и HDBSCAN для кластеризации новостей, векторный поиск, прогнозное моделирование на исторических данных. Стек Python, FastAPI, React, PostgreSQL, Yandex Cloud. Все выглядело логично, технически выполнимо и коммерчески привлекательно (хотя я ничего в этом не понимал вовсе, почти как и сейчас).

Я верил, что у меня в руках бриллиант. Оказалось стекляшка.

Первым тревожным звоночком стали разговоры с PR-агентствами. Когда я показывал им концепцию предиктивного пресс-релиза, они сначала загорались глазами. «Вау, это же то, что нам нужно!». Но как только я переходил к практическим вопросам: «Готовы ли вы быть пилотным клиентом? Оплатить доступ к бета-версии?», начинались уклончивые ответы.

Я понял, что у меня нет доказательств. Нет кейсов, нет цифр, нет отзывов реальных пользователей. Только красивая теория. А в PR-индустрии, где репутация строится годами, никто не хочет рисковать ради непроверенной технологии.

Тогда я переключился на инвесторов. Я подготовил питч-дек, провел более 10 встреч с инвесторами. Реакция была однообразной: «Идея звучит многообещающе, но…»

• «Но вы слишком рано. Рынок еще не созрел для прогнозной аналитики».
• «Но ваша оценка затрат кажется заниженной. Чтобы обучить модели на российских данных, нужны годы и миллионы».
• «Но у вас нет команды. Один разработчик это несерьёзно».
• «Но мы уже видели подобное от крупных игроков, они пробовали, и у них не вышло. У вас тем более не получится».

Самый показательный диалог произошел с партнером одной крупной IT компании. Он сказал: «Ты хочешь сделать ИИ, который предсказывает новостные тренды. Это звучит как магия. Люди не верят в магию, особенно когда ставят на кон бюджеты. Ты должен показать работающий прототип на реальных данных за последние пять лет и доказать, что твоя модель предсказывает лучше, чем случайность. Но у тебя нет таких данных, потому что ты не можешь их получить без денег. А денег тебе не дадут без доказательств. Это замкнутый круг». И он был прав.

1. Неверие в рынок и в мою способность его переломить

Люди, с которыми я говорил, не сомневались в технологической возможности, они сомневались в готовности рынка. PR-специалисты консервативная публика. Они десятилетиями работали по схеме «выпустил пресс-релиз, посмотрел на охваты, сдал отчет». Внедрение прогнозного моделирования требует изменения всего процесса: теперь надо думать о контенте до публикации, корректировать его на основе машинных рекомендаций, доверять алгоритму. Это пугает. Это требует обучения, смены культуры, а главное, веры в то, что машина действительно умнее эксперта.

Я не смог переубедить даже первых энтузиастов. Они видели во мне чудака-одиночку, который хочет конкурировать с Медиалогией. Они не понимали, что я не конкурирую, а надстраиваюсь. И это недопонимание стоило мне доверия.

2. Колоссальные затраты на разработку и данные

Мой первоначальный прогнозный бюджет $200 тыс. на MVP казался мне реалистичным. Но когда я начал детально прорабатывать техническое задание, цифры поползли вверх.

• Данные. Хотя я планировал использовать API Brand Analytics, их тарифы для коммерческого использования оказались выше, чем я предполагал. Чтобы обучить прогнозную модель, мне нужны были исторические архивы за несколько лет, это сотни тысяч долларов только на доступ к данным.
• Команда. Один разработчик-фрилансер не справился бы с NLP-задачами такого уровня. Нужны минимум два ML-инженера, бэкенд-разработчик, фронтендер, продакт-менеджер. В Москве такие специалисты стоят от 300 тыс. рублей в месяц каждый.
• Обучение моделей. Чтобы предсказать виральность новости, нужно не просто кластеризовать текст, нужно учитывать сотни признаков: время публикации, авторитет источника, наличие цитат, эмоциональную окраску, даже погоду и день недели. Это требует гигантских вычислительных мощностей и экспериментов с архитектурами. Даже если использовать готовые предобученные модели, их дообучение на русскоязычных данных нетривиальная и дорогая задача.

Когда я сложил все расходы (команда, данные, инфраструктура, маркетинг, юридическое сопровождение), получилось около $2,5 млн на первый год. А окупаемость в лучшем случае через 3–4 года. Для инвесторов это был слишком долгий горизонт при слишком высоком риске.

3. Отсутствие стратегического партнера

Я пытался вести переговоры с операторами данных о партнерстве: они дают мне данные, я делаю надстройку и делюсь выручкой. Но они вежливо отказались, сказав, что сами рассматривают возможность добавления прогнозных модулей в свой продукт. Зачем им отдавать эту нишу стартапу?

Аналогично я стучался к инвесторам, везде получал от ворот поворот. Без поддержки крупного игрока с доступом к данным моя идея была обречена. Я был слишком мал, чтобы договариваться, и слишком смел, чтобы они согласились делиться.

Я уже похоронил проект, когда на экране телевизора мелькнула реклама во время трансляции чемпионата мира по футболу. Это был ролик компании «ADI PredictStreet» — я не знал ее раньше, но название привлекло мое внимание. Оказалось, что это для создания рынков прогнозов (prediction market). Проще говоря, она позволяет пользователям ставить на исходы разных событий (прим. Алисы AI).

Это не имело прямого отношения к PR, но я увидел связь идеи входа в рынок. И я понял: я хотел сделать то же самое. Ведь PredictMedia это тоже прогнозирование, только не результатов на спорт, а информационных вариаций и влияния. И моя стратегия продвижения была аналогичной: я планировал не просто продавать подписки, а предлагать white-label виджеты для крупных новостных порталов, чтобы они показывали топ-5 тем дня прямо у себя на главной, что бы вся PR индустрия стремилась попасть в эти рейтинги и приходили в мой проект за этой возможностью. Таким образом, PredictMedia становился видимым для миллионов читателей и одновременно получал бесплатные данные о том, что читают и чем интересуются. Это был бы «эффект вирусной интеграции», похожий на то, как ADI использовала стадионы и уличные экраны.

Вот здесь наступает самый важный момент. Я мог бы просто тихо закрыть папку с проектом, удалить все файлы и сделать вид, что ничего не было. Но я решил поступить иначе. Я решил написать эту статью и рассказать о PredictMedia.

Почему?

Во-первых, потому что я честно осознал: я не осилю этот путь. Не потому, что я слабый или ленивый, а потому что стартап такого уровня требует не только денег и таланта, но и удачи, связей, времени, которое я уже не могу себе позволить. Я должен быть прагматичным. И если я не могу реализовать идею сам, пусть хотя бы другие узнают о ней, возможно, кто-то из них подхватит эстафету.

Во-вторых, я все еще верю, что идея PredictMedia жизнеспособна. Возможно, сейчас неподходящее время, или неподходящий подход. Возможно, нужно начинать не с прогнозирования для PR, а с более узкой ниши, например, прогноза для политических кампаний, где готовность платить выше. Или делать не полноценную платформу, а сначала простой бот с базовыми предсказаниями, чтобы протестировать спрос. Кто знает, возможно, я просто выбрал неправильную форму реализации.

Доказательства важнее красивых слов

Никакая презентация не заменит работающий прототип с реальными цифрами. Если бы я сначала сделал минимальную версию на ограниченном наборе данных и показал ее хотя бы трём клиентам, возможно, у меня было бы больше шансов. Но я погнался за идеальным продуктом и потерял время.

Не прощание, а передача эстафеты

PredictMedia не станет моим стартапом. Возможно, она никогда не станет реальным продуктом, или станет.

А я пока буду наблюдать за чемпионатом мира по футболу.

Спасибо, что прочитали. Если у вас есть вопросы или вы хотите обсудить идею, пишите. И помните: предсказывать тренды сложно, но ещё сложнее не пытаться это сделать. Я попытался.