Конвейер стартапов: грант от Дурова, продажа маркетинговой платформы за 832 млн рублей и машинное обучение в Dbrain

МЕНЮ


Искусственный интеллект. Новости
Поиск
Регистрация на сайте
Сбор средств на аренду сервера для ai-news

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематика

Авторизация



RSS


RSS новости

Новостная лента форума ailab.ru


2018-11-25 23:05

it новости

История серийного предпринимателя Дмитрия Мацкевича.

Дмитрий Мацкевич заинтересовался стартапами, работая в консалтинговой компании Accenture. C 2007 года он параллельно работе консультировал проекты знакомых по привлечению инвестиций, а потом занялся проектным менеджментом в компании Wikimart. По его словам, так он получал предпринимательский опыт без рисков.

В 2012 году Дмитрий Мацкевич и бывшие консультанты Илья Айзен и Саймон Проект разработали сервис реферального маркетинга Flocktory. В 2016 году Flocktory за 832 млн рублей приобрела компания Qiwi.

Вырученные от продажи деньги Мацкевич потратил на разработку чат-бота Icon8, который позволял редактировать фотографии при помощи нейросетей. За его разработку предприниматель получил личный грант в $50 тысяч от Павла Дурова. Однако только на поддержание серверов уходило $30 тысяч в месяц, проект пришлось свернуть.

В 2017 году Дмитрий Мацкевич с двумя сооснователями запустили платформу Dbrain, которая позволяет компаниям внедрять готовые решения на основе нейросетей. «Додо Пицца» использовала сервис Dbrain для проверки качества пиццы, а в Индонезии мэрия с его помощью анализирует загруженность дорог.

Предприниматель рассказал vc.ru:

  • как привлечь первых клиентов несмотря на несовершенный продукт;
  • почему в России основателям сложно выйти из стартапа;
  • почему компаниям выгодно ориентироваться на маленькие рынки.

«Тренируешься, не беря риски» — консультирование стартапов и работа в Wikimart

Сколько себя помню, мне хотелось заниматься собственными проектами. Было тяжело встраиваться в чужие системы, и я от этого страдал. У меня постоянно были какие-то подработки на стороне — ещё когда был студентом.

Было много мелких предприятий — организация строек, аренда фур, разные логистические штуки. При всех плюсах МФТИ у него есть значительный недостаток: когда я там учился, студентам не хватало понимания, чем можно заниматься помимо физики и программирования. Приходилось исследовать это самому — через друзей, ввязываясь во всякие авантюры.

Я увидел знакомых, которые работают в консалтинге, и пошёл в Accenture — эта компания занимается проектами на стыке консалтинга и ИТ. Я долго присматривался к тому, чтобы основать свой стартап, но казалось, что у меня недостаточно опыта, идеи тоже так себе.

На самом деле любая идея в первой реализации выглядит так себе. Пробуешь ещё раз — потом опять так себе. И только с какой-нибудь шестой попытки может получиться действительно хорошо.

Чтобы компенсировать желание заниматься стартапами, я начал параллельно работе в Accenture помогать чужим проектам привлекать деньги или упаковывать продукт.

Предпринимательство увлекало меня всё больше и больше. Я перестал встречаться с друзьями, если у нас с ними не было общих проектов, — работал, а всё остальное время встречался с основателями стартапов и отчасти жил их жизнью.

Они там что-то делали, рисковали, а я был сторонним консультантом — ездил вместе с основателями на презентации к инвесторам, помогал с аналитикой и выработкой целевых показателей. Так я получал от ребят часть драйва — но не брал на себя весь этот риск.

Я долго думал, как оценивать свои услуги, и в итоге решил привязать оплату к привлечённым инвестициям. В отличие от разработки какой-то виртуальной стратегии, это очень понятный количественный показатель — если стартап поднимает раунд, то забираешь какой-то процент средств.

Но мне не удавалось встретить какой-то достойный проект, в котором хотелось бы закрепиться. Тогда я ещё хотел поступать в Стэнфорд или Гарвард и отучиться на MBA — романтизировал бизнес-школы и думал, что это ровно.

Прошло время, и я понял, что практической пользы от этого не получить — лучше работать над полевыми задачами в реальных стартапах.

В 2008 году из Стэнфорда вернулись Максим Фалдин и Камиль Фалдыкаев. Для меня диплом бизнес-школы был показателем того, что ребята разбираются в том, что делают. Тогда у них уже были идея маркетплейса Wikimart и инвестиции от американского фонда Tigers Global. Я присоединился к самой первой команде, оставив Accenture. Решил испачкать руки настоящим проектом.

Мне не хотелось расти в какой-то операционной роли, например, становиться директором по маркетингу. Было интересно переключаться между разными полевыми задачами и критическими проблемами. В Wikimart мы с нуля выстраивали маркетинговый отдел — ночами я читал про аффиляционные программы.

По сути у тебя много отдельных стартапов внутри одного большого — создаёшь новые отделы и перемещаешься между ними.

Wikimart изначально был маркетплейсом — то есть продавал чужие товары, а потом стал выпускать свои. Как-то Максим Фалдин подошёл ко мне и сказал: «Бросай всё, нужно понять, как выставлять цены». У Wikimart тогда уже скопилась масса товаров, которые было пора продавать — но непонятно за сколько.

В ценообразовании есть свои нюансы: например, у мобильных телефонов нужно менять цену несколько раз в день в зависимости от цен конкурентов — спрос на смартфоны очень эластичный.

В случае с детскими колясками иначе: цена ограничена поставщиком. Нельзя опустить её ниже, зато можно придумать разные хитрые схемы и за счёт скидок и бесплатной доставки сделать этот товар «дешевле», чем на других площадках.

Интерфейс Wikimart

Работая в Wikimart, я стал параллельно заниматься благотворительным проектом 1minute с Мишей Ларионовым и Димой Думиком — с ними я общаюсь до сих пор.

В чём тогда была проблема благотворительности в Росcии? Если делать НКО, то налоговая начинает думать, что ты собираешься кого-то обмануть, потому что НКО используют для отмывания денег. При этом если нужно собирать с кого-то деньги и передавать их, то НКО открывать обязательно.

Ещё когда люди жертвуют деньги, сложно им объяснить, почему часть из них уходит как комиссия на поддержание инфраструктуры. Например, кто-то жертвует сто рублей для детей с лейкемией — нельзя просто сказать, что заберёшь себе 25 рублей на управление.

Реакция примерно такая: «Ты что, охренел? Мы тут детям жертвуем, а ты деньги себе в карман кладёшь».

При этом в Америке в среднем до конца доходит 70% средств — люди понимают, почему так происходит, и не возмущаются. 30% тратится на привлечение средств, маркетинг и так далее.

Это привело к тому, что все организации и фонды в России создавались энтузиастами, которые делали с хорошим посылом, но не очень профессионально.

Либо они придумывали чёрные схемы — не со зла, а потому что им нужно было как-то выживать.

Я погрузился в ecommerce и знал, что онлайн-магазины платят маркетинговым агенствам за то, что те гонят трафик на товар. Часто это работает по модели cost-per-order, то есть за продажу сумки на Ozon площадка отдаёт, допустим, 600 рублей тому, кто привёл этого покупателя.

Мы тогда придумали такую схему: можно не открывать НКО, а работать как маркетинговое агентство для того же Ozon или Wikimart. Когда клиенты покупали через нашу площадку, часть средств, которые Wikimart отдавал нам как маркетинговому агенству, шла на благотворительность.

Деньги получались из воздуха — пользователи нам ничего не жертвовали, поэтому не нужно было отчитываться как НКО. Wikimart платил 1minute за привлечение трафика, а часть средств мы, как и обещали пользователям, переводили на благотворительность — всё честно.

Но чтобы серьёзно этим заниматься, проектом нужно было заниматься всё время и вкладывать в него деньги, а я тогда был к этому не готов.

Через какое-то время Ebay и Amazon запустили аналогичные программы — у Amazon появился сервис Smile.Amazon, который перечисляет 5% с покупок на благотворительность.

Работая над 1minute, я заметил, что если у проекта есть классные идея и миссия, то многие люди будут готовы работать на него бесплатно. Например, со мной работали друзья из McKinsey. У ребят из консалтинга была дополнительная мотивация: такие проекты можно вписать в заявку на обучение в бизнес-школе.

Когда человек работает за идею, он гораздо больше вовлечён, чем когда работает за деньги.

Icon8: чат-бот за $30 тысяч в месяц

Когда мы продали Flocktory, на меня снова накатила депрессия: с одной стороны на счету появились какие-то деньги, с другой было неясно, что делать дальше.

Полгода я не понимал, чем заняться. Взять и придумать новую идею «с потолка» у меня не получилось.

Тогда я решил, что нужно попасть в какой-то движ, снова начать общаться со стартапами и клиентами. Не будешь же просто стучаться в каждую дверь и спрашивать, нет ли каких-то интересных задач.

На деньги, вырученные от продажи Flocktory, я собрал лабораторию из десяти специалистов по анализу данных. В команде оказался Дима Ульянов — один из основателей алгоритма texture.net, который использовался в Prisma и других приложениях. Мы взяли идею только запустившейся Prisma и адаптировали её для чат-бота, обрабатывающего фотографии.

Telegram-бот Icon8

Чат-бот работал в три раза быстрее, чем Prisma. Мы очень быстро заняли первое место по трафику в Telegram. Telegram разблокировал для нас ограничение по числу сообщений в секунду. Чат-бот сам по себе набирал пользователей и жёг больше и больше денег на поддержание серверов.

Павел Дуров дал нам грант в $50 тысяч — деньги тоже пошли на поддержание Telegram-бота. Затем мы вошли в топ-3 чат-ботов в Facebook, об Icon8 написал в своей книге основатель корпоративного мессенджера Slack.

Я тратил на сервера по $30-50 тысяч из своих личных денег в месяц, никак не монетизируя продукт. Мне стало некомфортно. Просыпаешься с утра, видишь, что в сервис пришёл миллион пользователей из Вьетнама, и думаешь: «Боже, они обойдутся мне ещё в $30 тысяч».

У меня не было понимания, как заработать на этом деньги и как питчить идею венчурным фондам. К тому же мне было неинтересно заниматься обработкой фотографий в долгосрочной перспективе. Поэтому мы свернули проект — но он был полезен тем, что мы получили хороший пиар и поняли, как работать с нейросетями в «промышленных» масштабах.

Меня интересовали два направления: b2b-решения и машинное обучение — в Flocktory мы пропускали через себя большие объёмы данных и делали рекомендации на их основе.

Самое приятное во всём этом процессе — это удивлять людей. Приходишь к «Додо Пицце» и говоришь: «Смотрите, можно определить качество пиццы при помощи камер». А тебе: «Вау, покажи, как это работает?» Как будто показываешь какую-то магию.

Ещё мне нравится сама идея технологических революций. Все они ведут к тому, что рано или поздно людям не нужно будет работать. И каждый человек сможет по максимуму заниматься тем, что он считает интересным для себя.

Сто лет назад большая часть людей полола грядки — и у них не было возможности что-то осознать, получить какое-то удовлетворение от жизни. Люди были заняты тем, чтобы обеспечить себе безопасность: еду и сон.

Искусственный интеллект — следующая ступень технологических революций, которая автоматизирует много скучных профессий. Например, вождение машины или отслеживание качества корочки на пицце.

Раньше были люди, которые открывали двери лифтов. Плохо ли, что у них отобрали работу? Думаю, что хорошо, потому что их поставили в положение, когда можно заняться чем-то другим.

Ещё я для себя понял, что не хочу заниматься идеями вроде «вылечить рак во всём мире через десять лет» или «отправить ракету на Марс» — такие задумки обычно диктует эго человека. Люди блуждают в фантазиях о будущем, у них не получается что-то реально важное и полезное делать сейчас.

Dbrain — платформа для разметки данных для машинного обучения

После закрытия Icon8 сотрудники лаборатории просто исследовали все последние научные работы по искусственному интеллекту, глубинному обучению и компьютерному зрению. Мы анализировали статьи и думали, какие у них могут быть сейчас практические приложения для бизнеса.

Чем больше рынок, тем экспоненциально ниже вероятность, что на нём осталась нерешённая проблема, и клиенты будут готовы платить за прототип продукта. Если это триллионный рынок, то он у всех на виду — и не факт, что стартап успеет ухватить кусочек.

Самые кайфовые идеи на маленьких рынках, где по каким-то причинам есть клиент с нерешённой персональной проблемой. А в идеале находишь маленький рынок, который должен впоследствии развиться — например, из-за распространения технологий.

Мы решили делать платформу Dbrain, в которую входят инструменты для создания искуственного интеллекта для решения бизнес задач. Также мы разрабатываем свои вертикальные продукты на базе ИИ. По ходу ищем интересные проблемы, экстраполируем их на более широкие отрасли — и создаём новые продукты.

Например, у нас есть пилотный проект в Индонезии. Там, как и во всём мире, проблемы с пробками и регулированием дорог — при этом светофоры управляются примитивными алгоритмами. Мы вешаем камеры на каждый перекрёсток, анализируем поток машин и людей, исходя из этих данных алгоритм переключает свет светофора — чтобы он не горел впустую.

Потенциально из этого может развиться целый проект умного города. Или же похожее решение можно будет реализовать в других городах и странах.

Презентация Dbrain

В любой задаче по анализу данных есть 20% привлекательной работы и 80% работы, которую все ненавидят, — подготовки, сортировки и аннотации данных. Мы выстроили автоматизированную инфраструктуру, где удаленные работники помогают большим компаниям размечать данные для машинного обучения. Это очень ресурснозатратный процесс: задачи по разметке довольно простые, но размечать нужно сотни тысяч единиц данных, например, картинки, текст или звуки.

Делегирование работы с данными часто приводит к их некачественной разметке — необученные, немотивированные люди часто размечают массивы наобум. Поначалу мы использовали блокчейн, чтобы достигать консенсуса — случайным образом выбранные незнакомые люди оценивали качество работы друг друга и голосовали.

Также мы протестировали много технических фишек. Например, есть подход honey pot — когда новому разметчику даётся датасет, про который заранее всё известно. И результаты работы пользователя сравниваются с эталоном.

Взяли один метод из психологических тестов: пользователю подбрасываются одни и те же вопросы через разные промежутки времени, чтобы проверить, одинаково ли он на них отвечает.

На запуск проекта ушло $150 тысяч ангельских инвестиций и $300-400 тысяч личных средств. А в последнем раунде Dbrain поднял $2,5 млн от российских и американских бизнес-ангелов.

Пока у нас нет хорошо прогнозируемой прибыли. Средний чек проекта в России $20-100 тысяч, а в США проекты дороже — $300-600 тысяч. Ещё в США короче цикл продажи, чем в России, — сделки завершаются быстрее.

Ближайшая цель для Dbrain — построить стабильный бизнес в Кремниевой долине. В Москве люди избалованы классными инженерами, здесь продавать сложнее — даже во небольших банках за маленькие деньги работают хорошие специалисты. В Сан-Франциско специалистов по анализу данных порой не хватает, даже в Facebook и Amazon.


Источник: vc.ru

Комментарии: