📦 УСЛОВНЫЙ GO

Перепродажа данных

Агрегация и перепродажа бизнес-данных и баз

Категория: saas
Дата: 2026-04-02
ID: 62c504f2…
Итоговая оценка ?Оценка потенциала идеи (0-100). Финальный вердикт (GO / УСЛОВНЫЙ / NO-GO) — качественный консенсус 5 AI-моделей с учётом всех рисков и условий, а не только балла.
62/100
⚠ Условный GO — есть риски, нужна проверка гипотез
Финансовый дашборд — главные числа
Нужно вложить ?Сумма расходов до выхода на прибыль: серверы, маркетинг, разработка.
$5,000
стартовых вложений
Выход в плюс ?Месяц, когда ежемесячная прибыль перекроет все расходы на запуск.
месяц 9
от старта
Целевая выручка ?Ежемесячная выручка, при которой проект считается успешным и может масштабироваться.
$3,000
в месяц
Маржа ?Доля выручки, остающаяся после оплаты всех операционных расходов. 70%+ — хороший показатель для SaaS.
75%
остаётся от выручки
Прогноз роста выручки по месяцам
Экономика на одного клиента
Доход с клиента ?Сколько платит один клиент в месяц. Чем выше — тем меньше клиентов нужно для хорошей прибыли.
$11/мес
в среднем с клиента
Прибыльность ?Сколько от каждого доллара остаётся после оплаты серверов, API и прочих расходов.
~75-82%
остаётся от выручки
Окупаемость ?Когда расходы на запуск отобьются и бизнес начнёт приносить чистую прибыль.
~2-3 мес
выход в плюс
Ценность клиента ?Сколько денег один клиент принесёт за всё время. Идеально — в 3× выше стоимости привлечения.
$3000
суммарно за весь срок
Макс. стоимость привлечения ?Максимум на рекламу за одного клиента, при котором бизнес остаётся прибыльным.
$200
на 1 нового клиента
Ценность / Привлечение ?Отношение ценности клиента к стоимости его привлечения. Норма: 3× и выше.
15.0×
✓ Выше нормы
Сценарии развития
Сценарий Выручка к 6-му месяцу Выручка к 12-му месяцу Ключевое допущение
Пессимист $128 $779 CAC выше прогноза, конверсия ниже 5%
Реалист $368 $2,227 По плану: CAC ≤ цели, churn ≤ 5%/мес
Оптимист $920 $5,567 Виральность сработала, CAC < цели в 2 раза
Почему такой вердикт

✓ Аргументы за

  • Высокий ARPU в B2B сегменте
  • Масштабируемость — данные продаются многократно
  • Растущий спрос на качественные данные для AI-моделей

✗ Почему не выше

  • Юридические риски — GDPR, CCPA, отраслевые регуляции
  • Commoditization — данные быстро устаревают и обесцениваются
  • Конкуренция с крупными игроками (Bloomberg, Nielsen, ZoomInfo)
🛑 Когда остановить проект
K1
Нет конверсий после 100 кликов
leads == 0 AND clicks >= 100
→ пауза трафика, диагностика
K2
CAC превысил LTV × 0.5
cac > ltv * 0.5 AND leads >= 5
→ остановить трафик
K3
Два провала Gate
gate_failures >= 2
→ закрыть проект
Что нужно проверить до масштабирования
1
Специализированные B2B данные (контакты, финансовые показатели) имеют высокую готовность платить среди корпоративных клиентов
2
Агрегация публично доступных данных и их структурирование создаёт продаваемую ценность
3
Нишевые датасеты (конкретная отрасль) стоят в 10-100 раз дороже генерических
Что сказали AI-модели
~
Claude Opus (Критик)
Перепродажа данных — юридически сложная сфера. GDPR/CCPA делают многие модели работы с данными незаконными. Без чёткого юридического фрейма — серьёзный риск.
~
GPT-4.1 (Рыночный Стратег)
Легальный data reselling (публичные данные, B2B данные с согласия) — рабочая модель. Ключ — специализация на конкретном вертикальном рынке и уникальная обработка/обогащение данных.
~
Grok-3 (Технический Аналитик)
Data marketplace — многомиллиардный рынок. Специализированные данные (крипто on-chain, B2B контакты, недвижимость) продаются за $10K-100K за датасет. Агрегация и очистка — реальная ценность.
Этапы и вехи
M1
Сбор и нормализация данных
Выполнено
M2
Разработка платформы агрегации
Выполнено
M3
Привлечение первых клиентов
В работе
M4
Выстраивание правовой базы
Ожидает
M5
Масштабирование парка данных
Ожидает
Инвестиции и сценарии выхода

Сколько нужно вложить

$5,000
до выхода в прибыль
Маркетинг $2,500
Разработка $1,250
Инфраструктура $750
Операционные расходы $500

Варианты выхода

  • Продажа при $5K MRR
    $7K–12K
    вероятность 40%
  • Bootstrap до $30K+ MRR
    $500K–$2M
    вероятность 25%
  • Закрыть на любой стадии
    $0 (опыт + код)
    вероятность 35%
🚦 Сильные стороны и риски одним взглядом

✓ Сильные сигналы

  • Высокая маржинальность — данные почти не имеют переменной себестоимости после разовой агрегации и очистки
    маржа ~75-82% (карточка проекта), margin_pct=75 (юнит-модель)
  • Масштабируемость без роста издержек: один и тот же датасет продаётся многократно разным покупателям
  • Растущий рынок данных для B2B-аналитики и обучения AI-моделей — общий спрос на данные увеличивается двузначными темпами в год
    мировой рынок data broker оценивается в $300-460 млрд на 2026 год (разброс из-за разной методологии отраслевых отчётов)
  • Технический MVP уже построен: источники данных подключены, каталог датасетов работает
    вехи M1 и M2 в статусе achieved
  • На бумаге хороший запас прочности юнит-экономики: целевой LTV в 15 раз выше целевого CAC
    LTV $3000 / CAC-цель $200
  • В модель уже встроены автоматические стоп-краны, которые не дадут слить бюджет на нерабочий канал
    kill-триггеры K1 (0 конверсий на 100 кликов) и K2 (CAC выше LTV×0.5)

✗ Тревожные сигналы

  • Юридический риск оценён как серьёзный одной из трёх ИИ-моделей-рецензентов: GDPR/CCPA и растущее число штатов с обязательной регистрацией data broker делают часть бизнес-моделей прямо незаконными
    high
  • Регистрация как data broker стоит реальных денег сверх бюджета в $5000: Калифорния — $6000/год, Вермонт — до $900/год плюс залог $20 000 по новым поправкам; штрафы за пропуск регистрации в Калифорнии уже доходили до $42 000
    high
  • Юридическая база бизнеса (M4) ещё не выстроена, хотя привлечение первых платящих клиентов (M3) уже идёт — есть риск продавать данные раньше, чем закрыт комплаенс
    high
  • Конкуренты на два порядка крупнее по охвату данных и маркетинговому бюджету: у ZoomInfo 260М+ контактов, у Apollo.io 270М+
    medium
  • Данные быстро устаревают (commoditization) — без постоянного обновления ценность датасета падает за считанные месяцы
    medium
  • На момент анализа нет ни одного подтверждённого платящего клиента — вся заявленная юнит-экономика (CAC $200, LTV $3000) пока гипотеза, а не факт
    medium
⚠️ Матрица рисков
Риск Вероятность Влияние Меры
Нарушение GDPR/CCPA или продажа без обязательной регистрации data broker
🛑 Стоп-триггер
 35% High Юрист по privacy до первой продажи; регистрация в штатах с обязательной регистрацией (CA/VT/TX/OR); использовать только публичные или явно согласованные источники данных
Расходы на комплаенс съедают бюджет и маржу
 40% Medium Заложить отдельно $6-10 тыс/год на регистрацию и юридическое сопровождение, не смешивать со стартовым бюджетом $5000; начинать с юрисдикций без обязательной регистрации
Датасет устаревает быстрее, чем окупается (commoditization)
 55% Medium Фокус на одной узкой вертикали с еженедельным автообновлением вместо широкого генерического каталога
Крупные игроки (ZoomInfo, Apollo.io, Coresignal) забирают спрос
 50% High Не конкурировать в контактных данных общего профиля — выбрать узкую нишу, где у гигантов нет готового продукта
CAC превышает LTV×0.5 при первых 5+ лидах
🛑 Стоп-триггер
 35% Medium Тестировать 2-3 канала малым бюджетом параллельно, сразу считать факт. CAC по каждому
Ноль конверсий после 100 кликов трафика
🛑 Стоп-триггер
 25% High Пауза трафика, диагностика оффера и посадочной страницы, смена канала
💸 Денежный поток по месяцам (реалистичный сценарий)
Период Доход Расходы Сальдо Накопленный
Месяц 1 $7 $2,900 -$2,893 -$2,893
Месяц 2 $32 $550 -$518 -$3,411
Месяц 3 $80 $550 -$470 -$3,881
Месяц 4 $151 $1,150 -$999 -$4,880
Месяц 5 $246 $550 -$304 -$5,184
Месяц 6 $368 $550 -$182 -$5,366
Месяц 7 $517 $550 -$33 -$5,399
Месяц 8 $694 $550 $144 -$5,255
🏁 Конкурентная среда
📡 Рыночный катализатор: Рост спроса на качественные данные для обучения AI-моделей и для B2B-аналитики продолжает подстёгивать весь рынок данных
Конкурент Размер Комиссия Слабость
ZoomInfo
 260М+ контактов цена не публикуется (enterprise)
Enterprise-цены и сложные контракты — недоступно малому бизнесу, ниша дешёвого входа остаётся свободной
Apollo.io
 270М+ контактов от $49/место/мес (Basic)
Широкий общий охват контактов, но не специализируется на узких вертикальных датасетах
Coresignal
 структурированные датасеты компаний и сотрудников от $1000/год за API-доступ
Дорогой вход для небольших покупателей — оставляет место для более дешёвой нишевой подписки
Bright Data
 широкая web-scraping инфраструктура —
Фокус на сырых веб-данных и прокси, а не на курируемых вертикальных датасетах под конкретную отрасль
🛠 MVP — план по неделям
Неделя 1
  • Юридический аудит источников данных, проверка нужна ли регистрация data broker (CA/VT/TX/OR)
  • Выбрать одну узкую вертикаль для первого датасета
Юридическое заключение полученоВертикаль выбрана
Неделя 2
  • Собрать и очистить первый нишевый датасет (500-1000 записей)
  • Настроить оплату и выдачу доступа (Creem + API-ключи или CSV-экспорт)
Датасет готов к продажеПлатёжный поток проверен end-to-end
Неделя 3
  • Запустить лендинг с двумя тарифами: $11/мес самостоятельный доступ и заявка на кастомный корпоративный датасет $500/мес
  • Тёплый outreach в 2-3 канала (LinkedIn, нишевые форумы, cold email)
Первые пробные доступы выданыОткрываемость писем >20%
Неделя 4
  • Закрыть первые платные подписки
  • Сверить факт. CAC с целью $200 по каждому каналу; проверить kill-триггер K1
3-5 платящих клиентовCAC замерен по каналам
Неделя 6
  • Автоматизировать еженедельное обновление датасета
  • Пересчитать unit-экономику по факту на первых 10-15 клиентах
Обновление без ручного трудаФакт. CAC ≤ $200 или зафиксирован триггер K2
Неделя 8
  • Решение: масштабировать вертикаль или тестировать вторую нишу
  • Закрыть регистрацию data broker до превышения порога по объёму данных, если применимо
MRR в диапазоне $150-250 (реалистичный сценарий)Юридический статус закрыт
🏰 Экономический ров

✗ Легко скопировать

  • Сбор публичных данных — воспроизводимо любым конкурентом со скрапером
  • Типовой UI каталога/маркетплейса — стандартное SaaS-решение
  • Ценовая модель $11/мес — легко скопировать

✓ Сложно скопировать

  • Экспертиза в конкретной узкой вертикали и наработанные отношения с источниками данных
  • Юридически чистый статус (регистрация data broker, договоры на использование данных) — конкуренту нужны время и деньги на комплаенс
  • Накопленная история/временные ряды по датасету — новый игрок стартует с нуля
⏱ Ров сформируется через: M12+
📊 Стоимость привлечения по каналам
Канал CAC Заметки Прибыльно?
Cold email / LinkedIn outreach (B2B) $150-250 (оценка, ещё не подтверждена реальными продажами) Соответствует cac_target=$200 из модели; сильно зависит от точности списка адресатов ✓ Да
SEO / контент по нишевым запросам $20-50 на бумаге, но окупается только через 6-12 месяцев из-за долгого набора трафика Долгий цикл — не поможет выйти на операционную безубыточность к 8-9 месяцу, но снижает CAC в перспективе ✓ Да
Платная реклама (Google/LinkedIn Ads) $300-500+ (оценка для B2B данных, обычно дороже органики) Kill-триггер K2 (CAC выше LTV×0.5 = $1500) может сработать раньше, чем в органике — включать только после проверки конверсии ✗ Нет
Партнёрские интеграции / каталоги данных переменный, часто % от продажи вместо фикс. CAC Быстрее доверие клиента, но комиссия партнёру снижает маржу с заявленных 75-82% ✓ Да
🔬 Проверка на излишний оптимизм
1
Карточка проекта заявляет breakeven '~2-3 мес', а детальная финмодель показывает операционную безубыточность только к 8-9 месяцу — это два разных показателя (окупаемость CAC по одному клиенту против окупаемости всего проекта), их спутали в разных местах сайта.
→ Ориентироваться на 8-9 месяцев как реальный срок выхода в операционный плюс по всему проекту, а не на цифру с карточки.
не меняет вердикт, но ожидания по срокам нужно снизить
2
ARPU $11/мес на карточке проекта и ARPU $500/мес в финмодели (unit economics) — это, по всей видимости, два разных тарифа, не описанных явно как отдельные продукты.
→ Явно зафиксировать two-tier модель (self-serve $11/мес + enterprise $500/мес) с раздельной unit-экономикой на каждый тариф — иначе общий прогноз MRR ненадёжен.
снижает точность прогноза MRR, вердикт не меняет
3
Веха M3 (первые клиенты) уже в работе, а веха M4 (юридическая база) всё ещё в статусе pending — то есть продажи могут начаться раньше, чем закрыт комплаенс.
→ Заморозить приём платящих клиентов из штатов с обязательной регистрацией data broker (CA/VT/TX/OR) до завершения M4, даже если это задержит рост MRR.
снижает вероятность оптимистичного сценария (MRR $5567 к 12 месяцу), реалистичнее — нижняя половина реалистичного сценария
4
Соотношение LTV:CAC = 15:1 выглядит подозрительно хорошо для канала продаж, который ещё не подтверждён ни одной реальной оплатой.
→ Считать это гипотезой до 10+ реальных платящих клиентов; на старте закладывать более консервативный CAC ($300-500), а не целевые $200.
юнит-экономика на практике может оказаться слабее заявленной, пока не подтверждена продажами

Есть своя идея?

5 AI-моделей атакуют её с разных сторон и выдают честный вердикт GO / NO-GO с реальными числами за 24 часа.

Проверить за $39 →