Перепродаж даних

Фінансова панель — ключові показники

Необхідні інвестиції ?

$5,000

для початку

Окупність ?

Місяць 9

від запуску

Цільовий MRR ?

$3,000

на місяць

Маржа ?

75%

від доходу збережено

Прогноз місячного зростання доходу

Економіка одиниці — показники на одного клієнта

Дохід на клієнта ?

$11/mo

на клієнта в середньому

Прибутковість ?

~75-82%

від доходу збережено

Окупність ?

~Month 2–3

до прибутковості

Вартість життя клієнта ?

$3000

за весь період

Максимальна вартість залучення ?

$200

на нового клієнта

LTV / CAC ?

15.0×

✓ Вище еталону

Сценарії розробки

Сценарій	Дохід до 6-го місяця	Дохід до 12-го місяця	Ключове припущення
Песимістичний	$128	$779	CAC вищий за прогноз, конверсія нижче 5%
Реалістичний	$368	$2,227	За планом: CAC ≤ цілі, churn ≤ 5%/міс
Оптимістичний	$920	$5,567	Віральність спрацювала, CAC у 2 рази нижчий за ціль

Чому цей вердикт

✓ Аргументи НА КОРИСТЬ

Високий ARPU в B2B сегменті
Масштабованість: дані продаються багаторазово
Зростаючий попит на якісні дані для AI-моделей

✗ Чому не вище

Юридичні ризики: GDPR, CCPA, галузеві регуляції
Комодитизація: дані швидко застарівають і втрачають цінність
Конкуренція з великими гравцями (Bloomberg, Nielsen, ZoomInfo)

🛑 Коли зупинити проект

K1

Немає конверсій після 100 кліків

leads == 0 AND clicks >= 100

→ пауза трафіку, діагностика

K2

CAC перевищив LTV × 0.5

cac > ltv * 0.5 AND leads >= 5

→ зупинити трафік

K3

Два збої Gate

gate_failures >= 2

→ закрити проект

Що перевірити перед масштабуванням

1

Спеціалізовані B2B дані (контакти, фінансові показники) мають високу готовність платити серед корпоративних клієнтів

2

Агрегація публічно доступних даних та їх структурування створює цінність, яку можна продати

3

Нішеві датасети (конкретна галузь) коштують у 10-100 разів дорожче за загальні

Що сказали AI моделі

~

Claude Opus (Критик)

Перепродаж даних належить до юридично складних сфер. GDPR і CCPA роблять багато моделей роботи з даними незаконними. Без чіткого юридичного каркасу це серйозний ризик.

~

GPT-4.1 (Ринковий Стратег)

Легальний перепродаж даних, тобто публічні дані чи B2B дані, отримані за згодою, це робоча модель. Ключ у спеціалізації на конкретному вертикальному ринку та унікальній обробці й збагаченні даних.

~

Grok-3 (Технічний Аналітик)

Ринок даних (data marketplace) оцінюється в мільярди доларів. Спеціалізовані дані (крипто on-chain, B2B контакти, нерухомість) продаються за $10K-100K за датасет. Агрегація та очищення дають реальну цінність.

Етапи та віхи

M1

Збір і нормалізація даних

Завершено

M2

Розробка платформи агрегації

Завершено

M3

Залучення перших клієнтів

В процесі

M4

Побудова правової бази

Очікується

M5

Масштабування парку даних

Очікується

Сценарії інвестицій та виходу

Загальні необхідні інвестиції

$5,000

для досягнення прибутковості

Маркетинг $2,500

Розробка $1,250

Інфраструктура $750

Операції $500

🚦 Сильні сторони та ризики

✓ Сильні сторони

Висока маржинальність: дані майже не мають змінної собівартості після одноразової агрегації та очищення

маржа ~75-82% (картка проєкту), margin_pct=75 (юніт-модель)
Масштабованість без зростання витрат: один і той самий датасет продається багаторазово різним покупцям
Зростаючий ринок даних для B2B-аналітики та навчання AI-моделей: загальний попит на дані щороку зростає двозначними темпами

світовий ринок data broker оцінюється в $300-460 млрд на 2026 рік (розкид через різну методологію галузевих звітів)
Технічний MVP вже побудований: джерела даних підключені, каталог датасетів працює

віхи M1 і M2 у статусі achieved
На папері хороший запас міцності юніт-економіки: цільовий LTV у 15 разів вищий за цільовий CAC

LTV $3000 / CAC-ціль $200
У модель вже вбудовані автоматичні стоп-крани, які не дадуть злити бюджет на канал, що не працює

kill-тригери K1 (0 конверсій на 100 кліків) і K2 (CAC вищий за LTV×0.5)

✗ Ризики

Юридичний ризик оцінений як серйозний однією з трьох ІІ-моделей-рецензентів: GDPR/CCPA і зростаюча кількість штатів з обов'язковою реєстрацією data broker роблять частину бізнес-моделей прямо незаконними
high
Реєстрація як data broker коштує реальних грошей понад бюджет $5000: у Каліфорнії це $6000/рік, у Вермонті до $900/рік плюс застава $20 000 за новими поправками; штрафи за пропуск реєстрації в Каліфорнії вже сягали $42 000
high
Юридична база бізнесу (M4) ще не побудована, хоча залучення перших платних клієнтів (M3) вже триває. Є ризик продавати дані раніше, ніж закритий комплаєнс.
high
Конкуренти на два порядки більші за охопленням даних і маркетинговим бюджетом: у ZoomInfo 260М+ контактів, у Apollo.io 270М+
medium
Дані швидко застарівають (комодитизація). Без постійного оновлення цінність датасету падає за лічені місяці.
medium
На момент аналізу немає жодного підтвердженого платного клієнта. Уся заявлена юніт-економіка (CAC $200, LTV $3000) поки гіпотеза, а не факт.
medium

⚠️ Матриця ризиків

Ризик	Ймовірність	Вплив	Заходи
Порушення GDPR/CCPA або продаж без обов'язкової реєстрації data broker 🛑 Стоп-сигнал	35%	High	Юрист з privacy до першого продажу; реєстрація в штатах з обов'язковою реєстрацією (CA/VT/TX/OR); використовувати лише публічні або явно узгоджені джерела даних
Витрати на комплаєнс з'їдають бюджет і маржу	40%	Medium	Закласти окремо $6-10 тис/рік на реєстрацію та юридичний супровід, не змішувати зі стартовим бюджетом $5000; починати з юрисдикцій без обов'язкової реєстрації
Датасет застаріває швидше, ніж окупається (комодитизація)	55%	Medium	Фокус на одній вузькій вертикалі з щотижневим автооновленням замість широкого загального каталогу
Великі гравці (ZoomInfo, Apollo.io, Coresignal) забирають попит	50%	High	Не конкурувати в контактних даних загального профілю. Обрати вузьку нішу, де у гігантів немає готового продукту.
CAC перевищує LTV×0.5 на перших 5+ лідах 🛑 Стоп-сигнал	35%	Medium	Тестувати 2-3 канали невеликим бюджетом паралельно, одразу рахувати факт. CAC по кожному
Нуль конверсій після 100 кліків трафіку 🛑 Стоп-сигнал	25%	High	Пауза трафіку, діагностика офера та посадкової сторінки, зміна каналу

💸 Місячний грошовий потік (реалістичний сценарій)

Період	Дохід	Витрати	Сальдо	Накопичено
Місяць 1	$7	$2,900	-$2,893	-$2,893
Місяць 2	$32	$550	-$518	-$3,411
Місяць 3	$80	$550	-$470	-$3,881
Місяць 4	$151	$1,150	-$999	-$4,880
Місяць 5	$246	$550	-$304	-$5,184
Місяць 6	$368	$550	-$182	-$5,366
Місяць 7	$517	$550	-$33	-$5,399
Місяць 8	$694	$550	$144	-$5,255

🏁 Конкурентне середовище

📡 Ринковий каталізатор: Зростання попиту на якісні дані для навчання AI-моделей і для B2B-аналітики продовжує підганяти весь ринок даних

Конкурент	Розмір	Комісія	Слабкість
ZoomInfo	260М+ контактів	ціна не публікується (enterprise)	Enterprise-ціни та складні контракти. Недоступно малому бізнесу, ніша дешевого входу залишається вільною.
Apollo.io	270М+ контактів	від $49/місце/міс (Basic)	Широке загальне охоплення контактів, але без спеціалізації на вузьких вертикальних датасетах
Coresignal	структуровані датасети компаній і співробітників	від $1000/рік за API-доступ	Дорогий вхід для невеликих покупців. Залишає місце для дешевшої нішевої підписки.
Bright Data	широка web-scraping інфраструктура	—	Фокус на сирих веб-даних і проксі, а не на курованих вертикальних датасетах під конкретну галузь

🛠 MVP — план по тижнях

Тиж. 1

Юридичний аудит джерел даних, перевірка чи потрібна реєстрація data broker (CA/VT/TX/OR)
Обрати одну вузьку вертикаль для першого датасету

Юридичний висновок отриманоВертикаль обрана

Тиж. 2

Зібрати та очистити перший нішевий датасет (500-1000 записів)
Налаштувати оплату та видачу доступу (Creem + API-ключі або CSV-експорт)

Датасет готовий до продажуПлатіжний потік перевірено end-to-end

Тиж. 3

Запустити лендинг з двома тарифами: $11/міс самостійний доступ і заявка на кастомний корпоративний датасет $500/міс
Теплий outreach у 2-3 канали (LinkedIn, нішеві форуми, cold email)

Перші пробні доступи виданіВідкриваність листів >20%

Тиж. 4

Закрити перші платні підписки
Звірити факт. CAC з ціллю $200 по кожному каналу; перевірити kill-тригер K1

3-5 платних клієнтівCAC заміряно по каналах

Тиж. 6

Автоматизувати щотижневе оновлення датасету
Перерахувати unit-економіку по факту на перших 10-15 клієнтах

Оновлення без ручної праціФакт. CAC ≤ $200 або зафіксовано тригер K2

Тиж. 8

Рішення: масштабувати вертикаль чи тестувати другу нішу
Закрити реєстрацію data broker до перевищення порогу за обсягом даних, якщо застосовно

MRR у діапазоні $150-250 (реалістичний сценарій)Юридичний статус закрито

🏰 Конкурентний рів

✗ Легко скопіювати

Збір публічних даних. Відтворюваний будь-яким конкурентом зі скрапером.
Типовий UI каталогу/маркетплейсу. Стандартне SaaS-рішення.
Цінова модель $11/міс. Легко скопіювати.

✓ Важко скопіювати

Експертиза в конкретній вузькій вертикалі та напрацьовані відносини з джерелами даних
Юридично чистий статус (реєстрація data broker, договори на використання даних). Конкуренту потрібні час і гроші на комплаєнс.
Накопичена історія/часові ряди по датасету. Новий гравець стартує з нуля.

⏱ Рів формується до: M12+

📊 Вартість залучення по каналах

Канал	CAC	Примітки	Прибутково?
Cold email / LinkedIn outreach (B2B)	$150-250 (оцінка, ще не підтверджена реальними продажами)	Відповідає cac_target=$200 з моделі; сильно залежить від точності списку адресатів	✓ Так
SEO / контент за нішевими запитами	$20-50 на папері, але окупається лише через 6-12 місяців через довгий набір трафіку	Довгий цикл. Не допоможе вийти на операційну беззбитковість до 8-9 місяця, але знижує CAC у перспективі.	✓ Так
Платна реклама (Google/LinkedIn Ads)	$300-500+ (оцінка для B2B даних, зазвичай дорожче за органіку)	Kill-тригер K2 (CAC вищий за LTV×0.5 = $1500) може спрацювати раніше, ніж в органіці. Вмикати лише після перевірки конверсії.	✗ Ні
Партнерські інтеграції / каталоги даних	змінний, часто % від продажу замість фікс. CAC	Швидше довіра клієнта, але комісія партнеру знижує маржу із заявлених 75-82%	✓ Так

🔬 Аудит надмірного оптимізму

1

Картка проєкту заявляє breakeven '~2-3 міс', а детальна фінмодель показує операційну беззбитковість лише до 8-9 місяця. Це два різні показники (окупність CAC по одному клієнту проти окупності всього проєкту), їх переплутали в різних місцях сайту.

→ Орієнтуватися на 8-9 місяців як реальний строк виходу в операційний плюс по всьому проєкту, а не на цифру з картки.

не змінює вердикт, але очікування щодо строків варто знизити

2

ARPU $11/міс на картці проєкту і ARPU $500/міс у фінмоделі (unit economics), судячи з усього, це два різних тарифи, не описані явно як окремі продукти.

→ Явно зафіксувати two-tier модель (self-serve $11/міс + enterprise $500/міс) з окремою unit-економікою на кожен тариф. Інакше загальний прогноз MRR ненадійний.

знижує точність прогнозу MRR, вердикт не змінює

3

Віха M3 (перші клієнти) вже в роботі, а віха M4 (юридична база) все ще в статусі pending. Тобто продажі можуть початися раніше, ніж закритий комплаєнс.

→ Заморозити прийом платних клієнтів зі штатів з обов'язковою реєстрацією data broker (CA/VT/TX/OR) до завершення M4, навіть якщо це затримає зростання MRR.

знижує ймовірність оптимістичного сценарію (MRR $5567 до 12 місяця), реалістичніше: нижня половина реалістичного сценарію

4

Співвідношення LTV:CAC = 15:1 виглядає підозріло добре для каналу продажів, який ще не підтверджений жодною реальною оплатою.

→ Вважати це гіпотезою до 10+ реальних платних клієнтів; на старті закладати більш консервативний CAC ($300-500), а не цільові $200.

юніт-економіка на практиці може виявитися слабшою за заявлену, поки не підтверджена продажами