30 тысяч запросов — ещё не рынок: как я сменил идею SaaS после первого MVP

Последний месяц я пытаюсь решить задачу, которая оказалась сложнее разработки: понять, какой продукт действительно нужен людям.

Написать код, собрать интерфейс и подключить нейросеть можно по понятному плану. Гораздо труднее проверить, существует ли за идеей реальная потребность, чем пользователи решают задачу сейчас и готовы ли они переходить на новый инструмент.

На своём первом SaaS я допустил типичную продуктовую ошибку: сначала сделал MVP и только потом начал внимательно изучать рынок.

Почему идея казалась подтверждённой

Первоначально я хотел создать сервис для транскрибации аудио и видео.

Сценарий выглядел понятным: пользователь загружает файл, получает текстовую расшифровку и при необходимости формирует краткую выжимку содержания.

На момент проверки запрос «видео в текст» показывал в Яндекс Вордстате порядка 30 тысяч запросов в месяц. Для меня это выглядело убедительным аргументом: люди ищут такую возможность, следовательно, на неё есть спрос.

Я сделал сайт, бэкенд, подключил модели распознавания речи и получил работающий MVP. Видео загружалось, речь превращалась в текст — технически задача была решена.

А затем я внимательнее посмотрел на конкурентов.

Оказалось, что сервисов транскрибации уже очень много. Бесплатных, платных, встроенных в другие продукты и существующих как отдельные приложения. Большинство предлагает один и тот же сценарий, а различия обычно сводятся к интерфейсу, цене и нескольким дополнительным функциям.

Возник вопрос, который следовало задать до начала разработки:
Зачем пользователю ещё один транскрибатор?

Где я ошибся в оценке спроса

Количество поисковых запросов показывает интерес к задаче, но не отвечает на несколько принципиальных вопросов:

1. устраивают ли пользователей существующие решения;
2. почему они продолжают искать альтернативы;
3. как часто им нужна транскрибация;
4. готовы ли они платить;
5. что должно заставить их сменить привычный инструмент;
6. существует ли незакрытая часть пользовательского сценария.

Я фактически подменил исследование рынка одной цифрой.

Можно было сделать интерфейс удобнее, подключить другую модель или добавить несколько AI-функций. Но без понимания пользовательской проблемы это стало бы попыткой оправдать уже написанный код.

Чем больше времени вложено в разработку, тем труднее признать, что первоначальная идея может быть неверной. Возникает желание добавить ещё одну функцию, изменить дизайн и надеяться, что после этого продукт станет востребованным.

Но готовый MVP доказывает только техническую реализуемость. Он ничего не говорит о наличии рынка.

Важно смотреть не на функцию, а на следующий шаг

Чтобы найти другой угол, я начал анализировать не саму транскрибацию, а то, что пользователь делает с полученным текстом дальше.

Один из сценариев — создание субтитров для коротких видео.

В вертикальном контенте субтитры перестали быть служебной строкой в нижней части экрана. Они стали элементом визуальной коммуникации: авторы выделяют отдельные слова, меняют цвет и размер текста, добавляют анимацию и размещают фразы рядом с объектами в кадре.

Транскрибация в этом процессе — только первый этап. После распознавания речи автору всё равно приходится:

1. исправлять ошибки;
2. настраивать тайминг;
3. разбивать текст на смысловые фрагменты;
4. выбирать шрифт и размер;
5. выделять важные слова;
6. следить, чтобы текст не перекрывал лицо или продукт;
7. приводить оформление к стилю канала;
8. экспортировать готовое видео.

Пользователю нужен не текст как таковой. Ему нужен готовый к публикации ролик. Так идея отдельного транскрибатора превратилась в идею редактора субтитров.

Как продукт снова начал разрастаться

На этом этапе появилась другая опасность — желание автоматизировать весь процесс сразу.

Можно анализировать объекты в кадре и автоматически выбирать свободное место для текста. Можно выделять важные слова, менять оформление в зависимости от смысла, добавлять анимацию и B-roll. В перспективе можно попробовать заменить часть классического видеомонтажа работой AI-агента.

Каждая такая функция кажется логичной. Но её полезность существует только как предположение, пока поведение реальных пользователей не докажет обратное.

За несколько вечеров легко придумать продукт, который небольшая команда будет разрабатывать несколько лет. Поэтому я решил ограничить первую версию базовым сценарием:

Видео → распознавание → субтитры → редактирование → оформление → готовый результат.

Без обещаний заменить монтажную студию и без десятков функций, ценность которых ещё не подтверждена.

Что получилось

На этой гипотезе я собрал первую версию Captions Space — редактора субтитров, который теперь использую для проверки спроса.

Сервис распознаёт речь, формирует субтитры с таймкодами и открывает их в редакторе. Пользователь может исправить текст, изменить время появления фраз и настроить оформление.

Чтобы не собирать визуальный стиль с нуля для каждого ролика, я добавил готовые варианты оформления. При этом человек сохраняет контроль над результатом.

В основе продукта оказался простой принцип: AI не обязательно должен выполнять всю работу самостоятельно. Иногда полезнее автоматизировать 80% повторяющихся действий и оставить пользователю 20%, где нужны проверка и творческое решение.

Но технически работающий сервис пока остаётся гипотезой, а не доказанным продуктом.

Какие вопросы ещё предстоит проверить

Теперь меня интересует не количество потенциальных функций, а поведение пользователей:

1. сколько времени они тратят на субтитры;
2. какие инструменты используют сейчас;
3. что именно их в этих инструментах не устраивает;
4. насколько регулярно возникает задача;
5. важнее ли скорость, качество распознавания или оформление;
6. готовы ли они пользоваться отдельным сервисом;
7. готовы ли платить за экономию времени.

Ответы на эти вопросы нельзя получить из Вордстата или списка конкурентов. Нужны наблюдение за реальным процессом, разговоры с авторами и проверка их поведения, а не только отношения к идее.

Вопрос «Вам пригодился бы такой сервис?» почти всегда приводит к необязательному положительному ответу. Гораздо полезнее спросить, как человек сделал последнее видео, сколько времени потратил, что было неудобно и за какие инструменты уже платит.

Что я вынес из этой истории

Первый вывод: поисковый спрос и рынок — не одно и то же. Запросы показывают интерес, но не доказывают готовность сменить инструмент или заплатить.

Второй: начинать стоит не с набора функций, а с полного пользовательского сценария. Возможно, ценность находится не в той операции, которую мы решили автоматизировать, а в следующем шаге.

Третий: MVP должен проверять рискованное предположение, а не демонстрировать способность команды написать код. В моём случае главным риском была не возможность распознать речь, а наличие потребности в отдельном редакторе субтитров.

Четвёртый: добавление функций не компенсирует отсутствие ясной проблемы. Оно только увеличивает стоимость проверки гипотезы.

Раньше путь к продукту представлялся мне так:

Идея → разработка → готовый сервис.

Сейчас он выглядит иначе:

Предположение → минимальная реализация → проверка поведения → обратная связь → следующая версия или отказ от идеи.

Самая сложная часть запуска первого SaaS — не написать код. Сложнее не влюбиться в своё решение раньше, чем появятся доказательства, что оно нужно кому-то ещё.