✍️ Обзор проекта
Проблема
Миллионы русскоязычных пользователей ежедневно пишут тексты: студенты (курсовые, дипломы), предприниматели (коммерческие предложения, деловая переписка), копирайтеры, журналисты, блогеры. Существующие инструменты (орфография в Word, Grammarly для английского) либо не покрывают русский язык, либо проверяют только орфографию, игнорируя стилистику, пунктуацию и перефразирование. Орфо — единственный заметный российский сервис, но он работает через веб-сайт и не интегрирован в мессенджеры, где люди пишут больше всего.
Решение
Telegram Mini App «AI-корректор» — карманный редактор русского языка: вставил текст → получил исправленную версию с пояснениями каждой правки. Три режима: «Быстрая проверка» (орфография + пунктуация за 2 сек), «Глубокий анализ» (стилистика + перефразирование за 5 сек), «Режим редактора» (пошаговое применение правок с выбором варианта). Поддержка всех типов текстов: деловой, научный, публицистический, разговорный. Объяснение каждой ошибки — обучающий эффект.
Ключевые преимущества
💰 Юнит-экономика
Доходная часть
| ARPU (Free) | ₽0 |
| ARPU (Pro, мес.) | ₽199 |
| ARPU (Team, мес.) | ₽599 |
| Средний ARPU (взвеш.) | ₽142 |
| Conversion Free→Pro | 7% |
| Conversion Free→Team | 1.5% |
Расходная часть
| CAC (ТГ-каналы) | ₽180 |
| CAC (органика) | ₽45 |
| CAC (взвешенный) | ₽115 |
| COGS (LLM API/запрос) | ₽0.15 |
| COGS (на платящего/мес) | ₽28 |
| Support cost | ₽12/мес |
Монетизация
Только орфография
Все режимы + история
API + стиль-гайд
🏗️ Архитектура
React + TipTap Editor
Diff-view для правок
PostgreSQL + Redis
Celery для очередей
GPT-4o (глубоко)
Fallback: YandexGPT
Орфо-эпический словарь
Правила Розенталя
Прогресс пользователя
Персональный словарь
Стек технологий
Инфраструктура
VPS (Selectel/Yandex Cloud) — 4 vCPU, 8GB RAM (LLM-задачи требовательнее). Docker Compose. Nginx + SSL. CI/CD: GitHub Actions. Кэширование ответов LLM в Redis для идентичных запросов (экономия до 40% на API). Мониторинг: Sentry для ошибок, Prometheus для метрик. Rate limiting: 10 запросов/мин для Free, безлимит для Pro.
🔄 Пользовательский флоу
Открытие бота
Пользователь находит @AiCorrectorBot в Telegram. Нажимает «Start» → приветственное сообщение с примером: «Отправьте текст, и я проверю его за 2 секунды».
Ввод текста
Пользователь вставляет или набирает текст (до 10 000 символов Pro, 2 000 Free). Либо пересылает сообщение из другого чата — бот проверит текст пересланного сообщения.
Выбор режима проверки
Inline-кнопки: «Быстрая» (орфография+пунктуация, 2 сек), «Глубокая» (стилистика+перефраз, 5 сек), «Редактор» (пошаговые правки с выбором). Free — только быстрая.
Результат проверки
Diff-view: исходный текст с подсвеченными ошибками + исправленная версия. Каждая правка — кликабельная с пояснением: «Запятая перед "чтобы" нужна, потому что...». Обучающий компонент.
Применение и экспорт
Кнопка «Скопировать исправленный текст» или «Применить выборочно» (в режиме редактора). Экспорт в PDF с пометками для преподавателей.
Обучение и аналитика
Профиль: «Частые ошибки», «Прогресс за месяц», «Рекомендации». Геймификация: достижение «Мастер пунктуации» при 100 текстах без ошибок в запятых.
📊 Финансовая модель (3 года)
| Показатель | Год 1 | Год 2 | Год 3 |
|---|---|---|---|
| Пользователи (конец года) | 18 000 | 85 000 | 320 000 |
| Платящие пользователи | 1 530 | 7 225 | 27 200 |
| ARR (годовой recurring доход) | ₽2.6M | ₽12.3M | ₽46.3M |
| Операционные расходы | ₽3.5M | ₽7.8M | ₽18.5M |
| LLM API затраты | ₽0.8M | ₽2.1M | ₽5.2M |
| Маркетинг | ₽1.2M | ₽3.5M | ₽7.8M |
| EBITDA | -₽2.9M | -₽1.1M | +₽14.8M |
| Маржинальность EBITDA | -112% | -9% | 32% |
| Накопленный баланс | -₽2.9M | -₽4.0M | +₽10.8M |
Динамика выручки и EBITDA
Ключевые допущения
Conversion Free→Paid: 8.5% (выше среднего для EdTech). Churn: 6%/мес (год 1), 4%/мес (год 2-3). LLM-затраты оптимизируются через кэширование (-40%), batch-обработку и transition на более дешёвые модели (GPT-4o-mini для 80% запросов). Основные каналы: Telegram-каналы о русском языке, студенческие чаты, SEO-статьи «как проверить текст на ошибки».
🛡️ 5 Аксиом ОСР v7.0 — Антихрупкая разработка
1. Контекстная Энтропия (Context Entropy)
Любой контекст деградирует со временем — модели LLM устаревают, правила языка меняются.
2. Механическая Истина (Mechanical Truth)
Истина только та, которую можно проверить механически.
3. Граничное Разрушение (Boundary Decay)
Границы модулей размываются без принудительного контроля.
4. Обратимость (Reversibility)
Каждое действие должно быть обратимым.
5. Неизменность Состояния (State Immutability)
Состояние — неизменяемая последовательность событий.