КирИИлл и sfer.ai

Ты — аналитик Telegram-каналов и SMM-консультант с большим опытом. Проведи аудит моего Telegram-канала за последние 12 месяцев и собери короткую презентацию для меня и команды. По ней я буду решать, как развивать канал дальше.

## Вводные
- Канал: @[username]
- Период: [с … по …]. Если не указан, возьми последние 12 месяцев.
- С кем сравнить: @[канал], @[канал], @[канал] — 3–6 каналов похожей тематики и аудитории.
- Что меня беспокоит: [например: «слишком много рекламы», «читатели падают», «рост только за счёт подборок»]
- Что я продвигаю в канале: [свои курсы, продукт, другие каналы, платную рекламу]
- Кто будет смотреть презентацию: [я, SMM-менеджер, партнёры]

## Данные
Сначала выясни, какие источники тебе доступны, и скажи, чего не хватает. Не придумывай цифры: у каждой цифры в презентации должен быть источник. Работай только на чтение: ничего не публикуй и не меняй в канале, аккаунтах и сервисах.
1. Telegram — по каждому посту за период: дата, текст, просмотры, реакции с разбивкой по эмодзи, пересылки, комментарии, ссылки и кнопки. Лучше всего — через Telegram API под аккаунтом владельца (например, Telethon). Там же статистика канала за последние ~3 месяца: подписки и отписки по дням, источники подписчиков и просмотров, отключения уведомлений, кривые просмотров отдельных постов.
2. TGStat (tgstat.ru/channel/@[username]/stat) — история подписчиков по дням, «средний охват», ERR, «рекламный охват 24h», упоминания канала в других каналах. Те же графики — по каналам для сравнения. Если у тебя есть доступ к моему браузеру, открой TGStat там.
3. Если автоматического доступа нет — скажи, какие выгрузки или скриншоты мне прислать, и работай по ним.

## Что посчитать
1. Подписчики: прирост за год, «волны» (дни резкого прироста) и их причины — подборки, упоминания, выступления, реклама. Отдельно прирост в волнах и между ними. Источники новых подписчиков, отписки, отключения уведомлений.
2. Читатели: охват поста в абсолютных числах и ERR (охват ÷ подписчики) по месяцам. Отдельно последние 6 месяцев: что изменилось и в каком месяце.
3. Отдача роста — на сколько выросло число читателей поста на каждые 100 новых подписчиков: (прирост читателей ÷ прирост подписчиков) × 100. Если отдача выше ERR на старте, ERR растёт; если ниже, новые подписчики разбавляют аудиторию. Посчитай за год, по каждой волне и для каналов из сравнения.
4. Сравнение с каналами: подписчики, читатели поста, ERR, отдача роста — одинаковым методом для всех каналов.
5. Вовлечённость: ER поста = (реакции + пересылки + комментарии) ÷ просмотры. Медиана и тренд за год, состав по месяцам — реакции, пересылки и комментарии на 100 просмотров.
6. Темы: разметь каждый пост по теме вручную, по тексту, 8–10 тем. Для каждой темы — медианы пересылок и реакций на 100 просмотров, топ-5 постов по пересылкам и по реакциям.
7. Реклама и призывы: разметь каждый пост — рекламный (его цель — продвинуть курс, мероприятие, вакансию, канал или спонсора), обычный с призывом в конце, без призыва. Доля таких постов по месяцам и что именно продвигали. Сравни с обычными постами охват, ER, реакции и комментарии. Сравни отписки в дни с рекламными постами, с обычными и без постов.
8. Форматы: длина постов, частота публикаций, посты с эмодзи-опросами (они искусственно поднимают реакции).

Пример из документации TypeSafe:

В поддержку пришло письмо: «Три дня не могу подключить Stripe, интеграция падает. Я теряю продажи. Помогите срочно».

Программа отправляет это письмо Jev и спрашивает:

Куда его отправить?

1. техподдержка
2. оплата
3. продажи

Jev отвечает:

техподдержка — 85%
оплата — 15%
продажи — 0%

То есть программа сразу получает готовый ответ, который может использовать дальше. И заодно видит, насколько сама модель в нём уверена.

Письмо посложнее: клиенту пришла вещь не того размера, и непонятно, нужно вернуть деньги или обменять вещь.

Jev отвечает:

возвраты — 61%
оплата — 35%

Разработчик заранее задал правило: если второй вариант набирает больше 25%, письмо уходит в оба отдела. Поэтому оно попадает в возвраты, а копия уходит в оплату.

Если коротко:

Я подключил к операционке почту и при необходимости прошу найти все письма от лабораторий — анализы сдаю в Москве, благо они всегда падают на почту. Теперь все биомаркеры складываются в базу с динамикой, туда же кидаю заключения врачей.

Объяснил, куда движется работа с ИИ и почему продукт перестаёт быть moat, а дистрибуция им становится.

Показал сдвиг от приложений к «точкам выполнения работы»: например, уже не нужно заходить в CRM или банковскую выписку — операционка может строиться вокруг агентов.

Показал ИИ-фикацию банка изнутри — как пройти путь от разрозненных экспериментов к платформе.

Раскрыл суть его роли в компании — не банковский бизнес и не кредитные модели, а горизонталь: чтобы AI работал на пользу всей компании, от инженеров до клиентского продукта.

Говорил про то, что AI-first — это прежде всего про людей и процессы, а не про технологию: как перестраивать команды, что внедрять сейчас, а что нет, и кого переобучать вместо увольнений.

Разобрал свежий инвестиционный тезис, под который крупные фонды заводят миллиарды: вместо того чтобы продавать бизнесу софт, покупать сам бизнес и перестраивать его на ИИ изнутри.

Логика в масштабе — рынок услуг кратно больше рынка софта, а автоматизация рутины поднимает маржу в разы.