Экосистемы, маркетплейсы и подписки

1. Цифровая экосистема: понятие и логика построения
2. Российские и мировые экосистемы: сравнение
3. Маркетплейс как модель: устройство и юнит-экономика
4. Подписочная модель: экономика повторяющегося дохода
5. Метрики цифрового бизнеса: LTV, CAC, churn, ARPU
6. ИИ в экосистемах и подписках: история и современность
7. Регулирование экосистем
8. Прогноз бизнес-моделей до 2030 года

После лекции студент сможет:

Один клиент — десятки сервисов — одна подписка

• Экономика привлечения: CAC в одном сервисе высок, а перевод существующего клиента в новый сервис почти бесплатен
• Удержание: чем больше сервисов использует клиент, тем выше издержки переключения и ниже отток
• Данные: перекрёстные данные (покупки + перемещения + платежи) дают более точные модели скоринга и рекомендаций
• Конкуренция за «точку входа»: банк боится стать невидимым «проводом» за интерфейсом маркетплейса — и наоборот
• Финансирование новых направлений за счёт прибыльного ядра: банк финансирует доставку, поиск — такси
• Риски: распыление капитала, убыточные направления, антимонопольное внимание, потеря фокуса

Источник / оценка: Отчёты компаний, оценки; округлено

Подписка экосистемы — не источник прибыли сама по себе, а инструмент удержания и стимулирования потребления во всех сервисах.

Утро в экосистеме: такси, кофе по подписке, доставка продуктов, фильм вечером — один аккаунт, один счёт

• Ценность для клиента: удобство, скидки, единый интерфейс, накопление баллов
• Скрытая цена: концентрация данных у одной компании, привязка к экосистеме, снижение сравнения цен
• Поведенческие эффекты: подписка снижает «боль платежа» и повышает частоту потребления
• Регуляторный интерес: доступ конкурентов к клиентам экосистемы, прозрачность условий, право отключить подписку в один клик
• Вопрос для дискуссии: выигрывает ли клиент от экосистем в долгосрочном периоде?

Витрина, логистика, финтех — устройство модели

1. Витрина и поиск — Каталог, ранжирование, реклама продавцов, персональные рекомендации
2. Логистика — Модели FBO (склад площадки), FBS (склад продавца), DBS (доставка продавцом); пункты выдачи
3. Платежи и финтех — Эквайринг, рассрочка, кредиты продавцам, собственный банк
4. Доверие — Отзывы, возвраты, арбитраж споров, борьба с контрафактом
5. Аналитика для продавцов — Данные о спросе, ценах конкурентов, инструменты продвижения
6. Сообщество продавцов — Сотни тысяч предпринимателей; обучение, кредитование, споры о комиссиях

Цифры условные, для иллюстрации структуры. Реальная экономика зависит от категории, региона и доли рекламы.

Условная структура зрелого маркетплейса

% выручки

Реклама и финтех — самые быстрорастущие статьи дохода.

Источник исходной лекции: Оценки на основе отчётов Ozon, Amazon; округлено

• Доля комиссий снижается, доля рекламы и финтеха растёт
• Реклама — самый маржинальный доход: продавцы платят за место в выдаче
• Финтех (кредиты продавцам, рассрочка) превращает маркетплейс в банк
• Логистика как сервис — конкурентное преимущество и статья затрат одновременно

• Комиссии и штрафы: продавцы жалуются на непрозрачность; площадки — на мошенничество и низкое качество
• Собственные бренды площадки конкурируют с продавцами, используя данные о спросе (проблема самопредпочтения)
• Зависимость: для многих малых продавцов маркетплейс — единственный канал; изменение алгоритма ранжирования может обнулить продажи
• Ответ регуляторов: закон о платформенной экономике в РФ, DMA в ЕС — уведомление об изменениях условий, запрет дискриминации, доступ к данным
• Ответ рынка: мультихоминг, собственные интернет-магазины, объединения продавцов
• Баланс интересов — ключевой вопрос устойчивости модели

Кейс

КЕЙС

Ozon: от интернет-магазина к платформе и банку

Эволюция бизнес-модели за 25 лет

Экономика повторяющегося дохода

1. Контент — Стриминг видео, музыки, книг: Кинопоиск, Okko, Яндекс Музыка, Литрес
2. SaaS (ПО как услуга) — Битрикс24, 1С:Фреш, МойСклад, Microsoft 365; оплата за пользователя в месяц
3. Товары по подписке — Регулярная доставка: продукты, косметика, корм для животных
4. Экосистемная — Один платёж — набор сервисов и скидок: Яндекс Плюс, СберПрайм
5. По использованию — Плата за фактический объём: облака, API, токены ИИ-моделей
6. Premium-статус — Расширенные функции: Telegram Premium, hh.ru для соискателей

• Повторяющийся доход снижает риск: клиент, оставшийся на второй год, стоит дороже нового
• Оценка компаний через мультипликаторы к ARR (annual recurring revenue), а не к разовым продажам
• Рост через «расширение»: net revenue retention > 100 % означает, что существующие клиенты платят больше со временем
• Данные об использовании позволяют предсказывать отток и вмешиваться заранее
• Обратная сторона: «усталость от подписок» у потребителей, высокая стоимость привлечения, ценовое давление

1. Привлечение — Реклама, контент, партнёры; метрика — CAC
2. Активация — Первый полезный опыт; пробный период, freemium
3. Конверсия в оплату — Доля перешедших на платный тариф; типично 2–5 % для freemium
4. Удержание — Регулярное использование; churn, NPS
5. Расширение — Апгрейд тарифа, дополнительные модули; NRR

Модель AARRR (Д. Макклюр): Acquisition — Activation — Retention — Revenue — Referral

Язык, на котором говорят инвесторы и продакт-менеджеры

Подписка на видеосервис

• Цена подписки — 400 руб./мес.; валовая маржа после лицензий и инфраструктуры — 40 % → маржинальный доход 160 руб./мес.
• Месячный отток — 5 % → средний срок жизни подписчика ≈ 1/0,05 = 20 месяцев
• LTV ≈ 160 × 20 = 3 200 руб.
• CAC — 1 200 руб. → LTV/CAC ≈ 2,7; payback ≈ 1 200 / 160 = 7,5 месяца
• Вывод: модель работает, но чувствительна к оттоку — снижение churn до 4 % поднимает LTV до 4 000 руб. (+25 %)
• Именно поэтому сервисы инвестируют в рекомендательные системы: каждый процентный пункт удержания стоит дороже, чем скидка на привлечение

Маржинальный доход 160 руб./мес.

LTV, руб.

Снижение оттока с 4 % до 2 % удваивает LTV.

Источник исходной лекции: Расчёт по формуле LTV = маржа / churn

• Зависимость нелинейна: снижение оттока с 4 % до 2 % удваивает LTV
• Удержание — самый мощный рычаг подписочной экономики
• Инструменты: персонализация, ИИ-рекомендации, семейные тарифы, экосистемные бонусы
• Ошибка: покупать рост рекламой при высоком оттоке — «дырявое ведро»

Удержание, персонализация, новые тарифы

1990-е

Программы лояльности и CRM: сегментация RFM

2000-е

Рекомендации Amazon, Netflix; прогноз оттока в телекомах

2010-е

Персональные ленты, push-уведомления на ML, динамические скидки

2019–2021

Экосистемные подписки с ИИ-ассистентами (Алиса, Салют)

2023

Генеративный ИИ как отдельный подписочный продукт (ChatGPT Plus)

2025–2026

ИИ-агенты внутри экосистем; тарифы по объёму ИИ-использования

От невидимых моделей оттока к ИИ как самостоятельному продукту подписки: каждый этап делал удержание клиента точнее и дороже для конкурентов.

• Прогноз оттока (churn prediction): модели на данных использования выявляют клиентов с риском ухода за недели до отказа — телеком, банки, стриминг
• Рекомендации как удержание: Netflix оценивает эффект рекомендательной системы более чем в 1 млрд долл. в год сэкономленных на удержании
• Персональные предложения: следующий лучший продукт (next best offer) в банках и экосистемах
• Оптимизация цен и тарифов: A/B-тесты, ценовая дискриминация по сегментам
• Кросс-продажи в экосистеме: данные такси предсказывают спрос на доставку, данные покупок — на кредит

1. ИИ как продукт подписки — ChatGPT Plus/Pro, Claude, Gemini, GigaChat, Алиса AI: тарифы от «бесплатно» до сотен долларов в месяц
2. Оплата за токены — Модель «по использованию» для разработчиков и бизнеса; цены упали на порядки за два года
3. ИИ внутри экосистемной подписки — Ассистент как аргумент за подписку: Яндекс Плюс с Алисой AI, Microsoft 365 Copilot
4. ИИ-поддержка и удержание — Агенты решают проблемы до того, как клиент решит уйти; персональные удерживающие предложения
5. Генерация контента для сервисов — Персонализированные обложки, описания, подборки; синтетические голоса и переводы
6. Агентные экосистемы — Агент пользователя управляет сервисами экосистемы: заказывает, планирует, оплачивает

Источник / оценка: Отчёты и оценки СМИ; округлено

Генеративный ИИ стал одним из самых быстрорастущих подписочных продуктов в истории, но стоимость вычислений делает юнит-экономику «тяжёлых» пользователей отрицательной — отсюда лимиты, тарифы по объёму и агрессивная оптимизация моделей.

ИИ в контексте темы: история, современность, горизонт 2030

Экосистемы под надзором; бизнес-модели в эпоху агентов

• Банк России (доклад 2021): риски экосистем на базе банков — иммобилизованные активы, перекрёстное субсидирование, концентрация; введён риск-чувствительный лимит на непрофильные активы
• ФАС: «пятый антимонопольный пакет» и закон о платформенной экономике — правила для посреднических платформ, включая экосистемные
• Защита потребителя: право отменить подписку так же легко, как оформить; запрет скрытых автопродлений; уведомления о списании
• ЕС: DMA обязывает «гейткиперов» открывать экосистемы (сторонние магазины приложений, переносимость данных, запрет самопредпочтения)
• Ожидания к 2030: обязательная интероперабельность мессенджеров и платежей, аудит ИИ-рекомендаций, ограничения на использование данных между сервисами экосистемы

Условная оценка сдвига структуры доходов

% выручки

Подписки и ИИ-сервисы становятся основой маржи экосистем.

Источник исходной лекции: Оценка на основе отчётов компаний и прогнозов аналитиков

• Доля рекламы и комиссий снижается под давлением регуляторов и агентов
• Подписки и ИИ-сервисы становятся основой удержания и маржи
• Финтех — точка роста экосистем вокруг маркетплейсов
• Цифры иллюстративны; направление сдвига — консенсус аналитиков

1. Агентские подписки — Пользователь платит агенту, а агент выбирает сервисы — экосистема теряет прямой контакт
2. Персональные цены — Тарифы в реальном времени по данным использования; вопрос справедливости и регулирования
3. Открытые экосистемы — Интероперабельность по закону превращает закрытые экосистемы в наборы совместимых сервисов
4. Роботизированная логистика — Дроны, роботы-курьеры, автономные фуры снижают себестоимость «последней мили»
5. Доверие как продукт — Верификация людей и контента, страхование сделок — платные сервисы платформ
6. Экспорт экосистем — Российские платформы в СНГ и дружественных странах; конкуренция с китайскими

1. Экосистема снижает стоимость привлечения и повышает LTV через единый ID, общие данные и подписку; её риски — распыление капитала и регулирование
2. Маркетплейс зарабатывает на комиссиях, рекламе, логистике и финтехе; ключевой конфликт — интересы площадки и продавцов
3. Подписка даёт повторяющийся доход, оцениваемый через ARR; главный рычаг — снижение оттока, поскольку LTV = маржа / churn
4. Метрики LTV, CAC, churn, ARPU, GMV, take rate, NRR — обязательный язык анализа цифрового бизнеса
5. ИИ прошёл путь от невидимого прогноза оттока до самостоятельного подписочного продукта; к 2030 году ИИ-агенты изменят, кому и как платят пользователи

1. Чем цифровая экосистема отличается от диверсифицированного холдинга?
2. Сравните российские экосистемы Сбера и Яндекса по ядру, сервисам и модели подписки
3. Опишите модели FBO, FBS, DBS и их влияние на экономику маркетплейса
4. Из каких источников складывается доход зрелого маркетплейса? Какой из них самый маржинальный?
5. Рассчитайте LTV при ARPU 500 руб., марже 50 % и месячном оттоке 4 %; оцените допустимый CAC
6. Что такое NRR и почему показатель выше 100 % ценится инвесторами?
7. Как генеративный ИИ стал подписочным продуктом и в чём проблема его юнит-экономики?
8. Какие меры регулирования экосистем действуют в России и ЕС?

• Банк России. Экосистемы: подходы к регулированию. Доклад для общественных консультаций, 2021
• Федеральный закон о платформенной экономике в РФ (2025); Закон РФ «О защите прав потребителей» (правила подписок и автопродления)
• Regulation (EU) 2022/1925 — Digital Markets Act
• Jacobides M., Cennamo C., Gawer A. Towards a Theory of Ecosystems. Strategic Management Journal, 2018
• Tzuo T. Subscribed: Why the Subscription Model Will Be Your Company's Future. 2018 (рус. пер. «Бизнес на подписке»)
• Croll A., Yoskovitz B. Lean Analytics. 2013 (метрики цифровых продуктов)
• Gomez-Uribe C., Hunt N. The Netflix Recommender System: Algorithms, Business Value, and Innovation. 2015
• Годовые отчёты и презентации для инвесторов: Ozon, Яндекс, Сбер, VK, МТС (2024–2025)
• Data Insight, АКИТ, Tinkoff eCommerce: обзоры рынка электронной торговли и подписок
• McKinsey. Ecosystems: the next frontier of value creation. 2024

• Следующая лекция:
• Технологический базис: большие данные, облака, интернет вещей

Вопросы — на семинаре и в чате курса

• 3D — NPV
• 3D — трёхмерный
• BIM / ТИМ — информационное моделирование зданий / технологии информационного моделирования
• ERP — планирование ресурсов предприятия
• MES — система управления производственными операциями
• PLM — управление жизненным циклом изделия
• ML — машинное обучение
• MLOps — развёртывание и сопровождение моделей машинного обучения
• VLA — модель «зрение — язык — действие»
• BI — бизнес-аналитика
• IoT / IIoT — интернет вещей / промышленный интернет вещей
• KPI — ключевой показатель эффективности
• NPV — чистая приведённая стоимость
• TCO — ЭПД
• TCO — совокупная стоимость владения
• АСУ ТП — автоматизированная система управления технологическим процессом
• САПР — система автоматизированного проектирования
• ПЛК — программируемый логический контроллер

• ЧПУ — числовое программное управление
• ГИС — государственная информационная система
• ГИСП — государственная информационная система промышленности
• ГИСОГД — государственная информационная система обеспечения градостроительной деятельности
• ЕГИСЗ — единая государственная информационная система в сфере здравоохранения
• ФГИС — федеральная государственная информационная система
• ЭПД — электронные перевозочные документы
• ИД — КАМАЗ
• ИД — исполнительная документация
• ГОСТ — государственный стандарт; ГОСТ Р — национальный стандарт России
• ISO — Международная организация по стандартизации
• ЭПР — экспериментальный правовой режим
• ИЦК — индустриальный центр компетенций
• ФРП — Фонд развития промышленности
• BCG — Boston Consulting Group; консалтинговая компания
• BMW — Bayerische Motoren Werke; «Баварские моторные заводы»
• GM — General Motors; автопроизводитель
• IFR — Международная федерация робототехники

• PTC — Parametric Technology Corporation; разработчик инженерного ПО
• SAP — системы, приложения и продукты в обработке данных
• КАМАЗ — Камский автомобильный завод
• НЛМК — НПЗ
• НЛМК — Новолипецкий металлургический комбинат
• ММК — Магнитогорский металлургический комбинат
• ОДК — Объединённая двигателестроительная корпорация
• СИБУР — Сибирско-Уральская нефтегазохимическая компания; историческое название
• НИУ ВШЭ — Национальный исследовательский университет «Высшая школа экономики»
• ИСИЭЗ — Институт статистических исследований и экономики знаний
• ИИ / AI — искусственный интеллект
• ИТ / IT — информационные технологии
• ПО — программное обеспечение
• РФ — Российская Федерация
• ЕС / EU — Европейский союз
• АПК — агропромышленный комплекс
• ЖКХ — жилищно-коммунальное хозяйство
• НПЗ — нефтеперерабатывающий завод

Единицы и текст: тыс. — тысяча; млн — миллион; млрд — миллиард; трлн — триллион; руб. — рубль; долл. — доллар; г./гг. — год/годы; уч. год — учебный год; ст. — статья; ред. — редакция; др./et al. — другие авторы. вуз — высшее учебное заведение.