Lead verification

Grant application

Open original

Lead verification

Document text

The text retains the original document language.

Page 1

Page image

Н1. Цифровые технологии Создание вертикального сервиса предварительной квалификации холодных лидов для B2B-продаж
 на основе агрегации данных
 и искусственного интеллекта В 4-5 раз быстрее Тимофеев Григорий Михайлович Менемент СТС-621401 До 89% экономии Конверсия в 22%+

Page 2

Page image

Кризис эффективности холодных продаж 28 ₽ → 47 ₽ Средняя стоимость обработки лида
 в 2022 и 2025 3-5% Конверсия холодной базы в встречу Потери
 бюджета Пример запуска SaaS-продукта: Обзвон:
 5 000 – 10 000 контактов Стоимость
 контакта: ≈45 ₽ Бюджет
 кампании: ≈450 000 ₽ до 315 000 ₽ Потери на нерелевантные звонки Проблематика До 70% базы — нерелевантные контакты 48% Ошибочные или отключённые номера 34% Сотрудники без полномочий (курьеры, рядовые менеджеры) 18% Компании вне целевого сегмента 20% Компании с финансовыми проблемами Юридические
 риски 14 компаний Были оштрафованы Роскомнадзором за 2024-2025 300 тыс – 2,5 млн ₽ Размер штрафа Популярные сервисы (например GetContact) не предоставляют API для массовой проверки Низкая удовлетворённость бизнесов 73% Компаний недовольны качеством лидов
 от колл-центров На рынке нет инструмента предварительной фильтрации контактов

Page 3

Page image

Стартапы и компании
 с новыми продуктами Поиск первых пилотных клиентов в вертикальных нишах (транспорт, туризм, логистика). О продукте Цифровой сервис предварительной квалификации холодных лидов для B2B-продаж Сервис анализирует телефонные номера из базы до начала обзвона и определяет, насколько контакт соответствует портрету целевого клиента Наши клиенты Аутсорсинговые колл- центры и агентства по продажам Крупные компании
 с внутренними отделами продаж Банки и финансовые организации Продажа корпоративных продуктов компаниям без налоговых задолженностей и с признаками финансовой устойчивости. Повышение эффективности холодных продаж за счёт работы только с квалифицированными лидами. Интеграция в существующие CRM- системы как модуль предварительной фильтрации лидов.

Page 4

Page image

Ядро системы: Гибридный AI-анализ В основе решения лежат продвинутые алгоритмы квалификации лидов Graph Neural Networks (PyTorch Geometric) Выявление скрытых связей между номерами телефонов, данными ЕГРЮЛ и отраслевыми параметрами ML-квалификация (XGBoost) Принятие решений на основе 47 признаков (динамика штата, лицензии, активность ЛПР) Data Science база Модель обучена на верифицированном датасете из 250 000+ реальных лидов Эффективность Точность квалификации 87%+ Модуль агрегации данных (Smart Connectors) Изолированные микросервисы для работы с внешними источниками через официальные и публичные API Технологичность проекта Прогнозируемый доход ₽2,500,000 +10% Июл Июн Апр Фев ₽ Янв Май Мар Источники Прямые коннекторы к API ФНС, ФССП, Яндекс.Бизнес, 2ГИС OSINT-слой Сбор данных из открытых профилей без нарушения политик платформ Стабильность Изолированные коннекторы с соблюдением rate limits Backend Python 3.11 (FastAPI), PostgreSQL 15 с репликацией Frontend React 18 + TypeScript (Ant Design)

Page 5

Page image

TAM SAM SOM Рынок и потребитель 38,8 МЛРД ₽ 43.5. Весь рынок B2B-продаж РФ 3,9 МЛРД ₽ 4.3 5. омпании в приоритетных вертикалях транспорт, логистика, туризм, использующие холодный обзвон 388 МЛН ₽ 43 5. Реально достижимый обем 1 % от нишевого рынка) при внедрении через партнеров и прямые продажи 7-16% Рост рынка холодных B2B продаж за счет цифровизации и ТРЕНДЫ НА РЫНКЕ Импортозамещение Вакуум на рынке после ухода западных инструментов умной лидогенерации (LinkedIn Sales Navigator, ZoomInfo) Кризис эффективности Средняя стоимость холодного лида выросла до 47 ₽, при этом конверсия в большинстве ниш упала ниже 3–5%. Барьеры и их преодоление Консерватизм отделов продаж → Разработка максимально простого интерфейса (Dashboard), который внедряется за 1 день без обучения Сложность интеграции с CRM → API-совместимость и возможность выгрузки данных в форматах .csv / .xlsx для любой системы Защита данных → Архитектура, полностью соответствующая требованиям 152-ФЗ (обработка данных на серверах в РФ)

Page 6

Page image

План реализации Техническая задача Разработка и обучение гибридной ИИ-модели на базе графовых нейросетей (PyTorch Geometric) и классификатора XGBoost для автоматической квалификации B2B-лидов с точностью ≥87% ЕОЕЕСКИЕ РЕСУРСЫ И КОМАНДА ML Engineer Backend Data Engineer Бухгалтер Руководитель проекта Материальные VPS (8 ядер, 16 ГБ RAM) БД PostgreSQL Лицензии на коммерческие API Инструменты ML иНАНСОЫЕ «Студенческий стартап» — 1 000 000 ₽ 707 500 ₽ Заработная плата и взносы 327 600 ₽ Инфраструктура
 и API 94 900 ₽ Маркетинг
 и запуск модель монетизации «плата за результат» Тариф «Старт» Тариф «Бизнес» Тариф «Премиум» 1 лид гарантированный
 /потенциальный 1,8 ₽ 0,9 ₽ 1 лид гарантированный
 /потенциальный 1,5 ₽ 0,75 ₽ 1 лид гарантированный 1,2 ₽

Page 7

Page image

Календарный план 1 месяц 2-4 месяцы 5-7 месяцы Регистрация ООО Набор команды Проектирование архитектуры Создание ИИ-модуля квалификации Обучение на датасете Разработка микросервисной
 шины агрегации данных 8-9 месяцы 10 месяц 11-12 месяцы Разработка веб-интерфейса Интеграция модулей Пилотное тестирование с 3 компаниями Сбор обратной связи Финальная доработка Юридическая настройка
 соответствия 152-ФЗ Перечень планируемых работ с детализацией 1 Этап 100 000 ₽ Создание и регистрация юридического лица 1 месяц 2 Этап Разработка микросервисной шины агрегации данных 900 000 ₽ Пилотное тестирование с 3 компаниями 11 месяцев Проектирование архитектуры платформы
 и ИИ-модели квалификации Создание ИИ-модуля квалификации
 на основе графовых нейросетей Разработка веб-интерфейса
 с конструктором отраслевых портретов Юридическая настройка
 соответствия 152-ФЗ

Page 8

Page image

Бухгалер Опыт ведения НИОКР и грантовых проектов Ведение бухгалтерии, отчётность перед ФСИ Аутсорсинг Срок 12 месяцев Python ML Engineer Опыт с графовыми нейросетями (PyTorch Geometric), работа с большими графами данных Разработка ИИ-модуля квалификации на основе графовых моделей Срочный трудовой договор Срок 8 месяцев Backend Developer 4+ года опыта, микросервисная архитектура, работа с очередями (Celery, Redis) Разработка микросервисной шины агрегации данных Срочный трудовой договор Срок 10 месяцев Команда Ген.директор Студент ВШЭ, факультет креативных индустрий Стратегия, переговоры с колл- центрами и партнёрами, управление бюджетом Трудовой договор
 (неполная занятость) Срок 12 месяцев Data Engineer Опыт работы с API государственных реестров, обработка больших объёмов данных Настройка коннекторов к ФНС, ФССП, Яндекс.Бизнес, 2ГИС Срочный трудовой договор Срок 6 месяцев Frontend Developer React, TypeScript, опыт создания дашбордов и аналитических интерфейсов Разработка веб-интерфейса с конструктором отраслевых портретов Срочный трудовой договор Срок 4 месяца Юрист Опыт в области 152-ФЗ, защита персональных данных, взаимодействие с Роскомнадзором Юридическая экспертиза архитектуры, подготовка документов для соответствия
 152-ФЗ Срочный трудовой договор Срок 3 месяца

Page 9

Page image

СТС-621401 Н1. Цифровые технологии Создание вертикального сервиса предварительной квалификации холодных лидов для B2B-продаж
 на основе агрегации данных
 и искусственного интеллекта Тимофеев Григорий Михайлович Менемент 8 (980) 694-75-81 zhinshala@yandex.ru