PAPUGin progress

Птахи часто приховують ранні ознаки нездужання, а власнику складно зрозуміти, чи зміни у вазі, поведінці або стані є випадковими, чи повторюються.

PAPUG перетворює окремі спостереження на історію, в якій легше побачити зміну та за потреби передати її ветеринару.

Дослідила ринок і спільноту: проаналізувала 17 конкурентів, пройшла їхні застосунки вручну, розібрала тематичні спільноти в соцмережах і форумах.

Ключове спостереження: навколо папуг існує велика активна спільнота в соцмережах, де власники постійно ставлять питання й шукають поради про стан своїх птахів. Тобто попит на відповідь «чи нормально те, що я бачу» вже існує й обслуговується випадковими коментарями незнайомців.

Початкова ідея містила community-механіки, але дослідження змістило фокус: проблема не в браку спілкування, а в невпевненості «чи все зараз нормально з моїм птахом?».

Запустила landing з квізом на 22 питання (профіль власника, поведінка птаха, стан здоров'я) і паралельно зробила 150 холодних outreach серед аудиторії bird-інфлюенсерів та власників папуг у TikTok.

Воронка квізу: 794 кваліфіковані візити → 250 почали проходити квіз → 54 дійшли до результату (~22%) → 11 залишили контакт (~20% від тих, хто побачив результат).

Медіанний час проходження: 4 хвилини 5 секунд.

Outreach: 23 зацікавлені відповіді зі 150 надісланих (~15%). Кількість прочитаних повідомлень канал не показує, тому реальна конверсія від прочитаних може бути вищою.

Інсайт про канали: навіть якщо рахувати квіз від найвужчої бази, тобто від тих, хто вже почав відповідати, конверсія в контакт склала 4,4%. Точковий outreach в аудиторію нішевих інфлюенсерів дав ~15%, тобто втричі краще від найвужчої бази квізу і приблизно на порядок краще, якщо рахувати від рівня візиту. Це змістило пріоритет каналів у бік influencer-маркетингу та роботи зі спільнотою, а не платного трафіку на мікробюджетах.

Інсайт про аудиторію: основну цінність квіз дав не як лідмагніт, а як дослідницький інструмент. 54 людини добровільно пройшли 22 питання за 4 хвилини, що само по собі сигнал зацікавленості в темі. Зібрані відповіді дозволили деталізувати профіль власника: серед 145 відповідей 66% мали птаха менше двох років, а розподіл за видами показав, які саме породи домінують в аудиторії. Це вплинуло на продукт напряму: менше професійної термінології, простіші сценарії, пріоритет контенту під найпоширеніші види й орієнтація на новачка, а не на досвідченого заводчика.

Перша версія регулярного логування була тижневою анкетою з семи сигналів. Вона вимагала забагато дій саме в тій ситуації, коли з птахом усе нормально, тобто в більшості випадків.

Переробила її на два сценарії.

Так трекінг став фоновою звичкою, а деталі з'являються лише тоді, коли вони справді потрібні.

Профілі кількох птахів, історія ваги з трендом, стани та медикаменти, каталог спостережень, база знань про види, адмінка та продуктова аналітика. Акаунти працюють на анонімній авторизації, повноцінний логін у роботі.

Окремо побудувала 60-місячну фінансову модель, щоб перевірити економіку freemium-сценарію до того, як вкладатись в acquisition.

Робота розбита на етапи, і кожен наступний деталізує попередній: спочатку специфікація (яку проблему вирішуємо і що свідомо не робимо), далі план реалізації (як саме), далі розбивка на атомарні задачі, і тільки потім код. Великі фічі так розкладались на 60+ окремих задач.

Під кожен етап написана власна інструкція: як писати специфікацію, як планувати, як вести розробку, як розбирати баги, як проходити ревʼю, як закривати гілку. Це вісім документів, які підхоплюють обидва інструменти розробки, тому процес однаковий незалежно від того, в чому я зараз працюю.

На цей момент написано близько 25 специфікацій, робота триває. Найочевидніше процес окупився там, де ревʼю специфікації урізало скоуп ще до написання коду: одну із трьох запланованих сутностей зняла, бо в неї не було жодного реального споживача.

Під час аналізу acquisition-воронки виявила, що частину трафіку створюють боти та preview-сканери, які завищували знаменник.

Тому замість сирого page view ввела qualified visit: візит з достатньою видимістю сторінки або реальною взаємодією. Це очистило базу для подальшого аналізу конверсії.

Зараз: шліфую core experience та інформаційну архітектуру health records.

До закритої бети: повноцінна авторизація, інструментування продуктових подій, верифікований контент бази знань, AI-функції (голосове введення, чат, аналіз фото), QA і тестування з реальними власниками.

Наступні гіпотези: нативні обгортки під Android та iOS найближчим часом. Далі, коли база користувачів виросте: маркетплейс товарів і ветеринарні консультації всередині продукту.

Запланована модель монетизації: freemium з платним тріалом. Безкоштовно профілі й структурований трекінг, платно AI-шар і розширені сценарії.

React · TypeScript · Supabase · Cloudflare · PWA · GitHub Actions

AI-assisted development: Cursor, Claude Code. Продуктова аналітика власна, у планах підключення Amplitude.