Зачем этот гайд и почему сейчас
Технический барьер для создания MVP сегодня ниже, чем когда-либо. Вайбкодинг и доступные AI-инструменты изменили уравнение: первичную версию большинства потребительских SaaS-продуктов сейчас можно собрать в разы быстрее и дешевле, чем три года назад. Это не значит, что любой продукт можно скопировать за выходные — сложные B2B-системы, продукты с глубокими интеграциями или уникальными данными по-прежнему требуют значительных усилий. Но это значит, что ставка исключительно на технологическое исполнение как защиту работает всё хуже. Тот, кто делает ставку только на «мы сделали лучше», рискует оказаться в гонке без структурного преимущества.
Часть основателей в ответ делает ставку на скорость и прозрачность. Прозрачность — это стратегический инструмент, который работает в обе стороны. С одной стороны, публичность строит доверие, аудиторию и early adopters: waitlist-кампании, открытые метрики роста, #buildinpublic на ранних стадиях — всё это реально конвертирует в первых пользователей и инвесторов. Если вы запускаете продукт через лист ожидания, прозрачность о том, для кого и зачем вы строите — почти обязательна. С другой стороны, детальный публичный роадмап на горизонте 6–12 месяцев — это информационная асимметрия в пользу конкурентов. Граница проходит примерно здесь: делиться своим процессом, ценностями и «почему» — работает на вас. Делиться конкретными приоритетами следующего квартала — стоит делать осознанно.
На этом фоне интересна одна цифра. По данным исследования NFX (2016, охватывает период 1994–2016), только около 20% компаний в секторе интернета и программного обеспечения — платформ, маркетплейсов, SaaS; не включая производителей железа и полупроводников — защищены сетевыми эффектами. Но именно они генерировали порядка 70% совокупной капитализации этого сегмента. Важная оговорка: цифра относится к эпохе Web 2.0, и с появлением generative AI картина начинает меняться — ряд AI-компаний достиг значительных оценок без очевидных сетевых эффектов. Вопрос о том, как изменится это распределение к 2027–2030 году, остаётся открытым. Но суть не меняется: стоимость концентрируется там, где есть структурная защита.
Когда кто-то рассказывает мне про новую идею или стратегию — первое, о чём я думаю: а что здесь защищено? Не "круто ли это" и не "есть ли рынок", а именно: если это сработает, почему через год сюда не придёт кто-то с бо́льшими ресурсами и не сделает то же самое лучше? Этот вопрос кажется преждевременным на стадии MVP — и именно поэтому большинство основателей задают его слишком поздно.
Защита бизнеса похожа на оборону страны: если противник уже у ворот, строить укрепления поздно. Рвы, крепости и союзы выстраиваются в мирное время — не потому что война неизбежна, а потому что когда она начнётся, времени не будет. В продуктовой логике это означает одно: думать о механизмах защиты нужно не тогда, когда появился сильный конкурент, а на этапе проектирования продукта и бизнес-модели.
Этот гайд — компиляция из ключевых источников по теме плюс личный взгляд.
Источники
Этот гайд собран из тринадцати источников — академических, венчурных и практических. Ниже — краткий список с пояснением, что именно каждый из них даёт.
- GoPractice Simulator (Окт 2024) — базовые фреймворки механизмов защиты с продуктовыми примерами; хорошая точка входа для тех, кто мыслит категориями продукта, а не стратегии.
- NFX: Network Effects Manual (Июн 2021) — детальный разбор 16+ типов сетевых эффектов с примерами из реальных компаний; лучший открытый ресурс по теме.
- NFX: The Four Types of Defensibility (Апр 2021) — четыре уровня защиты бизнеса по версии NFX: сетевые эффекты, переключательные издержки, масштаб, бренд.
- Hamilton Helmer, «7 Powers» (Сен 2016) — стандартный фреймворк венчурной индустрии: семь источников устойчивого конкурентного преимущества с формализованной логикой.
- Ash Ali & Hassan Kubba, «The Unfair Advantage» (книга) (Июн 2022) — MILES-фреймворк (Money, Intelligence, Location, Education, Status): как использовать стартовые асимметрии основателя, которые нельзя воспроизвести через усилие.
- Benedict Evans, «How to Lose a Monopoly» (Янв 2020) — разбор того, как рушатся казалось бы неприступные позиции, на примерах Microsoft и других технологических монополий.
- a16z: «Moats Before (Gross) Margins» (Май 2020) — почему защищённость бизнеса и высокая маржа — это не одно и то же, и что важнее на ранних стадиях.
- a16z: «The Empty Promise of Data Moats» (Май 2019) — почему «у нас накоплено много данных» почти никогда не является настоящим моатом.
- HBR: «The Half-Truth of First-Mover Advantage» (Апр 2005) — исследование, показывающее, что преимущество первопроходца работает только в 37% случаев и зависит от конкретных условий.
- Peter Thiel, «Zero to One» (книга, PDF) (Сен 2014) — глава о монополиях и почему здоровая конкуренция с точки зрения экономики разрушает стоимость, а не создаёт её.
- a16z: «Who Owns the Generative AI Platform?» (Янв 2023) — анализ того, где образуется ценность в AI-стеке и почему у большинства AI-стартапов нет устойчивого моата на уровне модели.
- Sequoia Capital: «The AI Paradox» (Июл 2023) — о том, почему AI одновременно разрушает одни защитные позиции и усиливает другие; взгляд с инвестиционной стороны.
- NFX: «How AI Companies Will Build Real Defensibility» (Июл 2025) — как AI-продукты строят защиту в эпоху быстрого масштабирования и почему сетевые эффекты остаются ключевым фактором.
Что такое механизм защиты (моат)
Термин ввёл Уоррен Баффетт. Он использовал образ средневекового замка: рвы с водой защищали замок от нападения точно так же, как определённые характеристики бизнеса защищают его от конкурентов. Чем шире ров — тем дороже и рискованнее атака. Идеальный бизнес, по Баффетту, — это замок с очень широким рвом: такой, где конкурент даже не решается начинать осаду.
Здесь полезно отделить моаты от нечестных преимуществ. Алексей Черняк (co-Founder & ex-CEO Groupon Russia / Darberry.ru, сооснователь ProductUniversity.ru и UnitedInvestors.ru) пишет о «нечестных преимуществах» — стартовых асимметриях фаундера: связях, капитале, статусе, локации, раннем доступе к рынку. Это не моат, а то, с чем вы приходите на рынок. Моат — то, что вы потом строите в продукте и бизнес-модели: сетевые эффекты, данные, бренд, глубокие интеграции.
Удобная рамка для инвентаризации таких стартовых асимметрий — MILES framework: money, intelligence, location, education, status. Это полезный стартовый чеклист, но не замена механизму защиты. Нечестное преимущество — это когда игрок выходит на ринг с автоматом, вместо перчаток. Моат — это когда сам бой для конкурента становится слишком дорогим или бессмысленным.
Важный нюанс для продактов и основателей: фича — это не моат. Большинство продуктовых улучшений, которые команды называют «нашими конкурентными преимуществами», на самом деле являются временными позиционными преимуществами — их можно скопировать за квартал. Фича становится моатом тогда и только тогда, когда её удаление разрушает рабочий процесс клиента. До этого момента — это просто то, что вы сделали немного лучше конкурента. Удобный UX — не моат. Интеграция в ключевой процесс клиента, без которой его операции встанут, — уже ближе к нему.
Чтобы сделать понятие менее абстрактным, полезно посмотреть на обратные примеры — компании с казалось бы сильными позициями, которые их не удержали:
- Blockbuster (США, крупнейшая сеть видеопрокатных магазинов, 1985–2010) — тысячи точек, узнаваемый бренд, многолетняя история. Netflix переиграл через принципиально другую бизнес-модель — подписку и стриминг — не конкурируя напрямую.
- MySpace (США, социальная сеть, 2003–2011) — в 2005–2006 годах платформа номер один с 100 млн пользователей. Facebook переключил аудиторию, предложив другую концепцию профиля и виральности.
- Wish (США, маркетплейс дешёвых товаров от китайских поставщиков, осн. 2010) — агрессивно захватил рынок трансграничного e-commerce, но упал в пять раз от максимальной капитализации: у компании не было ни лояльности, ни переключательных издержек, ни сетевых эффектов.
- Walmart — казался неприступной крепостью офлайн-ритейла. Amazon перенёс конкуренцию в другую плоскость и фактически сделал физическое присутствие нерелевантным преимуществом.
- Microsoft в 2000-х — монополист на рынке операционных систем и офисного ПО. Мобильный мир создал новую экосистему, в которой доминирование на PC значило всё меньше.
- Clubhouse (США, аудио-социальная сеть, 2020–2021) — за несколько месяцев достиг 10 млн пользователей и оценки в $4 млрд. Через полгода Twitter Spaces, LinkedIn Audio и Discord Stage Channels скопировали формат и распределили его по своим многомиллионным аудиториям. У Clubhouse не было ни данных, ни переключательных издержек, ни сетевых эффектов — только первый ход.
- Peloton (США, фитнес-оборудование + онлайн-тренировки, 2012) — в пандемию достиг капитализации $50 млрд. После снятия ограничений потерял 95% стоимости: сочетание железа и подписки оказалось недостаточным моатом против открытия спортзалов и появления дешёвых копий.
- Quibi (США, короткий мобильный видеостриминг, 2018–2020) — привлёк $1,75 млрд от топовых инвесторов, нанял голливудских звёзд. Закрылся через 6 месяцев после запуска: формат не создавал ни привычки, ни community, ни переключательных издержек — пользователи просто уходили в TikTok и YouTube.
«Монополии не проигрывают войну — они просто оказываются в мире, где их война больше не имеет значения» — Benedict Evans
Из этих примеров следует главный принцип: вечной защиты не существует. Рынки меняются, появляются подрывные технологии, платформенные сдвиги переопределяют само понятие «конкурировать». Работает непрерывный цикл объединения и разделения продуктов: сначала несколько сервисов собираются в платформу (бандлинг — как Microsoft Office объединил редактор, таблицы и почту), затем новые игроки разбивают её на специализированные инструменты (анбандлинг — как Slack, Zoom и Notion «разобрали» корпоративный софт), а потом цикл повторяется. Задача не в том, чтобы построить вечную защиту. Задача — выстроить такую, которая потребует от конкурента сместить конкуренцию на принципиально другой уровень. Это даёт время и пространство для адаптации — что и есть настоящее стратегическое преимущество.
15 механизмов защиты: от краткосрочных к долгосрочным
Механизмы ниже организованы по времени, которое требуется для их построения — от самых быстрых до самых труднодостижимых. Это не рейтинг по силе: долгосрочные обычно мощнее, но без краткосрочных не получить время на их построение. Кратко о каждом:
| # | Механизм | Горизонт |
|---|---|---|
| 1 | Скорость и первый ход — временная монополия на рынок до появления конкурентов | 0–12 мес |
| 2 | Агрессивный захват рынка — занять каналы дистрибуции раньше и плотнее, чем конкурент | 0–2 года |
| 3 | Защищённые каналы роста — вирусность, SEO, партнёрства, которые невозможно воспроизвести | 0–3 года |
| 4 | Собственная аудитория как дистрибуционный актив — накопленное доверие, которое снижает стоимость каждого следующего запуска | 1–3 года |
| 5 | Эффект масштаба — себестоимость падает быстрее, чем у конкурентов, по мере роста | 2–5 лет |
| 6 | Switching Costs / Глубокое встраивание — замена продукта болезненна: данные, процессы, привычки | 2–5 лет |
| 7 | Контрпозиционирование — бизнес-модель, которую крупный игрок не может скопировать без ущерба себе | 2–5 лет |
| 8 | Регуляторные барьеры и эксклюзивный доступ — лицензии, стандарты, контракты и права доступа как барьер входа | 2–7 лет |
| 9 | Операционная сложность (Process Power) — накопленная экспертиза и процессы, которые не копируются | 3–7 лет |
| 10 | Прямые сетевые эффекты — продукт полезнее, когда им пользуется больше людей | 3–7 лет |
| 11 | Перекрёстные сетевые эффекты — рост одной группы пользователей увеличивает ценность для другой | 3–7 лет |
| 12 | Сетевые эффекты вокруг данных — уникальные данные улучшают продукт, что привлекает новые данные | 3–7 лет |
| 13 | Бренд и доверие — репутация, которую нельзя купить, только накопить | 3–10 лет |
| 14 | Экосистема и платформенность — партнёры и интеграции, которые делают уход невозможным | 5+ лет |
| 15 | Уникальный ресурс (Cornered Resource) — эксклюзивный доступ к активу, технологии или таланту | варьируется |
Каждый механизм ниже разобран подробно: как работает, примеры, ограничения и что делать на ранней стадии.
Краткосрочные (0–2 года)
#1 — Скорость и первый ход
Горизонт: Краткосрочный (0–12 месяцев)
Сложность: Низкая
Устойчивость механизма к AI: ⚠️ Разрушается
Суть. Скорость выхода на рынок — единственное нечестное преимущество, которое доступно любому по умолчанию. Оно не требует денег, связей или технологического бэкграунда. Но срок этого преимущества зависит от типа продукта: для тонкого AI-wrapper это могут быть недели, для B2B-продукта с внедрением — месяцы, для regulated или инфраструктурного бизнеса — годы. Скорость работает только до момента, пока конкурент не сможет воспроизвести не код, а весь рабочий контекст вокруг продукта: канал, данные, доверие, интеграции и привычку использования.
Как это работает. Первый ход даёт временную монополию на аудиторию: пока остальные изучают рынок, вы уже получаете данные, первых пользователей и обратную связь. Ключевой момент — не скорость исполнения как таковая, а скорость обучения. Кто быстрее делает выводы из сигналов рынка, тот удерживает преимущество дольше. Именно поэтому learning velocity важнее execution velocity: один цикл обучения опережает десять циклов разработки без обратной связи.
Примеры. ChatGPT вышел в ноябре 2022 года и, по оценке UBS/Reuters, достиг 100 млн monthly active users уже к январю 2023-го — один из самых быстрых потребительских запусков в истории. Но первый ход здесь был не готовым моатом, а окном: OpenAI получила внимание рынка, данные использования, бренд «AI по умолчанию» и время на построение более глубоких защитных слоёв. Clubhouse в 2020–2021 годах показал обратную сторону скорости: продукт первым занял формат live-аудио, но Twitter Spaces, LinkedIn Audio и Discord Stage Channels быстро скопировали механику и распределили её по своим аудиториям. Groupon и его клоны в 2008–2012 годах — ещё один пример: первый игрок быстро создал категорию daily deals, но сама механика оказалась легко копируемой, а отсутствие switching costs превратило рынок в гонку скидок и закупки трафика. Исследование HBR формулирует общий вывод аккуратнее: first-mover advantage работает только при подходящих условиях — когда скорость конвертируется в ресурсы, switching costs, стандарты, данные или сетевые эффекты.
Для инди / стартапа. Скорость — главное оружие против крупных компаний: у вас нет их инерции, согласований и страха ошибиться. Используйте это. Но с первого дня задавайте себе вопрос: что даст мне реальную защиту через год? Скорость — это окно, а не замок. Если за время этого окна не построен хотя бы один более глубокий механизм защиты, скорость просто помогла конкурентам увидеть, что рынок существует.
Устойчивость механизма к AI. Разрушается, потому что AI радикально снижает стоимость копирования интерфейса, базовой логики и контента. Если раньше fast follower тратил месяцы на воспроизведение продукта, теперь он может собрать сопоставимый MVP за недели или дни. Скорость остаётся полезной только как окно для обучения и накопления данных, но сама по себе больше не защищает.
Ограничения. Скорость не создаёт спрос сама по себе. Если пользователь ещё не осознал проблему, не готов менять привычку или не понимает, зачем ему новая категория, первый игрок платит «налог пионера»: объясняет рынок, обучает клиентов, тратит бюджет на формирование спроса — а fast follower приходит позже, когда спрос уже создан, и забирает его более зрелым продуктом. Поэтому первый ход полезен только там, где рынок уже созрел для переключения или где у вас хватает ресурсов пережить период обучения рынка. Не работает без последующих моатов: Friendster, Myspace, Vine — все были первыми в своей нише и все проиграли. В эпоху AI скорость разработки выровнялась для всех — окно первого хода стало ещё короче.
#2 — Агрессивный захват рынка
Горизонт: Краткосрочный (0–2 года)
Сложность: Средняя
Устойчивость механизма к AI: ⚠️ Разрушается
Суть. Агрессивный захват рынка — это стратегия доставки ценности продукта до целевой аудитории раньше конкурентов через концентрированные, масштабируемые каналы. Не просто «быть первыми», а выжечь канал, занять полку, создать узнаваемость, после которой новому игроку войти несопоставимо дороже.
Как это работает. Компания находит один-два канала, где конкуренты ещё не присутствуют в полную силу, и вкладывает в них непропорционально много — денег, внимания, людей. Цель — не просто попасть в канал раньше, а занять его настолько плотно, что у конкурента не остаётся места для эффективного входа. Это создаёт временную асимметрию стоимости привлечения и побочный брендовый эффект: продукт начинает восприниматься как «вариант по умолчанию» для решения конкретной проблемы. Но это превращается в брендовый моат только если частотность контакта подкреплена качественным опытом и удержанием; иначе команда просто покупает узнаваемость без лояльности.
Примеры.
- Wish. Компания агрессивно покупала мобильный трафик и app installs: в годовом отчёте ContextLogic за 2020 год указано, что advertising costs составляли 94% sales & marketing expenses, а сами sales & marketing — 77% операционных расходов. Это помогло быстро набрать масштаб, но без сильного retention и долгосрочных моатов модель оказалась хрупкой.
- Uber. Ride-hailing — классический пример субсидированного захвата локальных рынков: скидки пассажирам, бонусы водителям, плотность supply-side. Но там, где локальные игроки одновременно набрали плотность и доступ, преимущество исчезло: в Китае, России и Юго-Восточной Азии Uber вышел в сделки с Didi, Яндексом и Grab.
- TikTok. ByteDance не просто запустил хороший продукт — он купил и объединил Musical.ly с TikTok, а затем агрессивно инвестировал в user acquisition и brand advertising. По данным TechCrunch / Sensor Tower, 44% всех установок TikTok на тот момент пришлись на 2019 год; это был захват внимания до того, как конкуренты встроили short-video механику в свои продукты.
- PayPal. Ранний PayPal покупал распространение напрямую через денежные стимулы за регистрацию и приглашения. В «Zero to One» Питер Тиль описывает эту фазу как дорогой, но эффективный способ быстро набрать критическую массу. Агрессивный захват канала позже конвертировался в более сильный моат — доверие, merchant acceptance и привычку использовать PayPal как стандартный способ оплаты.
Для инди / стартапа. Нет смысла захватывать все каналы сразу. Выберите один, в котором ваш продукт имеет наиболее нативную дистрибуцию, и создайте в нём непропорциональное присутствие — контентом, партнёрствами или платным трафиком.
Устойчивость механизма к AI. Разрушается, если захват рынка держится только на быстром производстве креативов, лендингов, SEO-страниц или sales-материалов. AI делает такие кампании дешёвыми для всех, поэтому конкурент быстро догоняет по объёму. Устойчивость появляется только если агрессивный захват конвертирован в более глубокий актив: бренд, собственную аудиторию, данные, партнёрства или switching costs.
Ограничения. Агрессивный захват рынка — временный защитный механизм. Он работает только если у команды есть ресурс, который позволяет занять канал быстрее и плотнее конкурентов, а затем конвертировать это окно в настоящий моат.
- Нужен капитал или другой сильный ресурс дистрибуции. «Выжечь канал» можно только если вы способны платить за CAC дольше конкурента и при этом не разрушить unit economics. Это может быть бюджет, субсидии, сильный бренд, собственная аудитория, sales-машина или эксклюзивный партнёрский канал.
- Канал быстро насыщается. Как только способ привлечения доказал эффективность, в него приходят конкуренты: ставки растут, CTR падает, CAC ухудшается. Канальная асимметрия редко живёт долго.
- Рост не заменяет retention. Агрессивный захват приводит пользователей, но если продукт не удерживает, бюджет просто ускоряет churn. В этом случае команда покупает график роста, а не защиту бизнеса.
- Локальный или крупный существующий игрок может перебить доступом. У конкурента может быть не больший бюджет, а лучшая точка входа: поисковый трафик, корпоративные контракты, регуляторное понимание, плотность supply-side или уже существующая аудитория.
Поэтому агрессивный захват работает только как окно, которое нужно быстро конвертировать в switching costs, сетевые эффекты, бренд или собственную дистрибуцию.
#3 — Защищённые каналы роста
Горизонт: Краткосрочный–Среднесрочный (0–3 года)
Сложность: Средняя
Устойчивость механизма к AI: ⚠️ Частично
Суть. Если основной канал роста нельзя воспроизвести конкурентам — позиция защищена на уровне дистрибуции. Это не про то, чтобы быть лучшим в канале, а про то, чтобы конкурент физически не мог войти в него с теми же условиями.
Как это работает. Защита канала появляется там, где доступ к аудитории встроен в сам продукт, накоплен годами или закреплён договорённостями. Это может быть product-led virality, когда использование продукта естественно приводит новых пользователей; SEO/UGC-канал, где накоплены тысячи страниц с реальным спросом; эксклюзивное партнёрство; предустановка; корпоративная дистрибуция через уже существующую базу клиентов. Важно: защищённый канал — это не просто «мы хорошо покупаем трафик». Купить трафик может любой конкурент с бюджетом. Защита возникает, когда конкурент не может получить такой же доступ на тех же условиях.
Примеры.
- Calendly. Каждый пользователь, отправляющий ссылку на встречу, показывает продукт новому человеку в момент, когда у него уже есть задача — назначить встречу без переписки. Это product-led virality в сильной форме: распространение встроено в рабочий процесс, а не прикручено реферальной программой.
- Dropbox. Реферальная программа работала не как абстрактный growth hack, а как канал, связанный с реальной ценностью продукта: больше места за приглашение друга. Конкурент мог скопировать механику бонуса, но без сопоставимого UX, доверия к хранению файлов и простоты шаринга канал не давал бы такого эффекта.
- Slack. Новый workspace тянул за собой команду: один пользователь редко использует Slack в одиночку. Это не чистый сетевой эффект масштаба, но сильный командный growth loop — продукт распространялся внутри организаций через сам процесс коммуникации.
- Microsoft Teams. Microsoft использовал уже существующий защищённый канал: Microsoft 365, корпоративные контракты, IT-администраторов и привычку компаний покупать пакетами. Поэтому Teams мог расти не только как продукт, но и как часть enterprise-дистрибуции, которую Slack не мог просто купить.
- Miro / AWW App. Miro рос через шаблоны, расшариваемые доски и органический спрос на визуальную совместную работу. Когда AWW App занял SEO-позиции по релевантным запросам, покупка конкурента стала способом получить уже накопленный канал быстрее, чем строить его с нуля.
Для инди / стартапа. Найдите один канал, где ваш контент, продукт или партнёрство создаёт несимметричное преимущество, и углубляйте его. Но product-led virality считайте защищённым каналом только если продукт действительно выводит себя к новым релевантным пользователям в момент использования. «Поделиться ссылкой» само по себе не моат. Calendly-ссылка, Figma-файл, Miro-доска, Loom-видео — ближе к защитному каналу, потому что получатель видит продукт внутри своего рабочего контекста.
Устойчивость механизма к AI. Частичная. AI ослабляет каналы, основанные на массовом контенте: SEO, cold outreach, performance-креативы становятся более шумными и конкурентными. Но он почти не разрушает каналы, где защита основана на доступе: эксклюзивное партнёрство, встроенная вирусность продукта, контроль точки входа, корпоративная дистрибуция. Чем больше канал зависит от доверия и договорённостей, а не от генерации текста, тем устойчивее он к AI.
Ограничения. Защищённый канал — не вечная собственность. Он работает, пока сохраняется доступ, качество аудитории и экономическая асимметрия.
- Канал можно скопировать или встроить в платформу. Snapchat Stories был защищённым форматом ровно до того момента, пока Instagram не скопировал фичу и не распределил её по своей аудитории.
- Платформа может изменить правила. SEO-канал зависит от Google, social distribution — от алгоритмов ленты, app stores — от правил Apple и Google. Если точка входа принадлежит не вам, канал защищён лишь частично.
- Виральность может быть шумом, а не каналом. Если люди шарят продукт, но получатели не активируются, это не growth loop, а vanity metric. Защищённый канал должен приводить релевантных пользователей, которые доходят до ценности.
- Один канал создаёт хрупкость. Даже сильный SEO, партнёрство или enterprise-дистрибуция не должны быть единственной опорой. Нужна система каналов, где потеря одного не разрушает весь рост.
#4 — Собственная аудитория как дистрибуционный актив
Горизонт: Среднесрочный (1–3 года)
Сложность: Средняя
Устойчивость механизма к AI: ✅ Усиливается
Суть. Собственная аудитория — это не просто канал роста, а накопленный актив доверия. Канал отвечает на вопрос: «откуда придут новые пользователи?». Аудитория отвечает на другой вопрос: «есть ли у вас уже доступ к людям до запуска продукта?». Email-список, Telegram-канал, YouTube, X, профессиональное community или медиа вокруг экспертизы позволяют не покупать внимание заново при каждом запуске. Поэтому этот механизм особенно важен для инди-предпринимателей: у большой компании есть бюджет и бренд, а у маленькой команды может быть прямой доступ к нише.
Как это работает. Аудитория накапливает три вещи: доверие, данные о спросе и право на повторный контакт. Каждый пост, письмо или публичный запуск показывает, какие проблемы действительно болят, какие формулировки резонируют и за что люди готовы платить. Когда появляется продукт, стартовая точка меняется: вы запускаете его не в пустоту, а в группу людей, которая уже понимает ваш контекст и готова дать первые клики, обратную связь, продажи и рекомендации. Это не заменяет продукт и retention, но резко снижает стоимость проверки гипотез и первых продаж.
Примеры.
- Питер Левелс построил Nomad List, Remote OK и другие продукты вокруг публичной разработки и аудитории в X. Публичные разборы оценивают его портфель примерно в несколько миллионов долларов годовой выручки, но важнее не сама цифра, а механизм: каждый новый запуск получает первые тесты и продажи через уже накопленное доверие.
- Y Combinator, a16z и First Round Review используют медиа, репутацию и аудиторию как верхнюю часть своей воронки. YC Library, a16z podcasts и First Round Review — это не «контент ради контента», а способ получать доступ к фаундерам раньше конкурентов.
- Яндекс, Google и Amazon показывают корпоративную версию механизма: если у компании уже есть точка входа в пользовательский сценарий, новый продукт стартует не с нуля. Поиск, браузер, маркетплейс или главная страница становятся дистрибуционным активом для соседних продуктов.
- Медиа-продукты и экспертные сообщества вроде Lenny's Newsletter, Stratechery или Every могут запускать подписки, курсы, конференции и софт поверх одной и той же базы доверия. Это не гарантирует успех каждого продукта, но снижает стоимость эксперимента.
Для инди / стартапа. Начните строить аудиторию раньше, чем продукт. Email-рассылка, публичный дневник разработки, нишевый Telegram-канал по теме, база пользователей бесплатного инструмента, маленькое professional community — всё это становится активом, если аудитория релевантна будущему продукту. Ключевой критерий простой: подписчик должен быть не просто зрителем, а потенциальным покупателем, пользователем, источником инсайта или каналом рекомендации.
Ограничения.
- Внимание не равно покупке. Большая аудитория может давать лайки и ноль выручки, если между контентом и продуктом нет покупательского намерения.
- Аудитория плохо переносится между категориями. Люди, которые читают вас про AI-инструменты, не обязательно купят HR-систему или финтех-продукт.
- Личная аудитория плохо масштабируется. Если всё доверие держится на одном авторе, компании трудно передать этот актив продажам, поддержке и продуктовой команде.
- Платформы могут обнулить охват. X, YouTube, Telegram, LinkedIn и поисковые системы меняют алгоритмы и правила. Поэтому email, собственный сайт и first-party data ценнее арендованного охвата.
- Слабый продукт сжигает доверие быстрее. Аудитория усиливает запуск, но она же быстрее заметит несоответствие между обещанием и реальностью.
Устойчивость механизма к AI. AI-контент наводняет все каналы одновременно — органический охват падает, а стоимость привлечения внимания растёт. На этом фоне аутентичная человеческая аудитория, построенная на доверии, становится дефицитным ресурсом. Этот моат не разрушается AI — он усиливается по мере того, как всё остальное становится автоматизированным и однородным.
Среднесрочные (2–5 лет)
#5 — Эффект масштаба
Горизонт: Среднесрочный (2–5 лет)
Сложность: Высокая
Устойчивость механизма к AI: ⚠️ Частично
Суть. Эффект масштаба становится защитой не потому, что компания просто большая. Он работает, когда рост снижает стоимость единицы: доставки, транзакции, вычисления, закупки, продаж или обслуживания клиента. Чем больше объём, тем ниже unit cost. Тогда крупный игрок может держать цену ниже, сервис выше или маржу больше, чем конкурент меньшего размера. Это уже не маркетинговое преимущество, а структурная асимметрия в экономике бизнеса.
Как это работает. Масштаб снижает unit cost через несколько разных механизмов. Фиксированные затраты размазываются на большее количество клиентов. Операционная плотность снижает стоимость доставки, поддержки или продаж. Большой объём даёт переговорную силу с поставщиками, платёжными системами и логистическими партнёрами. Инфраструктура лучше загружается: дата-центр, склад, call center или торговая сеть стоят дорого независимо от того, используются они на 40% или на 90%. В сильной версии механизм превращается в flywheel: ниже себестоимость → ниже цена или лучше сервис → больше спрос → ещё ниже себестоимость.
Примеры.
- Amazon строит преимущество через плотность fulfillment-сети: чем больше заказов проходит через склады, маршруты и last-mile инфраструктуру, тем эффективнее работает вся система. Для нового игрока проблема не только в деньгах, а в холодном старте: без объёма сеть дорогая, без сети сложно получить объём.
- AWS прямо объясняет экономику облака через агрегацию спроса сотен тысяч клиентов: провайдер получает более высокий масштаб и может давать более низкие pay-as-you-go цены, чем отдельная компания получила бы на собственной инфраструктуре.
- Costco — классический пример scale economies shared: компания использует объём закупок, ограниченный ассортимент и высокую оборачиваемость, чтобы держать низкие цены и усиливать лояльность участников. Масштаб не просто увеличивает маржу, а возвращается клиенту в виде цены.
- Wise показывает эффект масштаба в финтехе: по мере роста собственной платёжной сети и объёма переводов компания снижала take rate. В годовом отчёте 2025 Wise связывает снижение цен с фокусом на unit costs: это позволило снижать цены и одновременно сохранять маржу.
Для инди / стартапа / PM. Для инди эффект масштаба редко бывает стартовым моатом: объёма ещё нет, а значит нет и структурной экономии. Но можно искать локальный масштаб: стать самым плотным игроком в узкой нише, городе, vertical SaaS-сегменте или канале. Для стартапа вопрос звучит так: «какая часть нашей себестоимости реально падает при росте?». Для PM в крупной компании — наоборот: найти, где существующий масштаб уже даёт cost advantage, и превратить его в продуктовую возможность: цену, SLA, скорость, ассортимент или bundled value.
Ограничения.
- Размер сам по себе не моат. Если рост не снижает unit cost или не улучшает сервис, это просто большая компания с большой сложностью.
- Есть diseconomies of scale. После определённого размера появляются бюрократия, координационные потери, медленные решения и дорогая поддержка legacy-инфраструктуры.
- Масштаб может быть локальным. В доставке важна плотность маршрута, а не общий GMV. В B2B-продажах — плотность в сегменте, а не общее число клиентов.
- Не работает там, где ценность создаёт дефицит. Luxury, бутиковые услуги, high-touch consulting и часть premium B2B выигрывают не от масштаба, а от ограниченности доступа.
- Технологический сдвиг может обнулить старый масштаб. Сеть офлайн-магазинов не помогла Borders против Amazon; огромный парк такси не защищает, если рынок переходит в app-based dispatch.
Устойчивость механизма к AI. Частичная. AI снижает ценность масштаба там, где масштаб раньше означал «у нас больше людей, которые пишут код, тексты, аналитику или поддержку». Маленькая команда с AI может делать то, для чего раньше требовался отдел, поэтому headcount сам по себе хуже защищает крупную компанию. Иначе говоря, AI бьёт по масштабу труда, но не по самому принципу снижения unit cost.
Но AI усиливает другой тип масштаба — там, где узкое место не в людях, а в капитале и физической инфраструктуре. Чтобы обучать и обслуживать большие модели, нужны чипы, дата-центры, электроэнергия, сетевые мощности, долгосрочные контракты с поставщиками и доступ к дешёвому финансированию. Чтобы быстро доставлять товары, нужны склады, маршруты, плотность заказов и логистические партнёры. Чтобы производить железо, нужны фабрики, закупки компонентов и контроль цепочки поставок. AI помогает управлять этими системами эффективнее, но не отменяет необходимость владеть или контролировать саму инфраструктуру.
Поэтому в 2026 году эффект масштаба становится слабее как защита в чистом софте: интерфейс, фичи и базовую автоматизацию стало проще воспроизвести маленькой командой, а значит снизить цену единицы за счёт одного лишь штата уже труднее. Но он становится сильнее там, где продукт упирается в реальные ресурсы: compute, энергию, логистику, производство, закупки или regulatory/compliance-инфраструктуру.
#6 — Switching Costs / Глубокое встраивание
Горизонт: Среднесрочный (2–5 лет)
Сложность: Средняя
Устойчивость механизма к AI: ✅ Усиливается
Суть. Чем глубже продукт встроен в процессы клиента — тем дороже из него уйти. Стоимость переключения измеряется не только деньгами: это время, риск, обучение, накопленная история, психологический дискомфорт. При достаточной глубине встраивания пользователь не переключается даже на объективно лучшего конкурента — потому что цена перехода выше, чем разница в качестве.
Как это работает. Switching costs накапливаются послойно. Нижний слой — данные: история операций, созданный контент, накопленные настройки. Следующий — интеграции: продукт связан с другими инструментами в экосистеме, и разрыв одного звена тянет за собой перенастройку всего. Выше — перестроенные бизнес-процессы: команда работает так, как диктует продукт, а не наоборот. Верхний и самый дорогой слой — обученная команда с устоявшимися привычками: люди думают категориями вашего интерфейса. Каждый слой делает уход экспоненциально дороже.
Примеры.
- CRM: Pipedrive, HubSpot, Salesforce. После нескольких лет использования внутри продукта лежат сделки, письма, звонки, статусы, отчёты, интеграции с телефонией и обученная sales-команда. Переход на другой CRM — это не «купить новый софт», а изменение бизнес-процессов отдела продаж.
- 1C. В российском бизнесе это хрестоматийный пример глубокого встраивания: бухгалтерия, склад, зарплата, документы, отчётность и внутренние доработки часто завязаны на одну систему. Её сложно заменить не потому, что продукт идеален, а потому что бизнес-процессы выстроены вокруг него.
- Notion, Confluence, Google Workspace. Команда накапливает документы, базы знаний, шаблоны, права доступа и привычку работать в определённой структуре. Даже если конкурент лучше по отдельным функциям, перенос рабочей памяти компании болезненен.
- Figma. Switching cost появляется не только из-за файлов, но и из-за совместной работы: дизайн-системы, компоненты, комментарии, dev handoff, привычки дизайнеров и разработчиков. Уйти одному сложно, потому что ценность продукта находится в командном пространстве.
- Evernote. Пользователи с 10-летней историей заметок часто остаются даже при появлении более современных альтернатив. Накопленный личный архив превращается в невидимую стоимость выхода.
- Игры и consumer-продукты. В Clash of Clans, Duolingo или фитнес-приложениях switching cost часто психологический: прогресс, streak, достижения, социальный статус и история усилий. Это менее рационально, чем B2B-миграция, но работает не слабее.
Нир Эял и habit loop. В «Hooked» Эял описывает психологический switching cost: streak в Duolingo — это не просто геймификация, это психологический долг, который пользователь не хочет терять. 365-дневная серия — это сильнее любой скидки у конкурента.
Устойчивость механизма к AI. AI-персонализация создаёт новый тип switching cost, которого раньше не существовало: «эта модель знает мои предпочтения». ChatGPT memory, персонализированные рекомендации, адаптированный стиль общения — всё это накапливается и делает переход на другой инструмент субъективно болезненным, даже если технически конкурент ничем не хуже.
В этом смысле memory в ChatGPT — не самостоятельный moat, а часть стоимости перехода: при уходе теряется контекст, привычка и накопленное понимание того, как с вами работать. Benedict Evans как раз пишет, что memory — это stickiness. То есть это работает как удержание пользователя, но само по себе ещё не доказывает устойчивую защиту уровня платформы.
Для PM. Метрика-прокси для switching costs — форма retention curve. Если retention не падает ниже 30–40% через 12 месяцев после активации — у вас начинают работать switching costs. Если кривая плоская — продукт встроился. Если продолжает падать — встраивания нет.
Ограничения. Switching costs защищают существующих клиентов, но не привлекают новых. Если процесс onboarding слишком сложен, высокая стоимость выхода отпугнёт потенциальных клиентов ещё на этапе входа.
#7 — Контрпозиционирование (Counter-Positioning)
Горизонт: Среднесрочный (2–5 лет)
Сложность: Средняя
Устойчивость механизма к AI: ✅ Усиливается
Суть. По Гамильтону Хелмеру (7 Powers) — это один из самых недооценённых механизмов защиты. Стартап занимает позицию, которую лидер рынка не может скопировать без существенного вреда собственному основному бизнесу. Ключевое слово — «не может», а не «не хочет». Это структурное противоречие, а не вопрос стратегического выбора.
Как это работает. Контрпозиционирование работает за счёт того, что у крупного игрока есть бизнес-модель, которую он защищает. Новая модель угрожает этой защите — и лидер рынка оказывается перед дилеммой: скопировать атаку и убить собственную маржу, или игнорировать угрозу и потерять рынок. Классический сценарий: атакующий предлагает что-то принципиально более дешёвое или принципиально более удобное — за счёт отказа от того, что для действующего игрока является источником дохода.
Примеры.
- Netflix vs Blockbuster. Стриминг и подписка разрушали экономику физических точек. Blockbuster мог запустить онлайн-сервис, но не мог быстро отказаться от сети магазинов, штрафов за просрочку и всей операционной модели, на которой держалась выручка.
- Airbnb vs Hilton. Airbnb масштабировался как asset-light marketplace без владения отелями. Hilton не мог просто «избавиться от отелей» ради ответа: его бренд, капитал, операционная модель и отношения с владельцами недвижимости были построены вокруг другого способа создавать ценность.
- Robinhood vs брокеры с комиссиями. Robinhood не «платил комиссию за пользователя», а убрал видимую broker commission и монетизировал сделки иначе — через payment for order flow, проценты, подписки и другие источники. Для нового игрока zero-commission был способом резко снизить барьер входа. Для традиционных брокеров это било по привычной выручке за сделки: чтобы ответить, им пришлось отказаться от комиссии, которую рынок годами считал нормой. Позже крупные брокеры перешли к нулевым комиссиям, но уже когда новая модель стала стандартом.
- Canva vs Adobe. Canva пошла в массовый рынок через шаблоны, простоту и браузерный workflow. Adobe исторически зарабатывала на профессиональных инструментах, где сложность и глубина продукта были частью ценности. Это не чистое контрпозиционирование, но хороший пример атаки из позиции, которую лидеру рынка трудно принять без риска упростить собственный premium-продукт.
- Linear vs Jira. Linear атакует Jira через скорость, минимализм и opinionated workflow. Atlassian может копировать отдельные элементы интерфейса, но не может легко превратить Jira в лёгкий продукт, не задев enterprise-клиентов, marketplace, настройки и legacy-процессы.
- Vercel vs традиционный хостинг. Vercel продаёт frontend workflow, preview deployments и developer experience, а не просто серверы. Традиционному хостеру сложно ответить тем же, если его экономика и продажи построены вокруг инфраструктуры, а не вокруг ежедневного процесса frontend-команды.
- inDrive vs Uber/Bolt. inDrive строит модель, где пассажир и водитель договариваются о цене конкретной поездки. Это контрпозиционирование против централизованного динамического ценообразования: Uber технически может добавить переговоры, но это конфликтует с его обещанием мгновенного matching, управляемого marketplace и алгоритмического контроля цены. Пример не идеально чистый, потому что Uber может экспериментировать с upfront pricing и разными форматами тарифов, но стратегическая асимметрия здесь настоящая: inDrive продаёт прозрачность и контроль, а не оптимизацию платформенного алгоритма.
Для стартапов и вайбкодеров. У вас нет legacy кода, процессов — вы можем делать то, что крупный игрок структурно не может себе позволить. Нишевой продукт для 1000 клиентов, которыми Salesforce брезгует заниматься, — это ваше окно. Крупная компания не будет каннибализировать собственную маржу ради 1% рынка.
Ищите не технологическое, а бизнес-модельное преимущество, которое лидер рынка не может воспроизвести без вреда себе. Если крупный игрок может легко скопировать вашу модель — это не контрпозиционирование.
Проверка на контрпозиционирование. Это настоящий механизм защиты, если ответ крупного игрока ухудшает его текущий бизнес: снижает маржу, каннибализирует выручку, конфликтует с каналом продаж, ломает бренд, делает существующий продукт менее ценным или требует других KPI для команды. Если конкурент может просто добавить такую же фичу без внутреннего конфликта — это не контрпозиционирование, а временное продуктовое отличие.
Устойчивость механизма к AI. Усиливается, потому что AI ускоряет копирование интерфейса, фич и даже части продукта, но не снимает конфликт бизнес-моделей. Крупный игрок может быстрее собрать похожую функцию, но всё равно не может безболезненно запустить тариф, канал или сервисный формат, который каннибализирует его основной доход. В AI-эпоху контрпозиционирование становится важнее: технологическое отличие живёт недолго, а структурное противоречие у конкурента остаётся.
Ограничения. Контрпозиционирование — это временная асимметрия. Крупный игрок в итоге может адаптироваться: создать отдельный бренд, купить атакующего, изменить KPI команды, отделить новый продукт от старого P&L или дождаться, пока старая модель начнёт падать сама. Поэтому контрпозиционирование даёт окно, но не заменяет долгосрочные моаты. Kodak знал о цифровой фотографии, но структурное противоречие парализовало его слишком надолго.
#8 — Регуляторные барьеры и эксклюзивный доступ
Горизонт: Среднесрочный (2–7 лет)
Сложность: Очень высокая
Устойчивость механизма к AI: ✅ Усиливается
Суть. Лицензии, сертификации, признанные стандарты и эксклюзивный доступ создают барьер входа, который не зависит напрямую от качества продукта или скорости разработки. Конкурент может собрать похожий интерфейс, нанять сильную команду и привлечь капитал, но всё равно будет вынужден пройти тот же путь допуска: регулятор, аудит, клинические испытания, договоры, аккредитации или доступ к ограниченному ресурсу.
Как это работает. Этот механизм защищает через задержку и допуск. FDA approval требует доказательств безопасности и эффективности, а для значимых медицинских устройств клинические исследования проходят через FDA/IRB-процедуры. Банковская лицензия требует капитала, compliance-инфраструктуры, управления рисками и регуляторной истории независимо от того, насколько хорош UX. IELTS защищён не технологией тестирования, а сетью организаций, которые уже признают результат. Эксклюзивная локация, контракт или право доступа работают похожим образом: конкурент не может просто «сделать лучше», если вход на рынок физически, юридически или договорно закрыт.
Примеры.
- Финтех и банки. Банковская или платёжная лицензия — это не фича, а право работать с деньгами клиентов. Новый финтех защищён от AI-copycat не интерфейсом, а тем, что конкуренту нужно пройти лицензирование, compliance, AML/KYC, аудит и построить доверие регулятора.
- Медтех. FDA, CE-маркировка и клинические доказательства создают задержку, которую нельзя убрать генерацией кода. Даже если AI помогает в R&D и документации, он не заменяет доказательную базу, процедуры безопасности и ответственность производителя.
- IELTS и другие признанные стандарты. IELTS принимают тысячи организаций в разных странах. Технически можно сделать лучший тест английского, но быстро заменить сеть университетов, работодателей, миграционных органов и процедур признания намного сложнее.
- Локации и физический доступ. McDonald's в 1950–60-х годах стратегически закреплял сильные локации в растущих американских городах. Хорошее место нельзя скопировать: если оно занято, конкуренту остаётся худшая точка или более высокая цена входа.
- Эксклюзивные контракты. Если сеть, платформа или крупный поставщик уже связан эксклюзивным соглашением, конкурент не может купить тот же доступ на тех же условиях. В такой защите важен не сам договор, а контроль над критическим каналом, ресурсом или точкой контакта с клиентом.
Для PM. В regulated industries compliance-экспертиза — это не административная нагрузка, а конкурентный актив. Команда, которая умеет работать с регулятором, ускоряет time-to-market и создаёт барьер, который не преодолевается деньгами.
Устойчивость механизма к AI. Усиливается. AI помогает готовить документы, анализировать требования и автоматизировать compliance-процессы, но не отменяет сам допуск. Он не может получить лицензию вместо компании, создать регуляторную историю задним числом, заменить клинические данные или переподписать эксклюзивный контракт. Чем дешевле становится копирование продукта, тем ценнее становятся права, разрешения и доступы, которые нельзя скопировать.
Ограничения. Регуляторика меняется — иногда быстро. Лицензии могут быть отозваны, эксклюзивные контракты заканчиваются, а стандарты теряют силу, если рынок перестаёт им доверять. Политический риск реален: смена регуляторного режима может обесценить годы compliance-работы. И главное: барьер допуска защищает вход на рынок, но не гарантирует хороший продукт, retention или экономику.
#9 — Операционная сложность / Process Power
Горизонт: Долгосрочный (3–7 лет)
Сложность: Очень высокая
Устойчивость механизма к AI: ⚠️ Трансформируется
Суть. По Гамильтону Хелмеру, Process Power — это преимущество, которое возникает из процессов, отточенных годами операций. Конкурент может нанять людей, купить те же инструменты и прочитать ваш playbook, но всё равно не воспроизвести то, что встроено в ежедневные решения команды. Это не документация сама по себе, а культура принятия решений, накопленная через тысячи итераций.
Как это работает. Process Power накапливается медленно и незаметно. Каждая итерация встраивает чуть более эффективный способ работы: как команда ставит приоритеты, где допускает риск, как передаёт знания, как разбирает ошибки, как обучает новых людей. Часть этого можно описать в документах, но главное живёт в повторяемых управленческих и операционных привычках. Через годы организация работает иначе, чем конкурент с той же численностью и теми же инструментами.
Примеры.
- Toyota Production System. Toyota десятилетиями развивала lean manufacturing, kaizen и культуру непрерывного улучшения. Когда GM получила доступ к методологии через совместный завод NUMMI, она увидела систему изнутри, но не смогла быстро перенести её на всю организацию. Метод можно изучить, культуру ежедневных решений — нет.
- Amazon. Leadership Principles, working backwards, PR/FAQ, writing culture и small autonomous teams — это не набор корпоративных лозунгов. Amazon сама описывает Leadership Principles как основу культуры, которая используется в ежедневной работе. Сила не в том, что эти принципы опубликованы, а в том, что они встроены в найм, review, планирование и принятие решений.
- SpaceX. Скорость итерации, высокий допуск к инженерному риску и вертикальная интеграция создают операционный темп, который трудно воспроизвести традиционным aerospace-компаниям. Конкурент может купить станки и нанять инженеров, но не скопирует за год культуру быстрых циклов тестирования.
- B2B onboarding. В сложных вертикалях — медицина, финансы, юридические фирмы, промышленность — сильная команда знает, где именно ломается внедрение, какие возражения появятся у клиента и какие процессы нельзя трогать первыми. Это не выглядит как «технология», но именно это сокращает time-to-value и снижает churn.
Для SaaS и B2B. Process Power часто прячется не в продукте, а вокруг него: onboarding, customer success, enterprise sales, миграции, настройка интеграций, поддержка сложных клиентов. Если конкурент копирует фичи, но не может так же быстро доводить клиента до результата, у вас есть операционный моат.
Проверка на Process Power. Это настоящий моат, если новый сотрудник или конкурент не может получить тот же результат, просто прочитав вашу документацию. Если процесс держится на одном героическом человеке — это не Process Power, а key person risk. Если результат повторяется разными командами и улучшается после каждой итерации — это уже операционная защита.
Устойчивость механизма к AI. Трансформируется. AI снижает ценность отдельных операционных навыков: написать инструкцию, собрать аналитику, подготовить документ или автоматизировать кусок workflow стало проще. Но он повышает ценность learning velocity организации — скорости, с которой команда пробует AI, встраивает его в процессы, меняет роли, пересобирает метрики и учится на ошибках. В 2026 году новый Process Power — это не «у нас есть AI-инструменты», а «мы быстрее других превращаем AI в устойчивый способ работать».
Для инди / стартапа. Process Power строится годами и практически недоступен на ранних стадиях. Но это не повод его игнорировать: документируйте процессы, которые работают, с первого дня — это создаёт основу, на которой вырастет будущий операционный моат.
Ограничения. Этот механизм защиты — один из самых дорогих в построении. Он требует времени, которого у стартапа нет, и зависит от стабильности команды: уход ключевых людей разрушает накопленный Process Power быстрее, чем он строился.
Долгосрочные (5+ лет)
#10 — Прямые сетевые эффекты
Горизонт: Долгосрочный (3–7 лет)
Сложность: Высокая
Устойчивость механизма к AI: ✅ Усиливается
Суть. Прямой сетевой эффект появляется, когда каждый новый пользователь делает продукт полезнее для остальных пользователей того же типа. Ценность находится не в фичах, а в связях между людьми: контактах, профессиональном графе, аудитории, группе, чате, guild, клубе, команде. Поэтому конкуренту недостаточно скопировать интерфейс — ему нужно пересобрать саму сеть.
Как это работает. Первым, кто описал этот эффект как бизнес-стратегию, был Теодор Вейл — председатель AT&T в 1908 году. Он понял: ценность телефонной сети определяется не технологией, а количеством подключённых абонентов. Вторая телефонная сеть в том же городе бесполезна, если на ней нет людей, которым нужно звонить. Поэтому AT&T скупала конкурентов не только за инфраструктуру, а за подключённую абонентскую базу.
Сила прямого сетевого эффекта зависит не от общего числа пользователей, а от плотности релевантных связей. 10 млн случайных аккаунтов слабее, чем 5 000 активных людей в одной профессиональной нише, если они регулярно взаимодействуют друг с другом. В сильной сети новый пользователь приносит не только себя, но и новые связи, контент, ответы, репутацию и причины возвращаться. По NFX, прямые сетевые эффекты — одна из самых мощных форм защиты, потому что рост сети напрямую увеличивает ценность продукта для существующих участников.
Примеры.
- WhatsApp и Telegram. Ценность мессенджера определяется тем, кто из ваших контактов уже там. Функции можно скопировать, но социальный граф и групповые чаты переносятся тяжело.
- LinkedIn. Профессиональный граф, рекомендации, история карьеры, связи и reputational capital не переносятся в новый продукт одним экспортом данных.
- Instagram, YouTube, X. Автор может скачать контент, но не может забрать аудиторию, алгоритмическую историю, комментарии, социальный контекст и привычку подписчиков открывать именно эту платформу.
- Discord-серверы, Reddit-сообщества, игровые guild. Здесь сеть может быть маленькой, но плотной: ценность создают конкретные люди, роли, мемы, история общения и общий контекст.
- Figma multiplayer. Это пограничный пример: Figma часто сильнее объясняется collaborative workflow и switching costs, но прямой сетевой эффект внутри команды реален. Чем больше дизайнеров, разработчиков и PM работают в одном файле и комментируют там же, тем выше ценность общего пространства.
Для инди / стартапа. Глобальный WhatsApp или LinkedIn почти невозможно построить с нуля. Но локальный прямой сетевой эффект доступен, если критическая масса маленькая и сеть ограничена нишей.
- Нишевое community для 100–500 людей одной профессии, где ценность в ответах и связях между участниками.
- Вертикальная social layer поверх продукта: например, каталог специалистов, закрытый job board, peer review, рейтинг экспертов, база интро.
- Multiplayer-инструмент для команды или маленького рынка: продукт становится полезнее, когда в нём уже работают коллеги, подрядчики или клиенты.
- Игровые, образовательные и cohort-based продукты, где ценность создаёт группа: совместный прогресс, обсуждения, статус и взаимная поддержка.
Ключевой вопрос для инди: «какая минимальная сеть уже даёт ценность?». Если ответ — миллионы людей, механизм недоступен. Если 50 активных участников в узкой нише уже меняют опыт продукта, прямой сетевой эффект можно строить.
Устойчивость механизма к AI. Усиливается, потому что AI повышает ценность накопленного графа и контекста. Если продукт знает связи между людьми, историю взаимодействий, роли, общие документы, репутацию и привычки, то каждый новый участник делает систему полезнее не только числом, но и контекстом для AI-функций. Конкурент может скопировать интерфейс, но не может скопировать живую сеть отношений.
Ограничения. Применимо только когда ценность продукта объективно зависит от других пользователей. Большинство B2B SaaS-инструментов этого условия не выполняют: CRM не становится лучше для вашей компании от того, что ей пользуются сто тысяч других компаний. Есть и проблема cold start: пока сеть маленькая, продукт часто хуже одиночного инструмента. Поэтому сетевые эффекты требуют wedge — узкого сегмента, где можно быстро набрать плотность, прежде чем расширяться.
#11 — Перекрёстные сетевые эффекты
Горизонт: Долгосрочный (3–7 лет)
Сложность: Высокая
Устойчивость механизма к AI: ✅ Усиливается
Суть. Перекрёстный сетевой эффект появляется в продуктах с двумя и более сторонами: покупатели и продавцы, пассажиры и водители, гости и хосты, разработчики и пользователи. Рост одной стороны делает продукт ценнее для другой. В отличие от прямого сетевого эффекта, ценность создаётся не внутри одной группы, а между группами.
Как это работает. Avito: больше продавцов → ценнее для покупателей, больше покупателей → ценнее для продавцов. Но сила эффекта зависит от качества ликвидности: насколько быстро покупатель находит нужное, продавец получает спрос, водитель получает заказ, ресторан получает бронирование. NFX выделяют три формы кривой: линейная — каждый новый поставщик примерно пропорционально повышает ценность; асимптотная — после определённой плотности новые участники почти не улучшают опыт; отложенная — ценность появляется только после критической массы.
Примеры.
- Wildberries, Ozon, Amazon Marketplace. Чем больше продавцов и ассортимента, тем выше шанс, что покупатель найдёт нужное. Чем больше покупателей, тем привлекательнее площадка для продавцов.
- Uber, Яндекс.Такси, Bolt. Больше водителей снижает время ожидания и повышает шанс подачи машины. Больше пассажиров повышает загрузку водителей. Но после достижения нормального ETA эффект становится асимптотным: десятый водитель рядом полезен меньше, чем второй.
- Airbnb. Больше хостов даёт гостям выбор по цене, локации и формату жилья. Больше гостей делает платформу привлекательнее для новых хостов.
- OpenTable. Пока ресторанов мало, пользователю нечего искать. После критической массы ресторанов бронирования становятся привычным поведением, и ресторанам сложнее игнорировать платформу.
Для инди / стартапа. Маркетплейсы — сложнейший стартап-формат из-за проблемы курицы и яйца. Без покупателей продавцы не придут, без продавцов покупателей нечем привлечь. Рабочая тактика — начать с одной стороны и дать ей ценность без второй: инструмент для продавцов, каталог, CRM, калькулятор, база заявок, медиа или community. Второй вариант — сузить рынок до микросегмента, где ликвидность достижима: один город, одна профессия, одна категория, один сценарий.
Примеры не-корпоративных запусков:
- Airbnb стартовал не как глобальный travel marketplace, а как решение конкретного дефицита: в 2007 году основатели приняли первых гостей в своей квартире в Сан-Франциско, когда из-за конференции не хватало гостиниц. Это был не масштаб, а ручная ликвидность в одном событии.
- DoorDash начинался как Palo Alto Delivery: простая страница с меню ресторанов и номером телефона. Команда вручную закрывала спрос и предложение, прежде чем строить полноценную платформу.
- Etsy начал с узкой supply-side идентичности: handmade, craft, независимые продавцы. Сначала важно было собрать сторону, которой eBay и Amazon плохо подходили по культуре и позиционированию; в раннем обзоре Etsy описывает себя как community и marketplace вокруг handmade.
- TaskRabbit начинался как RunMyErrand в Бостоне: локальная сеть людей, готовых выполнять бытовые задачи. География была ограничена, поэтому критическая масса была достижима.
Общий паттерн: успешный маленький маркетплейс почти всегда начинается не с «платформы для всех», а с плотного узла ликвидности — конкретного города, события, категории или сообщества.
Устойчивость механизма к AI. Усиливается, но только если AI опирается на уникальную ликвидность маркетплейса. Интерфейс, поиск, рекомендации, динамическое ценообразование и модерацию конкурент сможет улучшить теми же AI-инструментами. Защита появляется не от AI как технологии, а от того, что у платформы уже есть реальные сделки, поведение покупателей, история продавцов, отзывы, споры, возвраты, скорость ответа, отмены и признаки доверия между сторонами сети. Эти данные возникают только в живом marketplace.
Поэтому AI делает сильный маркетплейс сильнее: он лучше матчит стороны, точнее ранжирует supply, быстрее выявляет плохих участников и повышает конверсию. Но слабый маркетплейс AI не спасает. Если продавцы, водители или исполнители легко работают на нескольких платформах одновременно, а покупатели не чувствуют разницы в ликвидности, сетевой эффект остаётся неглубоким: данные, supply и спрос утекают к конкурентам.
Ограничения. Перекрёстные сетевые эффекты слабее прямых: рост продавцов усиливает конкуренцию между ними и снижает их ценность от участия. Нет чистой петли. Дополнительная угроза — работа на нескольких платформах одновременно: водители одновременно работают на Uber и Яндекс.Такси, продавцы — на Wildberries и Ozon. Это снижает силу защиты: участник не привязан к одной сети и может переносить supply туда, где сейчас лучше экономика.
#12 — Сетевые эффекты вокруг данных
Горизонт: Долгосрочный (3–7 лет)
Сложность: Высокая
Устойчивость механизма к AI: ✅ Усиливается (с оговоркой)
Суть. Сетевой эффект вокруг данных появляется не тогда, когда у компании «много данных», а когда использование продукта создаёт уникальные данные, эти данные улучшают продукт, а улучшенный продукт привлекает ещё больше использования. Это feedback loop, а не склад датасетов.
Как это работает. Петля выглядит так: использование продукта → уникальные сигналы → лучшая модель или ранжирование → лучший результат → больше использования. Google Search использует агрегированные и анонимизированные interaction data, чтобы оценивать релевантность результатов; без сопоставимого потока запросов конкуренту сложнее обучать и проверять ранжирование на живом поведении. Google Maps усиливается через исправления, отзывы, фотографии, движение и обновления от пользователей. В обоих случаях данные ценны не сами по себе, а потому что быстро возвращаются в продукт и улучшают следующий пользовательский опыт.
⚠️ Миф о data moat. a16z опубликовали важное предупреждение: «большие данные» не являются моатом для большинства стартапов. Первые 10 отзывов на товар дают огромную ценность. Каждый следующий — всё меньше. Добавочная ценность данных убывает. Данные конкурент может купить, собрать из открытых источников, синтезировать или получить от пользователей напрямую. Поэтому «у нас накоплен датасет» почти никогда не достаточно. Работают данные, которые одновременно уникальны, свежи, встроены в workflow и возвращаются в продуктовую петлю.
Примеры.
- Google Search. Запросы, клики, поведение на выдаче и оценка релевантности создают постоянный поток сигналов. Конкурент может проиндексировать веб, но без сопоставимого объёма живых запросов ему сложнее понять, какой результат реально полезен.
- Google Maps и Waze. Карты улучшаются через пользовательские исправления, отзывы, фотографии, сведения о пробках и дорожных событиях. Чем больше активных пользователей, тем свежее карта, а свежая карта привлекает новых пользователей.
- Pinterest. Пользователи сохраняют изображения в доски, кликают похожие объекты и тем самым строят граф визуальных интересов. Эти данные улучшают рекомендации, visual search и discovery: продукт лучше понимает связи между объектами, стилями, намерениями и контекстами следующей сессии.
- Spotify. История прослушиваний, skips, saves и плейлисты улучшают персональные рекомендации вроде Discover Weekly. Это сильный data flywheel, но не чистый data moat: конкуренты тоже могут собирать музыкальные поведенческие данные, поэтому защита Spotify дополнительно держится на привычке, плейлистах и бренде.
- Tesla. Fleet data, OTA-обновления и обучение моделей создают сильную петлю: автомобили генерируют сигналы, команда улучшает software, улучшения возвращаются в парк машин. При этом пример нужно формулировать аккуратно: сила не в одном Dojo, а в связке fleet data + software + deployment.
- Abridge и clinical AI. Медицинские разговоры врача с пациентом — данные, которые нельзя просто скачать из интернета. Ценность возникает, если продукт встроен в клинический workflow, получает разрешённые разговоры, связывает заметки с первоисточником и улучшает качество документации.
- Bloomberg Terminal. Live market data, действия пользователей терминала, рабочие привычки трейдеров и историческая глубина создают данные, которые трудно заменить открытыми источниками.
Для инди / стартапа. Не гонитесь за объёмом данных. Ищите данные, которые появляются только в вашем workflow и сразу улучшают результат для пользователя.
- Вертикальный B2B-продукт, который видит реальные ошибки, исключения, документы и решения внутри узкой отрасли.
- AI-инструмент, который запоминает правки пользователя и улучшает следующий результат в том же рабочем процессе.
- Marketplace, где реальные транзакции, отмены, споры и отзывы улучшают matching и trust scoring.
- Developer tool, который видит build errors, deploy failures, usage patterns и превращает их в более точные подсказки.
Устойчивость механизма к AI. Усиливается с оговоркой. AI обесценивает обычные данные: тексты, изображения, общие справочники и публичные датасеты проще синтезировать, купить или собрать. Но AI повышает ценность уникальных workflow-данных, потому что generic LLM без них не знает контекст конкретного клиента, отрасли, сделки, пациента, проекта или команды. Настоящая защита появляется, когда данные нельзя получить вне продукта, а модель улучшается именно от повторного использования продукта.
Ограничения. Сам по себе массив данных без feedback loop не является моатом. Данные стареют, загрязняются, требуют прав на использование и могут иметь убывающую отдачу. Если конкурент может получить похожие данные быстрее, дешевле или легально из другого источника, защиты нет. Важен не объём, а уникальность, свежесть, права на использование и скорость возврата данных в продукт.
#13 — Бренд и доверие
Горизонт: Долгосрочный (3–10 лет)
Сложность: Высокая
Устойчивость механизма к AI: ✅ Усиливается
Суть. Бренд — это не логотип и не «маркетинг сверху продукта». Это shortcut в голове покупателя: кого вспомнить в момент выбора, кому доверить риск, за кого не страшно отвечать перед командой, инвестором или руководителем. В сильной версии бренд смещает конкуренцию из сравнения фич в плоскость доверия, статуса и снижения perceived risk.
Как это работает. Бренд работает через mental availability: вероятность, что продукт придёт в голову в нужной ситуации. Когда человеку нужен надёжный ноутбук — он вспоминает Apple. Когда компании нужен enterprise CRM — Salesforce. Когда студент думает о сильном техническом образовании — MIT. В этот момент бренд сокращает поиск, снижает тревогу и даёт покупателю социальное оправдание выбора: «я выбрал известное и надёжное».
Доверие — отдельный слой внутри бренда. Оно накапливается годами через последовательность обещаний и их выполнение: продукт работает, поддержка отвечает, компания не исчезает, автор не обманывает аудиторию, поставщик выдерживает SLA. В B2B это особенно важно: покупатель часто выбирает не лучший продукт, а решение, за которое ему будет проще нести карьерный риск.
Примеры.
- Apple. Люди платят premium не только за характеристики устройства, но и за ощущение качества, экосистему, статус и низкий риск разочарования. Железо можно скопировать быстрее, чем двадцать лет культурного капитала.
- Stripe. В developer tools бренд строится через надёжность, документацию, DX и репутацию среди разработчиков. Это снижает perceived risk: если Stripe выбирают сильные команды, значит его можно безопасно ставить в критичный платёжный контур.
- Salesforce. В enterprise бренд работает как снижение карьерного риска. Решение может быть дорогим и сложным, но покупатель понимает: выбор Salesforce легче защитить перед board, procurement и IT.
- MIT, Stanford, YC. В образовании, карьере и венчуре бренд превращается в сигнал отбора. Ценность не только в содержании курса или программы, а в доверии рынка к тому, кто прошёл фильтр.
- Личный бренд основателя. Patrick McKenzie, DHH, Pieter Levels, Lenny Rachitsky — их новые продукты получают первые продажи и обратную связь быстрее, потому что аудитория уже доверяет их суждению.
Для инди / стартапа. Личный бренд основателя — наиболее доступный долгосрочный моат с нуля. Не требует капитала, требует последовательности и публичности. Но бренд строится не частотой постинга, а повторяемым сигналом компетентности: показывать работу, объяснять решения, честно признавать ограничения, публиковать полезные разборы, держать обещания. Для маленькой команды бренд часто начинается как доверие к человеку, а потом постепенно переносится на продукт.
Устойчивость механизма к AI. Усиливается, потому что AI резко удешевляет создание контента, лендингов, фич и похожих продуктов. Когда всё выглядит одинаково компетентным, покупатель начинает сильнее опираться на источник: кто это сказал, кому уже доверяют, кто несёт репутационный риск. Особенно в AI-продуктах бренд снижает страх галлюцинаций, утечек данных, vendor lock-in и непредсказуемого качества. Технологию можно скопировать, репутацию и накопленное доверие — нет.
Ограничения. Бренд строится годами и легко повреждается несоответствием между обещанием и опытом. Сильный бренд может скрывать слабый продукт только короткое время: дальше он превращается из актива в источник более громкого разочарования. Личный бренд плохо масштабируется, если вся доверенность держится на одном человеке. И бренд не спасает, если продукт не попадает в реальную ситуацию выбора.
#14 — Экосистема и платформенность
Горизонт: Долгосрочный (5+ лет)
Сложность: Очень высокая
Устойчивость механизма к AI: ✅ Усиливается
Суть. Экосистема появляется, когда клиенты, разработчики, партнёры и внутренние команды начинают строить свои процессы поверх вашей платформы. Вы перестаёте быть отдельным продуктом и становитесь инфраструктурой: API, marketplace, данные, разрешения, интеграции, обучение, партнёрская сеть. Уйти — значит не просто заменить сервис, а разорвать связи вокруг него.
Как это работает. Экосистема усиливается сразу с нескольких сторон. Клиенты углубляют использование, потому что рядом есть готовые интеграции. Разработчики и партнёры строят расширения, потому что там уже есть клиенты. Платформа получает больше сценариев, данных, кейсов и доверия. Возникает не одна точка зависимости, а сеть зависимостей: заменить ядро можно только вместе с интеграциями, обучением команды, партнёрскими процессами и внутренней автоматизацией.
Developer relations — не маркетинг, а инвестиция в моат. Документация, SDK, стабильные API, changelog, backward compatibility, sandbox, партнёрская программа и честная поддержка создают уверенность, что на платформе можно строить бизнес. Чем больше людей умеет работать с вашим API, тем выше стоимость ухода для клиентов и тем сложнее конкуренту скопировать не продукт, а всю систему вокруг продукта.
Примеры.
- Stripe. Компании встраивают Stripe в checkout, биллинг, подписки, бухгалтерию, fraud prevention и финансовую отчётность. Стоимость ухода — не цена нового провайдера, а переписывание бизнес-логики вокруг платежей.
- Salesforce. AppExchange, партнёры, консультанты, администраторы, кастомные объекты и внутренние процессы превращают CRM в enterprise-платформу. По данным Salesforce, AppExchange включает тысячи приложений и экспертов, а большинство клиентов устанавливают хотя бы одно приложение из marketplace.
- Shopify. Магазин на Shopify часто держится не только на core-платформе, а на теме, платежах, логистике, аналитике, маркетинговых приложениях и агентствах. Уйти — значит пересобрать commerce stack.
- Apple iOS. App Store, разработчики, платежи, Sign in with Apple, Apple Pay, push, privacy-модель и устройства образуют экосистему. Пользователь покупает не только iPhone, а доступ к миру приложений и сервисов.
- Microsoft 365 + Azure + Teams. В enterprise экосистема работает через документы, identity, администрирование, security, коммуникации и облачную инфраструктуру. Замена одного компонента тянет за собой остальные.
- Superapp: WeChat, Grab, Яндекс Go. Superapp — потребительская версия ecosystem moat. Несколько частых сценариев собираются в одной точке входа: сообщения, платежи, такси, доставка, еда, мини-приложения, финансовые сервисы. Защита появляется не от количества кнопок, а от общей identity, платежей, истории транзакций, партнёров и привычки пользователя начинать повседневные задачи из одного приложения. WeChat показал силу payments + mini-programs; Grab связывает mobility, delivery, ads и financial services; Яндекс Go собрал transportation, delivery и foodtech в один consumer entry point.
Для инди / стартапа. Полноценный ecosystem moat почти недоступен на старте, но можно строить его ранние слои:
- сделать API или webhooks там, где пользователи естественно хотят автоматизацию;
- интегрироваться с 5–10 ключевыми инструментами ниши;
- создать шаблоны, плагины, connectors, Zapier/Make recipes;
- поддерживать маленьких партнёров и консультантов, которые внедряют продукт за вас;
- держать backward compatibility, чтобы клиенты не боялись строить поверх вас.
Для инди это не «построить App Store», а стать маленьким стандартом внутри узкого workflow.
Устойчивость механизма к AI. Усиливается, потому что AI-агенты и автоматизации повышают ценность платформ, у которых уже есть API, разрешения, данные, identity и интеграции. AI может написать код интеграции быстрее, но ему всё равно нужны права доступа, стабильные контракты API, доверие клиентов и существующие процессы. Если агент работает поверх вашей платформы, он усиливает её использование. Конкуренту нужно скопировать не интерфейс, а сеть интеграций, разрешений, партнёров, данных и привычек вокруг платформы.
Ограничения. Экосистема требует масштаба и времени. Слишком ранняя платформенность может отвлечь стартап от core product-market fit: API, SDK и партнёрская программа не спасают продукт, который сам по себе не нужен. Ещё один риск — потеря доверия разработчиков: если платформа ломает backward compatibility, меняет правила монетизации или конкурирует с партнёрами, экосистема начинает защищаться от самой платформы.
#15 — Уникальный ресурс (Cornered Resource)
Горизонт: Варьируется
Сложность: Высокая
Устойчивость механизма к AI: ⚠️ Частично
Суть. Cornered resource — это эксклюзивный доступ к ресурсу, который конкурент не может быстро купить, получить или воспроизвести. Термин ввёл Гамильтон Хелмер в 7 Powers. Важно различать ресурс и просто полезное знание: ресурс даёт право, доступ или контроль, а не только преимущество в понимании рынка.
Как это работает. Защита возникает там, где доступ закреплён не идеей, а фактом: правом, контрактом, лицензией, локацией, закрытым датасетом или редким талантом.
- Юридические ресурсы. Патенты, лицензии, права на контент, эксклюзивные контракты. Примеры: музыкальные права у лейбла; лицензия на медицинскую деятельность; эксклюзивный контракт на дистрибуцию.
- Физические ресурсы. Локации, мощности, инфраструктура, ограниченный supply. Примеры: редкая торговая точка в нужном месте; дата-центр или производственная мощность; эксклюзивный доступ к сырью или складу.
- Человеческие ресурсы. Конкретные люди или команды, которых трудно быстро заменить. Примеры: сильная research-команда; ключевой ML-инженер в узкой нише; известный основатель или продавец с уникальными связями.
- Информационные ресурсы. Закрытые данные, недоступные конкуренту по определению. Примеры: клинические записи; live financial data; закрытые правовые базы.
На практике это выглядит так:
- Музыкальные лейблы подписывают артистов в начале карьеры и закрепляют права на музыку и IP до того, как артист стал звездой.
- Google купил DeepMind в 2014 году не ради абстрактной «технологии», а ради команды и исследовательского ядра, которое было бы трудно собрать заново.
- Bloomberg, VLex и медицинские AI-продукты выигрывают, когда у них есть данные, которых у конкурента нет по определению: закрытые рынки, правовые базы, клинические записи, live data.
- В индустриях с ограниченным supply ресурсом может быть сам доступ к объекту: эксклюзивная локация, контракт с поставщиком, редкий партнёр или ограниченная квота.
Примеры.
- Лучший ML-инженер в узкой нише может быть cornered resource, если его нельзя быстро заменить наймом на открытом рынке.
- Для венчурного инвестора cornered resource — это доступ к лучшим основателям до того, как они стали конкурентно дорогими.
- Для медиа или creator-бизнеса cornered resource — это эксклюзивный доступ к аудитории, которой нет у остальных.
Для инди / стартапа. На раннем этапе это чаще всего не IP и не лицензия, а человеческие связи, узкая экспертиза, партнёрство с поставщиком данных или доступ к маленькому закрытому рынку. Самый практичный вариант — найти ресурс, который уже принадлежит вам по факту: репутация в нише, отношения с ключевыми игроками, уникальный канал доступа к спросу.
Устойчивость механизма к AI. Частичная. Если ресурс — это просто знание, AI его быстро удешевляет. Если ресурс закреплён юридически, физически или социально — права, лицензии, эксклюзивный контракт, закрытый датасет, доверие конкретной команды, доступ к редкому таланту — AI его не копирует. Поэтому AI слабо бьёт по доступу и сильно бьёт по информационным «ресурсам», которые на деле ресурсами не были.
Ограничения. Cornered resource редко работает в одиночку. Команда может уйти, IP может быть оспорено в суде, контракт может закончиться, а доступ к данным — устареть. Если вокруг ресурса нет продукта, который превращает его в ценность для пользователя, это остаётся просто активом, а не защитой.
Влияние ИИ на механизмы защиты бизнесов в 2026
Кратко. AI удешевляет копирование и поэтому меняет не только продукты, но и сами механизмы защиты. Для одних он сокращает срок жизни, для других повышает ценность, а для третьих ускоряет петлю усиления. Ниже — сводка по всем механизмам из этого гайда.
| # | Механизм | Устойчивость к AI | Вывод |
|---|---|---|---|
| 1 | Скорость и первый ход | Низкая | Скорость стала короче как защита: базовый продукт копируется слишком быстро. |
| 2 | Агрессивный захват рынка | Низкая | Деньги по-прежнему помогают, но AI ускоряет догоняющих и сокращает окно захвата. |
| 3 | Защищённые каналы роста | Средняя | Каналы, завязанные на уникальный доступ и контекст, держатся лучше, чем чистый paid growth. |
| 4 | Собственная аудитория | Высокая | Когда контент и фичи легко копируются, доверие к своей аудитории становится ценнее. |
| 5 | Эффект масштаба | Средняя | AI ослабляет масштаб труда, но оставляет и усиливает масштаб там, где рост снижает unit cost. |
| 6 | Стоимость перехода | Высокая | Память, история, персонализация и встроенность в процессы делают уход дороже. |
| 7 | Контрпозиционирование | Высокая | AI быстро копирует фичи, но не снимает конфликт бизнес-моделей у крупного игрока. |
| 8 | Регуляторные барьеры и доступ | Высокая | AI помогает с документацией, но не даёт лицензии, права или эксклюзивный доступ. |
| 9 | Операционные процессы | Средняя | AI не заменяет операционную культуру, а повышает цену быстрой организационной адаптации. |
| 10 | Прямые сетевые эффекты | Высокая | Если сеть плотная и релевантная, AI улучшает продукт и усиливает связь между участниками. |
| 11 | Перекрёстные сетевые эффекты | Высокая | AI лучше матчит стороны, но защита держится только там, где есть живая ликвидность. |
| 12 | Данные и сетевой эффект | Высокая, если данные уникальны | Важны не данные вообще, а уникальные данные, которые возникают в продукте и возвращаются в него. |
| 13 | Бренд и доверие | Высокая | Когда всё можно собрать быстро, сильнее работает тот, кому уже доверяют. |
| 14 | Экосистема и платформенность | Высокая | AI помогает строить поверх экосистемы, но не заменяет интеграции, разрешения и партнёров. |
| 15 | Уникальный ресурс | Низкая, если ресурс открыт | Если ресурс закреплён правом, контрактом или доступом, AI его не копирует. |
Главный вывод. AI не создаёт защиту с нуля. Он делает копирование дешевле, поэтому в 2026 году важнее не сама фича, а то, что вокруг неё нельзя быстро воспроизвести: доверие, данные, привычка, интеграции и сеть. Механизмы, которые держались только на коде, скорости или одиночной экспертизе, слабеют. Механизмы, которые завязаны на контекст использования, отношения, данные и сеть, наоборот, становятся важнее.
Какой моат строить: матрица по индустриям ИТ-продуктов
У разных типов IT-продуктов разные структурные предрасположенности к механизмам защиты — одни механизмы встроены в бизнес-модель по природе, другие приходится специально конструировать. Эта матрица поможет понять, с каких моатов имеет смысл начинать в зависимости от типа продукта.
Ниже сокращённые оценки по силе каждого механизма: прямые и перекрёстные сетевые эффекты, эффект масштаба, стоимость перехода, контрпозиционирование, регуляторные барьеры, экосистема, бренд и дистрибуция.
| Тип продукта | Сетевые эффекты | Масштаб | Стоимость перехода | Контрпозиционирование | Регуляторные барьеры | Экосистема | Бренд | Дистрибуция |
|---|---|---|---|---|---|---|---|---|
| Финтех / необанк | ●● | ●●● | ●●● | ●● | ●●● | ●● | ●● | ●● |
| B2B SaaS | ● | ●● | ●●● | ●●● | ● | ●● | ●● | ●●● |
| B2C SaaS / consumer software | ●●● | ●● | ●● | ● | — | ● | ●●● | ●● |
| Мобильные игры | ●●● | ●●● | ●●● | ● | — | ●● | ●● | ●●● |
| Health & Wellness / трекеры | ● | ● | ●●● | ●● | ●●● | ● | ●● | ●● |
| E-commerce и маркетплейсы | ●●● | ●●● | ●● | ● | ● | ●● | ●● | ●● |
| Такси и геосервисы | ●●● | ●● | — | ●●● | ● | ● | ●● | — |
| Реклама и медиа | ●●● | ●●● | ● | ●● | ● | ●● | ●● | ●● |
| Инструменты для разработчиков и API | ● | ●● | ●●● | ●●● | — | ●●● | ●●● | ●●● |
| EdTech | ● | ●● | ●● | ●● | — | ● | ●●● | ●●● |
●●● сильно применимо / ●● умеренно / ● слабо / — практически не применимо
Финтех / необанки
Регуляторный барьер — главная защита: банковская лицензия стоит годы согласований и десятки миллионов на compliance-инфраструктуру. Switching costs критичны: история транзакций, интеграции с бухгалтерскими системами, привязанные карты и зарплатные проекты создают высокую стоимость переключения. Т-Банк демонстрирует образцовую комбинацию: brand + ecosystem вокруг карты — страхование, инвестиции, путешествия. Wise построил scale в международных переводах, который конкурент не воспроизведёт без аналогичного объёма. Ключевой инсайт для 2026 года: compliance-сложность лучше защищает от AI-copycat чем любой продуктовый моат.
B2B SaaS
Switching costs — король этой категории. Salesforce, HubSpot, Pipedrive удерживают клиентов не тем, что они лучшие, а тем, что уйти невозможно без болезненной миграции, переобучения команды и риска потери данных. Контрпозиционирование работает превосходно для новых игроков: Linear против Jira — скорость и UX, которые Atlassian структурно не может воспроизвести без переписывания многолетней архитектуры. Ecosystem moat растёт с marketplace интеграций: HubSpot App Marketplace и Salesforce AppExchange создают сотни компаний, которые строят бизнес поверх платформы. Для нового B2B SaaS: фокус на switching costs с первого дня — собирай данные клиента, интегрируйся глубже в процессы, создавай зависимость от накопленной истории.
B2C SaaS
Если нет сетевых эффектов — нужен либо мощный бренд, либо узкая ниша с высокой специализацией. Figma решила задачу через collaborative network effects: команда работает вместе в реальном времени — уйти по-одному невозможно, потому что ценность в совместном пространстве. Spotify выстроил data flywheel: Discover Weekly и алгоритмические плейлисты создают уникальный опыт, а накопленные плейлисты — switching cost. Notion держит на данных и workflow integration. Для нового B2C SaaS: ищи сетевые эффекты в механике продукта — есть ли архитектурная причина, по которой пользователи приводят других?
Мобильные игры
Наиболее защищённый вид бизнеса в IT при правильно выстроенной механике. Работают три сильных механизма одновременно. Прямые сетевые эффекты: multiplayer, гильдии, pvp создают социальный граф внутри игры. Прогрессия как switching cost: годы прокачки персонажа, редкие предметы, высокие ранги делают уход психологически невозможным — это не рационально, но работает именно так. Scale в маркетинге: крупные студии покупают UA значительно дешевле за счёт накопленных данных и объёма. Clash of Clans существует 12+ лет именно на switching costs прогрессии. Pokémon GO добавил geographic и social network effects поверх классической механики.
Health & Wellness / трекеры
Switching cost через накопленные данные — ключевой и практически единственный надёжный механизм. Три года данных о здоровье, сне, весе, уровне стресса и тренировках не переносятся легко ни технически, ни психологически — это история о вас, которую не хочется потерять. Apple Health использует ecosystem lock-in через iPhone и Watch: данные хранятся в экосистеме, которую пользователь и так не покинет. Strava выстроил social network effects через Segments, лидерборды и social activity feed — это community, а не просто трекер. В медицинском пространстве regulatory moat критичен: FDA-сертификация и ISO-13485 занимают годы и защищают от быстрых копировщиков. Для нового health-продукта: начните собирать данные пользователя с первого дня — это долгосрочный актив.
E-commerce / маркетплейс
Перекрёстные сетевые эффекты — фундамент категории. Wildberries и Ozon в России достигли критической массы с обеих сторон и дальше конкурируют на уровне «чья экосистема продавцов богаче» — новому маркетплейсу нужно идти в нишу по географии или категории. Scale в логистике создаёт cost advantage: Amazon Prime, Wildberries СЦ — инфраструктура, которую без многолетних инвестиций не воспроизвести. AI-персонализация создаёт data flywheel, который усиливает conversion и retention. Сложность категории: работа продавцов на нескольких площадках одновременно снижает силу перекрёстных эффектов и делает защиту менее абсолютной.
Ridetech / геосервисы
Перекрёстные сетевые эффекты плюс geographic density — основа. Яндекс.Такси победил Uber в России не через лучший продукт, а через защищённый канал: поисковый трафик Яндекса обеспечивал дистрибуцию, которую Uber не мог купить по разумной цене. Сетевые эффекты в ridetech асимптотны: после определённого числа водителей добавление новых перестаёт значимо улучшать опыт пассажира — среднее время ожидания и так приемлемо. Главная ставка — geographic micro-monopoly: доминирование в конкретном городе или районе создаёт почти непробиваемую защиту. Контрпозиционирование сработало при запуске: ridesharing против taxi ownership — традиционные игроки структурно не могли ответить.
Adtech / медиа
Data network effects плюс scale — основа большинства успешных adtech-компаний. Google Search: данные о поведении на выдаче улучшают качество поиска → больше пользователей → больше данных. Яндекс.Директ в России — монополия на поисковый рекламный инвентарь, которую невозможно разрушить без создания альтернативного поиска с сопоставимым трафиком. Медиа с лояльной аудиторией строят brand + distribution moat: прямой трафик означает независимость от алгоритмов платформ. Устойчивость механизма к AI: programmatic advertising плюс AI создаёт новый scale advantage для платформ с большими данными — разрыв между крупными и мелкими игроками растёт. Для нового adtech: без уникального инвентаря или уникальных данных — крайне сложно конкурировать с установившимися игроками.
Developer tools / API
Ecosystem moat — самый мощный механизм в этой категории. Stripe и Twilio накопили тысячи компаний с написанными интеграциями — switching cost огромен не потому что API плохо документирован у конкурента, а потому что переписывать бизнес-логику вокруг нового провайдера платежей стоит месяцы работы. Бренд среди разработчиков строится через thought leadership, открытый код, отличную документацию и честное признание ошибок. Backward compatibility — это обязательство которое создаёт switching cost: когда API версии 2019 года всё ещё работает, это сигнал надёжности. Контрпозиционирование работает исторически хорошо: Linear против Jira, Vercel против традиционного хостинга. Developer relations важнее классического маркетинга: DevRel — это прямая инвестиция в ecosystem moat.
EdTech
Бренд и дистрибуция — главные ставки, потому что сетевые эффекты в EdTech работают слабо. Coursera держится на бренде университетов-партнёров и employer recognition: сертификат Coursera в связке с MIT или Stanford признаётся работодателями — без этого признания платформа теряет большую часть ценности. Duolingo построил habit formation через streak: психологический долг перед серией из 365 дней сильнее любой скидки у конкурента. Слабые сетевые эффекты — исключение: bootcamp с cohort learning создаёт прямые сетевые эффекты внутри группы, но они не масштабируются на следующие потоки. Ключ для нового EdTech: community плюс личный бренд автора. Контент устаревает и копируется — community не устаревает и не копируется.
Выводы и чеклист
Идеальной защиты не существует. Walmart построил неприступную крепость в офлайн-ритейле — Amazon перенёс конкуренцию в другую плоскость. Microsoft доминировал на рынке ОС — мобильный мир перевернул всё. Но это не аргумент против построения моатов. Это аргумент за то чтобы строить несколько слоёв защиты и постоянно задавать себе вопрос: какие технологические сдвиги могут сделать мою крепость нерелевантной?
Два самых недооценённых механизма в 2026 году: дистрибуция/аудитория — для инди-продуктов и создателей контента, и контрпозиционирование — для стартапов атакующих доминирующих игроков. Первый строится медленно, но создаёт актив который работает на вас, а не против. Второй требует не больших ресурсов, а смелости сделать то чего крупный конкурент структурно не может повторить.
Влияние на инвестиции: наличие сетевых эффектов или экосистемного моата — один из ключевых факторов при оценке компании венчурными инвесторами. Это прямо влияет на мультипликаторы при привлечении раунда или M&A. Компания с защитным рвом оценивается в разы выше аналогичной по выручке без него.
Финальный чеклист: 10 вопросов при запуске или аудите продукта
- Что будет стоить конкуренту вас скопировать? (деньги, время, данные, доступ к рынку)
- Есть ли в продукте сетевые эффекты — прямые, перекрёстные или вокруг данных?
- Что происходит с продуктом когда пользователь его покидает — теряет ли он что-то ценное?
- Какой у вас канал роста который конкурент не может легко воспроизвести?
- Есть ли у вас нечестное преимущество на старте (капитал, экспертиза, аудитория, связи)?
- Может ли крупный конкурент скопировать вас без вреда своей основной бизнес-модели?
- Строите ли вы что-то что невозможно воспроизвести за 6 месяцев инженерной работы?
- Как AI влияет на твою текущую защиту — убивает, усиливает или создаёт новую?
- Есть ли у вас аудитория или community которой вы доверяете и которая доверяет вам?
- Что ваш бизнес будет стоить через 5 лет если всё пойдёт по плану — и какой моат обеспечит эту стоимость?
Личная позиция
В 2026 году я бы делал ставку на комбинацию: дистрибуция/аудитория + контрпозиционирование + один долгосрочный механизм. Сетевые эффекты если продукт позволяет, switching costs если B2B/SaaS, бренд если consumer. Не один инструмент — слои.
AI делает технологию коммодитизированной. Написать MVP сегодня можно за неделю, через год — за день. Выигрывает не тот у кого лучший код, а тот у кого есть доступ к пользователям, их доверие и понимание их специфических потребностей которое нельзя получить из общедоступных данных. Это и есть дистрибуция плюс data network effects плюс бренд — три механизма которые AI не разрушает, а усиливает.
Моаты — это не про «убить конкурента». Это про строительство бизнеса который создаёт долгосрочную ценность и не зависит от постоянной гонки копирований. Бизнес без моата — это бизнес который вынужден побеждать каждый день заново. Бизнес с моатом — это бизнес который становится сильнее с каждым днём работы.
Если вы строите продукт или бизнес и хотите обсудить применимость этих механизмов к вашей конкретной ситуации — напишите мне.