Самое важное в IT за неделю: Почему MQL мертвы и что их заменит

Здравствуйте. Меня зовут Дмитрий Роденко. Я основатель сообщества SaaS Founders. Помогаю фаундерам AI-компании находить новых крупных клиентов с помощью лидер-генерации в LinkedIn. Сегодня мы поговорим о самых интересных новостях в рынке. за последнюю неделю. В частности, какой параметр заменит MQL, то есть Marketing for Five Leads? Каковы результаты опроса внедрения AI разными компаниями за первое полугодие? Насколько AI-инструменты действительно ускоряют кодирование? Почему основателям стоит делать некоторые вещи самостоятельно? И как спасти бизнес после двух лет застоя? Но первая новость от Matter. о том, что инструменты искусственного интеллекта замедляют работу опытных разработчиков. Рандомизируемое контролируемое исследование с 16 опытными разработчиками различных open source проектов показало, что AI-инструменты для кодирования на самом деле замедляют работу на 19%, хотя разработчики считали, что стали быстрее на 20%. Взяли 16 разработчиков, дали им 246 задач с примерно общим объемом в 1 млн строк-кодов. Разработчики прогнозировали ускорение на 24% в начале исследования и оценили свое ускорение в 20% после выполнения работы. Но объективные измерения показали замедление на 19% при использовании AI-инструментов типа CursorPro, Sqlode3537. При использовании AI разработчики тратят меньше времени на активное программирование и поиск информации, но больше времени на prompting AI, ожидание и проверку результатов. Также простое, что в совокупности приходит к замедлению без единой очевидной причины. Результаты данного исследования противоречат впечатляющим битчмаркам, массовому внедрению инструментов разработки и предыдущим исследованием, связанным с различными задачами, которые могут выполнять AI-агенты, что указывает на ограниченность бенчмарков и переоценку возможностей AI. Исследование выявило проблему с самоотчетами о продуктивности, то есть разрыв между ощущаемым ускорением и реальным составило почти 40% пунктов, что ставит под сомнение надежность опросов сотрудников для мониторинга влияния AI на R&D ускорения в лабораториях. Это не значит, что AI бесполезен во всех сферах разработки или что будущие модели не станут лучше, но показывает необходимость экспериментов в естественной среде вместо полагания на бичмарки и аналитичные свидетельства для понимания реального влияния AI на продуктивность. С чем? Давайте прокомментирую. С чем тут можно согласиться? С одной стороны, действительно, снижается время на активное программирование и поиск информации, потому что активным программированием, по сути, занимается искусственный интеллект. Опять же, те вопросы, которые вы бы искали при процессе, вы их прямо задаете в процессе общения с искусственным интеллектом, он вам прямо подбирает варианты, решения и так далее. И здесь действительно основные задачи человека – это подготовка правильного полного технического задания, раз, проверка результата и QA, quality assurance, что искусственный интеллект сделал то, что вы, собственно говоря, хотели сделать. Другой момент, что реальное время на выполнение задачи для опытных разработчиков может увеличиваться. Но здесь, смотрите, какая история. Чему я верю в этом исследовании, а чему не сильно. Искусственный интеллект и различные его применения, генеративные применения резко повышают продуктивность людей, которые новички и которые не долго, которые не являются специалистами в данной сфере. Потому что для того, чтобы выйти на сравнимые результаты, им нужно было бы обучаться подобному ремеслу, разработке, либо чему-либо другому, минимум полтора-два года. То есть, по сути, Искусственный интеллект устраняет разрыв квалификации гораздо больше между нулевым уровнем и условно таким низким средним. И при этом он гораздо менее полезен для наиболее опытных разработчиков и для наиболее опытных специалистов. Там прирост эффективности гораздо меньше, чуть ли не в два раза. Поэтому действительно, по факту, опытные разработчики могут и терять время, отвечая на, скажем так, те запросы искусственного интеллекта, которые можно было бы предусмотреть заранее, если бы искусственный интеллект получал оплату не за количество ответов, а за некий результат. И это было бы гораздо круче, потому что мой опыт работы с вайб-кодингом и программированием с помощью AI показывает, что, скажем так, мое впечатление показывает, что ряд каких-то простых ошибок или простых уточнений можно было бы предусмотреть, Гораздо раньше. Словно говоря, какие-то вещи лежат на поверхности, но AI почему-то не делает, хотя делает гораздо более сложную разработку. Я не исключаю, что это связано с мотивацией создателей системы получить большее количество вопросов для того, чтобы больше взять денег с пользователя. Поэтому пока рынок находится на одной этапе развития, пока эффективность все равно гораздо больше, потому что, условно говоря, для того, чтобы получить сравнимый результат, нужно потратить, по моим оценкам, 8-10 раз больше денег на работу разработчиков, чем на работу с условными AI-инструментами типа CursorPro и т.д. Реплит, ODEF, 0DEF и т.д. Поэтому здесь действительно, если вы новичок в какой-то сфере, здесь точно нужно использовать AI, что он вас там очень здорово продвинет, у вас будет максимальный прирост продуктивности. А для тех сфер, в которых вы являетесь специалистом, мне кажется, максимально эффективным будет проверка гипотез, постановка вопросов правильных. проверка различных мнений и так далее, изменение сбора информации, то есть скорее диалог на высоком уровне, ставя сложные проблемные вопросы и обогащая свое знание, свою компетенцию с помощью, скажем так, глобального электронного мозга. Поэтому интересно, что появляются исследования, которые противоречат общему тренду. И... И будем наблюдать дальше, что победит. Следующая новость от портала First Round о том, как меняется практика использования AI в различных компаниях. Но в частности здесь описывается опыт компании Shopify, называется From Memo to Movement. От записки, ну словно говоря, от докладной записки уже к движению. Рассказывается о том, что Shopify внедрила политику обязательного использования AI для всех сотрудников после внутренней записки с CEO Тоби Людки. Но подготовка к этому шла годами. Компания использовала GitHub Copilot еще до выхода Charge GT и достигла 80-процентного внедрения среди разработчиков задолго до официального объявления. Компания дает доступ к самым дорогим AI-моделям, всем сотрудникам без исключения, потому что высокоценные применения могут появиться в любом отделе. Быстрее всего курсор внедрили не инженеры, а команды поддержки и продаж, для которых пришлось закупить дополнительно полторы тысячи лицензий. Shopify установила принцип неограниченных трат на AI-инструменты и ведет внутренний учет рейтинга лидеров по расходу токенов. Считая, что если инженер тратит 1000 долларов в месяц на AI и становится на 10% продуктивнее, это слишком дешево для такого прироста эффективности. Вот мой комментарий, смотрите, вот интересный бенчмарк. Представляете, что если 1000 долларов – это низкая цена за прирост 10% эффективности, но значит, грубо говоря, компания понимает, что прирост эффективности стоит больше, больше 1000 долларов в месяц. Компания, она стоит того, чтобы вкладывать больше 1000 долларов в месяц. Компания построила единый внутренний LLM-прокси с доступом ко всем моделям и MCP-серверам для каждой системы, что позволило не программистам создавать сложные инструменты. Например, менеджер по продажам построил в курсор автоматический анализатор производительности сайтов для работы с клиентами. Shopify сознательно увеличивает найм стажеров вместо их сокращения, планируя масштабировать программу до 1000 человек, потому что новички лучше всего используют AI-инструменты и имеют мышление начинающего, необходимое для инновации в эпоху AI. Смотрите то, о чем мы говорили раньше. Компания включила оценку AI-рефлексивности в систему служебных аттестаций. и обнаружила положительную корреляцию между использованием AI-инструментов и высокими оценками производительности, а также создала open-source framework ROST для систематического улучшения кода с помощью AI. Смотрите, Shopify на самом деле сложная, большая экосистема, в которой не только ядро Shopify, но и масса локализаций, масса модулей, которые разрабатывает сама программа и так далее. Очень интересным является кейс, когда менеджер по продажам построил автоматический анализатор производительных сайтов для работы с клиентами. Менеджеры по продажам – это передняя линия, то есть это те люди, которые чаще всего общаются с клиентами в компании, они бывают чаще общаются с клиентами, чем внутри с сотрудниками самой компании. То есть это такие, по сути, амбассадоры клиентов в компании. Поэтому очень важно собирать обратную связь от них и давать им инструменты, которые помогают им продавать лучше и помогают решать задачи клиентов максимально эффективно. То есть вот здесь человек сказал, да, нам нужно анализировать производительность сайтов, это будет наша фишка, это даст мне хорошую возможность для входа к клиентам. И, соответственно, сам это сделал, построил этот курсор. Отлично, на самом деле. Прекрасный пример того, как это работает. У нас аналогичная история, то есть мы тоже видим какие-то возможности, которые интересуют наших клиентов. Мы используем для этого искусственный интеллект и строим для этого приложение с помощью вайб-кодинга, которое позволяет, с помощью ай-программирования, программирование вместе с ай, которое позволяет клиентам достичь лучших результатов. Поэтому это как бы светлый правильный путь. Я думаю, что многие сейчас это делают. Поэтому видите, как бы новички, то есть как бы для нас, как для людей, которые разрабатывают продукты и решения, я имею ввиду разрабатывают как product owner, как люди, у которых есть идеи, которым нужно дать клиенту определенный результат, не как разработчикам. Появление AI-программирования, пусть даже на том уровне эффективности, на котором оно есть сейчас, является еще одной степенью свободы. То есть, по сути, для того, чтобы сделать базовый прототип и показать его клиенту, достаточно нескольких часов времени на подготовку ТЗ, получение какой-то базовой функциональности. а не нужно собирать разработчиков, ставить им задачу, ну, в общем, ждать несколько дней, пока хоть что-то появится. С другой стороны, это инструмент повышения продуктивности разработчиков, поэтому здесь как бы новые степени свободы существуют как для непрофессионалов, так и для профессионалов. Давайте их использовать максимально полно. Так. Так, появились новости от Artificial Analysis. Это отчет о AI Adoption. AI Adoption – это внедрение AI за первые полугодия 2025 года, основанное на более чем тысяче ответов разработчиков, менеджеров по продуктам и руководителям. О чем говорит отчет? Основные тезисы. Первое, AI достиг производственной стадии, как они это назвали. То есть около 45% организаций уже используют AI в продакшене, а дополнительно и 50% находятся на стадии исследования возможностей применения искусственного интеллекта. Инженеры и исследователи стали безоговорочными лидерами среди сфер применения AI. 66% компаний рассматривают AI для инженерных и R&D задач, что значительно опережает следующую популярность области — поддержку клиентов и продажи с маркетингом. Google, XAI и DeepSeek набирают доли рынка, тогда как Meta и Mistral теряют позиции. 80% используют или рассматривают Google Gemini, 53% DeepSeek, 31% XAI Group, что показывает существенный рост спроса по сравнению с 2024 годом. Компании все больше диверсифицируют использование AI. Среднее количество LLM-моделей, одновременно используемых организациями, выросло условно с 3 в 2024 году до 5 в 2025 году по мере созревания их AI-практик. Сейчас всю новость, основные тезисы изложу, а потом прокомментирую. ChatGPT доминирует в сфере чат-ботов, за ним идет Gemini Cloud. GitHub Copilot и Cursor лидируют среди инструментов для программирования, опережая Cloud Code и Gemini Code Assistant. Организации готовы использовать китайские модели при условиях размещения за пределами Китая. 60% респондентов согласились бы использовать ЛЛМ от китайских лабораторий, если они будут хоститься вне Китая, что показывает прагматичный подход к геополитическим вопросам. Значит, что мы здесь видим? Ну, во-первых, мне кажется, от того, что AI достиг производственной стадии, говорить об этом рано, потому что люди обычно склонны, особенно в опросах, переоценивать использование новых технологий, в своей работе. Мы подсознательно хотим больше понравиться, мы говорим, какими мы прогрессивны и так далее. Поэтому я бы сказал так, когда мы говорим о 45% использования AI в продакшене, это значит, что 45% регулярно спрашивает ChargePT, регулярно использует какие-то другие решения для того, чтобы посоветоваться. Это не значит, что AI полностью работает в продакшене, это как дополнительный инструмент. То есть нужно учитывать человеческое свойство, преукрашать собственные результаты и собственную инновационность и так далее. Инженеры исследования стали лидерами, это понятно. Увеличение количества используемых LLM моделей говорит о том, что Люди не удовлетворены результатами одной модели. Даже я, когда, например, делаю что-то важное, например, мне нужен договор определенного уровня с компаниями, я как бы поставил задачу сделать договор, мы договор сделали, но я его обязательно проверяю еще в 3-4 моделях. Некоторые из них очень интересно галлюцинируют, но оставшиеся, как минимум, подсказывают какие-то незакрытые вопросы, и они действительно, скажем так, прекрасно подходят для проверки, для кросс-чека, и это повышает эффективность работы. По лидерам, в принципе, очевидная история, это понятно, ChargePT, Gemini Cloud. Насчет китайских моделей при условиях размещения за пределами Китая, так это и есть геополитика, потому что если компаниям было бы все равно, где хостятся эти данные, Тогда это говорило бы о том, что геополитика не имеет значения. Если компании говорят, что надо хоститься вне Китая, то есть нужно размещать сервера и регулировать использование данных вне Китая, то есть вне контроля китайской коммунистической партии и правительства и так далее, это говорит о том, что да, дайте нам технологические инструменты, но сделайте их геополитически независимыми. То есть таким образом, чтобы данные, которые мы накапливаем, не могли быть использованы против наших стран и против нас. Поэтому да, это прагматичный и реалистичный подход к геополитике и так далее. Это уже регулируется существующим законодательством, это уже регулируется существующими правами, то есть условно-европейской компании будет сложно доказать, почему она использует условный deep-seek и хранит данные пользователя или обрабатывает данные пользователя, на серверах, которые находятся в не европейской юрисдикции, да, и это более того, это может быть даже признано как минимум неэтичным и как максимум, в общем-то, привести к штрафам. Поэтому, как бы, законодательство способствует этой геополитической истории, поэтому китайским решениям приходится быть либо open source, либо хостите где хотите, либо идти навстречу к тем, кто собственно говоря, открывать свои офисы или идти в те юрисдикции, если они хотят получить свою долю рынка и хотят получить свое влияние в том числе. Следующая новость от Джейсона Лемкина с Aster. Нормально ли делать все самому в качестве основателя? Он считает, что основателям не только можно, но иногда необходимо самим выполнять задачи, даже если для этого есть нанятые сотрудники. Особенно на ранних стадиях, до достижения product-market fit или при выходе на новые рынки, как показал пример Owner, это портфельная компания с Aster Fund, где сетьё лично построил новую функцию и запустил её у десяти клиентов. Он говорит о том, что личное выполнение задач позволяет по-настоящему понять, что работает, что нет, И основатели, которые лично не продали продукта минимум на полмиллиона долларов, упускают критически важную часть понимания бизнеса, включая возражения клиентов, пробелы в продукте или презентации. Когда основатель делает что-то сам, он устанавливает стандарт качества работы и показывает команде, как это должно быть сделано. Будь то закрытие сделки, анбординг клиента или решение сложности ситуации, что особенно важно на этапе формирования ДНК компании. Личное участие в работе с клиентами держит основателя близко к самым важным людям в бизнесе, позволяет принять решение на основе первичной, а не вторичной информации. Самостоятельное решение проблем часто является самым быстрым способом устранения, поскольку основатель является главным проблем-солвером, который не может позволить себе ждать, пока кто-то другой разберется с застопорившимся процессом. Необходимо найти баланс между личным участием и делегированием. Постоянное выполнение всего самостоятельно говорит о том, что непостроенная правильная команда или процессы, но периодическое возвращение к практической работе оправдано для обучения лидерства и устранения поломок бизнеса. Ну, в принципе, все очевидно, я полностью согласен с тем, что фаундеры должны быть первыми продавцами, первыми создателями продукта, первыми продавцами, первой линией поддержки, пока бизнес не встал на рельсы. Это тот маленький ребенок, который надо выкормить в собственной группе. Как бы мне не хотелось это кому-то поручить. Но, тем не менее, только общение с клиентами, только первая линия позволяет вам понять вообще нужен этот продукт, не нужен, кому он нужен, как он используется, какие вопросы возникают по ходу и так далее. Да, и дальше, когда вы видите, что, скажем так, новизна исчезла и задача стала повторяемой, и эту задачу можно поручить, ее нужно поручать. Возвращаться стоит только тогда, когда начинает что-то ломаться, причем ломаться системно, не просто разово что-то произошло, а когда перестал работать базовый процесс. Да, все. Тут надо возвращаться и принимать решение, как менять базовый процесс для того, чтобы компания смогла двигаться дальше и развивать свои решения в дальнейшем. Еще одна новость от Джейсона о том, если рост замедлился уже два года назад, что я могу сделать, чтобы вновь зажечь энергию в бизнесе. Джейсон говорит, что если рост компании замедляется уже два года подряд, нужно честно признать, что продукт может потерять соответствие рынка, может потерять продукт-маркет-фид. Не потому что он плохой, а потому что рынок изменился, и продукт не успевает эволюционировать достаточно быстро. Он считает, что решением является сосредоточиться на том сегменте, где у компании есть четкое двукратное преимущество над конкурентами, даже если это не самый привлекательный сегмент. Победа в нем может возобновить рост. Например, переход на крупных клиентов компенсирует медленный поток лидов. После двух лет медленного роста боевой дух команды падает, поэтому нужно привнести свежую энергию. Например, нанять одного сильного, как он их называет, вице-президента, в нашем терминологии руководителя направления, который умеет добиваться результатов, и несколько ключевых сотрудников с новым взглядом. Стоит пересмотреть ценообразование и упаковку услуг, новые тарифы. ценообразование по использованию, то есть не package-based, а usage-based. Или внедрить премиум-функции, протестировать внедрение премиум-функций, чтобы извлечь больше доходов от лучших клиентов, не оттолкнув существующих. Возможно, стоит протестировать новые каналы роста. То есть расширить деятельность в новой вертикали, запустить партнерскую программу, либо выйти на новые рынки. Но при этом важно не распыляться, выбрать 1-2 ставки и как бы хорошо их заделиверить, чтобы был результат. Он считает, что нужно больше инвестировать в адаптацию новых клиентов и клиентский сервис для повышения чистого удержания доходов. Net NRR, Net Revenue Retention. И продажи существующим клиентам – это часто самый быстрый способ роста, когда привлечение новых замедляется. Классика жанра, полностью согласен. Важно избавиться от мертвого груза, неработающих продуктов, убыточных сегментов команд, сегмент клиентов или раздутых команд, чтобы сосредоточить ресурсы на областях с наивысшей атачей и стать более дисциплинированным. Самое главное действовать прямо сейчас, не прятать голову в песок, потому что замедление позволяет выжить в течение нескольких кварталов, но если оно тянется 15-18 месяцев, компания утонет. Нужно четко показать команде путь к следующему этапу. Ну, что здесь справедливо? Справедливо то, что Если стагнация затягивается, надо переупаковываться, и к этому нас всех подтягивает рынок, он нас вынуждает это делать. Более того, даже видно, если вы работаете с рядом клиентов, вы видите, как клиенты сами начинают перепаковывать свои услуги, и вы можете, в принципе, двигаться прямо как фарваторы. То есть, они стали говорить о интеграции AI, интегрируйте AI в свои решения аналогично. То есть, это как бы правильно. быть на одной волне. Вообще нам как поставщикам надо быть на шаг впереди в этой истории, то есть давать те решения, которые максимально эффективны, максимально полезны даже в условиях падающего спроса, обучать работе с существующими клиентами, помогать достичь больших результатов от существующих клиентов. Естественно, надо избавляться от мертвого груза, 100%, это правильно. То есть нужно постоянно делать проверку эффективности, смотреть, что работает, не работает. И, собственно говоря, прохождение таких циклов, оно не только болезненно, но оно еще и оздоравливает компанию, повышает ее способность к выживанию. Это очень правильно, очень здорово. И здесь надо быть проактивным, потому что если компания останавливается в такие периоды, Она просто разваливается, потому что в такие периоды нужно быть активным. Да, это непросто, потому что, например, в прошлые периоды мы тратили гораздо меньшее количество усилий для того, чтобы получить гораздо большую сумму денег. Но сейчас вопрос стоит не о том, чтобы заработать больше, а задача состоит о том, чтобы трансформироваться таким образом, чтобы при следующем технологическом укладе, либо при следующей экономике, когда половина задач будет выполняться AI, наше с вами предложение рынку было конкурентоспособно и востребовано. И вот это очень важный вопрос, потому что многие этого не понимают. Следующая новость от Dear Stage 2. Это Лиз Кристо. Значит, новость о том, что, как она говорит, goodbye MQL for low qualified pipeline. Она говорит о том, что компании отказываются от традиционной воробки MQL, Marketing Qualified Leads, и переходят к стратегии, основанной на конкретных целевых аккаунтах, поскольку привлечение внимания клиентов в шумном мире лид-генерации становится все сложнее. Переход к account-based маркетингу требует поддержки всей компании сверху вниз, поскольку многие попытки провалились из-за паники руководства при падении количества лидов. Новая модель заменяет старые метрики на квалифицированный pipeline, когда главный API требует создания нового дашборда. Это качество следов. Структурная перестройка команды включает Naim Head в IBM. Это уже общая информация. Рекомендуется запускать IBM компании еще до полного отказа от MQL модели. Для отработки процессов при этом эти компании должны иметь четкие сроки и оцениваться по влиянию на pipeline. Масштабирование происходит через многоуровневую модель. Корпоративные аккаунты получают индивидуальный подход. Средний сегмент работают по принципу one-to-few, один к нескольким. А скоростные сделки или небольшие сделки используют массовые плейбуки one-to-many с ежеквартальным обновлением списка целевых аккаунтов. Смотрите, то, о чем давно говорили, уже происходит. То есть сейчас спрос на рынке, это уже мой комментарий, спрос на рынке стал фрагментированным. То есть нужна ли разработка? Нужна. Нужны ли разработчики? Нужны. Но нужны другие разработчики и нужны в других задачах. Меньше нужны в традиционных задачах, больше нужны в определенных задачах. Из массового спроса спрос стал точечным. И это уже подразумевает фокусировку не столько на отраслях, сколько на конкретных компаниях. То есть внутри отрасли мы делаем следующий шаг, на котором мы отбираем компании, которые внутри отрасли более интересные, более продуктивные, растут и так далее. Это уже аккаунт бейс маркетинг, так или иначе. И уже персонализация становится не отраслевой, а индивидуальной. И это очень важно, да. Поэтому сложно говорить про полное внедрение accounts-based маркетинга, потому что это требует фокусировки исключительно на небольшом количестве компаний и очень глубокого исследования, изучения их во всех каналах. Такой вот 360 градусов обзор, following всех в компании, всех ключевых людей. Вы становитесь тенью этой компании, вы все про них знаете, даже лучше, чем они сами знают об этом внутри, о каких-то аспектах. Это важная история, но это можно делать только с очень крупными клиентами или с теми клиентами, которые могут вывести вас на другой уровень бизнеса. Но идеологии и практики account-based маркетинга, то есть персонализированного введения клиентов, становятся все более естественными в нашей среде, в среде лидер-генерации из-за изменения спроса, с одной стороны, характера спроса, и, с другой стороны, за счет появления технологий, которые позволяют резко удешевить подготовку и мониторинг персонализированных сообщений. Ну, то есть, если раньше для того, чтобы фолловать изменения в определенной кампании и у определенного лида нужно было ручками все глазками смотреть, руками все писать и так далее, сейчас это можно сделать с помощью автоматизации, хотя бы частично. Полностью, к сожалению, пока нет, но, тем не менее, какие-то вещи можно сделать с помощью автоматизации. Ужас в связи с падением количества лидов не должен превалировать, потому что взамен падению количества приходит повышение качества лидов. И я не скажу, что эта история выравнивается один в один, то есть лиды количество падает быстрее, чем растет качество, но с другой стороны это позволяет поддерживать вам стабильный бизнес. То есть да, лидов стало меньше, но зато доходят те, кому действительно надо, доходят те, с кем действительно можно работать, кто понимает ценность, поэтому здесь ситуация себя выравнивает и где-то компенсирует. На этом все. Значит, сегодня у меня будет вебинар по тому, как, первый вебинар в серии, как находить клиентов на AI ML разработку. Кому интересно, регистрируйтесь. Посмотрите, у нас были анонсы. Сегодня это будет в 3 часа по Киеву. Поэтому подписывайтесь, смотрите, расскажу, как искать клиентов в сложное время, как с ними выстраивать коммуникацию, как выводить их на созвоны, ну и, соответственно, как их закрывать, как обновлять свой pipeline, когда старые клиенты отказываются, потому что им не нужны те услуги, которые делали раньше, а какой новый спрос сейчас возникает, на что, зачем. Желаю всем новых крупных контрактов. Если у вас есть вопросы, если у вас есть потребность в новых крупных клиентах, сейчас в описании будет ссылочка на форму. То есть, интересны новые клиенты, пожалуйста, в чатик сюда заброшу, задавайте вопросы. Мы вам поможем, подскажем, что делать. Либо мы сделаем для вас это, подскажем, вы сделаете самостоятельно, либо мы сделаем для вас это с финансовой гарантией результат.