Runbear: $100K ARR на no-code ИИ-ассистенте для Slack — кейс Сноу Ли

Runbear — no-code платформа, которая встраивает ИИ-ассистентов на базе OpenAI, Claude и Gemini прямо в Slack и Microsoft Teams. Команда подключает помощника к рабочему чату без кода и сразу автоматизирует ответы, поиск по документам, рутину. $8 300 в месяц ($100 000 в год), один основатель, прибыльно, запущено в 2023 году.

Главное в кейсе — Сноу Ли развернул новый продукт за 7 дней после того, как OpenAI на одном своём событии обнулил его предыдущий стартап. Вместо того чтобы продолжать конкурировать с OpenAI, он развернулся на 90 градусов и стал решать соседнюю задачу — интеграцию готового ИИ в рабочие процессы.

Кто такой Сноу Ли

Серийный предприниматель в технологиях, до Runbear строил стартап в области ИИ-копилотов для технической поддержки. После того как OpenAI выпустил свои улучшения и сделал нишу неконкурентной для маленьких команд, Сноу пришлось разворачиваться. Он публично делится опытом на Medium и в X — это часть его маркетинговой стратегии.

Какую проблему решает Runbear

После релиза ChatGPT и GPT-4 любая компания может за 5 минут собрать кастомного ИИ-помощника. Сложность не в создании — а в том, чтобы встроить этого помощника туда, где работают сотрудники: в Slack, Teams, рабочие чаты.

Runbear убирает эту сложность:

• подключаешь свой ИИ-аккаунт (OpenAI, Claude, Gemini)
• выбираешь канал в Slack или Teams
• настраиваешь поведение бота через интерфейс, без кода
• сотрудники общаются с помощником прямо в привычном чате

Целевая аудитория — команды среднего размера, у которых нет инженеров для интеграции, но есть желание автоматизировать рутину.

Как родилась идея

OpenAI на DevDay-2023 выпустил Custom GPTs и Assistants API — это сделало большинство ИИ-стартапов первой волны неконкурентными. Старый продукт Сноу — ИИ-копилот для техподдержки — попал прямо под удар.

В этой ситуации Сноу заметил другую боль: компании могут собрать своего ИИ-помощника, но не могут его внедрить в рабочие процессы. Интеграция с Slack — это API-токены, OAuth, webhooks, очереди сообщений. Это работа на недели, и для не-tech команды она нереалистична.

Логика была: не конкурировать с большими ИИ-моделями, а строить инфраструктуру вокруг них. Runbear стал «мостом» между готовым ИИ и привычными рабочими инструментами.

Как собрал MVP

Семь дней работы. Стратегия — минимальное количество собственного кода, максимум готовых API:

• Slack/Teams Bot API для входа в чаты
• OpenAI/Claude API для ответов
• лёгкий веб-интерфейс настройки

После запуска базовой версии — публикация на Product Hunt, сбор фидбека, итерации. Подход «launch fast and learn from users».

Стратегия роста

Контент-маркетинг

Сноу публикует глубокие статьи на Medium и в блоге Runbear — про ИИ-интеграции, автоматизацию, конкретные сценарии для разных департаментов (HR, поддержка, sales). Каждая статья решает реальный вопрос и подводит к Runbear как к инструменту.

Соцсети и сообщества

Активная работа на X (Twitter), Reddit и Medium. Сноу делится цифрами по выручке, развороту от старого продукта, инсайтами по принятию решений — это притягивает аудиторию indie hackers и фаундеров, которые сами в похожей ситуации.

Product-led growth

Бесплатный пробный период плюс прозрачное демо. Команда подключает бота, видит результат за минуты — и сама принимает решение о подписке. Без агрессивных продаж, без длинного цикла.

Оптимизация платной рекламы

После провальных первых тестов команда оптимизировала кампании — стоимость клика упала с $1,06 до $0,15, в 7 раз. Это сделало платный трафик рентабельным каналом, который раньше казался неэффективным.

Pricing

Простая модель: $29 за пользователя в месяц плюс бесплатный пробный период. Команды видят пользу до оплаты — это снимает возражения и увеличивает конверсию из триала в платных.

5 уроков из кейса

1. Когда платформа обнулила твой стартап — разворачивайся в её инфраструктуру. Если OpenAI отбирает рынок у ИИ-копилотов, иди в нишу «как встроить OpenAI в рабочий процесс». Соседнюю задачу платформа сама делать не будет.
2. 7 дней — реалистичный срок для no-code MVP. Чем меньше собственного кода, тем быстрее запуск и тем проще итерировать. API-композиция вместо разработки с нуля.
3. Фокус на одном канале > попытка делать всё сразу. Команда специально училась концентрироваться на одной стратегии до измеримого результата, а не распыляться по 5 направлениям параллельно.
4. Метрики платной рекламы можно радикально улучшить. Снижение CPC с $1,06 до $0,15 — это не «оптимизировали на 10%», это переход канала из убыточного в основной. Имеет смысл доводить рекламу до сходимости перед тем, как списывать со счетов.
5. Build in public ускоряет всё. Публичные посты про развороты, цифры, ошибки одновременно дают фидбек, доверие и поток ранних пользователей.

Главная мысль: в эпоху быстрых релизов больших ИИ-платформ выигрывает не тот, кто строит свою модель, а тот, кто упаковывает чужую модель в удобный для бизнеса формат. Интеграция, UX, нишевый сценарий — это всё ещё свободный рынок.