Финмодель для стартапа через ChatGPT: unit-экономика, точка безубыточности и питч для инвестора за вечер

Вечер перед встречей с инвестором. У вас есть питч-дек, есть идея, есть первые клиенты, но нет ответа на вопрос, который прозвучит в первые пять минут: «А какая у вас unit-экономика?». В 2026 году это уже не редкий вопрос продвинутого инвестора, а стандартный первый фильтр почти на любой стадии, от питч-акселератора до раунда А. Раньше на сборку такой модели уходила неделя переписки с фрилансером-финансистом или 80 000-250 000 рублей на консультанта. Сейчас каркас unit-экономики, точку безубыточности и слайд для питч-дека можно собрать за один вечер с ChatGPT. Дело не в том, что нейросеть считает лучше вас — она мгновенно строит формулы и структуру, которые раньше вы восстанавливали в памяти по крупицам из курса по финансам пятилетней давности.

Я Натали Васильева, эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы — Софья Бурцева). Веду Telegram-канал @findir_pro на 45 000 подписчиков, где разбираю AI-инструменты для финансистов и предпринимателей, и канал «АИ с Софьей и Натали» на 13 000 подписчиков. В этой статье — конкретный алгоритм: как за вечер построить unit-экономику стартапа, рассчитать точку безубыточности и собрать питч для инвестора через ChatGPT. Плюс 12 готовых промптов, три кейса с цифрами, сравнение моделей и чек-лист. Актуально на 29 июля 2026 года.

Что такое unit-экономика стартапа и почему без неё не берут деньги инвесторы

Прямой ответ: unit-экономика — это расчёт прибыльности одной продажи без эффекта масштаба, и без неё инвестор не может отличить компанию с рабочей моделью роста от компании, которая просто ещё не заметила, что теряет деньги на каждом клиенте.

«Unit» здесь — это единица бизнеса: один клиент на подписке, один заказ в доставке, один пользователь в freemium-приложении, который в итоге начал платить. Unit-экономика отвечает на один вопрос: если убрать разовые расходы на запуск и не учитывать масштаб, зарабатывает компания на этой единице деньги или нет. Три показателя, без которых разговор с инвестором не начинается:

• CAC (Customer Acquisition Cost) — сколько стоит привлечь одного платящего клиента: сумма расходов на маркетинг и продажи, делённая на число новых клиентов за период.
• LTV (Lifetime Value) — сколько денег клиент принесёт компании за всё время, пока он платит, с поправкой на валовую маржу.
• Payback period — за сколько месяцев компания отбивает стоимость привлечения клиента за счёт маржи с его платежей.

Почему инвестор спрашивает про unit-экономику раньше, чем про общую выручку. Выручка может расти месяц за месяцем и при этом скрывать модель, которая теряет деньги на каждом новом клиенте: масштаб убытка просто растёт вместе с выручкой. Это классическая ловушка роста «любой ценой»: компания тратит на привлечение клиента больше, чем когда-либо получит от него обратно, и чем быстрее она растёт, тем быстрее сжигает деньги инвестора. Unit-экономика — это способ увидеть эту проблему на уровне одной продажи, до того как она умножится на тысячи клиентов.

Второй повод, почему это первый вопрос инвестора: unit-экономика показывает, воспроизводима ли модель. Один крупный клиент, приведённый лично основателем через знакомство, ничего не говорит о будущем масштабировании. А CAC и LTV, посчитанные по десяткам или сотням клиентов, привлечённых через регулярные каналы (реклама, партнёрства, органика), показывают, что будет происходить, когда компания начнёт расти без ручного участия основателя в каждой продаже.

Что считается «unit», тоже не универсальная константа, а первое, что стоит зафиксировать перед расчётом, потому что от этого зависят все дальнейшие формулы:

• SaaS-подписка. Unit — один платящий клиент в месяц. LTV считается через средний срок жизни подписки, а ключевая метрика сверху — месячный или годовой отток (MRR churn).
• Маркетплейс с комиссией. Unit — одна транзакция или один активный продавец, в зависимости от того, что масштабируется быстрее в вашей модели: число сделок или число поставщиков на площадке.
• E-commerce и D2C-бренды. Unit — один заказ, а не один клиент, потому что повторные покупки одного и того же человека считаются отдельными юнитами со своей собственной маржой и логистическими затратами.
• Приложение с freemium-моделью. Unit — один платящий пользователь после конверсии из бесплатного тарифа. Процент конверсии из free в paid здесь становится отдельной важной метрикой, которая стоит рядом с CAC и LTV, а не заменяется ими.

Если перепутать unit (например, посчитать SaaS-экономику на уровне заказа, а не клиента на подписке), итоговые CAC, LTV и точка безубыточности потеряют практический смысл, даже если формулы применены правильно.

Зачем финмодель нужна стартапу без истории продаж

Финмодель на ранней стадии — это не прогноз ради точности, а способ показать логику мышления основателя: какие допущения он делает, откуда берёт цифры и что произойдёт, если реальность окажется хуже плана.

У стартапа на pre-seed или seed стадии обычно нет двух-трёх лет истории продаж, по которым можно построить надёжный прогноз. Инвестор это знает и не ждёт точного попадания в цифры через год. Он оценивает две вещи: реалистичность допущений (откуда взялась цена, откуда взялся CAC, на чём основан прогноз оттока клиентов) и то, как основатель реагирует, когда допущение оказывается неверным.

Финмодель без истории продаж строится на трёх источниках цифр, и в питче важно честно называть, какой источник использован для каждой строки:

• Рыночные аналоги — если есть публичные данные о похожих компаниях на вашем рынке или в вашей категории, цену и типичный CAC можно взять оттуда как отправную точку.
• Пилотные продажи — если у вас уже есть первые 10-50 клиентов, даже не статистически значимая выборка даёт куда более надёжные цифры, чем чистое предположение.
• Расчёт себестоимости снизу вверх — для переменных затрат на единицу (материалы, доставка, обработка платежа, поддержка) можно посчитать реальную стоимость компонентов, даже если продаж ещё не было.

Отдельная причина строить финмодель на раннем этапе: она нужна не только для инвестора, но и для самого основателя. Разбор unit-экономики до того, как компания вышла на серьёзный масштаб, часто вскрывает проблему, которую легче исправить сейчас, чем через полгода активного роста: например, что цена продукта занижена, или что канал привлечения, который кажется дешёвым, на самом деле убыточен после учёта реального оттока клиентов.

Что такое CAC, LTV и payback period и как их посчитать через ChatGPT

Прямой ответ: все три показателя считаются по коротким формулам, но точность зависит не от математики, а от того, какие цифры вы туда подставляете. Именно здесь чаще всего ошибаются основатели, когда готовят питч сами.

CAC (стоимость привлечения клиента). Формула: сумма расходов на маркетинг и продажи за период, делённая на число новых платящих клиентов за тот же период. Важный нюанс — в расходы на маркетинг и продажи входят не только рекламные бюджеты, но и зарплаты продажников, маркетологов, комиссии партнёрам и стоимость инструментов для привлечения. Основатели часто считают CAC только по рекламному бюджету, занижая реальную цифру в полтора-два раза.

LTV (пожизненная ценность клиента). Простая формула: средний доход с клиента в месяц (ARPU), умноженный на валовую маржу в процентах, умноженный на средний срок жизни клиента в месяцах. Средний срок жизни, в свою очередь, считается как единица, делённая на месячный отток клиентов (churn rate). Если отток 10% в месяц, средний срок жизни клиента — 10 месяцев.

Payback period (срок окупаемости CAC). Формула: CAC, делённый на месячный доход с клиента с поправкой на маржу (ARPU × валовая маржа). Показывает, за сколько месяцев компания вернёт деньги, потраченные на привлечение одного клиента.

Что делает ChatGPT в этом расчёте, а что остаётся за основателем. Нейросеть быстро строит формулы под конкретную модель бизнеса, объясняет логику каждого шага и считает готовые числа, если вы даёте ей исходные данные. Она не знает вашего реального оттока клиентов, вашей реальной цены и вашего реального рекламного бюджета: эти цифры вносите вы, и от их точности зависит весь дальнейший расчёт. Модель, посчитанная на выдуманных цифрах, выглядит красиво в чате и разваливается на первом же вопросе инвестора «а откуда эта цифра оттока».

Соотношение LTV к CAC — то число, которое инвестор смотрит в первую очередь. Ориентир от 3:1 и выше считается здоровым запасом прочности: три рубля пожизненной ценности на рубль стоимости привлечения. Диапазон 1-2:1 считается рискованной зоной: модель работает, но без запаса на рост расходов на рекламу или ухудшение оттока. Меньше 1:1 значит, что компания теряет деньги на каждом клиенте, и с такими цифрами раунд не закрыть без пересмотра модели.

Как рассчитать точку безубыточности стартапа: пошаговый алгоритм с ChatGPT

Точка безубыточности — это объём продаж, при котором прибыль компании равна нулю. Без неё инвестор не понимает, сколько времени и объёма нужно компании, чтобы перестать сжигать его деньги.

Формула на уровне одной единицы бизнеса: постоянные затраты компании в месяц, делённые на маржинальный доход с одной единицы (цена минус переменные затраты на единицу). Результат — сколько единиц (заказов, подписок, клиентов) нужно продавать в месяц, чтобы выйти в ноль.

Пошаговый алгоритм в ChatGPT:

1. Соберите вводные. Постоянные расходы компании за месяц (аренда, зарплаты не завязанных на объём продаж сотрудников, подписки на сервисы, коммуналка). Цена за единицу продукта. Переменные затраты на единицу (себестоимость материалов, комиссия платёжной системы, доставка, поддержка одного клиента).
2. Загрузите структуру расходов в ChatGPT Plus через Code Interpreter, если расходы уже сведены в таблицу, или опишите их текстом в промпте, если список короткий.
3. Попросите рассчитать маржинальный доход на единицу: цена минус переменные затраты. Это число должно быть положительным: если оно отрицательное, компания теряет деньги на каждой продаже ещё до учёта постоянных расходов, и точку безубыточности искать бессмысленно, пока не исправлена базовая экономика продукта.
4. Разделите постоянные затраты на маржинальный доход единицы, чтобы получить точку безубыточности в штуках в месяц.
5. Переведите штуки в выручку, умножив на цену: получите точку безубыточности в рублях. Это число обычно нагляднее для слайда питч-дека.
6. Сравните с текущим или прогнозным объёмом продаж: сколько процентов от точки безубыточности компания уже покрывает и через сколько месяцев по прогнозу роста она её достигнет.

Частая ошибка на этом шаге: считать точку безубыточности только на уровне одной единицы, забывая про общие постоянные расходы компании. Основатель видит, что маржа с одного заказа положительная, и делает вывод, что бизнес прибыльный, хотя в реальности постоянные расходы съедают всю накопленную маржу и компания продолжает жечь деньги при текущем объёме. Разница между «маржинальность на единицу положительная» и «компания вышла на безубыточность» составляет ровно объём постоянных затрат, который нужно перекрыть маржинальным доходом со всех проданных единиц вместе.

Какую нейросеть выбрать для финмодели стартапа: GPT-5.5, Claude Sonnet 4.6, Gemini 2.5 или DeepSeek V3.2

Прямой ответ: для быстрой сборки формул и черновика расчётов удобнее GPT-5.5, для проверки логики длинного питч-дека и защиты допущений лучше подходит Claude Sonnet 4.6, а если бюджета на подписку нет вообще, справится DeepSeek V3.2 — он закрывает базовые расчёты бесплатно.

Актуально на июль 2026 года. Функции, цены и условия доступа меняются — проверяйте актуальную информацию на официальных сайтах вендоров.

Мой практический маршрут для стартапа: черновик unit-экономики и точки безубыточности собираю в chatgpt.com на GPT-5.5, потому что там же можно сразу прогнать код расчёта и получить таблицу для скачивания. Готовый черновик прогоняю через Claude Sonnet 4.6 с вопросом «найди противоречия в логике и слабые допущения». Типичная находка: в одном черновике GPT-5.5 посчитал payback period по текущему ARPU, а двумя разделами выше, при расчёте runway, использовал уже другой, скорректированный после сценарного анализа отток клиентов. Цифры на двух слайдах не бились друг с другом: GPT-5.5 этого не заметил, потому что считал каждый раздел в своём контексте, не сверяясь с предыдущим. Claude поймал несостыковку именно потому, что сравнивал допущения между разделами всего документа целиком. DeepSeek V3.2 — рабочий вариант, если считаете формулы для себя, до того как решили, готовы ли вообще тратить деньги на подписку ради одного вечера расчётов.

Финмодель самому, с ChatGPT или у консультанта: что выбрать

Выбор зависит не столько от бюджета, сколько от стадии компании и от того, сколько раз вы уже защищали финмодель перед инвестором. Разница между подходами сильнее всего ощущается именно на первом питче.

Актуально на июль 2026 года.

Мой практический совет: не выбирайте один вариант навсегда, а комбинируйте их по стадии. Для pre-seed и первого разговора с ангел-инвестором связка «ChatGPT плюс собственная проверка допущений» экономит время и в большинстве случаев достаточно надёжна. Для раунда А, где инвестор проводит формальный due diligence, я рекомендую всё равно сначала собрать черновик с ChatGPT: это ускоряет работу консультанта и снижает её стоимость, потому что вы приходите к нему не с чистым листом, а с готовой структурой и уже посчитанными формулами, которые остаётся проверить и уточнить, а не строить с нуля.

Как собрать P&L, движение денег и runway стартапа за один вечер

Разберу конкретный сценарий: основатель на pre-seed стадии, продукт с подпиской, нужно подготовить P&L, движение денег и оценку runway к встрече с инвестором через два дня.

Первые 20-30 минут. Сбор вводных. Собираю все известные и прогнозные цифры в один список: цена за подписку, ожидаемый или уже наблюдаемый месячный отток клиентов, переменные затраты на клиента, постоянные расходы компании (зарплаты, аренда, подписки на сервисы), текущий остаток денег на счету и текущий помесячный расход (burn rate), если компания уже что-то тратит.

30-60 минут. Структура P&L и ОДДС через промпт. Задаю ChatGPT роль и контекст: описываю бизнес-модель, прошу построить структуру P&L (выручка, переменные затраты, валовая прибыль, постоянные расходы, операционный результат) и укрупнённое движение денег на 12 месяцев вперёд с учётом сезонности, если она есть. Прошу не придумывать цифры, а спрашивать, если чего-то не хватает: это снижает риск, что модель тихо подставит правдоподобную, но неверную цифру вместо явного пропуска.

60-90 минут. Burn rate и runway. Burn rate — это чистый расход денег компании в месяц: сколько денег уходит минус сколько приходит. Runway — остаток денег на счету, делённый на burn rate, в месяцах. Прошу ChatGPT посчитать оба показателя по текущим цифрам и показать, как runway меняется в трёх сценариях: если рост клиентов идёт по плану, если рост на 30% медленнее плана, и если отток клиентов на треть выше ожидаемого.

90-150 минут. Точка безубыточности и unit-экономика внутри той же модели. Здесь использую промпты 3-5 из библиотеки ниже — расчёт CAC, LTV и точки безубыточности встраиваю в ту же структуру, что и P&L, чтобы все цифры в итоговом документе были согласованы между собой и не противоречили друг другу на разных слайдах.

150-180 минут. Сборка в единый документ и проверка контрольных цифр. Свожу P&L, движение денег, точку безубыточности и unit-экономику в один файл. Проверяю, что итоговый прогноз выручки в P&L соответствует числу клиентов, умноженному на цену, за вычетом оттока. Расхождение здесь означает ошибку в одной из формул, которую нужно найти до того, как модель окажется перед инвестором.

Итог: три часа вечером плюс полчаса на финальную проверку контрольных цифр наутро, и черновик, с которым можно идти на встречу, готов. Это не финальная версия для реального раунда: перед серьёзной встречей стоит ещё раз пройтись по допущениям и, если раунд крупный, показать модель финансовому консультанту.

Хочешь готовый шаблон unit-экономики и библиотеку промптов для финмодели одним файлом? Забирай бесплатно в Telegram-канале школы @findir_pro. Там же — эфир «Экскурсия по ChatGPT для финансиста и бухгалтера»: chatgpt.fin-academy.pro

Двенадцать готовых промптов для финмодели и unit-экономики стартапа

Промпты работают в ChatGPT Plus с текущей флагманской моделью, с адаптацией под интерфейс подойдут и для Claude, и для Gemini. Текст в [КВАДРАТНЫХ СКОБКАХ] заменяйте на свои данные. Перед промптами, где нужна работа с файлами, загружайте таблицу через кнопку прикрепления.

Промпт 1. Структура unit-экономики под конкретную бизнес-модель

Ты финансовый консультант, который готовит стартапы к встрече с инвестором.

Моя бизнес-модель: [ОПИШИ КОРОТКО — например, подписочный B2B-сервис,
маркетплейс с комиссией, приложение с freemium-моделью, доставка еды].

Построй структуру unit-экономики под эту модель:
- какая единица является "unit" в моём случае
- какие показатели нужно посчитать (CAC, LTV, payback period,
  точка безубыточности, и что ещё специфично для моей модели)
- какие исходные данные мне нужно собрать для каждого показателя
- на какие вопросы инвестор задаст контрвопросы чаще всего именно
  для этого типа бизнеса

Если для точного расчёта не хватает данных о моей модели —
задай уточняющий вопрос, не додумывай цифры сам.

Промпт 2. Расчёт CAC по каналам привлечения

Помоги посчитать CAC (стоимость привлечения клиента) по каналам.

Данные:
Канал 1: [название], расход за [период] — [СУММА] руб,
привлечено новых платящих клиентов — [ЧИСЛО]
Канал 2: [название], расход — [СУММА] руб, клиентов — [ЧИСЛО]
Канал 3: [название], расход — [СУММА] руб, клиентов — [ЧИСЛО]

Также учти в расходах: зарплаты продажников и маркетологов
за период — [СУММА] руб, если они относятся ко всем каналам вместе.

Посчитай:
1. CAC по каждому каналу отдельно
2. Блендованный (средний по всем каналам) CAC
3. Какой канал сейчас самый эффективный и почему
4. Как изменится блендованный CAC, если долю самого дорогого
   канала сократить вдвое в пользу самого дешёвого

Покажи расчёт пошагово, не только итоговые цифры.

Промпт 3. Расчёт LTV простым и когортным методом

Посчитай LTV (пожизненную ценность клиента) двумя способами.

Данные:
ARPU (средний доход с клиента в месяц) — [СУММА] руб
Валовая маржа — [ПРОЦЕНТ]%
Месячный отток клиентов (churn rate) — [ПРОЦЕНТ]%

Способ 1. Простая формула:
LTV = ARPU × Валовая маржа × Средний срок жизни клиента
(средний срок жизни = 1 / месячный отток)

Способ 2. Если есть данные по когортам — вот фактическое
удержание клиентов по месяцам с момента привлечения:
Месяц 1: [ПРОЦЕНТ]% активны, Месяц 2: [ПРОЦЕНТ]%,
Месяц 3: [ПРОЦЕНТ]%... [продолжи ряд]

Посчитай LTV по фактической кривой удержания вместо
постоянного оттока и сравни с результатом простой формулы.
Объясни, если результаты сильно расходятся — почему.

Промпт 4. LTV/CAC и payback period с интерпретацией для инвестора

У меня есть:
CAC (блендованный) — [СУММА] руб
LTV — [СУММА] руб
ARPU — [СУММА] руб в месяц
Валовая маржа — [ПРОЦЕНТ]%

Посчитай:
1. Соотношение LTV/CAC
2. Payback period (срок окупаемости CAC) в месяцах
3. Как эти цифры выглядят на фоне типичных ориентиров для
   [ТИП БИЗНЕСА — SaaS / маркетплейс / e-commerce / приложение]
4. Если соотношение ниже 3:1 — предложи 3 конкретных рычага,
   как его улучшить: со стороны снижения CAC, со стороны
   роста LTV, со стороны обоих одновременно

Ответ структурируй так, будто объясняешь инвестору на встрече:
сначала цифра и вывод, потом объяснение.

Промпт 5. Точка безубыточности на уровне единицы и компании

Посчитай точку безубыточности.

Данные:
Цена за единицу — [СУММА] руб
Переменные затраты на единицу — [СУММА] руб
Постоянные затраты компании в месяц — [СУММА] руб
Текущий или прогнозный объём продаж в месяц — [ЧИСЛО] единиц

Посчитай:
1. Маржинальный доход на единицу (цена минус переменные затраты)
2. Точку безубыточности в штуках в месяц
3. Точку безубыточности в рублях выручки
4. На сколько процентов текущий объём продаж не дотягивает
   (или превышает) точку безубыточности
5. Если не хватает [ЧИСЛО] единиц до точки безубыточности —
   через сколько месяцев по текущему темпу роста компания
   её достигнет

Покажи формулу и расчёт пошагово.

Промпт 6. Burn rate и runway

Посчитай burn rate и runway.

Данные:
Остаток денег на счету компании сейчас — [СУММА] руб
Расходы компании за прошлый месяц — [СУММА] руб
Доходы компании за прошлый месяц — [СУММА] руб
Ожидаемый рост расходов в следующие месяцы — [ПРОЦЕНТ]% в месяц
(если известно)

Посчитай:
1. Чистый burn rate (расходы минус доходы) за прошлый месяц
2. Runway в месяцах при текущем burn rate без изменений
3. Runway с учётом ожидаемого роста расходов
4. На какую дату (от сегодня) закончатся деньги при каждом
   из двух сценариев

Покажи расчёт с промежуточными шагами, не только итог.

Промпт 7. Сценарный анализ: базовый, оптимистичный, пессимистичный

Построй три сценария финансовой модели на 12 месяцев вперёд.

Базовые данные: [ВСТАВЬ ключевые цифры — цена, CAC, отток,
постоянные расходы, текущий объём продаж]

Базовый сценарий: рост числа клиентов [ПРОЦЕНТ]% в месяц,
отток остаётся на текущем уровне.

Оптимистичный сценарий: рост на [ПРОЦЕНТ]% быстрее базового
за счёт [укажи причину — новый канал, партнёрство, сезон].

Пессимистичный сценарий: рост на [ПРОЦЕНТ]% медленнее базового,
отток на [ПРОЦЕНТ]% выше из-за [укажи причину].

Для каждого сценария посчитай: выручку на 12-й месяц, точку
достижения безубыточности (если ещё не достигнута), остаток
runway на конец 12-го месяца.

Сведи всё в одну сравнительную таблицу трёх сценариев.

Промпт 8. Когортный анализ удержания для честного LTV

У меня есть данные по когортам клиентов, привлечённых
в разные месяцы. Помоги проверить, насколько мой заявленный
LTV соответствует реальному поведению клиентов.

Данные по когортам (доля клиентов, оставшихся активными
через N месяцев с момента привлечения):
Когорта [МЕСЯЦ 1]: месяц 1 - [ПРОЦЕНТ]%, месяц 2 - [ПРОЦЕНТ]%,
месяц 3 - [ПРОЦЕНТ]%... [продолжи]
Когорта [МЕСЯЦ 2]: [аналогично]

Заявленный ранее LTV, посчитанный по среднему сроку жизни
[ЧИСЛО] месяцев: [СУММА] руб.

Посчитай реальный LTV по фактической кривой удержания
и сравни с заявленным. Если расхождение больше 20% —
явно укажи это как риск для питча и предложи, как честно
переформулировать цифру в презентации для инвестора.

Промпт 9. Слайд unit-economics для питч-дека

На основе расчётов ниже собери текст и структуру одного слайда
"Unit Economics" для питч-дека инвестору.

Расчёты:
CAC — [СУММА] руб
LTV — [СУММА] руб
LTV/CAC — [ЗНАЧЕНИЕ]
Payback period — [ЧИСЛО] месяцев
Точка безубыточности — [ЧИСЛО] единиц / [СУММА] руб в месяц
Текущий объём — [ЧИСЛО]% от точки безубыточности

Структура слайда:
1. Заголовок с главным выводом одной фразой
   (например, "Экономика на клиента работает и улучшается")
2. Блок из 4 ключевых цифр крупным шрифтом с подписями
3. Одно предложение о тренде: цифры улучшаются или это
   текущий срез с планом улучшения
4. Одна строка о том, что изменится при использовании
   раунда (ускорит рост / улучшит CAC / оба варианта)

Стиль: коротко, без канцелярита, цифры говорят сами за себя.

Промпт 10. Стресс-тест вопросов от инвестора

Сыграй роль опытного венчурного инвестора, который скептически
настроен к unit-экономике стартапов на ранней стадии.

Вот моя модель unit-экономики:
[вставь итоговые цифры CAC, LTV, payback period, точку
безубыточности и ключевые допущения, на которых они построены]

Задай мне 8 самых острых вопросов, которые реальный инвестор
задаст на встрече, чтобы проверить, не завышены ли мои цифры
и насколько твёрдые у меня допущения.

После каждого вопроса — не отвечай сам, просто задай следующий.
В конце дай список: какие 3 из этих вопросов у меня самые
слабые места, судя по тому, что ты знаешь о модели.

Промпт 11. Обоснование размера раунда через runway и вехи

Помоги обосновать сумму привлекаемого раунда.

Данные:
Текущий burn rate — [СУММА] руб в месяц
Желаемый runway после раунда — [ЧИСЛО] месяцев
Ключевые вехи (milestones), которые нужно достичь за этот
период: [например, выход на точку безубыточности, запуск
нового продукта, выход на новый рынок — перечисли свои]

Посчитай:
1. Минимальную сумму раунда для покрытия желаемого runway
   при текущем burn rate
2. Сумму с запасом 20% на непредвиденные расходы
3. Как сумма меняется, если runway нужен на 6 месяцев больше

Сформулируй одно предложение для питч-дека: "Мы привлекаем
[СУММА], чтобы за [ЧИСЛО] месяцев достичь [ГЛАВНАЯ ВЕХА]."

Промпт 12. Разбивка unit-экономики по сегментам клиентов или тарифам

Помоги разбить unit-экономику по сегментам клиентов или тарифным
планам вместо одной усреднённой цифры на всю базу.

Данные:
Сегмент/тариф 1: [название], ARPU — [СУММА] руб, отток — [ПРОЦЕНТ]%,
доля в клиентской базе — [ПРОЦЕНТ]%
Сегмент/тариф 2: [название], ARPU — [СУММА] руб, отток — [ПРОЦЕНТ]%,
доля — [ПРОЦЕНТ]%
Сегмент/тариф 3: [аналогично]

CAC по каждому сегменту, если привлекается через разные каналы:
[укажи, если есть такие данные]

Посчитай LTV и, если возможно, CAC отдельно по каждому сегменту,
а не только средний показатель по всей базе. Покажи, какой сегмент
самый прибыльный и растёт ли его доля в клиентской базе со временем.

Если один сегмент значительно тянет средние цифры вниз — явно
укажи это и предложи, стоит ли смещать фокус привлечения
на более прибыльные сегменты или тарифы.

Как посчитать LTV/CAC и собрать честную unit-экономику для инвестора

Прямой ответ: главная ошибка на этом шаге — не арифметика, а оптимистичные допущения об оттоке клиентов, которые красиво выглядят в презентации и разваливаются при первом же вопросе о реальных когортных данных.

Разница между простым и когортным расчётом LTV напрямую влияет на то, поверит ли инвестор вашим цифрам. Простая формула (ARPU × маржа × средний срок жизни) даёт быстрый ориентир, но предполагает, что отток клиентов постоянный месяц к месяцу. В реальности отток обычно выше в первые один-два месяца после привлечения, потому что часть клиентов пробует продукт и уходит, и ниже среди тех, кто остался дольше полугода, потому что это уже лояльная база, которая платит стабильно. Когортный расчёт означает, что вы смотрите, сколько реальных клиентов из конкретной группы, привлечённой в один месяц, остаются активными через месяц, два, три. Это даёт более честную и часто более низкую цифру LTV, чем простая формула на усреднённом оттоке.

Опытный инвестор в 2026 году, скорее всего, попросит именно когортный разрез, а не усреднённую формулу, особенно если раунд не первый и в компании уже накопилось хотя бы 3-4 месяца данных по разным группам клиентов. Промпт 8 из библиотеки выше как раз для этого: он сравнивает заявленный LTV с тем, что показывает реальная кривая удержания, и явно подсвечивает расхождение, если оно больше 20%.

Второй частый источник завышения: LTV без поправки на валовую маржу. ARPU умножить на срок жизни клиента — это доход, а не прибыль. Если у бизнеса валовая маржа 40%, а не 80% (характерно для физических товаров и услуг с высокой себестоимостью в отличие от чистого софта), LTV без поправки на маржу завышен вдвое. Инвестор, который видит компанию с товарной себестоимостью и LTV без маржи, сразу считает эту цифру недостоверной. Это один из самых быстрых способов потерять доверие на встрече.

Как из финмодели собрать питч-дек, который выдержит вопросы инвестора

Слайд unit-economics не должен быть таблицей на 20 строк. Четыре ключевые цифры (CAC, LTV, соотношение, payback period) крупным шрифтом и одно предложение о тренде почти всегда работают лучше: инвестор считывает суть за пять секунд вместо того, чтобы искать её в строках таблицы.

Логика слайда, которая выдерживает вопросы: сначала главный вывод одной фразой («Экономика на клиента работает, соотношение LTV/CAC — 2,9, и растёт»), затем сами цифры, затем контекст: как эти цифры менялись за последние несколько месяцев и что конкретно изменится после раунда. Инвестор смотрит не только на статичный снимок цифр, но и на динамику: улучшается unit-экономика или ухудшается по мере роста компании.

Три вещи, которые обязательно должны быть рядом со слайдом unit-economics в питч-деке, даже если не на самом слайде:

Слайд точки безубыточности. Отдельный график с линией выручки и линией затрат, точкой их пересечения и явно отмеченным текущим положением компании относительно этой точки. Это самый цитируемый слайд у инвесторов, потому что он одним взглядом показывает, сколько времени и объёма осталось до самоокупаемости.

Слайд обоснования суммы раунда. Прямая связка: burn rate, желаемый runway, ключевые вехи, которые компания успеет достичь за это время. Промпт 11 из библиотеки выше строит эту связку одной фразой, которая закрывает вопрос «а зачем вам именно эта сумма» до того, как его задали.

Слайд рисков и как компания их снижает. Пессимистичный сценарий из промпта 7 — не для того, чтобы напугать инвестора, а чтобы показать, что основатель уже продумал, что будет, если рост окажется медленнее плана, и что конкретно он сделает в этом случае.

Что нельзя загружать в ChatGPT при подготовке финмодели для инвестора

Реальную структуру капитала, условия с текущими инвесторами и точные суммы контрактов с именами клиентов в публичную нейросеть не грузят. Для расчёта unit-экономики достаточно относительных цифр, без привязки к реальным именам и договорам.

Нельзя загружать в публичный ChatGPT, Claude или Gemini:

• Точную структуру cap table (кто из инвесторов сколько долей держит и на каких условиях)
• Реальные условия term sheet с текущими или предыдущими инвесторами
• Персональные данные основателей и сотрудников (паспортные данные, точные зарплаты по именам)
• Реальные названия и точные суммы контрактов с крупными клиентами, если это раскрывает коммерческую тайну по соглашению с ними
• Пароли, API-ключи и доступы к банковским счетам компании
• Внутреннюю переписку с текущими инвесторами по конфиденциальным условиям

Можно после обезличивания:

• Относительные цифры: цена за единицу, доля переменных затрат, процент оттока клиентов, число клиентов по каналам без привязки к конкретным контрактам
• Постоянные расходы компании по категориям (аренда, зарплатный фонд суммарно, подписки на сервисы) без разбивки по именам сотрудников
• Обезличенные когортные данные удержания (просто проценты по месяцам, без привязки к конкретным клиентам)

Как обезличить финмодель за 10 минут. Создайте отдельный документ со справочником замен: реальное название компании на «Стартап», реальные имена клиентов на «Клиент 1, 2, 3». В промпты и загружаемые файлы подставляйте относительные цифры и маски, а справочник замен держите отдельно от того, что уходит в нейросеть.

Технические настройки. В ChatGPT: Settings > Data Controls, отключить использование истории чатов для обучения модели. В Claude — аналогичная настройка в разделе приватности. Для расчётов, которые компания не готова передавать за периметр даже в обезличенном виде, есть вариант: вести расчёт локально в Excel по формулам, которые нейросеть уже объяснила и показала на тестовых цифрах, без загрузки реальных данных вообще.

Правовой фон. Условия term sheet и структура cap table обычно защищены соглашением о неразглашении (NDA) с инвесторами. Передача этих данных третьей стороне, включая облачный AI-сервис, формально нарушает такое соглашение. Персональные данные основателей и сотрудников подпадают под ФЗ-152 и требуют обезличивания перед передачей за периметр компании.

Три кейса: как основатели стартапов считали unit-экономику с ChatGPT

Три примера ниже обобщают типичные ситуации из консультационной практики: цифры округлены и скомпонованы так, чтобы показать логику расчёта, а не раскрывать данные конкретной компании.

Кейс 1. Основатель HR-tech стартапа

Было: SaaS-сервис для автоматизации подбора персонала для малого бизнеса, подписка 8 000 рублей в месяц, pre-seed стадия. Первый питч инвестору закончился без второй встречи: на вопрос про unit-экономику основатель не смог назвать точную цифру CAC, посчитанную только по рекламному бюджету без учёта зарплат продажников. Блендованный CAC на самом деле составлял 42 000 рублей, отток клиентов — 10% в месяц (средний срок жизни 10 месяцев), валовая маржа 75%. LTV = 8 000 × 0,75 × 10 = 60 000 рублей. Соотношение LTV/CAC — 1,4, рискованная зона.

Что сделали: за один вечер с ChatGPT (около 4 часов, промпты 2-4 из библиотеки) пересчитали блендованный CAC по каналам и увидели, что платная реклама в двух каналах даёт CAC выше 55 000 рублей, а реферальная программа, которая работала слабо из-за отсутствия стимулов, стоила всего около 12 000 рублей. Перераспределили бюджет: усилили реферальную программу бонусом для приводящего клиента, сократили один из дорогих рекламных каналов.

Стало: блендованный CAC снизился до 21 000 рублей, LTV/CAC вырос до 2,9, почти до здорового ориентира 3:1. Payback period сократился с 7 до 3,5 месяцев. Со вторым питчем, где эти цифры были показаны с явной динамикой улучшения, разговор с инвестором продвинулся дальше первой встречи.

Экономия и результат: пересборка модели заняла один вечер вместо повторного найма консультанта, LTV/CAC вырос с 1,4 до 2,9, а питч с обновлёнными цифрами прошёл дальше первой встречи.

Кейс 2. Сооснователи сервиса доставки еды

Было: дарк-китчен с доставкой, средний чек 650 рублей, переменные затраты на заказ (продукты, курьер, упаковка) составляли 410 рублей. Основатели были уверены, что бизнес прибыльный, потому что маржа с одного заказа положительная и равна 240 рублям. Но постоянные расходы (аренда кухни, зарплаты, коммуналка) составляли 480 000 рублей в месяц, а объём — 1 350 заказов в месяц. Точка безубыточности требовала 480 000 / 240 = 2 000 заказов в месяц, почти на 50% больше текущего объёма. Общий burn с учётом маркетинга и административных расходов составлял около 1,2 миллиона рублей в месяц, на счету оставалось денег на 8 месяцев работы.

Что сделали: через ChatGPT (промпт 5, точка безубыточности) за один вечер построили реальную картину и увидели разрыв между «маржа с заказа положительная» и «бизнес не убыточен». Промптом 7 прогнали три сценария: рост объёма без изменений, повышение цены, сокращение постоянных затрат. Выбрали комбинацию: подняли средний чек на 9,08% (до 708 рублей) и закрыли вторую, менее загруженную точку кухни, сократив постоянные расходы на 150 000 рублей в месяц.

Стало: новый маржинальный доход на заказ составил 298 рублей, новые постоянные расходы — 330 000 рублей в месяц. Новая точка безубыточности — 330 000 / 298 ≈ 1 107 заказов в месяц, что уже ниже текущего объёма в 1 350 заказов. Кухня вышла в операционный плюс без нового раунда. Runway вырос с 8 до 14 месяцев за счёт снижения общего burn rate.

Экономия и результат: runway вырос с 8 до 14 месяцев без привлечения нового финансирования, найдена и закрыта реальная точка безубыточности вместо ложного ощущения прибыльности по одной единице.

Кейс 3. Основательница фитнес-приложения с freemium-моделью

Было: мобильное приложение с подпиской 990 рублей в месяц, валовая маржа около 85%. В черновике питч-дека, готовом к встрече с инвестором, стояла округлённая цифра LTV в 15 000 рублей — основательница вписала её ещё на старте, отталкиваясь от общего ощущения «в среднем клиент держится у нас около трёх лет», и рядом в тексте фигурировал средний срок жизни клиента 36 месяцев. Саму формулу LTV = ARPU × маржа × срок жизни с этими цифрами она ни разу не прогоняла: если бы прогнала, получила бы 990 × 0,85 × 36 ≈ 30 300 рублей, а не 15 000. Реальные данные по когортам показывали месячный отток 12%, то есть средний срок жизни — около 8,3 месяца, а не 36.

Что сделали: вечером перед встречей с инвестором прогнали промпт 8 (когортный анализ) через ChatGPT, подставив фактические данные удержания по трём когортам. Реальный LTV оказался 990 × 0,85 × 8,3 ≈ 6 984 рубля — меньше половины от заявленных 15 000. CAC через рекламу в сторах и блогеров составлял 3 800 рублей, реальное соотношение LTV/CAC — 1,84 вместо радужных цифр из черновика.

Стало: основательница успела переписать питч-дек с честной цифрой LTV и открыто объяснить инвестору, что за неделю до встречи добавили годовой тарифный план со скидкой для предоплаты, что снизило эффективный отток до эквивалента 7% в месяц. Средний срок жизни вырос до 14,3 месяца, реальный LTV — до 12 030 рублей, LTV/CAC — до 3,17. Честная и уже подкреплённая действием цифра на переговорах обычно работает надёжнее, чем красивое число, которое не выдерживает вопроса о когортах.

Экономия и результат: обнаружили и исправили завышение LTV больше чем вдвое до встречи с инвестором — расхождение почти наверняка всплыло бы в его собственной due diligence и убило бы доверие.

Какие ошибки убивают доверие инвестора к финмодели стартапа

Ошибка 1. Считать LTV без поправки на валовую маржу. ARPU умноженный на срок жизни клиента — это доход, а не прибыль. Без умножения на процент валовой маржи LTV завышен, иногда в разы, особенно у бизнесов с высокой себестоимостью продукта.

Ошибка 2. Брать средний срок жизни клиента из головы, а не из реальных когортных данных. Если у компании уже есть три-четыре месяца истории, когортный расчёт почти всегда честнее, чем предположение о сроке жизни в 24-36 месяцев без опоры на фактическое удержание.

Ошибка 3. Считать CAC только по рекламному бюджету. Зарплаты продажников, маркетологов и комиссии партнёрам — часть стоимости привлечения клиента. Без них CAC занижен, а LTV/CAC выглядит лучше, чем есть на самом деле.

Ошибка 4. Путать маржинальность единицы с безубыточностью компании. Положительная маржа с одного заказа не означает, что бизнес не сжигает деньги: постоянные расходы компании нужно перекрыть суммарной маржой со всех продаж, а не с одной.

Ошибка 5. Показывать только оптимистичный сценарий. Инвестор в 2026 году ожидает увидеть пессимистичный сценарий по умолчанию — его отсутствие читается не как уверенность, а как то, что основатель не продумал риски.

Ошибка 6. Не объяснять источник каждой цифры. «Цена такая, потому что так решили» — слабый ответ. «Цена основана на пилотных продажах 30 клиентам за два месяца» — конкретный и проверяемый ответ, который выдерживает контрвопрос.

Ошибка 7. Загружать реальные данные о раунде и cap table в публичную нейросеть без обезличивания. Даже при нехватке времени перед встречей этот шаг нельзя пропускать: условия с текущими инвесторами обычно защищены соглашением о неразглашении.

Ошибка 8. Игнорировать разницу между «unit» для разных бизнес-моделей. Если в SaaS посчитать unit как заказ, а не как клиента на подписке, или в маркетплейсе как клиента, а не как транзакцию, CAC, LTV и точка безубыточности потеряют практический смысл. Перед расчётом всегда фиксируйте, что именно масштабируется в вашей модели.

Когда AI не заменит финансового консультанта для стартапа

Я не убеждаю основателей полностью заменить финансового консультанта нейросетью. У этого подхода есть чёткие границы.

ChatGPT не знает вашего реального рынка на уровне человека, который в нём работает годами. Формулы универсальны, а типичные ориентиры CAC, LTV и оттока по вашей конкретной нише — то, что консультант или опытный инвестор в вашей отрасли держит в голове из десятков похожих компаний.

Не отвечает на живые контрвопросы инвестора за столом. Промпт 10 (стресс-тест) готовит вас к вероятным вопросам заранее, но реальный диалог с инвестором требует человека, который защищает модель здесь и сейчас, а не зачитывает готовый ответ.

Не несёт ответственности за прогноз перед советом директоров. Финмодель, использованная для привлечения раунда, становится частью юридических обязательств компании перед инвесторами. Ответственность за точность прогноза лежит на основателе, а не на инструменте, которым он пользовался при расчёте.

Не заменяет due diligence инвестора. Даже хорошо собранная модель — это черновик для разговора, а не гарантия сделки. Серьёзные инвесторы на большинстве стадий проверяют цифры самостоятельно или через своих аналитиков.

Требует, чтобы основатель понимал логику расчётов, а не просто скопировал итог. Модель, которую основатель не может объяснить своими словами на вопрос «а почему у вас именно такой отток», разваливается на первой же встрече, даже если формулы в ней верны.

Чек-лист: финмодель и питч для инвестора за один вечер

Подготовка данных (30-40 минут)

1. Собрать цену за единицу, переменные затраты на единицу, постоянные расходы компании за месяц.
2. Собрать реальный или прогнозный месячный отток клиентов — по когортам, если данные есть.
3. Собрать расходы на привлечение по каналам, включая зарплаты продажников и маркетологов, не только рекламный бюджет.
4. Обезличить данные о раунде, cap table и условиях с текущими инвесторами.

Расчёт unit-экономики (60-90 минут)

5. Рассчитать CAC по каналам и блендованный CAC (промпт 2).
6. Рассчитать LTV простым и когортным методом, сравнить результаты (промпты 3 и 8).
7. Рассчитать соотношение LTV/CAC и payback period (промпт 4).
8. Рассчитать точку безубыточности в штуках и в рублях (промпт 5).
9. Рассчитать burn rate и runway при текущих цифрах (промпт 6).

Сценарии и питч-дек (60-90 минут)

10. Построить базовый, оптимистичный и пессимистичный сценарии (промпт 7).
11. Собрать слайд unit-economics с четырьмя ключевыми цифрами (промпт 9).
12. Обосновать сумму раунда через runway и вехи (промпт 11).
13. Прогнать модель через стресс-тест вопросами инвестора (промпт 10).
14. Проверить контрольные цифры: выручка в P&L должна биться с числом клиентов и ценой, точка безубыточности — с постоянными расходами.

Системно освоить нейросети и финансовое моделирование: курс «AI-навыки финансиста» от онлайн-школы «Финансовый директор | Мастер CFO». 11 модулей, 800+ выпускников, диплом с лицензией и налоговый вычет 13%.

Часто задаваемые вопросы

Что такое unit-экономика стартапа простыми словами? Unit-экономика — это расчёт прибыльности одной единицы бизнеса: одного клиента, одной подписки, одного заказа. Она отвечает на вопрос, зарабатывает компания деньги на каждой продаже или теряет их, если убрать эффект масштаба и разовые расходы. Ключевые показатели — стоимость привлечения клиента (CAC), пожизненная ценность клиента (LTV) и срок окупаемости этой стоимости. Инвестор смотрит на unit-экономику раньше, чем на общую выручку, потому что она показывает, воспроизводимая ли у компании модель роста.

Чем финмодель для инвестора отличается от финмодели для внутреннего планирования? Внутренняя финмодель фокусируется на операционных деталях: статьях затрат, кассовых разрывах, налогах. Финмодель для инвестора строится вокруг unit-экономики, точки безубыточности, сценариев роста и обоснования суммы раунда — того, что напрямую отвечает на вопрос инвестора «окупятся ли мои деньги и через сколько». Обе модели опираются на одни и те же цифры, но для инвестора важнее прозрачность допущений и защищённость выводов от контрвопросов, а не детализация по статьям. Про общий подход к сборке финмодели без Excel я подробно писала в отдельной статье блога.

Какое соотношение LTV к CAC считается хорошим для инвестора? Ориентир для большинства моделей с повторными покупками или подпиской — от 3:1 и выше: три рубля пожизненной ценности клиента на один рубль стоимости его привлечения. Диапазон 1-2:1 инвестор читает как рискованный: модель работает, но запас прочности маленький. Меньше 1:1 означает, что компания теряет деньги на каждом новом клиенте, и без пересмотра модели такой раунд закрыть почти нереально. Слишком высокое соотношение, выше 5-6:1, иногда тоже вопрос — возможно, компания недоинвестирует в рост.

Нужен ли платный ChatGPT для сборки финмодели стартапа? Для черновой прикидки формул и структуры хватает бесплатного доступа. Для реальной работы с файлами — загрузки таблицы расходов, построения графика точки безубыточности, генерации Excel с расчётами — нужен ChatGPT Plus с Code Interpreter. Альтернатива с нулевым бюджетом — DeepSeek V3.2, который справляется с базовыми формулами unit-экономики в бесплатном доступе, но хуже держит длинные питч-деки и сложные сценарии в одном чате.

Как рассчитать точку безубыточности, если у стартапа ещё нет продаж? Точка безубыточности не требует истории продаж — она требует прогнозных цифр: ожидаемую цену за единицу, переменные затраты на единицу и постоянные расходы компании в месяц. Без истории продаж это оценка, а не факт, поэтому в питче честно называйте её сценарным допущением и указывайте, на основе чего взяты цифры цены и затрат — по рынку аналогов, по пилотным продажам или по расчёту себестоимости.

Безопасно ли загружать финансовые данные стартапа и cap table в ChatGPT? Реальные условия с текущими инвесторами, точную структуру капитала (cap table), персональные данные фаундеров и конкретные суммы контрактов с именами клиентов в публичную нейросеть не грузят. Для расчёта unit-экономики и точки безубыточности достаточно относительных цифр: цена за единицу, доля переменных затрат, число клиентов — без привязки к реальным именам. В настройках ChatGPT Data Controls отключите использование истории чатов для обучения модели, это дополнительный, но не единственный слой защиты.

Сколько стоит сборка финмодели у консультанта и сколько времени экономит ChatGPT? Финмодель для раунда у внешнего консультанта или фрилансера-финансиста стоит от 80 000 до 250 000 рублей и занимает 1-3 недели в зависимости от сложности бизнес-модели и числа сценариев. С ChatGPT первый рабочий черновик unit-экономики и точки безубыточности собирается за один вечер, 3-5 часов. Доработка до состояния, готового для встречи с инвестором, обычно занимает ещё 1-2 такие же сессии в течение недели. Похожий разбор экономии времени я приводила в статье про бюджетирование с AI для CFO.

Может ли ChatGPT заменить финансового консультанта на переговорах с инвестором? Нет. ChatGPT строит структуру расчётов, формулы и черновик текста для слайдов, но не отвечает на живые контрвопросы инвестора за столом переговоров, не несёт ответственности за прогноз перед советом директоров и не знает специфику вашего рынка на уровне человека, который в нём работает годами. Финмодель, собранную с нейросетью, обязательно проверяет сам основатель или финансовый консультант перед тем, как показывать её инвестору. Для более крупных инвестиционных решений с расчётом NPV и IRR у меня есть отдельный разбор — ChatGPT для оценки инвестпроекта.

Наши каналы

Следите за новыми промптами, кейсами и разборами AI-инструментов для финансистов и предпринимателей:

• @findir_pro — основной Telegram-канал онлайн-школы «Финансовый директор | Мастер CFO», 45 000 подписчиков. Ежедневные разборы нейросетей для финансистов, бухгалтеров и основателей: промпты, кейсы, инструменты.
• @ai_finansist — канал «АИ с Софьей и Натали», 13 000 подписчиков. Разборы новых моделей и стратегия внедрения AI в финансовое управление и планирование.
• MAX — закрытое сообщество 5 000+ выпускников и учеников школы. Живые разборы кейсов, доступ к записям вебинаров, нетворкинг с коллегами.

Инструменты для визуализации финмодели и дашбордов на данных стартапа я разбирала в статье про вайб-кодинг дашбордов для финансиста, а сравнение нейросетей для работы с Excel-формулами — в статье Excel-формулы через нейросеть бесплатно.

Об авторе

Натали Васильева — эксперт по нейросетям и продюсер онлайн-школы «Финансовый директор | Мастер CFO» (основатель школы — Софья Бурцева). С нейросетями в финансовых задачах с февраля 2023 года, 800+ выпускников курса AI-навыков. Веду Telegram-канал @findir_pro, 45 000 подписчиков.