Привет, Хабр. Я всё тот же разработчик YoloPrice, приложения для поиска и сравнения цен по маркетплейсам, интернет-магазинам и классифайдам.

В прошлый раз я рассказал, как привлек бесплатно несколько тысяч новых пользователей. Но просто привлечь пользователей это одно, а вот сделать так, чтобы они регулярно начали пользоваться приложением и рекомендовали его другим - это задача со звездочкой. Расскажу в этой статье, как я ее решал.

Для решения этой задачи продуктовые команды используют термин Product Market Fit (PMF) - это состояние, когда продукт удовлетворяет реальную потребность (ее часто называют “боль”), вызывая активный спрос у целевой аудитории. При этом, пользователи не просто пробуют продукт, а регулярно используют, платят за него и рекомендуют другим, демонстрируя его ценность.

Для пользователей сервисов сравнения цен PMF = Сервис экономит время и деньги. Без этого пользователи уйдут к конкурентам или в обычные поисковые системы.

Для своего приложения, анализируя поведение пользователей, я заметил, что первым делом меня проверяют на том, что недавно покупали, и если я теряю товары с минимальной ценой, то это приводит к недоверию и отказу от дальнейшего использования.

Таким образом, в моем приложении основной блокер начала использования сервиса и один из ключевых для PMF - сервис не находит минимальную цену/предложение, о котором явно пользователь знает и использует для первичной проверки YoloPrice.

Самый очевидный способ устранения данного блокера - брать запрос пользователя и проверять, потеряли ли мы минимальную цену или нет. Но этого мало, нужно понимать насколько твой продукт по ключевым метриками для PMF лучше/хуже альтернативных способов удовлетворения потребности Пользователей (читай - конкурентов) и регулярно отслеживать рэнкинг по этим метрикам.

Для этого, команды отвечающие за продукт, проводят бенчмарк или бенчмаркинг. Его суть — сравнительный анализ процессов, продуктов или стратегий с эталонными показателями конкурентов, лидеров рынка или даже других отраслей. Цель — выявить "разрыв" в эффективности и найти способы его устранить.

Так как никаких открытых бенчмарков для сервисов сравнения цен я не обнаружил, то отложил ненадолго разработку в сторону и потратил время, чтобы сделать такой бенчмарк. В конце концов, без бенчмарков легко начать думать, что твое детище и так прекрасно)

Начнем с главного вопроса - С кем сравниваться? Каким образом обычный пользователь может удовлетворить потребность покупки подходящего товара по лучшей цене?

Очевидный набор - WEB поиск, сервисы сравнения цен. Это понятно.

Из неочевидного обнаружил, что крупнейшие банки в России (да и не только - привет Capital One в Штатах с собственным сервисом сравнения цен) тоже начали запускать сервисы агрегации товарных предложений, поиска и покупки внутри своих супераппов. Очевидно, отвечая на угрозу со стороны банков маркетплейсов, таких как Озон Банк и Wildberries Банк. 

Еще один неочевидный участник рынка агрегации товарных предложений и сравнения цен - ChatGPT и аналогичные сервисы. Все наверняка знают, что они отъедают трафик у классического WEB поиска такого как Google или Яндекс, но не все знают что:

1. У многих из них есть специальные режимы отображения ответов для сравнения цен на товары, авиабилеты и отели. Типичный price-comparison с карточками товарных предложений, вот как это выглядит для ChatGPT.

   

2. Perplexity уже запустил свой браузер с блэкджеком и девицами AI агентом, который находит, сравнивает и покупает нужные товары, билеты, отели и т.д. OpenAI анонсировал запуск своего браузера в двадцатых числах июля 2025 года, очевидно с аналогичным агентским функционалом на базе Operator.

Таким образом, фиксируем участников бенчмарка:

• ChatGPT. Самый популярный GenAI сервис в мире, который заявляет, что умеет в поиск выгодных цен. Со специальным режимом Сервиса сравнения цен, который он иногда ленится показывать; 

• GigaChat. Русскоязычная LLM от Сбера. Локальная альтернатива ChatGPT, которую я тоже решил протестировать;

• Яндекс.Товары. Сервис поиска и сравнения цен на товары, встроенный в WEB поиск Яндекса;

• Альфа-Банк. Маркетплейс-агрегатор внутри банковского приложения, доступен только для клиентов Альфа-Банка;

• Браузер Луна. Браузер с обратной стороны луны, на которой у одного из очень крупных РФ банков, видимо, есть свой скрытая лунная база айтишников, делающих не банковские приложения ;-));

• Т-Банк. Сервис сравнения цен внутри банковского приложения, доступен только для клиентов Т-Банка;

• Приложение YoloPrice для Android и iOS. Ваш покорный price-comparison слуга, доступен всем без авторизации.

Еще есть Price.ru, но практика показывает, что в среднем по ценам он проигрывает основным маркетплейсам, за исключением позиций продавцов со всем известного в России рынка электроники в Москве в районе метро Багратионовская. Добавлю в следующий релиз бенчмарка.

Следующий вопрос - какие метрики использовать в бенчмарке?

В YoloPrice новые пользователи, как правило, первым шагом проверяют приложение, запуская поиск по известным для себя товарам, получая ответы на следующие вопросы:

1. Находит ли сервис искомый товар?

2. Находит ли сервис искомый товар по цене, которая не выше той, которую я знаю?

Ответы на эти вопросы дают понимание,  насколько сервис закрывает базовую потребность и можно ли ему далее доверять без перепроверок.

Далее самое важное. Каждый пользователь уже как-то удовлетворяет потребность “покупки подходящего товара по лучшей цене”. Поэтому в бенчмарк обязательно нужно добавить метрику с оценкой инкрементальной ценности продукта, по которой будет видно - “А есть ли добавленная ценность к уже существующим продуктам на рынке, при этом достаточная для изменения моих потребительских привычек?” В случае Сервисов сравнения цен - это уникальность/незаменимость, когда только этот и никакой иной сервис находит минимальную цену. То есть по логике, метрика обратная к метрике “процент потерь предложений на товары с минимальной ценой”.

Ведь если все сервисы справляются с задачей одинаково хорошо, то и смысла пользователю менять свои привычки нет. Он 100% продолжит пользоваться тем, к которому привык, поиск Яндекса в Турции не даст соврать.

Итого, получаем следующие метрики для бенчмарка, привязанные к типовым поведенческим паттернам в сервисах сравнения цен:

1. Полнота выдачи - % запросов, в которых были найдены товары. Хотя бы одно предложение;

2. Качество поиска  - % запросов, где сервис нашел минимальную цену;

3. Незаменимость сервиса - % запросов, где только этот сервис находит минимальную цену и никакой другой.

Для чего это полезно мне и YoloPrice:

1. Ускорить выход на Product-Market-Fit за счет треккинга функциональных метрик;

2. Найти и приоритезировать слабые места продукта, чтобы исправить их раньше, чем пользователи начнут писать гневные отзывы и уходить в отток;

3. Актуализировать конкурентный ландшафт, в том числе и будущий - ChatGPT, GigaChat и банковские приложения: могут ли они стать конкурентами и в каких блоках функционала?

Теперь от методологии и метрик можно перейти к самому бенчмарку и его результатам.

Как я тестировал:

Локации: Москва и Красноярск. Почему так? Выбор Москвы очевиден, но этого методологически недостаточно. В Москве гораздо больше магазинов и объявлений в классифайдах, чем в любом другом городе. При этом, бенчмарк должен охватывать все сегменты потребителей, поэтому делать замеры только по Москве - статистически некорректно, метрики явно не будут репрезентировать все население России. Взгляд упал на редкую, по нынешним временам, купюру в 10 рублей и был взят Красноярск. Миллионник, практически географический центр России, красота.

Периоды: Москва – 13–20 июня 2025, Красноярск – 30 июня – 3 июля 2025.

Устройства: Realme Narzo, iPhone 14 Plus.

Условия: без авторизации, без персональных скидок и бонусных карт.

Набор запросов: 100 популярных товарных позиций на каждый город, в основном электроника, техника, товары для дома и немного FMCG, чтобы жизнь мёдом не казалась. 

Примеры запросов: “Сумка дорожная Thule Garment Folder”, “huawei watch gt 4”, “кофемашина delonghi EC235”, “Чай Greenfield Earl Grey 100 пакетиков”, “Шоколад Ulker Дубайский с фисташковой начинкой, 93г”, “Видеокарта GeForce RTX 4060 8 ГБ ”, “дезодорант old spice стик 50 мл” и т.п. 

В общем, все то, что ищут обычные пользователи в YoloPrice.

Приведу сразу итоговые метрики по всем сервисам (кроме GigaChat, забегая вперед, он пока добровольно сошел с дистанции забега). 

Примеры: только YoloPrice нашел в Москве минимальную цену на Робот мойщик окон Даджет dBot W200, когда Яндекс.Товары и ChatGPT показали предложение на 700-1100 руб. дороже, и ни один банковский сервис не нашел товар в наличии. А вот с поиском Аудиосистема 2.0 EDIFIER MR4 white Яндекс.Товары в Москве справился лучше всех . бумагу а4 снегурочка в Красноярске лучше ищет ChatGPT за счет того, что видит небольшие местные интернет-магазины.

Вывод: с полнотой выдачи все хорошо у Яндекс.Товаров и YoloPrice, чуть хуже у ChatGPT, а вот с поиском минимальных цен YoloPrice справляется лучше остальных.

Вывод: на примере Москвы видно, что в среднем, для 17% поисков минимальные цены можно найти больше, чем в одном сервисе, но в остальных случаях цифры, как говорится, “на табло”.

Детальный процесс тестирования:

Я начал с ChatGPT. 

Промпт был простой, как пишут обычные пользователи: «Найди лучшую цену на товар ___ в <город>, проверь что товар есть в наличии» (и то же самое для Красноярска).
На ChatGPT ушло больше всего времени, т.к. он все-таки выдавал ссылки на магазины, где товара либо не было в наличии, либо цены были не актуальны. В итоге приходилось перезапрашивать, открывать каждую ссылку, перепроверять. 

Из задачи быстрого сравнения цен и покупки товара, процесс часто превращался в работу асессора ответов LLM.

А что там GigaChat? 

Скажу сразу: GigaChat в плане поиска цен пока не умеет ничего. На запросы цен - отправлял меня в WEB поиск / агрегаторы / на Озон, или просто отвечал “не могу помочь”.  

В конце серии запросов выдал резюме, почему не умеет искать товары: “У меня нет прямого доступа к данным о текущих ценах на товары в режиме реального времени, как у ChatGPT в некоторых сценариях использования”.

Сэкономил мне время, упомянул уважаемого родственника (интересно какой объём данных для обучения reasoning моделей GigaChat был сгенерирован моделями OpenAI?). И на том спасибо.

Яндекс.Товары

Неплохо по сравнению с предыдущими ораторами, что абсолютно ожидаемо - сервис с долгой историей. Есть свои плюсы и минусы:

• Отличная полнота выдачи, почти все товары находятся;

• Понятный интерфейс и быстрый ответ;

• Часто встречаются ссылки на товары, которых уже нет в наличии;

• Поиск не в онлайн режиме, а только по дата фидам, поэтому цена часто устаревшая и приходится перепроверять вручную;

• Чтобы увидеть лучшую цену, нужно каждый раз сортировать результаты по цене и фильтровать, так как сервис никогда не показывает самый дешевый вариант первым. Ох уже эта рекламная бизнес модель Яндекса ))

Банковские приложения:

 Браузер Луна (сервис сравнения цен в браузере)

• Результаты поиска часто нерелевантны, товары не совпадают с поисковым запросом;

• Больше половины товаров найти не смог; 

• Нет возможности искать товары и цены для конкретного населенного пункта, только для какой-то универсальной локации, и то правда не известно, какой именно. Луна-то не маленькая )

Альфа-Банк (маркетплейс внутри приложения)

• Предлагает ограниченный ассортимент и в основном из товаров с более высокой ценой;  

• Сэкономить в нем, увы, почти невозможно, т.к. самые выгодные цены находятся за его пределами.

Т-банк (сервис сравнения цен внутри приложения)

• Смог найти лишь половину из запрашиваемых товаров;

• Цены в среднем выше, чем у Яндекс.Товаров и YoloPrice;

• Нет сортировки по цене, поэтому приходится просматривать всю выдачу;

• Для Красноярка показывает предложения из магазинов, которых нет или они не доставляют товары в данный регион.

В целом, банковские маркетплейсы оставили впечатление витрины без системной пользы для экономии домашнего бюджета, но как инструмент для быстрой траты кэшбэка – вполне рабочее решение. Тем более, особо потратить его за рамками финтех экосистем некуда.

YoloPrice (мое приложение) 

• По метрикам не подкачало, но надо немного подождать результатов поиска, это расплата за актуальность цен, остатков и поддержку персональных цен и скидок в маркетплейсах;

• Ищет цены в онлайне и с главной задачей справляется;

• Полнота выдачи - 100%. Найденная минимальная цена в 85% случаев по Москве, и в 90% по Красноярску.

Подведем итоги:

Чтобы эффективно решить задачу с управляемым развитием продукта для достижения Product Market Fit, то есть не только удерживать текущих пользователей, но и сделать так, чтобы они приводили новых - нужно:

1. Досконально понимать потребность/ти пользователя, которые удовлетворяет ваш продукт. Это дает понимание альтернативных продуктов, которыми он может воспользоваться. В нашем примере - банковские приложения и ChatGPT не самые очевидные альтернативы. Но это реальные участники рынка, с очевидным потенциалом к улучшению продукта и понятными экономическими стимулами для потребителей;

2. Понимать воронку конверсии в регулярное использование, чтобы подобрать именно те метрики в бенчмарк, которые способствуют росту DAU/MAU и частоты использования продукта (DAU to MAU ratio); 

3. Понимать механику перехода, с уже используемого продукта-конкурента на ваш, дабы определить, какая метрика/ки отражают ваше уникальное и понятное для пользователя преимущество. Ему ведь надо поменять сложившуюся привычку, а это всегда не просто.

Спасибо, что дочитали до конца. И исходя из результатов бенчмарка, если вы хотите экономить время и деньги при покупках товаров в интернет магазинах и маркетплейсах, то пользуйтесь приложением YoloPrice - оно лучше других находит товары по самым низким ценам в России. Плюсом, умеет сравнивать предложения на товары с учетом персональных цены и скидок.

А если пост наберет 50 и более “+”, то я выложу бенчмарк на GitHub с полными текстами тестовых поисковых запросов для свободного обновления тестового пула запросов и добавления результатов для новых сервисов.