Як ми трансформували PetTech-продукт завдяки AI

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Привіт усім! Мене звати Марк Опанасюк, я CPO бізнесу PawChamp by SKELAR. З командою ми будуємо платформу, яка допомагає власникам собак стати кращими pet-parents та піклуватися про своїх домашніх улюбленців. У цій статті я розповім, як ми використовуємо AI, щоб перетворити хаотичний процес виховання собаки на чітку, керовану даними систему.

Від онлайн-курсу до продукту довіри

Коли я долучився до команди, PawChamp працював у форматі online dog training. Ідея була проста: допомагати людям виховувати своїх собак через короткі навчальні модулі, створені з залученням кінологів.

Та ми зрозуміли, що формат онлайн-курсів сильно обмежує стратегію розвитку, а ніша PetTech має глобальніші перспективи. Після COVID-19 поведінка власників собак змінилася кардинально. Люди проводили більше часу вдома, в тісному контакті зі своїми улюбленцями, і побачили, скільки проблем виникає через неправильне виховання чи взаємодію. Водночас різко зріс рівень адопцій — тисячі людей стали власниками собак і для них це був новий досвід.

Коли карантин закінчився, ця хвиля не зменшилась — натомість зʼявилася нова культура відповідального ставлення до улюбленців. Pet-parents почали шукати не короткі поради з TikTok, а комплексні цифрові рішення, які допомагають виховувати собаку без покарань, розуміти її психологію та формувати стабільну рутину.

І щоб побудувати успішний бізнес у цій ніші, ми маємо побудувати успішний продукт. Без повторюваної цінності масштабування — це просто «зливання бюджетів у маркетинг». Але побудувати продукт у PetTech означає не просто створити функціонал, а буквально завоювати довіру користувачів. Коли йдеться про улюбленця, користувач має бути впевненим, що кожна порада — безпечна, гуманна і точна.

Гібридна модель: як ми поєднали AI та живих експертів

Ми поставили собі запитання: як зробити так, щоб у будь-який момент — коли собака не слухається на прогулянці, гризе меблі чи боїться гучних звуків — у господаря була миттєва підтримка?

І зрозуміли, що маємо мислити не контентом, а контекстом, у якому людина навчає свого собаку. Так народилася ідея трансформації в Dog Training & Care Companion — навчальний продукт, радник, допомога, яка під рукою в користувача будь-якої миті.

Після релізу застосунків ми імплементували 2 компоненти:

Чат з експертами-кінологами, до яких можна звернутися з найрізноманітнішими індивідуальними запитами та допомогою.

AI-компаньйон Pawchie, який відповідає миттєво, запамʼятовує контекст (породу, вік, поведінкову історію собаки) та надає швидкі рішення.

Як ми використовуємо AI у продукті та в операційних процесах

Нам хотілося зміцнювати та покращувати продукт — і водночас втілити це маленькою командою швидко та без втрати якості. AI став для нас способом це реалізувати. Щоб зробити подібне раніше, потрібно було в рази більше ресурсів.

Як саме правильно налаштовані та підготовлені AI-асистенти та інструменти стали нашими каталізаторами в різних частинах побудови продукту:

Створення перших драфтів текстового контенту завдяки кастомним AI-райтерам, які ми потім верифікуємо та допрацьовуємо з експертами.
Адаптація текстів у відповідні формати для зйомок відео чи телесуфлера через AI-скрінрайтерів — помічників нашого відеопродюсера.
Генерація внутрішньої графіки через Midjourney та інші text-to-image моделі — зокрема, так ми створили маскота Pawchie.
Локалізація всього нашого відеоконтенту за допомогою AI-інструментів: переклад, дубляж голосів, ліпсінк картинки, щоб експерт дійсно «говорив» мовою користувача природно.
У постпродакшні AI допомагає домальовувати кадри, генерувати додаткові сцени чи створити войсовер, не залучаючи окрему команду постпродакшену.

Загалом завдяки AI ми збагачуємо наш контент, додаємо йому динамічності та водночас звільняємо ресурси команди для інших завдань. І для верифікації згенерованого контенту перед релізами обовʼязково валідуємо всю інформацію з кінологами.

LLM-арена: як ми вибирали модель через експеримент

Коли ми вирішили будувати AI-асистента для власників собак, готового рецепта не було. На ринку існували десятки мовних моделей, але жодна не могла просто «з коробки» давати коректні консистентні поради щодо поведінки собак. Є багато різних підходів у тренуванні собак — деякі контроверсійні, інші можуть суперечити одне одному. У нашій ніші це не питання зручності — це питання відповідальності: одна неточна порада може принести шкоду або закріпити небажану поведінку улюбленця.

Тому ми зробили те, що жартома назвали LLM-ареною — такі собі батли між моделями. Відібрали кілька OpenAI GPT моделей, Claude від Anthropic, Llama від Meta, китайський DeepSeek. Ми сформували закриту групу, і коли користувач із неї ставив запит, він отримував два варіанти відповідей, не знаючи, від яких саме моделей. І відповідав на тестування реакцією: лайк, якщо відповідь здається корисною; дизлайк — якщо помилкова чи небезпечна; або нейтральна реакція, якщо відповідь прийнятна, але можна й краще. Так у різних комбінаціях протиставили моделі одна проти одної. Зібрали приблизно 3000 відповідей, по ~500 на кожну модель. Найбільше лайків і найменше дизлайків отримала LLM-модель від Claude, тому обрали її.

DeepSeek ми відсіяли одразу — він давав нерелевантні відповіді та мав проблеми з перекладами. Llama залишилася резервним варіантом — вона була безплатна, стабільна, але занадто нейтральна, судячи з реакцій користувачів. GPT-4 показував непогану якість, але трохи поступався Claude за влучністю тональності спілкування.

Як ми навчили AI визнавати свої межі та бути відповідальним

Коли почали адаптувати модель під себе, то сформували чіткі обмеження для Pawchie.

Дружня та емпатична тональність

Робота за методологією позитивного підкріплення, без покарань і тиску на тварину. При цьому ми хотіли, щоб модель давала не абстрактну загальну інформацію, а практичні та конкретні поради під реальні ситуації, з якими зіштовхуються користувачі: «собака гризе меблі», «боїться залишитися сама вдома», «гавкає на гостей». І навчали модель відповідати на них у нашій тональності: дружно, емпатично та водночас демонструвати експертність.

У поєдинках моделей кінологи та користувачі оцінювали не лише точність, а й «людяність»: наскільки порада звучить підтримувальною, без осуду чи агресії. Саме так ми обрали Claude — він не просто формулював рекомендації чітко, а підтримував правильний дружній тон. Це важливо, бо від того, як звучить AI, напряму залежить рівень довіри.

Унікальний та визначений датасет

Це закрита база знань, створена з експертних матеріалів наших кінологів та провалідована людьми, на якій додатково навчався наш АІ-компаньйон, щоб уникнути помилкових або застарілих методів у відповідях. Також ми виключили можливості надавати поради, що можуть нашкодити улюбленцю та господарю або створити юридичні ризики.

Прозора межа між поведінковими, медичними та нерелевантними кейсами

Ми з самого початку навчили Pawchie визнавати власні межі. Якщо запит виходить за рамки тренування та турботи за собакою — наприклад, стосується кейсів, які мають вирішувати ветеринари, — він не намагається вигадати відповідь, а чесно каже: «я не можу зарадити в цьому питанні. Будь ласка, якнайшвидше зверніться до ветеринара».

На ранніх етапах тестів ми помітили, що користувачі часто ставлять AI запитання, які можуть взагалі не стосуватися тем навчання, дресирування, турботи за собаками. Тут ми теж обмежили Pawchie, щоб він чітко дотримувався своєї ролі. Створили систему, щоб запобігати таким кейсам:

Класифікація запитів. Спочатку AI-компаньйон визначає, до якої категорії належить питання і чи може він на нього давати відповідь.
Фільтр ризику. Якщо запит потрапляє у «червону зону» — тобто може бути потенційно небезпечним, нерелевантним або потребує ветеринара, AI замість відповіді діє згідно з інструкцією. Виводить безпечне повідомлення з рекомендацією звернутись до ветеринара. Або, якщо це нерелевантний запит, намагається повернути розмову до теми тренування та навчання собаки.
Human-in-the-loop. У деяких кейсах може додатково рекомендувати користувачу перейти у чат із живим експертом.

Так народилася наша гібридна модель: AI-асистент відповідає миттєво, а експерти можуть глибше розібрати ситуацію, якщо цього потребує користувач.

Коли AI обігнав експертів за показниками ретеншну

Спочатку ми запустили в застосунку чат з кінологами, які давали поради в реальному часі (зараз наш FRT <1 хвилини та CSAT +95%). А через декілька тижнів після цього зарелізили AI-компаньйона Pawchie. На старті результати були передбачуваними: ретеншн користувачів, які спілкувалися з кінологами, був вищим. Наприклад, користувачі, які не користувалися ні Pawchie, ні допомогою експертів, демонстрували в 1.5 рази гірший ретеншн, ніж користувачі, які спілкувалися з Pawchie. І в 2.2 рази гірший ретеншн, ніж користувачі, які спілкувалися з експертами. Це пояснювалося ефектом людської довіри: коли ти отримуєш пораду від справжнього експерта, то більш схильний повертатися з запитом знову.

Але ми одразу відзначили й слабкі сторони. Експерти не могли відповідати на всі запити миттєво, адже потрібно дослідити питання та надати користувачу всі ймовірні варіанти. А коли власник під час прогулянки пише «мій собака тягне повідець та гавкає на всіх», він прагне отримати допомогу якнайшвидше. Чекати навіть кілька хвилин, доки експерт напише розгорнуту відповідь, або кілька годин чи днів на глибоку консультацію було занадто довго і ми втрачали користувачів на цьому етапі.

Тому взялися вдосконалювати Pawchie. Спочатку з технічних деталей: кращі мовні перемикання (щоб він завжди відповідав мовою користувача), точніша персоналізація контексту (порода, вік, стать, тип проблеми), краще розуміння нашого контенту. Потім — із поведінкових: навчили його ставити уточнювальні запитання й давати план не лише на зараз, а й на потім, закрили виявлені додаткові прогалини в поведінці та відповідях.

Через кілька спринтів ми побачили перелом: ретеншн після спілкування з AI-компаньйоном почав перевищувати експертів. Спочатку різниця була мінімальною, але з часом стала стійкою.

У середньому користувачі Pawchie повертаються частіше протягом перших 30 днів і є більш активними в продукті.

Чому швидкість та персоналізація AI перемогли людську емпатію? Ми проаналізували фідбек і зрозуміли причину:

Швидкість відповіді. AI реагував миттєво — набагато швидше. За той самий час він видавав в рази більше якісної інформації, ніж експерти, яким треба час на аналіз запиту та написання своєї відповіді.
Персоналізація контенту. Замість загальної поради для вирішення проблеми, наприклад щодо «натягування повідця», користувач отримував персоналізоване пояснення, чому саме його собака це робить, враховуючи весь наявний контекст, і зрозумілий покроковий план дій.
Тон і особистість. Pawchie завжди говорив як дружній, але відповідальний компаньйон. Без осуду чи патерналізму, завжди з підтримкою та гарним настроєм.

За лаштунками продуктової роботи: наш каденс, метрики та експерименти

Як наші імплементації впливають на користувачів, ми щодня моніторимо в нашій аналітиці: дивимося, як змінився retention, activation rate, NPS. І якщо певна гіпотеза спрацювала — одразу намагаємося масштабувати на всіх користувачів.

Наприклад, у маркетингу є гіпотези про нові потреби користувачів та їхніх собак. Нам в продукті необхідно швидко та якісно продумати шлях користувачів та користувацький досвід першої сесії, щоб вони отримали достатньо цінності та персоналізації продукту під свої проблеми та повернулися наступного дня. Інколи достатньо створити окремий якісний курс із кінологами під певний новий кут у маркетингу. В інших кейсах треба додатково продумувати нові фічі та складніші рішення.
Ми працюємо над локалізаціями, щоб користувач у будь-якій мові міг отримати якісний контент — текст та відео наших уроків. Це не просто переклади — ми адаптуємо приклади, терміни, поведінкові метафори, навіть інтонацію голосу у відео під конкретні локалі. Кожна нова мова вимагає додаткової підготовки текстів та нашого UI/UX. Це багато маленьких, але критично важливих покращень, які визначають темп зростання продукту.
І ще один важливий фокус — побудова бренду на цільових ринках. Для цього ми партнеримося з кінологічними організаціями, експертами, запускаємо соціальні кампанії та активно працюємо з глобальними платформами. У жовтні наш продукт здобув звання Product of the Day на Product Hunt. Для нас це можливість продемонструвати глобальному tech-комʼюніті нашу місію та інноваційність, зібрати додатковий експертний фідбек та ідеї для наступних покращень, підвищити впізнаваність продукту в США, отримати додатковий моментум для наших бренд- та SERM-ініціатив.

Деякі ініціативи ми вже впровадили. У жовтні в США проходить Adopt a Dog Month — з цієї нагоди ми надаємо 2 місяці преміум доступу до застосунку безплатно кожному користувачу з Америки, хто взяв собаку з притулку у 2025 році.

Те, що ми вже зробили, — це лише 5–10% від того потенціалу, який ми бачимо можливим для реалізації. Один з користувачів навіть написав нам, що «PawChamp — це як Duolingo для pet-parents». І ми віримо, що можемо показати ще більшій кількості людей, як можна самим ефективно тренувати собаку та зручно навчатися цього через застосунок.

Три уроки, які я виніс, будуючи AI-продукт

Урок 1. Інвестиція в сильний продукт — це найкращий захист від конкуренції

Лише на рекламі можна будувати бізнес до певного розміру, але великий системний бізнес будується лише тоді, коли маркетинг та продукт працюють злагоджено разом, а користувач залишається довше з вами саме через цінність, яку він отримує.

Урок 2. AI — це каталізатор якості, який змушує мислити чіткіше

AI допоміг нам не лише скоротити шлях до цілі, а й швидше набути якості. Коли AI не розуміє контексту — це означає, що ми самі його погано описали. Коли користувач не бачить користі — проблема не в інструменті, а в тому, що ми не донесли цінність через функціональність, флоу чи UX. Наші AI-помічники стали для нас каталізатором — вони допомагають створювати цінність та перевіряти гіпотези швидше.

Урок 3. Маркетинг підсилюється продуктом у рази

Коли користувач задоволений та отримує стабільну користь, росте його lifetime value, довіра до продукту та готовність платити. Це створює позитивний цикл підкріплення: що кращий продукт, то довше юзер залишається з нами. А це вищий дохід — і, як результат, ще більше ресурсів можна реінвестувати в розвиток і залучення нових користувачів.

Цей принцип простий, але фундаментальний: маркетинг підсилюється продуктом у рази. Якщо хочете будувати компанію та масштабуватися х100 — вкладайтеся в продукт. А без AI це зробити зараз, як і стати лідером у своїй ніші, дуже складно.

Сподобалась стаття? Підписуйтесь на автора, щоб отримувати сповіщення про нові публікації на пошту.

Теми: AI, LLM, Pet Tech, Product, стартап