Попытка применить стандартную Unit-экономику к DeepTech-проекту на стадии TRL 3-5 приводит к фатальной ошибке: расчет LTV и CAC становится бессмысленным, когда цикл разработки продукта длится 3–7 лет, а стоимость одной итерации прототипа превышает $50 000.
Ловушка CAC: почему стоимость привлечения обманчива
В классическом SaaS CAC (Customer Acquisition Cost) считается по количеству лидов. В естественнонаучных проектах «клиентом» на ранних этапах выступает стратегический партнер или грантодатель. Попытка считать CAC через рекламные охваты — абсурд, так как цикл сделки в B2B-сегменте химии или биотеха занимает от 9 до 18 месяцев. Реальные затраты здесь лежат не в маркетинге, а в стоимости подтверждения гипотезы (Proof of Concept), которая может варьироваться от $20 000 до $200 000 за одну итерацию.
Пример: стартап по разработке нового катализатора тратит $15 000 на один цикл синтеза и тестирования. Если для выхода на контракт с заводом нужно 5 таких циклов, его реальный «CAC» для одного крупного клиента составит $75 000 плюс оплата работы PhD-специалистов. Экспертный вывод: забудьте о стоимости лида, считайте стоимость верификации технологического узла для конкретного сегмента рынка.
Проблема LTV при отсутствии продукта
Расчет Lifetime Value (LTV) на стадии R&D; — это гадание на кофейной гуще. В DeepTech мы имеем дело с отложенным доходом: инвестиции в $1 млн сегодня могут принести $100 млн через 5 лет или ноль. Стандартная формула LTV = ARPU × Lifetime не работает, так как ARPU (средний доход на пользователя) равен нулю до момента получения сертификации или патента. Ошибка многих фаундеров — завышать будущий LTV, игнорируя стоимость поддержки инфраструктуры (лабораторий, реакторов), которая съедает до 30-40% операционного бюджета.
Кейс: разработка биосенсора. Прогнозируемый LTV одного госзаказа — $500 000. Однако стоимость поддержания стерильной среды и калибровки оборудования составляет $5 000 в месяц. За 3 года разработки «скрытые» расходы составят $180 000, что срезает маржинальность первого контракта почти на 40%. Экспертный вывод: вместо LTV используйте расчет NPV (чистого дисконтированного дохода) с учетом высокого коэффициента риска (discount rate 30-50% для ранних стадий).
CAPEX против OPEX: недооценка инфраструктуры
Типичная ошибка в финмодели — сведение всех затрат к зарплатам команды. В естественнонаучных проектах доля CAPEX (капитальных затрат) на старте может достигать 60-70% бюджета. Покупка масс-спектрометра за $80 000 или аренда чистого помещения по $3 000/мес не являются «расходами на маркетинг», но они напрямую влияют на точку безубыточности. Многие забывают заложить стоимость расходных материалов (реагентов, специализированного стекла), которые в R&D; могут стоить от $500 до $5 000 за один эксперимент.
Сравнение: модель «аренда оборудования в технопарке» (низкий CAPEX, высокая стоимость часа — $100-300) против «покупки своего оборудования» (высокий CAPEX, низкий OPEX). При интенсивности тестов более 40 часов в неделю покупка окупается за 14-18 месяцев. Экспертный вывод: жестко разделяйте стоимость «интеллектуального капитала» и стоимость «железа», иначе вы столкнетесь с кассовым разрывом при переходе от TRL 4 к TRL 6.
Искажение маржинальности из-за регуляторики
В IT-проектах стоимость копирования продукта близка к нулю. В естественных науках каждая единица товара проходит через цикл сертификации и контроля качества. Ошибка в расчете Unit-экономики — игнорирование стоимости комплаенса. Для медицинского или химического продукта затраты на сертификацию (ISO, GMP, FDA) могут составлять от $50 000 до $1 млн. Если распределить эти затраты на первые 1 000 единиц товара, себестоимость единицы вырастет на $50–$1 000, что может сделать продукт неконкурентоспособным.
Пример: создание нового полимера. Себестоимость производства 1 кг — $10. Но сертификация для использования в авиации стоит $200 000. Чтобы окупить только сертификацию при наценке в $20/кг, нужно продать 10 тонн продукта. Экспертный вывод: включайте стоимость регуляторных барьеров в расчет Unit-экономики как фиксированные затраты, которые должны быть покрыты до выхода на стадию масштабирования.
Вывод
Стандартная Unit-экономика в R&D; — это иллюзия контроля. Чтобы привлечь серьезные инвестиции, замените расчеты LTV/CAC на анализ стоимости верификации гипотез и расчет NPV с учетом регуляторных затрат. Начинайте с оценки стадии TRL (Technology Readiness Level), чтобы понимать, какие именно риски закладывать в бюджет: технологические или рыночные. Избегайте линейных прогнозов выручки — используйте сценарное моделирование (пессимистичный, базовый, оптимистичный), где в пессимистичном сценарии срок выхода на рынок увеличивается на 24 месяца. Только такая честная математика вызывает доверие у DeepTech-инвесторов.