Case · IoT + AI SaaS · HoReCa Кейс · IoT + AI SaaS · HoReCa
«5 Элемент»: from equipment sales to a proactive-service SaaS «5 Элемент»: от продажи оборудования к SaaS проактивного сервиса
Industrial grease traps for chain restaurants. A hardware seller repositioned as a technology partner with an IoT + AI subscription — recurring revenue instead of one-off boxes. Промышленные жироуловители для сетевого HoReCa. Продавца «железа» перепозиционировали в технологического партнёра с подпиской IoT + AI — рекуррентная выручка вместо разовых чеков.
Context — the baselineКонтекст — исходное состояние
The company sold grease traps head-on through a classic sales team and paid search, earning mostly on one-off invoices and rare emergency service visits after blockages and Vodokanal fines. Компания продавала жироуловители «в лоб» через классический отдел продаж и контекстную рекламу, зарабатывая в основном на разовых чеках и редких аварийных выездах после засоров и штрафов Водоканала.
- High CAC. Overheated B2B search: expensive Yandex.Direct traffic, weak lead qualification. Высокий CAC. Перегретый B2B-контекст: дорогой трафик из Яндекс.Директа, слабая квалификация лидов.
- Limited LTV. Clients drifted to local sludge haulers — they saw no difference in the service. Ограниченный LTV. Клиенты уходили к локальным ассенизаторам — не видели разницы в сервисе.
- Reactive service. A visit happened only once the trap was already overflowing: kitchen smells, venue downtime. Реактивный сервис. Выезд происходил, когда жироуловитель уже переполнен: запахи на кухне, простой заведения.
TaskЗадача
Turn a commodity hardware sale into recurring revenue: cut CAC, lift LTV, and make the service proactive instead of emergency-driven. Превратить продажу «железа» в рекуррентную выручку: снизить CAC, поднять LTV и сделать сервис проактивным вместо аварийного.
ApproachПодход
1 · Channel switch — HoReCa trade shows instead of paid search 1 · Смена канала — выставки HoReCa вместо контекста
Direct work with decision-makers — technical directors, chefs, managers — at PIR Expo, Modern Bakery and regional HoReCa forums. On the stand we demoed not "the box" but the avoided Vodokanal fine (up to 500 000 ₽, art. 8.2 KoAP) and protection from closure by Rospotrebnadzor. Lead → contract conversion went 3% (search) → 18% (shows). Прямая работа с ЛПР — техническими директорами, шеф-поварами, управляющими — на PIR Expo, Modern Bakery и региональных HoReCa-форумах. На стенде демонстрировали не «бак», а экономию на штрафах Водоканала (до 500 000 ₽ по ст. 8.2 КоАП) и защиту от закрытия Роспотребнадзором. Конверсия «лид → контракт» выросла с 3% (контекст) до 18% (выставки).
2 · Smart grease-trap control (IoT + AI) 2 · Smart-система контроля жироуловителей (IoT + AI)
Ultrasonic / optical level sensors + GSM/Wi-Fi modules. A predictive model computes the exact date of critical contamination from fill dynamics, water use and the venue's menu, and auto-creates a pump-out request before grease reaches the sewer. A dashboard produces a ready report for Vodokanal and the sanitary service. Ультразвуковые / оптические датчики уровня + модули GSM/Wi-Fi. Предиктивная модель по динамике заполнения, водопотреблению и меню заведения рассчитывает точную дату критического загрязнения и автоматически создаёт заявку на откачку до того, как жир попадёт в канализацию. Дашборд формирует готовый отчёт для Водоканала и СЭС.
3 · Repackaged the offer as a subscription 3 · Переупаковка предложения в подписку
AI monitoring + service sold as MRR; the first sale bundles trap + AI controller + installation, which lifts the initial invoice. AI-мониторинг + сервис продаются как MRR; первичная продажа комплектует жироуловитель + AI-контроллер + монтаж, что поднимает первый чек.
4 · Unit-economics model on the real org structure 4 · Модель юнит-экономики на реальной оргструктуре
2 field crews × 3 people, 3 managers, 2 trade-show reps, 350 000 ₽/yr ads. The model showed breakeven-on-subscription alone does not fit crew capacity — the business needs a steady flow of new installations, not just subscriber growth. 2 бригады × 3 человека, 3 менеджера, 2 продавца на выставках, реклама 350 000 ₽/год. Модель показала: точка безубыточности только на подписке физически не помещается в капасити бригад — бизнесу нужен постоянный поток новых инсталляций, а не только рост базы подписчиков.
Results — per venue, before / afterРезультаты — на 1 точку, до / после
| MetricПоказатель | BeforeДо | AfterПосле | ChangeДинамика |
|---|---|---|---|
| CAC — acquisition costCAC — стоимость привлечения | 28 000 ₽ | 14 500 ₽ | −48% |
| AOV — first invoiceAOV — первичный чек | 45 000 ₽ | 78 000 ₽ | +73% |
| MRR — monthly subscriptionMRR — месячная подписка | 3 500 ₽ | 7 200 ₽ | +105% |
| Churn rateОтток клиентов | 28% / yrгод | 4.5% / yrгод | −84% |
| LTV horizonГоризонт LTV | 12 moмес | 36 moмес | ×3 |
| LTV — lifetime valueLTV — пожизненная ценность | 87 000 ₽ | 337 200 ₽ | ×3.9 |
| LTV / CAC | 3.1x | 23.2x | ×7.5 |
ImpactВлияние на бизнес
- HoReCa market share to 3.2% — by signing chain clients (fast-food, restaurant franchises) that need automatic control without the human factor. Доля рынка в HoReCa выросла до 3.2% — за счёт сетевых клиентов (фастфуд, ресторанные франшизы), которым нужен автоматический контроль без человеческого фактора.
- Shift to a SaaS model — a predictable recurring-revenue stream (MRR); the company became a technology partner for HoReCa, not a seller of plastic tanks. Переход к SaaS-модели — прогнозируемый поток рекуррентной выручки (MRR); компания стала технологическим партнёром HoReCa, а не продавцом пластиковых ёмкостей.
- Lower logistics cost — AI builds optimal routes for service crews, grouping calls by district from predicted cleaning dates. Снижение издержек на логистику — AI строит оптимальные маршруты бригад, группируя вызовы по районам по прогнозу дат очистки.
- Measurable marketing contribution to P&L. Измеримый вклад маркетинга в P&L компании.
Figures come from the internal case deck and a unit-economics model built on the real org structure (market rates as of 08.2026). Цифры взяты из внутренней презентации кейса и модели юнит-экономики на реальной оргструктуре (рыночные ставки на 08.2026).