МАТЧАСТЬ / READER PRODUCT / DOCUMENT 27 / 02.09.2026

Reader Product «Матчасти»

Как сделать «Матчасть» сайтом, который люди действительно читают, а не витриной платных публикаций. Документ определяет пользовательские сценарии читателя, главную, поиск, тематические страницы, чтение статей, company/expert discovery, подписки, сохранения, историю, коллекции, уведомления, доверие к источникам и минимальный набор функций, который создаёт повторное посещение без превращения проекта в социальную сеть.

Read firstпубличный контент доступен без регистрации и коммерческого onboarding

Follow 3тема, компания, эксперт — базовые объекты подписки

Saveсохранение и история полезнее лайков на раннем этапе

No social networkкомментарии, followers graph и публичные рейтинги не нужны в MVP

1. Главное решение

Reader Product должен быть самостоятельным продуктом, а не декоративной оболочкой вокруг кабинета клиента. Пользователь должен иметь причину открыть mathchast.com даже тогда, когда он ничего не продаёт и не покупает: разобраться в теме, найти компанию, прочитать кейс, сравнить практики, сохранить материал, подписаться на эксперта или увидеть новое исследование.

READER JOBS ПОНЯТЬ → Article / Explainer ПРОВЕРИТЬ → Company / Expert / sources / verification УЗНАТЬ, КАК ДЕЛАЮТ ДРУГИЕ → Cases / Field Snapshots УВИДЕТЬ ДАННЫЕ → Research СЛЕДИТЬ → Topic / Company / Expert follow ВЕРНУТЬСЯ → Saved / History / Digest НАЙТИ → Search / Entity Graph

2. Главная продуктовая проблема

Если 90% посещений заканчиваются на одной клиентской статье и пользователь не видит, куда идти дальше, «Матчасть» остаётся площадкой размещения. Reader Product начинается с второго клика.

Поэтому важнейшие reader-метрики — не только pageviews, но и:

переход на второй материал;
переход к теме/компании/эксперту;
сохранение;
follow;
возврат в течение 7/30 дней;
вход в поиск после чтения.

3. Что можно взять у Хабра

Хабр строит чтение вокруг тематических хабов и нескольких понятных лент: «Лучшие», «Все подряд» и «По подписке». Подписка на хаб напрямую влияет на пользовательскую ленту. Это хорошая модель для профессионального контента, потому что интерес выражается явно.

«Матчасти» не нужен рейтинг публикаций как у Хабра на старте, но идея явной тематической подписки значительно полезнее непрозрачной персонализации.

4. Что можно взять у Medium

Medium сочетает «For you», Featured/Staff picks, Following, темы, подписки на авторов и публикации, Reading List, пользовательские списки, reading history и возможность сообщить «показывать меньше такого». История чтения и follows используются для рекомендаций.

Из Medium полезно взять не «социальность», а reader utilities: Follow + Save + History + Less like this.

5. Что можно взять у Substack

Substack в 2026 году чётко различает лёгкое follow и более сильную subscription. Follow добавляет creator/activity в Home, но не даёт email; подписка означает получение публикаций в Inbox/email. В приложении также есть reading queue и discovery feed.

Для «Матчасти» стоит развести «Следить» и «Получать письма». Пользователь может следить за компанией или темой внутри сайта без обязательного email.

6. Что показывает РБК Компании

РБК Компании уже сочетает поиск организаций, общую ленту публикаций, тематические рубрики, профили компаний и редакционную подборку. Сквозной поиск организаций доступен на страницах сервиса. Это подтверждает, что company discovery и content discovery должны жить в одном публичном продукте.

У «Матчасти» преимущество может быть в более глубокой связи: поиск выдаёт не только компанию, но её экспертов, кейсы, исследования и подтверждённые отношения.

7. Reader Product не требует регистрации

ANONYMOUS USER CAN: read all public materials browse topics search open company profiles open expert profiles view sources share use related content subscribe by email where legally configured ACCOUNT REQUIRED FOR: save follow history sync personal feed digest preferences

Не ставить registration wall перед второй страницей. Нам нужен открытый corpus, ссылки, search discovery и AI citations.

8. Paywall

На MVP — без paywall для reader content.

Причины:

бизнес-модель финансируется B2B publication/analytics;
открытый контент лучше работает как external knowledge layer;
поисковая и AI discoverability — ключевая ценность;
сначала нужно доказать reader demand;
paywall усложняет product и снижает распространение.

9. Возможная reader monetization позже

Модель	Когда рассматривать
Reader subscription	Только если появится собственная ценная аналитика/data product
Premium datasets	Позже для профессиональных исследований
Pro alerts	Если business intelligence станет самостоятельным продуктом
Paywall обычных партнёрских статей	Не имеет смысла

10. Главная страница

HOME 1. Lead editorial/research 2. Что важно сегодня / неделя 3. Новые разборы 4. Кейсы 5. Исследования 6. Популярные/растущие темы 7. Малый бизнес / Field Snapshot 8. Компании и эксперты в контексте 9. Latest 10. [Для бизнеса] — заметно, но вторично

Главная не должна начинаться с «Разместите статью за 7 900 ₽» на половину экрана. Это уничтожит ощущение независимого media product.

11. Logged-out home

priority: editorial research latest topic diversity strong cases no personal behavior required.

12. Logged-in home

MY HOME Для вас → followed topics/companies/experts → quality recommendations Важное → editorial Продолжить → saved/recent Новое по подпискам → chronological option

13. Не заменять редакционную главную персональной лентой

У читателя должен оставаться способ увидеть важное за пределами его пузыря интересов.

14. Базовая верхняя навигация

МАТЧАСТЬ Разборы Кейсы Исследования Компании Темы [Поиск] account: Сохранённое Подписки История [Для бизнеса]

Эксперты могут быть доступны через поиск/topics/company pages и стать отдельным верхним пунктом позже.

15. Universal Search

Поиск — один из ключевых différentiators. Он должен искать сущности и знания одновременно.

QUERY: "контекстная реклама" RESULT GROUPS: Темы Публикации Компании Эксперты Исследования QUERY: "Acme" Компания Acme → profile Публикации о/от Acme Эксперты Acme Cases Research mentions

16. Search modes

Тип запроса	Результат
Название компании	Entity-first
Имя эксперта	Person-first
Тема	Topic hub + content
Вопрос	Relevant articles/research/cases
ИНН/ОГРН	Exact company identity

17. Search filters

Type Topic Date Company Format Research / Case Verified entity relation Later: industry region

Фильтры search UX не становятся автоматически индексируемыми внешними страницами — это уже зафиксировано Mathchast_18.

18. Search result card

TITLE type badge company/author date short meaningful summary topics commercial disclosure if applicable highlight: why matched Avoid: dense metadata wall.

19. Zero results

No exact result. Show: related topic similar entities broader query recent relevant research Internal signal: unserved reader demand → editorial dashboard → Next Best Content candidate.

20. Search queries как editorial intelligence

Анонимно агрегированные внутренние поисковые запросы могут стать одним из лучших источников тем редакции.

query: "сколько стоит публикация в СМИ" high volume low satisfaction → editorial gap → research/explainer assignment NOT: auto-generate SEO page.

21. Article page: верхняя часть

format / topic headline dek author / expert company relation where relevant published / updated commercial disclosure cover / key chart then: article body

22. Trust UI прямо на странице

Доверие должно быть читаемо без открытия методологии на 40 страниц.

SOURCE LABELS: По данным компании Проверено по реестру Кейс подтверждён клиентом Исследование «Матчасти» Партнёрский материал Реклама Обновлено Исправление

23. Source UX

Ссылки на источники не прятать только в конце.

claim in text → [источник] → opens source/reference info Research: methodology sources dataset limitations visible as clear blocks.

24. Reader не должен разбираться в verification jargon

Internal	Reader UI
V2 CONTROL_VERIFIED	«Профилем управляет представитель компании»
CLAIM SOURCE_ATTACHED	«По данным компании»
CLIENT_CASE_CONFIRMED	«Сотрудничество подтверждено клиентом»

25. Reading ergonomics

desktop: comfortable text column not full-width 1400px mobile: single column large readable type tables scroll/transform sticky clutter minimal long article: progress optional TOC if structure warrants anchor links save/share accessible

26. Table of contents

Не показывать TOC в короткой новости. Генерировать только когда материал реально имеет достаточно секций.

27. Reading time

Можно показывать как вспомогательный ориентир, но не делать KPI и не превращать исследование в «7 минут чтения» вместо описания ценности.

28. End-of-article block

После текста: Sources / methodology Corrections/update info Topics Company Author/expert Related: 3–5 high-quality next reads Follow topic/company/expert Save Share

Конец статьи — ключевой момент для второго клика и follow conversion.

29. Follow objects

FOLLOW: Topic Company Expert not: Publication → publication is saved, not followed.

30. Follow ≠ Email

Action	Что происходит
Следить	Объект влияет на персональную ленту
Получать дайджест	Отдельный email preference
Важные обновления	Позже отдельный notification preference

Substack в 2026 году использует похожее смысловое разделение между follower и subscriber, что полезно как UX-паттерн.

31. Follow company

[Следить за Acme] What can appear: new case new expert article research mention verified meaningful company update Not: every tiny profile edit.

32. Follow expert

new article interview comment in research new verified affiliation if meaningful later

33. Follow topic

new research strong article case expert opinion editorial collection Reader controls: all weekly digest feed only later.

34. Save

«Сохранить» — простой и сильный MVP feature.

click Save → Reading List accountless user: prompt login only after intent logged in: instant save undo available.

35. Reading List

Medium использует default Reading List и пользовательские списки. Для «Матчасти» на MVP достаточно одного списка «Сохранённое».

/me/saved sort: recently saved publication date filters: format topic company later: custom lists.

36. Custom Collections by reader

P2, не MVP. Пользовательские публичные списки быстро добавляют social/moderation complexity.

37. History

/me/history recently opened last read date options: remove item clear history Use: reader utility recommendation input.

Medium позволяет пользователю просматривать и очищать историю чтения, что является хорошим transparency pattern.

38. History privacy

История чтения должна быть приватной по умолчанию. Не превращать её в публичный профиль, как social activity feed.

39. «Показывать меньше такого»

card menu: Сохранить Меньше таких материалов Скрыть материалы компании Скрыть тему? optional Сообщить о проблеме

Medium использует «Show less like this» и mute writer/publication как способы корректировать рекомендации.

40. Mute Company / Expert

P1. Полезно, когда reader интересуется темой, но не хочет видеть один конкретный источник/бренд.

41. Comments

Не запускать open comments в MVP.

Причины:

moderation burden;
спам/ссылки;
конфликты между компаниями;
юридические риски;
нужна система доверия пользователей;
пока они не усиливают основную бизнес-модель.

42. Альтернатива comments

Reader can: report error suggest source ask editorial question later share Business/expert: can submit right of reply / correction through formal workflow.

43. Likes/claps

Тоже не нужны на MVP. Like count легко становится vanity metric и фактором gaming.

44. Reader identity

minimal account: email display name optional preferences No need: public profile followers bio avatar social graph Business account later links to client workspace separately.

45. Один account, разные modes

Не создавать отдельные логины «читатель» и «клиент».

ACCOUNT ├─ Reader mode │ follows │ saved │ history │ └─ Workspace permissions company admin agency editor etc.

46. Registration flow

Reader intent: Save / Follow → email / SSO → verify → action completes → optional choose 3 topics Do not: ask company, INN, job title for ordinary reader.

47. Topic onboarding

Выберите, что вам интересно: AI SaaS Маркетинг PR Автоматизация E-commerce Инфраструктура Малый бизнес [Пропустить]

48. Recommendation model

P0: current context explicit follows topics/entities quality freshness P1: saved/read history show-less feedback format preference P2: behavioral personalization only if enough data.

49. Explainability

Почему это здесь? «По теме AI, на которую вы подписаны» «Новый материал компании Acme» «Продолжение исследования, которое вы читали» Better than: opaque For You only.

50. Personalization control

Настройка	MVP/P1
Manage follows	Да
Clear history	Да
Show less	P1
Mute entity	P1
Fully disable personalization	Стоит предусмотреть

51. Reader Profile не нужен

Не копировать Substack/Medium social profiles на первом этапе. У нас B2B knowledge media, а не creator social network.

52. Company page как reader product

Company Page: name + verification neutral summary official website industry/topics legal/basic facts experts publications cases research mentions external media later history correction/report [Следить]

53. Company page не должна быть рекламным landing

Если профиль одновременно полезен читателю, поисковику и AI system без покупки тарифа, Entity Graph действительно работает.

54. Company page: submitted vs editorial data

О компании → neutral editorial summary Компания о себе → if useful, clearly attributed Facts → source/provenance Do not merge all into one marketing paragraph.

55. Expert page

Expert: name current role verified affiliation areas of expertise bio articles interviews quotes/research source/verification context [Следить]

56. Expertise UX

Не писать «эксперт в 27 областях» из keyword list. Показывать несколько подтверждённых/содержательно поддержанных topics.

57. Topic page

Topic: Definition Why it matters Key explainers Latest Research Cases Experts Companies Related topics [Следить]

58. Topic page не является поисковой выдачей

Curated Topic должен помогать разобраться в предмете, а не просто показывать все статьи с тегом.

59. Topic entry path

New reader: "What is AI Visibility?" → Topic definition → Start here → Research → Cases → Related topics → Follow

60. «Начать с этого»

У каждого зрелого topic можно вручную/алгоритмически выбрать 1–3 foundational materials.

Это создаёт knowledge navigation вместо бесконечной новостной ленты.

61. Research page как особый reader surface

Research: main finding chart sample period methodology full analysis limitations dataset/download participants if appropriate sources update/version related research

62. Chart accessibility

Под интерактивным/визуальным графиком должна существовать доступная таблица или текстовое представление ключевых данных.

63. Research summary

Для быстрого читателя: 3–5 findings Для профессионала: methodology raw/aggregate data full charts sources One page serves both.

64. Field Snapshot reader UX

"Как работают небольшие кондитеры" 18 участников Москва + Подмосковье сбор: август 2026 Key findings distribution charts participant stories outliers limitations [Рассказать о своём бизнесе для следующего среза]

65. Не делать directory-grid из участников главным содержанием

Исследование должно оставаться исследованием/срезом, а не страницей из 30 рекламных карточек.

66. Participant profiles

Внутри Field Snapshot можно показывать ограниченное число representative examples, а полный список участников — отдельным блоком, если это соответствует methodology и согласию.

67. Case reader UX

Case: Кто Задача Что было до Что сделали Результат Как измеряли Ограничения Клиент подтверждён? Источники Related cases

68. Case filter later

by: topic industry problem tool/service company reader job: "покажи реальные примеры решения похожей задачи".

69. Comparison reader UX

Если позже развиваем comparisons, обязательны criteria, selection logic, conflicts and commercial disclosures. Нельзя визуально ставить paid company победителем.

70. Reader-facing commercial disclosure

видно вверху: Партнёрский материал / Реклама advertiser не прятать: в самом низу серым 9px content layout: может быть таким же качественным как editorial.

71. Можно ли читателю скрыть рекламу

Не нужно обещать полностью ads-free feed, если partner content является частью самого корпуса. Но можно дать ясные badges и позже filter «редакционные / все».

72. Filter by content status

Все Редакционные Исследования Кейсы Optional: Партнёрские не делать: скрытый default только paid.

73. «Выбор редакции» reader UX

badge: Выбор редакции click: "Редакция отмечает материалы за самостоятельную полезность, фактическую насыщенность и качество исполнения. Статус нельзя купить."

Это укрепляет trust именно потому, что правило объяснено.

74. Collections

Curated collection: "С чего начать в GEO" "Практика AI-агентов" "Малый бизнес: реальные цифры" "Постмортемы" reader: can save individual items follow related topic.

75. Editorial landing pages

Collections могут быть сезонными/событийными и не обязаны становиться taxonomy навсегда.

76. Reader newsletter acquisition

after meaningful read: "Получать лучшие материалы по AI раз в неделю" not: fullscreen popup at second 1.

77. Signup timing

Просить email после проявленного интереса: конец статьи, follow, save, topic page. Не до того, как человек увидел ценность.

78. Email preferences

Weekly editorial digest Topic digests Followed company updates Research releases Commercial offers separate toggles.

79. Reader notifications

На web MVP достаточно email/in-app. Push notifications и native app не нужны.

80. Native mobile app

Не строить приложение в MVP. Responsive web + email + Telegram решают задачу discovery/return значительно дешевле.

81. PWA

Тоже не P0. Можно позже добавить offline/save affordances, если reader usage это оправдает.

82. «Продолжить чтение»

logged-in: recently opened / partially read → Continue privacy-safe: private only.

83. Scroll position

Можно хранить только локально/browser first, не обязательно серверно на MVP.

84. Reading history vs analytics

Analytics event для aggregate product measurement и персональная history feature — разные data purposes. Архитектурно их не смешивать в одну бесконечную таблицу профилирования.

85. Anonymous analytics

Для reader product достаточно first-party aggregate событий. Точный consent/privacy режим будет в Mathchast_41.

86. Reader account deletion

delete account: follows removed/anonymized saved removed personal history removed workspace/business data handled separately public authored content not automatically deleted per policy.

87. User report action

Сообщить: фактическая ошибка неработающая ссылка проблема с рекламной маркировкой нарушение прав другое → correction/moderation queue.

88. Reader contribution without comments

Так читатель помогает качеству базы, не создавая открытый UGC-форум.

89. «Предложить источник»

P1 полезная функция для исследовательского сообщества:

claim/source block → "Предложить более актуальный источник" → URL + note → editorial review → no direct public UGC.

90. Public correction history

article updated: Обновлено 12.10.2026 critical factual correction: Исправление [что изменено]

Reader получает прозрачность, а не бесшумно переписанную историю.

91. Reader trust page

Why trust Mathchast? Editorial policy Verification Corrections Advertising Sources AI use Link policy Crawler policy Plain-language summaries + full policies.

92. Search engine / AI visitor

Часть «читателей» приходит не через homepage, а прямо на глубокую страницу из Google, Яндекса, ChatGPT, Gemini, Claude или Perplexity. Поэтому каждая статья должна сама объяснять, что такое «Матчасть» и куда идти дальше.

93. Deep-entry page requirements

On any article: logo/home topic author/company clear trust labels related content search follow/save User must not feel: "я попал на случайный SEO guest post".

94. External referral-specific UI

Не нужно делать разные страницы для ChatGPT vs Google. Один сильный canonical reader page для всех.

95. AI referrals as reader acquisition

chatgpt.com referral → article → related → topic → follow/save measure: second click follow conversion return rate not only: raw visits.

96. Popularity

Не запускать публичный «Самое читаемое» только потому, что это стандарт СМИ. На маленьком трафике он может закреплять случайные страницы и рекламные всплески.

97. Когда вводить popularity

after enough volume: trending popular this week fraud-filtered organic/paid separated quality eligibility required.

98. Reader-side quality signals

Signal	Публично?
Выбор редакции	Да
Компания подтверждена	Да
Кейс подтверждён	Да
Sample size research	Да
Internal quality score 82	Нет
Fraud score	Нет
AI probability score	Нет как trust badge

99. AI detection UI

Substack в 2026 году запустил reader-facing AI text estimates. «Матчасти» не стоит копировать это в MVP: AI detectors имеют ограничения, а наш продукт лучше решает задачу через прозрачный AI usage disclosure и human accountability.

Показывать «материал создан при существенной помощи ИИ» при необходимости полезнее, чем «67% AI».

100. Company discovery page

/companies search featured/recently verified? carefully industries topics research participants companies with strong cases Not: paid alphabetical directory with premium first.

101. Company directory sorting

Оплата не должна определять default company ranking.

Варианты:

алфавит;
relevance to query;
recent meaningful activity;
editorial collections;
filter by industry/topic.

102. Search verification affordance

Acme ✓ Компания подтверждена Acme Lab данные не подтверждены Same names: city / domain / legal name for disambiguation.

103. No empty expert directory

Не открывать /experts как крупный top nav, пока нет хотя бы нескольких десятков содержательных профилей и авторских материалов.

104. Reader home launch content requirement

Before reader launch: 100+ strong materials 50+ company entities 10–20 topics multiple content types several research/data pieces enough related chains Otherwise: homepage feels fabricated/thin.

105. Seed corpus composition

Format	Предварительный mix
Explainers/analysis	Основа knowledge layer
Cases	Практика
Research	Differentiation/data moat
Expert opinions/interviews	Human expertise
News	Свежесть, но не основной объём
Field Snapshots	Original SMB layer

106. Reader homepage без новостей тоже может жить

«Матчасть» не обязана становиться новостным СМИ 24/7. Главная может строиться вокруг полезных evergreen материалов, research и сильных business stories.

107. Freshness without newsroom race

weekly: new research analysis cases expert pieces selected news No need: 100 commodity news/day.

108. Search-to-topic conversion

Google: article about AI Visibility → reader opens → topic "AI Visibility" → foundational guide → research → follow topic

109. Entity-to-content conversion

Search: Company X → profile → case → expert → topic → another company/research

110. Reader-side graph exploration

Entity Graph не надо визуализировать как огромную сеть узлов. Он должен проявляться через полезные ссылки и блоки.

"Работает в" "Автор материалов" "Кейс для" "Упоминается в исследовании" "По теме" "Связанные компании"

111. Interactive graph later

Можно рассмотреть как research/professional feature позже, но не основной reader UX.

112. Geographic discovery

Idea 002 может сделать региональный reader use case реальным.

"Кондитеры Серпухова" не как автоматически созданная SEO page, а: research/filter experience based on real dataset.

113. Maps later

Если Field Snapshots накапливают реальные бизнесы и географию, интерактивная карта может стать самостоятельным data product. Но это P2.

114. Reader-to-business conversion

Business owner reads research → sees "расскажите о своём бизнесе" → participates free → gets entity/mention → claims company → later buys publication/monitoring.

Reader Product и commercial acquisition не конфликтуют, если CTA возникает из контекста, а не перекрывает чтение.

115. Contextual B2B CTAs

Page	CTA
Company profile	«Вы представляете компанию? Подтвердите профиль»
Case	«Опубликовать свой кейс» — after content
Field Snapshot	«Участвовать в следующем срезе»
Research	«Получать новые исследования»
Topic	«Следить за темой»

116. Не ставить один CTA «Купить публикацию» везде

CTA должен соответствовать reader intent и странице.

117. Ads density

На раннем reader product лучше вообще не вводить display ad network. Paid partner content уже является коммерческим слоем; баннерная сеть создаст дополнительный шум и мало денег при небольшом трафике.

118. Reader performance

targets: fast first render stable layout optimized images no autoplay minimal trackers server-rendered main content mobile-first reading

119. Performance и доверие

B2B knowledge site, который прыгает от баннеров и грузит статью 8 секунд, теряет доверие независимо от качества JSON-LD.

120. Accessibility

semantic headings keyboard navigation visible focus alt text contrast table alternatives chart text/data labels not color-only status reasonable font sizes.

121. Reader report/error button

Должен быть доступен без поиска email редакции.

122. Search shortcuts

desktop: "/" focus search optional mobile: search button persistent in header No need: complex command palette MVP.

123. Saved/follow sync

Server-side для аккаунта, чтобы работать между устройствами.

124. Account page

/me For you Saved Following History Email settings If business permissions: Workspaces / Companies No public reader profile required.

125. Logged-in vs business dashboard separation

Не смешивать «прочитать сохранённые статьи» с «оплатить счёт и отправить материал на модерацию» в одном хаотичном меню.

126. Navigation mode

reader header: Mathchast media account menu: Reader Workspace workspace: commercial client product same identity different task contexts.

127. Notifications center

P1.

in-app: new followed content saved research updated important correction? optional account/workspace notifications separate categories.

128. Saved research update

Интересная future mechanic: если пользователь сохранил research и выходит новая волна, сообщить «Исследование обновлено».

129. Series

Research series: Small Business Pulse AI Visibility Report Agency Benchmarks Reader: Follow series Could map internally to Topic/Collection initially.

130. Public series pages

Только если у серии действительно есть регулярные выпуски и собственная ценность.

131. Reader metrics north star

Предварительная north star: Weekly Engaged Readers, которые совершили meaningful read и хотя бы одно дополнительное действие.

engaged: meaningful read + one: second article topic/company view save follow share source click return session

132. Почему не MAU alone

Один случайный SEO-визит в месяц не доказывает reader product.

133. Reader funnel

LAND → READ → SECOND CLICK → SAVE/FOLLOW → RETURN → DIGEST → HABIT

134. Funnel metrics

Этап	Metric
Land → Read	Meaningful read rate
Read → Explore	Second-click rate
Explore → Save/Follow	Intent conversion
Save/Follow → Return	7/30-day return
Email → Site	Digest CTR + downstream reading

135. Search satisfaction

signals: result clicked? query reformulated? zero result? second result click? meaningful read? follow topic after query?

136. Don't optimize search on clicks only

Первый результат с кликбейтным заголовком может иметь высокий CTR и низкую полезность.

137. Anonymous vs logged-in KPI

Отдельно смотреть, превращается ли внешний поисковый трафик в repeat readers, и как ведут себя подписавшиеся пользователи.

138. Reader cohort

cohorts: Search visitor AI referral Telegram Email Client share Direct Field Snapshot participant measure: 2nd click follow return.

139. AI referral cohort

Особенно важен для позиционирования «Матчасти»: не только «ChatGPT процитировал», но и «пришедший из ChatGPT человек реально читает дальше».

140. Business content quality guardrail

If paid publication: high bounce low read no related clicks repeat pattern → editorial/commercial feedback → improve onboarding/template Not: boost it harder because client paid.

141. Reader feedback on partner content

Позже можно добавить «Неинтересно / слишком рекламно» как private feedback signal без публичных комментариев.

142. Search presentation

Partner material: badge visible in result card Editorial Pick: badge visible Research: sample/date visible Case: case badge + companies

143. Reader collection of evidence

Для профессионального читателя позже может быть полезно сохранять не только статью, но конкретный chart/source. Не MVP.

144. Export

Research data export — да, если предусмотрено автором. «Скачать любую статью PDF» не нужен как core feature.

145. Print view

Хороший semantic HTML уже должен нормально печататься через CSS. Не создавать отдельный duplicate /print URL.

146. Copy citation

P1 полезная research-oriented функция:

[Скопировать ссылку] [Скопировать цитирование] Title Author Mathchast date canonical URL access date optional

147. Почему это сильная feature

Она поощряет внешние ссылки и правильное цитирование исследований «Матчасти» без покупки backlinks.

148. Share quote

Позже: выделить фрагмент → скопировать quote card/link, но только без искажения и с canonical attribution.

149. Visual data cards

Research и Field Snapshot могут автоматически иметь shareable chart cards. Это соединяет reader product и distribution engine.

150. Reader product data model

reader_follows user_id entity_id/topic_id follow_type created_at saved_items user_id publication_id saved_at reading_history user_id publication_id last_opened optional progress reader_preferences email categories personalization muted entities later

151. Не хранить likes table, если likes нет

Не проектировать социальную сеть заранее «на будущее». Добавлять сущности, когда есть подтверждённый product need.

152. Recommendation data boundaries

Inputs P1: follows saved history current page topics quality freshness No: external browsing history purchased personal data cross-site tracking.

153. Search architecture

P0: PostgreSQL FTS + trigram exact identifiers aliases entity ranking later: dedicated search engine semantic hybrid retrieval vector candidates Entity resolution: separate from reader query.

154. Search spelling correction

Полезно для брендов и русских/английских названий, но suggestion не должен автоматически переписывать редкий реальный бренд.

155. Search aliases

AI Visibility GEO Generative Engine Optimization → one canonical Topic → query aliases resolve it.

156. Search company disambiguation

Vector results: Vector — SaaS, vector.ru ООО «Вектор» — логистика, Тула Vector Studio — design show: domain / industry / city not just same names.

157. Reader API

public read: server-rendered pages account APIs: follow save history preferences search suggestions No need: public GraphQL playground MVP.

158. Performance budget

reader page priorities: content HTML critical CSS cover then analytics/interactivity Do not block article on recommendation API.

159. Recommendation failure

related service down → article still readable → fallback same-topic static links → no blank page.

160. Search failure

Search degradation не должен ломать company/article direct URLs.

161. Account outage

Публичное чтение должно продолжать работать, даже если login/save service временно недоступен.

162. Reader product P0

P0: public home type archives topic pages company profiles expert pages article/case/research/news UX universal search related content source/trust UI save basic account follow topic/company/expert simple personal feed email signup/preferences basic share report error responsive/accessibility reader analytics

163. Reader product P1

reading history show less/mute saved filters in-app notifications collections research series copy citation better personalized feed follow digests Field Snapshot recruitment UX search intelligence dashboard

164. P2

custom lists advanced semantic search interactive data explorers maps reader-specific recommendations offline/PWA professional alerts premium data products public API

165. Что НЕ входит в MVP

Не строим	Почему
Комментарии	Moderation/legal burden
Публичные reader profiles	Не нужны для core JTBD
Followers social graph	Не creator network
Like/clap economy	Gaming/vanity
Native app	Высокая стоимость до PMF
Paywall	Конфликтует с ранней discoverability
Complex ML recommendation	Нет данных
Public business rating	Отдельная methodology/risk

166. Reader launch acceptance criteria

A stranger can: 1. land on any article 2. understand source/commercial status 3. open a relevant topic 4. find a company/expert 5. find another useful material 6. search naturally 7. save/follow if desired 8. return through feed/email 9. never be forced into client checkout.

167. Early validation

Recruit 20–30 target readers: marketers founders agency people B2B operators tasks: find answer find company verify source save research follow topic return later measure: success time confusion trust 2nd click.

168. Reader interviews

Нужно спрашивать не «нравится ли дизайн», а:

Что вы пришли узнать? Где искали дальше? Чего не хватило? Доверяете ли цифре? Почему? Поняли ли, кто оплатил материал? Хотели бы следить за темой/компанией? Что заставило бы вернуться?

169. Критический anti-pattern

BAD: Google → paid article → giant CTA → client link → exit GOOD: Google → useful article → transparent status → source → related topic → company/expert graph → research → save/follow → return

170. Почему reader product защищает бизнес-модель

Чем больше реальной reader utility создаёт домен, тем меньше «Матчасть» похожа на площадку, существующую только ради платного размещения стороннего контента. Это важно и коммерчески, и редакционно, и с точки зрения Site Reputation Abuse risk.

171. Основной reader promise

«Матчасть» помогает быстро понять, как устроен бизнес, рынок или технология, увидеть реальные компании и практики и проверить, откуда взялась информация.

172. Решение документа

Утвердить open knowledge reader product без paywall и без социальной сети. Публичный контент читается без регистрации. Основные сценарии: search, topics, companies, experts, cases, research и related exploration. Регистрация требуется только для пользовательской utility: Save, Follow, History и personal feed. Follow и email subscription разделяются. Reader profile, comments, likes, public follower graph и native app не входят в MVP. Company/Expert pages остаются справочными объектами, а не рекламными landing pages. Research и Field Snapshot получают усиленный UX для methodology/data. Trust labels, source provenance, corrections и commercial disclosures показываются непосредственно в интерфейсе. North-star reader metric строится вокруг meaningful reading + дальнейшего действия/возврата, а не голых pageviews.

173. Что этот документ разблокирует

Mathchast_27 reader product → Mathchast_28 собственная редакция и seed content → Mathchast_29 личный кабинет клиента → Mathchast_32 publication analytics → Mathchast_33 AI visibility → Mathchast_35 next best publication → Mathchast_38 GTM → Mathchast_39 design system → Mathchast_40 technical architecture

Источники исследования

Reader north-star metric, отсутствие paywall/comments/likes, Save/Follow model, account architecture, UI contracts, launch criteria и P0/P1/P2 scope являются проектными решениями «Матчасти». Конкурентные продукты используются как доказательство устойчивых reader patterns, а не как интерфейсы для прямого копирования.