Hooked AI: как 18-летняя казахстанка научила ИИ понимать, почему ваш Reels не залетает

Алине Нагаштай 18 лет. Она из села Кордай в Жамбылской области, учится в колледже при Astana IT University и уже запустила второй стартап. Первый — EduCode, система проверки кода для студентов — вырос из наблюдения, что преподаватели тратят полпары на проверку домашних заданий. Второй — Hooked AI — из удалённых в порыве разочарования роликов в Instagram. Алина несколько месяцев пыталась продвигать EduCode через соцсети, набирала максимум 800 просмотров и не понимала почему. Когда руки опустились окончательно, пришла идея: а что если сделать ИИ, который объяснит, где именно теряется зритель?

Сейчас у Hooked AI 1500 пользователей, прошедших бесплатный анализ, и первые платные подписчики. Поговорили с Алиной о том, как устроен сервис изнутри.

Что именно ИИ анализирует в первых секундах видео?

Первые три секунды решают всё — человек либо остаётся, либо свайпает. ИИ смотрит на несколько конкретных вещей.

Первое — визуал. Что в кадре в самый первый момент: лицо, движение, крупный план, смена планов. Статичная картинка без движения почти всегда проигрывает — глазу не за что зацепиться.

Второе — есть ли крючок в смысле. Обещание («сейчас покажу, как…»), интрига, вопрос, конфликт, необычное заявление. Если первые секунды не дают причины остаться — человек уходит, даже если дальше видео крутое.

Третье — темп. Как быстро подаётся суть. Долгие вступления, «привет, меня зовут…», раскачка на пять секунд — это смерть для Reels. Хорошее видео бьёт по делу сразу.

Четвёртое — звук и текст на экране: цепляет ли первая фраза, есть ли надпись-хук.

Ты начинала с Claude, потом перешла на Gemini. Почему?

Честно — методом проб. Сначала ИИ вообще резал видео на отдельные кадры и разбирал их по картинкам. Работало, но так себе: модель видела просто набор скриншотов, а не само видео, и хук из этого читался приблизительно. Общее понимание есть, а точности нет.

Потом попробовала модель, которая заточена именно под видео — смотрит ролик целиком, с движением и темпом, а не по кусочкам. Разница сразу почувствовалась: хук стало видно точнее и быстрее.

Я не привязываюсь к инструментам — если что-то даёт лучший результат, перехожу без проблем. В планах обучить свою модель конкретно под мои задачи.

Как устроена библиотека хуков?

Сейчас в базе больше 100 разобранных видео, и она постоянно пополняется. Собираю её не вручную — для этого есть отдельный Telegram-бот на базе Gemini.

Он ориентируется на нишу и находит видео, которые показали активный рост в первые часы после публикации — то есть реально выстрелили на старте, а не просто набрали много лайков со временем. ИИ использует эту базу как насмотренность: когда формирует рекомендации, опирается на реальные примеры того, что сработало, а не на общую теорию. По сути, он сравнивает твоё видео с сотнями удачных и подсказывает, что можно улучшить.

Как бот определяет, что видео залетело?

По одним лайкам судить нельзя — так легко поймать накрутку. Бот смотрит именно на активный рост в первые часы после публикации: не на итоговое число лайков, а на скорость, с которой видео их набирает, и насколько это нетипично для ниши. Ниша нужна, чтобы в библиотеку попадал релевантный контент, а не всё подряд.

Что происходит после того, как пользователь загружает видео?

Для пользователя всё просто: загрузил — через пару минут получил разбор с конкретными точками роста.

Внутри видео проходит через анализ, где модель смотрит ролик целиком — движение, темп, первые секунды — а не по отдельным кадрам. Дальше это сопоставляется с библиотекой хуков, и на выходе собирается понятный отчёт: что в видео работает, где теряется внимание зрителя и что стоит переснять или усилить. По времени это минуты — я специально держу фокус на скорости, потому что креатору нужен ответ сейчас, а не завтра.

1500 бесплатных пользователей, 10+ платных — как оцениваешь конверсию?

Я даю первые три анализа бесплатно, чтобы человек попробовал без риска. Часть заходит из интереса, а платят те, кто снимает регулярно и кому важно, чтобы каждое видео залетало.

Поэтому дальше планирую идти не только к отдельным креаторам, а к тем, кто работает с контентом постоянно — SMM-агентствам, маркетинговым командам, образовательным центрам. Это аудитория, которая платит осознанно.

$12 в месяц — как пришла к этой цене?

Я отталкивалась от ценности, а не от себестоимости: сколько для креатора стоит одно переснятое видео и одно, которое залетело.

Цену не считаю окончательной — смотрю и на другие варианты, и по сумме, и по формату: будет ли это подписка или пакеты анализов. По мере роста продукта готова это пересматривать.

Hooked AI работает на 12 языках — нужна ли адаптация под разные рынки?

Сама механика удержания внимания в первые секунды во многом универсальна — она про психологию зрителя, а не про язык. Язык и культурный контекст влияют больше на смысловой слой хука, и это как раз то, что настраивается под конкретный рынок. То есть ядро продукта переносится, а локализация — это донастройка, а не переписывание с нуля.

Библиотеку хуков пока собираем в основном на английском контенте — его понимает большинство, и на нём проще набрать базу залетевших видео. Но останавливаться на этом не планируем.

Что после Demo Day в nFactorial?

На Demo Day многие заинтересовались продуктом. Сейчас ищу инвестиции, чтобы масштабироваться и расти быстрее. При этом платформа сейчас работает — люди ею пользуются. Так что делаю и то и другое сразу: продукт живёт и растёт, а инвестиции нужны, чтобы ускориться.