Cal AI выбрал скорость вместо точности. А потом их купил тот, кого они копировали

В марте 2026 года MyFitnessPal объявил о покупке Cal AI. К этому моменту приложению не исполнилось и двух лет, его скачали больше 15 млн раз, а продажи за последние 12 месяцев превысили $40 млн.

История интересна ещё и тем, что Cal AI вырос на функции, которая у самого MyFitnessPal появилась за четыре года до его запуска. Приложение позволяет сфотографировать тарелку и за несколько секунд получить примерное количество калорий, белков, жиров и углеводов. Но распознавать еду камерой MyFitnessPal умел ещё в 2020 году, были и другие похожие сервисы.

Так как же два школьника и более опытный третий сооснователь построили на уже существующей идее бизнес с десятками миллионов долларов продаж? Мне кажется, ответ здесь не в одной удачной рекламе или технологии. Cal AI выбрал более простой компромисс для массового пользователя, а потом подстроил под него и продукт, и продвижение, и путь до оплаты.

В «Ещё не единорог» я как раз собираю такие истории, где за быстрым ростом интереснее разобрать не саму цифру, а механизм, который к ней привёл.

Идея Cal AI выросла из довольно обычной проблемы самого Zach Yadegari. В 17 лет он пытался набрать вес и начал считать калории в MyFitnessPal, но быстро устал. Каждый раз нужно найти продукт, определить порцию, что-то взвесить и вручную занести съеденное.

Отсюда появилась простая гипотеза. Большинству людей не обязательно знать количество калорий с лабораторной точностью, если ради этого приходится каждый день заниматься пищевой бухгалтерией. Можно сфотографировать еду, получить приблизительную оценку и продолжить заниматься своими делами.

Такой подход очевидно ошибается чаще ручного учёта. Камера не знает, сколько масла добавили при готовке, какой вес у порции и из чего точно состоит сложное блюдо. Но в ресторане у человека всё равно нет весов и полного состава блюда. Для него приблизительная цифра, которую он действительно будет получать каждый день, может оказаться полезнее идеальной цифры, считать которую надоест через неделю.

После покупки Cal AI глава MyFitnessPal довольно точно описал эту разницу. Пользователям MyFitnessPal чаще важна точность и возможность всё проверить, пользователям Cal AI важнее скорость. Получается, Cal AI решал не задачу «считать калории лучше», а более приземлённую: сделать так, чтобы человек вообще не бросил это занятие.

Эта ставка оказалась полезна не только пользователю. Zach рассказывал, что с самого начала думал о том, как Cal AI будут продвигать, а работу с короткими видео начали ещё до того, как продукт можно было считать законченным.

Даже интерфейс подстраивали под этот канал. Экран должен был хорошо читаться на чужом телефоне в коротком ролике, название Cal AI оставляли на ключевых экранах, а всю суть можно было объяснить буквально за несколько секунд: камера, тарелка, готовые калории. Более опытный сооснователь Blake Anderson уже продвигал мобильные приложения через короткие видео и принёс этот опыт в новый проект.

После продажи выяснилась деталь, которая хорошо показывает, насколько удачным оказался этот выбор. Через фотографию пользователи вносили только около 30% всех калорий. Остальное добавляли через поиск, вес продуктов, штрихкоды и другие способы.

То есть функция, на которой построили почти весь образ Cal AI, даже не стала главным способом пользоваться приложением. Зато она оказалась идеальной демонстрацией для человека, который видел продукт впервые.

Сначала команда подключала примерно пять новых авторов в неделю, потом десять, затем двадцать. В какой-то момент Cal AI одновременно работал примерно с 250 авторами, а всего через эту систему прошло больше 300.

Начали с очевидной аудитории вокруг спорта и питания, но довольно быстро заметили ограничение: подписчики разных фитнес-авторов пересекались, поэтому каждый следующий давал всё меньше нового охвата. Тогда Cal AI пошёл к авторам из соседних тем про образ жизни, а позже сильнее подключил обычную платную рекламу.

Был и полезный промежуточный эффект. По рассказу руководителя маркетинга Jake Castillo, после крупной интеграции с фитнес-автором Alex Eubank стало проще договариваться со следующими авторами. Cal AI уже выглядел не неизвестным приложением, которое просит снять рекламу, а продуктом, который люди видели у заметного игрока рынка. Такая интеграция приводила не только пользователей, но и помогала открывать следующий слой продвижения.

При этом за ростом не стоял большой инвестиционный раунд. Zach ещё подростком продал предыдущий проект примерно за $100 тыс., а в Cal AI вложил около $130 тыс. собственных денег. Первую выручку почти сразу отправляли обратно в продвижение.

Из-за быстрого роста возник даже кассовый разрыв. Магазины приложений перечисляли уже заработанные деньги с задержкой, а следующую волну рекламы нужно было оплачивать сейчас. Получалось, что компания могла уже много заработать на бумаге, но продолжала финансировать новый рост деньгами от продаж предыдущих месяцев.

Cal AI не ограничивался тем, что находил всё больше людей для рекламы. Команда постоянно меняла то, что происходило после установки приложения. За два года она провела 123 A/B-теста, сделала 160 вариантов экранов оплаты и проверила 424 версии разных элементов.

Одно из решений особенно хорошо показывает их подход. Первый сценарий после установки они специально удлинили, хотя приложения обычно стараются как можно быстрее привести человека к основной функции. Пользователя спрашивали о весе, питании, цели и желаемом результате, а предложение оплатить подписку показывали только после этого.

Часть людей отваливалась на дополнительных шагах, зато дошедшие до конца уже лучше понимали, зачем им приложение. Они не просто видели цену, а перед этим несколько минут формулировали собственную проблему и желаемый результат. Параллельно команда меняла само предложение, оформление и момент показа оплаты. В результате конверсия из пробного периода в платную подписку выросла примерно на 31%.

Получился интересный контраст. В ежедневном использовании Cal AI старался убрать как можно больше действий: сфотографировал еду и получил ответ. Перед оплатой команда, наоборот, добавляла несколько шагов, если они помогали человеку лучше понять, зачем ему этот продукт.

Если разобрать Cal AI по отдельности, почти ничего нового там нет. Распознавание еды по фотографии существовало раньше, реклама у авторов давно стала обычным каналом, платное продвижение покупают тысячи приложений, а экраны оплаты тестируют все крупные команды.

Cal AI связал эти вещи вокруг одного простого обещания. Пользователю не нужно идеально считать каждый ингредиент, ему нужно достаточно быстро понять, сколько он съел. Такое обещание удобно выполнять внутри продукта и так же удобно показывать в коротком ролике.

Дальше одна часть усиливала другую. Человек за несколько секунд понимал рекламу и устанавливал приложение. После установки чуть подробнее формулировал свою цель. Команда постоянно улучшала путь до оплаты, а заработанные деньги возвращала обратно в привлечение новых пользователей.

Именно поэтому история с MyFitnessPal так хорошо замыкает весь кейс. Zach пришёл к идее Cal AI после того, как ему самому надоело считать калории в MyFitnessPal. При этом у MyFitnessPal уже несколько лет существовала похожая функция с распознаванием еды камерой.

Cal AI не изобрёл новую технологию и не сделал подсчёт точнее. Он взял уже известный сценарий, попросил от пользователя намного меньше усилий и сделал эту простоту центром всего продукта и его продвижения.

В итоге компания, у которой похожая функция была за четыре года до появления Cal AI, купила стартап, который сумел намного лучше её упаковать, объяснить и продать.

Больше разборов растущих продуктов и конкретных механизмов, которые стоят за их ростом, я собираю в Telegram-канале «Ещё не единорог».