# Финансовая модель для привлечения инвестиций: как собрать в Google Sheets с помощью AI > Структура финансовой модели для инвесторов: revenue model, P&L, cash flow, unit economics. AI-промпты для формул в Google Sheets и типичные ошибки. > Author: Roman Belov · Published: 2026-06-12 · Source: https://futurecraft.pro/ru/blog/financial-model-ai/ На первый разбор финансовой модели инвестор закладывает минуты, а не часы. Если за это время логика не считывается — дек летит в корзину. Типичные проблемы: формулы зашиты в ячейки, допущения размазаны по вкладкам, нет сценарного анализа. Цифры при этом могут быть здравыми — подводит структура. Финансовая модель для фандрейзинга отличается от внутренней. Она отвечает на три вопроса: сколько денег нужно, на что они пойдут и когда бизнес выйдет на окупаемость. Google Sheets в связке с AI позволяют собрать такую модель за день вместо двух недель. Ниже — полная структура, промпты для генерации формул и форматирование под стандарты due diligence. ## Структура investor-ready финансовой модели Финансовая модель для раунда состоит из шести связанных вкладок. Каждая решает конкретную задачу. **1. Assumptions (Допущения).** Все входные параметры в одном месте. Pricing, growth rates, churn, headcount plan, unit costs. Инвестор открывает эту вкладку первой. Меняет одну цифру, смотрит, как каскадно меняются остальные вкладки. Если допущения разбросаны по формулам в разных листах, модель непроверяема. **2. Revenue Model.** Прогноз выручки на 36 месяцев. Для SaaS: количество клиентов × ARPU × retention. Для маркетплейса: GMV × take rate. Для транзакционного бизнеса: количество транзакций × средний чек × маржа. Формулы ссылаются только на Assumptions — ни одного хардкода. **3. P&L (Profit & Loss).** Выручка минус расходы. Расходы делятся на COGS (себестоимость), OPEX (операционные) и capex. OPEX разбивается по категориям: People, Marketing, Infrastructure, G&A. Показывает gross margin, EBITDA, net income помесячно. **4. Cash Flow.** Денежные потоки, а не бухгалтерская прибыль. Учитывает задержки оплаты (receivables/payables), капитальные расходы, привлечение инвестиций. Показывает runway — сколько месяцев компания проживёт на текущем балансе. **5. Unit Economics.** CAC, LTV, Payback Period, LTV/CAC ratio. Считается из данных Revenue Model и P&L. Инвестор проверяет, сходится ли экономика на уровне одного клиента. Подробнее о расчёте unit economics — в [отдельном гайде](/ru/blog/unit-economics-calculator-ai/). **6. Scenarios.** Base, Optimistic, Conservative. Каждый сценарий меняет допущения в Assumptions. Вкладка показывает ключевые метрики (runway, breakeven, required funding) для всех трёх сценариев рядом. ## Вкладка Assumptions: фундамент модели Assumptions определяет всё остальное. Если эта вкладка собрана правильно, остальные генерируются почти автоматически. Структура вкладки: ``` Секция | Примеры параметров --------------------|-------------------------------------------- Pricing | Monthly price, Annual discount %, Enterprise tier Growth | MoM user growth %, Paid conversion rate Retention | Monthly churn %, Net revenue retention Costs | Server cost per user, Support cost per ticket Team | Hires by month, Average salary by role Marketing | CAC by channel, Budget allocation % Timeline | Launch date, Fundraise close date ``` Промпт для генерации вкладки Assumptions в Google Sheets: ``` Создай вкладку Assumptions для SaaS-продукта со следующими параметрами: Продукт: [описание] Ценовая модель: [freemium / flat / usage-based / tiered] Текущие метрики: [MRR, количество клиентов, churn rate] Целевой раунд: [Pre-Seed / Seed / Series A] Горизонт прогноза: 36 месяцев Требования: - Все параметры в именованных ячейках (Named Ranges) - Группировка по секциям: Pricing, Growth, Retention, Costs, Team, Marketing - Каждый параметр с комментарием-обоснованием - Цветовая кодировка: синий шрифт для редактируемых ячеек, чёрный для расчётных - Валидация: выпадающие списки для категориальных параметров ``` Ключевое правило: ни одна формула в модели не содержит числовых констант. Каждое число ссылается на Assumptions. Инвестор меняет growth rate с 10% на 7% и мгновенно видит эффект на runway. ## Revenue Model: от допущений к прогнозу выручки Revenue Model переводит допущения в помесячный прогноз. Структура зависит от бизнес-модели, но логика одна: drivers → calculation → output. Для SaaS с тремя тарифами: ``` Месяц 1 Месяц 2 Месяц 3 ... Месяц 36 ────────────────────────────────────────────────── Новые пользователи (Free) × Конверсия в Basic × Конверсия в Pro × Конверсия в Enterprise = Платящие клиенты по тарифам × Цена по тарифу - Отток (churn) + Expansion revenue = MRR × 12 = ARR ``` Промпт для генерации формул Revenue Model: ``` Сгенерируй формулы Google Sheets для Revenue Model. Вкладка Assumptions содержит: - Ячейка B3: начальное количество пользователей (Free) - Ячейка B4: MoM рост пользователей (%) - Ячейка B5: конверсия Free → Basic (%) - Ячейка B6: конверсия Free → Pro (%) - Ячейка B7: конверсия Free → Enterprise (%) - Ячейка B8: цена Basic ($) - Ячейка B9: цена Pro ($) - Ячейка B10: цена Enterprise ($) - Ячейка B11: monthly churn (%) - Ячейка B12: expansion rate (% от MRR) Сгенерируй формулы для 36 месяцев в формате: - Строка: название метрики - Столбцы B-AK: месяцы 1-36 - Каждая формула ссылается на Assumptions через Named Ranges - Формула для месяца 1 отличается от формулы для месяцев 2-36 (месяц 1 — начальные данные) Выведи формулы для каждой строки: формулу для ячейки B (месяц 1) и формулу для ячейки C (месяц 2), которую можно протянуть до AK. ``` AI генерирует формулы, которые ссылаются на Named Ranges. Это критично: формула `=B3*(1+B4)` не читается. Формула `=initial_users*(1+mom_growth)` читается и проверяется. ### Named Ranges в Google Sheets Google Sheets поддерживает Named Ranges через меню Data → Named ranges. Для финмодели это обязательный инструмент, а не опция. Промпт для массового создания: ``` Создай список Named Ranges для Google Sheets финансовой модели. Формат: Имя | Вкладка!Ячейка | Описание Правила именования: - snake_case - Префикс по секции: price_, growth_, cost_, team_ - Примеры: price_basic, growth_mom, cost_server_per_user, team_engineers_m1 ``` ## P&L: расходы и путь к прибыльности P&L показывает, когда бизнес перестаёт сжигать деньги. Инвестор смотрит на три вещи: gross margin, burn rate и месяц выхода на EBITDA-positive. Структура P&L: ``` Revenue (из Revenue Model) - COGS - Hosting / Infrastructure - Payment processing fees - Customer support (direct) = Gross Profit Gross Margin % - OPEX - People (salaries + benefits + taxes) - Marketing & Sales - R&D (tools, licenses) - G&A (legal, accounting, office) = EBITDA EBITDA Margin % - D&A - Interest - Tax = Net Income ``` Промпт для генерации People costs (самая сложная часть OPEX): ``` Сгенерируй формулы Google Sheets для расчёта People costs на 36 месяцев. Входные данные (вкладка Assumptions): - Таблица найма: роль | месяц старта | зарплата | количество Engineering Lead | M1 | $12,000 | 1 Backend Engineer | M1 | $8,000 | 2 Frontend Engineer | M3 | $8,000 | 1 Designer | M4 | $6,000 | 1 Marketing Manager | M6 | $7,000 | 1 Sales Rep | M9 | $6,000 | 2 - Benefits multiplier: 1.3 (30% сверх зарплаты) - Annual raise: 5% Требования: - Строка на каждую роль с количеством сотрудников по месяцам - Формула учитывает месяц старта (до старта = 0) - Annual raise применяется каждые 12 месяцев - Итоговая строка: Total People Cost = сумма всех ролей × benefits multiplier ``` ### COGS для SaaS COGS в SaaS — это инфраструктура, платёжный процессинг и прямая поддержка. Промпт: ``` Рассчитай COGS для SaaS с переменной серверной нагрузкой. Формулы: - Infrastructure = кол-во платящих клиентов × cost_server_per_user - Payment processing = MRR × 2.9% + (кол-во транзакций × $0.30) - Direct support = кол-во тикетов/месяц × cost_per_ticket - Кол-во тикетов = кол-во клиентов × tickets_per_customer_month Все коэффициенты ссылаются на Named Ranges из Assumptions. Gross Margin = (Revenue - COGS) / Revenue в процентах. ``` Целевой gross margin для SaaS: 70-85%. Если модель показывает ниже 60%, инвестор задаёт вопросы об эффективности инфраструктуры. ## Cash Flow: от прибыли к деньгам на счёте P&L показывает прибыль. Cash Flow показывает деньги. Разница существенна: можно быть прибыльным на бумаге и обанкротиться из-за кассового разрыва. Cash Flow Statement для стартапа: ``` Operating Cash Flow Net Income (из P&L) + D&A (неденежный расход) - Увеличение дебиторки (Accounts Receivable) + Увеличение кредиторки (Accounts Payable) = Cash from Operations Investing Cash Flow - Capital expenditures = Cash from Investing Financing Cash Flow + Equity raised + Debt drawn - Debt repaid = Cash from Financing Net Cash Flow = Operations + Investing + Financing Ending Cash Balance = Beginning Balance + Net Cash Flow Runway (months) = Ending Cash Balance / Average Monthly Burn ``` Промпт для Cash Flow с учётом раунда: ``` Сгенерируй Cash Flow вкладку Google Sheets для стартапа, привлекающего раунд. Параметры: - Текущий баланс: $50,000 - Целевой раунд: $500,000 (поступление в месяце 4) - Payment terms: клиенты платят в среднем через 15 дней - Vendor payments: 30 дней отсрочки Формулы должны: - Рассчитывать Accounts Receivable как % от выручки с задержкой - Рассчитывать Accounts Payable как % от OPEX с задержкой - Показывать Ending Cash Balance каждый месяц - Показывать Runway = Cash Balance / Avg Monthly Burn (последние 3 месяца) - Подсвечивать красным месяцы, где Cash Balance < 2 × Monthly Burn Формат: формула для месяца 1 и формула для месяца 2 (протягиваемая). ``` Runway — главная метрика для инвестора на ранних стадиях. Если модель показывает 18+ месяцев runway после раунда, это сильный сигнал. Меньше 12 месяцев значит, что фаундер вернётся за деньгами через полгода. ## Сценарный анализ: Base, Optimistic, Conservative Единственный сценарий — это ставка на то, что всё пойдёт ровно по плану. Инвесторы ожидают три сценария, потому что ни один прогноз не сбудется точно. Как устроены сценарии в Google Sheets: ``` Conservative Base Optimistic MoM Growth 5% 10% 15% Churn 8% 5% 3% Conversion Rate 2% 4% 7% CAC $120 $80 $50 Avg Deal Size $25 $29 $35 ``` Промпт для сценарного анализа: ``` Создай вкладку Scenarios в Google Sheets. Структура: 1. Таблица параметров: три столбца (Conservative, Base, Optimistic) со строками для каждого ключевого допущения 2. Переключатель сценария: одна ячейка (dropdown: Conservative/Base/Optimistic) 3. Формула-маршрутизатор, которая подставляет значения в Assumptions в зависимости от выбранного сценария. Используй VLOOKUP или INDEX/MATCH. 4. Summary table: для каждого сценария показать: - Месяц выхода на breakeven - Runway после раунда - ARR через 12/24/36 месяцев - Required funding - LTV/CAC ratio Формула-переключатель для ячейки в Assumptions: =INDEX(scenarios_table, MATCH("growth_mom", scenario_params, 0), MATCH(selected_scenario, scenario_headers, 0)) ``` Альтернативный подход — три отдельных листа P&L (по одному на сценарий). Минус: тройное обслуживание формул. Плюс: инвестор сравнивает листы side by side без переключения dropdown. ## AI Workflow: пошаговый процесс сборки модели Сборка финмодели с AI проходит в пять этапов. Каждый этап завершается проверкой. ### Этап 1: Сбор входных данных (30 минут) Промпт для структурирования исходных данных: ``` Я собираю финансовую модель для привлечения [Seed] раунда. Мой продукт: [описание в 2-3 предложения] Бизнес-модель: [SaaS / marketplace / transactional] Текущие метрики: - MRR: $[X] - Клиенты: [Y] - MoM рост: [Z]% - Churn: [W]% - CAC: $[V] Помоги сформулировать полный список допущений для финмодели на 36 месяцев. Для каждого параметра укажи: 1. Текущее значение 2. Обоснование прогнозного значения 3. Источник бенчмарка (отрасль, стадия, география) ``` ### Этап 2: Генерация структуры (1 час) Создание всех вкладок с заголовками и Named Ranges. AI генерирует структуру, фаундер проверяет полноту. ``` Создай структуру Google Sheets финмодели из 6 вкладок: Assumptions, Revenue, P&L, Cash Flow, Unit Economics, Scenarios. Для каждой вкладки выведи: - Список строк (метрик) с номерами строк - Заголовки столбцов - Список Named Ranges с привязкой к ячейкам - Форматирование: какие строки жирные, какие с отступом, где горизонтальные разделители ``` ### Этап 3: Генерация формул (2-3 часа) Самый объёмный этап. AI генерирует формулы вкладка за вкладкой. Порядок: Assumptions → Revenue → P&L → Cash Flow → Unit Economics → Scenarios. Промпт для проверки формул: ``` Проверь формулы на вкладке Revenue Model. Требования к проверке: 1. Все ссылки на Assumptions используют Named Ranges (не A1-нотацию) 2. Нет циклических ссылок 3. Формулы месяца 1 корректно обрабатывают начальные условия 4. Формулы месяцев 2-36 корректно протягиваются 5. Итоговые строки суммируют правильные диапазоны 6. Рост MRR месяц к месяцу в пределах реалистичных значений (5-20% MoM для Seed) Покажи список найденных проблем с номерами ячеек. ``` ### Этап 4: Форматирование (1 час) Investor-ready модель — это не только формулы. Форматирование определяет, будет ли инвестор разбираться в модели или закроет файл. Стандарты форматирования: ``` Цветовая кодировка: - Синий шрифт: редактируемые допущения (inputs) - Чёрный шрифт: расчётные значения (formulas) - Серый фон: заголовки секций - Жёлтый фон: ключевые метрики (MRR, Runway, Breakeven) - Красный фон: месяцы с отрицательным cash balance Числовые форматы: - Деньги: $#,##0 (без центов в прогнозах) - Проценты: 0.0% - Количество: #,##0 - Даты: MMM-YY (Jan-26, Feb-26...) Структура: - Замороженные первый столбец и первая строка - Группировка строк (свернуть детализацию, оставить итоги) - Ширина столбцов: первый 200px (метрики), остальные 100px (месяцы) ``` Промпт для Apps Script форматирования: ``` Напиши Google Apps Script, который форматирует финмодель: 1. Применяет цветовую кодировку: - Ячейки с текстом "Assumptions!" в формуле → синий шрифт - Ячейки с формулами → чёрный шрифт - Строки-заголовки (список: Revenue, COGS, OPEX...) → серый фон, жирный 2. Числовые форматы: - Строки с "$" в названии → формат $#,##0 - Строки с "%" в названии → формат 0.0% - Строки с "Margin" → формат 0.0% 3. Условное форматирование: - Cash Balance < 0 → красный фон - Runway < 6 → оранжевый фон - Gross Margin < 60% → жёлтый фон 4. Заморозить строку 1 и столбец A на каждой вкладке 5. Установить ширину столбцов ``` ### Этап 5: Стресс-тест и валидация (1 час) Промпт для стресс-теста модели: ``` Проведи стресс-тест финансовой модели. Проверь следующие сценарии: 1. Churn удваивается через 6 месяцев. Когда заканчиваются деньги? 2. CAC растёт на 50%. Как меняется Payback Period? 3. Средний чек падает на 20%. Когда breakeven? 4. Найм задерживается на 3 месяца. Эффект на runway? 5. Раунд закрывается на 2 месяца позже. Хватает ли денег? Для каждого сценария покажи: изменённый параметр, новый runway, новый breakeven month, изменение ARR через 36 месяцев. ``` ## Типичные ошибки в финмоделях стартапов Семь ошибок, которые инвесторы видят чаще всего. **Hockey stick без обоснования.** Рост 5% MoM первые 6 месяцев, затем внезапно 25% MoM. Модель должна объяснять каждый перегиб: запуск нового канала, выход на новый рынок, вирусный эффект. Необоснованный рост — красный флаг. **Фиксированные расходы при растущей выручке.** Серверные расходы не растут с количеством пользователей. Поддержка не масштабируется. В реальности COGS растёт пропорционально, OPEX ступенчато. Формулы должны это отражать. **Отсутствие сезонности.** B2B-продажи проседают в августе и декабре. B2C — обратная динамика. Плоский прогноз без сезонных коэффициентов выглядит наивно. **Нереалистичный churn.** Месячный churn 1% для продукта без product-market fit. На ранних стадиях отток обычно в разы выше, чем у зрелых SaaS, и снижается по мере взросления продукта — если модель показывает цифры уровня поздних стадий до PMF, инвестор спросит почему. **CAC не включает все расходы.** CAC = marketing spend / new customers. Но полный CAC включает зарплаты маркетинга и продаж, инструменты, контент. Занижение CAC в 2-3 раза — стандартная ошибка новичков. **Нет working capital.** Модель показывает выручку в месяц оказания услуги. В реальности деньги приходят через 30-60 дней. Без учёта receivables/payables cash flow врёт. **Хардкоды вместо формул.** Число 0.05 вместо ссылки на churn_rate. Инвестор не может изменить допущение и посмотреть результат. Модель превращается из инструмента в статичную таблицу. ## Investor-Ready чеклист Перед отправкой модели инвестору проверьте каждый пункт. Структура: - [ ] 6 вкладок: Assumptions, Revenue, P&L, Cash Flow, Unit Economics, Scenarios - [ ] Все допущения на одной вкладке - [ ] Named Ranges для всех ключевых параметров - [ ] Нет хардкодов в формулах Корректность: - [ ] Balance sheet балансируется (если есть) - [ ] Cash Flow = P&L + non-cash adjustments + working capital changes - [ ] Revenue на вкладке P&L совпадает с Revenue Model - [ ] Unit Economics считается из данных модели, а не вручную Форматирование: - [ ] Цветовая кодировка inputs vs. formulas - [ ] Числовые форматы консистентны - [ ] Заголовки секций выделены - [ ] Строки сгруппированы (детализация скрывается) - [ ] Frozen panes на каждой вкладке Реалистичность: - [ ] Growth rates обоснованы (источник/бенчмарк в комментариях) - [ ] Gross margin в диапазоне отрасли - [ ] CAC включает все компоненты - [ ] Runway после раунда 18+ месяцев - [ ] Три сценария с осмысленной дельтой ## Google Sheets vs. Excel: что выбрать для фандрейзинга Google Sheets выигрывает по трём причинам. **Совместный доступ.** Инвестор получает ссылку, открывает в браузере, меняет допущения. Не скачивает файл, не ищет совместимую версию Excel, не пересылает обратно. Для due diligence, где модель смотрят 3-5 человек одновременно, это критично. **Version history.** Каждое изменение сохраняется автоматически. Можно откатить к любой версии. Инвестор видит, когда модель обновлялась последний раз. Модель, обновлённая вчера, вызывает больше доверия, чем файл с датой трёхмесячной давности. **Apps Script.** Автоматизация форматирования, валидации, обновления данных. AI генерирует скрипты, которые запускаются по расписанию или при изменении ячейки. Минус Google Sheets — ограничение производительности на больших моделях. Для 36 месяцев с 6 вкладками этого достаточно. Для 60-месячных моделей с десятками продуктов стоит рассмотреть Excel. ## Продвинутые промпты для AI-генерации формул ### Cohort-based revenue ``` Сгенерируй формулы Google Sheets для когортной модели выручки. Каждый месяц — новая когорта клиентов. Когорта месяца N: - Размер = new_customers в месяце N - Revenue в месяце N+k = размер_когорты × (1 - churn)^k × ARPU - Суммарная выручка = сумма revenue всех когорт Формат: треугольная матрица. Строки = когорты (месяцы привлечения). Столбцы = месяцы жизни когорты (0, 1, 2...). Последняя строка = сумма по столбцу = Total MRR. Используй Named Ranges: new_customers_m1...m36, monthly_churn, arpu. ``` ### Sensitivity table ``` Создай таблицу чувствительности (Data Table) в Google Sheets. Две переменные: - Строки: Monthly Churn (1%, 2%, 3%, 4%, 5%, 7%, 10%) - Столбцы: MoM Growth (3%, 5%, 7%, 10%, 15%, 20%) Значение в пересечении: Runway в месяцах при заданных параметрах. Формула для каждой ячейки пересечения: подставить churn и growth в модель, рассчитать месяц, когда Cash Balance становится отрицательным. Условное форматирование: градиент от зелёного (24+ месяцев) через жёлтый (12-18) к красному (< 12). ``` ### Headcount planning ``` Создай модель планирования найма для стартапа. Входные данные: - Таблица ролей: название | департамент | зарплата | месяц найма - Benefits: 30% от зарплаты - Annual raise: 5% - Hiring cost: 15% от годовой зарплаты (единоразово в месяц найма) Выходные данные: - Headcount по месяцам (total и по департаментам) - Payroll по месяцам (total и по департаментам) - Hiring costs по месяцам - Cost per employee (fully loaded) Формулы должны использовать IF для проверки месяца найма: =IF(month >= hire_month, salary × (1 + annual_raise)^FLOOR((month - hire_month)/12, 1), 0) ``` ## Итог Финансовая модель для фандрейзинга — прежде всего инструмент коммуникации: инвестор смотрит, понимает ли фаундер экономику бизнеса, умеет ли мыслить сценариями и заложил ли запас прочности. AI забирает техническую работу — формулы, форматирование, проверку консистентности, — оставляя фаундеру обоснование допущений и логику роста. Готовая модель напрямую встраивается в [cap table](/ru/blog/cap-table-modeling-ai/) и становится финансовой основой due diligence. --- *Нужна помощь с финансовой моделью? Я помогаю стартапам внедрять AI-решения и строить продукты — [belov.works](https://belov.works).*