Learna vs Fluently: разбор двух противоположных EdTech-стратегий в TikTok на 49 аккаунтах и 204M просмотров

19 ноября 2025 года в TikTok появился аккаунт sofiawlearnai. За первую неделю он выложил три видео: 6,67M просмотров, 12,17M, 9,41M. Сетка Learna получила бесплатно более 28M показов и десятки тысяч установок приложения. Через десять дней звезда погасла, ещё через три месяца аккаунт перестали обновлять.

Тем же ноябрём в Instagram аккаунт fluently.mey выходил на ритм по два видео в день. Медианный интервал между постами — 2 часа 55 минут. За 105 дней — 215 публикаций. 37,3M суммарных просмотров. Топ-видео — 9,03M, но это всего 24% от общего числа: вся остальная масса честно распределена по 214 другим постам. Звёздного коллапса не случилось, потому что не было «звёздного» поста.

Это две EdTech-сетки, делающие одно и то же — учат английскому через мобильное приложение, продвигают его через TikTok-армию. Learna и Fluently играют две противоположные операционные стратегии в одной нише, и обе работают. 49 handles суммарно, 204M просмотров. На данных по 991 + 1600 видео двух сеток виден полный контраст: chasing molnii vs industrial pipeline. Sound-jacking vs original-only. Meme-формат 8 секунд vs lesson-формат 35 секунд. Brand-stack-first vs broad-funnel. Если вы строите свою EdTech-сетку или думаете о UGC-стратегии для мобильного приложения — это сравнение даст вам два готовых архетипа на выбор. Ниже — детальный разбор каждого.

Все цифры — из аналитической базы Viralmaxing на 17 мая 2026. Полная справка по обеим сеткам — в публичных отчётах Learna и Fluently. Перед чтением полезно знать общую систематику UGC-армий — она в мета-статье на 4 кейсах. Эта статья — deep-dive в две из них, поставленные рядом.

Две сетки, два архетипа: общая картина

Прежде чем углубляться, базовое сравнение в одной таблице.

Каждая строка этой таблицы — отдельный strategic-choice, и в большинстве строк выбор у Fluently и Learna противоположный. Это редкое натурное доказательство того, что в одной нише UGC-armies могут быть выстроены принципиально по-разному и обе работать.

Distribution health: главный показатель зрелости операций

Самая важная цифра в таблице выше — процент постов с менее 1 000 просмотров. У Learna это 35,4% — каждый третий пост уходит в пустоту. У Fluently — 13,3%, менее каждого седьмого. Это не случайное различие в данных, это фундаментально разные операционные модели.

У Learna meme-format вознаграждается биномиально: пост либо ловит alg-волну и взлетает (12M views), либо ловит floor (200 просмотров). Промежуточных состояний меньше. У Fluently lesson-format даёт каждому посту базовый floor — даже посредственный 35-секундный мини-урок по грамматике найдёт 5–20 тысяч просмотров от учебной аудитории, потому что алгоритм TikTok/IG идентифицирует видео как «educational content» и распределяет его в соответствующий content-cluster.

В практическом плане это совершенно разные требования к команде:

• Learna-модель: команда обрабатывает 1000 постов в надежде на 10–20 хитов. Это даёт высокую дисперсию, requires быстрое отслеживание sound-trends и hook-формул. Большая часть креаторов работают в exploration режиме, не зная, что выстрелит. Operational layer должен быстро реагировать на хит и раскатывать sound на остальную сетку.
• Fluently-модель: команда обрабатывает 1600 постов в режиме production line. Каждый пост — продукт стандартизированного workflow: выбор лексического блока → запись 30-секундного объяснения → монтаж по шаблону → планирование на peak-time. Меньше эксперимента, выше предсказуемость, выше operational cost (нужна studio).

Один не лучше другого. Их разное стоит выбирать в зависимости от cash-position: Learna-модель дешевле в month-to-month, но нестабильнее (если sound-trend пропустили — месяц без хитов). Fluently-модель требует постоянных $30–60k/мес на studio + 3–5 full-time creators, но даёт предсказуемое 10–20M просмотров в месяц.

Длительность видео: meme-формат vs lesson-формат

У Musa, как разбиралось в deep-dive по Musa, медиана длительности видео — 7 секунд, P90 = 9 секунд. Жёсткий 7-секундный template. У EdTech-сеток картина другая.

Видео Fluently в среднем в 4 раза длиннее, чем у Learna. Это совсем разные content-formats.

Learna: meme-формат 6–11 секунд

Стиль: короткий reaction-видео, в котором креатор показывает экран приложения или цитирует фразу на английском, добавляет эмоциональную реакцию («nooo asi nooo 😕😕», «por que me entero de esta app hasta HOY??!!»). Длительность 6–11 секунд оптимизирована под watch-completion ratio алгоритма TikTok — чем короче видео, тем выше шанс полного просмотра и replay loop, что усиливает FYP-distribution.

Это формат, заточенный под виральность. Хитов мало, но они огромные (12M views). Меж-хитная продукция в основном падает в «менее 1k views» — это нормально для модели.

Fluently: lesson-формат 22–66 секунд

Стиль: structured мини-урок — тема, объяснение, пример, вывод. 35 секунд хватает на «4 ошибки в pronunciation, которые делают русскоязычные», или «British vs American English: 7 различий». Это classic edu-content, разделяемый и пересылаемый между друзьями.

Этот формат не оптимизирован под виральность. Один 35-секундный пост никогда не сделает 12M на одном хите. Но он получает стабильные 5k–500k просмотров на каждый пост, и сумма по 1600 видео даёт 130M total.

Выбор формата = выбор алгоритм-стратегии

Это не просто «стилистическое предпочтение». Это выбор того, под какую часть рекомендательного алгоритма вы оптимизируете:

• Meme-формат (Learna, Musa): оптимизация под watch-completion + replay loop. Алгоритм классифицирует видео как «entertaining short» и распределяет на broad FYP. Reward — рекомендательная молния (10M+) на лучших постах.
• Lesson-формат (Fluently): оптимизация под watch-time × engagement. Алгоритм классифицирует видео как «educational» и распределяет в narrow content cluster («English learners»). Reward — ровный distribution в нишевой аудитории.

Если ваша business model — paid subscription с быстрой conversion (Fluently имеет $9,99–14,99/мес), длинный edu-формат конвертит лучше: аудитория из «English learners cluster» уже motivated to learn, install app rate выше. Если business model — freemium с виральным growth (Learna проще закрепиться в head на nano-tier рынке), meme-формат эффективнее: молния даёт миллионы touches и широкий top-of-funnel.

Sound strategy: главное операционное различие

Самое значимое и яркое различие двух стратегий — отношение к sound-coordination.

Learna: trending sound jacking

Сетка Learna активно «ловит» текущие радио-хиты и sketch-аудио. Топ shared sounds (используемые ≥2 разных аккаунтов сетки):

Главное наблюдение здесь — две верхние строки. Самые виральные звуки в сетке Learna это не Bad Bunny, а sketch-original sounds, на которых «звёзды» сделали свои хиты. Когда sofiawlearnai сделала виральный пост на звуке thatbuschlatteguy, другой аккаунт сетки попытался повторить рецепт на том же звуке — это и есть sound-deployment playbook в действии, аналогичный тому, что разбирался в Musa-deep-dive.

Bad Bunny и RAYE — это второй эшелон стратегии: «broad trend chasing», где сетка пытается оседлать popular radio-hits в надежде, что часть связанных рекомендательных кластеров затянет user'ов на educational content. Доля просмотров через эти треки — невысокая (151k и 120k), но это дёшево добавляемая стратегия, расширяющая reach.

Fluently: 99% original sound — policy, а не случайность

В сетке Fluently shared sounds почти нет. Единственный трек, использованный двумя разными аккаунтами — «Woops» от DJ Bountyhunter, 2 поста по 2 использования = 14 тысяч просмотров суммарно. Это статистическое исключение, не стратегия.

Per-creator original/reused ratio показывает full picture:

99%+ original sound в каждом из 8+ топовых аккаунтов — это невозможно случайно. Случайное распределение даже у крайне дисциплинированного креатора даёт 10–30% «случайных» reused tracks (попался trending audio на FYP, использовал). Чтобы ratio был 99%+, нужна политика на уровне content guidelines: «нет trending audio, только записанный voice-over».

Гипотеза, почему Fluently такую политику ввёл: industrial production pipeline несовместим с trending sound chase. Trending audio требует ad-hoc reaction loop (увидел trend → за 24 часа сделал пост, иначе trend остыл). Industrial pipeline — это производство контента батчами, planning на неделю-две вперёд, сценарии utility-tools (audio voice-over студия). Эти два режима конфликтуют операционно. Fluently выбрал второй.

Цена этого выбора: теряется шанс на молнию-хит. Самые виральные посты в TikTok 2025–2026 почти всегда едут на trending sound. Без него потолок ровный (35M на лучшем аккаунте Fluently против 28M на топовой звезде Learna — но Fluently тратит на это 215 постов, Learna — 3 поста).

Когда выбирать какую sound-стратегию

• Trending sound jacking: если у вас malый бюджет на ops, нет studio, и вы готовы к высокой дисперсии (месяцы без хитов чередуются с месяцами с молниями). Working model для bootstrapped стартапов и бренд-эксперимента.
• 100% original sound: если у вас есть studio infrastructure, regular batch production, и вы оптимизируете под predictable monthly distribution. Working model для funded стартапов на Series A+ с CTO marketing.
• Гибрид: возможен, но требует двух операционных tracks внутри одной команды — это сложно. Обычно команда сваливается в одну из двух при отсутствии явного organizational design.

Hashtag-философия: brand-stack vs broad-funnel

Различие в hashtag-стратегии настолько резкое, что выглядит как намеренная educational decision.

Learna: brand-stack-first

Брэнд-тег #learnaai использован 465 раз — в 2 раза чаще, чем тематический #learnenglish. Это означает, что Learna играет на построение brand-stack кластера: все 28 аккаунтов узнаваемы через одинаковый брэнд-тег, и search в TikTok по запросу «learnaai» собирает все relevant видео сетки в одном hits-кластере.

Стратегически это narrow but deep: высокая узнаваемость внутри уже знакомой аудитории, но низкий top-of-funnel из broad search intent. Пользователи, ищущие «learn english tips» через тематические теги, до Learna доходят меньше.

Fluently: broad-funnel-first

Здесь — полная противоположность. Топовый тег #english использован 1 436 раз. Брэнд-тег #fluently — в 17 раз реже, всего 82 раза. Это broad-funnel strategy: основная ставка на discovery через тематические teaги, через которые алгоритм может направить пользователя из broad «English learners» кластера на любой пост сетки.

Стратегически это shallow but wide: низкая брэнд-узнаваемость (пользователь может посмотреть 10 видео сетки, не осознавая, что это все «Fluently»), но огромный top-of-funnel — каждый пост попадает в hashtag-feeds с миллионами impressions потенциального reach.

Что важнее — brand recognition или top-of-funnel?

Ответ зависит от стадии бренда. Для раннего стартапа (Learna до ноября 2025) brand-stack-first нужен — без брэнд-recognition пользователи не запомнят, что Learna существует. Для зрелого бренда с installed user base (Fluently имеет established market position) broad-funnel предпочтительнее — каждый пост работает на acquisition новых пользователей, а brand recognition уже есть в других каналах (App Store rankings, PR, paid ads).

Гипотеза смены стратегии: UGC-сетка должна эволюционировать от brand-stack к broad-funnel по мере роста бренда. На раннем этапе 80% постов с брэнд-tagом, на зрелом — 20–30%. Если этого не происходит, сетка остаётся в echo-chamber собственной аудитории и теряет потенциал organic acquisition.

Локализация: 3 языка vs 10 языков

EdTech-приложения по природе своей могут таргетировать пользователей с любым native language (потому что все они учат английский). Это даёт огромную свободу в localization strategy, и две сетки используют её по-разному.

Learna: 3 ядра — EN + ES + TR

Распределение language:

• English — 48%
• Spanish — 21% (LATAM-аудитория, благодаря sofiawlearnai-эффекту)
• Turkish — 11% (один доминирующий аккаунт learnwithaleyna + 4 supporting)
• Другое — 20%

Турецкий пакет — это 11% всей сетки, причём 8,5M из 8,2M турецкого контента приходится на один аккаунт learnwithaleyna. Это опасная concentration: если этот один человек уйдёт, Learna потеряет существенную часть Turkish reach в один момент. Mitigation в данных: есть второй tier поддерживающих TR-handle (learnawithgizem, studywithcansu, learnawithcansu), но они не приносят сравнимых хитов.

Fluently: 10 языковых пакетов

В hashtag-распределении Fluently представлено как минимум 10 языков, и каждый имеет dedicated tag-pack:

• English — основа (#english, #learnenglish, #studyenglish)
• Arabic — #تعلم_الانجليزية (371 использование)
• Turkish — #ingilizceöğren (204)
• Korean — #한국 (194), #영어공부 (193)
• Polish — #angielski (187)
• Czech — #angličtina (187)
• Japanese — пакет средней частоты
• French — пакет средней частоты
• Italian — пакет средней частоты
• Spanish — пакет средней частоты

Турецкая ветка у Fluently — это самостоятельная вертикаль из 7 handles (fluently.asya, fluently.dari, fluently.mara, fluently.walter, fluently.robbert и ещё 2), каждый из которых публикует 70–100% контента на турецком. Это systematic localization — не один герой, а institutional vertical.

Различие с Learna критичное: institutional vertical защищён от потери одного creator, тогда как hero-driven локализация Learna хрупка. Если 1 из 7 турецких креаторов Fluently уйдёт, сетка потеряет 1/7 турецкого reach. Если learnwithaleyna уйдёт у Learna, сетка потеряет ≥80% турецкого reach в момент.

Practical lesson: при выходе на новый язык/географию сразу нанимайте 3–5 креаторов вместе, а не одного «пилотного». Один может выстрелить или провалиться, но это lottery. Pool из 3–5 гарантирует median performance и diversification.

Sofia: рождение и смерть звезды Learna в одном графике

sofiawlearnai на TikTok — это самый яркий case sequence в данных по обеим сеткам. Полная недельная динамика её 33 постов в нашей витрине:

Текст хита #1, 25 ноября 2025, 12,17M просмотров, 6 секунд: «nooo asi nooo 😕😕 #ingles #clasesdeingles #aprendeingles #idiomas #listening». Звук — original sound - thatbuschlatteguy (sketch-комедийный, не учебный).

Хронология коллапса читается чётко:

1. Неделя 17 ноября: первый пост, 6,67M views. Sofia только что зарегистрировалась.
2. Неделя 24 ноября: ещё 2 поста, 21,58M views (включая хит 12,17M). Алгоритм решил, что её content в hot cluster.
3. Декабрь: попытки повторить рецепт на разных постах с теми же темами. Алгоритм уже «остудил» аккаунт, ни один пост не дотянул выше 11k.
4. Январь–февраль 2026: 22 поста за два месяца, все ≤11k views. Algorithm-distribution окончательно вернулся к baseline.
5. 4 февраля 2026: последний пост в нашей витрине.

Параллельная история на Instagram: тот же handle sofiawlearnai существует и на IG. 30 постов в нашей витрине, total 391k views, ни одного хита. Cross-post паттерн попробовали — IG-алгоритм не подхватил sofia так же, как TikTok. Это типичная история: TikTok даёт молнию на новых аккаунтах, IG требует accumulation, и стратегии не transferable как-есть.

Главный урок sofiawlearnai-сюжета для UGC-стратегии: sound dependency = single-point-of-failure. Sofia сделала свой хит на одном trending sound. Когда sound остыл, у неё не было запаса форматов на других звуках. Sound-driven creator является заложником одного трека: он либо находит следующий vital trend в первые 30 дней, либо угасает. Это рискованная модель для long-term retention.

Mitigations в operational layer (которых, видимо, не было у Learna): training креатора на работу с 3–5 разными форматами в ротации, еженедельные format-drops от community manager с suggestions для следующего поста, attribution-tracking для понимания, когда конкретный sound начинает остывать (early-warning system).

Fluently.mey: industrial pipeline в одном handle

Противоположный кейс — fluently.mey на Instagram. 215 постов за 105 дней активности. Total 37,3M views, top-1 пост 9,03M, top-1 share 24,2% — это означает остальные 214 постов дают вместе 28,3M views, в среднем 132k на пост.

Cadence-метрики этого handle уникальны для обеих сеток:

• Median gap между постами: 2 часа 55 минут
• P25 gap: ~1 час (т.е. четверть постов выходит с интервалом меньше часа)
• Posts per week: 56,9
• Posts per day: ~8 в день

8 постов в день на одном handle — это не человек. Это production line. Гипотеза: одна актриса (или несколько похожих) в studio, записывающая batch из 20–40 видео за день, плюс CMS-планировщик, который раскладывает их в peak engagement window. Это industrial content manufacturing, аналогичный YouTube-MCN моделям, но применённый к short-form formats.

Cross-platform: тот же fluently.mey существует и на TikTok с 215 постами и 18,1M views — но top-1 share 66,8%, что показывает совсем другой паттерн distribution. На IG ровная масса, на TT — один большой хит и хвост поменьше.

Стратегическое следствие для тех, кто строит сетку: один и тот же контент на TikTok и Instagram даёт разные распределения. TikTok склонен к explosive single-hit pattern, IG — к accumulative pattern. Cross-platform strategy не должна быть «копируй TT-видео на IG», а должна адаптироваться под алгоритм каждой платформы.

Single-hit wonders: разные у разных сетей, одинаковая проблема

В обеих сетках есть креаторы, у которых 80%+ всех views приходится на один пост. Это single-hit wonders — типичный failure mode UGC-армии.

Fluently single-hit wonders

fluently.dari и fluently.walter выпустили по 30 постов за одно и то же 52-дневное окно. И оба использовали один и тот же hook — «Pasta or...». У dari это видео вышло 12 июня 2025 года и набрало 7,75M views. У walter — 13 июня 2025 года, 3,96M views. Один формат, два креатора, один и тот же hook — оба сделали хиты. После этого ни один из них не повторил рецепт ни в одном из 30 последующих постов.

Это точный playbook-copy: команда увидела, что hook «Pasta or...» сработал, передала его второму креатору в течение 24 часов, и тот тоже хитнул. Но попыток повторить этот hook ещё раз — не было. Это говорит о том, что Fluently не имеет sound/format-deployment playbook (как Musa), и каждый виральный момент остаётся case-by-case удачей.

fluently.kate на TT — особый случай. 368 дней активности, 82 поста, но 93,4% всех views с одного поста от 13 мая 2025 года («FLUENTLY APP», 11,8M views, 29 секунд). На IG этот же handle ведёт себя совсем по-другому: 86 постов, 7,4M total, top-1 share 41,4% — состоявшийся постоянный creator. Один человек, две платформы, два совершенно разных distribution-паттерна.

Learna single-hit wonders

• learnwithandrea_ — 32 поста, 79,2% от top-1 (1,60M из 2,03M)
• learnawithcansu — аналогично high top-1 share

Меньше hit-wonders у Learna в абсолютных числах (2 vs 3 у Fluently), но выше доля от размера сетки (2/28 = 7,1% vs 3/21 = 14,3%). Парадокс здесь: при равной операционной зрелости hit-wonders должно быть меньше в meme-формате, потому что meme-формат вознаграждается биномиально (либо взлёт, либо ноль), и шанс «случайного» хита у слабого креатора низкий. У Fluently lesson-формат даёт большему числу креаторов «один хит» — потому что у lesson-формата выше шанс на попадание в content cluster алгоритма даже у average креатора.

Operational implication: в lesson-format сетках больше креаторов-с-одним-хитом, и retention-стратегия должна это учитывать. Не отчисляйте креатора сразу после одного хита и 29 промахов — у него может быть второй хит через 60 дней. В meme-format сетках обратное: первый хит за 30 дней без второго — это, скорее всего, единственный, и ресурс этого креатора лучше переключить на новый handle.

Master account: разные governance-модели

У Learna есть явный master-account learna.ai на обеих платформах. У Fluently — нет master-аккаунта. Это два разных governance-подхода к сети.

Learna: централизованный master

learna.ai на IG — 65 постов, 7,79M views, top-1 share 14,9%. На TT — 60 постов, 6,11M, top-1 share 34,2%. Самые здоровые distribution-метрики во всей сетке: ни одного single-hit pattern, ровная производительность, длительная активность (15+ месяцев). Это профиль самого приложения.

Один из топ-постов master-аккаунта — «Are you still asking 'Where is the toilet?' in public?» 26 секунд, 1,52M views. Это редакторский контент-маркетинг, не sound-jacking: Master-аккаунт принципиально не играет в trending sound game, держит статус «бренд-голоса».

Fluently: 4 звезды равной mass

У Fluently нет аккаунта, явно идентифицируемого как «бренд». Затравочный аккаунт myfluentlyjourney существует с 2025-01-27, но он мёртв — 24 поста, последний 2025-02-22, 6 followers. Это, по сути, археологический слой ранней стратегии, которая не сработала.

Вместо master-аккаунта в Fluently 4 звезды примерно равной mass: fluently.mey (37M IG + 18M TT), fluently.basya (25,8M TT), fluently.kate (12,6M TT + 7,4M IG), fluently.anna (4,2M TT + 3,3M IG). Все они персонализированные креаторы с собственным character, не «бренд-аккаунты».

Trade-offs двух подходов

Какой подход правильный — зависит от стадии бренда. Ранний стартап без established trust выгодно иметь master-аккаунт (Learna-модель), который концентрирует brand-recognition. Зрелый бренд с существующей market position может переходить к распределённой модели (Fluently-модель), которая даёт больше operational flexibility.

Состояние сеток на май 2026: одна жива, другая в maintenance

Текущий снимок активности двух сетей показывает, что они находятся в совершенно разных фазах жизненного цикла.

Learna находится в режиме maintenance. Из 28 аккаунтов реально живые сейчас 4: learna.ai (master IG+TT), ailearna (YouTube), learnwithaleyna (TR-вертикаль), learn_with_jenny (IG). Остальные 24 — dormant. После «эпохи sofiawlearnai» сетка сократилась до базового minimum.

Fluently активная industrial-сетка: 7 живых handles (с учётом cross-platform для mey/kate/anna), большинство — те же звёзды основной волны, плюс 2 второстепенных. Несмотря на 67% dormancy, активная часть продолжает industrial production.

Видна двух-волновая стратегия Fluently: первая волна (апрель-август 2025, ~14 пилотных креаторов) дала experimental data → команда выбрала 6-7 «победителей» (mey, basya, kate, anna и остальные cross-platform пары) → вторая волна (декабрь 2025+) работает в industrial-режиме до сих пор. Это классический explore-then-exploit patternу creator portfolio management.

У Learna такой clear pivot не виден. Сетка ушла в decay после sofiawlearnai-эры, и команда либо не нашла «победителей» из первой волны, либо приняла стратегическое решение не масштабировать (возможно, сократили marketing budget). Без insider информации трудно сказать, но из данных видно, что Learna сейчас работает на голом минимуме, а Fluently — на полной мощности.

Какую модель выбирать для своей EdTech-сетки

Если вы строите UGC-армию для своего EdTech-приложения, у вас есть выбор между этими двумя архетипами. Не пытайтесь смешивать — это редко работает. Каждая модель имеет внутреннюю логическую consistency, нарушение которой ломает operations.

Когда выбирать Learna-модель

• Bootstrapped стартап или ранний seed без significant funding
• Малая команда (1–2 человека на ops), готовая к unpredictable performance
• Цель: brand-stack кластер, build initial recognition
• Готовность ждать молнии-хиты, акцептировать долгие месяцы без them
• Аудитория сконцентрирована в 1–3 языках с понятной search-intent
• Master-аккаунт планируется как central brand-anchor
• Predominantly TikTok-first (Instagram алгоритм меньше rewards эту модель)

Когда выбирать Fluently-модель

• Funded стартап (Series A+) с предсказуемым marketing budget $50–150k/мес
• Команда 4–6 человек на ops (studio, content strategist, community manager, data analyst)
• Цель: predictable monthly distribution + multi-language reach
• Готовность инвестировать в content production studio
• Аудитория широкая, 5+ языков, target acquisition по nationality
• Распределённая модель равных звёзд (нет необходимости в master)
• Cross-platform (одинаково сильно TikTok и Instagram)

Чего не делать (frequent mistake)

• Не делайте industrial pipeline с meme-форматом. 8-секундные мем-видео в режиме «2 поста в день» — это плохой fit. Meme-формат вознаграждается за spontaneity, и regimented schedule убивает эффект.
• Не делайте sound-jacking с lesson-форматом. 35-секундный edu-урок на trending sound выглядит насильственно склеенным и не получает algo-distribution.
• Не пытайтесь иметь и broad-funnel hashtag, и brand-stack. Каждое видео должно играть в одну из двух стратегий. Гибрид размазывает signal.
• Не имитируйте 99% original sound, если у вас нет studio. Это требует серьёзной production infrastructure. Без неё лучше playback на trending audio.

Итог: одна ниша, две работающие стратегии

Главное, что показывает сравнение Learna и Fluently — в одной нише могут существовать две принципиально разные UGC-стратегии, и обе работают. Это разрушает миф о «единственно правильном EdTech-плейбуке» в TikTok.

Learna играет в лотерею больших ставок: дешёвая operations, brand-stack-first, sound-jacking, meme-формат 8 секунд. Когда выигрывает — получает звезду уровня sofiawlearnai (28M от трёх постов). Когда проигрывает — сжигает 6 месяцев на 700 промахов. Сейчас на maintenance после разовой большой удачи.

Fluently играет в industrial-производство: дорогая studio infrastructure, broad-funnel hashtag-стратегия, 99% original sound, lesson-формат 35 секунд. Звёзды масштаба sofiawlearnai не появляются, но distribution health существенно лучше, и сетка работает в режиме постоянного monthly throughput. Сейчас активная industrial-операция.

Третий вариант (который ни одна из сеток не использует) — гибрид, возможный, но требующий редкого operational sophistication. Видимо, ни одна команда не может одновременно run lottery и industrial production без размывания focus. Если у вас уже есть Fluently-style production, не пытайтесь параллельно делать Learna-experiments — это distract команды. И обратно.

Полные данные обеих сетей — handle всех аккаунтов, per-creator метрики, top-видео с captions, music-патtерны — в публичных отчётах Learna и Fluently. Если вы строите свою EdTech-сетку, начните с того, чтобы протестировать обе модели на 5–10 пилотных handles каждую, и измерить distribution health через 60 дней. Та, что даёт ваш unit economics — это ваша модель.