Youtube тестирует поиск с AI

YouTube начал тестировать Ask YouTube — поиск с ИИ, где можно задавать вопросы обычным языком и получать не список ссылок, а готовую подборку видео и фрагментов.

Фича уже доступна в США и работает на сложные запросы: если нужно, ИИ уточняет вопрос и подсказывает следующий шаг.

Что это значит для поиска на YouTube и когда новинка дойдёт до других…

➡️ Читайте на сайте: https://aff.top/blog/youtube-testiruet-poisk-s-ai

🧠 Ещё больше инсайтов → в канале AFF.top

Инкрементальность: что на самом деле измеряет этот термин

Инкрементальность — это дополнительный эффект канала, кампании или механики, который возник **только благодаря** вашему воздействию. Проще: сколько продаж, лидов или других целевых действий не случилось бы без рекламы.

Это не то же самое, что атрибуция. Атрибуция распределяет уже случившийся результат между точками контакта. Инкрементальность отвечает на другой вопрос: был ли результат вообще создан маркетингом или пользователь и так бы совершил действие.

Почему это важно в 2026 году: в условиях privacy-first-модели, роста server-side-измерения и ослабления last-click-логики глава performance всё чаще смотрит не на «чьё касание записать», а на **добавочную выручку**.

Типичные ошибки:
— путать инкрементальность с ростом отчётных конверсий;
— считать любой всплеск продаж заслугой рекламы без контрольной группы;
— измерять только верх воронки и делать выводы о продажах;
— сравнивать каналы по CPA без проверки, кто забрал уже существующий спрос.

Пример: бренд запускает ретаргетинг на тех, кто и так возвращается через поиск. Отчёт показывает дешёвые покупки, но lift-тест показывает почти нулевую прибавку. Значит, канал хорошо «подписывает» уже мотивированный спрос, но слаб в создании нового.

Именно поэтому инкрементальность — базовый термин для performance-руководителя: он помогает отличать видимую эффективность от реального вклада в рост.

— @AttributionRoom

Z.ai анонсировала новую GLM-5.5

Z.ai готовит релиз флагманской GLM-5.5: модель обещают показать в августе 2026 года.

Главная интрига — рост до 1 трлн параметров при том же контекстном окне в 1 млн токенов. Новинка снова будет заточена под код и агентные задачи.

Почему версия сразу 5.5, без 5.3 и 5.4, и что это может означать для рынка — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/z-ai-anonsirovala-novuiu-glm-5-5

🧠 Ещё больше инсайтов → в канале AFF.top

Telegram запустил собственный сервер для ботов

Telegram запустил собственный сервер для ботов и мани-приложений: теперь backend можно размещать прямо внутри инфраструктуры мессенджера.

Сервер работает на JavaScript/TypeScript, через вебхуки, и позволяет подключать SQL-базу для сбора контактов без посредников.

Пока неясны цена и ограничения — что именно уже можно тестировать, а где скрыт подв…

➡️ Читайте на сайте: https://aff.top/blog/telegram-zapustil-sobstvennyi-server-dlia-botov

🧠 Ещё больше инсайтов → в канале AFF.top

Почему last-click перестаёт быть управленческой моделью для performance

В 2026 году спор «какая атрибуция правильная» уже звучит слишком узко. Вопрос стал другим: какая система измерения вообще помогает принимать решения о бюджете, когда путь клиента рвётся между поиском, контентом, рекомендациями, офлайн-точками и повторными касаниями? Для главы performance это не академическая дискуссия. Это вопрос о том, не управляет ли команда уже не выручкой, а удобной иллюзией выручки.

**Первый тезис простой: last-click считает не вклад канала, а его привычку добирать спрос.**

Если человек уже знает бренд, видел рекламу, получил письмо и только потом нажал на брендовый поиск, last-click отдаст победу поиску. Но это не значит, что поиск создал спрос. Он часто просто забрал финальный клик. Так же работает и ретаргетинг: он может выглядеть как самый эффективный канал, хотя в реальности лишь сопровождает уже сформированное намерение.

Пример из e-commerce в 2026 особенно показателен. Средний чек снижается, первая покупка становится менее устойчивой, а решение всё чаще требует нескольких касаний. В такой модели last-click начинает систематически переоценивать нижнюю часть воронки и недооценивать те каналы, которые создают первичный интерес: видео, медийную рекламу, контент, PR, партнёрства. В отчёте это выглядит как «дорогие» верхние каналы и «эффективные» низовые. В бюджете — как постоянное урезание того, что на самом деле подводит спрос.

**Второй тезис: MMM нужен не для красоты, а для ответа на вопрос “что было бы без этого канала?”.**

Маркетинг-микс-моделирование (MMM) ценят за математическую форму, но его практическая ценность гораздо приземлённее: оно пытается оценить вклад канала в динамике, а не в одном последнем событии. Это особенно важно там, где privacy-first измерение ломает прямую видимость, а часть пути клиента просто не попадает в пользовательские идентификаторы.

Пример: бренд увеличивает инвестиции в видео и видит, что брендовый поиск растёт не сразу, а через несколько недель. Last-click покажет рост у поиска и ретаргетинга. MMM, если оно построено аккуратно, может увидеть, что всплеск брендового спроса коррелирует с медийным давлением, а не только с активацией нижней воронки. Это не делает MMM «истиной». Но оно даёт управленческий горизонт, которого не хватает last-click: как меняется общий результат при изменении давления в канале.

Важно помнить: MMM не заменяет здравый смысл. Если в модели нет промо, сезонности, цен, наличия товара и крупных внешних событий, она начинает объяснять шум вместо бизнеса. Поэтому хороший MMM — это не просто регрессия, а дисциплина данных и умение задавать правильные вопросы.

**Третий тезис: incrementality-тесты нужны как контроль реальности, иначе и MMM, и атрибуция начинают жить в удобной фантазии.**

Инкрементальность — это проверка прироста: дал ли канал дополнительный результат или только присвоил уже существующий. В эпоху, когда креативы генерируются потоком, а закупка становится всё более автоматической, именно тесты прироста спасают от самообмана.

Пример: бренд запускает гео-эксперимент — в части регионов снижает давление в платном поиске, в части оставляет как есть. Если выручка почти не меняется, а отчёт по last-click всё равно показывает сильную эффективность поиска, значит, канал забирал спрос, а не создавал его. Если же после отключения падают и брендовые запросы, и последующие покупки, значит, канал участвовал в создании спроса, даже если его last-click-показатели были скромными.

**Четвёртый тезис: зрелая performance-команда управляет не каналами, а системой доказательств.**

В 2026 году сильный head of performance — это не тот, кто лучше всех оптимизирует CPA по отчёту. Это тот, кто умеет связать несколько уровней измерения: server-side данные, MMM, тесты инкрементальности, CRM-выручку, повторные покупки, вклад в LTV. Для B2B это особенно важно: классическая гонка за MQL и SQL слабеет, а на первый план выходит RevOps, где маркетинг отвечает не за лид сам по себе, а за вклад в выручку вместе с продажами и клиентским успехом.
…

Google картинки станут конкурентом Pinterest

Google Картинки начали превращать в полноценную платформу с персональной лентой по прошлым запросам — по сути, в аналог Pinterest.

Во вкладке For you уже тестируют подборки, а ещё обещают коллекции и генерацию изображений во встроенной Nano Banana.

Как это будет работать и когда новинка дойдёт до других стран — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/google-kartinki-stanut-konkurentom-pinterest

🧠 Ещё больше инсайтов → в канале AFF.top

MMM заменит всю атрибуцию

Этот миф часто рождается после первых удачных отчётов по MMM: модель показывает вклад каналов в выручку, и кажется, что теперь можно отказаться от всех других измерений. Логика понятна — если есть один «источник правды», зачем хранить ещё server-side события, экспериментальную проверку и отчётность платформ?

Проблема в том, что MMM отвечает на другой вопрос. Оно хорошо объясняет, **как каналы работают на уровне системы**, но плохо видит короткие циклы, новые креативы, локальные акции и эффект отдельных изменений внутри недели. Когда рынок переходит в privacy-first среду, а last-click теряет доверие, соблазн сделать MMM единственным решением особенно велик. Но это ошибка масштаба.

MMM не заменяет атрибуцию и incrementality — оно **дополняет** их. Атрибуция нужна, чтобы видеть движение внутри воронки и быстро управлять закупкой. Инкрементальность — чтобы проверять, есть ли реальный прирост, а не перераспределение уже существующего спроса. MMM — чтобы собрать картину целиком и принять бюджетные решения на уровне квартала и года.

Что вместо мифа: строить не «одну модель», а систему измерений. MMM для стратегии, эксперименты для проверки эффекта, атрибуция для операционного управления. В 2026 году выигрывает не тот, у кого один красивый отчёт, а тот, кто умеет сводить несколько слабых источников в одно управляемое решение.

— @AttributionRoom

Россияне не смогут покупать стейблкоины

Россиянам могут закрыть доступ к покупке стейблкоинов: в новой версии закона их приравняли к иностранным активам.

Купить такие токены смогут только квалифицированные инвесторы — например, с активами от 24 млн рублей или доходом от 12 млн в год.

Что это значит для обычных пользователей и когда правило заработает — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/rossiiane-ne-smogut-pokupat-steiblkoiny

🧠 Ещё больше инсайтов → в канале AFF.top

Last click всё ещё «главный», если цифры сходятся

Этот миф живёт у многих performance-команд по одной причине: last click прост, дешёв и даёт ощущение контроля. Его удобно показывать в отчёте, на него легко завязать бонусы, а в интерфейсе рекламных систем он выглядит как понятная точка истины.

Проблема в том, что в 2026 году такая логика всё чаще ломается о реальность privacy-first атрибуции. Пользователь видит креатив в одном канале, сравнивает бренд через поиск, возвращается через другой путь, а финальный клик просто забирает себе заслугу. Особенно это заметно там, где растёт роль бренда, повторных касаний и отложенной конверсии. Last click не измеряет вклад в спрос — он фиксирует только удобную конечную точку.

**Если канал выглядит сильным только в last click, это не значит, что он эффективен.** Это значит, что он хорошо стоит на финише чужой работы.

Что вместо этого:
— смотреть на MMM, чтобы оценивать вклад каналов в выручку на уровне всей системы;
— проверять гипотезы через incrementality-исследования, а не через ощущение от отчёта;
— строить server-side и более чистую событийную инфраструктуру, чтобы уменьшать потери данных;
— оценивать канал по инкременту, а не по последнему касанию.

Для главы performance главный вопрос уже не «кто закрыл конверсию», а «что действительно создало дополнительную выручку».

— @AttributionRoom

Миф о точности last-click атрибуции в эпоху privacy-first

Существует устойчивое заблуждение, что если рекламная платформа показывает высокий ROAS (окупаемость расходов на рекламу) по модели последнего клика, то канал действительно генерирует чистую прибыль. Этот подход берет начало из эпохи «дешевого» трафика начала 2020-х, когда идентификаторы пользователей были доступны повсеместно, а цепочки взаимодействия с брендом — короткими.

Однако сегодня полагаться на last-click (последний клик) — значит строить стратегию на искаженных данных. В условиях, когда браузеры и операционные системы блокируют сторонние файлы cookie, а серверная передача данных (server-side tagging) становится стандартом, точность трекинга отдельных сессий падает. Модель последнего клика в 2026 году систематически недооценивает охватные медиа и переоценивает брендовый поиск, создавая иллюзию эффективности там, где на самом деле работает накопленный ранее эффект узнаваемости.

*Главная ошибка здесь в игнорировании инерции спроса.* В B2B и E-com сегментах клиент совершает покупку после множества касаний, часть которых вообще не фиксируется в аналитических панелях. Если вы отключаете «неэффективный» канал по данным last-click, вы неизбежно наблюдаете просадку общего объема продаж через несколько недель, так как перекрыли верхнюю часть воронки.

Вместо этого необходимо переходить к MMM (маркетинговому моделированию микса) и тестам на инкрементальность (приростную ценность). В эпоху RevOps (объединенного управления доходом) важно оценивать не конкретный клик, а вклад каждого маркетингового рычага в общую выручку компании с учетом внешних факторов. Атрибуция должна перестать быть инструментом для оптимизации бюджета внутри рекламного кабинета и стать инструментом для стратегического планирования, где приоритет отдается долгосрочному LTV (пожизненной ценности клиента), а не сиюминутной конверсии.

— @AttributionRoom

Last-click уже не объясняет выручку

У главы performance сегодня одна ловушка: смотреть на канал там, где нужно смотреть на систему. Последний клик всё ещё удобен для отчёта, но он всё хуже отвечает на главный вопрос — что реально добавило продажи, а что просто забрало себе финальное касание. В 2026 это особенно заметно: privacy-first-атрибуция, MMM и incrementality всё чаще расходятся с dashboard-логикой. И это не проблема инструментов. Это знак, что performance перестал быть про клики и стал про прирост выручки.

— @AttributionRoom