Без “магии атрибуции”: как я строю доказательную логику incrementality в 2026
В 2026 “last-click-история” для performance выглядит всё менее убедительно. Причина не в том, что колдунство атрибуции плохое, а в том, что поведение пользователей стало многослойным: Topical Authority и ответы AI-агрегаторов съедают часть кликов, Search/SEO становится менее измеримым через переходы, а в e-commerce средний чек проседает на 5–8%, и люди чаще покупают после пауз, сравнения и возвращений. В такой среде у нас есть два пути: либо продолжать объяснять бюджеты ретроспективной воронкой, либо доказательно отвечать на вопрос “что случилось с выручкой благодаря тратам, а не просто параллельно им”.
Мой стандарт для инкрементальности (incrementality) простой: я перестаю спрашивать “сколько продаж дали кампании” и начинаю спрашивать “что изменилось в контрольной реальности”. Это можно делать разными методами — от квази-экспериментов до MMM (маркетинг-микс-моделирование) — но принцип один: нужен причинный якорь, пусть даже грубый. Ниже — как я делаю это на практике, когда бюджет нужно защищать перед CFO/RevOps, а не перед отчётом в конце недели.
1) Я фиксирую, что именно “инкрементим”
Самая частая ошибка — измерять инкрементальность “конверсий в конкретном окне”. В реальной выручке окно “видел рекламу → купил” чаще не совпадает с тем, что создаёт бренд- и demand-эффект. Поэтому я формулирую метрику как изменение в поведении относительно baseline по выручке или марже на когорте экспонированных vs неэкспонированных (или экспонированных меньше) — с разумным горизонтом. Если в вашем бизнесе цикл принятия решения 20–40 дней, измерять 7-дневную конверсию — почти всегда самообман.
2) Я выбираю якорь, который можно обосновать
Есть два рабочих класса якорей:
— География/аудитории: где воздействие может быть ограничено или “разведено” (частичная геосегментация, отбор аудиторий, временные окна).
— Моделирование на уровне агрегатов: MMM строит вклад по матрицам расходов, сезонности и лагам, а затем проверяется на правдоподобие через holdout-периоды.
Мой выбор зависит от данных. Если есть качественные логи и можно собрать контрольные условия — я иду в экспериментальную логику. Если нет (или тесты будут слишком дорогими) — беру MMM, но требую внутренней проверяемости: согласованность лагов с реальным циклом и устойчивость выводов при изменении предпосылок.
3) Я заставляю инкрементальность проходить “тест здравого смысла”
Тут важное наблюдение из практики: большинство моделей “инкрементальности” ломаются не от статистики, а от неверных допущений про baseline. Если baseline завышен (например, из-за того, что контроль тоже получает органический и direct спрос), модель будет занижать эффект. Если baseline занижен (например, контроль отрезан так, что вы теряете спрос целиком) — эффект будет казаться слишком большим.
Я решаю это простым внутренним тестом: сравниваю динамику “до” в контрольной и тестовой группах по 2–3 агрегатным признакам, которые не зависят от трат (например, доля органики, частота брендовых поисков, динамика возвратов клиентов). Если до момента воздействия группы расходятся статистически “необъяснимо”, я не называю результат инкрементальностью — я называю его корреляцией, даже если p-value выглядит красиво.
4) Встраиваю результат в бюджетирование, а не в красивую презентацию
Инкрементальность должна влиять на решения: масштабирование/перераспределение spend, пересборку микса (каналы/креативные стратегии), а иногда — на изменение роли маркетинга в RevOps (marketing ↔ sales ↔ customer success за общую выручку). В 2026 CFO хочет не “что-то доказали”, а “какой диапазон эффектов реалистичен” и “где риск ошибиться минимален”.
Поэтому я всегда отдаю не точку, а коридор: верх/низ вклада с оговоркой по допущениям. Это не слабость — это честность модели в условиях неполной наблюдаемости (privacy-first, разреженность сигналов, zero-click часть пути).
…
В 2026 “last-click-история” для performance выглядит всё менее убедительно. Причина не в том, что колдунство атрибуции плохое, а в том, что поведение пользователей стало многослойным: Topical Authority и ответы AI-агрегаторов съедают часть кликов, Search/SEO становится менее измеримым через переходы, а в e-commerce средний чек проседает на 5–8%, и люди чаще покупают после пауз, сравнения и возвращений. В такой среде у нас есть два пути: либо продолжать объяснять бюджеты ретроспективной воронкой, либо доказательно отвечать на вопрос “что случилось с выручкой благодаря тратам, а не просто параллельно им”.
Мой стандарт для инкрементальности (incrementality) простой: я перестаю спрашивать “сколько продаж дали кампании” и начинаю спрашивать “что изменилось в контрольной реальности”. Это можно делать разными методами — от квази-экспериментов до MMM (маркетинг-микс-моделирование) — но принцип один: нужен причинный якорь, пусть даже грубый. Ниже — как я делаю это на практике, когда бюджет нужно защищать перед CFO/RevOps, а не перед отчётом в конце недели.
1) Я фиксирую, что именно “инкрементим”
Самая частая ошибка — измерять инкрементальность “конверсий в конкретном окне”. В реальной выручке окно “видел рекламу → купил” чаще не совпадает с тем, что создаёт бренд- и demand-эффект. Поэтому я формулирую метрику как изменение в поведении относительно baseline по выручке или марже на когорте экспонированных vs неэкспонированных (или экспонированных меньше) — с разумным горизонтом. Если в вашем бизнесе цикл принятия решения 20–40 дней, измерять 7-дневную конверсию — почти всегда самообман.
2) Я выбираю якорь, который можно обосновать
Есть два рабочих класса якорей:
— География/аудитории: где воздействие может быть ограничено или “разведено” (частичная геосегментация, отбор аудиторий, временные окна).
— Моделирование на уровне агрегатов: MMM строит вклад по матрицам расходов, сезонности и лагам, а затем проверяется на правдоподобие через holdout-периоды.
Мой выбор зависит от данных. Если есть качественные логи и можно собрать контрольные условия — я иду в экспериментальную логику. Если нет (или тесты будут слишком дорогими) — беру MMM, но требую внутренней проверяемости: согласованность лагов с реальным циклом и устойчивость выводов при изменении предпосылок.
3) Я заставляю инкрементальность проходить “тест здравого смысла”
Тут важное наблюдение из практики: большинство моделей “инкрементальности” ломаются не от статистики, а от неверных допущений про baseline. Если baseline завышен (например, из-за того, что контроль тоже получает органический и direct спрос), модель будет занижать эффект. Если baseline занижен (например, контроль отрезан так, что вы теряете спрос целиком) — эффект будет казаться слишком большим.
Я решаю это простым внутренним тестом: сравниваю динамику “до” в контрольной и тестовой группах по 2–3 агрегатным признакам, которые не зависят от трат (например, доля органики, частота брендовых поисков, динамика возвратов клиентов). Если до момента воздействия группы расходятся статистически “необъяснимо”, я не называю результат инкрементальностью — я называю его корреляцией, даже если p-value выглядит красиво.
4) Встраиваю результат в бюджетирование, а не в красивую презентацию
Инкрементальность должна влиять на решения: масштабирование/перераспределение spend, пересборку микса (каналы/креативные стратегии), а иногда — на изменение роли маркетинга в RevOps (marketing ↔ sales ↔ customer success за общую выручку). В 2026 CFO хочет не “что-то доказали”, а “какой диапазон эффектов реалистичен” и “где риск ошибиться минимален”.
Поэтому я всегда отдаю не точку, а коридор: верх/низ вклада с оговоркой по допущениям. Это не слабость — это честность модели в условиях неполной наблюдаемости (privacy-first, разреженность сигналов, zero-click часть пути).
…
Forwarded from Natalia
ВПЕРВЫЕ! ТОЛЬКО ОДИН ВЕЧЕР!
🫥 ПИАР-ВОЙС В ЭТОМ ЧАТЕ🫥
Участников никто не знает.
Откуда они? Хуй его знает.
Темы — просто пиздец!
• Аналитика на двух лидах
• Слив анлим бюджетов
• Как просрать медийку
• Где найти нормальную работу
• Как закупиться себе в карман
⚡ Все это для тех, кто придет на ВОЙС
На котором обсудим:
Модераторы: @adv_god @natnetak
NO RESPECT CHAT • 27.08 • 19:00 GMT+3
Участников никто не знает.
Откуда они? Хуй его знает.
Темы — просто пиздец!
• Аналитика на двух лидах
• Слив анлим бюджетов
• Как просрать медийку
• Где найти нормальную работу
• Как закупиться себе в карман
Как делать PR, маркетинг и деньги в арбитраже трафика
На котором обсудим:
• На что компании еще готовы тратить деньги
• За чье внимание мы вообще конкурируем
• Что действительно работает, а что сливает бабки
• PR vs маркетинг
• Как измерить результаты кампейнов
• Что делать с запросом «хочу, чтобы про нас все знали»
Модераторы: @adv_god @natnetak
NO RESPECT CHAT • 27.08 • 19:00 GMT+3
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from AffPapa! Клуб спящих бизнесменов! Потрачено!
Иногда мне кажется, что я работаю не в iGaming, а в похоронном бюро.
Каждый день кто-то приносит очередной продукт и говорит: «У нас почему-то падает LTV.»
Потом открываешь аналитику и понимаешь, что игроки предупреждали об этом ещё месяц назад.
Просто никто не слушал.
Я — Head of Retention. И в своём канале разбираю ошибки, из-за которых команды месяцами теряют LTV, даже не замечая этого.
Каждый день кто-то приносит очередной продукт и говорит: «У нас почему-то падает LTV.»
Потом открываешь аналитику и понимаешь, что игроки предупреждали об этом ещё месяц назад.
Просто никто не слушал.
Я — Head of Retention. И в своём канале разбираю ошибки, из-за которых команды месяцами теряют LTV, даже не замечая этого.
Атрибуция перестала быть ответом
Сегодня глава performance часто хочет от модели одно: назвать канал-победитель. Но в 2026 это всё реже работает как управленческая логика. Last-click ещё жив в отчётах, а решения уже всё чаще принимают по MMM и инкрементальности — не чтобы спорить с цифрой, а чтобы понять, где есть реальный прирост, а где только удобная легенда. **Атрибуция теперь не отвечает на вопрос «кто продал», она показывает, кому мы привыкли верить.**
— @AttributionRoom
Сегодня глава performance часто хочет от модели одно: назвать канал-победитель. Но в 2026 это всё реже работает как управленческая логика. Last-click ещё жив в отчётах, а решения уже всё чаще принимают по MMM и инкрементальности — не чтобы спорить с цифрой, а чтобы понять, где есть реальный прирост, а где только удобная легенда. **Атрибуция теперь не отвечает на вопрос «кто продал», она показывает, кому мы привыкли верить.**
— @AttributionRoom
Как пересобрали атрибуцию в e-com, когда last-click перестал отвечать на вопрос «что реально продаёт»
Один из типичных кейсов 2026 года для e-commerce: бренд видел рост расходов на платный трафик, но не мог уверенно сказать, какие каналы дают инкрементальные продажи, а какие просто забирают себе уже готовый спрос. Last-click показывал красивую картинку, но на уровне выручки и маржи она не сходилась.
Задача была понятной: отделить вклад поиска, ретаргета и верхневоронковых кампаний, чтобы не оптимизировать бюджет по последнему касанию. Для этого пересобрали схему измерения: часть событий перевели на server-side-сбор, данные сверили между CRM, рекламными кабинетами и аналитикой, а затем дополнили классическую атрибуцию MMM-моделью и тестами на инкрементальность.
Что это дало на практике:
— стало видно, что часть конверсий, которые раньше приписывались ремаркетингу, на самом деле приходила из уже сформированного спроса;
— поиск оказался сильнее по удержанию объёма, но слабее по чистому приросту в отдельных неделях;
— верхневоронковые кампании не всегда давали быстрый CPA, зато лучше работали на общий объём продаж в связке с ретаргетом.
Главный результат таких пересборок обычно не в «магической» цифре, а в управляемости бюджета. Когда маркетинг смотрит не только на last-click, а на MMM и инкрементальность, можно начинать резать не по ощущениям, а по вкладу в выручку.
**Урок для главы performance** простой: если канал выглядит эффективным только в последнем касании, это ещё не значит, что он создаёт спрос. В эпоху privacy-first измерения выигрывает тот, кто умеет собирать картину из нескольких источников и принимать решения по приросту, а не по удобной отчетности.
— @AttributionRoom
Один из типичных кейсов 2026 года для e-commerce: бренд видел рост расходов на платный трафик, но не мог уверенно сказать, какие каналы дают инкрементальные продажи, а какие просто забирают себе уже готовый спрос. Last-click показывал красивую картинку, но на уровне выручки и маржи она не сходилась.
Задача была понятной: отделить вклад поиска, ретаргета и верхневоронковых кампаний, чтобы не оптимизировать бюджет по последнему касанию. Для этого пересобрали схему измерения: часть событий перевели на server-side-сбор, данные сверили между CRM, рекламными кабинетами и аналитикой, а затем дополнили классическую атрибуцию MMM-моделью и тестами на инкрементальность.
Что это дало на практике:
— стало видно, что часть конверсий, которые раньше приписывались ремаркетингу, на самом деле приходила из уже сформированного спроса;
— поиск оказался сильнее по удержанию объёма, но слабее по чистому приросту в отдельных неделях;
— верхневоронковые кампании не всегда давали быстрый CPA, зато лучше работали на общий объём продаж в связке с ретаргетом.
Главный результат таких пересборок обычно не в «магической» цифре, а в управляемости бюджета. Когда маркетинг смотрит не только на last-click, а на MMM и инкрементальность, можно начинать резать не по ощущениям, а по вкладу в выручку.
**Урок для главы performance** простой: если канал выглядит эффективным только в последнем касании, это ещё не значит, что он создаёт спрос. В эпоху privacy-first измерения выигрывает тот, кто умеет собирать картину из нескольких источников и принимать решения по приросту, а не по удобной отчетности.
— @AttributionRoom
Переход от “оптимизации на атрибуцию” к “оптимизации на причинность”
В 2026 я всё чаще вижу, как performance-команды упираются не в креатив и не в бюджет, а в логику измерения. И проблема проста: мы оптимизируемся под то, что легко посчитать (последний клик, ассист-метрики, конверсии по cookie/серверу), но принимаем решения так, будто измеряем причинное влияние. Это не одно и то же.
Моя позиция жёсткая: если у вас в отчётах рост конверсий выглядит “стабильно”, это ещё не значит, что вы стали эффективнее. В privacy-first мире измеряемость ухудшается, а доля показов без прямой фиксации растёт. Поэтому прирост может быть смесью:
— снижения доли “промахов” (лучше таргетинг — выше доля точных сессий),
— сдвига в качество трафика (больше брендов и demand’а — меньше стоимости входа),
— и реальной incremental-эффективности (показали — и именно это изменило поведение).
Что я предлагаю performance-руководителю вместо “докручивания” атрибуции: перестать спорить о методе атрибуции и начать управлять экспериментальной воронкой причинности.
Практический каркас, который хорошо работает в MMM и incrementality (причинность, а не совпадение):
— Шаг 1. Разделить источники на “измеряемые” и “условно измеряемые”. Не по бренду, а по природе: бренд-драйв часто демонстрирует больше прямых следов, верх воронки — меньше.
— Шаг 2. Запустить incrementality-логики там, где last-click гарантированно даёт иллюзию. Например, paid search поверх уже существующего спроса или ремаркетинг на аудитории, которые и так дошли бы.
— Шаг 3. Привязать решения не к ROAS, а к маржинальному uplfit’у (приросту к марже) и диапазону неопределённости.
Один наблюдаемый маркер из практики: когда в медиамиксе есть крупный вклад верхних охватов, “объяснение” на уровне ROAS часто выглядит идеально в пределах месяца, но ломается при изменениях частоты/гео/расписания. То есть модель (и атрибуция) ловит сезонность и распределение касаний, но причинность распознаёт хуже. В таких случаях MMM обычно показывает более широкие интервалы и меньше “уверенности” — и это правильно. Уверенность как раз вредна.
Какой следующий шаг я бы сделал в вашей команде на этой неделе:
— выбрать 1–2 канала, где вы подозреваете эффект “каннибализации demand’а” (когда вы оплачиваете то, что клиент сделал бы сам),
— провести тестовую логику incrementality с контролем (гео/время/аудитория),
— и только затем пересобрать “правила оптимизации” для закупки.
Если вы продолжите оптимизировать кампании так, как будто last-click — это причинность, вы будете всё время побеждать в отчётах и проигрывать по факту LTV. Причинность стоит дороже на запуск, но в 2026 это единственный путь, который масштабирует эффективность, а не статистические совпадения.
— @AttributionRoom
В 2026 я всё чаще вижу, как performance-команды упираются не в креатив и не в бюджет, а в логику измерения. И проблема проста: мы оптимизируемся под то, что легко посчитать (последний клик, ассист-метрики, конверсии по cookie/серверу), но принимаем решения так, будто измеряем причинное влияние. Это не одно и то же.
Моя позиция жёсткая: если у вас в отчётах рост конверсий выглядит “стабильно”, это ещё не значит, что вы стали эффективнее. В privacy-first мире измеряемость ухудшается, а доля показов без прямой фиксации растёт. Поэтому прирост может быть смесью:
— снижения доли “промахов” (лучше таргетинг — выше доля точных сессий),
— сдвига в качество трафика (больше брендов и demand’а — меньше стоимости входа),
— и реальной incremental-эффективности (показали — и именно это изменило поведение).
Что я предлагаю performance-руководителю вместо “докручивания” атрибуции: перестать спорить о методе атрибуции и начать управлять экспериментальной воронкой причинности.
Практический каркас, который хорошо работает в MMM и incrementality (причинность, а не совпадение):
— Шаг 1. Разделить источники на “измеряемые” и “условно измеряемые”. Не по бренду, а по природе: бренд-драйв часто демонстрирует больше прямых следов, верх воронки — меньше.
— Шаг 2. Запустить incrementality-логики там, где last-click гарантированно даёт иллюзию. Например, paid search поверх уже существующего спроса или ремаркетинг на аудитории, которые и так дошли бы.
— Шаг 3. Привязать решения не к ROAS, а к маржинальному uplfit’у (приросту к марже) и диапазону неопределённости.
Один наблюдаемый маркер из практики: когда в медиамиксе есть крупный вклад верхних охватов, “объяснение” на уровне ROAS часто выглядит идеально в пределах месяца, но ломается при изменениях частоты/гео/расписания. То есть модель (и атрибуция) ловит сезонность и распределение касаний, но причинность распознаёт хуже. В таких случаях MMM обычно показывает более широкие интервалы и меньше “уверенности” — и это правильно. Уверенность как раз вредна.
Какой следующий шаг я бы сделал в вашей команде на этой неделе:
— выбрать 1–2 канала, где вы подозреваете эффект “каннибализации demand’а” (когда вы оплачиваете то, что клиент сделал бы сам),
— провести тестовую логику incrementality с контролем (гео/время/аудитория),
— и только затем пересобрать “правила оптимизации” для закупки.
Если вы продолжите оптимизировать кампании так, как будто last-click — это причинность, вы будете всё время побеждать в отчётах и проигрывать по факту LTV. Причинность стоит дороже на запуск, но в 2026 это единственный путь, который масштабирует эффективность, а не статистические совпадения.
— @AttributionRoom
Точность “последнего клика” стала хуже, потому что стала проще: как я строю проверку на инкрементальность в 2026
В 2026 я все чаще вижу одну и ту же ловушку в performance-отчётности: маркетинг “видит” только то, что совпало по времени с конверсией, и называет это причинностью. Last-click (последний клик) технически понятен, но маркетинговый мир стал более разреженным по касаниям: поиск уходит в AI-обзоры, пользователи дольше “думают”, e-com просаживает средний чек на фоне экономии, B2B сильнее завязан на RevOps-цепочку (общая ответственность маркетинга, sales и customer success за выручку). В таких условиях last-click просто перестаёт быть измерителем — он становится сортировщиком событий по удобству.
Моя позиция жёсткая: если вы не проверяете инкрементальность (добавочный эффект к базовой линии), вы оптимизируете бюджет по шуму. Причём шум теперь не “случайный”: он структурирован тем, что больше людей приходит через органику и контент, а платная часть чаще выступает триггером в середине пути — и в отчёт не попадает.
Как я делаю проверку на инкрементальность без иллюзий, что данные “всё скажут”:
— Шаг 1. Я перестаю оптимизировать по ROAS “прямо сейчас”. Вместо этого фиксирую базовую линию: что происходит без дополнительной дозы платного трафика (хотя бы на уровне гео/канал-сегментов или через удержание исторического паттерна спроса).
— Шаг 2. Смотрю не только на конверсии, а на вклад в воронку после “точки принятия решения”. Для e-com это повторные покупки и retention (удержание), для B2B — скорость перехода в MQL/SQL и выручка в разрезе cohorts (когорт).
— Шаг 3. Привязываю анализ к бюджету как к экспериментальному рычагу. Любая реклама — это изменение спроса и внимания. Если нет контролируемого изменения, нет причины верить цифрам.
Наблюдение из практики за последний квартал: когда команды “подкручивают” ставки по last-click, часто получаем улучшение в отчёте на 10–20%, но по факту в lift (изменение относительно базовой линии) это превращается в ноль или отрицательную величину. Особенно в нишах, где аудитория до покупки/лида проходит через несколько источников, а AI-обзоры и контент перетягивают ранние стадии пути.
Почему MMM (моделирование маркетингового микса) в этом смысле возвращается в центр внимания. MMM не “отменяет” last-click — он делает то, что last-click не умеет: агрегирует причинные зависимости на уровне рынка и помогает отделить влияние бюджета от естественных колебаний спроса. Да, MMM не идеально точен на уровне кампаний, но зато честнее на уровне решения “куда класть деньги”.
Если у вас в отчётах всё красиво, а по реальной выручке и retention есть вопросы — я бы начал не с настройки атрибуции, а с проверки инкремента: вопрос не “сколько было конверсий”, а “что бы произошло без этого бюджета”. Именно на этом я строю решения.
— @AttributionRoom
В 2026 я все чаще вижу одну и ту же ловушку в performance-отчётности: маркетинг “видит” только то, что совпало по времени с конверсией, и называет это причинностью. Last-click (последний клик) технически понятен, но маркетинговый мир стал более разреженным по касаниям: поиск уходит в AI-обзоры, пользователи дольше “думают”, e-com просаживает средний чек на фоне экономии, B2B сильнее завязан на RevOps-цепочку (общая ответственность маркетинга, sales и customer success за выручку). В таких условиях last-click просто перестаёт быть измерителем — он становится сортировщиком событий по удобству.
Моя позиция жёсткая: если вы не проверяете инкрементальность (добавочный эффект к базовой линии), вы оптимизируете бюджет по шуму. Причём шум теперь не “случайный”: он структурирован тем, что больше людей приходит через органику и контент, а платная часть чаще выступает триггером в середине пути — и в отчёт не попадает.
Как я делаю проверку на инкрементальность без иллюзий, что данные “всё скажут”:
— Шаг 1. Я перестаю оптимизировать по ROAS “прямо сейчас”. Вместо этого фиксирую базовую линию: что происходит без дополнительной дозы платного трафика (хотя бы на уровне гео/канал-сегментов или через удержание исторического паттерна спроса).
— Шаг 2. Смотрю не только на конверсии, а на вклад в воронку после “точки принятия решения”. Для e-com это повторные покупки и retention (удержание), для B2B — скорость перехода в MQL/SQL и выручка в разрезе cohorts (когорт).
— Шаг 3. Привязываю анализ к бюджету как к экспериментальному рычагу. Любая реклама — это изменение спроса и внимания. Если нет контролируемого изменения, нет причины верить цифрам.
Наблюдение из практики за последний квартал: когда команды “подкручивают” ставки по last-click, часто получаем улучшение в отчёте на 10–20%, но по факту в lift (изменение относительно базовой линии) это превращается в ноль или отрицательную величину. Особенно в нишах, где аудитория до покупки/лида проходит через несколько источников, а AI-обзоры и контент перетягивают ранние стадии пути.
Почему MMM (моделирование маркетингового микса) в этом смысле возвращается в центр внимания. MMM не “отменяет” last-click — он делает то, что last-click не умеет: агрегирует причинные зависимости на уровне рынка и помогает отделить влияние бюджета от естественных колебаний спроса. Да, MMM не идеально точен на уровне кампаний, но зато честнее на уровне решения “куда класть деньги”.
Если у вас в отчётах всё красиво, а по реальной выручке и retention есть вопросы — я бы начал не с настройки атрибуции, а с проверки инкремента: вопрос не “сколько было конверсий”, а “что бы произошло без этого бюджета”. Именно на этом я строю решения.
— @AttributionRoom
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
В роликах Youtube теперь можно рекламировать товары Amazone
➡️ Читайте на сайте: https://aff.top/blog/v-rolikakh-youtube-teper-mozhno-reklamirovat-tovary-amazone
🧠 Ещё больше инсайтов → в канале AFF.top
➡️ Читайте на сайте: https://aff.top/blog/v-rolikakh-youtube-teper-mozhno-reklamirovat-tovary-amazone
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Google выпустил Gemini Omni 1.1 Flash
Google обновил Gemini Omni для генерации видео: модель умеет продолжать сцены с учётом до 10 секунд контекста и собирать ролик до 40 секунд, работать по референсу и делать переходы между кадрами. Главный вывод — инструмент стал практичнее для продакшена, а посекундная цена делает его заметно доступнее для тестов и рабочих задач.
➡️ Читайте на сайте: https://aff.top/blog/google-vypustil-gemini-omni-1-1-flash
🧠 Ещё больше инсайтов → в канале AFF.top
Google обновил Gemini Omni для генерации видео: модель умеет продолжать сцены с учётом до 10 секунд контекста и собирать ролик до 40 секунд, работать по референсу и делать переходы между кадрами. Главный вывод — инструмент стал практичнее для продакшена, а посекундная цена делает его заметно доступнее для тестов и рабочих задач.
➡️ Читайте на сайте: https://aff.top/blog/google-vypustil-gemini-omni-1-1-flash
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Топ 5 PWA-сервисов для залива дейтинга
Статья показывает, что PWA выгодны не только для гемблы: в дейтинге они дают пуш-базу, больше траста и помогают маскировать оффер под бренд. Главный выбор зависит от цены инсталлов и теста GEO: для старта лучше бесплатные или дешёвые решения, а Progressier выделяется как самый практичный вариант для залива дейтинга.
➡️ Читайте на сайте: https://aff.top/blog/top-5-pwa-servisov-dlia-zaliva-deitinga
🧠 Ещё больше инсайтов → в канале AFF.top
Статья показывает, что PWA выгодны не только для гемблы: в дейтинге они дают пуш-базу, больше траста и помогают маскировать оффер под бренд. Главный выбор зависит от цены инсталлов и теста GEO: для старта лучше бесплатные или дешёвые решения, а Progressier выделяется как самый практичный вариант для залива дейтинга.
➡️ Читайте на сайте: https://aff.top/blog/top-5-pwa-servisov-dlia-zaliva-deitinga
🧠 Ещё больше инсайтов → в канале AFF.top
Смерть атрибуции по последнему клику как инструмент управления бюджетом
В 2026 году продолжать принимать решения о распределении рекламных бюджетов, опираясь на показатели атрибуции по последнему клику (last-click attribution) — значит осознанно инвестировать в иллюзию. Мы живем в эпоху «нулевого клика» (zero-click), где пользователь потребляет контент внутри поисковых систем, ИИ-ассистентов и агрегаторов, даже не переходя на целевой сайт. Когда путь клиента растянут во времени, а касания размыты между экосистемами, традиционная аналитика становится не просто неточной — она становится опасной.
Фундаментальная проблема Last-click в том, что он награждает того, кто «забрал» клиента на финальном этапе, игнорируя системную работу по формированию спроса. В B2B-сегменте, где модель RevOps (объединение маркетинга, продаж и клиентского сервиса для управления выручкой) вытесняет классическую генерацию лидов, это ведет к катастрофическим искажениям. Мы видим, как каналы, формирующие узнаваемость, обнуляются в отчетах, что дает повод для необоснованного сокращения бюджетов на бренд-коммуникации.
Наблюдение из практики: в одном из недавних проектов по анализу эффективности маркетинговых миксов (MMM) мы обнаружили, что 35% конверсий, которые Performance-команда атрибутировала на свои кампании, фактически были «органическим эхом». Это значит, что пользователи совершали целевое действие не из-за конкретного объявления, а благодаря совокупному воздействию охватных кампаний и накопленного доверия к бренду.
Что делать сейчас:
— Переставать слепо доверять отчетам рекламных кабинетов. Они созданы, чтобы продавать вам больше рекламы, а не экономить ваши деньги.
— Внедрять методы исследования инкрементальности (дополнительной ценности). Нужно честно задавать вопрос: «Купил бы этот клиент, если бы мы не показали ему последнюю рекламу?».
— Переводить фокус на LTV (пожизненную ценность клиента). В условиях, когда средний чек снижается, краткосрочная окупаемость первой покупки становится метрикой с низкой предсказательной силой.
Будущее управления бюджетом лежит в «серверной» (server-side) аналитике и построении маркетинговых моделей на базе данных о продажах. Статистические модели — это не дань моде, а единственный способ увидеть реальный вклад каждого канала в выручку, когда путь клиента стал нелинейным и скрытым от глаз привычных счетчиков. Ваши данные должны быть чистыми от искажений рекламных площадок, иначе вы оптимизируете бизнес в никуда.
— @AttributionRoom
В 2026 году продолжать принимать решения о распределении рекламных бюджетов, опираясь на показатели атрибуции по последнему клику (last-click attribution) — значит осознанно инвестировать в иллюзию. Мы живем в эпоху «нулевого клика» (zero-click), где пользователь потребляет контент внутри поисковых систем, ИИ-ассистентов и агрегаторов, даже не переходя на целевой сайт. Когда путь клиента растянут во времени, а касания размыты между экосистемами, традиционная аналитика становится не просто неточной — она становится опасной.
Фундаментальная проблема Last-click в том, что он награждает того, кто «забрал» клиента на финальном этапе, игнорируя системную работу по формированию спроса. В B2B-сегменте, где модель RevOps (объединение маркетинга, продаж и клиентского сервиса для управления выручкой) вытесняет классическую генерацию лидов, это ведет к катастрофическим искажениям. Мы видим, как каналы, формирующие узнаваемость, обнуляются в отчетах, что дает повод для необоснованного сокращения бюджетов на бренд-коммуникации.
Наблюдение из практики: в одном из недавних проектов по анализу эффективности маркетинговых миксов (MMM) мы обнаружили, что 35% конверсий, которые Performance-команда атрибутировала на свои кампании, фактически были «органическим эхом». Это значит, что пользователи совершали целевое действие не из-за конкретного объявления, а благодаря совокупному воздействию охватных кампаний и накопленного доверия к бренду.
Что делать сейчас:
— Переставать слепо доверять отчетам рекламных кабинетов. Они созданы, чтобы продавать вам больше рекламы, а не экономить ваши деньги.
— Внедрять методы исследования инкрементальности (дополнительной ценности). Нужно честно задавать вопрос: «Купил бы этот клиент, если бы мы не показали ему последнюю рекламу?».
— Переводить фокус на LTV (пожизненную ценность клиента). В условиях, когда средний чек снижается, краткосрочная окупаемость первой покупки становится метрикой с низкой предсказательной силой.
Будущее управления бюджетом лежит в «серверной» (server-side) аналитике и построении маркетинговых моделей на базе данных о продажах. Статистические модели — это не дань моде, а единственный способ увидеть реальный вклад каждого канала в выручку, когда путь клиента стал нелинейным и скрытым от глаз привычных счетчиков. Ваши данные должны быть чистыми от искажений рекламных площадок, иначе вы оптимизируете бизнес в никуда.
— @AttributionRoom
🔥 Новый участник НеТОПа на AffPapa!
https://affpapa.org/netop
🏆 НеТОП на AffPapa — https://affpapa.org/netop/go/27?src=broadcast
Платный рейтинг индустрии: плати больше — стоишь выше. Займи место в топе за USDT.
💰 Ставка: $100 · сейчас #1 в рейтинге
https://affpapa.org/netop
🏆 НеТОП на AffPapa — https://affpapa.org/netop/go/27?src=broadcast
Платный рейтинг индустрии: плати больше — стоишь выше. Займи место в топе за USDT.
💰 Ставка: $100 · сейчас #1 в рейтинге
affpapa.org
НеТОП — рейтинг индустрии за USDT | affpapa.org
Аукцион мест за USDT: собрано $132.30 · #1 стоит $111.10 · 3 участников. Плати больше — стоишь выше, перебей #1.
🔥 justbrand_create — новый участник рейтинга НеТОП на AffPapa!
🏆 Своё место в топе честно купил justbrand_create: https://affpapa.org/netop/go/28?src=broadcast
💰 Ставка: $111 · сейчас #1 в рейтинге
Весь рейтинг → https://affpapa.org/netop
🏆 Своё место в топе честно купил justbrand_create: https://affpapa.org/netop/go/28?src=broadcast
💰 Ставка: $111 · сейчас #1 в рейтинге
Весь рейтинг → https://affpapa.org/netop
Эволюция атрибуции: почему Lamoda пересмотрела вклад офлайн-активаций в онлайн-продажи
В условиях 2026 года, когда классическая атрибуция по последнему клику (last-click) окончательно потеряла статус «золотого стандарта», крупные игроки рынка переходят к модели маркетингового микс-моделирования (MMM). Рассмотрим кейс Lamoda, сфокусированный на оценке влияния долгосрочных медийных охватов на e-com (электронную коммерцию).
Контекст: Ритейлер столкнулся с классической проблемой: рост затрат на охватные кампании не находил прямого отражения в отчетах по эффективности, так как потребительский путь стал фрагментированным. Из-за снижения среднего чека на 6%, фокус сместился на удержание (retention) и пожизненную ценность клиента (LTV).
Задача: Объективно оценить вклад медийных кампаний в конверсию, учитывая, что до 40% пользователей совершают покупку через 2-3 недели после контакта с рекламой, используя разные устройства и браузеры, блокирующие куки (cookie).
Решение: Команда маркетинга внедрила систему построения эконометрических моделей (MMM) для оценки инкрементальности (добавочной ценности) каналов. Вместо попыток «поймать» пользователя за руку, модель анализировала корреляцию между всплесками инвестиций в охватные медиа и органическим трафиком, а также прямыми заходами в приложение.
— Были выделены три слоя данных: медийные инвестиции, сезонные коэффициенты и внешние рыночные факторы (инфляция, изменение покупательской способности).
— Модель на базе машинного обучения позволила отделить «шум» от реального влияния брендинга на продажи.
— Внедрен серверный (server-side) сбор данных, который нивелировал потери информации из-за жестких политик приватности браузеров.
Результат: Выяснилось, что 18% продаж, которые ранее ошибочно приписывались прямому трафику, на деле были спровоцированы медийными охватами в социальных сетях и OLV (онлайн-видео). После перераспределения бюджета в пользу каналов с высокой инкрементальностью, общая стоимость привлечения клиента (CAC) снизилась на 12%. Выручка в пересчете на один активный аккаунт выросла, так как маркетинг сфокусировался на поддержке лояльности, а не просто на «догоняющей» рекламе.
Урок: В эпоху, когда первичная покупка становится менее прибыльной, а поисковые системы все чаще отдают предпочтение ИИ-ответам (AI-overviews), нельзя полагаться на отчеты рекламных кабинетов. Лидер команды performance должен мыслить категориями RevOps (общей ответственности за выручку). Метрики должны сдвигаться от стоимости клика к вкладу канала в общий объем выручки, учитывая задержку (лаг) между контактом и оплатой.
*Атрибуция сегодня — это не поиск точного источника, а оценка того, как комплекс маркетинговых усилий меняет финансовый результат в долгосрочной перспективе.*
— @AttributionRoom
В условиях 2026 года, когда классическая атрибуция по последнему клику (last-click) окончательно потеряла статус «золотого стандарта», крупные игроки рынка переходят к модели маркетингового микс-моделирования (MMM). Рассмотрим кейс Lamoda, сфокусированный на оценке влияния долгосрочных медийных охватов на e-com (электронную коммерцию).
Контекст: Ритейлер столкнулся с классической проблемой: рост затрат на охватные кампании не находил прямого отражения в отчетах по эффективности, так как потребительский путь стал фрагментированным. Из-за снижения среднего чека на 6%, фокус сместился на удержание (retention) и пожизненную ценность клиента (LTV).
Задача: Объективно оценить вклад медийных кампаний в конверсию, учитывая, что до 40% пользователей совершают покупку через 2-3 недели после контакта с рекламой, используя разные устройства и браузеры, блокирующие куки (cookie).
Решение: Команда маркетинга внедрила систему построения эконометрических моделей (MMM) для оценки инкрементальности (добавочной ценности) каналов. Вместо попыток «поймать» пользователя за руку, модель анализировала корреляцию между всплесками инвестиций в охватные медиа и органическим трафиком, а также прямыми заходами в приложение.
— Были выделены три слоя данных: медийные инвестиции, сезонные коэффициенты и внешние рыночные факторы (инфляция, изменение покупательской способности).
— Модель на базе машинного обучения позволила отделить «шум» от реального влияния брендинга на продажи.
— Внедрен серверный (server-side) сбор данных, который нивелировал потери информации из-за жестких политик приватности браузеров.
Результат: Выяснилось, что 18% продаж, которые ранее ошибочно приписывались прямому трафику, на деле были спровоцированы медийными охватами в социальных сетях и OLV (онлайн-видео). После перераспределения бюджета в пользу каналов с высокой инкрементальностью, общая стоимость привлечения клиента (CAC) снизилась на 12%. Выручка в пересчете на один активный аккаунт выросла, так как маркетинг сфокусировался на поддержке лояльности, а не просто на «догоняющей» рекламе.
Урок: В эпоху, когда первичная покупка становится менее прибыльной, а поисковые системы все чаще отдают предпочтение ИИ-ответам (AI-overviews), нельзя полагаться на отчеты рекламных кабинетов. Лидер команды performance должен мыслить категориями RevOps (общей ответственности за выручку). Метрики должны сдвигаться от стоимости клика к вкладу канала в общий объем выручки, учитывая задержку (лаг) между контактом и оплатой.
*Атрибуция сегодня — это не поиск точного источника, а оценка того, как комплекс маркетинговых усилий меняет финансовый результат в долгосрочной перспективе.*
— @AttributionRoom
MMM вместо споров про last-click: как бренд перестроил медиамикс по выручке
У многих команд в performance до сих пор спор один и тот же: «какой канал забрал конверсию». Но когда рынок уходит в privacy-first-атрибуцию, такой вопрос всё чаще вводит в заблуждение. Один из свежих кейсов показывает, почему.
Бренд из e-com столкнулся с типичной картиной 2026 года: средний чек проседает, первая покупка хуже окупается, а каналы в отчётах спорят между собой. Команда видела рост платного трафика в last-click, но не понимала, что реально двигает выручку, а что просто забирает уже готовый спрос.
Решение было не в том, чтобы «докрутить» отчётность, а в переходе к MMM-модели (marketing mix modeling — моделирование маркетинг-микса) и проверке инкрементальности. Сначала собрали историю расходов, продаж и сезонности, затем отделили вклад медийных каналов, search, промо и органики. После этого провели тесты на гео- или временных сплитах, чтобы проверить, где рост действительно добавочный, а где канал лишь перехватывал конверсию.
Что дали цифры:
— last-click показывал перегрев search и ретаргета;
— MMM показал, что часть бюджета в ретаргете даёт слабую добавочную выручку;
— после перераспределения бюджета в более верхние каналы и в более сильные связки по search команда получила более устойчивую картину вклада по выручке, а не по кликам.
Главный вывод для главы performance простой: **оптимизировать надо не отчёт, а прирост выручки**. В 2026 году это особенно важно, потому что:
— AI-overviews и zero-click снижают ценность части поискового трафика;
— last-click всё хуже объясняет вклад верхних касаний;
— retention и LTV становятся важнее первой покупки.
Урок из кейса: если канал красиво выглядит в кабинете, это ещё не значит, что он даёт инкрементальный рост. Для зрелой команды следующий шаг — не спорить с атрибуцией, а связать MMM, эксперименты и финансовую модель в одну систему принятия решений.
— @AttributionRoom
У многих команд в performance до сих пор спор один и тот же: «какой канал забрал конверсию». Но когда рынок уходит в privacy-first-атрибуцию, такой вопрос всё чаще вводит в заблуждение. Один из свежих кейсов показывает, почему.
Бренд из e-com столкнулся с типичной картиной 2026 года: средний чек проседает, первая покупка хуже окупается, а каналы в отчётах спорят между собой. Команда видела рост платного трафика в last-click, но не понимала, что реально двигает выручку, а что просто забирает уже готовый спрос.
Решение было не в том, чтобы «докрутить» отчётность, а в переходе к MMM-модели (marketing mix modeling — моделирование маркетинг-микса) и проверке инкрементальности. Сначала собрали историю расходов, продаж и сезонности, затем отделили вклад медийных каналов, search, промо и органики. После этого провели тесты на гео- или временных сплитах, чтобы проверить, где рост действительно добавочный, а где канал лишь перехватывал конверсию.
Что дали цифры:
— last-click показывал перегрев search и ретаргета;
— MMM показал, что часть бюджета в ретаргете даёт слабую добавочную выручку;
— после перераспределения бюджета в более верхние каналы и в более сильные связки по search команда получила более устойчивую картину вклада по выручке, а не по кликам.
Главный вывод для главы performance простой: **оптимизировать надо не отчёт, а прирост выручки**. В 2026 году это особенно важно, потому что:
— AI-overviews и zero-click снижают ценность части поискового трафика;
— last-click всё хуже объясняет вклад верхних касаний;
— retention и LTV становятся важнее первой покупки.
Урок из кейса: если канал красиво выглядит в кабинете, это ещё не значит, что он даёт инкрементальный рост. Для зрелой команды следующий шаг — не спорить с атрибуцией, а связать MMM, эксперименты и финансовую модель в одну систему принятия решений.
— @AttributionRoom
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Google отменил ручную пессимизацию в Еврозоне
Google перестал пессимизировать крупные новостники за паразитные страницы с казино и другими партнёрскими офферами в ЕЭЗ. Для арбитража вывод простой: в Европе схема с «пирогами» больше не даёт преимущества от траста основного домена, а Google впервые применяет разные правила по GEO под давлением регулятора.
➡️ Читайте на сайте: https://aff.top/blog/google-otmenil-ruchnuiu-pessimizaciiu-v-evrozone
🧠 Ещё больше инсайтов → в канале AFF.top
Google перестал пессимизировать крупные новостники за паразитные страницы с казино и другими партнёрскими офферами в ЕЭЗ. Для арбитража вывод простой: в Европе схема с «пирогами» больше не даёт преимущества от траста основного домена, а Google впервые применяет разные правила по GEO под давлением регулятора.
➡️ Читайте на сайте: https://aff.top/blog/google-otmenil-ruchnuiu-pessimizaciiu-v-evrozone
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Вышел OpenClaw 2.0
OpenClaw вышел на новый уровень: совместная работа, нормальный веб-интерфейс и более простая настройка. Разбираем, зачем это обновление важно и как оно меняет работу с ИИ-агентом.
➡️ Читайте на сайте: https://aff.top/blog/vyshel-openclaw-2-0
🧠 Ещё больше инсайтов → в канале AFF.top
OpenClaw вышел на новый уровень: совместная работа, нормальный веб-интерфейс и более простая настройка. Разбираем, зачем это обновление важно и как оно меняет работу с ИИ-агентом.
➡️ Читайте на сайте: https://aff.top/blog/vyshel-openclaw-2-0
🧠 Ещё больше инсайтов → в канале AFF.top
Last-click всё хуже объясняет деньги
У главы performance сейчас одна ловушка: отчётность выглядит аккуратно, а реальный вклад каналов — нет. Когда пользователь видит креатив в одном месте, ищет в другом, а покупает позже через ретеншн-цепочку, last-click рисует удобную, но ложную картину. Поэтому MMM и инкрементальность уже не «дополнение» к атрибуции, а способ вообще понять, где маркетинг создаёт выручку, а где просто забирает её себе в отчётах.
— @AttributionRoom
У главы performance сейчас одна ловушка: отчётность выглядит аккуратно, а реальный вклад каналов — нет. Когда пользователь видит креатив в одном месте, ищет в другом, а покупает позже через ретеншн-цепочку, last-click рисует удобную, но ложную картину. Поэтому MMM и инкрементальность уже не «дополнение» к атрибуции, а способ вообще понять, где маркетинг создаёт выручку, а где просто забирает её себе в отчётах.
— @AttributionRoom
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Павел Дуров анонсировал Gram Wallet
Дуров анонсировал Gram Wallet — нативный некастодиальный криптокошелёк внутри Telegram. Он обещает мгновенные переводы с нулевой комиссией между пользователями и более простые обновления за счёт архитектуры с валидаторами. Запуск уже идёт, а полный релиз ждут в ближайшие недели.
➡️ Читайте на сайте: https://aff.top/blog/pavel-durov-anonsiroval-gram-wallet
🧠 Ещё больше инсайтов → в канале AFF.top
Дуров анонсировал Gram Wallet — нативный некастодиальный криптокошелёк внутри Telegram. Он обещает мгновенные переводы с нулевой комиссией между пользователями и более простые обновления за счёт архитектуры с валидаторами. Запуск уже идёт, а полный релиз ждут в ближайшие недели.
➡️ Читайте на сайте: https://aff.top/blog/pavel-durov-anonsiroval-gram-wallet
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Новые ограничение в Instagram для ИИ-профилей
Instagram ужесточает условия для УБТ: аккаунты помечают как созданные ИИ, а без такой маркировки можно словить теневой бан. Если нейросеть лишь улучшает контент, санкций нет. Для арбитражников это значит, что привычные схемы в FB и Инсте будут работать хуже, а обход антифрода станет сложнее.
➡️ Читайте на сайте: https://aff.top/blog/novye-ogranichenie-v-instagram-dlia-ii-profilei
🧠 Ещё больше инсайтов → в канале AFF.top
Instagram ужесточает условия для УБТ: аккаунты помечают как созданные ИИ, а без такой маркировки можно словить теневой бан. Если нейросеть лишь улучшает контент, санкций нет. Для арбитражников это значит, что привычные схемы в FB и Инсте будут работать хуже, а обход антифрода станет сложнее.
➡️ Читайте на сайте: https://aff.top/blog/novye-ogranichenie-v-instagram-dlia-ii-profilei
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP - про арбитраж трафика и CPA рынок!
This media is not supported in your browser
VIEW IN TELEGRAM
Оборот ChatGPT Ads достиг $1 миллиарда
OpenAI вывела ChatGPT Ads в self-service для Индии, Европы, Ближнего Востока и Северной Африки, а оборот платформы уже достиг $1 млрд. Для арбитража это сигнал присмотреться к новому источнику: трафик из нейронок выглядит горячим, но вход дорогой — CPC в tier-1 GEO около $5, поэтому тестировать стоит точечно и с небольшим бюджетом.
➡️ Читайте на сайте: https://aff.top/blog/oborot-chatgpt-ads-dostig-1-milliarda
🧠 Ещё больше инсайтов → в канале AFF.top
OpenAI вывела ChatGPT Ads в self-service для Индии, Европы, Ближнего Востока и Северной Африки, а оборот платформы уже достиг $1 млрд. Для арбитража это сигнал присмотреться к новому источнику: трафик из нейронок выглядит горячим, но вход дорогой — CPC в tier-1 GEO около $5, поэтому тестировать стоит точечно и с небольшим бюджетом.
➡️ Читайте на сайте: https://aff.top/blog/oborot-chatgpt-ads-dostig-1-milliarda
🧠 Ещё больше инсайтов → в канале AFF.top