Google генерирует ИИ-ответы по 43% ключей

Google всё чаще отвечает сам: ИИ-сводки уже покрывают 43% ключей, а к 2026 году до 68% запросов могут завершаться без клика на сайт, в AI Mode — до 93%. Для медиа и SEO это риск потери трафика и монетизации: если пользователь получает ответ в выдаче, сайт может стать нерентабельным.

➡️ Читайте на сайте: https://aff.top/blog/google-generiruet-ii-otvety-po-43-kliuchei

🧠 Ещё больше инсайтов → в канале AFF.top

Grok может делать приложения прямо в чате

Grok запустил Build Mode — режим, где по одному промпту можно собрать приложение или сайт прямо в чате, получить код, превью и сразу доработать проект. Но функция пока доступна только в SuperGrok Heavy за $300 в месяц, поэтому для практики это слишком дорого: полезен разве что трастовый домен grok.me, но не за такие деньги.

➡️ Читайте на сайте: https://aff.top/blog/grok-mozhet-delat-prilozheniia-priamo-v-chate

🧠 Ещё больше инсайтов → в канале AFF.top

Как собрать единый отчёт по выручке в BigQuery: GA4 + CRM за 30 минут

Сначала — две минуты на понимание задачи. В эпоху RevOps, когда маркетинг, sales и клиентский сервис отвечают за общую выручку, классический split по MQL/SQL перестаёт работать. Нужен один источник правды: кто пришёл, что сделал, сколько заплатил и остался ли. BigQuery позволяет склеить данные GA4 с вашей CRM за пять SQL-запросов.

**Шаг 1. Экспорт GA4 в BigQuery.** Если не настроено — включите GA4 → BigQuery export в админке GA4. Это бесплатно, данные льются раз в сутки. Имя датасета обычно `analytics_XXXXXX` , таблицы — `events_YYYYMMDD`. Убедитесь, что передаётся `user_pseudo_id` и `event_params` (особенно `transaction_id` и `value` для покупок).

**Шаг 2. CRM-дамп в отдельную таблицу.** Выгрузите из amoCRM / Bitrix24 / SalesForce сделку с полями: ID сделки (или `transaction_id`), email, статус, сумма, дата закрытия, LTV. Залейте CSV в тот же датасет BigQuery через консоль или интерфейс. Назовите `crm_deals`.

**Шаг 3. Склейка через transaction_id.** Запрос:

```
SELECT
ga.event_date,
ga.user_pseudo_id,
ga.transaction_id,
ga.revenue,
crm.deal_status,
crm.ltv
FROM `project.dataset.ga4_events` AS ga
LEFT JOIN `project.dataset.crm_deals` AS crm
ON ga.transaction_id = crm.transaction_id
WHERE ga.event_name = 'purchase'
AND ga.event_date BETWEEN '2026-01-01' AND '2026-01-31'
```

Это даст строку на каждую покупку с CRM-тегом. Если сделка не найдена — у вас проблема с передачей ID на сайт.

**Шаг 4. Единая витрина для Reporting.** Создайте материализованную таблицу (или сохранённый запрос):

```
CREATE OR REPLACE TABLE `project.dataset.revops_unified` AS
SELECT
FORMAT_TIMESTAMP('%Y-%m-%d', TIMESTAMP_MICROS(event_timestamp)) AS date,
user_pseudo_id AS ga_id,
crm.email,
revenue,
CASE
WHEN crm.deal_status = 'won' THEN 'paid'
WHEN crm.deal_status = 'lost' THEN 'churned'
ELSE 'no_match'
END AS revenue_status,
crm.ltv
FROM ...
```

Теперь вы можете подключать эту таблицу к Data Studio или Looker — один источник для маркетинга, sales и customer success. Никаких больше споров «чей лид привёл к деньгам».

**Шаг 5. Автоматизация.** Настройте scheduled query в BigQuery, чтобы витрина обновлялась раз в сутки после загрузки GA4 и CRM-дампа. Готово.

На этой неделе реально сделать: включить экспорт GA4, выгрузить CRM, написать JOIN. Время — полчаса. Эффект — прозрачная атрибуция выручки без last-click заблуждений и PR ручных экселей.

— @BigQuery4MarketingPro

NordVPN спалил команду, которая лили на igambling

NordVPN заметил арбитражную схему с гемблой из FB и Instagram через PWA-прилы, где ссылка маскировалась под Google Play, а трафик уводили на казино. История показывает, что бренды и их разработчики всё чаще отслеживают такие воронки, а риск антифрода и блокировок для байеров растёт.

➡️ Читайте на сайте: https://aff.top/blog/nordvpn-spalil-komandu-kotoraia-lili-na-igambling

🧠 Ещё больше инсайтов → в канале AFF.top

Павла Дурова официально внесли в список террористов

В статье разбирают, как в РФ Telegram и лично Павла Дурова связали с обвинениями в содействии терроризму из-за бота «Дайвинчик». Вывод простой: претензия власти направлена не на сам мессенджер как продукт, а на его инфраструктуру и инструменты внутри него, но для пользователей это сигнал о росте рисков и непредсказуемости правил.

➡️ Читайте на сайте: https://aff.top/blog/pavla-durova-oficialno-vnesli-v-spisok-terroristov

🧠 Ещё больше инсайтов → в канале AFF.top

OpenAI извинились за новый дизайн ChatGPT

OpenAI признала, что новый десктопный ChatGPT вышел перегруженным: слитые в один интерфейс Chat, Work и Codex запутали пользователей и раздули приложение почти в 10 раз. После хейта обновление откатили, а вывод простой: функции надо упаковывать в единый UX без лишнего шума, даже если это помогает росту базы.

➡️ Читайте на сайте: https://aff.top/blog/openai-izvinilis-za-novyi-dizain-chatgpt

🧠 Ещё больше инсайтов → в канале AFF.top

UNPIVOT в BigQuery: почему маркетологи продолжают делать это руками

Семь лет в работе с маркетинговой аналитикой, и я до сих пор вижу одну и ту же картину: выгрузка из рекламного кабинета приходит в «широком» формате, аналитик руками перекладывает её в длинный (long) формат, тратит на это от часа до дня, и только потом строит отчёт. Зачем — спрашиваю. «Так удобнее», — отвечают. И добавляют, что попробовали UNPIVOT, получилось криво, вернулись к Excel.

Проблема не в функции. Проблема в подходе к ней.

UNPIVOT в BigQuery — это не «замена ручной работы». Это смена мышления с ячейки на строку. Когда вы привыкли думать таблицей, где столбцы — это метрики (показы, клики, расход, конверсии), переход к длинной структуре кажется избыточным. Но именно длинный формат — это язык, на котором SQL считает что-то осмысленное. Любая нормальная агрегация по креативам, площадкам, неделям и сегментам одновременно в широком формате превращается в портянку CASE WHEN. В длинном — один GROUP BY.

Практическое наблюдение из проектов: команды, которые перешли на UNPIVOT как стандарт ещё на этапе слоя STG (стейджинга), в среднем экономят около 30% времени аналитика на подготовку еженедельной отчётности. Это не магия — просто исключается шаг ручной перекладки и связанные с ним ошибки (пропущенный столбец, потерянный ноль, съехавшая формула).

Типичный шаблон выглядит так: в исходных данных у вас столбцы impressions, clicks, cost, conversions. После UNPIVOT по столбцам с метриками вы получаете две колонки — metric_name и metric_value. Дальше фильтр WHERE metric_name IN (...) и обычная агрегация. Если нужны разные типы данных в value (а cost у вас дробный, а клики целые) — приводите к NUMERIC на этапе UNPIVOT, иначе BigQuery ругнётся.

Что чаще всего идёт не так:

— забывают EXCLUDE — и в длинную таблицу уезжают колонки, которые не должны быть метриками (название кампании, дата, ID объявления);
— пытаются UNPIVOT-ить сразу всё подряд, включая идентификаторы, и удивляются, что строк стало в десять раз больше, чем нужно;
— используют UNPIVOT там, где хватает простого SELECT AS STRUCT — это про другое, но новички путают.

Если вы в команде до сих пор перекладываете выгрузки руками — это не особенность ваших данных. Это привычка, которая стоит вам аналитических часов. Попробуйте UNPIVOT на одной таблице, выделите метрики в отдельный список, посмотрите на разницу в коде отчёта. Дальше — вопрос дисциплины.

А вы уже перевели свои отчёты на длинный формат, или ещё сидите в широком?

— @BigQuery4MarketingPro

ChatGPT 5.6 Luna и Terra подешевели

OpenAI резко снизила цены на GPT-5.6 Luna и Terra спустя три недели после релиза, сделав их заметно дешевле для массового использования. Sol осталась премиальной по прежнему прайсу, но получила Fast mode с ускорением до 2,5 раза. Вывод: компания давит ценой и скоростью, чтобы быстрее нарастить спрос и долю рынка.

➡️ Читайте на сайте: https://aff.top/blog/chatgpt-5-6-luna-i-terra-podesheveli

🧠 Ещё больше инсайтов → в канале AFF.top

Доменная зона .web делегирован в корневую зону DNS

Verisign вывела .web в корневую зону DNS: теперь это полноценный TLD, но открытая регистрация ещё не стартовала. Сначала доступ получат владельцы совпадающих доменов в .com через LRP. Вывод для рынка: хорошие EMD в .com могут стать входным билетом в .web, если успеть занять брендовые имена раньше общего запуска.

➡️ Читайте на сайте: https://aff.top/blog/domennaia-zona-web-delegirovan-v-kornevuiu-zonu-dns

🧠 Ещё больше инсайтов → в канале AFF.top

В Facebook Ads появился раздел «Conversations»

Facebook Ads добавил Conversations с автоответом на комментарии: по ключевым словам можно сразу отправлять сообщение в личку. Для арбитража это новый способ прогрева и передачи ссылки без клоаки: в креативе можно просить оставить комментарий, а заинтересованных уводить с вайта на блэк уже в ДМ. Идея спорная, но её стоит тестировать.

➡️ Читайте на сайте: https://aff.top/blog/v-facebook-ads-poiavilsia-razdel-conversations

🧠 Ещё больше инсайтов → в канале AFF.top

Как BigQuery помогает связать CRM и рекламу в B2B без лишней ручной склейки

У B2B-компаний типичная проблема 2026 года: лидов становится меньше, а качество важнее объёма. Маркетинг уже не может жить только в MQL-логике — нужна связка с продажами и выручкой, то есть RevOps-подход.

Один из рабочих сценариев здесь — собрать данные в BigQuery и перестать считать эффективность рекламы по «кривым» таблицам из разных систем.

Компания из кейса столкнулась с тем, что:
— заявки приходили из нескольких источников;
— часть данных жила в CRM, часть — в рекламных кабинетах;
— на отчётность уходило много времени, а единая картина по воронке не складывалась.

Что сделали:
— выгрузили данные по лидам, сделкам и расходам в BigQuery;
— связали обращения с источниками трафика;
— собрали единый слой аналитики по этапам воронки: от первого касания до сделки;
— настроили регулярные запросы и отчёты, чтобы маркетинг и продажи смотрели на одни и те же цифры.

Что это дало:
— меньше ручной работы с данными;
— быстрее стали собираться отчёты по каналам;
— появилась возможность смотреть не только на стоимость лида, но и на вклад канала в выручку.

**Главный вывод**: в B2B уже мало знать, откуда пришёл лид. Нужно понимать, какой канал приводит не просто заявки, а сделки и деньги. Именно BigQuery позволяет собрать такую сквозную картину без постоянных Excel-стыковок.

Для маркетолога отсюда практический урок простой: если у вас есть CRM, рекламные расходы и хотя бы базовая дисциплина в UTM-метках, BigQuery можно использовать как центр правды. Это особенно важно сейчас, когда last-click-атрибуция теряет точность, а решения всё чаще принимают по совокупности данных: воронка, выручка, повторные покупки, срок сделки.

— @BigQuery4MarketingPro

Данные в BigQuery — это не панацея

Часто вижу проекты, где BigQuery завален сырыми данными из CRM, рекламных кабинетов и трекеров, а отдел маркетинга всё равно не знает, какой канал привёл реальную выручку в 2026 году.

Проблема не в объёме и не в скорости SQL-запроса. Проблема в том, что clean data (чистые данные) до сих пор воспринимаются как «когда-нибудь потом». Сейчас, когда last-click умирает, а на сцену выходят MMM (маркетинг-микс моделирование) и incrementality (инкрементальность), грязные данные превращаются не просто в шум, а в прямые убытки. BigQuery не прощает небрежности: одна неправильно соединённая таблица с customer_id — и вся атрибуция летит коту под хвост.

Data governance (управление качеством данных) из опции для гиков превратилось в базовое условие выживания для маркетинга. Без него любая модель — это гадание с красивым дашбордом.

— @BigQuery4MarketingPro

Атрибуция в эпоху приватности — это не поиск виноватых

Уход от модели последнего клика (last-click) стал неизбежен, но многие продолжают пытаться «докрутить» текущие отчеты в BigQuery до идеальной точности. Это ошибка. В 2026 году данные из рекламных кабинетов — лишь шум, а не истина. Ставка на моделирование маркетингового микса (MMM) и инкрементальность (оценка прироста) показывает, что ценность канала определяется не тем, куда кликнули перед покупкой, а тем, как изменилась выручка при изменении бюджета. Мы перестаем считать каждый рубль в моменте и начинаем управлять *пожизненной ценностью клиента* (LTV) через BigQuery-модели, которые видят всю воронку целиком.

— @BigQuery4MarketingPro

Open AI анонсировала новую модель ChatGPT - Astra

OpenAI показала правительству США новую модель Astra — следующую крупную нейросеть после Sol. Её фокус — долгосрочные задачи и управление саб-агентами, которые делят работу на мелкие шаги. Пока неясно, станет ли Astra GPT-6 или новой версией в линейке Sol, но релиз уже близко, и её стоит ждать на тестах.

➡️ Читайте на сайте: https://aff.top/blog/open-ai-anonsirovala-novuiu-model-chatgpt-astra

🧠 Ещё больше инсайтов → в канале AFF.top