Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
В Whatsapp скамят пользователей с помощью поддельных никнеймов
WhatsApp запустил никнеймы — и почти сразу начался скам. Мошенники регистрируют имена, похожие на бренды, звёзд и политиков, с минимальными опечатками.
Индия, где 500 млн пользователей WhatsApp, потребовала от Meta объяснений за 3 дня. Meta говорит, что точные совпадения заблокированы — но одна буква в другом месте защиту не триггерит.
Похоже, п…
➡️ Читайте на сайте: https://aff.top/blog/v-whatsapp-skamiat-polzovatelei-s-pomoschiu-poddelnykh-nikneimov
🧠 Ещё больше инсайтов → в канале AFF.top
WhatsApp запустил никнеймы — и почти сразу начался скам. Мошенники регистрируют имена, похожие на бренды, звёзд и политиков, с минимальными опечатками.
Индия, где 500 млн пользователей WhatsApp, потребовала от Meta объяснений за 3 дня. Meta говорит, что точные совпадения заблокированы — но одна буква в другом месте защиту не триггерит.
Похоже, п…
➡️ Читайте на сайте: https://aff.top/blog/v-whatsapp-skamiat-polzovatelei-s-pomoschiu-poddelnykh-nikneimov
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Вышел ZCode - аналог Claude code
Вышел ZCode — десктопный аналог Claude Code от разработчиков GLM-5.2. Работает с API от Anthropic, поддерживает SSH-деплой на сервер, в том числе Linux.
Вместо пошаговых скриптов — система целеполагания Goal: закидываешь сложный промт, агент сам разбивает задачу и выполняет. Плюс управление через Telegram-бота.
Но главная фича — мультиагентность…
➡️ Читайте на сайте: https://aff.top/blog/vyshel-zcode-analog-claude-code
🧠 Ещё больше инсайтов → в канале AFF.top
Вышел ZCode — десктопный аналог Claude Code от разработчиков GLM-5.2. Работает с API от Anthropic, поддерживает SSH-деплой на сервер, в том числе Linux.
Вместо пошаговых скриптов — система целеполагания Goal: закидываешь сложный промт, агент сам разбивает задачу и выполняет. Плюс управление через Telegram-бота.
Но главная фича — мультиагентность…
➡️ Читайте на сайте: https://aff.top/blog/vyshel-zcode-analog-claude-code
🧠 Ещё больше инсайтов → в канале AFF.top
Customer.io vs Braze vs Iterable: что выбрать для lifecycle-автоматизаций в CRM
Если вы делаете белый lifecycle-маркетинг (email/мультиканальные триггеры, сегменты, сценарии под воронку и retention) и в 2026 году пытаетесь пережить privacy-first атрибуцию и «нулевой» (zero-click) поиск, то вопрос обычно сводится к одному: насколько платформа помогает управлять данными и сообщениями как системой, а не набором рассылок. Ниже — сравнение 3 инструментов одного класса: Customer.io, Braze (Braze) и Iterable.
Customer.io — для команд с фокусом на trigger-first коммуникации и сценарии вокруг поведения пользователей
Сильная сторона — практичная логика lifecycle: события → сегмент → условие → сообщение, плюс удобная настройка отправок по данным (удобно выстраивать именно диалоги воронки, а не просто email-потоки). Часто выбирают, когда нужно быстро переводить гипотезы в тестируемые сценарии: регистрация, активация, “не дошёл до следующего шага”, churn-risk.
Слабая сторона / минус — глубина “всего сразу” может быть ниже, чем у платформ уровня all-in-one для крупных маркетинг-организаций (например, по части широты готовых omni-канальных механик и сложных организационных сценариев). Иногда приходится дольше “доделывать” интеграции под конкретные источники данных.
Braze — для компаний, где lifecycle давно часть операционной модели и нужен масштаб сообщений по множеству каналов
Сильная сторона — сильная экосистема для omni-channel: можно разворачивать сложные пути, удерживать единый контроль над коммуникациями и управлять частотой/приоритетами на уровне платформы. Braze часто берут там, где важны зрелые процессы валидации аудиторий и управление коммуникациями на большой базе.
Слабая сторона / минус — порог входа: для небольших команд избыточно, а настройка структуры данных и правил маршрутизации может занять больше времени, чем ожидали. Плюс стоимость владения обычно выше, и нужно заранее оценить, окупится ли “ширина” именно вашим use case.
Iterable — для growth/RevOps-ориентированных команд, которым важны и сегментация, и автоматизация, и “чистые” требования к доставляемости
Сильная сторона — удобен для построения lifecycle-сегментов и сценариев с упором на то, чтобы сообщения стабильно доходили до клиентов. В 2026 году на доставляемость влияет всё: согласия, репутация доменов, bulk-ограничения почтовиков. Поэтому платформы уровня Iterable/Customer.io/Braze ценят за контроль отправок и управляемые процессы, а не только за интерфейс сценариев.
Слабая сторона / минус — как и у других “широких” платформ, многое зависит от качества вашей event-модели и дисциплины данных: если события/атрибуты кривые, сценарии будут “работать”, но давать не ту релевантность, на которую вы рассчитывали.
как выбирать
— Начните с вопроса “что у нас главный trigger и какие события являются источником истины?”, затем сравните: у кого быстрее строятся 2–3 ключевых сценария (активация/реактивация/предотвращение оттока) и насколько прозрачно управлять доставляемостью и частотой; если сценариев много и нужны omni-channel процессы — смотрите в сторону Braze, если приоритет — компактные trigger-сценарии и быстрые итерации — чаще выигрывает Customer.io, если нужна балансировка сегментов и отправок в одной модели для RevOps — хорошо подходит Iterable.
— @CustomerIOmanualRuPro
Если вы делаете белый lifecycle-маркетинг (email/мультиканальные триггеры, сегменты, сценарии под воронку и retention) и в 2026 году пытаетесь пережить privacy-first атрибуцию и «нулевой» (zero-click) поиск, то вопрос обычно сводится к одному: насколько платформа помогает управлять данными и сообщениями как системой, а не набором рассылок. Ниже — сравнение 3 инструментов одного класса: Customer.io, Braze (Braze) и Iterable.
Customer.io — для команд с фокусом на trigger-first коммуникации и сценарии вокруг поведения пользователей
Сильная сторона — практичная логика lifecycle: события → сегмент → условие → сообщение, плюс удобная настройка отправок по данным (удобно выстраивать именно диалоги воронки, а не просто email-потоки). Часто выбирают, когда нужно быстро переводить гипотезы в тестируемые сценарии: регистрация, активация, “не дошёл до следующего шага”, churn-risk.
Слабая сторона / минус — глубина “всего сразу” может быть ниже, чем у платформ уровня all-in-one для крупных маркетинг-организаций (например, по части широты готовых omni-канальных механик и сложных организационных сценариев). Иногда приходится дольше “доделывать” интеграции под конкретные источники данных.
Braze — для компаний, где lifecycle давно часть операционной модели и нужен масштаб сообщений по множеству каналов
Сильная сторона — сильная экосистема для omni-channel: можно разворачивать сложные пути, удерживать единый контроль над коммуникациями и управлять частотой/приоритетами на уровне платформы. Braze часто берут там, где важны зрелые процессы валидации аудиторий и управление коммуникациями на большой базе.
Слабая сторона / минус — порог входа: для небольших команд избыточно, а настройка структуры данных и правил маршрутизации может занять больше времени, чем ожидали. Плюс стоимость владения обычно выше, и нужно заранее оценить, окупится ли “ширина” именно вашим use case.
Iterable — для growth/RevOps-ориентированных команд, которым важны и сегментация, и автоматизация, и “чистые” требования к доставляемости
Сильная сторона — удобен для построения lifecycle-сегментов и сценариев с упором на то, чтобы сообщения стабильно доходили до клиентов. В 2026 году на доставляемость влияет всё: согласия, репутация доменов, bulk-ограничения почтовиков. Поэтому платформы уровня Iterable/Customer.io/Braze ценят за контроль отправок и управляемые процессы, а не только за интерфейс сценариев.
Слабая сторона / минус — как и у других “широких” платформ, многое зависит от качества вашей event-модели и дисциплины данных: если события/атрибуты кривые, сценарии будут “работать”, но давать не ту релевантность, на которую вы рассчитывали.
как выбирать
— Начните с вопроса “что у нас главный trigger и какие события являются источником истины?”, затем сравните: у кого быстрее строятся 2–3 ключевых сценария (активация/реактивация/предотвращение оттока) и насколько прозрачно управлять доставляемостью и частотой; если сценариев много и нужны omni-channel процессы — смотрите в сторону Braze, если приоритет — компактные trigger-сценарии и быстрые итерации — чаще выигрывает Customer.io, если нужна балансировка сегментов и отправок в одной модели для RevOps — хорошо подходит Iterable.
— @CustomerIOmanualRuPro
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Cloudeflare грозит Google блокировкой трафика
Cloudflare объявил: с 15 сентября 2026 года ИИ-краулеры будут заблокированы по умолчанию на всех сайтах с рекламой — включая Googlebot, Applebot и Bingbot.
Главная претензия — к Google: один и тот же бот индексирует страницы и собирает данные для обучения нейросетей, что даёт поисковику нечестное преимущество.
Но есть нюанс, который меняет всю к…
➡️ Читайте на сайте: https://aff.top/blog/cloudeflare-grozit-google-blokirovkoi-trafika
🧠 Ещё больше инсайтов → в канале AFF.top
Cloudflare объявил: с 15 сентября 2026 года ИИ-краулеры будут заблокированы по умолчанию на всех сайтах с рекламой — включая Googlebot, Applebot и Bingbot.
Главная претензия — к Google: один и тот же бот индексирует страницы и собирает данные для обучения нейросетей, что даёт поисковику нечестное преимущество.
Но есть нюанс, который меняет всю к…
➡️ Читайте на сайте: https://aff.top/blog/cloudeflare-grozit-google-blokirovkoi-trafika
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Гайд: как заработать первые деньги на Pornhub
Pornhub — самый посещаемый адалт-сайт в мире, и на нём действительно можно зарабатывать. Но схема устроена иначе, чем кажется.
Автор залил ролики, набрал 16 000 просмотров — и получил 47 центов встроенной монетизации. Реальные деньги были в другом.
Есть нюансы с верификацией, голосом в роликах и законодательством РФ, которые ломают большинство с…
➡️ Читайте на сайте: https://aff.top/blog/gaid-kak-zarabotat-pervye-dengi-na-pornhub
🧠 Ещё больше инсайтов → в канале AFF.top
Pornhub — самый посещаемый адалт-сайт в мире, и на нём действительно можно зарабатывать. Но схема устроена иначе, чем кажется.
Автор залил ролики, набрал 16 000 просмотров — и получил 47 центов встроенной монетизации. Реальные деньги были в другом.
Есть нюансы с верификацией, голосом в роликах и законодательством РФ, которые ломают большинство с…
➡️ Читайте на сайте: https://aff.top/blog/gaid-kak-zarabotat-pervye-dengi-na-pornhub
🧠 Ещё больше инсайтов → в канале AFF.top
Customer.io уже не про письма
В 2026 Customer.io всё чаще воспринимается не как «email-платформа», а как оркестратор lifecycle-маркетинга. И это логично: когда MQL-воронка слабеет, а выручка собирается через связку маркетинга, sales и customer success, выигрывает не тот, кто громче шлёт, а тот, кто точнее собирает поведение в сценарии. На мой взгляд, ценность таких инструментов теперь не в каналах, а в умении превращать разрозненные события в понятную систему удержания и LTV.
— @CustomerIOmanualRuPro
В 2026 Customer.io всё чаще воспринимается не как «email-платформа», а как оркестратор lifecycle-маркетинга. И это логично: когда MQL-воронка слабеет, а выручка собирается через связку маркетинга, sales и customer success, выигрывает не тот, кто громче шлёт, а тот, кто точнее собирает поведение в сценарии. На мой взгляд, ценность таких инструментов теперь не в каналах, а в умении превращать разрозненные события в понятную систему удержания и LTV.
— @CustomerIOmanualRuPro
Атрибуция по последнему клику и «инкрементальность» (измерение прироста)
Атрибуция по последнему клику — это модель, которая относит конверсию целиком на последнее действие пользователя перед покупкой/лидом (последняя реклама, письмо или клик). Для маркетинга это кажется удобным: есть “виновник”. Но в реальности путь клиента чаще многосоставной: он возвращается после чтения, сравнения, консультации, а в момент конверсии “последний” контакт может быть лишь подтверждением, а не причиной.
Инкрементальность — это оценка того, что изменилось бы без конкретного воздействия. Идея: измерить прирост (uplift) от коммуникации, кампании или канала, а не просто распределить кредит постфактум.
Чем отличаются:
— Last-click отвечает “кто был рядом последним”
— Инкрементальность отвечает “что действительно добавили”
Типичные ошибки в Customer.io/ lifecycle:
— Пытаться оптимизировать триггеры по метрикам, где конверсия “приписана” последнему email/письму без контроля контрольной группы
— Игнорировать перекрытия: пользователь получил серию касаний до и после триггера, и сложно понять долю влияния каждого
— Считать, что рост означает причинность: особенно в privacy-first среде, где данных меньше
Пример: вы запускаете реактивацию для пользователей, которые не вернулись 14 дней. Вместо сравнения “кто нажал последний” делайте A/B: контрольную группу не отправляйте, измерьте разницу по возвращениям через 7 дней. Если прирост есть — триггер дает инкремент.
— @CustomerIOmanualRuPro
Атрибуция по последнему клику — это модель, которая относит конверсию целиком на последнее действие пользователя перед покупкой/лидом (последняя реклама, письмо или клик). Для маркетинга это кажется удобным: есть “виновник”. Но в реальности путь клиента чаще многосоставной: он возвращается после чтения, сравнения, консультации, а в момент конверсии “последний” контакт может быть лишь подтверждением, а не причиной.
Инкрементальность — это оценка того, что изменилось бы без конкретного воздействия. Идея: измерить прирост (uplift) от коммуникации, кампании или канала, а не просто распределить кредит постфактум.
Чем отличаются:
— Last-click отвечает “кто был рядом последним”
— Инкрементальность отвечает “что действительно добавили”
Типичные ошибки в Customer.io/ lifecycle:
— Пытаться оптимизировать триггеры по метрикам, где конверсия “приписана” последнему email/письму без контроля контрольной группы
— Игнорировать перекрытия: пользователь получил серию касаний до и после триггера, и сложно понять долю влияния каждого
— Считать, что рост означает причинность: особенно в privacy-first среде, где данных меньше
Пример: вы запускаете реактивацию для пользователей, которые не вернулись 14 дней. Вместо сравнения “кто нажал последний” делайте A/B: контрольную группу не отправляйте, измерьте разницу по возвращениям через 7 дней. Если прирост есть — триггер дает инкремент.
— @CustomerIOmanualRuPro
Про «автоматизация всё исправит»: миф про Customer.io и отсутствие стратегии
Миф: если “включить” триггеры в Customer.io (почтовые цепочки, вебхук-условия, статусы), то конверсии и выручка сами начнут расти.
Откуда он берётся: слишком много кейсов показывает красивые сценарии “до/после”, но почти никто не показывает главное — **что именно** было измеримо до запуска (и какие гипотезы проверялись). В 2026 это особенно заметно: search “засыхает” на уровне чистого информационного запроса, AI-overviews перехватывают внимание, e-com чувствует снижение среднего чека (люди экономят). В таких условиях рост — это не “автоматизировать”, а “доставлять правильное сообщение нужному человеку в правильный момент”.
Почему это неправда: без сегментации по поведению и без контрактов с данными триггеры превращаются в рассылку по расписанию. Например, вы отслеживаете событие, но не различаете контекст: пользователь мог посмотреть демо, потому что готов к покупке, а мог — потому что сравнивает. Вы отправляете одинаковый Follow-up, и система уверенно масштабирует не то. Customer.io отлично исполняет логику — но не создаёт маркетинговый смысл.
Что вместо этого: начните с одной измеримой воронки (например, от “начал сценарий покупки/регистрации” до “первое ценное действие”), затем определите 1–2 триггера и 2–3 сегмента с разными намерениями. Для каждого шага заранее задайте метрику (conversion rate, revenue per account, retention-поведение), а также “что считается успехом/провалом”. После этого автоматизация становится не чудом, а проверкой гипотезы.
Customer.io — про контроль причинно-следственных связей. Стратегия — про выбор этих причин.
— @CustomerIOmanualRuPro
Миф: если “включить” триггеры в Customer.io (почтовые цепочки, вебхук-условия, статусы), то конверсии и выручка сами начнут расти.
Откуда он берётся: слишком много кейсов показывает красивые сценарии “до/после”, но почти никто не показывает главное — **что именно** было измеримо до запуска (и какие гипотезы проверялись). В 2026 это особенно заметно: search “засыхает” на уровне чистого информационного запроса, AI-overviews перехватывают внимание, e-com чувствует снижение среднего чека (люди экономят). В таких условиях рост — это не “автоматизировать”, а “доставлять правильное сообщение нужному человеку в правильный момент”.
Почему это неправда: без сегментации по поведению и без контрактов с данными триггеры превращаются в рассылку по расписанию. Например, вы отслеживаете событие, но не различаете контекст: пользователь мог посмотреть демо, потому что готов к покупке, а мог — потому что сравнивает. Вы отправляете одинаковый Follow-up, и система уверенно масштабирует не то. Customer.io отлично исполняет логику — но не создаёт маркетинговый смысл.
Что вместо этого: начните с одной измеримой воронки (например, от “начал сценарий покупки/регистрации” до “первое ценное действие”), затем определите 1–2 триггера и 2–3 сегмента с разными намерениями. Для каждого шага заранее задайте метрику (conversion rate, revenue per account, retention-поведение), а также “что считается успехом/провалом”. После этого автоматизация становится не чудом, а проверкой гипотезы.
Customer.io — про контроль причинно-следственных связей. Стратегия — про выбор этих причин.
— @CustomerIOmanualRuPro
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Сбер запустит свой криптокошелёк
Сбер готов запустить криптокошелёк — инфраструктура уже есть. Ждут только закона о регулировании крипты, который планируют принять к 1 сентября 2026 года.
Хранить и, судя по всему, обменивать крипту можно будет прямо в приложении — без сторонних обменников.
Но есть один нюанс, из-за которого обменники никуда не денутся. 🔍
➡️ Читайте на сайте: https://aff.top/blog/sber-zapustit-svoi-kriptokoshelek
🧠 Ещё больше инсайтов → в канале AFF.top
Сбер готов запустить криптокошелёк — инфраструктура уже есть. Ждут только закона о регулировании крипты, который планируют принять к 1 сентября 2026 года.
Хранить и, судя по всему, обменивать крипту можно будет прямо в приложении — без сторонних обменников.
Но есть один нюанс, из-за которого обменники никуда не денутся. 🔍
➡️ Читайте на сайте: https://aff.top/blog/sber-zapustit-svoi-kriptokoshelek
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Индия потребовала от Telegram удалять пиратский контент
Индия потребовала от Telegram удалять пиратский контент — претензия в том, что платформа не ограничивает размер файлов, что позволяет свободно распространять фильмы.
Дуров ответил, что Telegram годами работает в Индии без какой-либо коммерческой выгоды для себя.
Почему давление началось именно сейчас — вопрос открытый. Возможный ответ — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/indiia-potrebovala-ot-telegram-udaliat-piratskii-kontent
🧠 Ещё больше инсайтов → в канале AFF.top
Индия потребовала от Telegram удалять пиратский контент — претензия в том, что платформа не ограничивает размер файлов, что позволяет свободно распространять фильмы.
Дуров ответил, что Telegram годами работает в Индии без какой-либо коммерческой выгоды для себя.
Почему давление началось именно сейчас — вопрос открытый. Возможный ответ — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/indiia-potrebovala-ot-telegram-udaliat-piratskii-kontent
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Google ads меняет стратегию по конверсиям
Google меняет логику автоматических стратегий ставок: с 17 августа 2026 года кампании будут строже придерживаться указанного целевого CPA, а не давать лиды по минимально возможной цене.
Если сейчас твоя кампания даёт лиды по $5, а цель стоит $10 — после обновления алгоритм «поднимет» фактическую стоимость лида к целевой, зато отдаст больше трафик…
➡️ Читайте на сайте: https://aff.top/blog/google-ads-meniaet-strategiiu-po-konversiiam
🧠 Ещё больше инсайтов → в канале AFF.top
Google меняет логику автоматических стратегий ставок: с 17 августа 2026 года кампании будут строже придерживаться указанного целевого CPA, а не давать лиды по минимально возможной цене.
Если сейчас твоя кампания даёт лиды по $5, а цель стоит $10 — после обновления алгоритм «поднимет» фактическую стоимость лида к целевой, зато отдаст больше трафик…
➡️ Читайте на сайте: https://aff.top/blog/google-ads-meniaet-strategiiu-po-konversiiam
🧠 Ещё больше инсайтов → в канале AFF.top
Как Самокат вернул 12% «уснувших» клиентов триггерной серией в Customer.io
**Контекст**
К началу 2025 года сервис доставки продуктов «Самокат» столкнулся с типичной для e-com проблемой: после первой покупки около 40% новых пользователей не возвращались в течение 14 дней. При этом средний чек снижался на 6% (влияние тренда 2025–2026 на экономию потребителей), а ставка на привлечение новых клиентов через performance-каналы дорожала из-за ужесточения атрибуции (переход на server-side и incrementality-тесты). Отдел RevOps (объединённый маркетинг, sales и customer success) поставил задачу: увеличить retention второй недели без роста бюджета на рекламу.
**Задача**
Разработать цепочку автоматических сообщений в Customer.io, которая «догонит» клиента, не сделавшего повторный заказ в течение 7 дней после первого. Основные ограничения: не спамить, не раздражать, не использовать персональные данные в открытом виде — только поведенческие паттерны (например, что клиент часто смотрел в приложении категорию «молочка» или «напитки»). Цель — довести до повторной покупки хотя бы 15% из «уснувших» за месяц.
**Решение**
В Customer.io настроили триггерную серию из трёх писем (email) и одного push-уведомления, растянутую на 5 дней:
— День 1 (через 7 дней без заказа): письмо с заголовком «Ваши любимые продукты никуда не делись» и динамической подборкой из трёх товаров, которые пользователь смотрел или добавлял в корзину (данные из событий `product_viewed`, `cart_added`). Если таких событий нет — показывали
— @CustomerIOmanualRuPro
**Контекст**
К началу 2025 года сервис доставки продуктов «Самокат» столкнулся с типичной для e-com проблемой: после первой покупки около 40% новых пользователей не возвращались в течение 14 дней. При этом средний чек снижался на 6% (влияние тренда 2025–2026 на экономию потребителей), а ставка на привлечение новых клиентов через performance-каналы дорожала из-за ужесточения атрибуции (переход на server-side и incrementality-тесты). Отдел RevOps (объединённый маркетинг, sales и customer success) поставил задачу: увеличить retention второй недели без роста бюджета на рекламу.
**Задача**
Разработать цепочку автоматических сообщений в Customer.io, которая «догонит» клиента, не сделавшего повторный заказ в течение 7 дней после первого. Основные ограничения: не спамить, не раздражать, не использовать персональные данные в открытом виде — только поведенческие паттерны (например, что клиент часто смотрел в приложении категорию «молочка» или «напитки»). Цель — довести до повторной покупки хотя бы 15% из «уснувших» за месяц.
**Решение**
В Customer.io настроили триггерную серию из трёх писем (email) и одного push-уведомления, растянутую на 5 дней:
— День 1 (через 7 дней без заказа): письмо с заголовком «Ваши любимые продукты никуда не делись» и динамической подборкой из трёх товаров, которые пользователь смотрел или добавлял в корзину (данные из событий `product_viewed`, `cart_added`). Если таких событий нет — показывали
— @CustomerIOmanualRuPro