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

Null conversion values: the SKAN data you're throwing away
When a source doesn't cross Apple's privacy threshold, the postback arrives with a null (or zero) conversion value. Most teams discard these. That's a mistake.

✓ A null postback still confirms an install happened from that ad network
✓ Counting nulls separately reveals which sources are too fragmented to ever optimize on value
✗ MMPs vary wildly in how they surface vs hide null-value postbacks
✗ Treating null as zero-revenue pollutes your ROAS downward

The tactic: track three buckets per source — non-null with value, null-but-confirmed install, and no postback. Sources stuck in bucket two need consolidation (fewer, bigger placements) to ever cross threshold.

Reviewers' tell: ask any MMP demo to show you null-postback handling explicitly. Many can't, cleanly.

Verdict: count nulls as installs, never as zero revenue, and use them to spot sub-threshold sources.
Best for: iOS analysts fixing distorted SKAN ROAS.

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

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

Attribution window mismatches: why your numbers never reconcile
The quiet reason MMP, network, and SKAN counts disagree isn't fraud — it's windows. Every tool uses a different default, and few teams align them.

— Networks self-report on their own lookback (often 7d click / 1d view)
— Your MMP enforces its configured window, overriding network claims
— SKAN has no view-through and its own conversion-window timers
— Re-engagement windows differ from install windows entirely

✓ Aligning windows across tools removes most of the phantom discrepancy
✗ Some self-reporting networks (the big walled gardens) won't honor your MMP window
✗ Shorter windows undercount; longer ones over-credit view-through

The discipline: document one window policy, configure every tool to it where possible, and footnote the walled gardens that won't comply.

Verdict: standardize windows before blaming fraud or the MMP for mismatched counts.
Best for: analysts reconciling cross-source install numbers.

Incrementality vs attribution: when to stop trusting last-click
Attribution tells you who got credit. Incrementality tells you whether the spend caused anything. On in-app, where SKAN already blurs attribution, incrementality testing earns its keep.

✓ Geo-holdout and PSA/ghost-bid tests reveal true lift attribution can't
✓ Catches walled gardens claiming organics they didn't drive
✗ Needs scale and clean test/control design — small budgets get noisy results
✗ Most MMPs bolt on incrementality weakly; dedicated tooling (Meta Conversion Lift, Google's lift, INCRMNTAL) does it properly

The trap: running an incrementality test on a source too small to reach significance, then trusting the noisy result over your gut.

Where it pays: validating your single biggest line item, where a 10% over-attribution is real money.

Verdict: use incrementality to audit your largest sources; keep attribution for day-to-day optimization.
Best for: growth leads with budget large enough to run clean holdouts.

SKAdNetwork null conversion values: the silent attribution killer

Everyone benchmarks postback rates. Almost nobody audits how many postbacks arrive with a null conversion value. On iOS that null isn't an install with zero events — it's Apple's privacy threshold suppressing your value because the crowd anonymity bucket was too small.

✓ AppsFlyer and Adjust both expose null-rate in raw SKAN reports
✓ A 5-8% null share is normal at scale
✗ Above 20% null means your campaigns are too granular — split tests are starving each other
✗ Most dashboards hide nulls inside 'organic' or 'restricted', inflating organic by double digits

Fix: collapse conversion-value schema, widen campaign IDs, and reconcile null counts against your MMP raw export weekly.

Verdict: treat null-rate as a first-class health metric, not a footnote — it silently moves spend to the wrong channel.
Best for: UA managers running fragmented iOS portfolios.

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

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

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

AppsFlyer vs Adjust: who decodes SKAN better

Both ingest the same Apple postbacks. The difference is the modeling layer that turns a 6-bit conversion value back into revenue and funnel events.

AppsFlyer
✓ Conversion Studio gives a visual schema editor non-analysts can actually use
✓ Strong predictive modeling (pSKAN) on coarse values
✗ Modeled revenue can drift 10-15% from raw on low-volume apps

Adjust
✓ Cleaner raw SKAN exports, less black-box smoothing
✓ Better for teams that want to model in their own warehouse
✗ UI for conversion schemas is clunkier, more engineering needed

Neither beats the other on accuracy at scale — the gap is workflow. AppsFlyer if your UA team self-serves; Adjust if you have a data team that distrusts vendor modeling.

Verdict: pick by who owns the schema — marketers want AppsFlyer, analysts want Adjust.
Best for: teams choosing an MMP for an iOS-heavy in-app portfolio.