Meta ограничивает расходы на токены для сотрудников

Meta ввела внутренние лимиты на использование ИИ из-за резкого роста расходов: в 2026 году только на сотрудников заложены миллиарды долларов, а общий бюджет на ИИ-инфраструктуру оценивается в 130–145 млрд. Вывод простой: даже у Big Tech ИИ перестал быть бесплатной игрушкой и требует жёсткого контроля затрат.

➡️ Читайте на сайте: https://aff.top/blog/meta-ogranichivaet-raskhody-na-tokeny-dlia-sotrudnikov

🧠 Ещё больше инсайтов → в канале AFF.top

Смерть классической атрибуции и архитектура доказательной эффективности

В 2026 году споры вокруг корректности данных в рекламных кабинетах окончательно утратили смысл. Если вы до сих пор тратите время на попытки свести отчеты по «последнему клику» (last-click), вы занимаетесь самообманом в условиях privacy-first (приоритизация конфиденциальности данных) среды.

Рынок окончательно перешел к модели, где данные о пути клиента размыты настройками браузеров и запретами на передачу идентификаторов. Верить сырым данным из аналитических платформ сегодня — значит принимать решения на основе 30-40% выборки, которая к тому же смещена в сторону самых простых каналов с коротким циклом принятия решения.

Как архитектор маркетинговых систем, я вижу единственно верный путь перехода к RevOps (объединенное управление выручкой): отказ от попыток отследить каждый клик в пользу сквозного моделирования маркетингового влияния.

Что нужно внедрять в стек прямо сейчас:

— MMM (маркетинговое моделирование микса). Мы больше не считаем прямую связь «показ — действие», мы используем статистические модели, которые оценивают влияние медийных инвестиций на общие продажи с учетом сезонности и внешних факторов. Это математика, а не лог-файлы.
— Incrementality testing (тестирование инкрементальности). Вместо того чтобы спрашивать систему, «принес ли мне этот юзер покупку», мы проводим контролируемые эксперименты: отключаем охватные кампании на узких гео или сегментах аудитории и смотрим на дельту в выручке.
— Server-side (серверная) передача данных. Это обязательный гигиенический минимум. Передача событий напрямую с сервера исключает зависимость от «печенья» (файлов cookies) и блокировщиков рекламы на стороне клиента.

Мое наблюдение из практики: компании, которые перенесли фокус с поиска «того самого клика» на анализ общего роста выручки при изменении объемов инвестиций, повысили эффективность своего маркетингового бюджета в среднем на 18% за последний год. Они перестали «резать» каналы, которые выглядели убыточными в аналитике, но обеспечивали брендовый поиск (brand search).

В эпоху Zero-click контента и AI-overviews, где пользователь не всегда переходит на ваш сайт, доверие к внешней аналитике падает. Теперь ваша главная метрика — это не посещаемость сайта, а совокупная ценность клиента (LTV) и стоимость его привлечения, рассчитанная на уровне всей компании, а не одного рекламного инструмента.

Стройте систему, в которой маркетинговые данные — это лишь часть общего потока в бизнес-системе предприятия. Любая попытка изолировать аналитику внутри рекламного кабинета в 2026 году — это путь к неэффективному расходованию ресурсов.

— @MarTechStackRuPro

Claude Cowork, Claude Design объединили в один Claude

➡️ Читайте на сайте: https://aff.top/blog/claude-cowork-claude-design-obedinili-v-odin-claude

🧠 Ещё больше инсайтов → в канале AFF.top

Microsoft планирует вставлять рекламу в игры

➡️ Читайте на сайте: https://aff.top/blog/microsoft-planiruet-vstavliat-reklamu-v-igry

🧠 Ещё больше инсайтов → в канале AFF.top

Отказ от last-click атрибуции в пользу MMM: как выстроить RevOps в эпоху privacy-first

Компания: крупный российский B2B-сервис автоматизации логистики.
Задача: компания столкнулась с разрывом данных между маркетингом и продажами. Старая модель атрибуции по последнему клику (last-click) показывала неверную картину: инвестиции в охватные каналы казались неэффективными, а бюджеты перетекали в перегретый контекстный поиск, где стоимость лида (CPL) выросла на 22% за год.

Решение: переход на моделирование маркетингового микса (MMM — Marketing Mix Modeling). Архитекторы стека отказались от отслеживания каждого пользователя через cookies в пользу статистического анализа корреляций между медийными инвестициями и ростом выручки (Revenue). В контур данных включили:
— Расходы по всем каналам, включая офлайн и имиджевую рекламу.
— Внешние факторы: сезонность, макроэкономические показатели.
— Данные из CRM (система управления отношениями с клиентами) по длительности цикла сделки (Sales Cycle).

Результат:
— Выявлено, что до 40% конверсий, которые ранее приписывались поиску, фактически были «разогреты» имиджевыми кампаниями.
— Бюджеты перераспределили: снижение нагрузки на поисковые кампании на 15% без потери объема SQL (квалифицированных для продаж лидов).
— Увеличение общего дохода (Revenue) на 12% за счет фокусировки на каналах с высоким накопительным эффектом.

Урок для архитектора:
В 2026 году классическая воронка MQL/SQL (маркетинговых и торговых лидов) становится вторичной. Сейчас критически важно связывать маркетинговые активности напрямую с финансовыми результатами бизнеса через RevOps. Если вы до сих пор полагаетесь на инструменты, требующие персональных данных пользователя для трекинга, вы теряете точность из-за блокировок и политики приватности.

Переход на MMM — это не просто смена аналитического инструмента, это изменение методологии. Вы перестаете спрашивать «какой клик привел к сделке» и начинаете отвечать на вопрос «какая комбинация инвестиций обеспечивает устойчивый рост выручки в долгосрочной перспективе». Пора признать, что доверие к точным цифрам из рекламных кабинетов — это риск, а понимание статистических закономерностей — основа для принятия решений.

— @MarTechStackRuPro

MQL умер, да здравствует RevOps: почему воронка перестала работать

Год-два назад любой B2B-маркетолог считал себя обязанным отчитаться по числу переданных в sales лидов. Сегодня этот KPI превращается в ловушку: отделы продаж всё чаще говорят, что MQL (Marketing Qualified Lead — маркетинговый квалифицированный лид) «не те», а маркетинг винит sales в плохой обработке. В 2026 году классическая модель передачи лидов из маркетинга в продажи окончательно даёт трещину.

Моя позиция: ключевая проблема не в качестве лидов, а в самой архитектуре воронки, где ответственность за выручку разбита между отделами. Data показывает, что у компаний, которые внедрили RevOps (Revenue Operations — единое управление выручкой), конверсия из лида в оплату растёт на 15-20% без увеличения бюджета на привлечение. Но не всё так гладко.

Наблюдение из практики: в одном B2B-проекте мы полгода бились над качеством MQL, настраивая скоринговые модели и чистку данных. Результат — количество переданных лидов упало на 40%, а выручка не изменилась. Потому что проблема была не в маркетинге: sales не отслеживал сделки на стадии «анализ потребностей», а customer success — не фиксировал готовность к апсейлу. Мы перешли на единую модель атрибуции на базе server-side (серверная атрибуция) и shared revenue targets — план начал выполняться без искусственного накручивания MQL.

Рекомендую взять за основу три действия:

— Объединить CRM и data pipeline так, чтобы и маркетинг, и sales, и поддержка видели единую воронку не по этапам «пришёл-позвонили-купил», а по стадиям ценности для бизнеса. Например, «клиент сформировал потребность», «клиент рассматривает альтернативы», «клиент выбрал решение».

— Ввести метрику «время до второй сделки» вместо количества лидов. Это заставит sales и support работать с сегментом, а не с разовыми контактами.

— Убрать last-click атрибуцию вообще. В B2B-цикле редко бывает, что один канал привёл к сделке. Incrementality-тесты (приростные тесты) и MMM (Media Mix Modelling — моделирование медиамикса) дают более честную картину, на что тратить бюджет.

Классический MQL не умрёт полностью, но превратится из цели в промежуточный диагностический сигнал

— @MarTechStackRuPro

@EcomPDProomPro разбирают это с практической стороны

Междоменное трекинг и cookie-настройки в веб-аналитике: что проверить, чтобы не терять пользователей

Если вы всё ещё держите Universal Analytics (а у многих он доживает в связках), ключевая боль — корректный переход пользователей между поддоменами и сохранение идентификатора. В 2026 это особенно критично: privacy-first подходы уменьшают точность last-click, и любая ошибка в базовой сборке данных становится системной.

— Определите карту поддоменов и сценарии переходов
Составьте список доменов/поддоменов, где реально «гуляет» пользователь (лендинг → app → docs → оплата). Зафиксируйте, где меняется хост и какие страницы должны считаться одним сеансом.

— Проверьте cookie-область (domain) и путь (path) до подключения отслеживания
Включите явную настройку cookie scope так, чтобы браузер читaл идентификатор на нужных поддоменах. Если scope слишком узкий — идентификатор обнуляется, и вы получаете «новых» пользователей на каждом шаге.

— Настройте cross-domain tracking для переходов между поддоменами
Примените правила, которые переносят клиентский идентификатор при переходах, вместо того чтобы полагаться на повторное создание сессии. Особое внимание: ссылки должны корректно разметиться, а исключения — не сломать цепочку.

— Разведите правила для внешних переходов и внутренних поддоменов
Внутренние — должны сохранять сквозной идентификатор, внешние — могут обрываться. Настройте исключения/allowlist, чтобы не переносить идентификатор туда, где вы не контролируете редиректы и cookie.

— Проведите тест на «чистом» профиле браузера и разных режимах приватности
Симулируйте: новый браузер, блокировка части cookie, разные политики для третьих сторон. Цель — убедиться, что идентификатор стабильно переносится, а не «появляется случайно» из-за кеша или сохранённых данных.

— Зафиксируйте валидацию в отчётах: склейка сессий и пользовательских путей
Проверьте, что в отчётах пользовательский путь между поддоменами не рвётся на отдельные визиты. Если рвётся — возвращайтесь к cookie scope и логике пометок для переходов.

— Добавьте мониторинг качества трекинга как часть MarTech-операций
Введите регулярные проверки: контрольные переходы и сравнение объёмов событий «до/после» изменений. В эпоху AI-overviews и Topical Authority точность базовой аналитики — фундамент, без него любые выводы по эффективности трогать рискованно.

когда это пригодится: при внедрении/аудите межподдоменного трекинга, когда в отчётах «пользователи исчезают» между сайтом, личным кабинетом и сервисными доменами.

— @MarTechStackRuPro

Глубже разбирают этот метод в @FMCGbrandRoomPro

На Anthropic, OpenAI, Google и SpaceXAI подали в суд из-за ИИ

В Калифорнии против ИИ-компаний подали антимонопольный иск: регулятору показалось подозрительным, что игроки синхронно призывают ограничить развитие нейросетей ради безопасности. Смысл спора в том, что инвестиции в ИИ уже обгоняют реальный прогресс, а бизнесу выгодны правила, которые защитят капитал. Вывод: быстрых прорывов ждать не стоит, лучше выжимать максимум из текущих инструментов.

➡️ Читайте на сайте: https://aff.top/blog/na-anthropic-openai-google-i-spacexai-podali-v-sud-iz-za-ii

🧠 Ещё больше инсайтов → в канале AFF.top

Google ads начал показывать расходы конкурентов

Google Ads запустил Peer Spending — инструмент, который сравнивает расходы аккаунта с рекламодателями из той же ниши без раскрытия чужих данных. Он показывает, тратите вы больше, меньше или примерно на уровне конкурентов на уровне кампаний и групп объявлений. Для арбитража это скорее ориентир по бенчмаркам, чем инструмент прямого усиления залива.

➡️ Читайте на сайте: https://aff.top/blog/google-ads-nachal-pokazyvat-raskhody-konkurentov

🧠 Ещё больше инсайтов → в канале AFF.top

Минфин РФ планирует выпустить собственный стейблкоин

Власти РФ обсуждают запуск рублёвого стейблкоина: сейчас решают, как его обеспечить, какие операции разрешить и будет ли на него спрос. Основной кейс — международные переводы, а не использование физлицами. Если проект доведут до запуска, он может стать частью новой криптоинфраструктуры и альтернативой токенам, привязанным к дружественным валютам.

➡️ Читайте на сайте: https://aff.top/blog/minfin-rf-planiruet-vypustit-sobstvennyi-steiblkoin

🧠 Ещё больше инсайтов → в канале AFF.top