Alibaba выпустили в паблик Qwen-image-3.0

Qwen-image-3.0 делает упор не на «красивую картинку», а на прикладные задачи: длинные промпты, сложные макеты, текст, формулы и 12 языков. Это удобный инструмент для массовой генерации простых визуалов, но пока без open-source весов и бенчей он не выглядит заменой GPT Image 2 или Nano Banana 2.

➡️ Читайте на сайте: https://aff.top/blog/alibaba-vypustili-v-pablik-qwen-image-3-0

🧠 Ещё больше инсайтов → в канале AFF.top

Яндекс тестирует объединение цифровой и наружной рекламы

Яндекс тестирует «Панораму» — единый формат для digital и наружной рекламы с «умным» охватом, который учитывает пересечение аудиторий и снижает частоту показов. Для рекламодателей это шанс расширить reach до 120 млн пользователей и протестировать новые placements, но в паблик-фазе важно смотреть на цену охвата и качество трафика.

➡️ Читайте на сайте: https://aff.top/blog/iandeks-testiruet-obedinenie-cifrovoi-i-naruzhnoi-reklamy

🧠 Ещё больше инсайтов → в канале AFF.top

Как Nike перестроил стек под омниканал: от разрозненных касаний к управлению LTV

В 2024–2026 у B2B и e-com одна и та же боль: каналы дорожают, last-click всё хуже объясняет продажи, а задача marketing operations — собрать систему, где видно вклад каждого касания в выручку. На этом фоне показателен подход Nike, который последовательно уводил коммуникации в собственные каналы и связывал данные о клиенте в единую логику.

Контекст был такой: у бренда сильный трафик из paid media, но без плотной связки с CRM, приложением и программой лояльности он превращается в дорогой поток разовых покупок. Для Nike это особенно критично: спортивная категория живёт не первой покупкой, а повторяемостью, сезонностью и вовлечением в экосистему.

Задача была не просто «привести лидов», а собрать сквозную архитектуру: понять, кто пришёл из рекламы, кто вернулся через приложение, кто купил офлайн и как это влияет на LTV. Иначе маркетинг оптимизирует клики, а не выручку.

Решение строили вокруг собственной платформы данных и идентификации пользователя. По сути, Nike свёл воедино:
— данные из сайта, приложения и офлайн-точек;
— поведение в программе membership;
— коммуникации в email, push и персональных сценариях;
— аналитику по сегментам, а не только по кампаниям.

Ключевой ход — сместить фокус с охвата на управляемые сценарии. Новому пользователю показывают не общий промо-баннер, а следующий логичный шаг: подборка по интересам, напоминание о брошенной корзине, персональная рекомендация, офлайн-мероприятие. Это уже не media-сплит, а orchestration (оркестрация) касаний.

Что это дало? По открытым данным Nike стабильно наращивал долю прямых продаж через собственные каналы и усиливал роль first-party data — данных первого лица. У такого подхода главный эффект не в одном KPI, а в экономике: выше повторные покупки, лучше удержание, ниже зависимость от платного трафика. Для маркетинг-ops это означает, что стек начинает работать не на генерацию трафика, а на управление клиентским циклом.

**Урок простой:** если у бренда нет связки между медиа, CRM и продуктом, он видит только стоимость клика. Если связка есть, появляется управляемый LTV — и уже под него можно собирать MarTech-стек, а не наоборот. В 2026 это и есть зрелость: не больше инструментов, а меньше разрывов между ними.

— @MarTechStackRu

Есть схожая тема в @RetentionRoomRu, рекомендуем

Смерть атрибуции по последнему клику как диагноз зрелости

В 2026 году продолжать верить в Last-click (атрибуцию по последнему клику) — это как пытаться измерить температуру в комнате по цвету лампочки. Маркетинг стал слишком нелинейным, а пользовательский путь — размытым между AI-обзорами и социальными сетями.

Когда мы фокусируемся на одном источнике, мы теряем общую картину RevOps (объединенного управления выручкой). Сейчас в приоритете — **моделирование маркетингового микса и оценка инкрементальности**. Это больно, это требует сложной математики вместо простого отчета в рекламном кабинете, но только так можно понять, какой канал реально растит прибыль, а какой просто «паразитирует» на брендовом трафике. Данные — это теперь не про клики, а про влияние на Retention (удержание клиентов).

— @MarTechStackRu

Параллельный взгляд на тему — @ProductAnalyticsMK

Как собрать карту маркетингового стека за 5 дней без лишних инструментов

Маркетинг-операции часто начинают с покупки софта, а нужно начинать с карты процессов. Иначе CRM, CDP, аналитика и рассылки живут отдельно, а отчётность собирается вручную.

**За 5 дней можно собрать рабочую карту стека и увидеть, где у вас дыры.**

День 1. Зафиксируйте 4 потока данных:
— привлечение: реклама, SEO, партнёры, события;
— обработка: формы, чат, звонки, лид-магниты;
— продажа: CRM, задачи, стадии, сделки;
— удержание: email, пуши, личный кабинет, поддержка.

День 2. Для каждого потока ответьте на 3 вопроса:
— где источник данных;
— кто владеет полем или сущностью;
— куда данные должны попасть дальше.

День 3. Нарисуйте схему уровня «поле — система — отчёт»:
— какие поля обязательны для передачи;
— где возникают дубликаты;
— на каком шаге теряются UTM-метки, источник, кампания, продукт.

День 4. Проверьте инструменты на роль, а не на название:
— сбор данных;
— хранение;
— обогащение;
— активация;
— атрибуция;
— отчётность.
Если одна система делает две несовместимые задачи, это кандидат на разнос по слоям.

День 5. Оцените разрывы:
— нет ли единого идентификатора клиента;
— можно ли связать лид с выручкой;
— есть ли серверная передача событий;
— можно ли считать вклад канала без last-click.

На выходе у вас должен быть не список софта, а **карта решений**: что уже покрыто, что дублируется, что надо внедрять первым. Для 2026 это особенно важно: в B2B слабнет линейка MQL → SQL, а в e-com растёт роль retention и LTV. Значит, стек нужно проектировать под выручку, а не под отчёт ради отчёта.

Если хотите быстрый фильтр, начинайте с вопроса: какой один клиентский путь должен пройти без ручных склеек от клика до повторной покупки?

— @MarTechStackRu