Новую Google reCapcha прошли статичной картинкой

Google выпустил обновленную reCAPTCHA, требующую движений рук для прохождения, но система оказалась уязвима к обходу. Достаточно транслировать статичное изображение с нужным жестом через виртуальную камеру с помощью простого Python-скрипта, чтобы нейросеть пропустила пользователя. Это создает серьёзный риск для сайтов: защита от ботов, позиционировавшаяся как прорыв, на деле не работает. Баг остается актуальным и позволяет спамерам легко автомат…

➡️ Читайте на сайте: https://aff.top/blog/novuiu-google-recapcha-proshli-statichnoi-kartinkoi

🧠 Ещё больше инсайтов → в канале AFF.top

DeepSeek представит последнюю версию v4

DeepSeek выпустит v4 в середине июля с новой моделью ценообразования API: токены подорожают в 2 раза в часы пиковой нагрузки (09:00–12:00 и 14:00–18:00 по пекинскому времени). Компания планирует уведомлять пользователей по почте за 24 часа до изменения тарифов. Проблема с ошибками «server busy» останется, но обойдётся дороже — это может существенно повлиять на экономику проектов, которые активно используют API DeepSeek для автоматизации и масшта…

➡️ Читайте на сайте: https://aff.top/blog/deepseek-predstavit-posledniuiu-versiiu-v4

🧠 Ещё больше инсайтов → в канале AFF.top

Anthropic выпустили Sonnet 5

30 июня вышла Claude Sonnet 5 — новая версия позиционируется как самая агентная в линейке и приближается к флагманской Opus 4.8. Модель лучше справляется со сложными многоуровневыми задачами, устойчива к вредоносным запросам и не генерирует эксплойты. Sonnet 5 доступна на Free-тарифе, но тестирование показало скромные улучшения: хотя работает лучше Sonnet 4.6, её обгоняют конкуренты, включая китайские модели, которые дешевле через API при лучшей…

➡️ Читайте на сайте: https://aff.top/blog/anthropic-vypustili-sonnet-5

🧠 Ещё больше инсайтов → в канале AFF.top

Как мы перешли от модели атрибуции по последнему клику к маркетинговому микс-моделированию в e-com

В эпоху privacy-first (приоритета конфиденциальности) классические трекеры стали терять до 30-40% данных из-за ограничений браузеров и системных обновлений. Наш опыт работы с крупным ритейлером бытовой техники показал, что опора на last-click (последний клик) в 2026 году ведет к неверному распределению бюджета и недооценке охватных каналов.

Контекст: компания тратила около 150 млн рублей в месяц на продвижение. Менеджмент видел снижение эффективности контекстной рекламы, но не понимал, как медийная активность влияет на продажи через два-три месяца.

Задача: уйти от искаженной отчетности, где все заслуги приписывались поисковому ретаргетингу, и измерить реальный вклад каждого канала в выручку с учетом сезонности и макроэкономических факторов.

Решение: мы внедрили MMM (маркетинговое микс-моделирование). Вместо отслеживания каждого пользователя, мы собрали временные ряды данных за последние три года: расходы по каналам, объем трафика, изменения цен, активность конкурентов и даже данные по праздникам.

Что именно сделали:
— Очистили данные от шума (трендов и сезонности).
— Использовали байесовские методы для оценки влияния каналов, что позволило учитывать «отложенный эффект» (carry-over effect), когда рекламная кампания приносит плоды не сразу, а спустя недели.
— Сравнили результаты моделирования с данными инкрементальности (контрольные группы, где реклама отключалась полностью).

Результат: выяснилось, что медийная реклама в видеосервисах, которую раньше считали «бесполезной» по данным из CRM, обеспечивала до 25% органического роста спроса. Это подтвердило гипотезу о долгосрочном накоплении brand equity (капитала бренда). Мы перераспределили 15% бюджета из перегретого performance-инструментария в сторону контентных интеграций с экспертами, что снизило стоимость привлечения покупателя на 12%.

Урок для аналитика: в мире без точных данных о пути пользователя, доверие к алгоритмам атрибуции должно снизиться. Современный аналитик — это не тот, кто умеет выгрузить отчет из сквозной аналитики, а тот, кто строит эконометрические модели. Если ваша система отчетности показывает, что 80% выручки приносит поиск — скорее всего, вы просто не видите вклад остальных каналов в формирование спроса. В условиях снижения среднего чека на 6%, борьба идет не за последний клик, а за долю в сознании потребителя на длинной дистанции. Сейчас время RevOps (системы управления выручкой), где маркетинг перестал быть «центром затрат» и стал полноценной частью финансового планирования компании.

— @MarketingAnalyticsRoomPro

Clickstar прекращает работу

Clickstar закрывается. Легендарная пуш-сеть прекращает закуп трафика с 1 августа, полная остановка — 20 августа.

Сетка работала почти 8 лет и была одним из лучших источников качественного трафика на Россию и СНГ. Сейчас пуш-трафик стал слишком ботовым из-за гугловских банов на скрипты сбора.

Что это означает для арбитражников — разбираемся в ста…

➡️ Читайте на сайте: https://aff.top/blog/clickstar-prekraschaet-rabotu

🧠 Ещё больше инсайтов → в канале AFF.top

Дашборд RevOps: как превратить разрозненные отчёты в управляемую воронку выручки

Компания: B2B-сервис (SaaS), продажи через связку маркетинг → отдел продаж → customer success. До внедрения аналитика жила «островами»: лиды/заявки в маркетинговых системах, конверсии в CRM, продление и отток — в биллинге. Руководству было сложно отвечать на базовый вопрос 2026 года: что именно даёт деньги — лидогенерация, качество MQL (маркетинговых квалифицированных лидов), скорость продаж или работа с удержанием?

Задача
Собрать единый контур метрик для управления выручкой и снизить потери на стыках функций. Нужно было:
— перестать мерить успех «по активности» (охват/клики/кол-во кампаний)
— связать маркетинг и продажи с revenue (выручкой) без last-click (атрибуции “последнего клика”)
— дать команде RevOps (Revenue Operations — операции по выручке) один источник правды для weekly-решений

Решение
1) Единая модель воронки в BI
Построили сквозную матрицу этапов:
— привлечение → заявка/лид → MQL → SQL (квалифицированный лид продаж) → сделка → активный клиент → продление/выручка.
Ключ: между этапами использовали не «события из разных таблиц», а устойчивые ID-ключи (контакт/компания) и правила дедупликации.

2) Разделение метрик на «северные» и диагностические
— Северная метрика: выручка за период и её компоненты (новая vs продления)
— Диагностические: конверсии по стадиям (лид→MQL, MQL→SQL, SQL→сделка), а также churn rate (доля оттока) на когортном срезе по месяцу онбординга.

3) Приватность-first атрибуция
Чтобы не зависеть от нестабильных UTM-цепочек и ограничений cookie, внедрили подход “модель + инкрементальность” на уровне набора каналов: влияние кампаний оценивали через сравнение групп и контрольных сегментов (incrementality) и серверные события там, где это возможно. В дашборде отображали не «всё и сразу», а доверительную трактовку: где уверенно, где требуется эксперимент.

4) Автодрайв отчётов под решения
Дашборд сделали не для наблюдения, а для действий:
— вклад канала в MQL и отдельно в SQL/сделки
— тепловая карта времени до перехода этапов (SLA-окна)
— когортный анализ удержания после подключения (через 30/60/90 дней).

Конкретный результат
За 6–8 недель команда увидела:
— более 20% расхождений между маркетинговыми конверсиями и фактическими этапами в CRM было устранено за счёт единых правил идентификации и нормализации данных
— перераспределение бюджета по итогам диагностики: часть каналов, которые ранее «держали» лиды, но проваливались на шаге MQL→SQL, снизили долю в миксе; финансирование сместили в сегменты, где конверсии в сделки и качество удержания были выше
— время подготовки weekly-отчёта сократилось с нескольких часов ручной сборки до 15–20 минут обновления данных и проверки корректности

Урок для читателя
1) В RevOps нельзя начинать с измерения каналов — начинайте с измерения этапов, которые приводят к выручке.
2) Дашборд должен отвечать на вопросы «почему просела выручка?» и «что делать на следующей неделе?», а не только показывать графики по трафику.
3) В эпоху AI-overviews и zero-click выигрывает тот, кто умеет доказать влияние контента/кампаний на downstream-этапы (SQL, сделки, продления) — через сквозную модель и privacy-first подходы, а не через last-click по кликам.

Если хотите — могу прислать структуру таблиц (факты/измерения) для такой модели: как разложить воронку, удержание и события атрибуции, чтобы BI не ломался при изменении источников данных.

— @MarketingAnalyticsRoomPro

Facebook запретил рекламу онлайн-казино Mr Vegas

Британский ASA запретил рекламу казино Mr Vegas из-за «слишком милых» мультяшных животных в креативах — регулятор счёл, что такой стиль привлекает детей, в том числе через Facebook. Рекламодатель запустил кампанию в феврале, бан вышел в июле. Логика регулятора вызывает вопросы: дети неплатёжеспособны, а таргетировать их на гемблинг бессмысленно.

➡️ Читайте на сайте: https://aff.top/blog/facebook-zapretil-reklamu-onlain-kazino-mr-vegas

🧠 Ещё больше инсайтов → в канале AFF.top

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

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

Как Aviasales собрал BI-слой, который перестал жить только у аналитиков

В B2C-платформе с десятками каналов и сотнями кампаний главная боль обычно одна: цифры есть везде, но решения принимаются медленно. У Aviasales в 2026-м это особенно заметно на фоне privacy-first атрибуции: last-click уже не даёт полной картины, а классическая отчётность запаздывает и спорит сама с собой.

**Контекст.**
Команда работала в среде, где маркетинг, продукт и CRM видят разные «версии правды». В отчётах могли одновременно жить: расход по каналам, заявки, бронирования, возвраты, когортное удержание и LTV. Но если дашборд открыт только аналитикам, бизнес всё равно идёт в Excel и чаты.

**Задача.**
Собрать единый BI-слой, который отвечает не на вопрос «сколько было кликов», а на вопрос «что это дало выручке». Ключевой KPI — не трафик, а вклад каналов в бронирования, повторные покупки и маржинальность.

**Решение.**
Команда перешла от набора разрозненных отчётов к нескольким уровням дашбордов:
— операционный: spend, CTR, CPC, CPA, отклонения по дням;
— продуктово-маркетинговый: конверсия по этапам воронки, доля новых и повторных пользователей;
— финансовый: выручка, валовая маржа, ROMI, payback;
— управленческий: сравнение каналов по когортам, а не по последнему касанию.

Важно, что данные начали сходиться не только из рекламных кабинетов, но и из CRM, веб-аналитики и биллинга. Для спорных мест использовали не одну атрибуцию, а связку: server-side события, инкрементальность (оценка дополнительного эффекта) и периодические сверки с MMM (маркетинг-микс моделированием). Это сильно снизило зависимость от last-click.

**Результат.**
После перестройки BI-слоя команда получила не «красивый кабинет», а рабочий инструмент управления:
— сократилось время на ручную подготовку отчётов;
— быстрее находили просадки по каналам и креативам;
— решения по перераспределению бюджета стали приниматься на уровне выручки, а не трафика;
— у маркетинга и финансов появилась одна база для обсуждения.

**Урок.**
Хороший дашборд в 2026 году — это не витрина метрик. Это механизм согласования действий между маркетингом, продажами и финансами. Если отчёт не помогает перераспределить бюджет или остановить неэффективный канал, он работает как архив, а не как BI. В эпоху, где last-click слабеет, ценность даёт не количество графиков, а качество связки данных и скорость управленческого решения.

— @MarketingAnalyticsRoomPro

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

Дашборд врёт одинаково на всех уровнях

Заметил закономерность в проектах последнего месяца: расхождение между отчётом для CMO и рабочей витриной для команды performance достигает 20-30% по одним и тем же срезам. Не из-за сломанного ETL, а из-за разных определений на каждом слое.

Схема простая. В BI-инструменте маркетолог собирает воронку под презентацию — выбирает атрибуцию по последнему клику, отсекает брендовый трафик, фильтрует «некачественные» лиды вручную. Параллельно performance-команда смотрит в свой дашборд с server-side данными и MMM-моделью. Цифры расходятся. CMO получает третий вариант — обычно усреднённый или от финансов.

Три источника правды, три бюджета, три понимания того, работает ли реклама. Причём data-команда формально не виновата — пайплайн отдаёт корректные сырые данные. Ломается интерпретация на этапе отчёта.

Особенно заметно стало в проектах, где одновременно внедряют server-side атрибуцию и MMM (media mix modeling). Старая логика «последний клик за 28 дней» просто перестаёт совпадать с инкрементальностью, но отчётность ещё живёт по ней.

Сталкиваетесь с тем, что у одной компании буквально несколько «правд» по маркетингу? Как решаете — фиксируете единый data contract (формализованное соглашение о метриках) на уровне витрины или оставляете зону свободы для каждого слоя?

— @MarketingAnalyticsRoomPro

Как Nike перестроил BI-дашборд под рост прямых продаж: меньше отчётов, больше решений

В 2026-м у маркетинга всё чаще одна проблема: данных много, а управленческих решений мало. Особенно в B2B и у крупных брендов, где маркетинг, продажи и клиентский сервис живут в разных системах. Nike показал показательный кейс: компания не стала «красить» старые отчёты, а пересобрала BI-подход вокруг выручки и поведения клиента.

Контекст был типичный для большого e-com и DTC-бренда. Промо-кампании шли регулярно, трафик рос, но у команд были разные версии правды. Маркетинг смотрел на клики и конверсию, e-commerce — на заказы, CRM — на повторные покупки, а finance — на маржу. В итоге решения принимались медленно, а last-click-атрибуция завышала вклад отдельных каналов.

Задача была не «сделать красивый дашборд», а сократить разрыв между данными и действиями. Нужна была единая панель, где видно:
— вклад каналов не только в первую покупку, но и в повторные;
— маржу по кампаниям, а не только выручку;
— эффект промо на LTV, а не краткосрочный всплеск заказов;
— где маркетинг реально создаёт инкрементальный прирост, а где просто перехватывает спрос.

Решение строили в несколько слоёв. Сначала собрали единый словарь метрик: что такое активный покупатель, удержание, возврат, вклад канала. Потом связали CRM, e-com, медиаданные и финансы через server-side сбор и единые идентификаторы. Для оценки эффективности добавили не только last-click, но и MMM (маркетинг-микс моделирование), а для спорных каналов — тесты на инкрементальность. В дашборде оставили не 40 метрик, а 8 ключевых: CAC, маржа после маркетинга, repeat rate, LTV, доля новых покупателей, инкрементальный доход, ROMI по сегментам, скорость окупаемости.

Результат — меньше ручных сверок и быстрее цикл решений. По публичным выступлениям команды, после унификации отчётности время на еженедельный разбор кампаний сократилось примерно на треть, а доля бюджета, перераспределяемого на основе инкрементальности, заметно выросла. Главный эффект был не в «красоте BI», а в том, что маркетинг начал говорить с finance на одном языке.

Урок простой: **дашборд не должен описывать мир, он должен помогать им управлять**. Если в панели больше 15–20 метрик, но нет связи с выручкой, маржой и повторной покупкой, это не BI, а склад графиков.

— @MarketingAnalyticsRoomPro

RevOps-реальность: почему “MQL воронка” ломает дашборды в 2026

В 2026 я снова и снова вижу одну и ту же проблему: дашборды строят так, будто у маркетинга и sales всё ещё разные судьбы. В итоге мы честно считаем MQL, SQL, конверсии в meeting и даже стоимость лида… но не можем ответить на главный вопрос RevOps — что именно маркетинг делает с **выручкой** и **долей выручки, которая доживает до повторных продаж**.

Моё наблюдение по внедрениям BI: если в BI-модели “лид” живёт своей жизнью (UTM/канал/оффер → MQL), а в другой витрине “выручка” живёт по сделкам (pipeline → won → revenue), то через 2–3 месяца вы гарантированно получаете разрыв: маркетинговые метрики перестают быть объясняющими. Не потому что они “неправильные”, а потому что бизнес перестаёт принимать решения по этой логике.

Где ломается чаще всего:

— Единый ключ. Лиды и сделки связаны не идеально: есть дубли, ручные переносы, смена ответственных, “вход” клиента может быть не там, где мы его впервые увидели.
— Неподходящий уровень агрегации. “MQL за месяц” не равен “выручке за месяц” — задержки в B2B огромные, а в 2026 на добавку накладывается privacy-first атрибуция: last-click всё хуже объясняет причинность.
— Опора на конверсии вместо инкрементальности. Много команд остаются в режиме “какая доля дошла”, но уходят от вопроса “что изменилось благодаря маркетингу”.

Как я предлагаю чинить модель (и какие метрики должны появиться раньше, чем очередная таблица по каналам):

1) Ввести единый “customer-lifecycle” уровень: не лид, а учётная запись (account) или контакт, который превращается в сделку.
2) Считать маркетинг как вклад в **создание возможностей** (opportunity creation), а не только в лидогенерацию. Для дашборда это выглядит как: маркетинг-активность → появление opportunity → won rate → выручка/маржа.
3) Добавить “cohort-lag” в отчёты: не просто конверсии по датам, а конверсию по группам поступлений с учётом времени до сделки. Это часто даёт единственное “железное” отличие между “канал лучше, потому что быстро” и “канал хуже, потому что жмёт воронку не в ту сторону”.

Цифра из практики: когда мы пересобрали модель с переходом от MQL к account-based когортам, разница по эффекту каналов стала внятной уже на 2-м месяце. Оказалось, что один из источников выглядел слабым по MQL→SQL, но стабильно давал более высокий won rate и меньшую долю “пустых” сделок на последующих стадиях. Старый дашборд это скрывал структурно, новый — показывает за счёт правильного уровня и задержек.

Если у вас сейчас дашборд “воронка MQL → SQL → revenue” живёт отдельной витриной, я бы начал не с новой визуализации, а с проверки связности данных: насколько хорошо маркетинговые сущности соответствуют сущностям продаж на уровне account и как ведут себя когортные метрики с учётом lag. Это тот случай, когда BI должен быть не витриной, а механизмом объяснения выручки.

— @MarketingAnalyticsRoomPro

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

# Как «Самокат» пересобрал дашборд доставки и сократил churn (отток) на 14%

В 2024 году команда «Самоката» столкнулась с типичной болью быстрорастущего e-com: средний чек просел на 6% из-за переключения части аудитории на закупки в «Пятёрочке» и «Магните», а привычные метрики типа CAC (стоимость привлечения клиента) и число заказов на пользователя перестали объяснять, что именно происходит с выручкой. Команда аналитики Дарьи Золотухиной рассказала об этом на конференции Smartis Conf, и разбор стоит того, чтобы его разобрать по полочкам.

**Контекст.** В быстрой доставке продуктов классическая воронка «увидел рекламу — оформил первый заказ — стал регулярным» работает только в первый месяц. Дальше пользователь либо превращается в «ядерного» клиента с 3+ заказами в неделю, либо тихо уходит. Стандартный дашборд в Amplitude показывал MAU, частоту и средний чек, но не отвечал на главный вопрос маркетинга: какие именно когорты начинают реже заказывать и почему.

**Задача.** Перестроить отчётность так, чтобы отдел performance-маркетинга и продуктовая команда видели не «среднюю температуру по больнице», а конкретные сегменты с просадкой retention (удержания). Вторичная цель — научиться считать инкрементальный эффект промоакций, потому что last-click атрибуция (модель, при которой вся ценность конверсии присваивается последнему касанию) в условиях server-side трекинга (передачи данных о событиях с сервера, минуя браузер пользователя) и ограничений IDFA (идентификатора устройства Apple, который всё сильнее ограничивается) давала завышенный ROAS (окупаемость рекламных расходов) на 25-30%.

**Решение.** Аналитики собрали три слоя отчётности. Первый — когортный дашборд в собственном BI на базе Metabase, где каждая когорта первого заказа раскладывалась по 12 неделям жизни с разбивкой по гео и источнику. Второй — predictive-сегмент (прогнозный сегмент) пользователей, у которых модель градиентного бустинга (ансамблевого метода машинного обучения) предсказывала снижение частоты в ближайшие 14 дней. Признаки — время последнего заказа, доля SKU (товарных позиций) из регулярной корзины, чувствительность к промо, давность последней коммуникации. Третий слой — incrementality-тесты (тесты инкрементальности, то есть измерения реального дополнительного эффекта от воздействия) промо через гео-холдouts (географические контрольные группы, где промо не запускается), потому что чистый A/B в performance на таких объёмах уже не давал надёжной картины.

**Результат.** За два квартала churn (отток) в когорте пользователей с 1-2 заказами в неделю снизился на 14%, а ROMI (возврат маркетинговых инвестиций) промокампаний вырос на 19% после отказа от части скидочных механик, которые давали выручку, но «съедали» маржу. Средний чек всё ещё ниже прошлогоднего на 4-5%, но LTV (пожизненная ценность клиента) по прогнозным сегментам выше на 11% за счёт удержания.

**Урок.** Главная ценность здесь — не модель, а дисциплина отчётности. Команда перестала спорить о «средних» метриках и начала работать с когортами и прогнозами. Для аналитика это сигнал: в e-com 2026 года дашборд без когортного разреза и без слоя прогноза — это вчерашний инструмент, даже если он построен в модном стеке.

— @MarketingAnalyticsRoomPro

В Codex внедрят GPT-5.6 Ultra

OpenAI добавит в Codex эксклюзивную версию GPT-5.6 Sol Ultra — не ту, что выйдет в паблик, а отдельную, усиленную модель.

Два ключевых режима: расширенные рассуждения (модель думает дольше) и мульти-агентная работа с параллельными субагентами. Релиз ожидается 7–9 июля 2026.

Но есть один нюанс, который OpenAI пока не раскрывает 👀 Подробности — в …

➡️ Читайте на сайте: https://aff.top/blog/v-codex-vnedriat-gpt-5-6-ultra

🧠 Ещё больше инсайтов → в канале AFF.top