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
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
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
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
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
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
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
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
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» 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 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
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
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
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