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
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Компания Meta выпустила Muse Image
Meta выпустила Muse Image — нейросеть, которая генерирует изображения как агент: сама ищет референсы, пишет код и рассуждает перед созданием картинки.
Одна из фишек — можно скинуть ссылку на публичный профиль человека в соцсети, и модель возьмёт его внешность за референс.
Есть один вопрос, который интересует всех арбитражников: как это повлияет …
➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-image
🧠 Ещё больше инсайтов → в канале AFF.top
Meta выпустила Muse Image — нейросеть, которая генерирует изображения как агент: сама ищет референсы, пишет код и рассуждает перед созданием картинки.
Одна из фишек — можно скинуть ссылку на публичный профиль человека в соцсети, и модель возьмёт его внешность за референс.
Есть один вопрос, который интересует всех арбитражников: как это повлияет …
➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-image
🧠 Ещё больше инсайтов → в канале AFF.top
3 инструмента для связки маркетинга и продаж: что брать в 2026 году
Если задача не просто смотреть на трафик, а понимать, где теряются сделки, как меняется скорость обработки лидов и что реально влияет на выручку, без BI и связки с телефонией уже не обойтись. Для маркетинг-аналитика это особенно важно в B2B и в моделях, где классический MQL/SQL-подход слабеет, а на первый план выходит RevOps — общая ответственность за деньги, а не за лиды.
Ringostat — для команд, где много звонков и важна сквозная аналитика — сильная сторона: хорошо показывает путь лида от источника до разговора, позволяет искать потери на этапе дозвона и реакции менеджеров — минус: это не полноценный BI, а специализированный слой вокруг телефонии и атрибуции.
Writer — для контент-команд и SEO-аналитиков, которым нужно не только писать, но и управлять контент-процессом на данных — сильная сторона: автоматизирует анализ контентных пробелов, планирование и регулярное обновление материалов на основе поисковых данных — минус: полезен там, где уже есть дисциплина в контенте; без неё превращается в ещё один генератор задач.
Looker Studio — для маркетинг-аналитиков, которым нужен быстрый дашборд по рекламе, CRM и веб-аналитике — сильная сторона: низкий порог входа, гибкая сборка отчётов, удобно показывать руководству единый экран по каналам и конверсиям — минус: при росте сложности упирается в качество источников данных и ручную поддержку, особенно если нужна глубокая модель выручки.
Как выбирать: если узкое место — звонки и обработка лидов, берите Ringostat; если контент и SEO-операции, смотрите в сторону Writer; если нужен управленческий дашборд без тяжёлого внедрения — Looker Studio. Для зрелой команды лучший результат обычно даёт связка: специализированный инструмент + BI-слой + единая логика выручки.
— @MarketingAnalyticsRoomPro
Если задача не просто смотреть на трафик, а понимать, где теряются сделки, как меняется скорость обработки лидов и что реально влияет на выручку, без BI и связки с телефонией уже не обойтись. Для маркетинг-аналитика это особенно важно в B2B и в моделях, где классический MQL/SQL-подход слабеет, а на первый план выходит RevOps — общая ответственность за деньги, а не за лиды.
Ringostat — для команд, где много звонков и важна сквозная аналитика — сильная сторона: хорошо показывает путь лида от источника до разговора, позволяет искать потери на этапе дозвона и реакции менеджеров — минус: это не полноценный BI, а специализированный слой вокруг телефонии и атрибуции.
Writer — для контент-команд и SEO-аналитиков, которым нужно не только писать, но и управлять контент-процессом на данных — сильная сторона: автоматизирует анализ контентных пробелов, планирование и регулярное обновление материалов на основе поисковых данных — минус: полезен там, где уже есть дисциплина в контенте; без неё превращается в ещё один генератор задач.
Looker Studio — для маркетинг-аналитиков, которым нужен быстрый дашборд по рекламе, CRM и веб-аналитике — сильная сторона: низкий порог входа, гибкая сборка отчётов, удобно показывать руководству единый экран по каналам и конверсиям — минус: при росте сложности упирается в качество источников данных и ручную поддержку, особенно если нужна глубокая модель выручки.
Как выбирать: если узкое место — звонки и обработка лидов, берите Ringostat; если контент и SEO-операции, смотрите в сторону Writer; если нужен управленческий дашборд без тяжёлого внедрения — Looker Studio. Для зрелой команды лучший результат обычно даёт связка: специализированный инструмент + BI-слой + единая логика выручки.
— @MarketingAnalyticsRoomPro
Forwarded from Я ЗЛОЙ, Я ГАНГСТА
This media is not supported in your browser
VIEW IN TELEGRAM
Хоменок потребовал, чтобы кардиналы уволили Иванова — новая драма из нижней аффилки.
Вспоминаем этого персонажа: в преддверии МАК и джигейт конф овнер Х6 Group Антон Хоменок назвал себя «инфлюенсером года» и заявил, что если не выиграет награды — значит, премии на конфах купленные. Как и можно было ожидать, умник ничерта не выиграл, но это унижение не помешало ему сделать предложение своей девушке на «коррумпированной» сцене джигеев.
Так вот, на конфе Хоменок посоветовал СЕО кардиналов уволить ЕЮ — мол, он фрик, с которым нельзя сотрудничать. Эта инфа разумеется дошла до Иванова — в ответ он предложил выкупить всю конторку кардиналов (их овнер пока не ответил). Вообще удивительно, с какой уверенностью Антоха даёт коллегам по сфере советы, не понимая базовые вещи (например, тот факт, что ЕЮ — вообще не наёмный сотрудник). Под конец Хоменок слился со стрима с Ивановым, заваливая его комплиментами — ожидаемое лицемерие, что тут скажешь.
К слову, когда ЕЮ спросил у Алексеева, уволил бы тот его, овнер приватов ответил, что скорее Иванов его уволит (что, может, и не так, но главному алкашу сферы всё равно было приятно).
🥴 — «инфлюенсер года», хуле
🤡 — типичный ЧСВшник без реальных достижений в сфере, такая лайф
😈 Я ЗЛОЙ, Я ГАНГСТА
Вспоминаем этого персонажа: в преддверии МАК и джигейт конф овнер Х6 Group Антон Хоменок назвал себя «инфлюенсером года» и заявил, что если не выиграет награды — значит, премии на конфах купленные. Как и можно было ожидать, умник ничерта не выиграл, но это унижение не помешало ему сделать предложение своей девушке на «коррумпированной» сцене джигеев.
Так вот, на конфе Хоменок посоветовал СЕО кардиналов уволить ЕЮ — мол, он фрик, с которым нельзя сотрудничать. Эта инфа разумеется дошла до Иванова — в ответ он предложил выкупить всю конторку кардиналов (их овнер пока не ответил). Вообще удивительно, с какой уверенностью Антоха даёт коллегам по сфере советы, не понимая базовые вещи (например, тот факт, что ЕЮ — вообще не наёмный сотрудник). Под конец Хоменок слился со стрима с Ивановым, заваливая его комплиментами — ожидаемое лицемерие, что тут скажешь.
К слову, когда ЕЮ спросил у Алексеева, уволил бы тот его, овнер приватов ответил, что скорее Иванов его уволит (что, может, и не так, но главному алкашу сферы всё равно было приятно).
🥴 — «инфлюенсер года», хуле
🤡 — типичный ЧСВшник без реальных достижений в сфере, такая лайф
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Китай планирует ограничить доступ к DeepSeek и GLM
Китай готовится ограничить публичный доступ к своим флагманским нейросетям — DeepSeek и GLM. Запрет по образцу США становится новой нормальностью.
Правительство рассматривает трёхуровневую систему: от стандартной регистрации для простых моделей до полного закрытия самых передовых — только для внутреннего использования.
Но есть один подвох, котор…
➡️ Читайте на сайте: https://aff.top/blog/kitai-planiruet-ogranichit-dostup-k-deepseek-i-glm
🧠 Ещё больше инсайтов → в канале AFF.top
Китай готовится ограничить публичный доступ к своим флагманским нейросетям — DeepSeek и GLM. Запрет по образцу США становится новой нормальностью.
Правительство рассматривает трёхуровневую систему: от стандартной регистрации для простых моделей до полного закрытия самых передовых — только для внутреннего использования.
Но есть один подвох, котор…
➡️ Читайте на сайте: https://aff.top/blog/kitai-planiruet-ogranichit-dostup-k-deepseek-i-glm
🧠 Ещё больше инсайтов → в канале AFF.top