Claude code теперь умеет запускать Ios-прилы

Anthropic превратила Claude Code Desktop в инструмент для сборки и отладки iOS-приложений прямо в симуляторе Apple. Claude видит интерфейс, читает экран и сразу вносит правки без computer use и разрешений на запись экрана. Для работы нужен Mac, Xcode и подписка Pro/Max/Team. Вывод: это удобный способ быстрее тестировать iOS-оферы и фичи.

➡️ Читайте на сайте: https://aff.top/blog/claude-code-teper-umeet-zapuskat-ios-prily

🧠 Ещё больше инсайтов → в канале AFF.top

Open AI запустила рекламный сервис в ChatGPT

OpenAI запустила рекламу в ChatGPT: спонсорские блоки показываются в бесплатной версии и тарифе Go, а закупка идёт по CPM и CPC с бюджетом на уровне адсетов. Для арбитражников это пока дорогой тест: рекомендованный CPC $3–5, ограниченные гео, есть UTM и базовая статистика, но окупаемость под вопросом.

➡️ Читайте на сайте: https://aff.top/blog/open-ai-zapustila-reklamnyi-servis-v-chatgpt

🧠 Ещё больше инсайтов → в канале AFF.top

Как внедрить метод маркетингового микса (MMM) для оценки эффективности каналов в 2026 году

В эпоху privacy-first (приоритета приватности) и отключения сторонних файлов cookie, классическая атрибуция по последнему клику стала бесполезна. Маркетологи переходят на моделирование маркетингового микса (Marketing Mix Modeling — MMM), чтобы оценивать вклад каналов в выручку, не опираясь на персональные данные пользователей.

Вот пошаговый алгоритм, как запустить базовый MMM для вашего проекта на этой неделе:

— Соберите исторические данные за 2–3 года. Вам нужны не только расходы на рекламу, но и внешние факторы: сезонность, праздники, изменения цен, активность конкурентов и макроэкономические показатели. Это база для обучения модели.

— Подготовьте данные для анализа. Очистите их от выбросов (аномально высоких затрат или технических сбоев). Приведите все показатели к единому временному интервалу — неделе. Это оптимальный шаг для B2B и E-com, где цикл принятия решения длиннее одного дня.

— Определите переменные запаздывания (adstock). Рекламная кампания не дает результат мгновенно. Используйте простые функции затухания, чтобы учесть «эффект эха» — когда контакт с брендом сегодня влияет на покупку спустя 2–3 недели.

— Проведите декомпозицию временных рядов. Используйте открытые библиотеки на Python (например, Robyn от Meta или LightweightMMM от Google). Задача — разделить общие продажи на базовый уровень (то, что покупают без рекламы) и инкрементальный эффект (то, что принесла активность маркетинга).

— Проверьте модель на корреляцию с бизнес-результатами. Если прогноз модели по выручке совпадает с реальностью на 80% и выше, используйте её для планирования бюджета.

— Переходите от планирования по MQL (квалифицированным лидам) к RevOps (общей ответственности за выручку). На основе данных модели перераспределите бюджет в пользу каналов с высоким коэффициентом возврата инвестиций, даже если в рекламном кабинете они выглядят неэффективными.

MMM — это не про точность до рубля, а про поиск закономерностей. Начните с малого: попробуйте построить модель для одного ключевого продукта, чтобы понять, какой процент роста обеспечивает медийная поддержка, а не только прямой спрос. *Системный подход к данным — единственный способ сохранить управляемость маркетингом в условиях анонимизации трафика.*

— @MarketingCraftTools

Google выпустила новую Gemini 3.6 flash

Google выкатил новую линейку Gemini: 3.6 Flash стала основной моделью и выгоднее прошлой, при этом лучше в кодинге. 3.5 Flash-Lite — самая быстрая, подходит для рисёрча и анализа доков. Flash Cyber ориентирована на поиск уязвимостей, но доступна только в пилоте.

➡️ Читайте на сайте: https://aff.top/blog/google-vypustila-novuiu-gemini-3-6-flash

🧠 Ещё больше инсайтов → в канале AFF.top

IOS 27 будут блокировать за долги

Apple готовит в iOS 27 механизм блокировки iPhone при просрочке по лизингу: часть функций останется доступной, чтобы можно было оплатить долг. Для CPA и партнёрского маркетинга это сигнал, что финтех и рассрочка всё глубже вшиваются в экосистему бренда, а доступ к устройству может зависеть от статуса договора.

➡️ Читайте на сайте: https://aff.top/blog/ios-27-budut-blokirovat-za-dolgi

🧠 Ещё больше инсайтов → в канале AFF.top

Meta разрабатывает приложение для сочинения сказок

Meta тестирует AI-приложение для создания детских сказок: пользователь задаёт героя, мир и мораль, а нейросеть сама пишет текст, рисует иллюстрации и добавляет музыку. Это шаг к массовой генерации контента, где качество, персонализация и скорость важнее ручной работы — а для арбитража и CPA это ещё один инструмент, ускоряющий упаковку креативов и кейсов.

➡️ Читайте на сайте: https://aff.top/blog/meta-razrabatyvaet-prilozhenie-dlia-sochineniia-skazok

🧠 Ещё больше инсайтов → в канале AFF.top

Почему я перестал измерять маркетинг только по заявкам

В B2B у меня всё чаще один и тот же вывод: старый подход «привели MQL — значит сработали» больше не объясняет, что реально происходит с выручкой. В 2026 году это особенно заметно. Лиды могут быть, формы — заполняться, а продажи всё равно буксуют. Потому что между первым контактом и деньгами теперь слишком много звеньев: контент, прогрев, повторные касания, работа sales, onboarding, customer success.

Я вижу, как команды зацикливаются на одном слое аналитики и теряют систему целиком. Отсюда и привычная ошибка: считать, что маркетинг отвечает за поток заявок, а дальше уже «не его зона». На практике именно это «дальше» и съедает половину эффективности.

Мой ориентир сегодня — не MQL, а **вклад в выручку по всей цепочке**. Если упростить, я смотрю на три вещи:
— насколько маркетинг помогает создавать спрос, а не только собирать его;
— как он влияет на скорость прохождения сделки;
— что происходит после первой продажи: возвращаемость, повторные покупки, расширение аккаунта.

Особенно это видно в проектах, где цикл сделки длинный. Там контент с собственной экспертизой работает сильнее любого поточного SEO-текста. Потому что в эпоху AI-overviews и zero-click люди всё меньше «ищут информацию» и всё больше ищут того, кому можно доверить решение.

Из практики: в одном B2B-проекте мы убрали часть отчётности по сырым заявкам и собрали дашборд вокруг выручки, стадии сделки и повторных касаний. Через два месяца стало заметно, что часть «слабых» каналов на деле давала лучший вклад в сделки, чем формально самый дешёвый трафик.

Мой вывод простой: **маркетинг перестал быть отделом лидов. Он становится частью RevOps — общей системы выручки.** И чем раньше команда это признает, тем меньше будет красивых, но бесполезных цифр.

— @MarketingCraftTools

Google добавил вход по видеоселфи

Google тестирует вход по видеоселфи вместо пароля и 2FA: пользователь записывает короткое видео, а потом система сверяет лицо при авторизации. Это упрощает доступ, но вызывает вопросы к антифроду и защите от дипфейков. Функция доступна не всем и не работает для Workspace, детских аккаунтов и Advanced Protection.

➡️ Читайте на сайте: https://aff.top/blog/google-dobavil-vkhod-po-videoselfi

🧠 Ещё больше инсайтов → в канале AFF.top

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

Топологическая (не демо) воронка: как я измеряю маркетинг после “просто кликов”

В 2026 я всё чаще вижу одну и ту же ошибку: маркетинг считают по воронке “лид → заявка → встреча”, а дальше ответственность размывается. В результате команда оптимизирует то, что легче мерить (охваты, CTR, количество форм), но не то, что двигает выручку. И да — это уже не про “аналитику ради аналитики”. Это про выживаемость в эпоху Topical Authority и AI-overviews: спрос может приходить без очевидных касаний, а last-click всё сильнее врет.

Как я подхожу к измерению? Я строю топологическую воронку — не “линейную лестницу”, а карту путей к деньгам.

Мой принцип простой: у каждого этапа должен быть свой вопрос, а не “KPI ради KPI”.
— Узнаваемость: что именно за запрос/боль привёл бренд (какой класс намерения)?
— Рассмотрение: что сработало в контенте или продуктовой коммуникации (какое обещание подтверждено)?
— Действие: какой тип действия ведет к продажам (демо, расчет, внедрение образца, тех.встреча)?
— Закрытие: где и почему обрывается (скорость, качество передачи, требования к комплаенсу, дефицит экспертизы)?
— Retention (удержание): как маркетинг влияет на продолжение/расширение, а не только на первичную сделку.

Практическое наблюдение из последнего ревью по B2B-проекту: после того как мы перестали оптимизировать кампании по “стоимости лида” и переключились на долю сделок, где маркетинг был “причиной” первого согласованного шага (то есть не просто источником заявки, а триггером нужного следующего действия), конверсия от MQL-признака до SQL выросла на 18%. При этом CPL даже не улучшился радикально — поменялась логика отбора и качество маршрутизации.

Чем топологическая воронка отличается от привычной? Она учитывает, что пользователь может не “пройти все ступени”, а перескочить через них (например, сначала прийти через исследование/кейс, потом получить ответ, и только затем — заявку). Значит, метрики тоже должны быть путями, а не ступенями.

Инструмент, который я использую в отчете раз в месяц: “матрица решений”. По каждой точке маршрута фиксируем:
— кто принимает решение (маркетинг/продажи/CS),
— какое условие должно выполниться,
— какие артефакты это подтверждают (матчинг по сегменту, нужный контент, корректная квалификация).

И самое важное: такая система хорошо ложится на RevOps (общую ответственность за выручку). Потому что она заставляет перестать искать “где сломалось” и начать договариваться “кто за что отвечает на каждом узле пути”.

Если хотите, я могу в следующем посте дать шаблон матрицы решений и пример полей под вашу CRM/BI — под ваш цикл сделки (короткий/длинный) и вашу структуру передачи лида.

— @MarketingCraftTools

Глубже разбирают этот метод в @NewsletterCraft

Эра «последнего клика» окончательно уходит в прошлое, уступая место маркетинговому моделированию и аналитике на стороне сервера. Как вы теперь измеряете вклад каждого канала в выручку?

ВАРИАНТЫ:
1. Используем MMM (моделирование маркетингового микса)
2. Доверяем server-side (серверной) атрибуции
3. Ставим на тесты инкрементальности
4. Все еще смотрим на последний клик по привычке

— @MarketingCraftTools

Параллельный взгляд на тему — @MarketingBooksRoom

Почему я перестал верить в «универсальные» маркетинговые отчёты

За последние пару лет я всё чаще вижу одну и ту же ошибку: маркетинг собирает красивый отчёт, но не может по нему управлять решением. В 2026-м это особенно заметно: когда последний клик теряет вес, а атрибуция уходит в server-side, MMM и инкрементальность, отчёт ради отчёта становится дорогой декорацией.

Я в таких случаях смотрю не на объём данных, а на то, **какое управленческое решение** из отчёта можно принять за 10 минут. Если нельзя ответить, что отключить, что масштабировать и что проверить отдельно, значит инструмент работает на внешний вид, а не на бизнес.

У меня есть простое правило для оценки любого дашборда:
— он должен показывать не больше 5–7 ключевых метрик на одном экране;
— каждая метрика должна вести к действию;
— в отчёте должен быть один владелец решения, а не «все понемногу».

На практике лучше всего работают не «сводные по всем каналам», а узкие рабочие отчёты под конкретную задачу:
— для performance — вклад канала в прирост, а не только стоимость заявки;
— для B2B — связка маркетинга, продаж и customer success, а не разрозненные MQL;
— для контента — не число публикаций, а вклад в узнаваемость, переходы по брендовым запросам и удержание внимания.

Один показательный случай: в B2B-проекте мы убрали из еженедельного отчёта 14 лишних показателей и оставили 6. Через месяц команда перестала спорить о «какой CPL правильный» и начала обсуждать, где теряется выручка по этапам воронки. Сам отчёт не стал умнее — просто стал пригоден для работы.

Мой вывод простой: в 2026 году ценность отчёта не в полноте, а в его способности сокращать путь от данных к решению. Если инструмент не помогает принять решение быстрее, его место не в рабочем процессе, а в архиве.

— @MarketingCraftTools

Глубже разбирают этот метод в @ToVCraft

С Sonnet 5 и Opus 4.8 теперь можно разговаривать

Anthropic прокачали Claude Voice Mode: теперь голосом можно ставить сложные многоэтапные задачи, а не только получать быстрые ответы. Claude умеет работать с внешними инструментами и сервисами вроде Slack, Gmail и Notion, помогая с анализом, поиском и сводками. Это делает ИИ удобнее для рабочих процессов и быстрых решений.

➡️ Читайте на сайте: https://aff.top/blog/s-sonnet-5-i-opus-4-8-teper-mozhno-razgovarivat

🧠 Ещё больше инсайтов → в канале AFF.top