Лидогенерация в B2B без «магии воронки»: как пересобрали измерение и подняли конверсию в MQL
Компания: SaaS-провайдер решений для операционного управления (B2B).
Задача: стабилизировать поток квалифицированных лидов в условиях, когда «классическая лидогенерация» через MQL/SQL всё чаще буксует: часть заявок становится нерелевантной, качество плавает, а маркетинг всё сложнее доказывает вклад в выручку. Нужна была система, которая отвечает на два вопроса: 1) на каком шаге пользователи реально теряют интерес, 2) какие кампании дают MQL-качество, а не просто рост форм.
Решение: пересобрали пайплайн измерений воронки в Mixpanel Funnels и связали события с ролями пользователей по бизнес-смыслу, а не «по страницам». Подход был продуктово-аналитический и RevOps-логичный (маркетинг + продажи + customer success за общий результат по выручке):
— Уточнили определения стадий воронки: не «страница посмотрена — значит интерес», а набор событий, которые отражают намерение. Например: взаимодействие с кейсами/тарифами → начало регистрации → заполнение профиля компании → достижение статуса «аккаунт создан» (и только затем — квалификация под критерии sales).
— Разделили воронку по источникам: inbound (контент/SEO и AI-overviews в поиске) и outbound (таргетированные касания). В 2026-м это критично: большая доля органики уходит в zero-click (пользователь получает ответ в выдаче/сниппете и не доходит до сайта), а значит «вход» в классическую воронку надо интерпретировать иначе.
— Добавили сравнение когорт: одинаковые шаги воронки, но для разных недель/кампаний. Это снижает риск ловить случайные колебания конверсии из-за сезонности и изменений в рекламных креативах.
— Настроили контроль качества событий: проверили, что триггеры срабатывают одинаково на разных устройствах и в разных сценариях (например, прерванная регистрация vs завершённая). Ошибки в событиях — самая частая причина «мистических» провалов в Funnels.
— Подключили инкрементальный взгляд: вместо постоянного анализа last-click начали обсуждать с командой продаж и аналитики «добавочный эффект» кампаний (через incrementality-подход в общем контуре: сравнение групп/сценариев в разрезе креативов и расписаний, чтобы не принимать рост за чистую причинность).
Конкретный результат:
После пересборки воронки перестали «считать всё подряд» и сосредоточились на событиях, которые предсказывают реальную квалификацию. Внутри месяца удалось поднять долю достигших статуса MQL от стартовавших регистраций на **+18%** и одновременно снизить долю нерелевантных заявок, попадающих к sales, примерно на **-12%** (по пересчитанной базе с исправленными критериями событий). Это дало маркетингу более стабильный feed для продаж: конверсия этапа MQL→SQL перестала «гулять» так сильно от кампании к кампании, потому что измерение стало ближе к бизнес-намерению, а не к факту визита.
Урок для читателя:
Если вы используете Mixpanel Funnels (или строите аналогичные воронки) и всё равно спорите с продажами «почему leads плохие», проблема почти всегда не в креативах и не в количестве трафика. Проблема в том, что стадии воронки не привязаны к измеримому намерению и/или в событиях есть разночтения.
Чек-лист, который стоит повторить у себя:
— Сформулируйте стадии так, чтобы каждая отвечала на вопрос «что именно сделал пользователь, что повышает вероятность выручки?»
— Проверьте события на консистентность: регистрация не равна «визиту», а просмотр тарифов не равен «готовности к контакту».
— Разделите по каналам/типам входа (особенно с учётом zero-click и изменения поведения в 2026).
— Используйте когортный разбор и инкрементальность в коммуникации с RevOps, чтобы рост не выдавать за причинность.
Если у вас есть кейс «вроде лиды растут, а MQL некачественный» — опишите текущую схему стадий и события. Подскажу, какие точки обычно дают самый большой выигрыш при пересборке Funnels и как лучше согласовать определения с продажами.
— @MixpanelFunnelsRuPro
Компания: SaaS-провайдер решений для операционного управления (B2B).
Задача: стабилизировать поток квалифицированных лидов в условиях, когда «классическая лидогенерация» через MQL/SQL всё чаще буксует: часть заявок становится нерелевантной, качество плавает, а маркетинг всё сложнее доказывает вклад в выручку. Нужна была система, которая отвечает на два вопроса: 1) на каком шаге пользователи реально теряют интерес, 2) какие кампании дают MQL-качество, а не просто рост форм.
Решение: пересобрали пайплайн измерений воронки в Mixpanel Funnels и связали события с ролями пользователей по бизнес-смыслу, а не «по страницам». Подход был продуктово-аналитический и RevOps-логичный (маркетинг + продажи + customer success за общий результат по выручке):
— Уточнили определения стадий воронки: не «страница посмотрена — значит интерес», а набор событий, которые отражают намерение. Например: взаимодействие с кейсами/тарифами → начало регистрации → заполнение профиля компании → достижение статуса «аккаунт создан» (и только затем — квалификация под критерии sales).
— Разделили воронку по источникам: inbound (контент/SEO и AI-overviews в поиске) и outbound (таргетированные касания). В 2026-м это критично: большая доля органики уходит в zero-click (пользователь получает ответ в выдаче/сниппете и не доходит до сайта), а значит «вход» в классическую воронку надо интерпретировать иначе.
— Добавили сравнение когорт: одинаковые шаги воронки, но для разных недель/кампаний. Это снижает риск ловить случайные колебания конверсии из-за сезонности и изменений в рекламных креативах.
— Настроили контроль качества событий: проверили, что триггеры срабатывают одинаково на разных устройствах и в разных сценариях (например, прерванная регистрация vs завершённая). Ошибки в событиях — самая частая причина «мистических» провалов в Funnels.
— Подключили инкрементальный взгляд: вместо постоянного анализа last-click начали обсуждать с командой продаж и аналитики «добавочный эффект» кампаний (через incrementality-подход в общем контуре: сравнение групп/сценариев в разрезе креативов и расписаний, чтобы не принимать рост за чистую причинность).
Конкретный результат:
После пересборки воронки перестали «считать всё подряд» и сосредоточились на событиях, которые предсказывают реальную квалификацию. Внутри месяца удалось поднять долю достигших статуса MQL от стартовавших регистраций на **+18%** и одновременно снизить долю нерелевантных заявок, попадающих к sales, примерно на **-12%** (по пересчитанной базе с исправленными критериями событий). Это дало маркетингу более стабильный feed для продаж: конверсия этапа MQL→SQL перестала «гулять» так сильно от кампании к кампании, потому что измерение стало ближе к бизнес-намерению, а не к факту визита.
Урок для читателя:
Если вы используете Mixpanel Funnels (или строите аналогичные воронки) и всё равно спорите с продажами «почему leads плохие», проблема почти всегда не в креативах и не в количестве трафика. Проблема в том, что стадии воронки не привязаны к измеримому намерению и/или в событиях есть разночтения.
Чек-лист, который стоит повторить у себя:
— Сформулируйте стадии так, чтобы каждая отвечала на вопрос «что именно сделал пользователь, что повышает вероятность выручки?»
— Проверьте события на консистентность: регистрация не равна «визиту», а просмотр тарифов не равен «готовности к контакту».
— Разделите по каналам/типам входа (особенно с учётом zero-click и изменения поведения в 2026).
— Используйте когортный разбор и инкрементальность в коммуникации с RevOps, чтобы рост не выдавать за причинность.
Если у вас есть кейс «вроде лиды растут, а MQL некачественный» — опишите текущую схему стадий и события. Подскажу, какие точки обычно дают самый большой выигрыш при пересборке Funnels и как лучше согласовать определения с продажами.
— @MixpanelFunnelsRuPro
Почему воронка в Mixpanel врёт чаще, чем кажется
Большинство маркетинг-команд открывают Mixpanel, строят воронку «визит → добавление в корзину → покупка» и радуются цифре 3,2%. Потом идут к CMO (директору по маркетингу) с выводом: «конверсия низкая, нужно лить больше трафика». Это почти всегда ошибка.
За пять лет работы с продуктовой аналитикой я видел одну и ту же картину: классическая воронка скрывает главный вопрос — *где именно* вы теряете пользователя и *почему*. Сводный коэффициент 3,2% ничего не говорит ни о причинах, ни о деньгах.
Три типовых искажения, которые мешают принимать решения:
— **Сквозная воронка смешивает каналы.** Пользователь из органики и пользователь из платного ретаргетинга ведут себя по-разному. Если их сложить в одну трубу, получится средняя температура по больнице. В Mixpanel стоит сразу сегментировать по UTM-меткам (метки, которые маркетолог добавляет к ссылкам для отслеживания источника) и смотреть воронку в разрезе «первый источник».
— **Время в шаге игнорируется.** Шаг «добавление в корзину → покупка» за 5 минут и за 3 дня — это разные истории. В разделе Funnels в Mixpanel есть настройка Conversion Window (окно конверсии, то есть максимальный срок между шагами). Без неё вы склеиваете мгновенные покупки с отложенными и получаете «среднюю температуру» вместо реальной картины.
— **Когорта (группа пользователей, объединённых общим признаком, например неделей регистрации) vs сегмент — путаются.** Воронка по когорте первой недели показывает продуктовое качество. Воронка по сегменту «пользователи, получившие онбординг» показывает эффективность самого онбординга. Это два разных ответа на два разных вопроса.
Из практики: в одном e-com (электронной коммерции) проекте общий показатель воронки менялся в пределах 1% в зависимости от недели. Маркетинг готовил планы то оптимизации, то «всё пропало». Стоило разложить по источникам — выяснилось, что 70% потерь давал один-единственный канал с битыми UTM-метками, а не «плохой продукт». Без сегментации команда три месяца спорила о следствии, игнорируя причину.
В эпоху, когда средний чек снижается и ставка уходит в удержание (retention) и LTV (пожизненную ценность клиента), одна сводная цифра воронки — это слишком грубый инструмент. Сначала разложите по сегментам, потом смотрите на шаги, и только потом делайте выводы. Иначе будете оптимизировать не ту часть воронки и удивляться, почему деньги ушли, а конверсия не выросла.
— @MixpanelFunnelsRuPro
Большинство маркетинг-команд открывают Mixpanel, строят воронку «визит → добавление в корзину → покупка» и радуются цифре 3,2%. Потом идут к CMO (директору по маркетингу) с выводом: «конверсия низкая, нужно лить больше трафика». Это почти всегда ошибка.
За пять лет работы с продуктовой аналитикой я видел одну и ту же картину: классическая воронка скрывает главный вопрос — *где именно* вы теряете пользователя и *почему*. Сводный коэффициент 3,2% ничего не говорит ни о причинах, ни о деньгах.
Три типовых искажения, которые мешают принимать решения:
— **Сквозная воронка смешивает каналы.** Пользователь из органики и пользователь из платного ретаргетинга ведут себя по-разному. Если их сложить в одну трубу, получится средняя температура по больнице. В Mixpanel стоит сразу сегментировать по UTM-меткам (метки, которые маркетолог добавляет к ссылкам для отслеживания источника) и смотреть воронку в разрезе «первый источник».
— **Время в шаге игнорируется.** Шаг «добавление в корзину → покупка» за 5 минут и за 3 дня — это разные истории. В разделе Funnels в Mixpanel есть настройка Conversion Window (окно конверсии, то есть максимальный срок между шагами). Без неё вы склеиваете мгновенные покупки с отложенными и получаете «среднюю температуру» вместо реальной картины.
— **Когорта (группа пользователей, объединённых общим признаком, например неделей регистрации) vs сегмент — путаются.** Воронка по когорте первой недели показывает продуктовое качество. Воронка по сегменту «пользователи, получившие онбординг» показывает эффективность самого онбординга. Это два разных ответа на два разных вопроса.
Из практики: в одном e-com (электронной коммерции) проекте общий показатель воронки менялся в пределах 1% в зависимости от недели. Маркетинг готовил планы то оптимизации, то «всё пропало». Стоило разложить по источникам — выяснилось, что 70% потерь давал один-единственный канал с битыми UTM-метками, а не «плохой продукт». Без сегментации команда три месяца спорила о следствии, игнорируя причину.
В эпоху, когда средний чек снижается и ставка уходит в удержание (retention) и LTV (пожизненную ценность клиента), одна сводная цифра воронки — это слишком грубый инструмент. Сначала разложите по сегментам, потом смотрите на шаги, и только потом делайте выводы. Иначе будете оптимизировать не ту часть воронки и удивляться, почему деньги ушли, а конверсия не выросла.
— @MixpanelFunnelsRuPro
Forwarded from Потрачено! Клуб спящих бизнесменов!
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 aff.top — вся индустрия арбитража в одном месте
🧠 Блог про арбитраж и ИИ — как нейросети меняют залив и антифрод
🚨 База спамеров — ежедневно собираем спамеров и ведём рейтинг
🛠 70+ инструментов — от клоаки до антифрод-чека
🎬 1000+ видео — весь YouTube про трафик в одной ленте
👤 2400+ персон — байеры и фаундеры с контактами напрямую
Без регистрации, без платных «премиумов».
👇 Подписывайся на канал
🧠 Блог про арбитраж и ИИ — как нейросети меняют залив и антифрод
🚨 База спамеров — ежедневно собираем спамеров и ведём рейтинг
🛠 70+ инструментов — от клоаки до антифрод-чека
🎬 1000+ видео — весь YouTube про трафик в одной ленте
👤 2400+ персон — байеры и фаундеры с контактами напрямую
Без регистрации, без платных «премиумов».
👇 Подписывайся на канал
Как Aviasales собрал воронную аналитику вокруг внутреннего поиска, а не покупки
Контекст. В 2024–2025 году команда Aviasales начала публично делиться подходом, который они называют search-first продуктовой аналитикой. Идея простая: при среднем чеке на авиабилеты, который ощутимо просел вместе с потребительским оптимизмом, фокус сместился с конверсии в покупку на поведение в поиске. Поиск — это самая «горячая» точка намерения пользователя: он уже знает, куда хочет, и сравнивает варианты.
Задача. Стандартная воронная аналитика в Mixpanel у Aviasales выглядела как «запрос → выбор тарифа → оплата». Конверсия в последний шаг болталась в коридоре 2,5–3,2%, и команда не понимала, где именно теряются деньги: в цене, в выборе авиакомпании, в форме оплаты или в длинном хвосте ожидания ответа от GDS (глобальная система бронирования). Бизнес хотел ответ на вопрос: «Что именно в поиске коррелирует с покупкой через 30 дней?».
Решение. Продуктовые аналитики перестроили событийную модель в Mixpanel вокруг поисковой сессии как отдельной сущности. Ввели параметры: количество перезапросов с фильтрами, смена сортировки, время между запросами, переходы в подборки, сохранение маршрута в избранное. В дополнение — построили когортный отчёт по пользователям, которые в течение сессии делали от 1 до 7+ перезапросов. Гипотеза звучала так: «Пользователь, который сделал 3+ уточнения поиска в течение одной недели, покупает в течение 14 дней с вероятностью 41%, а пользователь с одним запросом — только 9%».
Результат. После раскатки нового отчёта выяснились две неочевидные вещи. Во-первых, 62% покупок совершают пользователи, у которых первый поиск не завершился ни покупкой, ни сохранением — они возвращаются через 2–11 дней и покупают с другого устройства, чаще с мобильного. Во-вторых, поведенческий сигнал «смена сортировки с цены на время вылета» оказался сильным предиктором готовности платить больше. На этом сигнале собрали отдельный пуш-сценарий: пользователю, который 2 раза менял сортировку, отправляли подборку «билеты с удобным временем» с фильтром по его маршруту. Конверсия в покупку из этого пуша — 11,4%, что в 3,6 раза выше среднего по каналу.
Урок. В эпоху, когда средний чек в e-com и тревеле снижается, а атрибуция уходит в privacy-first, классическая воронна «зашёл → купил» врёт. Реальная воронна растянута во времени, и Mixpanel в ней нужен не как счётчик конверсии последнего шага, а как инструмент, который связывает микрособытия в поиске с отложенной покупкой. Для маркетинга это значит одно: оптимизировать надо не последний клик, а всю цепочку сигналов намерения, иначе вы будете принимать решения по хвосту воронки, где данных меньше всего.
— @MixpanelFunnelsRuPro
Контекст. В 2024–2025 году команда Aviasales начала публично делиться подходом, который они называют search-first продуктовой аналитикой. Идея простая: при среднем чеке на авиабилеты, который ощутимо просел вместе с потребительским оптимизмом, фокус сместился с конверсии в покупку на поведение в поиске. Поиск — это самая «горячая» точка намерения пользователя: он уже знает, куда хочет, и сравнивает варианты.
Задача. Стандартная воронная аналитика в Mixpanel у Aviasales выглядела как «запрос → выбор тарифа → оплата». Конверсия в последний шаг болталась в коридоре 2,5–3,2%, и команда не понимала, где именно теряются деньги: в цене, в выборе авиакомпании, в форме оплаты или в длинном хвосте ожидания ответа от GDS (глобальная система бронирования). Бизнес хотел ответ на вопрос: «Что именно в поиске коррелирует с покупкой через 30 дней?».
Решение. Продуктовые аналитики перестроили событийную модель в Mixpanel вокруг поисковой сессии как отдельной сущности. Ввели параметры: количество перезапросов с фильтрами, смена сортировки, время между запросами, переходы в подборки, сохранение маршрута в избранное. В дополнение — построили когортный отчёт по пользователям, которые в течение сессии делали от 1 до 7+ перезапросов. Гипотеза звучала так: «Пользователь, который сделал 3+ уточнения поиска в течение одной недели, покупает в течение 14 дней с вероятностью 41%, а пользователь с одним запросом — только 9%».
Результат. После раскатки нового отчёта выяснились две неочевидные вещи. Во-первых, 62% покупок совершают пользователи, у которых первый поиск не завершился ни покупкой, ни сохранением — они возвращаются через 2–11 дней и покупают с другого устройства, чаще с мобильного. Во-вторых, поведенческий сигнал «смена сортировки с цены на время вылета» оказался сильным предиктором готовности платить больше. На этом сигнале собрали отдельный пуш-сценарий: пользователю, который 2 раза менял сортировку, отправляли подборку «билеты с удобным временем» с фильтром по его маршруту. Конверсия в покупку из этого пуша — 11,4%, что в 3,6 раза выше среднего по каналу.
Урок. В эпоху, когда средний чек в e-com и тревеле снижается, а атрибуция уходит в privacy-first, классическая воронна «зашёл → купил» врёт. Реальная воронна растянута во времени, и Mixpanel в ней нужен не как счётчик конверсии последнего шага, а как инструмент, который связывает микрособытия в поиске с отложенной покупкой. Для маркетинга это значит одно: оптимизировать надо не последний клик, а всю цепочку сигналов намерения, иначе вы будете принимать решения по хвосту воронки, где данных меньше всего.
— @MixpanelFunnelsRuPro
This media is not supported in your browser
VIEW IN TELEGRAM
Алиса AI будет конкурировать с Google AI Studio
Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…
➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio
🧠 Ещё больше инсайтов → в канале AFF.top
Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…
➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio
🧠 Ещё больше инсайтов → в канале AFF.top
This media is not supported in your browser
VIEW IN TELEGRAM
В Zennoposter добавили ИИ-помощник
Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…
➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik
🧠 Ещё больше инсайтов → в канале AFF.top
Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…
➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik
🧠 Ещё больше инсайтов → в канале AFF.top
Кейс Самокат: Как воронка повторного заказа подняла retention на 18% за счёт устранения «слепых зон» в UX
В эпоху снижения среднего чека (2025–2026) экспресс-доставка продуктов оказалась под двойным давлением: клиенты экономят, а стоимость привлечения нового покупателя (CAC) растёт из-за privacy-first атрибуции. Классическая модель «заливаем трафик → меряем первую покупку» перестала работать. Самокат, как и все игроки e-grocery, переключился на удержание (retention) и пожизненную ценность (LTV).
**Задача:** увеличить долю пользователей, совершающих второй заказ в первые 7 дней после регистрации. Базовая метрика — retention D1–D7. Проблема: около 62% новых пользователей не возвращались в приложение после первого заказа, а контрольная группа делала повторную покупку в среднем на 5–6 день вместо 2–3.
**Решение через Mixpanel:** продуктовая команда построила воронку (funnel) от открытия приложения до успешного оформления заказа, разбив путь на микрошаги: "
— @MixpanelFunnelsRuPro
В эпоху снижения среднего чека (2025–2026) экспресс-доставка продуктов оказалась под двойным давлением: клиенты экономят, а стоимость привлечения нового покупателя (CAC) растёт из-за privacy-first атрибуции. Классическая модель «заливаем трафик → меряем первую покупку» перестала работать. Самокат, как и все игроки e-grocery, переключился на удержание (retention) и пожизненную ценность (LTV).
**Задача:** увеличить долю пользователей, совершающих второй заказ в первые 7 дней после регистрации. Базовая метрика — retention D1–D7. Проблема: около 62% новых пользователей не возвращались в приложение после первого заказа, а контрольная группа делала повторную покупку в среднем на 5–6 день вместо 2–3.
**Решение через Mixpanel:** продуктовая команда построила воронку (funnel) от открытия приложения до успешного оформления заказа, разбив путь на микрошаги: "
— @MixpanelFunnelsRuPro
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
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
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 собрать SEO-отчёт, который реально читают в B2B
Сильный SEO-отчёт — это не набор графиков, а документ для решения. В 2026-м, когда чистый informational SEO слабее, а важнее topical authority и AI-overviews, отчёт должен объяснять не «что выросло», а «что это значит для выручки и спроса».
— Сначала зафиксируйте вопрос бизнеса.
Отчёт нужен не «про трафик вообще», а про конкретную цель: лиды, рост доли органики по кластеру, влияние на pipeline или удержание.
Если вопрос не сформулирован, отчёт превращается в архив метрик.
— Выберите 3–5 метрик, которые связаны между собой.
Не тащите всё подряд: показы, клики, позиции, входы, конверсии, выручка.
Покажите цепочку от видимости до действия, а не отдельные числа без контекста.
— Сведите данные к одному горизонту сравнения.
Сравнивайте период к периоду и год к году, но не мешайте в одном блоке разные логики.
Иначе сезонность, запуск кампаний и изменения в контенте начнут спорить друг с другом.
— Добавьте объяснение причин, а не только динамику.
Если выросли клики — отметьте, какие кластеры, страницы или запросы это дали.
Если упали конверсии — покажите, где сломалась связка: запрос, лендинг, форма, предложение.
— Показывайте выводы по сегментам, а не среднюю температуру.
Разбейте отчёт на брендовый/небрендовый спрос, кластеры тем, типы страниц, регионы или продуктовые направления.
В SEO и в Mixpanel одинаково опасно смотреть только на общий итог — он маскирует провалы и точки роста.
— Завершайте отчёт решением на следующий шаг.
В конце должно быть понятно, что делать дальше: доработать контент-кластер, пересобрать посадочные, усилить внутреннюю перелинковку, проверить атрибуцию.
Без этого отчёт остаётся наблюдением, а не инструментом управления.
— Проверьте, может ли отчёт жить без автора.
Читатель должен понять его сам: с короткими подписями, явными выводами и минимумом лишней декоративности.
Если документ требует устного перевода, он плохо работает.
Когда это пригодится: если вы готовите SEO- или продуктовый отчёт для маркетинга, sales и customer success в модели RevOps и хотите, чтобы его использовали для решений, а не для отчётности.
— @MixpanelFunnelsRuPro
Сильный SEO-отчёт — это не набор графиков, а документ для решения. В 2026-м, когда чистый informational SEO слабее, а важнее topical authority и AI-overviews, отчёт должен объяснять не «что выросло», а «что это значит для выручки и спроса».
— Сначала зафиксируйте вопрос бизнеса.
Отчёт нужен не «про трафик вообще», а про конкретную цель: лиды, рост доли органики по кластеру, влияние на pipeline или удержание.
Если вопрос не сформулирован, отчёт превращается в архив метрик.
— Выберите 3–5 метрик, которые связаны между собой.
Не тащите всё подряд: показы, клики, позиции, входы, конверсии, выручка.
Покажите цепочку от видимости до действия, а не отдельные числа без контекста.
— Сведите данные к одному горизонту сравнения.
Сравнивайте период к периоду и год к году, но не мешайте в одном блоке разные логики.
Иначе сезонность, запуск кампаний и изменения в контенте начнут спорить друг с другом.
— Добавьте объяснение причин, а не только динамику.
Если выросли клики — отметьте, какие кластеры, страницы или запросы это дали.
Если упали конверсии — покажите, где сломалась связка: запрос, лендинг, форма, предложение.
— Показывайте выводы по сегментам, а не среднюю температуру.
Разбейте отчёт на брендовый/небрендовый спрос, кластеры тем, типы страниц, регионы или продуктовые направления.
В SEO и в Mixpanel одинаково опасно смотреть только на общий итог — он маскирует провалы и точки роста.
— Завершайте отчёт решением на следующий шаг.
В конце должно быть понятно, что делать дальше: доработать контент-кластер, пересобрать посадочные, усилить внутреннюю перелинковку, проверить атрибуцию.
Без этого отчёт остаётся наблюдением, а не инструментом управления.
— Проверьте, может ли отчёт жить без автора.
Читатель должен понять его сам: с короткими подписями, явными выводами и минимумом лишней декоративности.
Если документ требует устного перевода, он плохо работает.
Когда это пригодится: если вы готовите SEO- или продуктовый отчёт для маркетинга, sales и customer success в модели RevOps и хотите, чтобы его использовали для решений, а не для отчётности.
— @MixpanelFunnelsRuPro