Короткий домен Telegram перестал работать

Telegram лишился домена t.me: он разделегирован и больше не работает на уровне регистратора. Платформа срочно переезжает на telegram.me, а владельцам крупных каналов стоит обновить публичные ссылки. Сроки восстановления неизвестны, и есть риск, что t.me не вернётся вовсе на фоне давления на Telegram.

➡️ Читайте на сайте: https://aff.top/blog/korotkii-domen-telegram-perestal-rabotat

🧠 Ещё больше инсайтов → в канале AFF.top

Ставки растут: где вы сейчас выжимаете эффект?

В 2026 last-click всё чаще врёт, а ставки по аукциону растут быстрее качества лидов. **Что для вас сегодня даёт больше эффекта в платном поиске?**

ВАРИАНТЫ:
1. Скручиваю CPL через точные минус-слова и структуру
2. Поднимаю ставки на лучшие запросы и не дроблю трафик
3. Играю через сегменты, аудитории и корректировки
4. Смотрю на инкрементальность и режу лишние показы

— @PaidSearchRoom

Youtube тестирует поиск с AI

YouTube начал тестировать Ask YouTube — поиск с ИИ, где можно задавать вопросы обычным языком и получать не список ссылок, а готовую подборку видео и фрагментов.

Фича уже доступна в США и работает на сложные запросы: если нужно, ИИ уточняет вопрос и подсказывает следующий шаг.

Что это значит для поиска на YouTube и когда новинка дойдёт до других…

➡️ Читайте на сайте: https://aff.top/blog/youtube-testiruet-poisk-s-ai

🧠 Ещё больше инсайтов → в канале AFF.top

Почему я больше не верю в «идеальную» структуру аккаунта

За последние годы я видел слишком много попыток собрать аккаунт «по учебнику»: одна кампания на поиск, одна на бренд, отдельно ремаркетинг, отдельно конкуренты, отдельно всё остальное. На бумаге это выглядит аккуратно. В реальности — часто мешает управлению ставками сильнее, чем помогает.

Мой вывод простой: **структура аккаунта должна обслуживать решение, а не красоту схемы**.

Если у вас 20–30 конверсий в неделю, дробление по десятку кампаний почти всегда делает ставки слепее. Сигнал размывается, обучение идёт медленнее, а алгоритм начинает оптимизироваться не под спрос, а под внутреннюю логику структуры. Я не раз видел, как после объединения кампаний в более крупные кластеры CPA снижался на 12–18% уже в горизонте 2–3 недель. Не потому, что «магия объединения», а потому что системе стало на чем учиться.

Но и противоположная крайность вредна. Если всё свалить в одну кампанию, вы теряете управляемость: разные маржи, разные намерения, разные этапы воронки смешиваются в один котёл. Тогда ставка становится усреднённой, а усреднение в performance почти всегда дорого стоит.

Я обычно смотрю на структуру через три вопроса:
- где реально отличается экономика;
- где отличается намерение пользователя;
- где мне нужен отдельный контроль ставки, а где достаточно общего обучения.

Если различий нет — я не дроблю. Если различия есть, но объём трафика маленький — тоже не дроблю, а ищу способ сигналом подкормить одну кампанию. В 2026 году, когда атрибуция всё сильнее уходит в сторону server-side, MMM и incrementality, лишняя сложность в аккаунте становится ещё опаснее: вы начинаете управлять не спросом, а иллюзией точности.

Мой практический фильтр такой: **лучше 3 понятных кластера с нормальным объёмом, чем 12 красивых папок с пустыми карманами данных**.

Структура аккаунта — это не архитектура ради порядка. Это способ сделать ставку достаточно умной, чтобы она приносила выручку, а не отчётный комфорт.

— @PaidSearchRoom

Z.ai анонсировала новую GLM-5.5

Z.ai готовит релиз флагманской GLM-5.5: модель обещают показать в августе 2026 года.

Главная интрига — рост до 1 трлн параметров при том же контекстном окне в 1 млн токенов. Новинка снова будет заточена под код и агентные задачи.

Почему версия сразу 5.5, без 5.3 и 5.4, и что это может означать для рынка — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/z-ai-anonsirovala-novuiu-glm-5-5

🧠 Ещё больше инсайтов → в канале AFF.top

Telegram запустил собственный сервер для ботов

Telegram запустил собственный сервер для ботов и мани-приложений: теперь backend можно размещать прямо внутри инфраструктуры мессенджера.

Сервер работает на JavaScript/TypeScript, через вебхуки, и позволяет подключать SQL-базу для сбора контактов без посредников.

Пока неясны цена и ограничения — что именно уже можно тестировать, а где скрыт подв…

➡️ Читайте на сайте: https://aff.top/blog/telegram-zapustil-sobstvennyi-server-dlia-botov

🧠 Ещё больше инсайтов → в канале AFF.top

Как мы пересобрали структуру поискового аккаунта и снизили цену заявки на 31%

Кейс из B2B-сегмента: компания продавала облачную ERP-систему для среднего бизнеса. До пересборки аккаунта структура была классическая и, честно говоря, устаревшая: один общий пул кампаний, смешанные ключи по всему воронке и ставки, которые держались в основном на автоматике. На уровне отчётов всё выглядело терпимо, но в CRM картина была хуже: много лидов, мало SQL, длинный цикл сделки и постоянные споры с продажами о качестве трафика.

Задача была простая по формулировке и сложная по исполнению: снизить цену качественной заявки и убрать мусорный спрос, не потеряв объём. В 2026-м это особенно важно, потому что классический last-click (последний клик) всё хуже объясняет реальную выручку, а маркетинг уже отвечают не за «лиды», а за вклад в RevOps-воронку.

Что сделали:
— Разделили семантику не по типам соответствия, а по намерению: бренд, проблема, категория, конкуренты, нижний спрос.
— Вынесли отдельно high-intent-запросы с максимальной маржой и поставили на них более агрессивные ставки.
— Убрали из общих кампаний запросы с информационным хвостом: «что такое», «как выбрать», «сравнение», если они не доказывали конверсию в SQL.
— Пересобрали структуру аккаунта под разные стратегии назначения ставок: ручное управление для узких дорогих групп, автоматические стратегии — только там, где хватало данных.
— Добавили минус-слова на уровне кампаний и аккаунта, чтобы отсечь пересечения между сегментами.

Что получили за 7 недель:
— Цена заявки снизилась с 4 800 до 3 310 рублей.
— Доля SQL выросла с 18% до 27%.
— CTR по самым дорогим группам вырос с 4,2% до 6,1%.
— Средняя ставка по брендовой кампании снизилась на 14%, при этом объём не просел.
— В CRM стало меньше лидов «для галочки», а у sales исчезло 20–25% ручной фильтрации.

Главный вывод: ставка сама по себе почти ничего не решает. Решает структура аккаунта, которая показывает системе, где у вас деньги, а где просто шум. В эпоху, когда AI-overviews и zero-click всё сильнее размывают верх воронки, в поиске выигрывает не тот, кто льёт шире, а тот, кто точнее собирает спрос и жёстче управляет намерением.

— @PaidSearchRoom

Google картинки станут конкурентом Pinterest

Google Картинки начали превращать в полноценную платформу с персональной лентой по прошлым запросам — по сути, в аналог Pinterest.

Во вкладке For you уже тестируют подборки, а ещё обещают коллекции и генерацию изображений во встроенной Nano Banana.

Как это будет работать и когда новинка дойдёт до других стран — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/google-kartinki-stanut-konkurentom-pinterest

🧠 Ещё больше инсайтов → в канале AFF.top

Почему я не ставлю одну общую ставку на весь аккаунт

Я часто вижу одну и ту же ошибку: в аккаунте задают «нормальную» ставку и потом удивляются, почему одни группы выжигают бюджет, а другие не получают показов. На уровне практики это почти всегда означает, что аккаунт собран как витрина, а не как система спроса.

Моя позиция простая: **ставка должна следовать за ролью кластера**, а не за средним арифметическим по аккаунту.

Если вы ведёте поиск в 2026 году, одного универсального значения уже недостаточно. Причина не только в конкуренции. Меняется сам способ оценки трафика: privacy-first атрибуция, server-side, инкрементальность — всё это делает last-click менее удобной опорой. А значит, управлять ставкой «по последнему клику» и ждать стабильности — всё равно что рулить по зеркалу заднего вида.

Что я обычно делаю:
- выделяю бренд, категорийные запросы и запросы с высокой коммерческой глубиной в разные контуры;
- для бренда держу отдельную логику защиты доли показов;
- для верхнего спроса считаю не только CPA, но и вклад в дальнейшее движение по воронке;
- для тестовых кластеров закладываю более широкое окно обучения и не требую от них мгновенной окупаемости.

На одном B2B-проекте после разделения ставок по ролям групп мы убрали 18% лишнего расхода без потери лидов. Не за счёт магии, а за счёт простого решения: перестали одинаково относиться к запросам, которые живут в разной экономике.

Я считаю, что в поиске выигрывает не тот, кто «точнее поставил ставку» в одной группе, а тот, кто **собрал аккаунт как портфель ставок под разные задачи бизнеса**. Именно там сейчас лежит реальная эффективность.

— @PaidSearchRoom

Дополнительный контекст — @SMMstrategyRoom

Россияне не смогут покупать стейблкоины

Россиянам могут закрыть доступ к покупке стейблкоинов: в новой версии закона их приравняли к иностранным активам.

Купить такие токены смогут только квалифицированные инвесторы — например, с активами от 24 млн рублей или доходом от 12 млн в год.

Что это значит для обычных пользователей и когда правило заработает — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/rossiiane-ne-smogut-pokupat-steiblkoiny

🧠 Ещё больше инсайтов → в канале AFF.top

Как мы перестроили структуру Search-кампаний и срезали CPL на 27% без увеличения бюджета

В 2025–2026 у нас был типовой B2B-кейс: лиды шли из поиска, но качество плавало, а в отчётах всё выглядело «нормально» только на уровне last-click. Источником был бренд с длинным циклом сделки и несколькими продуктами в одной воронке. Бюджет не рос, задача была простая и жёсткая: удержать объём заявок и снизить стоимость качественного лида.

Проблема оказалась не в ставках как таковых, а в структуре аккаунта. Внутри одной кампании мешались:
— брендовые запросы;
— категории с разной маржой;
— запросы по продуктам для разных сегментов;
— информационные и коммерческие намерения.

Из-за этого алгоритм перераспределял деньги туда, где было больше кликов, а не выше вклад в выручку. В результате 38% бюджета съедали группы с CPL ниже среднего, но с конверсией в SQL почти в 2 раза хуже.

Что сделали:
— разнесли кампании по намерению и роли в воронке;
— отдельно выделили бренд, категории, конкурентов и high-intent запросы;
— ввели разные целевые CPA по сегментам;
— убрали автотаргетинг из «широких» групп, где он размывал сигнал;
— перевели ключевые фразы с низкой маржинальностью в ограниченный режим показов;
— для дорогих запросов включили защиту от лишнего расширения семантики.

Самое важное — мы перестали оптимизировать «лиды вообще» и начали смотреть на связку: заявка → SQL → выручка. Для этого связали рекламные данные с CRM и раз в неделю пересчитывали стоимость не лида, а квалифицированного обращения. Это уже ближе к логике RevOps, чем к старой модели «отдали лид и забыли».

Результат за 6 недель:
— CPL по качественным лидам снизился на 27%;
— доля SQL выросла с 31% до 44%;
— расход остался почти тем же: отклонение в пределах 4%;
— доля неэффективных кликов в поиске упала на 19%.

Урок простой: в 2026 году в платном поиске выигрывает не тот, кто сильнее крутит ставки, а тот, кто **правильно режет структуру аккаунта под намерение и ценность запроса**. Чем точнее сегментация, тем меньше мусора в обучении алгоритма и тем ближе оптимизация к деньгам, а не к красивым метрикам в кабинете.

— @PaidSearchRoom

Как пересобрать структуру аккаунтов в эпоху server-side атрибуции

В 2026 году классическая структура кампаний, завязанная на дробление по конкретным ключевым словам, теряет эффективность из-за перехода на server-side (серверную передачу данных) и модели атрибуции на основе инкрементальности (дополнительной ценности канала). Когда алгоритмы рекламных систем обучаются на данных о выручке, а не на кликах, дробление аккаунта «съедает» бюджет на обучение.

Как оптимизировать структуру прямо сейчас:

— Объединение кампаний. Если у вас несколько кампаний с общими целями, переводите их на автоматизированные стратегии назначения ставок (target CPA/ROAS). Алгоритмам нужно минимум 30–50 конверсий в неделю на одну кампанию для стабильной работы. Если кампания не набирает этот объем, объединяйте ее с похожими по семантике или аудитории.

— Фокус на ценности, а не на охвате. Перестаньте бороться за топ-1 выдачи по высокочастотным запросам, если они не приносят LTV (пожизненную ценность клиента). В эпоху снижения среднего чека в e-com, ставьте в приоритет кампании, которые приносят повторные покупки. Используйте CRM-данные (данные из системы управления отношениями с клиентами) для загрузки списков текущих покупателей и создания исключений в кампаниях, чтобы не тратить бюджет на тех, кто уже лоялен.

— Отказ от переизбытка минус-слов. В эпоху AI-overviews (обзоров, сгенерированных искусственным интеллектом) поисковые системы лучше понимают интенцию (намерение) пользователя. Слишком узкая фильтрация запросов через минус-слова ограничивает охват релевантной аудитории, которая может искать ваш продукт через неочевидные формулировки. Оставьте только жесткие тематические исключения.

— Переход на событийную аналитику. Настройте передачу офлайн-событий (например, успешное закрытие сделки в B2B или повторный заказ в e-com) напрямую в рекламный кабинет. Это даст алгоритму сигнал не о «заявке», а о реальном влиянии на выручку.

**Ваша задача на неделю:** проанализировать кампании за последние 30 дней. Если в кампании менее 20 целевых действий — объединяйте её с основной. Перестаньте «минусовать» всё подряд и начните загружать данные о LTV для обучения стратегий. Это база для работы в условиях, когда классическая атрибуция по последнему клику перестает быть ориентиром.

— @PaidSearchRoom

Есть схожая тема в @SMMnewsDigest, рекомендуем

Эволюция структуры аккаунта: почему дробление кампаний больше не работает

Последние десять лет нас учили правилу: чем детальнее сегментация, тем выше контроль. Мы создавали кампании под каждый запрос, выносили брендовые ключи в отдельные группы, плодили сотни объявлений для A/B-тестирования текстов. В 2026 году этот подход стал архитектурным пережитком. Алгоритмы машинного обучения, которые теперь управляют ставками и подбором аудитории, требуют не контроля над каждым шагом, а качественных данных на входе. Сегодня структура аккаунта — это не про охват ключевых слов, а про архитектуру передачи данных для систем обучения.

Первый тезис: отказ от микро-сегментации в пользу объема данных.

Раньше мы дробили кампании, чтобы управлять ставками на уровне точного соответствия. Сейчас алгоритмы обучаются на конверсиях, и им нужно минимум 30–50 целевых действий в месяц на одну кампанию для выхода на стабильную эффективность. Когда вы разделяете аккаунт на сотни мелких групп, вы искусственно обедняете обучение. Система не понимает, какой запрос привел к покупке, потому что бюджет размазан тонким слоем.

На практике это выглядит так: если раньше для интернет-магазина техники мы создавали кампании под каждый бренд (отдельно Apple, отдельно Samsung), то сейчас мы собираем их в общие кампании по категориям. Мы переходим на широкое соответствие в связке с умным назначением ставок. Результат: алгоритм быстрее находит закономерности в поведении покупателей и лучше оптимизирует цену за привлечение клиента, учитывая его готовность к покупке, а не просто соответствие поисковому запросу.

Второй тезис: приоритизация Retention (удержания) через структуру данных.

В условиях, когда средний чек падает, фокус смещается с поиска новых покупателей на максимизацию доходности текущих. Классическая модель «один запрос — одно объявление» не учитывает, кто именно вводит этот запрос: новый пользователь или клиент с высоким накопленным доходом. Структура аккаунта должна поддерживать передачу сигналов о ценности клиента.

В 2026 году performance-специалист должен интегрировать CRM-данные (системы управления отношениями с клиентами) напрямую в рекламные платформы через серверные решения. Вместо того чтобы создавать отдельные кампании для «старых» и «новых», мы кормим алгоритм ценностью транзакции. Если покупатель с высоким LTV (пожизненной ценностью клиента) ищет товар, система сама повышает ставку в рамках единой кампании. Это превращает поиск из «охотника за кликами» в инструмент управления прибылью.

Третий тезис: сигналы важнее, чем ключ.

Эпоха ответов на запросы с помощью AI-обзоров в поиске меняет механику работы с контентом. Пользователь все чаще получает готовый ответ прямо в поисковой выдаче и не переходит на сайт. В этой реальности наша задача — дать системе сигналы о намерениях через структуру аккаунта. Мы должны группировать запросы не по семантическому сходству, а по этапу принятия решения в рамках RevOps (общей ответственности маркетинга и продаж за выручку).

Пример из сферы B2B: вместо кампаний под каждый поисковый запрос (например, «купить CRM», «стоимость CRM»), мы группируем их по типу бизнес-задачи. Мы создаем структуру, где посадочные страницы соответствуют разным уровням готовности: от ознакомительных материалов для тех, кто «изучает рынок», до предложений для тех, кто готов к демо-версии. Мы не боремся за каждый ключ, мы строим путь пользователя от первого касания до сделки, используя алгоритмы для подбора нужного сообщения под конкретный цифровой след пользователя.

Завершение: роль специалиста переходит в область проектирования систем.

Мы перестаем быть настройщиками ставок и составителями семантических ядер. Наша работа — это настройка потоков данных и создание условий, при которых алгоритмы работают на бизнес-цели компании. Если ваша текущая структура требует ручного управления ставками для десяти и более кампаний, вы теряете время на борьбу с автоматикой, которая уже стала умнее нас в вопросах микро-оптимизации.
…