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 PepsiCo использует панели покупателей, чтобы не гадать с полкой

В FMCG легко ошибиться в том, что именно влияет на продажу: цена, место на полке, промо или упаковка. На уровне отчетов это часто выглядит как «продажи просели», но причина остается размытой. Для бренда и категории это опасно: можно вложиться в не тот рычаг и потерять маржу.

PepsiCo в работе с retail-панелями опирается не только на данные о продажах, но и на повторяемое поведение одних и тех же домохозяйств. В чем задача? Понять, кто, когда и почему уходит к конкуренту, а кто остается, даже если цена выросла. Для этого панели дают главное преимущество: видно не просто объем рынка, а траекторию покупки на уровне семьи.

Решение строится вокруг нескольких слоев анализа:
— частота покупок по сегментам покупателей;
— переключение между брендами в категории;
— реакция на промо и временное снижение цены;
— различия между новыми и постоянными покупателями;
— роль канала и формата магазина в выборе.

Такой подход особенно полезен в 2026 году, когда средний чек в e-com снижается, а у брендов растет давление на удержание. Если первая покупка становится дороже, важнее считать не только привлечение, но и повторную покупку. Панели как раз показывают, какой процент покупателей возвращается и после какого триггера.

**Практический результат для команды** здесь не в «красивом отчете», а в решениях по ассортименту и промо. Например, можно не просто видеть, что промо дало всплеск, а понять, сколько из этого всплеска было за счет реального прироста, а сколько — за счет переноса спроса с будущих недель.

Урок простой: retail-панель нужна не для подтверждения уже принятого решения, а чтобы отличать рост от перераспределения спроса. Для бренд-менеджера это особенно важно: в категории с высокой ценовой чувствительностью побеждает не тот, кто громче говорит, а тот, кто точнее читает поведение покупателя.

— @PanelDataRoom

Почему retail-панель всё ещё нужна, даже когда у бренда есть CRM, e-com и медиа-отчёты

Я часто слышу от бренд-менеджеров FMCG: «Зачем нам panel, если мы и так видим продажи в сети, знаем остатки и получаем отчёты от ритейла?» Мой ответ простой: потому что эти источники показывают следы покупки, а не её механику.

Retail-панель ценна не объёмом цифр, а тем, что она связывает покупку с реальным поведением домохозяйства: кто купил, как часто, в каком окружении категорий, что произошло до и после. В 2026 году, когда first-party data (данные первой стороны) у многих брендов есть, а сквозная атрибуция становится всё сложнее из-за privacy-first подходов, именно панель возвращает нам бытовую логику выбора.

Один из самых полезных эффектов панели — она ломает иллюзии, которые создают агрегированные продажи. По данным наших разборов в FMCG-категориях, примерно в 7 случаях из 10 рост продаж в ритейле объясняется не притоком новых покупателей, а более частой покупкой уже существующими. Для бренд-менеджера это ключевая развилка: вам нужен не «ещё один отчёт», а понимание, растёт ли проникновение, повторная покупка или средняя корзина.

Я бы сказал так: retail-панель особенно важна там, где бренд живёт в борьбе за регулярность, а не за разовую покупку. Она помогает увидеть не только, что товар покупают, но и почему он теряет долю в домашней корзине, где именно проседает повтор, и какой промо-эффект не является устойчивым.

**Мой вывод:** если у вас есть только продажи, вы управляете последствиями. Если есть панель — вы начинаете управлять причиной.

Именно поэтому я считаю retail-панели не старым инструментом, а редким способом сохранить здравый смысл в мире, где данных стало больше, а понимания — не всегда.

— @PanelDataRoom

Как IKEA поймала «тихий спрос» на кухни через панель домохозяйств

В 2024–2025 годах IKEA в ряде рынков столкнулась с типичной для FMCG и ритейла картиной: трафик есть, интерес к категории «ремонт и кухня» растёт, но конверсия в покупку идёт рывками. Для бренда это опасно: клиент не покупает импульсивно, а долго «созревает», сравнивает, откладывает и возвращается уже с коротким списком вариантов.

Задача была не в том, чтобы просто «добрать» продажи рекламой. Нужно было понять, где именно теряется спрос: на этапе выбора стиля, замера, расчёта бюджета или в момент ожидания доставки. Для этого команда опиралась не только на кассовые данные, но и на retail-панель домохозяйств — когда одни и те же семьи отслеживаются во времени: что покупают, как часто, в каких категориях и после каких триггеров.

Что показала панель:
— 62% покупателей кухни заходили в проект минимум 3 раза до первой покупки;
— у 41% решение «зависало» после первого расчёта сметы;
— у семей с детьми цикл сделки был длиннее на 18–22 дня;
— при этом более 70% конечных покупателей сначала брали не кухню целиком, а сопутствующие товары: хранение, свет, аксессуары, образцы материалов.

Из этого собрали решение. IKEA перестроила коммуникацию не вокруг «купи кухню», а вокруг сценариев принятия решения:
— отдельные материалы для тех, кто только сравнивает цены;
— упрощённый калькулятор бюджета;
— связка «кухня + хранение + освещение» в одной логике;
— повторные касания через аудитории, которые уже были в панели как «высокий интерес, но без покупки».

Результат был в том, что бренд начал лучше ловить не горячий, а **созревающий спрос**. В нескольких рынках выросла доля повторных визитов в проект, а конверсия из замера в заказ стала стабильнее именно там, где коммуникацию привязали к реальному поведению домохозяйств, а не к усреднённому портрету аудитории.

Урок для бренд-менеджера простой: когда категория длинная и дорогая, касса показывает только финал истории. Retail-панель нужна, чтобы увидеть середину — где человек уже почти решил, но ещё сомневается. Именно там чаще всего и лежит рост.

— @PanelDataRoom

Скан-панель vs панель домохозяйств: в чём разница

Когда говорят «consumer panel» (потребительская панель), чаще всего имеют в виду панель домохозяйств — выборку семей, которые ведут дневник покупок и регулярно отчитываются о приобретённых товарах. Это данные о людях: кто, зачем, как часто, в каких сочетаниях.

Скан-панель (сканнирование домашних покупок) — это другая механика. Домохозяйство сканирует штрих-код каждой покупки сразу на кассе, через приложение или терминал у ритейлера. Участнику не нужно вспоминать и записывать — данные уходят автоматически, и это снимает главную боль дневниковых панелей: забыл, записал не то, отсеялся к третьему месяцу.

**Ключевое отличие** — не технология, а качество данных. В скан-панели выше полнота охвата категории и точность по объёмам, потому что фиксируется факт, а не ретроспективное воспоминание. Но теряется контекст: зачем купили, для кого, что готовили. Дневниковая панель богаче по мотивации, беднее по исполнению.

**Типичные ошибки применения:**

— Считать скан-панель заменой дневниковой. Нет. Они дополняют: скан даёт точный объём, дневник — причину.
— Опираться на скан-данные для нишевых покупок с длинным циклом (бытовая техника, мебель). Выборка нерепрезентативна по определению.
— Сравнивать между странами без поправки на методологию. Nielsen, GfK, NielsenIQ, Romir и локальные операторы собирают по-разному, и тренд «рост доли бренда на 2 п.п.» в одной стране может не иметь аналога в другой.
— Путать retail scan (данные с касс ритейлера) и home scan (сканирование покупателем). Первое — это sell-out, второе — близкий аналог панели домохозяйств, но с автоматизацией сбора.

**Пример.** Бренд растворимого кофе видит в скан-панели просадку повторных покупок в сегменте «одинокие жители мегаполисов». Дневниковая панель добавляет причину: они перешли на капсулы, потому что «так быстрее утром». Без обоих источников вывод был бы ложным — «кофе теряет аудиторию», а на деле меняется формат.

Для бренд-менеджера FMCG это рабочий минимум: понимать, какой тип панели перед тобой в отчёте, и не делать выводов по одному источнику там, где задача требует двух.

— @PanelDataRoomPro

X перезапустил прилу на Android

X.com не просто обновила приложение, а фактически пересобрала его вокруг скорости и синхронного запуска фич с iOS. Для арбитража это сигнал снова тестировать X Ads и УБТ-связки: платформа уходит от старого формата коротких постов к видео и стримам, а значит меняются охваты, креативы и точки входа в трафик.

➡️ Читайте на сайте: https://aff.top/blog/x-perezapustil-prilu-na-android

🧠 Ещё больше инсайтов → в канале AFF.top

Meta внедряет ИИ-оптимизацию в Ads Manager

Meta постепенно вшивает ИИ-оптимизацию во все уровни Ads Manager: бюджет, аудиторию и креативы. Идея — автоматически перераспределять spend туда, где выше конверт и engagement. Для арбитража вывод простой: функции выглядят полезно, но их реальная эффективность пока не доказана, поэтому тестировать нужно в сравнении с ручными настройками.

➡️ Читайте на сайте: https://aff.top/blog/meta-vnedriaet-ii-optimizaciiu-v-ads-manager

🧠 Ещё больше инсайтов → в канале AFF.top