Крупные СМИ хотят заблокировать Google

Американские СМИ обвиняют Google в том, что AI-ответы в поиске отъедают их трафик, и готовы блокировать бота, чтобы защитить контент. Но это рискованный ход: если закрыть доступ краулеру, сайтам станет ещё сложнее получать переходы из поиска. Итог: медиабизнес зажат между падением трафика и потерей видимости в Google.

➡️ Читайте на сайте: https://aff.top/blog/krupnye-smi-khotiat-zablokirovat-google

🧠 Ещё больше инсайтов → в канале AFF.top

Как Nike поймал «неочевидную» покупку в панели и переложил это в рост корзины

Панели розницы и потребительские панели хороши не тем, что «показывают продажи». Их сила — в том, что они вскрывают, **кто именно** меняет поведение и **в какой момент**. У Nike в США был показательный кейс: бренд увидел, что рост в категории идет не только за счет ядра — бегунов и регулярных спортсменов, — но и за счет покупателя, который приходит в спорт как в стиль жизни. Это важная развилка для FMCG тоже: не всегда самый лояльный сегмент дает максимум прироста.

Контекст был такой: категория спортивной одежды росла, но конкуренция за внимание усиливалась, а рекламное давление с каждой неделей дорожало. Простого знания «продались кроссовки» было мало. Nike работал с retail-панелями и consumer panels, чтобы связать покупку с частотой использования, поводом и составом корзины.

Задача была практическая: понять, что именно двигает повторную покупку и апсейл — более дорогая модель, комплектные покупки или смена повода. Панельный срез показал: у части аудитории кроссовки покупаются не как «спортивный инвентарь», а как универсальный товар на каждый день. В таких сегментах выше доля мультикатегорийной корзины: кроссовки + носки + худи, а средний чек растет не за счет одной позиции, а за счет набора.

Решение Nike строилось на трех шагах:
— пересобрали сегменты не по демографии, а по поведению покупки;
— в коммуникации развели продуктовые роли: performance (для спорта) и lifestyle (для повседневного ношения);
— в рознице усилили связку полки и промо-набора, чтобы поднимать не только конверсию, но и размер корзины.

Результат в таких кейсах обычно читается не только в выручке, но и в структуре покупки: выше частота повторного визита, больше доля сопутствующих товаров, лучше удержание в категории. Для бренда это особенно ценно в 2026 году, когда средний чек у потребителя снижается на 5–8%, и борьба идет уже не за «первую покупку», а за LTV — пожизненную ценность клиента.

Урок для FMCG простой: panel data полезны не для красивой отчетности, а для ответа на вопрос, где лежит дополнительный рубль. Иногда он не в расширении охвата, а в правильной упаковке повода покупки и в сборке корзины вокруг ядра.

— @PanelDataRoom

Глубже разбирают этот метод в @DataStorytellingMK

В 2027 банки РФ начнут блокировать переводы при подозрении вируса

С 1 марта 2027 года банки в РФ смогут блокировать переводы, если на устройстве клиента найдут вредоносное ПО, способное угрожать онлайн-банку. «Антифрод 2.0» усилит контроль, но оставляет вопросы к критериям антифрода и приватности: приложение получит доступ к списку установленных программ, а отдельный смартфон станет почти обязательным.

➡️ Читайте на сайте: https://aff.top/blog/v-2027-banki-rf-budut-blokirovat-perevody-pri-podozrenii-virusa

🧠 Ещё больше инсайтов → в канале AFF.top

Российские букмекеры озадачены итогами чемпионата по футболу

ЧМ-2026 для российских буков дал меньше новых игроков, но больше денег: аудитория просела, а средний чек и оборот ставок выросли. Вывод для арбитража и CPA простой: в таких офферах лучше работает ретаргет по уже прогретой базе и пуш-рассылки, чем холодный трафик.

➡️ Читайте на сайте: https://aff.top/blog/rossiiskie-bukmekery-ozadacheny-itogami-chempionata-po-futbolu

🧠 Ещё больше инсайтов → в канале AFF.top

Iphone начали раздавать в аренду

Apple запустила аренду iPhone, iPad, Mac и Apple Watch по ежемесячной подписке с выкупом или обменом по окончании срока. Это способ снизить порог входа в новые модели, но итоговая цена заметно зависит от конфигурации и срока. Похожие сервисы в России уже есть, так что формат не выглядит революцией.

➡️ Читайте на сайте: https://aff.top/blog/iphone-nachali-razdavat-v-arendu

🧠 Ещё больше инсайтов → в канале AFF.top

X запустил собственную платёжку X Money

X Money от Илона Маска — новый платёжный сервис с картами Visa, поддержкой Apple Pay, Google Pay и Apple Wallet. Сейчас доступ к выпуску есть только у Premium/Premium+ пользователей в США, поэтому сервис пока нишевый, но выглядит перспективно: ранний заход может дать чистые БИНы и меньше внимания антифрода.

➡️ Читайте на сайте: https://aff.top/blog/x-zapustil-sobstvennuiu-platezhku-x-money

🧠 Ещё больше инсайтов → в канале AFF.top

Почему панель — это не «опросник про покупки», а ранний датчик рынка

Я всё чаще вижу, как панели потребителей пытаются использовать слишком узко: «сколько купили», «в какой сети», «какую марку выбрали». Для бренд-менеджера FMCG это полезно, но недостаточно. В 2026 году, когда средний чек давит вниз, а покупатель чаще экономит и переключается между брендами, панель ценна не как отчёт о прошлом, а как **ранний датчик изменений поведения**.

Моя позиция простая: retail-панель надо читать как систему сигналов, а не как таблицу продаж. Если смотреть только на долю, можно пропустить главное — *почему* люди стали чаще брать меньшую фасовку, уходить в промо, реже покупать «любимый» бренд или менять магазин без смены категории. Именно на таких сдвигах сегодня рождается будущая потеря доли, а не в финальном квартальном отчёте.

В практике я почти всегда вижу одну и ту же вещь: когда в панели начинает расти частота мелких замещений, через 1–2 цикла это уже отражается в денежной доле, хотя в штуках всё ещё кажется «стабильно». Условно: бренд держит объём, но проседает по качеству корзины — и это гораздо опаснее, чем мгновенный минус в продажах. Для FMCG это особенно важно, потому что потребитель сейчас оптимизирует не только цену, но и риск ошибки.

Поэтому я бы советовал смотреть на панель в трёх слоях:
— кто уходит к конкуренту, а кто лишь снижает размер покупки;
— где именно срабатывает переключение: категория, канал, фасовка, промо;
— что происходит с повторной покупкой, а не только с первой.

Панель не заменяет другие источники, но она даёт то, чего не хватает в дашбордах продаж: человеческую логику выбора. А в эпоху, когда исполнительные отчёты легко генерируются машиной, именно интерпретация поведения становится ценностью эксперта.

— @PanelDataRoom

Google генерирует ИИ-ответы по 43% ключей

Google всё чаще отвечает сам: ИИ-сводки уже покрывают 43% ключей, а к 2026 году до 68% запросов могут завершаться без клика на сайт, в AI Mode — до 93%. Для медиа и SEO это риск потери трафика и монетизации: если пользователь получает ответ в выдаче, сайт может стать нерентабельным.

➡️ Читайте на сайте: https://aff.top/blog/google-generiruet-ii-otvety-po-43-kliuchei

🧠 Ещё больше инсайтов → в канале AFF.top

Grok может делать приложения прямо в чате

Grok запустил Build Mode — режим, где по одному промпту можно собрать приложение или сайт прямо в чате, получить код, превью и сразу доработать проект. Но функция пока доступна только в SuperGrok Heavy за $300 в месяц, поэтому для практики это слишком дорого: полезен разве что трастовый домен grok.me, но не за такие деньги.

➡️ Читайте на сайте: https://aff.top/blog/grok-mozhet-delat-prilozheniia-priamo-v-chate

🧠 Ещё больше инсайтов → в канале AFF.top

Как IKEA читает поведение покупателей через панель и не путает рост трафика с ростом бизнеса

В retail-панелях самая частая ошибка бренда — смотреть только на продажи в одной сети и делать выводы о рынке. У IKEA в Европе был показательный кейс: компания использовала покупательские панели, чтобы отделить «шум» трафика от реального изменения спроса. Это особенно важно сейчас, когда средний чек уходит вниз на 5–8%, а удержание покупателя становится важнее разовой покупки.

Контекст был такой: продажи в отдельных каналах росли неравномерно, часть категорий показывала всплеск, но непонятно было, это эффект промо, перераспределение между магазинами или действительно новая покупка. Для бренд-менеджера FMCG логика та же: если вы видите +12% в одной сети, это ещё не значит, что бренд стал сильнее.

Задача IKEA состояла в том, чтобы понять:
— кто именно покупает чаще;
— какие категории тянут повторную покупку;
— где рост идёт за счёт новых домохозяйств, а где — за счёт более высокой частоты визитов.

Решение строилось на панели домохозяйств с долгим горизонтом наблюдения. Смотрели не только корзину, но и траекторию: как меняется частота визитов, что происходит после промо, как перераспределяются покупки между каналами. Важный момент — анализировали не «один месяц к прошлому месяцу», а к собственной базе поведения панели. Это уже не классическая отчётность, а работа на уровне причинно-следственных связей.

Что нашли:
— заметная часть прироста шла от существующих покупателей, а не от расширения аудитории;
— в категориях с выраженным промо люди чаще переключались между брендами, но не увеличивали общий объём потребления;
— самые ценные покупатели были не те, кто брал больше в одной корзине, а те, кто возвращался чаще в течение квартала.

**Главный результат** — IKEA перестала оценивать эффективность акций только по краткосрочному росту продаж и стала смотреть на повторяемость поведения. Это помогло точнее распределять бюджет между промо, ассортиментом и коммуникацией.

Урок для FMCG простой: retail-панель нужна не для красивых графиков, а чтобы ответить на три вопроса — кто купил, почему купил и вернётся ли он. В 2026 году, когда last-click уже не даёт полной картины, а AI-отчёты легко создают иллюзию понимания, именно panel data остаются способом проверить реальное поведение, а не его цифровую тень.

— @PanelDataRoom

Параллельный взгляд на тему — @SMMtoolsReviewRu

NordVPN спалил команду, которая лили на igambling

NordVPN заметил арбитражную схему с гемблой из FB и Instagram через PWA-прилы, где ссылка маскировалась под Google Play, а трафик уводили на казино. История показывает, что бренды и их разработчики всё чаще отслеживают такие воронки, а риск антифрода и блокировок для байеров растёт.

➡️ Читайте на сайте: https://aff.top/blog/nordvpn-spalil-komandu-kotoraia-lili-na-igambling

🧠 Ещё больше инсайтов → в канале AFF.top

Павла Дурова официально внесли в список террористов

В статье разбирают, как в РФ Telegram и лично Павла Дурова связали с обвинениями в содействии терроризму из-за бота «Дайвинчик». Вывод простой: претензия власти направлена не на сам мессенджер как продукт, а на его инфраструктуру и инструменты внутри него, но для пользователей это сигнал о росте рисков и непредсказуемости правил.

➡️ Читайте на сайте: https://aff.top/blog/pavla-durova-oficialno-vnesli-v-spisok-terroristov

🧠 Ещё больше инсайтов → в канале AFF.top

OpenAI извинились за новый дизайн ChatGPT

OpenAI признала, что новый десктопный ChatGPT вышел перегруженным: слитые в один интерфейс Chat, Work и Codex запутали пользователей и раздули приложение почти в 10 раз. После хейта обновление откатили, а вывод простой: функции надо упаковывать в единый UX без лишнего шума, даже если это помогает росту базы.

➡️ Читайте на сайте: https://aff.top/blog/openai-izvinilis-za-novyi-dizain-chatgpt

🧠 Ещё больше инсайтов → в канале AFF.top

Скрытая причина «не бьётся» промо: у панелей чаще проблема не в данных, а в допущениях

У меня в retail-панелях есть повторяющийся сценарий: бренд честно запускает промо, получает рост доли в категории, но в отчёте «эффект промо не подтверждается» — обычно это спор между маркетингом и аналитикой. И почти всегда спор упирается не в качество выборки, а в то, как мы задали допущение о том, что считать «эффектом».

В 2026-м это особенно заметно: последняя атрибуция (last-click) умерла, e-com-чека на ровном месте становится меньше на 5–8% из‑за экономии, а в AI-overviews пользователи получают ответ без перехода к бренду. В таких условиях промо перестаёт быть просто “стимулом на покупку” и становится элементом поведения в цикле выбора: скидка влияет на то, *когда* человек решит купить, *какой* канал выбрать и *какие* альтернативы отложит.

Как это проявляется в consumer panel:

1) Мы измеряем «прирост продаж у покупателей» — и видим рост.
2) Но для контрольной группы покупатели отличаются по составу корзины и частоте покупок.
3) Мы сравниваем «до/после» без корректного учёта, что люди приходят в панель с разным уровнем промо-готовности.

На практике это выглядит так: панель показывает рост у группы, которая априори больше реагирует на скидки. Формально промо сработало, но аналитическая модель ожидает, что контрольная группа будет «похожей» в промо-реактивности. А она не похожа, потому что реактивность — не демография и не регион. Это сочетание привычек покупки (частота визитов в ритейл), «закрываемости» потребности (есть ли запас) и структуры альтернатив (чем бренд конкурирует на полке в момент выбора).

Моё наблюдение из работы: когда мы в панелях вводим сегментацию по промо-устойчивости (по истории покупок в предыдущие волны) и перестаём считать, что контроль “почти такой же”, расхождения между «промо дало эффект» и «промо не дало эффект» уходят. Обычно не потому, что мы нашли магическую модель, а потому что перестали сравнивать несравнимое.

Что я предлагаю бренд-менеджеру делать иначе — без усложнений:

— Формулировать вопрос не как «какой был lift продаж», а как «что именно изменилось в выборе и очередности покупок».
— Включать в измерение не только факт покупки, но и ближайшую замену: купили бы A или заменили на B, и с каким лагом.
— Для оценки эффекта в панелях использовать инкрементальность, а не “до/после”: сопоставлять с тем, как в аналогичных периодах ведут себя люди с похожей промо-историей.

Если одним предложением: в retail-панелях мы часто неверно оцениваем промо не из‑за данных, а из‑за того, что подменяем «эффект бренда» «эффектом склонности к промо». Когда это разделяешь, результаты становятся управляемыми — и тогда уже можно обсуждать калибровку промо-механики (глубина, длительность, формат, правила доступности), а не устраивать разбор причин, почему цифры «не сходятся».

Обычно после такой настройки мы начинаем разговаривать языком, который понимает и финконтроль, и category team: эффект на уровне выбора, а не только на уровне транзакций.

— @PanelDataRoom

Параллельный взгляд на тему — @AIinMarketingRu