В РФ приняли закон о крипте: что он означает

Закон признал крипту имуществом, но запретил использовать её как платёж внутри России. Хранить можно, оплачивать товары и услуги нельзя, а обмен и обращение допустимы только через лицензированных операторов и в рамках внешнеторговых сделок. Для арбитража вывод простой: серые P2P-схемы под ударом, а легализация дохода возможна лишь через правила ЦБ и ФНС.

➡️ Читайте на сайте: https://aff.top/blog/v-rf-priniali-zakon-o-kripte-chto-on-oznachaet

🧠 Ещё больше инсайтов → в канале AFF.top

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

Переход на модель MMM при отсутствии cookies

В 2026 году атрибуция по последнему клику (last-click) окончательно утратила статус надежного инструмента. Для Marketing Ops (операционного маркетинга) фокус сместился на MMM (Marketing Mix Modeling — моделирование маркетингового микса), которое позволяет оценивать вклад каждого канала без привязки к персональным идентификаторам пользователей.

Чтобы внедрить базовую оценку эффективности на основе эконометрики, выполните следующие шаги:

— Сбор исторических данных. Выгрузите за последние 24 месяца еженедельные показатели: объем инвестиций по каналам, данные по органическому охвату и ключевые показатели продаж (выручка, количество транзакций).
— Введение внешних факторов. Добавьте в таблицу данные, которые влияют на спрос независимо от маркетинга: сезонность, изменения цен, праздничные периоды и активность конкурентов (если есть возможность мониторинга).
— Очистка от шума. Проведите нормализацию данных, чтобы исключить аномальные скачки, не связанные с маркетинговой активностью (например, технические сбои сайта).
— Выбор модели. Используйте алгоритмы машинного обучения для оценки влияния каждого канала на целевое действие. Ключевая задача — определить коэффициент запаздывания (эффект «отложенного спроса»), так как реклама сегодня влияет на продажи не только в моменте, но и в последующие недели.
— Проверка на инкрементальность (прирост). Сравните полученные данные с результатами экспериментов по отключению отдельных каналов. Если модель предсказывает падение продаж на 5% при отключении контекстной рекламы, а реальный тест показывает 4% — модель настроена корректно.

*Главный результат перехода на MMM — возможность обосновать бюджет для RevOps (управления доходами) на основе прогнозируемого вклада в выручку, а не по косвенным метрикам кликов.*

Начните с ретроспективного анализа прошлого года. Если корреляция между бюджетами и выручкой по модели не превышает 0.7, значит, в данных не учтены критические факторы (например, изменение стоимости привлечения клиента или влияние контентного авторитета). Регулируйте веса до тех пор, пока модель не начнет объяснять минимум 80% изменений в продажах.

— @PrivacyTrackingRu

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

Синтетическая атрибуция: почему путь пользователя больше не линия

В эпоху privacy-first (приоритета конфиденциальности) классическая атрибуция по последнему клику окончательно утратила статус достоверного источника данных. Ей на смену приходят методы синтетической атрибуции — это способ оценки эффективности маркетинговых каналов через объединение разрозненных данных о поведении пользователей с помощью математических моделей.

Синтетическая атрибуция часто путается с МММ (маркетинговым моделированием микса), но разница существенна. МММ опирается только на агрегированные показатели (расходы, охваты, сезонность), исключая персональные данные. Синтетическая же атрибуция пытается «сшить» воедино результаты МММ с данными из CRM (системы управления отношениями с клиентами) и результатами тестов на инкрементальность (прирост от конкретного действия).

Типичная ошибка — попытка приписать 100% заслуги одному каналу в отрыве от общей экосистемы RevOps (системы управления выручкой). В 2026 году это ведет к неверной оптимизации бюджета.

Пример: бренд мебели использует синтетическую модель, чтобы понять вклад контента в AI-overviews (сводки нейросетей). Система показывает, что пользователь не кликает по ссылке, но в CRM фиксируется рост LTV (пожизненной ценности клиента) после ознакомления с экспертными материалами. *Данные синтезируются, подтверждая, что вклад канала измеряется не кликами, а качеством принятия решения.*

— @PrivacyTrackingRu

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

Переход от атрибуции по последнему клику (last-click) к моделированию маркетингового микса (MMM)

В эпоху privacy-first (приоритета конфиденциальности) данные от сторонних файлов cookie (third-party cookies) стали неполными. Для Marketing ops это означает, что классическая атрибуция перестала отражать реальный вклад каналов в выручку. Переход на моделирование маркетингового микса (Marketing Mix Modeling) — единственный способ сохранить прозрачность performance-маркетинга.

Вот алгоритм внедрения MMM-подхода, который можно реализовать за текущую неделю:

— Сбор данных. Сформируйте таблицу с недельными интервалами за последние 24 месяца. Столбцы: общие затраты на каждый канал (медиа-инвестиции), объем продаж (или выручка), а также внешние факторы (праздники, сезонные спады, изменение цен).

— Очистка и нормализация. Приведите все расходы к единому знаменателю. Учитывайте, что эффективность канала не линейна: рост инвестиций в 2 раза редко дает удвоение продаж из-за эффекта насыщения.

— Определение лагов (задержек). Учтите, что медийная реклама влияет на продажи не мгновенно. Определите период «затухания» (adstock) для каждого канала — сколько недель эффект от одного показа продолжает приносить конверсии.

— Построение регрессионной модели. Используйте базовую статистическую модель для оценки влияния каждого канала на целевой показатель. Ваша задача — вычислить коэффициент влияния (contribution) каждого источника при условии контроля внешних переменных.

— Оценка инкрементальности (дополнительной ценности). Проведите тест «выключенного канала» (geo-lift) на ограниченной территории. Сравните фактические продажи с прогнозом модели. Если модель предсказала падение продаж на 5%, а по факту они упали на 10% — значит, ваш канал имеет более высокую эффективность, чем предполагалось.

*Масштабирование подхода.* Не стремитесь к идеальной точности модели в первый месяц. Основная цель — определить долгосрочную эластичность каналов, чтобы перераспределять бюджеты в пользу тех, что показывают лучший возврат инвестиций в долгосрочной перспективе, а не просто закрывают сделку последним кликом.

В условиях 2026 года, где RevOps (интегрированное управление выручкой) требует доказательств эффективности каждого рубля, MMM становится инструментом стратегического планирования, а не просто отчетом для руководства.

— @PrivacyTrackingRu

Соседняя редакция @MarTechNewsDigest недавно писала об этом под другим углом

Смерть атрибуции по последнему клику

Эпоха cookies (файлов куки) окончательно ушла, а вместе с ней — иллюзия точности отчетов по последнему клику. Как вы измеряете эффективность маркетинга в 2026 году, когда путь пользователя стал нелинейным?

ВАРИАНТЫ:
1. Строю модели MMM (моделирование маркетингового микса)
2. Использую только серверную аналитику данных
3. Оцениваю через инкрементальность (доп. выхлоп)
4. Перешел на учет выручки по модели RevOps

— @PrivacyTrackingRu

Миф о всемогуществе атрибуции по последнему клику в эпоху приватности

В профессиональной среде долгое время сохраняется убеждение, что модель атрибуции Last-click (атрибуция по последнему клику) остается золотым стандартом для оценки эффективности рекламных каналов. Истоки этого заблуждения лежат в эпохе расцвета контекстной рекламы начала 2010-х, когда взаимодействие пользователя с брендом было линейным и коротким. Маркетологи привыкли видеть прямую связь: клик — переход — конверсия.

Однако в 2026 году эта логика превратилась в опасное заблуждение. Современный путь клиента стал фрагментированным: пользователь изучает продукт через AI-обзоры (искусственный интеллект), знакомится с контентом в соцсетях и принимает решение только после нескольких касаний. Строгие протоколы защиты данных и отказ от сторонних файлов cookie (cookie-less world) сделали невозможным полноценное отслеживание пути одного пользователя через все платформы. Когда мы опираемся на последний клик, мы систематически недооцениваем вклад охватных медиа и инструментов формирования спроса, отдавая весь «вес» конверсии лишь финальному касанию. Это ведет к перераспределению бюджета в пользу каналов, которые лишь собирают спрос, а не создают его, что неизбежно снижает долгосрочный рост выручки.

Взамен классическому подходу приходит комплексная модель принятия решений, базирующаяся на *маркетинговом моделировании смешивания (MMM)* и тестах на инкрементальность (прирост). Вместо попытки «увидеть» каждого пользователя, аналитика данных теперь фокусируется на корреляции между маркетинговыми инвестициями и изменением объемов продаж. В условиях, где стоимость привлечения растет, фокус смещается на удержание (retention) и пожизненную ценность клиента (LTV). Дисциплинированный подход сегодня — это понимание того, что эффективный маркетинг не всегда измерим в моменте, но всегда виден в итоговой выручке компании.

— @PrivacyTrackingRu

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