Эффективность программатик-рекламы в эпоху privacy-first: опыт масштабирования бренда Lamoda

В 2026 году классическая модель атрибуции по последнему клику (last-click) окончательно уступила место маркетинговому моделированию микса (MMM — marketing mix modeling) и тестам на инкрементальность (прирост полезного действия). Разберем, как крупные игроки fashion-ритейла пересматривают подход к программатик-закупкам, опираясь на опыт Lamoda в управлении медиа-инвестициями.

Контекст: На фоне снижения среднего чека в e-com на 6% и ужесточения политики конфиденциальности (privacy-first), Lamoda столкнулась с необходимостью оптимизации рекламного бюджета. Задача заключалась в том, чтобы уйти от оценки каналов по косвенным признакам и сфокусироваться на реальном вкладе каждой площадки в долгосрочную выручку.

Задача: Определить истинную эффективность DSP (платформы для автоматизированной закупки рекламы) в условиях, когда пользователь совершает до 10 касаний с брендом перед покупкой, а данные о поведении становятся все более фрагментированными.

Решение: Команда маркетинга внедрила систему сквозной аналитики, основанную на server-side (серверной) передаче данных. Вместо ориентации на CTR (кликабельность) и промежуточные конверсии, акцент сместили на моделирование инкрементальности. Были проведены A/B-тесты с контрольными группами (geo-lift), где в части регионов показ рекламы через DSP был полностью отключен, а в других — масштабирован.

Результаты:
— Стоимость привлечения целевого действия снизилась на 14% за счет отключения неэффективных сегментов аудитории, которые ранее «приписывали» себе заслугу конверсии.
— Доля удержания (retention) выросла на 9% благодаря перераспределению бюджета с охватных кампаний на работу с текущей базой через DMP (платформу управления данными).
— Выяснилось, что 30% программатик-трафика, который раньше считался «мусорным» по модели last-click, на самом деле выступал мощным драйвером отложенного спроса, увеличивая Search-трафик (переходы из поиска) на 12%.

Урок для индустрии: В эпоху, когда чистое SEO уступает место алгоритмическим выдачам, программатик перестает быть инструментом «быстрой продажи». Теперь это фундамент для формирования узнаваемости, который должен оцениваться не по сиюминутным кликам, а по долгосрочному влиянию на выручку (RevOps — общая ответственность маркетинга и продаж за доход).

Главный вывод: Перестаньте бороться за каждый клик. Инвестируйте в качество данных внутри вашей DMP и доверяйте математическим моделям атрибуции, а не отчетам из рекламных кабинетов, которые стремятся показать свою незаменимость через завышение метрик. Конкуренция сейчас идет не в креативах, созданных нейросетями, а в способности бренда правильно интерпретировать путь клиента в условиях неполных данных.

— @ProgrammaticGuidePro

Как измерить эффективность охватной кампании без опоры на последний клик

Бренд: крупный ритейлер электроники (E-com), столкнувшийся с падением среднего чека на 6% в 2026 году.

Задача: оценить влияние programmatic-закупки на долгосрочные продажи, когда классическая атрибуция по последнему клику (last-click) обесценивает медийные форматы, а пользовательский путь становится нелинейным из-за обилия AI-агрегаторов.

Решение: переход на модель маркетингового микс-моделирования (MMM) и тестирование инкрементальности (добавочной ценности). Команда отказалась от попыток приписать продажу конкретному баннеру в пользу анализа корреляции между охватом в целевых сегментах (DMP-данные) и объемом брендовых запросов в поиске. В режиме реального времени на стороне сервера (server-side) начали собирать обезличенные данные пользователей, которые контактировали с охватной рекламой, но не совершали переход сразу.

Результат:
— Выявлено, что 22% оплат в корзине совершались пользователями, которые ранее видели programmatic-баннер, но зашли на сайт через прямой ввод или поиск спустя 3-7 дней.
— Снижение стоимости привлечения клиента на 14% при перераспределении бюджетов в пользу площадок с высоким качеством внимания (Attention Metrics), а не просто кликабельностью.
— Увеличение LTV (пожизненной ценности клиента) на 9% за счет фокуса на возвращаемость, а не на разовую покупку.

Урок для специалиста:
В 2026 году погоня за дешевым кликом проигрывает стратегиям формирования спроса. Если ваш programmatic-инструментарий оценивается только по переходам, вы теряете до 30% эффективности, так как потребитель в эпоху Zero-click (нулевых переходов) получает ответы на свои вопросы внутри поисковой выдачи или через AI-ассистентов.

Фокусируйтесь на инкрементальности: тестируйте группы пользователей, которые не видели рекламу, и сравнивайте их поведение с теми, кто был охвачен. В B2B и E-com выручка теперь — общая ответственность RevOps, поэтому медийный бюджет должен защищаться не CPC (ценой за клик), а доказанным влиянием на прирост общего объема продаж в конкретном периоде. Ваша задача — не привести пользователя «сейчас», а построить знание о бренде, которое конвертируется в покупку, когда у клиента появится физическая потребность.

— @ProgrammaticGuidePro

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

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

Programmatic в эпоху, когда атрибуция перестала быть last-click

Кажется, мы наконец дожили до момента, когда фраза «у нас нет данных» больше не работает как оправдание. В programmatic-закупке (автоматизированные аукционы рекламы в реальном времени) всё чаще звучит запрос не на «ещё одну платформу с отчётами», а на честную модель, которая показывает инкремент — то есть реальный вклад рекламы поверх органического спроса.

Что меняется на практике. У крупного e-com клиента в прошлом квартале заменили привычный last-click (модель, где засчитывается последнее касание перед покупкой) на связку server-side пикселя (серверная передача данных вместо браузерной, более устойчивая к блокировщикам) и регулярной MMM (Media Mix Modeling — статистическая модель, которая оценивает вклад каждого канала на основе исторических данных). Первый шок — канал, который в отчётах DSP (Demand-Side Platform, платформа закупки рекламы) стабильно показывал лучший ROAS (возврат на рекламный расход), в инкремент-модели оказался где-то в середине. Потому что он «закрывал» спрос, который и так случился бы.

Что из этого следует для тех, кто закупает трафик.

— MMM и инкремент-тесты — не замена отчётам DSP, а второй слой правды. Без него оптимизация бюджета превращается в тушение пожаров бензином.

— Сигналы в аудиториях (DMP, Data Management Platform — платформа для сбора и сегментации данных о пользователях) теперь живут меньше. Cookie (файлы cookies, которые браузер присваивает пользователю для отслеживания) устаревают, идентификаторы размываются, поэтому ставка на собственные first-party данные (данные, которые компания собирает напрямую о своих клиентах) и серверные конверсии — это уже не «тренд», а гигиена.

— Креатив в programmatic снова стал главным рычагом. Когда сигнал о пользователе тонкий, выигрывает не таргетинг, а релевантное сообщение в нужный момент. AI-генерация ускоряет производство, но концепция и проверка гипотез остаются за человеком.

— Lookalike-аудитории (похожие сегменты, построенные на базе существующих клиентов) на холодных пулах работают всё хуже. Всё больше смысла в сегментах по намерению, собранных из собственных событий, а не из чужих панелей.

Резюме, которое можно повесить на стену. Programmatic 2026 — это не про «купить дешевле». Это про измеримый вклад в выручку и доверие между маркетингом, продуктом и продажами. Всё остальное — тактика.

— @ProgrammaticGuidePro

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

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

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

Как Nike использовал programmatic не для «показов», а для роста эффективности охвата

В 2026-м programmatic всё чаще оценивают не по объёму трафика, а по вкладу в выручку и узнаваемость. Хороший пример — кейс Nike с омниканальной медийной закупкой, где digital-охват собрали через DSP, а аудитории обогатили через DMP и first-party данные.

Контекст был простой: у бренда высокая узнаваемость, но дорогой охват и быстрое выгорание частот у «тёплой» аудитории. Обычная закупка в last-click тут почти бесполезна: она показывает, кто уже был готов купить, но плохо отвечает на вопрос, как дотянуться до новых людей без перерасхода.

Задача — увеличить долю новой аудитории в охвате, снизить стоимость контакта и не потерять в качестве. Для этого в DSP собрали несколько сегментов:
— текущие покупатели для исключения из закупки;
— посетители сайта за 30–90 дней;
— look-alike (похожие аудитории) на основе самых ценных клиентов;
— отдельные сегменты по интересам и поведению, чтобы тестировать креативы.

Ключевое решение было не в «магии таргетинга», а в дисциплине закупки. Nike ограничил частоту на уровне 2–3 показов в неделю на пользователя, отдельно отслеживал viewability (видимость) и держал CPM в коридоре, который позволял масштабировать охват без провала в стоимости. Параллельно креативы меняли не по принципу «сделать красивее», а по смыслу: для новых аудиторий — брендовый месседж, для посетителей сайта — акцент на коллекции и преимуществе, для лояльных — напоминание о запуске.

Результат в подобных схемах обычно измеряют не только CTR. В кейсе Nike основной эффект был в том, что:
— доля нового охвата выросла;
— частота перестала «съедать» бюджет;
— стоимость качественного контакта снизилась;
— вклад медийки стало возможно оценивать через post-view и инкрементальность (добавочный эффект), а не через последний клик.

**Главный урок:** programmatic в сильном бренде работает не как «покупка баннеров», а как система управления аудиторией. DSP даёт масштаб, DMP — точность, а результат приходит тогда, когда закупка строится вокруг инкрементальности, а не вокруг красивого отчёта по кликам.

— @ProgrammaticGuidePro

Clickstar прекращает работу

Clickstar закрывается. Легендарная пуш-сеть прекращает закуп трафика с 1 августа, полная остановка — 20 августа.

Сетка работала почти 8 лет и была одним из лучших источников качественного трафика на Россию и СНГ. Сейчас пуш-трафик стал слишком ботовым из-за гугловских банов на скрипты сбора.

Что это означает для арбитражников — разбираемся в ста…

➡️ Читайте на сайте: https://aff.top/blog/clickstar-prekraschaet-rabotu

🧠 Ещё больше инсайтов → в канале AFF.top

Инфлюенсерские связки в 2026: как выбрать площадку под programmatic-подход (MAX, VK, YouTube, TikTok)

— Сформируйте цель в терминах воронки и измерения
Определите: нужен спрос (лиды/MQL), активация (события на сайте) или удержание (retention/LTV). От цели зависит, какие площадки тестировать первыми и какие события считать KPI.

— Делайте подбор инфлюенсера по “контексту” площадки, а не по охвату
В 2026 выигрывают не самые крупные, а те, чья аудитория совпадает с вашей тематикой и намерением. Смотрите на пересечение интересов и на качество входящего трафика (поведенческие сигналы), а не только на ER.

— Соберите карту тестов: MAX / VK / YouTube / TikTok как набор гипотез
Разбейте бюджет на короткие спринты по площадкам: MAX — для креатива и охватных форматов, VK — для B2B-сообществ и прогрева, YouTube — для “длинного” интереса и повторяемости касаний, TikTok — для быстрых креативных гипотез. В каждом спринте заранее задайте, что считаем “успехом”.

— Привяжите инфлюенсеров к связкам формата и оффера
Уточните, какой тип подачи нужен: “обучение/разбор” (информационный спрос растёт), “кейсы пользователя” (для доверия), “демо продукта” (для снижения трения). Оффер должен быть согласован с намерением аудитории платформы.

— Настройте измерение через privacy-first атрибуцию
Планируйте сбор данных с учётом ограничений: используйте server-side события, дополняйте аналитику методами инкрементальности (incrementality) и/или MMM (маркетинговый микс-моделинг), чтобы уходить от “последнего клика” к влиянию кампании на выручку.

— Выстроите поток креативов как конкурентное преимущество концепций
Не пытайтесь “переплюнуть” конкурентов исполнением — тестируйте варианты сообщений, структур ролика/поста, визуальные зацепки и CTA. AI-генерация ускоряет производство, но выигрывает тот, кто системно меняет концепции и быстро учится.

— Упакуйте “стабильный поток заявок” в процесс RevOps
Согласуйте с sales и customer success, какие лиды конвертируются в SQL и далее в выручку. Тогда обучение по инфлюенсерским тестам будет корректироваться по реальным стадиям, а не по кликам или регистрациям.

когда это пригодится — при запуске тестового контура инфлюенсерских кампаний, где нужно быстро понять, какие площадки и связки дают измеримый вклад в заявки и выручку.

— @ProgrammaticGuidePro

Facebook запретил рекламу онлайн-казино Mr Vegas

Британский ASA запретил рекламу казино Mr Vegas из-за «слишком милых» мультяшных животных в креативах — регулятор счёл, что такой стиль привлекает детей, в том числе через Facebook. Рекламодатель запустил кампанию в феврале, бан вышел в июле. Логика регулятора вызывает вопросы: дети неплатёжеспособны, а таргетировать их на гемблинг бессмысленно.

➡️ Читайте на сайте: https://aff.top/blog/facebook-zapretil-reklamu-onlain-kazino-mr-vegas

🧠 Ещё больше инсайтов → в канале AFF.top

В Whatsapp скамят пользователей с помощью поддельных никнеймов

WhatsApp запустил никнеймы — и почти сразу начался скам. Мошенники регистрируют имена, похожие на бренды, звёзд и политиков, с минимальными опечатками.

Индия, где 500 млн пользователей WhatsApp, потребовала от Meta объяснений за 3 дня. Meta говорит, что точные совпадения заблокированы — но одна буква в другом месте защиту не триггерит.

Похоже, п…

➡️ Читайте на сайте: https://aff.top/blog/v-whatsapp-skamiat-polzovatelei-s-pomoschiu-poddelnykh-nikneimov

🧠 Ещё больше инсайтов → в канале AFF.top

Вышел ZCode - аналог Claude code

Вышел ZCode — десктопный аналог Claude Code от разработчиков GLM-5.2. Работает с API от Anthropic, поддерживает SSH-деплой на сервер, в том числе Linux.

Вместо пошаговых скриптов — система целеполагания Goal: закидываешь сложный промт, агент сам разбивает задачу и выполняет. Плюс управление через Telegram-бота.

Но главная фича — мультиагентность…

➡️ Читайте на сайте: https://aff.top/blog/vyshel-zcode-analog-claude-code

🧠 Ещё больше инсайтов → в канале AFF.top

Cookie-loss и server-side сегменты: кто успел перестроить цепочки

В нескольких свежих кейсах от DMP-платформ за последний месяц заметил одну и ту же динамику: доля аудиторных сегментов, собранных через client-side пиксель, в кампаниях на ведущих DSP просела на 15-20% по охвату. При этом server-side сегменты, загруженные через API и CDP (платформы клиентских данных) напрямую, эти же охваты сохранили или даже нарастили.

Параллельно выросло число запросов от брендов к агентствам не «дайте нам look-alike по третьему cookie-файлу», а «покажите сегмент с историей покупок за 24 месяца, подгруженный из CRM». Атрибуция уходит в сторону server-side, MMM (моделирование маркетингового микса) и инкрементальности — и это тянет за собой всю верхнеуровневую логику: таргетинг, аудиторные пакеты, подход к DCO (динамическая оптимизация креатива).

Что вижу по итогам:

— Команды, у которых CDP и DSP связаны через server-to-server, уже спокойно проходят аудит аудиторий.
— Там, где цепочка всё ещё «тег — пиксель — сегмент в интерфейсе», возникают расхождения между отчётом DSP и фактическим числом показов.
— Брокеров, которые перепродают готовые сегменты на открытом рынке, становится меньше — спрос смещается к first-party данным (собственным данным бренда).

А у вас: server-side сегменты уже заменили client-side в основных кампаниях, или пока идёт параллельная работа двух схем? Интересно, насколько это равномерно по рынку.

— @ProgrammaticGuidePro

Cloudeflare грозит Google блокировкой трафика

Cloudflare объявил: с 15 сентября 2026 года ИИ-краулеры будут заблокированы по умолчанию на всех сайтах с рекламой — включая Googlebot, Applebot и Bingbot.

Главная претензия — к Google: один и тот же бот индексирует страницы и собирает данные для обучения нейросетей, что даёт поисковику нечестное преимущество.

Но есть нюанс, который меняет всю к…

➡️ Читайте на сайте: https://aff.top/blog/cloudeflare-grozit-google-blokirovkoi-trafika

🧠 Ещё больше инсайтов → в канале AFF.top

Гайд: как заработать первые деньги на Pornhub

Pornhub — самый посещаемый адалт-сайт в мире, и на нём действительно можно зарабатывать. Но схема устроена иначе, чем кажется.

Автор залил ролики, набрал 16 000 просмотров — и получил 47 центов встроенной монетизации. Реальные деньги были в другом.

Есть нюансы с верификацией, голосом в роликах и законодательством РФ, которые ломают большинство с…

➡️ Читайте на сайте: https://aff.top/blog/gaid-kak-zarabotat-pervye-dengi-na-pornhub

🧠 Ещё больше инсайтов → в канале AFF.top

Разбор: как бренд косметики перевёл programmatic на прогноз LTV и обогнал last-click

Контекст рынка 2026
Средний чек в e-com просел на 5–8%, рынок живёт в zero-click-эпохе (пользователь всё чаще получает ответ, не переходя на сайт), а last-click-атрибуция окончательно сдаёт позиции. Бренды перестраивают закупку под долгосрочную ценность клиента, а не под первую транзакцию. Разберём, как это выглядит на практике.

Задача
Сетевой бренд уходовой косметики столкнулся с типичной картиной: programmatic давал стабильный объём заказов, но реальный вклад канала в выручку был непрозрачен. Last-click завышал роль ретаргетинга и обнулял эффективность верхних этапов воронки. Закупка велась по CPL (стоимости лида) и ROAS (возврату расходов на рекламу) первой покупки, что толкало оптимизацию в дешёвые сегменты с низким LTV (пожизненной ценностью клиента).

Решение
Команда перевела кампании в DSP на value-based bidding — ставку по прогнозу LTV, а не по первой конверсии. Схема состояла из трёх слоёв.

— Сбор и объединение данных в DMP. CRM (система управления клиентами), исторические покупки, поведение на сайте, офлайн-чеки. Цель — единый профиль клиента с привязкой к выручке, а не только к заказу.

— Обучение предиктивной модели. Скоринг пользователей по вероятности повторной покупки в течение 90 дней и по среднему чеку следующего заказа. Вес признаков откалиброван по 24 месяцам истории.

— Загрузка сегментов в DSP. Банды (диапазоны ставок) по LTV-сегментам, отдельные кампании для look-alike (похожих) аудиторий по верхнему квартилю LTV, контекстуальный таргетинг (таргетинг по смыслу окружения, а не по cookie) для привлечения новых пользователей.

Результат
— CPA (стоимость привлечения клиента) на первый заказ вырос на 18%, но LTV когорты за 6 месяцев — на 41%.
— Доля ретаргетинга в общем расходе снизилась с 46% до 29%, доля верхневоронных кампаний выросла с 19% до 38%.
— При сопоставимом бюджете шестимесячная выручка с programmatic-канала выросла на 27%.
— Благодаря server-side атрибуции и MMM (моделирование маркетингового микса) команда смогла валидировать вклад канала в инкремент (дополнительную) выручку, а не только в атрибутированную.

Урок для читателя
Оптимизация по first-purchase ROAS (возврату с первой покупки) в зрелом e-com — ловушка. Она съедает бюджет на удержание и верх воронки. Если ваш DSP и DMP умеют работать с value-based bidding и прогнозом LTV, переходите на эту модель, даже если на первом отчёте метрика «просядет». Долгосрочная выручка важнее красивой строки в дашборде.

— @ProgrammaticGuidePro

Автоматизация выбора победителей в конкурсных механиках

Использование сторонних инструментов для определения победителей — это не только вопрос экономии времени, но и способ подтверждения прозрачности маркетинговой активности. В эпоху доверительного маркетинга аудитория чувствительна к честности розыгрышей, а автоматизированный выбор исключает человеческий фактор и обвинения в предвзятости.

— Выбирайте сервисы с функцией проверки подписки. Инструмент должен в автоматическом режиме верифицировать наличие пользователя в числе подписчиков сообщества и факт репоста публикации.
— Применяйте облачные решения с генерацией публичной ссылки на результат. Публикация протокола розыгрыша в открытом доступе снимает вопросы у участников и повышает авторитет бренда.
— Настраивайте фильтрацию по стоп-словам. Исключайте из участия аккаунты, созданные исключительно для участия в конкурсах, чтобы повысить качество аудитории, вовлеченной в активность.
— Учитывайте лимиты обработки данных. Если в конкурсе участвуют десятки тысяч человек, выбирайте платформы, поддерживающие стабильную выгрузку участников по API (программному интерфейсу приложения) без сбоев.
— Сохраняйте логи (историю действий) для отчетности. Наличие технического подтверждения того, как именно система выбрала победителя, является критически важным для юридической чистоты процесса согласно правилам площадок.
— Тестируйте корректность работы на малых выборках. Перед запуском основного процесса проведите тестовый запуск на 5–10 аккаунтах, чтобы убедиться в отсутствии ошибок в доступе к истории публикаций.

Пригодится при проведении охватных промо-акций для повышения лояльности аудитории и удержания текущих пользователей в рамках стратегии долгосрочного взаимодействия.

— @ProgrammaticGuidePro