Forwarded from Из арбитражки в поля. ex.Casinokrisa
РОЗЫГРЫШ НОУТБУКА НА ВЫХОДНЫЕ 💻
Подпишись на три канала:
• Иванов - @pacan
• Кустов - @cobaka
• Миша - @CPA_Farm
И один случайный подписчик заберёт великолепный ноутбук. Отличная рабочая лошадка для работы, учёбы и интернет-сёрфинга, остальное не потянет!
Важно: боты сразу мимо, аккаунты не из нашей сферы тоже, все участники будут проверены, в том числе на пересечение с профильными affiliate/iGaming чатами.
Итоги сразу после выходных.
Три подписки. Один ноутбук. Как сказал GPT - иногда интернет всё-таки использует случайный выбор не только для того, чтобы подсунуть очередную рекламу криптокурсов.
Участников: 80
Призовых мест: 1
Дата розыгрыша: 15:14, 09.08.2026 MSK (3 дня)
Подпишись на три канала:
• Иванов - @pacan
• Кустов - @cobaka
• Миша - @CPA_Farm
И один случайный подписчик заберёт великолепный ноутбук. Отличная рабочая лошадка для работы, учёбы и интернет-сёрфинга, остальное не потянет!
Важно: боты сразу мимо, аккаунты не из нашей сферы тоже, все участники будут проверены, в том числе на пересечение с профильными affiliate/iGaming чатами.
Итоги сразу после выходных.
Три подписки. Один ноутбук. Как сказал GPT - иногда интернет всё-таки использует случайный выбор не только для того, чтобы подсунуть очередную рекламу криптокурсов.
Участников: 80
Призовых мест: 1
Дата розыгрыша: 15:14, 09.08.2026 MSK (3 дня)
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Google по ошибке удалил тысячи сайтов
Google массово банил сайты на Blogger из-за сбоя в автоматической модерации: система ошибочно нашла malware в контенте и снесла тысячи сайтов, часть — повторно после восстановления. Для вебмастеров вывод простой: даже трастовая платформа не защищает от ложных срабатываний, а автоматический антифрод может положить и вайт, и ферму.
➡️ Читайте на сайте: https://aff.top/blog/google-po-oshibke-udalil-tysiachi-saitov
🧠 Ещё больше инсайтов → в канале AFF.top
Google массово банил сайты на Blogger из-за сбоя в автоматической модерации: система ошибочно нашла malware в контенте и снесла тысячи сайтов, часть — повторно после восстановления. Для вебмастеров вывод простой: даже трастовая платформа не защищает от ложных срабатываний, а автоматический антифрод может положить и вайт, и ферму.
➡️ Читайте на сайте: https://aff.top/blog/google-po-oshibke-udalil-tysiachi-saitov
🧠 Ещё больше инсайтов → в канале AFF.top
Серверная атрибуция в retail: как мы показали маркетингу реальный вклад DSP без «последнего клика»
Бренд/компания: сеть розничных магазинов в городах-миллионниках (omni-channel: сайт + офлайн, часть заказов с возвратом в магазин).
Задача: в 2025–2026 у многих retail-проектов «съехала» картина эффективности: last-click атрибуция переоценивала поисковые и ретаргет-сценарии, а DSP (покупки через программатик-аукционы) выглядел хуже, чем был на самом деле. Маркетинг-отдел хотел ответить на простой вопрос бренд-менеджера: что реально даёт RTB/DSP по выручке и сколько бюджету можно доверять без ручных оценок.
Решение (что сделали по шагам):
— Перешли на server-side сбор событий: скрипты из браузера меньше полагались на cookie-совпадения, а события (просмотр карточки/попытка оформления/покупка) начали нормализовать на уровне сервера.
— Настроили конверсии по «временным окнам» и повторным визитам: вместо того чтобы фиксироваться на последнем касании, считали воздействие DSP в разумных интервалах (ориентировались на типичные циклы покупки для розницы).
— Развели роль каналов: поисковый трафик оставили как драйвер «на моменте», а DSP — как прогрев/усиление охвата (reach + частота + релевантность аудитории).
— Проверили инкрементальность через holdout-подход (контрольные сегменты): часть аудитории DSP показы не получала, чтобы понять, что бы произошло «без давления рекламы».
— Свернули итог в управленческую модель: не один KPI «ROAS по клику», а вклад в инкремент (incrementality) + влияние на долю новых клиентов и повторные покупки (на стороне аналитики/CRM).
Конкретный результат (как это обычно выглядит по факту в retail):
— После перехода на серверную схему и инкрементальность стало видно, что DSP давал вклад не только в прямые покупки, но и в рост конверсии в последующих визитах. Там, где last-click «резал» историю, новая модель показывала более корректное распределение влияния.
— Бюджет по DSP перераспределили: часть spend отвели из сегментов с низкой инкрементальностью и направили в более «верхне-серединные» аудитории (пользователи, которые становились активнее после показа).
— В управлении кампанией внедрили правило: оптимизация ставок и креативов идёт не по «клику до покупки», а по вероятности инкрементального действия (то есть какие сегменты реально меняют поведение).
Урок для бренд-менеджера:
1) Проблема обычно не в DSP как технологии, а в том, как вы измеряете воздействие. last-click в приватной среде часто недооценивает охват/частотные касания.
2) Server-side атрибуция + holdout/инкрементальность дают вам язык, на котором маркетинг может разговаривать с коммерцией (а в 2026 это критично: вы не про клики, вы про выручку).
3) Делайте KPI «управленческими»: не один ROAS, а связка — инкремент (насколько реклама меняет вероятность действия) + качество аудитории (новые vs повторные) + устойчивость эффекта по циклам покупки.
Если хотите, опишу шаблон, как собрать дерево метрик для DSP/DMP (счётчики, события, окна атрибуции, контрольные сегменты) под вашу категорию retail/e-com — без выдуманных цифр, только то, что можно подтвердить данными.
— @ProgrammaticNotes
Параллельный взгляд на тему — @AgriTechMarketingRu
Бренд/компания: сеть розничных магазинов в городах-миллионниках (omni-channel: сайт + офлайн, часть заказов с возвратом в магазин).
Задача: в 2025–2026 у многих retail-проектов «съехала» картина эффективности: last-click атрибуция переоценивала поисковые и ретаргет-сценарии, а DSP (покупки через программатик-аукционы) выглядел хуже, чем был на самом деле. Маркетинг-отдел хотел ответить на простой вопрос бренд-менеджера: что реально даёт RTB/DSP по выручке и сколько бюджету можно доверять без ручных оценок.
Решение (что сделали по шагам):
— Перешли на server-side сбор событий: скрипты из браузера меньше полагались на cookie-совпадения, а события (просмотр карточки/попытка оформления/покупка) начали нормализовать на уровне сервера.
— Настроили конверсии по «временным окнам» и повторным визитам: вместо того чтобы фиксироваться на последнем касании, считали воздействие DSP в разумных интервалах (ориентировались на типичные циклы покупки для розницы).
— Развели роль каналов: поисковый трафик оставили как драйвер «на моменте», а DSP — как прогрев/усиление охвата (reach + частота + релевантность аудитории).
— Проверили инкрементальность через holdout-подход (контрольные сегменты): часть аудитории DSP показы не получала, чтобы понять, что бы произошло «без давления рекламы».
— Свернули итог в управленческую модель: не один KPI «ROAS по клику», а вклад в инкремент (incrementality) + влияние на долю новых клиентов и повторные покупки (на стороне аналитики/CRM).
Конкретный результат (как это обычно выглядит по факту в retail):
— После перехода на серверную схему и инкрементальность стало видно, что DSP давал вклад не только в прямые покупки, но и в рост конверсии в последующих визитах. Там, где last-click «резал» историю, новая модель показывала более корректное распределение влияния.
— Бюджет по DSP перераспределили: часть spend отвели из сегментов с низкой инкрементальностью и направили в более «верхне-серединные» аудитории (пользователи, которые становились активнее после показа).
— В управлении кампанией внедрили правило: оптимизация ставок и креативов идёт не по «клику до покупки», а по вероятности инкрементального действия (то есть какие сегменты реально меняют поведение).
Урок для бренд-менеджера:
1) Проблема обычно не в DSP как технологии, а в том, как вы измеряете воздействие. last-click в приватной среде часто недооценивает охват/частотные касания.
2) Server-side атрибуция + holdout/инкрементальность дают вам язык, на котором маркетинг может разговаривать с коммерцией (а в 2026 это критично: вы не про клики, вы про выручку).
3) Делайте KPI «управленческими»: не один ROAS, а связка — инкремент (насколько реклама меняет вероятность действия) + качество аудитории (новые vs повторные) + устойчивость эффекта по циклам покупки.
Если хотите, опишу шаблон, как собрать дерево метрик для DSP/DMP (счётчики, события, окна атрибуции, контрольные сегменты) под вашу категорию retail/e-com — без выдуманных цифр, только то, что можно подтвердить данными.
— @ProgrammaticNotes
Параллельный взгляд на тему — @AgriTechMarketingRu
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
OpenAI сделала ChatGPT-5.6 Luna бесплатной
OpenAI делает ставку на доступность: ChatGPT-5.6 Luna стала бесплатной на сайте, а в Sol добавили ползунок глубины рассуждений для ускорения ответов. Для сложных запросов готовят кнопку Think. Пока это веб-эксклюзив, но вывод очевиден: OpenAI усиливает продукт и давит на конкурентов бесплатным доступом.
➡️ Читайте на сайте: https://aff.top/blog/openai-sdelala-chatgpt-5-6-luna-besplatnoi
🧠 Ещё больше инсайтов → в канале AFF.top
OpenAI делает ставку на доступность: ChatGPT-5.6 Luna стала бесплатной на сайте, а в Sol добавили ползунок глубины рассуждений для ускорения ответов. Для сложных запросов готовят кнопку Think. Пока это веб-эксклюзив, но вывод очевиден: OpenAI усиливает продукт и давит на конкурентов бесплатным доступом.
➡️ Читайте на сайте: https://aff.top/blog/openai-sdelala-chatgpt-5-6-luna-besplatnoi
🧠 Ещё больше инсайтов → в канале AFF.top