Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Google стал помечать креативы, созданные ИИ
Google объявил, что начнёт помечать рекламные креативы, созданные нейросетями. Причина — ИИ-баннеры и видео стали слишком похожи на настоящие.
Формат и заметность маркировки будут зависеть от законов конкретного региона: где-то предупреждение появится прямо на креативе, где-то — в его информации.
Что это значит для арбитражников и когда правила …
➡️ Читайте на сайте: https://aff.top/blog/google-stal-pomechat-kreativy-sozdannye-ii
🧠 Ещё больше инсайтов → в канале AFF.top
Google объявил, что начнёт помечать рекламные креативы, созданные нейросетями. Причина — ИИ-баннеры и видео стали слишком похожи на настоящие.
Формат и заметность маркировки будут зависеть от законов конкретного региона: где-то предупреждение появится прямо на креативе, где-то — в его информации.
Что это значит для арбитражников и когда правила …
➡️ Читайте на сайте: https://aff.top/blog/google-stal-pomechat-kreativy-sozdannye-ii
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Компания Meta выпустила Muse Spark 1.1
Meta выпустила Muse Spark 1.1 почти одновременно с новой ChatGPT-5.6. Это мультимодальный агент, который сам дробит задачу на подзадачи и распределяет их между субагентами.
Стоимость тоже заметно ниже топовых западных моделей: $1.25 за миллион входных токенов и $4.25 за миллион выходных.
Но главный вопрос — насколько она реально сильна на фоне к…
➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-spark-1-1
🧠 Ещё больше инсайтов → в канале AFF.top
Meta выпустила Muse Spark 1.1 почти одновременно с новой ChatGPT-5.6. Это мультимодальный агент, который сам дробит задачу на подзадачи и распределяет их между субагентами.
Стоимость тоже заметно ниже топовых западных моделей: $1.25 за миллион входных токенов и $4.25 за миллион выходных.
Но главный вопрос — насколько она реально сильна на фоне к…
➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-spark-1-1
🧠 Ещё больше инсайтов → в канале AFF.top
Почему опросы часто врут — и как маркетинговому аналитику перестать им верить буквально
Опросы остаются одним из самых доступных способов быстро услышать рынок. Но в 2026 году их главная проблема не исчезла: люди по-прежнему отвечают не так, как ведут себя. И чем сложнее выбор, чем выше цена ошибки и чем больше вокруг шума, тем сильнее расходятся слова и действия.
Для маркетингового аналитика это не повод отказаться от опросов. Это повод перестать считать их фотографией реальности. Опрос — не доказательство, а модель восприятия. Он хорошо показывает, как человек объясняет себе выбор, но плохо — как он выбирает на самом деле.
**1. Люди отвечают из памяти, а не из опыта**
Большая часть опросных ошибок начинается не с формулировки вопроса, а с попытки респондента вспомнить то, чего он не помнит точно. Покупки, причины выбора, частота использования, отказ от бренда — всё это восстанавливается по памяти, а память всегда достраивает историю.
Пример: покупатель спрашивает себя, почему он выбрал один банк, а не другой. В ответ он честно пишет: «из-за удобного приложения». Но если посмотреть на путь выбора, окажется, что решающим был перевод зарплаты, рекомендация коллеги и отсутствие комиссии на первом этапе. Приложение стало уже рациональным объяснением задним числом.
Отсюда простой вывод: чем дальше вопрос от недавнего и конкретного действия, тем меньше ему можно доверять буквально. Полезнее спрашивать не «почему вы выбрали?», а «что было в момент выбора?» и «какие варианты вы сравнивали?».
**2. Декларируемые предпочтения хуже работают там, где есть компромисс**
Классический опрос хорошо ловит отношение к одному объекту: нравится ли бренд, доверяете ли вы сервису, считаете ли вы цену справедливой. Но как только человеку нужно выбрать между несколькими ценностями, обычный опрос начинает сглаживать реальность.
Именно поэтому conjoint-исследование (совместный анализ) остаётся таким полезным инструментом. Оно не спрашивает «что важно?», а заставляет выбирать между наборами свойств. Так проявляется цена компромисса.
Пример: для SaaS-продукта респонденты в обычном опросе ставят «поддержку 24/7» и «интеграции» на первые места. Но в conjoint оказывается, что при росте цены на 15% они гораздо чаще готовы отказаться от круглосуточной поддержки, чем от нужной интеграции. В словах оба параметра были важны. В выборе — один из них оказался действительно критичным.
Это особенно важно сейчас, когда в B2B классическая логика «сгенерировать лид, передать в продажи» уступает место RevOps-подходу: нужно понимать не просто интерес, а вклад каждого свойства в выручку и удержание.
**3. MaxDiff нужен не для рейтинга, а для расстановки приоритетов**
Многие используют MaxDiff (метод максимума-минимума) как более красивую замену обычному рейтингу. Это ошибка. Сила MaxDiff не в том, что он «точнее», а в том, что он заставляет делать жёсткий выбор: что действительно сильнее и что действительно слабее.
Пример: у бренда бытовой техники есть 12 обещаний — «надежность», «дизайн», «тихая работа», «экосборка», «удобство установки», «умное управление» и так далее. В обычном опросе почти всё оказывается «важным». В MaxDiff быстро выясняется, что для покупателей верхние места занимают надежность, тихая работа и простота использования, а модные характеристики остаются внизу. И это уже не косметика, а основа для коммуникации, упаковки и продукта.
Для аналитика здесь важен не сам список, а последствия. MaxDiff помогает не спорить о том, что «людям всё важно», а ответить на более полезный вопрос: что вынести в первый экран, а что оставить в хвосте описания.
**4. Хороший опрос не подтверждает гипотезу, а обнуляет иллюзии**
Самая зрелая роль опросов — не поддержать уже готовую идею, а проверить, где она ломается. Если исследование устроено так, что почти неизбежно подтверждает ожидания команды, оно мало что стоит.
…
Опросы остаются одним из самых доступных способов быстро услышать рынок. Но в 2026 году их главная проблема не исчезла: люди по-прежнему отвечают не так, как ведут себя. И чем сложнее выбор, чем выше цена ошибки и чем больше вокруг шума, тем сильнее расходятся слова и действия.
Для маркетингового аналитика это не повод отказаться от опросов. Это повод перестать считать их фотографией реальности. Опрос — не доказательство, а модель восприятия. Он хорошо показывает, как человек объясняет себе выбор, но плохо — как он выбирает на самом деле.
**1. Люди отвечают из памяти, а не из опыта**
Большая часть опросных ошибок начинается не с формулировки вопроса, а с попытки респондента вспомнить то, чего он не помнит точно. Покупки, причины выбора, частота использования, отказ от бренда — всё это восстанавливается по памяти, а память всегда достраивает историю.
Пример: покупатель спрашивает себя, почему он выбрал один банк, а не другой. В ответ он честно пишет: «из-за удобного приложения». Но если посмотреть на путь выбора, окажется, что решающим был перевод зарплаты, рекомендация коллеги и отсутствие комиссии на первом этапе. Приложение стало уже рациональным объяснением задним числом.
Отсюда простой вывод: чем дальше вопрос от недавнего и конкретного действия, тем меньше ему можно доверять буквально. Полезнее спрашивать не «почему вы выбрали?», а «что было в момент выбора?» и «какие варианты вы сравнивали?».
**2. Декларируемые предпочтения хуже работают там, где есть компромисс**
Классический опрос хорошо ловит отношение к одному объекту: нравится ли бренд, доверяете ли вы сервису, считаете ли вы цену справедливой. Но как только человеку нужно выбрать между несколькими ценностями, обычный опрос начинает сглаживать реальность.
Именно поэтому conjoint-исследование (совместный анализ) остаётся таким полезным инструментом. Оно не спрашивает «что важно?», а заставляет выбирать между наборами свойств. Так проявляется цена компромисса.
Пример: для SaaS-продукта респонденты в обычном опросе ставят «поддержку 24/7» и «интеграции» на первые места. Но в conjoint оказывается, что при росте цены на 15% они гораздо чаще готовы отказаться от круглосуточной поддержки, чем от нужной интеграции. В словах оба параметра были важны. В выборе — один из них оказался действительно критичным.
Это особенно важно сейчас, когда в B2B классическая логика «сгенерировать лид, передать в продажи» уступает место RevOps-подходу: нужно понимать не просто интерес, а вклад каждого свойства в выручку и удержание.
**3. MaxDiff нужен не для рейтинга, а для расстановки приоритетов**
Многие используют MaxDiff (метод максимума-минимума) как более красивую замену обычному рейтингу. Это ошибка. Сила MaxDiff не в том, что он «точнее», а в том, что он заставляет делать жёсткий выбор: что действительно сильнее и что действительно слабее.
Пример: у бренда бытовой техники есть 12 обещаний — «надежность», «дизайн», «тихая работа», «экосборка», «удобство установки», «умное управление» и так далее. В обычном опросе почти всё оказывается «важным». В MaxDiff быстро выясняется, что для покупателей верхние места занимают надежность, тихая работа и простота использования, а модные характеристики остаются внизу. И это уже не косметика, а основа для коммуникации, упаковки и продукта.
Для аналитика здесь важен не сам список, а последствия. MaxDiff помогает не спорить о том, что «людям всё важно», а ответить на более полезный вопрос: что вынести в первый экран, а что оставить в хвосте описания.
**4. Хороший опрос не подтверждает гипотезу, а обнуляет иллюзии**
Самая зрелая роль опросов — не поддержать уже готовую идею, а проверить, где она ломается. Если исследование устроено так, что почти неизбежно подтверждает ожидания команды, оно мало что стоит.
…
Оптимизация продуктовой линейки через анализ совместных предпочтений (Conjoint Analysis) в условиях снижения среднего чека
В эпоху, когда потребители в электронной коммерции склонны к рационализации трат и удержанию средств, простого опроса о готовности платить недостаточно. Для формирования продуктового предложения, которое сохранит маржинальность, используйте дискретный выбор — метод, моделирующий реальные рыночные ситуации.
Алгоритм действий на текущей неделе для подготовки исследования:
— Определите 4–6 ключевых атрибутов продукта (например, цена, срок службы, дополнительные сервисы, условия доставки). В условиях снижения покупательной способности критически важно включить атрибуты, влияющие на долгосрочную ценность (LTV — жизненный цикл клиента).
— Установите уровни для каждого атрибута. Для цены используйте диапазон от текущей до сниженной на 15%, чтобы отследить эластичность спроса при падении среднего чека.
— Сформируйте профили продуктов с помощью ортогонального дизайна. Ваша задача — создать набор карточек, где каждый респондент сталкивается с выбором из 3–4 альтернатив. Это имитирует ситуацию в поисковой выдаче или AI-обзорах, где пользователь сравнивает предложения.
— Проведите полевой этап на выборке от 300 человек. Используйте квоты, соответствующие вашей текущей клиентской базе, чтобы данные отражали реальный сегмент, а не усредненного покупателя.
— Рассчитайте утилитарность (полезность) каждого уровня атрибута с помощью иерархической байесовской модели. *Именно этот показатель покажет, от чего потребитель готов отказаться ради сохранения ключевой ценности продукта.*
— Проведите симуляцию «что, если». Постройте график доли предпочтений (share of preference) при различных комбинациях характеристик. Сравните сценарий «максимальная прибыль» с базовым сценарием.
Результатом станет матрица оптимальных характеристик, которую вы передадите в отдел разработки или закупок. В текущей модели RevOps (общей ответственности за выручку) такой подход позволяет обосновать изменение ассортимента не предположениями, а математически выверенными данными о потребительском поведении. Это снизит риск ошибки при обновлении каталога и поможет сохранить показатели удержания в условиях сжатия рынка.
— @QuantResearchRuPro
В эпоху, когда потребители в электронной коммерции склонны к рационализации трат и удержанию средств, простого опроса о готовности платить недостаточно. Для формирования продуктового предложения, которое сохранит маржинальность, используйте дискретный выбор — метод, моделирующий реальные рыночные ситуации.
Алгоритм действий на текущей неделе для подготовки исследования:
— Определите 4–6 ключевых атрибутов продукта (например, цена, срок службы, дополнительные сервисы, условия доставки). В условиях снижения покупательной способности критически важно включить атрибуты, влияющие на долгосрочную ценность (LTV — жизненный цикл клиента).
— Установите уровни для каждого атрибута. Для цены используйте диапазон от текущей до сниженной на 15%, чтобы отследить эластичность спроса при падении среднего чека.
— Сформируйте профили продуктов с помощью ортогонального дизайна. Ваша задача — создать набор карточек, где каждый респондент сталкивается с выбором из 3–4 альтернатив. Это имитирует ситуацию в поисковой выдаче или AI-обзорах, где пользователь сравнивает предложения.
— Проведите полевой этап на выборке от 300 человек. Используйте квоты, соответствующие вашей текущей клиентской базе, чтобы данные отражали реальный сегмент, а не усредненного покупателя.
— Рассчитайте утилитарность (полезность) каждого уровня атрибута с помощью иерархической байесовской модели. *Именно этот показатель покажет, от чего потребитель готов отказаться ради сохранения ключевой ценности продукта.*
— Проведите симуляцию «что, если». Постройте график доли предпочтений (share of preference) при различных комбинациях характеристик. Сравните сценарий «максимальная прибыль» с базовым сценарием.
Результатом станет матрица оптимальных характеристик, которую вы передадите в отдел разработки или закупок. В текущей модели RevOps (общей ответственности за выручку) такой подход позволяет обосновать изменение ассортимента не предположениями, а математически выверенными данными о потребительском поведении. Это снизит риск ошибки при обновлении каталога и поможет сохранить показатели удержания в условиях сжатия рынка.
— @QuantResearchRuPro
Как MaxDiff помог убрать «шум» и выделить 3 приоритета из 12
У компании было типичное для исследований ограничение: список гипотез рос, а ресурсов на реализацию хватало только на несколько. Команда хотела понять, какие ценности и преимущества действительно важны для аудитории, а какие выглядят «правильно» только на бумаге.
Для этого вместо длинного опроса с оценкой каждого пункта по шкале решили использовать MaxDiff — метод предельных различий. Его плюс в том, что он заставляет респондента делать выбор между вариантами, а не ставить всем подряд одинаково высокие оценки. Для маркетинг-аналитика это особенно полезно там, где на входе 8–15 атрибутов и нужно быстро собрать приоритеты для позиционирования, упаковки или коммуникации.
В исследование включили 12 возможных преимуществ продукта. Каждому участнику показывали небольшие наборы из 4–5 пунктов и просили выбрать самый и наименее важный. На выходе получили не «среднюю температуру», а ранжирование с весами: стало видно, что 3 пункта заметно опережают остальные, а часть формулировок почти не влияет на выбор.
**Что это дало бизнесу:**
— сократили список коммуникационных акцентов с 12 до 3;
— упростили тестирование креативов и лендинга;
— сняли спор между командами «нравится / не нравится» и перевели обсуждение в цифры.
Для рынка 2026 это особенно ценно: при росте стоимости внимания и конкуренции за смысл важно не просто собирать мнения, а отделять настоящие драйверы выбора от декоративных формулировок.
**Урок простой:** если нужно приоритизировать много опций, MaxDiff часто полезнее обычной шкалы. Он экономит время, снижает эффект «всем по чуть-чуть нравится» и даёт более прикладной результат для решений в брендинге, B2B и performance-маркетинге.
— @QuantResearchRu
У компании было типичное для исследований ограничение: список гипотез рос, а ресурсов на реализацию хватало только на несколько. Команда хотела понять, какие ценности и преимущества действительно важны для аудитории, а какие выглядят «правильно» только на бумаге.
Для этого вместо длинного опроса с оценкой каждого пункта по шкале решили использовать MaxDiff — метод предельных различий. Его плюс в том, что он заставляет респондента делать выбор между вариантами, а не ставить всем подряд одинаково высокие оценки. Для маркетинг-аналитика это особенно полезно там, где на входе 8–15 атрибутов и нужно быстро собрать приоритеты для позиционирования, упаковки или коммуникации.
В исследование включили 12 возможных преимуществ продукта. Каждому участнику показывали небольшие наборы из 4–5 пунктов и просили выбрать самый и наименее важный. На выходе получили не «среднюю температуру», а ранжирование с весами: стало видно, что 3 пункта заметно опережают остальные, а часть формулировок почти не влияет на выбор.
**Что это дало бизнесу:**
— сократили список коммуникационных акцентов с 12 до 3;
— упростили тестирование креативов и лендинга;
— сняли спор между командами «нравится / не нравится» и перевели обсуждение в цифры.
Для рынка 2026 это особенно ценно: при росте стоимости внимания и конкуренции за смысл важно не просто собирать мнения, а отделять настоящие драйверы выбора от декоративных формулировок.
**Урок простой:** если нужно приоритизировать много опций, MaxDiff часто полезнее обычной шкалы. Он экономит время, снижает эффект «всем по чуть-чуть нравится» и даёт более прикладной результат для решений в брендинге, B2B и performance-маркетинге.
— @QuantResearchRu
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Российские букмекеры увеличили закуп трафика с мобильных приложений
Российские букмекеры в 1 квартале 2026 года заметно нарастили закупку трафика из мобильных приложений. На фоне ужесточения регулирования они смещают бюджеты в новые каналы, где ещё есть живой трафик.
По данным UMG, доля in-app-рекламы выросла с 3-4% до 5-6% при объёме рынка около 10 млрд рублей. Но это может быть только начало — в блоге разбираем…
➡️ Читайте на сайте: https://aff.top/blog/rossiiskie-bukmekery-uvelichili-zakup-trafika-s-mobilnykh-prilozhenii
🧠 Ещё больше инсайтов → в канале AFF.top
Российские букмекеры в 1 квартале 2026 года заметно нарастили закупку трафика из мобильных приложений. На фоне ужесточения регулирования они смещают бюджеты в новые каналы, где ещё есть живой трафик.
По данным UMG, доля in-app-рекламы выросла с 3-4% до 5-6% при объёме рынка около 10 млрд рублей. Но это может быть только начало — в блоге разбираем…
➡️ Читайте на сайте: https://aff.top/blog/rossiiskie-bukmekery-uvelichili-zakup-trafika-s-mobilnykh-prilozhenii
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Mia Khalifa стала амбпссадором 1win
Mia Khalifa снова засветилась рядом с 1win: в Instagram она показала цепочку с логотипом бренда и статус «VIP 1win».
Параллельно всплыла история с ее ставкой на Испанию на ЧМ — по данным поста, выигрыш мог составить 200к$.
Официального подтверждения амбассадорства пока нет, но для арбитражников это уже повод для новых креативов. Что именно здесь…
➡️ Читайте на сайте: https://aff.top/blog/mia-khalifa-stala-ambpssadorom-1win
🧠 Ещё больше инсайтов → в канале AFF.top
Mia Khalifa снова засветилась рядом с 1win: в Instagram она показала цепочку с логотипом бренда и статус «VIP 1win».
Параллельно всплыла история с ее ставкой на Испанию на ЧМ — по данным поста, выигрыш мог составить 200к$.
Официального подтверждения амбассадорства пока нет, но для арбитражников это уже повод для новых креативов. Что именно здесь…
➡️ Читайте на сайте: https://aff.top/blog/mia-khalifa-stala-ambpssadorom-1win
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from КРАВЧЕНКО
Дорогие коллеги и партнеры,
Наш маршрут конференций за последние недели, получился особенно насыщенным.
Со стендами PoshFriends мы побывали на MAC и GGate, а затем продолжили встречи уже в полях iGB Live в Лондоне.
В Ереване увиделись с любимыми SEO-командами, попробовали местные вина, обменялись новостями и зарядились энергией УБТ-команд.
В Тбилиси обсуждали тренды, новые связки и совместные планы, встречались с действующими партнерами и знакомились с новыми. А за настроение на стенде отвечала Черемша, которая чуть не стала маскотом одного из наших продуктов. С этой задачей, кажется, справилась лучше всех.
В Лондоне все было уже по-деловому. Провели серию встреч с топ-партнерами, обсудили Японию, бурж и новые точки роста. География интересов растет, планы становятся амбициознее. Воротники, как выяснилось, нагладили не зря.
Спасибо всем, с кем удалось увидеться на этом маршруте. За открытые разговоры, новые идеи, доверие и планы, которые постепенно превращаются в реальные проекты.
Конференционный сезон продолжается. Скоро увидимся снова.
Всегда ваши, Команда Posh Friends 🤝
Наш маршрут конференций за последние недели, получился особенно насыщенным.
Со стендами PoshFriends мы побывали на MAC и GGate, а затем продолжили встречи уже в полях iGB Live в Лондоне.
В Ереване увиделись с любимыми SEO-командами, попробовали местные вина, обменялись новостями и зарядились энергией УБТ-команд.
В Тбилиси обсуждали тренды, новые связки и совместные планы, встречались с действующими партнерами и знакомились с новыми. А за настроение на стенде отвечала Черемша, которая чуть не стала маскотом одного из наших продуктов. С этой задачей, кажется, справилась лучше всех.
В Лондоне все было уже по-деловому. Провели серию встреч с топ-партнерами, обсудили Японию, бурж и новые точки роста. География интересов растет, планы становятся амбициознее. Воротники, как выяснилось, нагладили не зря.
Спасибо всем, с кем удалось увидеться на этом маршруте. За открытые разговоры, новые идеи, доверие и планы, которые постепенно превращаются в реальные проекты.
Конференционный сезон продолжается. Скоро увидимся снова.
Всегда ваши, Команда Posh Friends 🤝
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Короткий домен Telegram перестал работать
Telegram лишился домена t.me: он разделегирован и больше не работает на уровне регистратора. Платформа срочно переезжает на telegram.me, а владельцам крупных каналов стоит обновить публичные ссылки. Сроки восстановления неизвестны, и есть риск, что t.me не вернётся вовсе на фоне давления на Telegram.
➡️ Читайте на сайте: https://aff.top/blog/korotkii-domen-telegram-perestal-rabotat
🧠 Ещё больше инсайтов → в канале AFF.top
Telegram лишился домена t.me: он разделегирован и больше не работает на уровне регистратора. Платформа срочно переезжает на telegram.me, а владельцам крупных каналов стоит обновить публичные ссылки. Сроки восстановления неизвестны, и есть риск, что t.me не вернётся вовсе на фоне давления на Telegram.
➡️ Читайте на сайте: https://aff.top/blog/korotkii-domen-telegram-perestal-rabotat
🧠 Ещё больше инсайтов → в канале AFF.top
Как MaxDiff помог бренду не спорить о вкусах, а считать приоритеты
У многих команд проблема одна и та же: в списке гипотез 15–20 пунктов, а ресурсов хватает на 3. На словах всё «важно», но в реальности нужен выбор. Именно для этого хорошо работает MaxDiff — методика, которая заставляет респондента не оценивать всё подряд по шкале, а выбирать лучшее и худшее из набора.
**Контекст.** У крупной продуктовой команды в e-com было 12 потенциальных улучшений карточки товара: от доставки и отзывов до фото, гарантии и рассрочки. Внутри спорили долго: маркетинг тянул в визуал, коммерция — в цену и скидку, продукт — в удобство. При этом средний чек в 2026 году под давлением, и ставка всё чаще идёт не на первую покупку, а на retention и LTV.
**Задача.** Понять, какие элементы карточки реально двигают выбор и повторную покупку, а какие только кажутся важными. Нужен был не общий рейтинг «нравится/не нравится», а приоритизация для дорожной карты.
**Решение.** Провели MaxDiff-опрос на 900 респондентах из целевой аудитории. В каждый набор попадали 4–5 атрибутов, и участник выбирал самый важный и самый неважный. Так получили не «среднюю температуру», а относительную ценность каждого фактора.
Результат оказался показательный:
— «Понятная доставка и сроки» — 42% всех выборов в топ;
— «Честная цена без скрытых доплат» — 38%;
— «Отзывы с фото и реальным опытом» — 31%;
— «Большое количество баннеров и промо-блоков» — только 7%;
— «Анимированные элементы интерфейса» — 4%.
После этого команда пересобрала карточку: убрали часть визуального шума, подняли блок доставки выше, усилили блок отзывов и вынесли итоговую цену без лишних трактовок. Через 6 недель в A/B-тесте конверсия в добавление в корзину выросла на 8,4%, а доля возвратов по «неожиданной стоимости» снизилась на 11%.
**Урок.** MaxDiff особенно полезен там, где много мнений и мало бюджета. Он не отвечает на вопрос «нравится ли», он отвечает на вопрос **что важнее в сравнении с остальным**. Для маркетинг-аналитика это удобный способ перевести обсуждение из плоскости вкусов в плоскость приоритетов.
— @QuantResearchRu
У многих команд проблема одна и та же: в списке гипотез 15–20 пунктов, а ресурсов хватает на 3. На словах всё «важно», но в реальности нужен выбор. Именно для этого хорошо работает MaxDiff — методика, которая заставляет респондента не оценивать всё подряд по шкале, а выбирать лучшее и худшее из набора.
**Контекст.** У крупной продуктовой команды в e-com было 12 потенциальных улучшений карточки товара: от доставки и отзывов до фото, гарантии и рассрочки. Внутри спорили долго: маркетинг тянул в визуал, коммерция — в цену и скидку, продукт — в удобство. При этом средний чек в 2026 году под давлением, и ставка всё чаще идёт не на первую покупку, а на retention и LTV.
**Задача.** Понять, какие элементы карточки реально двигают выбор и повторную покупку, а какие только кажутся важными. Нужен был не общий рейтинг «нравится/не нравится», а приоритизация для дорожной карты.
**Решение.** Провели MaxDiff-опрос на 900 респондентах из целевой аудитории. В каждый набор попадали 4–5 атрибутов, и участник выбирал самый важный и самый неважный. Так получили не «среднюю температуру», а относительную ценность каждого фактора.
Результат оказался показательный:
— «Понятная доставка и сроки» — 42% всех выборов в топ;
— «Честная цена без скрытых доплат» — 38%;
— «Отзывы с фото и реальным опытом» — 31%;
— «Большое количество баннеров и промо-блоков» — только 7%;
— «Анимированные элементы интерфейса» — 4%.
После этого команда пересобрала карточку: убрали часть визуального шума, подняли блок доставки выше, усилили блок отзывов и вынесли итоговую цену без лишних трактовок. Через 6 недель в A/B-тесте конверсия в добавление в корзину выросла на 8,4%, а доля возвратов по «неожиданной стоимости» снизилась на 11%.
**Урок.** MaxDiff особенно полезен там, где много мнений и мало бюджета. Он не отвечает на вопрос «нравится ли», он отвечает на вопрос **что важнее в сравнении с остальным**. Для маркетинг-аналитика это удобный способ перевести обсуждение из плоскости вкусов в плоскость приоритетов.
— @QuantResearchRu
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Youtube тестирует поиск с AI
YouTube начал тестировать Ask YouTube — поиск с ИИ, где можно задавать вопросы обычным языком и получать не список ссылок, а готовую подборку видео и фрагментов.
Фича уже доступна в США и работает на сложные запросы: если нужно, ИИ уточняет вопрос и подсказывает следующий шаг.
Что это значит для поиска на YouTube и когда новинка дойдёт до других…
➡️ Читайте на сайте: https://aff.top/blog/youtube-testiruet-poisk-s-ai
🧠 Ещё больше инсайтов → в канале AFF.top
YouTube начал тестировать Ask YouTube — поиск с ИИ, где можно задавать вопросы обычным языком и получать не список ссылок, а готовую подборку видео и фрагментов.
Фича уже доступна в США и работает на сложные запросы: если нужно, ИИ уточняет вопрос и подсказывает следующий шаг.
Что это значит для поиска на YouTube и когда новинка дойдёт до других…
➡️ Читайте на сайте: https://aff.top/blog/youtube-testiruet-poisk-s-ai
🧠 Ещё больше инсайтов → в канале AFF.top
Вопросы в опросах стали длиннее
За последний месяц в количественных исследованиях заметно одно сдвижение: в онлайн-опросах чаще появляются более развернутые формулировки. Не просто «что выберете?», а «какой вариант ближе с учетом цены, срока, условий, сервиса». Похожая деталь видна и в conjoint: в задаче чаще удерживают не два-три признака, а собирают более плотный набор атрибутов, чтобы не терять контекст выбора.
Еще один повторяющийся паттерн — в MaxDiff все чаще уводят формулировки от абстрактных качеств к более прикладным. Не «надежность» сама по себе, а «понятные сроки», «прозрачные условия», «быстрая поддержка». В B2B-опросах это особенно заметно: респонденту проще отвечать, когда сценарий похож на реальный выбор, а не на оценку в вакууме.
У вас за последний месяц было то же самое?
— @QuantResearchRuPro
За последний месяц в количественных исследованиях заметно одно сдвижение: в онлайн-опросах чаще появляются более развернутые формулировки. Не просто «что выберете?», а «какой вариант ближе с учетом цены, срока, условий, сервиса». Похожая деталь видна и в conjoint: в задаче чаще удерживают не два-три признака, а собирают более плотный набор атрибутов, чтобы не терять контекст выбора.
Еще один повторяющийся паттерн — в MaxDiff все чаще уводят формулировки от абстрактных качеств к более прикладным. Не «надежность» сама по себе, а «понятные сроки», «прозрачные условия», «быстрая поддержка». В B2B-опросах это особенно заметно: респонденту проще отвечать, когда сценарий похож на реальный выбор, а не на оценку в вакууме.
У вас за последний месяц было то же самое?
— @QuantResearchRuPro
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Z.ai анонсировала новую GLM-5.5
Z.ai готовит релиз флагманской GLM-5.5: модель обещают показать в августе 2026 года.
Главная интрига — рост до 1 трлн параметров при том же контекстном окне в 1 млн токенов. Новинка снова будет заточена под код и агентные задачи.
Почему версия сразу 5.5, без 5.3 и 5.4, и что это может означать для рынка — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/z-ai-anonsirovala-novuiu-glm-5-5
🧠 Ещё больше инсайтов → в канале AFF.top
Z.ai готовит релиз флагманской GLM-5.5: модель обещают показать в августе 2026 года.
Главная интрига — рост до 1 трлн параметров при том же контекстном окне в 1 млн токенов. Новинка снова будет заточена под код и агентные задачи.
Почему версия сразу 5.5, без 5.3 и 5.4, и что это может означать для рынка — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/z-ai-anonsirovala-novuiu-glm-5-5
🧠 Ещё больше инсайтов → в канале AFF.top
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Telegram запустил собственный сервер для ботов
Telegram запустил собственный сервер для ботов и мани-приложений: теперь backend можно размещать прямо внутри инфраструктуры мессенджера.
Сервер работает на JavaScript/TypeScript, через вебхуки, и позволяет подключать SQL-базу для сбора контактов без посредников.
Пока неясны цена и ограничения — что именно уже можно тестировать, а где скрыт подв…
➡️ Читайте на сайте: https://aff.top/blog/telegram-zapustil-sobstvennyi-server-dlia-botov
🧠 Ещё больше инсайтов → в канале AFF.top
Telegram запустил собственный сервер для ботов и мани-приложений: теперь backend можно размещать прямо внутри инфраструктуры мессенджера.
Сервер работает на JavaScript/TypeScript, через вебхуки, и позволяет подключать SQL-базу для сбора контактов без посредников.
Пока неясны цена и ограничения — что именно уже можно тестировать, а где скрыт подв…
➡️ Читайте на сайте: https://aff.top/blog/telegram-zapustil-sobstvennyi-server-dlia-botov
🧠 Ещё больше инсайтов → в канале AFF.top
Как SurveyMonkey срезал лишние вопросы и поднял качество ответов в опросах
SurveyMonkey — это не просто сервис опросов, а пример того, как правильно перестроить исследование, когда респондентов стало труднее удерживать до конца анкеты.
Задача у команды была вполне прикладная: снизить утомляемость респондентов и одновременно получать более надёжные данные. В длинных анкетах растёт доля незавершённых ответов, падает качество внимания, а в 2026 году это особенно заметно: люди отвечают быстрее, а конкуренция за внимание выше, чем за любой бюджет.
Решение искали не в «красивом дизайне», а в структуре опроса. Команда пересобрала анкеты вокруг приоритетных вопросов, убрала дублирующие блоки и начала чаще использовать:
— короткие скрининговые вопросы в начале;
— логику переходов, чтобы не показывать лишнее;
— MaxDiff-формат для приоритизации важного;
— conjoint-анализ, когда нужно понять, какие комбинации атрибутов реально влияют на выбор.
Ключевая мысль: **не каждый вопрос одинаково полезен для решения**. Если исследование отвечает на 3 бизнес-вопроса, а не на 12 «на всякий случай», качество данных обычно растёт.
Что получили:
— меньше незавершённых анкет;
— выше вовлечённость на сложных опросах;
— более чистые приоритеты по важности характеристик продукта.
Точных цифр в этом кейсе компания не раскрывает, и это важный момент: в исследовательских проектах не всегда есть «вау-метрика» для внешнего отчёта. Но практический эффект понятен — сокращение лишнего трения в опросе почти всегда улучшает качество выборки и снижает шум в данных.
Урок для маркетинг-аналитика простой: если вы строите опрос, сначала режьте не вопросы, а сомнения. Сформулируйте, какое решение примет бизнес по итогам исследования, и оставьте только те блоки, которые реально двигают это решение. В эпоху короткого внимания выигрывают не самые длинные анкеты, а самые точные.
— @QuantResearchRu
Есть схожая тема в @LookerStudioRuPro, рекомендуем
SurveyMonkey — это не просто сервис опросов, а пример того, как правильно перестроить исследование, когда респондентов стало труднее удерживать до конца анкеты.
Задача у команды была вполне прикладная: снизить утомляемость респондентов и одновременно получать более надёжные данные. В длинных анкетах растёт доля незавершённых ответов, падает качество внимания, а в 2026 году это особенно заметно: люди отвечают быстрее, а конкуренция за внимание выше, чем за любой бюджет.
Решение искали не в «красивом дизайне», а в структуре опроса. Команда пересобрала анкеты вокруг приоритетных вопросов, убрала дублирующие блоки и начала чаще использовать:
— короткие скрининговые вопросы в начале;
— логику переходов, чтобы не показывать лишнее;
— MaxDiff-формат для приоритизации важного;
— conjoint-анализ, когда нужно понять, какие комбинации атрибутов реально влияют на выбор.
Ключевая мысль: **не каждый вопрос одинаково полезен для решения**. Если исследование отвечает на 3 бизнес-вопроса, а не на 12 «на всякий случай», качество данных обычно растёт.
Что получили:
— меньше незавершённых анкет;
— выше вовлечённость на сложных опросах;
— более чистые приоритеты по важности характеристик продукта.
Точных цифр в этом кейсе компания не раскрывает, и это важный момент: в исследовательских проектах не всегда есть «вау-метрика» для внешнего отчёта. Но практический эффект понятен — сокращение лишнего трения в опросе почти всегда улучшает качество выборки и снижает шум в данных.
Урок для маркетинг-аналитика простой: если вы строите опрос, сначала режьте не вопросы, а сомнения. Сформулируйте, какое решение примет бизнес по итогам исследования, и оставьте только те блоки, которые реально двигают это решение. В эпоху короткого внимания выигрывают не самые длинные анкеты, а самые точные.
— @QuantResearchRu
Есть схожая тема в @LookerStudioRuPro, рекомендуем
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
Google картинки станут конкурентом Pinterest
Google Картинки начали превращать в полноценную платформу с персональной лентой по прошлым запросам — по сути, в аналог Pinterest.
Во вкладке For you уже тестируют подборки, а ещё обещают коллекции и генерацию изображений во встроенной Nano Banana.
Как это будет работать и когда новинка дойдёт до других стран — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/google-kartinki-stanut-konkurentom-pinterest
🧠 Ещё больше инсайтов → в канале AFF.top
Google Картинки начали превращать в полноценную платформу с персональной лентой по прошлым запросам — по сути, в аналог Pinterest.
Во вкладке For you уже тестируют подборки, а ещё обещают коллекции и генерацию изображений во встроенной Nano Banana.
Как это будет работать и когда новинка дойдёт до других стран — в блоге.
➡️ Читайте на сайте: https://aff.top/blog/google-kartinki-stanut-konkurentom-pinterest
🧠 Ещё больше инсайтов → в канале AFF.top
Что вы бы проверяли первым в опросе, если LTV важнее первой покупки?
В 2026 всё чаще выбирают не «что купят сейчас», а почему вернутся снова: retention и выручка важнее разовой конверсии. Если делать один опрос для маркетинга и продаж, что даст наибольшую пользу?
ВАРИАНТЫ:
1. Готовность рекомендовать и причины лояльности
2. Критерии выбора и отказа от бренда
3. Чувствительность к цене и скидке
4. Важность функций при сравнении с конкурентами
— @QuantResearchRu
В 2026 всё чаще выбирают не «что купят сейчас», а почему вернутся снова: retention и выручка важнее разовой конверсии. Если делать один опрос для маркетинга и продаж, что даст наибольшую пользу?
ВАРИАНТЫ:
1. Готовность рекомендовать и причины лояльности
2. Критерии выбора и отказа от бренда
3. Чувствительность к цене и скидке
4. Важность функций при сравнении с конкурентами
— @QuantResearchRu
Forwarded from AFF.TOP
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
23-24 июля встречаемся в Лимассоле! 🔥
Команда AdsCard врывается на Conversion Conf в статусе HOOKAH LOUNGE SPONSOR! Мы готовим для вас идеальное пространство для неформального общения и обсуждения серьезных дел.
Ищете платежное решение, которое не подведет в самый ответственный момент? Хотите масштабировать свои рекламные кампании без головной боли? Давайте обсудим это в расслабленной атмосфере.
Что ждет вас в нашей лаунж-зоне?
0️⃣ Поделимся инсайдами и свежими кейсами по заливу с наших карт на самых требовательных источниках.
0️⃣ Обсудим наши эксклюзивные условия для команд и расскажем, как получить максимум от нашего сервиса.
0️⃣ Познакомим с топами индустрии, угостим дымным кальяном и просто отлично проведем время.
Присоединяйтесь к нам, чтобы совместить приятное с полезным: качественный нетворкинг и эффективные платежные решения.
📍 Где искать: Parklane Hotel, HOOKAH LOUNGE от AdsCard
Ждем всех на Conversion Conf для незабываемого ивента и крутых знакомств! До встречи! 😎
Команда AdsCard врывается на Conversion Conf в статусе HOOKAH LOUNGE SPONSOR! Мы готовим для вас идеальное пространство для неформального общения и обсуждения серьезных дел.
Ищете платежное решение, которое не подведет в самый ответственный момент? Хотите масштабировать свои рекламные кампании без головной боли? Давайте обсудим это в расслабленной атмосфере.
Что ждет вас в нашей лаунж-зоне?
Присоединяйтесь к нам, чтобы совместить приятное с полезным: качественный нетворкинг и эффективные платежные решения.
📍 Где искать: Parklane Hotel, HOOKAH LOUNGE от AdsCard
Ждем всех на Conversion Conf для незабываемого ивента и крутых знакомств! До встречи! 😎
Please open Telegram to view this post
VIEW IN TELEGRAM
Почему я больше не верю «среднему респонденту» в опросах
Я всё чаще вижу одну и ту же ошибку: маркетинг-аналитики пытаются вытащить из опроса один «средний» ответ и потом строят на нём продукт, коммуникацию или сегментацию. На практике это почти всегда упрощение, которое дорого обходится.
Мой вывод простой: **вопрос не в том, что думает средний респондент. Вопрос в том, какие группы людей системно выбирают разные альтернативы**.
Когда мы в исследованиях ограничиваемся средними оценками, теряем главное — структуру предпочтений. Для бренда это особенно критично в 2026 году, когда у потребителя меньше терпения к «универсальным» предложениям, а у маркетинга меньше права ошибаться: retention и LTV важнее первой покупки, а значит нужно понимать не усреднённую симпатию, а реальные драйверы выбора.
Поэтому я всё чаще советую смотреть на инструменты, которые заставляют человека не «соглашаться со всем», а выбирать:
- conjoint — когда нужно понять компромисс между ценой, набором свойств и брендом;
- MaxDiff — когда важно ранжировать ценности и триггеры без эффекта «всё важно»;
- опросы с жёсткими сценариями выбора — когда гипотеза уже есть, но нужно проверить её на столкновении с реальностью.
Из практики: в одном B2B-проекте две аудитории одинаково высоко оценивали удобство продукта в прямом опросе. Но в conjoint выяснилось, что для одной группы решающим был срок внедрения, а для другой — интеграции. Если бы мы посмотрели только на среднюю оценку, получили бы один и тот же месседж для всех. А это почти гарантированно снижает конверсию.
Я бы формулировал так: хороший опрос в 2026 году — это не сбор мнений, а **модель выбора**. И чем ближе метод к реальному решению клиента, тем меньше в нём декоративной статистики и тем больше пользы для маркетинга.
— @QuantResearchRuPro
Я всё чаще вижу одну и ту же ошибку: маркетинг-аналитики пытаются вытащить из опроса один «средний» ответ и потом строят на нём продукт, коммуникацию или сегментацию. На практике это почти всегда упрощение, которое дорого обходится.
Мой вывод простой: **вопрос не в том, что думает средний респондент. Вопрос в том, какие группы людей системно выбирают разные альтернативы**.
Когда мы в исследованиях ограничиваемся средними оценками, теряем главное — структуру предпочтений. Для бренда это особенно критично в 2026 году, когда у потребителя меньше терпения к «универсальным» предложениям, а у маркетинга меньше права ошибаться: retention и LTV важнее первой покупки, а значит нужно понимать не усреднённую симпатию, а реальные драйверы выбора.
Поэтому я всё чаще советую смотреть на инструменты, которые заставляют человека не «соглашаться со всем», а выбирать:
- conjoint — когда нужно понять компромисс между ценой, набором свойств и брендом;
- MaxDiff — когда важно ранжировать ценности и триггеры без эффекта «всё важно»;
- опросы с жёсткими сценариями выбора — когда гипотеза уже есть, но нужно проверить её на столкновении с реальностью.
Из практики: в одном B2B-проекте две аудитории одинаково высоко оценивали удобство продукта в прямом опросе. Но в conjoint выяснилось, что для одной группы решающим был срок внедрения, а для другой — интеграции. Если бы мы посмотрели только на среднюю оценку, получили бы один и тот же месседж для всех. А это почти гарантированно снижает конверсию.
Я бы формулировал так: хороший опрос в 2026 году — это не сбор мнений, а **модель выбора**. И чем ближе метод к реальному решению клиента, тем меньше в нём декоративной статистики и тем больше пользы для маркетинга.
— @QuantResearchRuPro
Когда опросы врут, а рынок меняется быстрее
В 2026 году самая частая ошибка в исследованиях — ждать от опроса точного прогноза поведения. Люди честно отвечают про установки, но в момент выбора работают цена, удобство и контекст. Поэтому опросы всё чаще стоит читать не как «что купят», а как карту ограничений и языка аудитории.
Для маркетинг-аналитика это важный сдвиг: ценность не в одной цифре, а в связке опросов с conjoint и MaxDiff. Тогда видно, **что для людей важно**, что они готовы менять, и где между заявлением и выбором лежит реальная разница.
— @QuantResearchRu
Параллельный взгляд на тему — @CommunityCraftRu
В 2026 году самая частая ошибка в исследованиях — ждать от опроса точного прогноза поведения. Люди честно отвечают про установки, но в момент выбора работают цена, удобство и контекст. Поэтому опросы всё чаще стоит читать не как «что купят», а как карту ограничений и языка аудитории.
Для маркетинг-аналитика это важный сдвиг: ценность не в одной цифре, а в связке опросов с conjoint и MaxDiff. Тогда видно, **что для людей важно**, что они готовы менять, и где между заявлением и выбором лежит реальная разница.
— @QuantResearchRu
Параллельный взгляд на тему — @CommunityCraftRu