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
Forwarded from AffPapa! Клуб спящих бизнесменов! Потрачено!
МАККГРЕГОР! Не только лишь одни синие как оказалось умееют играть в амбасадоров :-) Если вы понимаете
Суть простая, Мак Грегор хуйнул ставочку, и вроде бы хуйня, но все мы понимаем что это значит и это работает на всех нас!
Амбассадор 1xBet сделал прогноз на $100 000 на точный счет финала WCMUC2026: Испания v Аргентина – 2:3. Коэффициент – 36. Потенциальный выигрыш – $3,6 миллиона! На мой взгляд вообще похуй какой именно прогноз он сделал, тут важен сам факт, это без проблем используется во всех крео!
Думаю не надо объяснять что Конор это пиздец какой триггер для игроков и соц. пруф! Самый известный спортсмен мира сделал прогноз на главный матч года, а значит миллионы болельщиков будут следить не только за финалом, но и за его выбором. Используй этот инфоповод, чтобы подтолкнуть аудиторию к собственному прогнозу!
В финале WCMUC2026 победитель будет только один, а вот в борьбе за трафик может победить каждый и урвать свой кусок! Используй, хули сидеть!
Тыкай, там интиресно!
Суть простая, Мак Грегор хуйнул ставочку, и вроде бы хуйня, но все мы понимаем что это значит и это работает на всех нас!
Амбассадор 1xBet сделал прогноз на $100 000 на точный счет финала WCMUC2026: Испания v Аргентина – 2:3. Коэффициент – 36. Потенциальный выигрыш – $3,6 миллиона! На мой взгляд вообще похуй какой именно прогноз он сделал, тут важен сам факт, это без проблем используется во всех крео!
Думаю не надо объяснять что Конор это пиздец какой триггер для игроков и соц. пруф! Самый известный спортсмен мира сделал прогноз на главный матч года, а значит миллионы болельщиков будут следить не только за финалом, но и за его выбором. Используй этот инфоповод, чтобы подтолкнуть аудиторию к собственному прогнозу!
В финале WCMUC2026 победитель будет только один, а вот в борьбе за трафик может победить каждый и урвать свой кусок! Используй, хули сидеть!
Тыкай, там интиресно!
Как MaxDiff помог понять, что именно покупают у бренда, а не у продукта
Бренд D2C-ритейлера в категории ухода столкнулся с типичной для 2026 года проблемой: трафик есть, карточки товара смотрят, а конверсия не растёт. Команда видела много данных по кликам и заказам, но не понимала, за что покупатель действительно готов платить — за состав, эффективность, упаковку, удобство доставки или цену.
Задача была не «проверить гипотезы на глаз», а разложить ценность предложения по полкам: какие атрибуты влияют на выбор сильнее всего и где бренд теряет деньги на коммуникации.
Для этого провели исследование по методике MaxDiff. Респондентам показывали наборы характеристик и просили выбрать:
— что для них наиболее важно;
— что наименее важно.
Такой формат полезен, когда у товара много преимуществ, а в обычном опросе всё получает почти одинаковые оценки. MaxDiff заставляет людей делать выбор, а значит — показывает реальную иерархию факторов.
Что получили в результате:
— в топ вышли не «красивые» маркетинговые формулировки, а понятные обещания результата;
— часть атрибутов, на которые команда делала упор в рекламе, оказалась второстепенной;
— несколько «дорогих» деталей упаковки почти не влияли на решение, хотя съедали бюджет.
Практический вывод был прямой: бренд пересобрал сообщение в коммуникации и убрал лишнее из карточки товара. В мире, где средний чек в e-com снижается на 5–8%, это особенно важно: выигрывает не тот, кто говорит громче, а тот, кто точнее объясняет ценность.
**Урок для маркетинг-аналитика:** MaxDiff хорош не только для бренда, но и для performance- и RevOps-команд. Если вы не можете договориться, что именно двигает выбор, не стоит масштабировать рекламу — сначала измерьте приоритеты аудитории.
— @QuantResearchRu
Бренд D2C-ритейлера в категории ухода столкнулся с типичной для 2026 года проблемой: трафик есть, карточки товара смотрят, а конверсия не растёт. Команда видела много данных по кликам и заказам, но не понимала, за что покупатель действительно готов платить — за состав, эффективность, упаковку, удобство доставки или цену.
Задача была не «проверить гипотезы на глаз», а разложить ценность предложения по полкам: какие атрибуты влияют на выбор сильнее всего и где бренд теряет деньги на коммуникации.
Для этого провели исследование по методике MaxDiff. Респондентам показывали наборы характеристик и просили выбрать:
— что для них наиболее важно;
— что наименее важно.
Такой формат полезен, когда у товара много преимуществ, а в обычном опросе всё получает почти одинаковые оценки. MaxDiff заставляет людей делать выбор, а значит — показывает реальную иерархию факторов.
Что получили в результате:
— в топ вышли не «красивые» маркетинговые формулировки, а понятные обещания результата;
— часть атрибутов, на которые команда делала упор в рекламе, оказалась второстепенной;
— несколько «дорогих» деталей упаковки почти не влияли на решение, хотя съедали бюджет.
Практический вывод был прямой: бренд пересобрал сообщение в коммуникации и убрал лишнее из карточки товара. В мире, где средний чек в e-com снижается на 5–8%, это особенно важно: выигрывает не тот, кто говорит громче, а тот, кто точнее объясняет ценность.
**Урок для маркетинг-аналитика:** MaxDiff хорош не только для бренда, но и для performance- и RevOps-команд. Если вы не можете договориться, что именно двигает выбор, не стоит масштабировать рекламу — сначала измерьте приоритеты аудитории.
— @QuantResearchRu