РОЗЫГРЫШ НОУТБУКА НА ВЫХОДНЫЕ 💻

Подпишись на три канала:
• Иванов - @pacan
• Кустов - @cobaka
• Миша - @CPA_Farm

И один случайный подписчик заберёт великолепный ноутбук. Отличная рабочая лошадка для работы, учёбы и интернет-сёрфинга, остальное не потянет!

Важно: боты сразу мимо, аккаунты не из нашей сферы тоже, все участники будут проверены, в том числе на пересечение с профильными affiliate/iGaming чатами.

Итоги сразу после выходных.

Три подписки. Один ноутбук. Как сказал GPT - иногда интернет всё-таки использует случайный выбор не только для того, чтобы подсунуть очередную рекламу криптокурсов.

Участников: 80
Призовых мест: 1
Дата розыгрыша: 15:14, 09.08.2026 MSK (3 дня)

Google по ошибке удалил тысячи сайтов

Google массово банил сайты на Blogger из-за сбоя в автоматической модерации: система ошибочно нашла malware в контенте и снесла тысячи сайтов, часть — повторно после восстановления. Для вебмастеров вывод простой: даже трастовая платформа не защищает от ложных срабатываний, а автоматический антифрод может положить и вайт, и ферму.

➡️ Читайте на сайте: https://aff.top/blog/google-po-oshibke-udalil-tysiachi-saitov

🧠 Ещё больше инсайтов → в канале AFF.top

3 инструмента для мониторинга соцмедиа: что брать маркетинг-аналитику

Если задача — не просто считать упоминания, а связывать коммуникации с репутацией, спросом и качеством ответа бренда, инструменты мониторинга соцмедиа полезны и для исследований, и для performance-аналитики. Ниже — три решения, которые чаще всего сравнивают между собой, когда нужно выбрать систему под регулярную работу, а не под разовый отчёт.

Brand24 — для кого: небольшие и средние команды, которым нужен быстрый старт и понятный интерфейс — сильная сторона: быстро собирает упоминания, удобно отслеживает динамику, тональность и всплески вокруг кампаний — минус: для глубокой кастомной аналитики и сложных корпоративных процессов может не хватать гибкости.

Mention — для кого: маркетинг-аналитики и PR-команды, которым важно сочетать мониторинг соцмедиа с отслеживанием бренда и конкурентов — сильная сторона: широкий охват источников, удобное сравнение тем и брендов, хорош для регулярного конкурентного среза — минус: при росте объёма данных и числа проектов полезность упирается в стоимость и необходимость аккуратно настраивать фильтры.

Sprout Social — для кого: команды, которым нужен не только мониторинг, но и рабочий контур для публикаций, ответов и отчётности — сильная сторона: сильная платформа «в одном окне», где мониторинг связан с операционной работой соцсетей — минус: если нужен именно research-инструмент, а не управление каналами, часть возможностей окажется избыточной.

Как выбирать: если нужен быстрый и экономичный мониторинг — смотрите Brand24; если важны сравнение брендов и тематический анализ — Mention; если нужен управленческий центр для соцкоманды — Sprout Social.

— @QuantResearchRu

OpenAI сделала ChatGPT-5.6 Luna бесплатной

OpenAI делает ставку на доступность: ChatGPT-5.6 Luna стала бесплатной на сайте, а в Sol добавили ползунок глубины рассуждений для ускорения ответов. Для сложных запросов готовят кнопку Think. Пока это веб-эксклюзив, но вывод очевиден: OpenAI усиливает продукт и давит на конкурентов бесплатным доступом.

➡️ Читайте на сайте: https://aff.top/blog/openai-sdelala-chatgpt-5-6-luna-besplatnoi

🧠 Ещё больше инсайтов → в канале AFF.top

Metamask представил свою криптокошелёк для ИИ

MetaMask выпустил криптокошелёк для ИИ-агентов, который позволяет им самим проводить платежи, торговать фьючерсами и свопами, а также делать ставки без участия человека. Вывод простой: под «мёртвый интернет» уже строят рабочую инфраструктуру, а контроль остаётся только на опасных транзакциях и в ручном подтверждении.

➡️ Читайте на сайте: https://aff.top/blog/metamask-predstavil-svoiu-kriptokoshelek-dlia-ii

🧠 Ещё больше инсайтов → в канале AFF.top

MaxDiff вместо «опроса на вкус»: миф о том, что любая анкета даст приоритеты

Миф: «Если задать респондентам много вопросов и усреднить ответы, мы получим реальные приоритеты». Встречается в исследованиях так же часто, как и в презентациях: собрали мнения, посчитали средний балл, ранжировали — значит, знаем, что важно.

Откуда миф растёт. Из привычки опираться на шкалы Лайкерта (согласен/не согласен, важно/не важно) и простую агрегацию. В голове исследователя это выглядит как “измерили полезность”. Но средние по шкале отражают не приоритеты, а отношение к формулировкам и склонность к умеренным ответам.

Почему это неправда. Средний балл — плохой прокси для выбора. Он плохо различает: что реально “перетягивает” решение, а что просто приятно звучит. Респондент может одинаково высоко оценить несколько факторов, потому что каждый из них в целом “хорош”. В результате вы получаете рейтинг, где победили самые абстрактные и социально желательные утверждения, а не компромиссы, которые рынок делает ежедневно. Особенно заметно это в B2B и e-commerce, где пользователи выбирают не по одиночным характеристикам, а по пакетам ограничений: цена, интеграции, сроки внедрения, сервис, риски.

Что вместо этого. Для выявления приоритетов используйте MaxDiff (Maximum Difference Scaling) — принудительную задачу сравнения: “выберите самый важный и самый неважный” среди набора атрибутов. Это:
— переводит отношение в *выбор при компромиссе*
— даёт измеримую долю важности (сопоставимую между атрибутами)
— снижает влияние “усредняющего” стиля ответов
А если нужна продуктовая архитектура или формирование пакетов, следующий шаг — conjoint (сопряжённый анализ) вместо веры в средний балл.

— @QuantResearchRuPro

Я короче хз зачем мне это , но напишу!
Короче смотрим за "ноунейом" ( ЕЮ ) и тот вообще крышей поехал) взял себе крутанул канал на 1млн подписчиков и хочет сделать его своим основным?
Армия ботов в перед!

Вот его новый канал если что.. https://t.me/+vKOoe6K4yL0wMzEy

Почему метод выбора из множества вариантов (MaxDiff) эффективнее классических рейтинговых шкал в 2026 году

В эпоху, когда внимание потребителя стало самым дефицитным ресурсом, мы наблюдаем закат доверия к традиционным опросам. Когда респондент оценивает значимость характеристик продукта по шкале от одного до десяти (Likert scale), он неизбежно стремится к усреднению. В результате все атрибуты товара — от качества упаковки до экологичности производства — получают примерно одинаковые высокие баллы. Это «шум», который не дает маркетологу возможности приоритизировать бэклог (список задач на разработку) или инвестиции в функционал.

Метод MaxDiff (максимальная разница) в текущих рыночных реалиях становится инструментом защиты от неточных данных. Вместо оценки каждого параметра по отдельности, мы вынуждаем респондента совершать выбор: «Что для вас самое важное, а что — самое незначительное в этом списке?». Это заставляет человека моделировать реальное поведение потребителя на полке или в интерфейсе, где приходится жертвовать чем-то одним ради другого.

На практике это критически важно для RevOps (единой системы управления выручкой). Когда мы проектируем ценностное предложение для B2B-сегмента, нам нужно понимать, за что клиент готов платить прямо сейчас, в условиях снижения среднего чека.

Мое наблюдение: при сравнении результатов классического ранжирования и MaxDiff на одном и том же продуктовом сегменте, метод MaxDiff в 80% случаев показывает, что «ключевые» для бизнеса характеристики на деле занимают лишь 3-4 место в иерархии ценностей клиента.

— Классика дает нам список «важных» вещей.
— MaxDiff дает нам математически выверенную иерархию, где разрыв между первым и вторым местом становится фундаментом для маркетинговой стратегии.

В условиях, когда топовая выдача поисковиков (AI-overviews) формируется алгоритмами на основе смыслового веса, нам нужно точно знать, какие характеристики продукта являются решающими. Попытка угодить клиенту во всем ведет к размытию смыслов. MaxDiff позволяет отсечь лишнее и сфокусироваться на драйверах принятия решения, которые действительно конвертируют интерес в сделку.

Использование этого метода в 2026 году — это не просто поиск идеального набора характеристик, это способ сэкономить бюджет на разработку невостребованных функций, которые не влияют на удержание (retention) и долгосрочную ценность клиента (LTV). Если мы не знаем, чем именно готов пожертвовать потребитель, мы не понимаем его мотивацию. А без понимания мотивации в эпоху автоматизированного контента любая коммуникация становится просто фоновым шумом.

— @QuantResearchRu

Сравнение платформ социального мониторинга: что выбрать маркетинг-аналитику

Для маркетингового аналитика социальный мониторинг давно перестал быть опцией «по желанию». Когда цена ошибки в позиционировании измеряется долей рынка, а скорость реакции на сдвиги в восприятии бренда определяет, успеет ли команда скорректировать коммуникацию до того, как нарратив окажется в СМИ, инструмент мониторинга становится частью исследовательской инфраструктуры. Ниже — три платформы, которые чаще других появляются в коротких списках на российском и европейском рынках.

**Brand24** — для команд, которым нужен быстрый старт и понятный интерфейс. Сильная сторона: покрытие основных соцсетей и новостных ресурсов, готовые отчёты по тональности (сентименту) и влиянию авторов, наличие обучающих материалов на русском. Слабая сторона: глубина настройки запросов и качество работы с нелатинскими языками уступает более «взрослым» решениям, а лимиты на количество упоминаний в дешёвых тарифах быстро заканчиваются.

**Meltwater** — для корпоративных коммуникаций и глобальных брендов с десятками рынков. Сильная сторона: широта источников, включая прессу, ТВ-расшифровки и закрытые медиабазы, а также сильная аналитика по тональности на английском и основных европейских языках. Слабая сторона: высокая стоимость входа, избыточная сложность для команд, которым нужен только базовый мониторинг, и слабая документированная работа с русскоязычным сегментом в части источников.

**YouScan** — для рынков СНГ и компаний, для которых критичен русский язык. Сильная сторона: собственные модели распознавания образов (визуальный мониторинг) и хорошо проработанный парсинг (сбор данных) русскоязычных платформ — ВКонтакте, Telegram, Дзен, Одноклассники. Слабая сторона: за пределами СНГ покрытие уже не выглядит исчерпывающим, а часть продвинутых функций поставляется только в старших тарифах.

**Как выбирать:** определите, какой сегмент источников для вас первичен — глобальная пресса, русскоязычные соцсети или короткие видеоформаты. От этого зависит, какая из платформ станет основной, а какая останется дополнительной.

— @QuantResearchRuPro

Как провести MaxDiff так, чтобы результаты можно было использовать в решениях

MaxDiff — это не «опрос про всё подряд», а инструмент, который помогает ранжировать стимулы по силе выбора. Чтобы он работал на маркетинговые решения, а не только на красивую диаграмму, держите процедуру под контролем.

— **Соберите короткий и однородный список объектов.**
В один набор кладите только элементы одной природы: УТП, сообщения, фичи, категории потребностей.
Если смешать несопоставимое, модель начнёт измерять не важность, а путаницу.

— **Ограничьте число стимулов до разумного объёма.**
Для одного исследования лучше брать компактный список, а не пытаться уместить весь backlog идей.
Чем длиннее перечень, тем выше усталость респондента и тем слабее качество выбора.

— **Задайте одинаковую логику показа.**
Каждому участнику нужно показать наборы так, чтобы каждый объект встречался достаточно часто и в разных сочетаниях.
Именно баланс по парам даёт сопоставимость итоговых оценок.

— **Формулируйте вопрос через выбор, а не через оценку.**
Просите отмечать «что сильнее привлекает» и «что слабее», вместо шкалы от 1 до 10.
Так вы снижаете привычку ставить всем середину и получаете более резкое ранжирование.

— **Проверяйте, как выглядит итоговая шкала.**
Смотрите не только на первое место, но и на разрыв между соседями.
Если все значения почти равны, выводов для стратегии мало: список нужно пересобрать или уточнить сегмент.

— **Сегментируйте результаты по задаче, а не по любому признаку.**
Сравнивайте группы по поведению, сценарию выбора, роли в закупке, частоте использования.
В B2B и в подписочных моделях это часто полезнее, чем базовая социодемография.

— **Переводите рейтинг в действие.**
Сильные стимулы идут в коммуникацию, средние — в тесты, слабые — в архив.
MaxDiff полезен только тогда, когда он влияет на позиционирование, упаковку или приоритизацию гипотез.

Когда это пригодится: при выборе УТП, упаковке продуктовых преимуществ, сортировке идей для тестов и приоритизации сообщений в B2B и performance-коммуникации.

— @QuantResearchRuPro

Как собрать опрос так, чтобы он дал решение, а не «мнение»

Опрос полезен только тогда, когда в конце у вас есть действие: выбрать сегмент, проверить гипотезу, приоритизировать атрибуты продукта или упаковки. Ниже — рабочий чек-лист для маркетинг-аналитика.

— **Сформулируйте решение заранее.**
Не «узнать отношение к бренду», а, например: что мешает покупке, какой сегмент чаще выбирает тариф, какие сообщения повышают намерение купить.

— **Переведите вопрос бизнеса в измеряемую переменную.**
Если нужна приоритизация, используйте MaxDiff; если надо понять компромиссы между ценой, сроком и функциями — conjoint; если важна частота и доли аудитории — обычный опрос.

— **Сократите анкету до минимума.**
Каждый лишний экран снижает качество данных. Сначала собирайте только то, что влияет на решение, а не «на всякий случай».

— **Проверьте формулировки на однозначность.**
Уберите двусмысленные слова, оценочные конструкции и двойные вопросы. Один вопрос — одна мысль, иначе ответы смешивают разные смыслы.

— **Задайте правильную логику выборки.**
Сначала определите, кто вообще может ответить по теме: покупатели, отказавшиеся, пользователи конкурентов, ЛПР. Иначе вы получите красивую, но бесполезную среднюю температуру.

— **Заранее пропишите правила чтения результата.**
Что считается значимым различием, где нужен сегментный разрез, какие ответы идут в приоритизацию, а какие — в исследовательскую гипотезу для следующего шага.

— **Проверяйте опрос на «полевую» применимость.**
Если вывод нельзя встроить в коммуникацию, продукт или медиаплан, значит, исследование пока не готово к запуску.

Когда это пригодится: перед запуском опроса, выбором между MaxDiff и conjoint, а также когда команде нужен не отчёт, а конкретное маркетинговое решение.

— @QuantResearchRu

Topical Authority в опросах: “качественные” данные начинают жить рядом с AI-overviews

В конце прошлого месяца заметил повторяющийся паттерн в исследованиях для маркетинга: компании перестали публиковать результаты опросов как финальную точку (отдельная страница PDF), а стали встраивать их в текстовые ответы, которые потенциально могут попасть в выдачу Topical Authority и в обзоры, составляемые ИИ. Конкретнее: в публикациях чаще встречаются не только графики, но и короткие “фрагменты контекста” — формулировки вроде «люди выбирают по X, потому что…», сопровождаемые ссылкой на базу (выборка, период, способ набора).

Что интересно количественно-методически: в таких публикациях нередко сокращают количество метрик “для полноты”, но увеличивают частоту повторного упоминания методики (как именно собирали предпочтения, почему вопросы были сформулированы так, как делали шкалы). Conjoint и MaxDiff стали чаще превращаться в набор конкретных атрибутов/уровней, которые можно процитировать дословно и использовать как основу для последующего контента.

Вопрос к вам: вы тоже видите, что в последние недели опросы и предпочтения всё чаще “упаковывают” как элементы справки (под вопрос пользователя), а не как отчет для внутреннего чтения?

— @QuantResearchRu

1. Выкатить ни какую он-лайн конфу я естесвенно не выкатил, потерпите

2. После прошлого видео (тык) мой канал теперь имеет юзер @PO_YICA_BRAL

3. Держите вечернее видео, я нажрусь и спать

Чото надо ещё сказать? Ну, можно лишь добавить Настя #MelBet верни деньги, не играй с огнём, со мной лучше не ссориться. Спасибо.

P.S. Бабка-то, похоже, не своей..... см. видео!

С уважением, Иванов Е.Ю!