Как опросы помогли понять, что мешает покупке, даже когда трафик есть

Один из типичных кейсов для B2B и сложных продуктов: лиды идут, реклама работает, а конверсия в оплату слабая. Формально воронка есть, по факту — слишком много отказов на этапах, где клиент «передумывает».

Компания столкнулась именно с этим. Внешне проблема выглядела как маркетинговая: трафик дорогой, заявки есть, продажи не добирают план. Но классическая аналитика показывала только верх воронки и не объясняла, почему человек не двигается дальше.

Решение начали с исследования спроса через опросы:
— разделили аудиторию на тех, кто уже выбирал продукт, и тех, кто только присматривался;
— спросили не только «почему не купили», но и что именно вызывает сомнение: цена, сложность выбора, недоверие, непонятная ценность;
— отдельно проверили, какие аргументы реально влияют на решение, а какие маркетинг считает важными по привычке.

Что это дало:
— выяснили, что часть пользователей не уходила из-за цены как таковой;
— ключевым барьером был не прайс, а отсутствие ясного объяснения, чем продукт лучше альтернатив;
— у другой группы главным стоп-фактором оказалась сложность старта: люди не понимали, сколько времени и ресурсов потребует внедрение.

После этого коммуникацию перестроили:
— упростили первый экран и оффер;
— вынесли в начало ответы на главные возражения;
— убрали часть второстепенных преимуществ, которые перегружали выбор.

**Урок здесь простой:** если смотреть только на поведение в аналитике, легко лечить не ту проблему. Опросы нужны не ради «мнения аудитории», а чтобы найти конкретный барьер в решении.

Для 2026 года это особенно важно: в условиях дорогого трафика и weaker-лидогенерации в B2B выигрывают не те, кто привёл больше заявок, а те, кто быстрее снимает сомнения на пути к покупке.

— @QuantResearchRu

В Telegram Ads добавили Banner in Bot

В Telegram Ads появился формат Banner in Bot для показа рекламы внутри ботов с аудиторией от 1000 человек. Инструмент таргетируется не на площадки, а на пользователей — по интересам, номерам телефонов и подпискам. Пока доступны только текстовые креативы по ставкам Target Users. Новинка позволяет напрямую через стандартный кабинет охватывать целевую аудиторию прямо в их диалогах с ботами.

➡️ Читайте на сайте: https://aff.top/blog/v-telegram-ads-dobavili-banner-in-bot

🧠 Ещё больше инсайтов → в канале AFF.top

Anthropic готовит к запуску Claude Money

Anthropic анонсировала Claude Money — ИИ-сервис для управления личными финансами и автоматизации платежей. Инструмент позволяет подключать банковские карты для анализа расходов, планирования бюджета и проведения транзакций. Это переход от консультационных моделей к полноценным финансовым агентам. Внедрение технологии позволит пользователям делегировать нейросети рутинные задачи, включая оплату токенов и подписок на необходимые рабочие сервисы.

➡️ Читайте на сайте: https://aff.top/blog/anthropic-gotovit-k-zapusku-claude-money

🧠 Ещё больше инсайтов → в канале AFF.top

Meta ограничивает расходы на токены для сотрудников

Meta ввела внутренние лимиты на использование ИИ из-за резкого роста расходов: в 2026 году только на сотрудников заложены миллиарды долларов, а общий бюджет на ИИ-инфраструктуру оценивается в 130–145 млрд. Вывод простой: даже у Big Tech ИИ перестал быть бесплатной игрушкой и требует жёсткого контроля затрат.

➡️ Читайте на сайте: https://aff.top/blog/meta-ogranichivaet-raskhody-na-tokeny-dlia-sotrudnikov

🧠 Ещё больше инсайтов → в канале AFF.top

Как провести MaxDiff так, чтобы выбрать действительно важные атрибуты

Если у вас слишком длинный список характеристик, а респонденты «ставят всё на первое место», MaxDiff помогает заставить их делать выбор между вариантами. Ниже — рабочий чек-лист для маркетинг-аналитика.

— **Сократите список до управляемых сущностей.**
Оставьте только те атрибуты, которые реально влияют на решение.
Если в списке мусорные или дублирующиеся пункты, MaxDiff даст красивую, но бесполезную иерархию.

— **Сформулируйте пункты в одном формате.**
Все элементы должны быть сопоставимы: одинаковый уровень детализации, одна грамматическая конструкция, без двойных смыслов.
Иначе респондент сравнивает не ценность, а удобство формулировки.

— **Соберите дизайн с достаточным покрытием.**
Каждый атрибут должен встретиться в нескольких наборах и быть сравним с разными соседями.
При плохом дизайне часть списка будет оценена случайно, а итоговые веса — с перекосом.

— **Ограничьте нагрузку на одного респондента.**
Лучше несколько коротких заданий, чем длинная анкета с усталостью и механическими кликами.
Для B2B и сложных продуктов это особенно важно: качество падает быстрее, чем растёт объём данных.

— **Проверяйте не только ранжирование, но и разрывы между позициями.**
Разница между 1 и 2 местом может быть слабой, а между 2 и 3 — уже критичной для упаковки оффера.
Смотрите на расстояния в оценках, а не только на список сверху вниз.

— **Сегментируйте результаты после общего анализа.**
Общая картина полезна, но решение обычно принимают по кластерам: новые клиенты, текущие, крупные, чувствительные к цене.
Именно там MaxDiff показывает, что для разных аудиторий «важно» — не одно и то же.

Когда это пригодится: при упаковке УТП, выборе приоритетов в продуктовой коммуникации и сокращении длинных списков атрибутов до 3–5 реально значимых.

— @QuantResearchRu

Claude Cowork, Claude Design объединили в один Claude

➡️ Читайте на сайте: https://aff.top/blog/claude-cowork-claude-design-obedinili-v-odin-claude

🧠 Ещё больше инсайтов → в канале AFF.top

Microsoft планирует вставлять рекламу в игры

➡️ Читайте на сайте: https://aff.top/blog/microsoft-planiruet-vstavliat-reklamu-v-igry

🧠 Ещё больше инсайтов → в канале AFF.top

Conjoint против MaxDiff: что сейчас полезнее?

В 2026-м у маркетинг-аналитика меньше права на «данные ради данных»: нужна методика, которая реально помогает выбирать продукт, оффер или набор атрибутов. Какой инструмент вы бы поставили выше в приоритете?

ВАРИАНТЫ:
1. Conjoint — для выбора конфигурации и цены
2. MaxDiff — для приоритизации атрибутов
3. Опросы — если нужен быстрый срез
4. Зависит от задачи и стадии продукта

— @QuantResearchRuPro

Как за 1 неделю собрать MaxDiff для выбора сообщений, а не «мнений»

Если вам нужно понять, какие 5–7 сообщений о продукте реально тянут выбор, MaxDiff лучше обычного опроса: он заставляет респондента сравнивать варианты, а не просто соглашаться со всем подряд.

Что сделать на этой неделе:

— Сформулируйте задачу в одном предложении: что именно выбираем — УТП, выгоды, причины покупки, аргументы для B2B-продажи.
— Соберите 12–18 утверждений. Больше не нужно: лишние пункты размывают результат и удлиняют полевой этап.
— Приведите формулировки к одному стилю: коротко, без двойных смыслов, без «и/или».
— Уберите пересечения. Если два пункта почти одинаковы, один из них лишний.
— Подготовьте шкалу не от 1 до 5, а формат выбора: «самое важное» / «наименее важное».
— Разбейте список на блоки так, чтобы каждый респондент видел 4–6 экранов, а каждый пункт встречался несколько раз в разных сочетаниях.
— Перед запуском прогоните 5–7 тестовых респондентов. Смотрите не на ответы, а на паузы и путаницу в формулировках.
— В полевом этапе отсеките «скоростных» ответов: если человек отвечает слишком быстро, его выборы часто случайны.
— После сбора данных не ограничивайтесь средним рейтингом. Посмотрите, где есть **разрыв между первым и вторым эшелоном**: это и есть зона для сообщения, которое стоит продвигать в креативе, лендинге или sales-материалах.
— Отдельно сравните сегменты: новые клиенты, текущие клиенты, крупные и малые компании. В B2B это часто важнее общего итога.

Практический ориентир: если по итогам MaxDiff вы видите 2–3 выраженных лидера и 3–4 слабых пункта, исследование уже годится для решения. Если все «примерно одинаково важны», проблема обычно не в статистике, а в слишком широких или нечетких формулировках.

— @QuantResearchRuPro