Cloudflare запустил функцию Drop

Cloudflare запустил Drop — сервис, который разворачивает временный сайт за несколько секунд прямо из zip-архива.

Без аккаунта можно создавать сколько угодно таких страниц, но ссылка живёт всего 1 час. Потом сайт придётся переносить в аккаунт.

Зачем это нужно арбитражнику и что можно успеть за это время — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/cloudflare-zapustil-funkciiu-drop

🧠 Ещё больше инсайтов → в канале AFF.top

Ретаргетинг в 2026 покупает не клик, а паузу

Сейчас ретаргетинг всё меньше про «догонять всех посетителей» и всё больше про экономику возврата. Когда средний чек проседает, а первый контакт дорожает, выигрывает не самый громкий креатив, а тот, что возвращает воронку в деньги. На практике это уже не про last-click, а про вклад в LTV: если кампания не двигает повторную покупку или реактивацию, она просто съедает маржу.

— @RetentionPaid

Есть схожая тема в @DeliverabilityRoom, рекомендуем

Open AI выпустила ChatGPT-5.6 и ChatGPT Work

OpenAI выпустила ChatGPT-5.6 и ChatGPT Work: новая модель получила три версии и понятный прайс, а Work стал универсальным инструментом для кодинга, текстов, изображений и анализа данных. Вывод простой: экосистема ChatGPT усиливается, а фокус смещается на многофункциональные сценарии, где один продукт закрывает сразу несколько задач.

➡️ Читайте на сайте: https://aff.top/blog/open-ai-vypustila-chatgpt-5-6-i-chatgpt-work

🧠 Ещё больше инсайтов → в канале AFF.top

SpacexAI выпустила Grok 4.5

xAI выпустила Grok 4.5 — новую версию флагманской нейросети, доступную в Cursor на всех тарифах и по API за $2 за миллион входных токенов. Бенчмарков пока нет, но модель в 4,2 раза экономнее по токенам на SWE Bench Pro и обучена на данных Cursor, что делает её сильным инструментом для разработки приложений.

➡️ Читайте на сайте: https://aff.top/blog/spacexai-vypustila-grok-4-5

🧠 Ещё больше инсайтов → в канале AFF.top

ChatGPT ads внедрил функцию автосоздания креативов

OpenAI добавила в ChatGPT Ads автогенерацию креативов: вставляешь ссылку на сайт, ИИ анализирует лендинг и создаёт релевантный креатив. По ощущениям, такие материалы должны легко проходить модерацию, но пока неясно, насколько они поддаются правкам. Источник интересен ещё и тем, что вайт можно сгенерировать тут же через ChatGPT.

➡️ Читайте на сайте: https://aff.top/blog/chatgpt-ads-vnedril-funkciiu-avtosozdaniia-kreativov

🧠 Ещё больше инсайтов → в канале AFF.top

В Google search console теперь можно добавлять соцсети

Google добавил в Search Console поддержку аккаунтов соцсетей: теперь можно отслеживать ключевые запросы, источники и географию переходов, показы и клики по ссылкам. Функция подключается там же, где и сайты, доступны четыре соцсети на выбор. Rollout постепенный — доступ получают не все сразу.

➡️ Читайте на сайте: https://aff.top/blog/v-google-search-console-teper-mozhno-dobavliat-socseti

🧠 Ещё больше инсайтов → в канале AFF.top

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

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

Ретаргетинг в 2026: почему «догонять» уже мало и что считать эффективной реактивацией

Ретаргетинг долго жил как простая механика: показал баннер тем, кто уже был на сайте, и жди возврата. Но в 2026 году эта логика заметно хуже работает как самостоятельная стратегия. Причина не только в privacy-first атрибуции, где last-click теряет власть. Меняется сама экономика спроса: у e-com снижается средний чек, у B2B слабеет классическая связка MQL→SQL, а у пользователя растёт усталость от одинаковых касаний. Поэтому ретаргетинг сегодня — это не «догонялка», а **система повторного создания ценности** на разных этапах цикла сделки.

Первый тезис простой: ретаргетинг нельзя оценивать только по последнему клику. Если смотреть на него через last-click, почти любой возврат будет казаться «заслугой» нижнего касания. Но в реальности ретаргетинг часто работает как ускоритель принятия решения, а не как источник нового спроса. Например, в e-com пользователь посмотрел товар, потом ушёл, вернулся через три дня из письма, а купил уже после брендового поиска. Если считать только последний канал, ретаргетинг будто бы не нужен. Если считать вклад по выручке на уровне когорты, видно другое: он сокращает время до покупки и снижает стоимость повторного привлечения. В этом и смысл — не «принёс ли он конверсию», а «улучшил ли он юнит-экономику всей воронки».

Второй тезис: сегментация по намерению важнее сегментации по факту визита. Раньше делили просто на «все посетители», «бросившие корзину», «не купившие». Сейчас этого мало. Один и тот же визит может означать разную готовность к покупке: человек изучал цены, читал кейс, вернулся на карточку товара, открыл калькулятор. Это разные сигналы. Например, в B2B SaaS посетитель, который был только на главной, и посетитель, который смотрел страницу интеграции с CRM, должны попадать в разные цепочки. Первому — короткое объяснение ценности, второму — доказательство совместимости и расчёт выгоды. Чем точнее сегмент, тем меньше пустых показов и тем выше incremental lift — прирост, который действительно добавляет канал.

Третий тезис: креатив в ретаргетинге должен не напоминать, а снимать риск. В эпоху, когда AI генерирует десятки вариаций баннеров за час, выигрывает не тот, кто сделал больше форматов, а тот, кто предложил более сильную концепцию. Пользователь уже знает о товаре; проблема не в памяти, а в сомнении. Поэтому хороший ретаргетинг отвечает на внутренний вопрос: «почему сейчас не ошибка?». Например, если цена выросла или средний чек у аудитории падает, сработает не банальное «вернитесь и купите», а сообщение о снижении риска: бесплатная доставка, прозрачный расчёт, гарантия, сравнение пакетов, ограничение по остаткам без давления. В одном проекте для онлайн-школы лучше всего сработал не призыв «вернитесь», а серия объявлений с разбором типичных возражений: «не хватит времени», «не получится дойти до конца», «непонятно, что будет на выходе». Концепция снятия риска дала лучшее качество заявок, чем скидка.

Четвёртый тезис: реактивация — это отдельная экономика, а не продолжение ретаргетинга. Возврат спящей базы почти всегда дешевле, чем новый первый контакт, но только если считать не открытие и не клик, а маржинальный доход на реанимированного пользователя. Здесь особенно важны три вещи: частота касаний, причина возврата и окно жизни сегмента. Например, у подписочного сервиса реактивация через 45–60 дней после оттока может быть бессмысленной, если причина ухода — не цена, а потеря привычки. Тогда лучше работает сценарий с новым поводом: обновление функции, пересборка пакета, персональный расчёт экономии. А вот у e-com с повторяемыми покупками реактивация по категориям потребления может давать ощутимый LTV-эффект: человек не просто «вернулся», а вернулся в нужный момент жизненного цикла товара.
…

Ретаргетинг больше не про «догнать» — он про экономию выручки

Я всё чаще вижу одну и ту же ошибку: ретаргетинг в 2026 году продолжают считать как инструмент «дожима» последнего касания. В реальности его роль сместилась. Для меня ретаргетинг — это не про возврат всех подряд, а про защиту юнит-экономики на уже сформированном спросе.

Что это значит на практике?

— Если в верхней части воронки креативы и таргетинги стали дороже, то холодный трафик всё чаще приводит не к росту объёма, а к росту стоимости ошибки.
— Если средний чек проседает, как это сейчас видно в e-com, то первая покупка хуже окупает привлечение. Тогда деньги возвращаются не на первом клике, а на втором и третьем контакте.
— Если атрибуция уходит от last-click к server-side, инкрементальности и MMM (маркетинг-микс-моделированию), ретаргетинг перестаёт быть «каналом с красивым CPA» и становится частью общей модели удержания маржи.

У меня был кейс, где после чистки аудиторий и пересборки окон ретаргета ДРР по возвращённым пользователям снизился на 18%, а конверсия в покупку выросла почти на 12%. Не потому, что мы нашли «магический» баннер. А потому что перестали показывать рекламу всем, кто когда-то открыл сайт, и начали работать только с сегментами, где есть экономический смысл: брошенная корзина, просмотр ключевых карточек, повторный визит, окно принятия решения.

Мой вывод простой: **ретаргетинг должен быть не самым массовым, а самым точным платным касанием**.
Если он не влияет на LTV, не сокращает CAC payback и не поднимает маржу на повторных продажах — это не ретаргетинг, а дорогой шум.

— @RetentionPaid

Как собрать ретаргетинг на брошенную корзину без слива бюджета

Если ретаргетинг крутится «на всех, кто был на сайте», он быстро превращается в дорогой догоняющий трафик. В 2026 году лучше работает не широкий охват, а короткая цепочка с жёсткой сегментацией по намерению и экономике.

Сделайте так за неделю:

— Разделите аудиторию по глубине: просмотр товара, добавление в корзину, начало оформления, повторный визит. Не смешивайте их в одну группу.

— Поставьте окна в 1, 3, 7 и 14 дней. Для корзины и начала оформления основной бюджет — в первые 72 часа, дальше частота снижается.

— Исключите купивших, вернувших товар, тех, кто уже получил скидку, и текущих клиентов с активной подпиской, если повторная покупка не нужна прямо сейчас.

— Соберите отдельные офферы под каждый сегмент:
— просмотр товара — напоминание + ключевая выгода;
— корзина — снятие риска: доставка, возврат, гарантия;
— оформление — короткий стимул: ограниченный бонус или бесплатная доставка.

— Ограничьте частоту: 2–4 показа в неделю на пользователя для «тёплых», 1–2 для «холодных» ретаргет-групп. Иначе растёт выгорание аудитории и падает маржа на заказ.

— Сразу смотрите не CTR, а вклад в юнит-экономику: стоимость возвращённой корзины, долю допродаж, маржу после скидки и доставки. Если скидка съедает прибыль — отключайте её, заменяйте на сервисный аргумент.

— Запустите тест на инкрементальность: одна группа видит рекламу, контрольная — нет. Через 7–14 дней сравните выручку на пользователя, а не только атрибуцию в кабинете.

— Для lookalike- (похожих) аудиторий берите не всех покупателей, а только тех, у кого LTV выше медианы. Иначе алгоритм масштабирует дешёвый, но слабый по повторным покупкам сегмент.

Логика простая: ретаргетинг должен возвращать не клики, а маржу. Если сегмент нельзя описать одним решением по офферу и окну, он слишком широкий.

— @RetentionPaid

Параллельный взгляд на тему — @MPmarketingRu

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

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

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

Lookalike: что это такое и где его чаще всего путают

Lookalike-аудитория — это список пользователей, которых рекламная система подбирает как похожих на вашу исходную базу: покупателей, лидов, подписчиков, посетителей сайта или тех, кто совершил целевое действие. Алгоритм сравнивает поведенческие и вероятностные сигналы и ищет новых людей с близким профилем.

Ключевое отличие от ретаргета простое: **ретаргетинг работает по уже знакомой аудитории**, а lookalike — по новой, но похожей. Иначе говоря, ретаргетинг закрывает спрос, lookalike помогает его масштабировать. В 2026 году это особенно важно там, где чистый охват дорожает, а retention и LTV важнее первой покупки.

Типичные ошибки:
— брать слишком широкую исходную базу: «все посетители за 180 дней» часто даёт шум;
— строить lookalike на слабом событии: клики и просмотры хуже, чем покупки, квалифицированные лиды или повторные заказы;
— игнорировать качество seed-аудитории: если в базе много случайного трафика, модель масштабирует мусор;
— ожидать от lookalike точности ретаргета: это не догрев, а расширение.

Пример: у e-commerce бренда есть 2 000 покупателей с высоким средним чеком. На их основе строят lookalike 1–3% и запускают отдельную кампанию на поиск новых клиентов. Если в качестве базы взять всех, кто просто был на сайте, CPA обычно вырастет, а доля покупок упадёт.

Итог: lookalike — это инструмент **масштабирования вероятности покупки**, а не замена сегментированному ретаргету.

— @RetentionPaid

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

Почему я считаю ретаргетинг не каналом, а системой возврата маржи

В 2026 году я всё реже смотрю на ретаргетинг как на «догонялку» после визита. Для меня это уже не про напоминание, а про управление возвратом маржи по всей воронке.

Если упростить, ретаргетинг отвечает на один вопрос: **кого имеет смысл вернуть сейчас, а кого — нет**. И вот здесь у большинства рекламных систем начинается путаница. Они умеют находить аудиторию, но плохо понимают экономику пользователя. А маркетологу нужна не просто реакция на просмотр, а решение по юнит-экономике: сколько стоит вернуть, какой будет допродажа, какой у этого человека LTV и как быстро окупится касание.

По моему опыту, самый дорогой ретаргетинг — это не тот, что дорогой по CPM. Самый дорогой — тот, что возвращает людей с низкой вероятностью повторной покупки и раздувает видимость эффективности в last-click. После перехода части команд на server-side и простую проверку инкрементальности у нас в проектах регулярно всплывает одна и та же картина: канал «красивый» в отчётах, но вклад в дополнительную выручку на 15–30% ниже, чем казалось по платформенной атрибуции.

Я бы смотрел на ретаргетинг через три слоя:
— сегмент: был ли у пользователя реальный экономический потенциал;
— триггер: что именно изменилось, чтобы сейчас был смысл возвращать;
— окно: сколько времени допустимо ждать до повторного касания, пока не падает маржа.

Отсюда главный вывод: в белом performance ретаргетинг перестаёт быть ручной настройкой аудиторий и становится частью системы управления спросом. Не «вернём всех, кто был на сайте», а «вернём только тех, кто ещё не потерял ценность». Это особенно важно в e-com, где средний чек проседает, а удержание и LTV начинают важить больше первой покупки.

Моя позиция простая: если ретаргетинг не отвечает за прибыльность возврата, то он обслуживает трафик, а не бизнес.

— @RetentionPaid

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

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

Lookalike-аудитория: когда модель ищет не «похожих людей», а похожую экономику

Lookalike-аудитория — это сегмент пользователей, который рекламная платформа строит по признакам сходства с заданным исходным списком: покупателями, подписчиками, посетителями с высоким LTV, повторными покупателями. Смысл термина не в том, что люди «похожи по интересам», а в том, что алгоритм находит вероятных конвертеров по поведенческим и статистическим паттернам.

**Чем lookalike отличается от ретаргетинга:** ретаргетинг возвращает тех, кто уже был в вашей воронке; lookalike расширяет охват за её пределами.
**Чем отличается от broad-таргетинга (широкого таргетинга):** broad не опирается на ваш seed-список, а lookalike строится именно от него, поэтому качество модели зависит от качества исходной аудитории.

Типичные ошибки:
— брать в seed всех подряд: трафик, случайные визиты, нецелевые лиды;
— строить lookalike от первой покупки, если бизнес живёт на повторных заказах и LTV;
— масштабировать аудиторию без проверки инкрементальности: рост объёма не всегда означает добавочную выручку;
— не сегментировать seed по ценности: пользователи с разным чеком и маржинальностью дают разные модели.

Практический пример: для e-com с падением среднего чека лучше строить lookalike не от всех покупателей, а от 20% клиентов с самым высоким вкладом в валовую маржу. Тогда модель чаще приводит не просто «новых», а экономически полезных пользователей.

— @RetentionPaid

Параллельный взгляд на тему — @MarTechStackRu