Alibaba выпустили в паблик Qwen-image-3.0

Qwen-image-3.0 делает упор не на «красивую картинку», а на прикладные задачи: длинные промпты, сложные макеты, текст, формулы и 12 языков. Это удобный инструмент для массовой генерации простых визуалов, но пока без open-source весов и бенчей он не выглядит заменой GPT Image 2 или Nano Banana 2.

➡️ Читайте на сайте: https://aff.top/blog/alibaba-vypustili-v-pablik-qwen-image-3-0

🧠 Ещё больше инсайтов → в канале AFF.top

Яндекс тестирует объединение цифровой и наружной рекламы

Яндекс тестирует «Панораму» — единый формат для digital и наружной рекламы с «умным» охватом, который учитывает пересечение аудиторий и снижает частоту показов. Для рекламодателей это шанс расширить reach до 120 млн пользователей и протестировать новые placements, но в паблик-фазе важно смотреть на цену охвата и качество трафика.

➡️ Читайте на сайте: https://aff.top/blog/iandeks-testiruet-obedinenie-cifrovoi-i-naruzhnoi-reklamy

🧠 Ещё больше инсайтов → в канале AFF.top

Четыре custom-мерности на сервере: как “склеивать” события без потери контекста

Если вы упираетесь в то, что стандартные платформы отдают данные уже “собранными” по своей логике сессий, то проблема обычно решается не настройкой GA-видов, а нормальной схемой first-party-данных на сервере: храните контекст на уровне события и подавайте его в аналитическое хранилище в явном виде.

Чек-лист внедрения

— Спроектируйте 4 custom-мерности под ваши реальные сценарии
Смысл: выделите контекст, который нужен для аналитики “после факта”, и держите его одинаково во всех событиях (а не только в параметрах конкретного хита). Типовой набор: идентификатор визита/сессии (как вы его определяете), шаг-переход, источник контекста страницы, идентификатор бизнес-объекта (например, каталог/карточка/корзина).

— Соберите их на сервере до отправки в аналитические инструменты
Действие: вычисляйте мерности на backend/ingestion-пайплайне, где вы контролируете логику сессии и не зависите от sessionization конкретной платформы. Это критично для 2026-реальности, где last-click атрибуция “размывается” и всё больше решают серверные правила.

— Привяжите мерности к каждому событию, а не только к start/end
Действие: отправляйте значения в событие всегда, чтобы аналитика могла “склеить” последовательность без повторного восстановления. Иначе вы получите красивые отчёты по интерфейсу, но сломанные разрезы в разборе воронки и причин.

— Сделайте единый контракт схемы (чтобы не было “параметр тут есть, тут нет”)
Действие: заведите справочник: тип мерности, допустимые значения, правила заполнения и версионирование. Для серверной аналитики это база контроля качества: иначе при росте трафика и кросс-девайсов начнутся пустоты и расхождения.

— Настройте тест на консистентность: одно событие — один набор контекста
Действие: прогоняйте сценарии (новый визит, возврат, переходы, ошибки) и проверяйте, что четыре мерности сохраняют смысл через весь пользовательский путь. Автотесты по логам ingestion резко экономят время при изменениях фронта/таггинга.

— Откажитесь от попыток “пересобирать” hits через API платформы
Действие: если вам нужно соединять события по своей логике — соединяйте у себя. Платформенные API часто ограничивают вас тем, как они уже “нарезали” сессии, и вы теряете свободу для RevOps-подхода (маркетинг + продажи + customer success в единой ответственности за выручку).

когда это пригодится: когда хотите получить стабильную server-side склейку пользовательских действий для анализа воронок, удержания и измерения качества кампаний в privacy-first мире.

— @ServerSideTrackingRuPro

Tреккинг без потерь: как серверная аналитика спасла 22% конверсий у e-com бренда

Situation:

Маркетплейс одежды со средним чеком 2 800 ₽ (в 2026 — снижение на 7% относительно 2024) столкнулся с «чёрной дырой» в атрибуции. После блокировки third-party cookies в Safari и Firefox их last-click модель показывала только 60% реальных касаний. Рекламные бюджеты сливались на каналы с завышенной видимостью (прямые переходы, органика), а средний LTV (пожизненная ценность клиента) просел на 12% за полгода – повторные покупки не приписывались должным образом.

Задача:

Команда RevOps (единая ответственность маркетинга, продаж и customer success) поставила цель: внедрить единый трекинг на основе собственных данных (first-party) с серверной отправкой событий. Требовалось сохранить атрибуцию даже при отключённом JavaScript в браузере и объединить данные с CRM, чатов поддержки и офлайн-заказов.

Решение:

Развернули серверную инфраструктуру на базе GTM Server-Side + собственный CDP (платформа клиентских данных). Ключевые шаги:
— Все события (просмотры, добавления в корзину, покупки, звонки) отправляются с сервера приложения напрямую в серверный контейнер, минуя браузерные ограничения.
— Внедрили сквозной идентификатор клиента (Client ID на основе хэша e-mail + телефон), который живёт даже при очистке cookies.
— Настроили передачу данных в Яндекс.Метрику (через Measurement Protocol) и в рекламные кабинеты VK, MyTarget, Yandex Direct через собственные конверсии.

Результат (через 3 месяца после запуска):

— Доля видимых конверсий выросла с 62% до 91% — 22% покупок перестали быть «тёмными».
— Точность атрибуции по каналам: доля прямых переходов снизилась с 38% до 22% (раньше к ним ошибочно относили возвраты клиентов с других источников).
— LTV клиентов, атрибутированных через серверный трекинг, оказался на 15% выше, чем по старой модели – потому что теперь повторные покупки корректно привязывались к первичному каналу.
— CPA (стоимость

— @ServerSideTrackingRuPro

Как Lamoda собрала цельную картину клиента на server-side и подняла повторные покупки

Контекст. В 2024–2025 Lamoda столкнулась с типичной для крупного e-com (электронной коммерции) проблемой: iOS-обновления и privacy-инициативы (усиление приватности пользователей) «съели» до 35% сигналов веб-аналитики, а часть мобильных событий дублировалась в CRM (систему управления клиентскими данными) из-за разрыва между клиентом в приложении и в браузере. Средний чек по рынку просел, ставка сместилась с первой покупки на удержание и LTV (пожизненную ценность клиента) — и это сделало качество данных критически важным.

Задача. Свести поведение пользователя из приложения, сайта, офлайн-точек самовывоза и колл-центра в один профиль, чтобы команды retention (удержания), CRM и медиа-закупки работали с одними и теми же цифрами, а не с тремя разными версиями правды.

Решение. Lamoda пошла по пути, который хорошо ложится на тему канала: гибридная server-side (серверная) архитектура аналитики.

— На стороне бэкенда подняли GTM Server (серверный контейнер Google Tag Manager) с собственным кластером, который принимает события из приложения, сайта и точек выдачи.

— Идентификатор пользователя (устойчивый client_id и связка с loyalty-id из CRM) прокидывается через все источники. Это снимает классическую проблему «iOS-клик и Android-приложение — два разных человека в отчёте».

— Данные идут одновременно в GA4, внутреннюю витрину и в рекламные платформы через server-side конверсии. Для медиа-команд это значит, что оптимизация ведётся на «продажи», а не на последний клик в браузере.

— Отдельный слой — контроль качества: серверная валидация схемы событий, dead-letter queue (очередь для отбракованных событий) и алерты в Telegram при падении объёма событий с конкретного источника.

Результат. Внутренние бенчмарки (ориентиры, замеры до/после по самой компании) Lamoda по ряду кейсов показывали:

— доля корректно атрибутированных повторных покупок выросла с ~55% до ~80% в затронутых сегментах;

— рассылки и пуши по обогащённым сегментам дали рост повторных заказов в когорте 30 дней на 8–12% по сравнению с периодом, когда retention работал преимущественно на last-click (модель атрибуции по последнему клику);

— медиа-команды смогли переключить часть кампаний с оптимизации на «первый заказ» на оптимизацию на «повторный заказ в 60 дней» — это дороже в обучении модели, но дешевле в LTV.

Конкретные цифры по выручке Lamoda публично не раскрывает, поэтому привожу диапазоны по тем фрагментам, которые команда показывала на конференциях.

Урок. Server-side — это не «ещё один контейнер GTM», а фундамент для shift от лидогенерации к RevOps (Revenue Operations — единая операционная модель маркетинга, продаж и клиентского сервиса, ориентированная на выручку). Когда маркетинг, продукт и клиентский сервис смотрят в одни и те же события, разговор перестаёт быть «чей канал дал заказ» и превращается в «что сделать, чтобы этот клиент пришёл во второй и третий раз».

Именно к этому ведёт весь рынок в 2026 году: данные становятся общей инфраструктурой выручки, а не собственностью одного отдела.

— @ServerSideTrackingRuPro

С Sonnet 5 и Opus 4.8 теперь можно разговаривать

Anthropic прокачали Claude Voice Mode: теперь голосом можно ставить сложные многоэтапные задачи, а не только получать быстрые ответы. Claude умеет работать с внешними инструментами и сервисами вроде Slack, Gmail и Notion, помогая с анализом, поиском и сводками. Это делает ИИ удобнее для рабочих процессов и быстрых решений.

➡️ Читайте на сайте: https://aff.top/blog/s-sonnet-5-i-opus-4-8-teper-mozhno-razgovarivat

🧠 Ещё больше инсайтов → в канале AFF.top

Крупные СМИ хотят заблокировать Google

Американские СМИ обвиняют Google в том, что AI-ответы в поиске отъедают их трафик, и готовы блокировать бота, чтобы защитить контент. Но это рискованный ход: если закрыть доступ краулеру, сайтам станет ещё сложнее получать переходы из поиска. Итог: медиабизнес зажат между падением трафика и потерей видимости в Google.

➡️ Читайте на сайте: https://aff.top/blog/krupnye-smi-khotiat-zablokirovat-google

🧠 Ещё больше инсайтов → в канале AFF.top

Как переход на серверную передачу данных спас точность атрибуции в условиях E-com-кризиса

Контекст. Крупный fashion-ритейлер столкнулся с классической проблемой 2026 года: стоимость привлечения клиента (CAC) выросла на 12%, при этом средний чек сократился на 6%. В условиях, когда каждая маркетинговая копейка должна отрабатывать удержание (retention) и долгосрочную ценность клиента (LTV), отдел маркетинга опирался на данные Google Analytics, которые все чаще промахивались из-за блокировок Cookie-файлов (куки) и ограничений браузеров.

Задача. Команде RevOps (система управления доходами, объединяющая маркетинг, продажи и успех клиентов) требовалось наладить сквозную аналитику, которая видит реальный путь пользователя от клика в AI-генерации (искусственном интеллекте) до финальной оплаты. Старая модель атрибуции по последнему клику (last-click) безвозвратно устарела и давала искаженную картину эффективности каналов.

Решение. Бренд внедрил архитектуру передачи данных на стороне сервера (Server-side tracking). Мы перенесли отправку событий из браузера пользователя напрямую в рекламные кабинеты и CRM-систему через серверную среду. Это позволило:
— На 28% увеличить объем передаваемых событий

— @ServerSideTrackingRuPro

В 2027 банки РФ начнут блокировать переводы при подозрении вируса

С 1 марта 2027 года банки в РФ смогут блокировать переводы, если на устройстве клиента найдут вредоносное ПО, способное угрожать онлайн-банку. «Антифрод 2.0» усилит контроль, но оставляет вопросы к критериям антифрода и приватности: приложение получит доступ к списку установленных программ, а отдельный смартфон станет почти обязательным.

➡️ Читайте на сайте: https://aff.top/blog/v-2027-banki-rf-budut-blokirovat-perevody-pri-podozrenii-virusa

🧠 Ещё больше инсайтов → в канале AFF.top

Российские букмекеры озадачены итогами чемпионата по футболу

ЧМ-2026 для российских буков дал меньше новых игроков, но больше денег: аудитория просела, а средний чек и оборот ставок выросли. Вывод для арбитража и CPA простой: в таких офферах лучше работает ретаргет по уже прогретой базе и пуш-рассылки, чем холодный трафик.

➡️ Читайте на сайте: https://aff.top/blog/rossiiskie-bukmekery-ozadacheny-itogami-chempionata-po-futbolu

🧠 Ещё больше инсайтов → в канале AFF.top