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

Сквозная аналитика в Keitaro и Binom для команды: где обычно ломается сходимость

Большие команды ломают аналитику не трафиком, а дисциплиной данных. Если у байеров разные naming convention, у техов разные postback URL, а у аналитика нет единого слоя нормализации — отчеты врут уже на этапе агрегации. Данные не врут, в отличие от байеров.

Схема должна быть жесткой:
— единый словарь campaign/adset/creative/offer/publisher;
— обязательные UTM и sub-id без ручного ввода;
— один шаблон postback для всех потоков;
— дедупликация конверсий по click_id и event_id;
— сырой лог отдельно, витрина отдельно. Посмотрим, что там в сырых логах.

Keitaro и Binom — это не «два трекера на выбор», а источник событий и слой контроля. Для больших команд важнее не интерфейс, а предсказуемость ETL: API-хуки забирают клики и конверсии, парсинг кладет их в staging, дальше идет нормализация полей и проверка сходимости дельты в трекере и кабинете. Если расходится revenue, сначала ищем дубли, потом потери postback, потом лаги API.

Не давайте байерам писать в прод-таблицы. Любая ручная правка в отчете — это будущий убыток. Все маппинги, статусы и правила атрибуции должны жить в конфиге, а не в голове. Оптимизируем SQL-запрос на лету, но логику не меняем вручную.

Если в команде больше двух человек, стройте систему так, чтобы новый поток подключался без правок в старых. Всё, что не автоматизировано — это потенциальный убыток.

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

Алерты по аномалиям CR и EPC: как ловить просадку до того, как сгорит бюджет

Если мониторить только spend и profit, вы увидите проблему уже после потери денег. Нужны алерты, которые реагируют на отклонение CR и EPC от нормы по связке: источник → кампания → преленд → оффер. Иначе один провальный крео будет маскироваться общей статистикой.

Базовая схема простая: сырые события из трекера и кабинета грузим в хранилище, нормализуем по timezone и дедупликации, потом считаем метрики в окнах 15/60/240 минут. Для каждой связки храним baseline: медиану, MAD или rolling average. Алерт не по “низкому EPC”, а по отклонению от собственного поведения сегмента. Данные не врут, в отличие от байеров.

Правила триггера:
• CR упал ниже baseline на X% при достаточном числе кликов
• EPC просел одновременно в трекере и кабинете
• аномалия держится N окон подряд, чтобы отсечь шум
• отдельно проверяем лаг постбека и потери конверсий в API
• исключаем новые связки без истории — у них нет нормального baseline

Доставка — в Telegram через бот: сообщение должно содержать связку, окно времени, факт отклонения и ссылку на дашборд. Не шлите просто “аномалия CR”; без контекста это ручной шум. Лучше сразу показать, где именно течет профит? Тогда алерт становится не уведомлением, а триггером на действие.

Всё, что не автоматизировано — это потенциальный убыток.

Архитектура БД для истории залива команды: без каши в постбеках и дублей

Если хранить всё в одной таблице, аналитика быстро ломается: креативы дублируются, статусы теряются, а история правок затирает реальный путь связки. Нужна модель, где сырые события живут отдельно от витрин, а каждая сущность имеет свой ключ.

Базовый каркас:
— raw_events: сырые постбеки, API-ответы, логи кабинетов без правок
— fact_conversions: конверсии с дедупликацией по external_id и времени события
— dim_team_member, dim_offer, dim_campaign, dim_creative: справочники без бизнес-логики
— history_change_log: кто, что и когда поменял в связке, бюджете, статусе

Историю залива лучше строить как SCD2-подход: не перезаписывать строку, а закрывать старую версию и открывать новую. Тогда можно ответить на вопрос: какой оффер, креатив и источник были активны в момент конверсии, а не «что сейчас лежит в кабинете». Проверяем сходимость дельты в трекере и кабинете уже на уровне схемы, а не ручной сверкой.

Для команды критичны три вещи: единый timezone, неизменяемый surrogate key и партиционирование по дате события. Без этого отчеты начинают «прыгать», а пересчёт бэкфилла превращается в археологию. Всё, что не автоматизировано — это потенциальный убыток.

Правильная БД для команды не хранит хаос, она фиксирует факт, версию и контекст. Посмотрим, что там в сырых логах — и сразу станет видно, где именно течет профит?

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

Автоматизация Facebook Ads API и TikTok Business API без ручной выгрузки в Excel

Ручной экспорт ломает дельту: разные часовые пояса, задержки в атрибуции, потери по полям и банальная ошибка при копипасте. Нормальный пайплайн строится не вокруг таблицы, а вокруг сырого слоя данных.

Схема простая:
— API-хук или cron забирает spend, clicks, impressions, conversions
— сырые ответы кладутся как есть в staging, без пересчётов
— дальше ETL нормализует названия кампаний, валюту, time zone и атрибуцию
— отдельным джобом идёт дедупликация по ad_id, campaign_id, date

Ключевая ошибка — смешивать Facebook Ads API и TikTok Business API на этапе загрузки. У них разная гранулярность, разные поля и разная логика конверсий. Склеивать их нужно только после приведения к единой модели: account_id, source, campaign, adset, ad, date, metric_name, metric_value. Тогда можно строить единый дашборд и проверять сходимость дельты в трекере и кабинете.

Если нужен контроль качества, добавьте три проверки: пропущенные даты, нулевые расходы при наличии кликов, расхождение spend между сырой таблицей и витриной. Всё, что не проходит валидацию, не должно попадать в финальный слой.

Данные не врут, в отличие от байеров: сначала собираем сырые логи, потом считаем метрики, и только после этого принимаем решение, где именно течет профит?

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

Реальный LTV и Retention Rate: как считать, а не рисовать в отчёте

Если смотреть только на первый депозит, кампания почти всегда выглядит «здоровой». Но реальный LTV считается по когорте: дата первого конверсии, затем выручка по окнам 7/14/30/60 дней и дальше по хвосту. Без этого вы смешиваете быстрых и долгих пользователей, а значит искажаете юнит-экономику.

Базовая схема:
— строим cohort table по `user_id` и `first_event_date`;
— считаем `revenue` по каждому окну;
— LTV = `SUM(revenue) / COUNT(distinct users)` внутри когорты;
— отдельно считаем `gross` и `net`, если есть refunds, chargeback и postback-расхождения.

Retention Rate — это не «сколько вернулось в кабинет», а доля пользователей, у которых был повторный целевой event в периоде. Формула простая: `retention = retained_users / cohort_size * 100%`. Смотрите retention не только D7/D30, но и кривую удержания: если падение резкое после первого окна, проблема обычно в онбординге, оффере или качестве преленда.

Практика: сравнивайте LTV с CAC только на одинаковом горизонте. Если CAC считается по дню, а LTV — по 60-дневному хвосту, получите ложный профит. В нормальной ETL-схеме это решается через партиционирование по дате когорты и пересчёт всех окон из сырых логов, без ручной правки таблиц.

Пока нет когорты, нет LTV. Пока нет LTV, вы не понимаете, где именно течет профит? Данные не врут, в отличие от байеров.

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

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

Когортный анализ в iGaming: как увидеть, где ретеншн ломается, а не гадать по ROI

Когорта — это не «все лиды за период», а пользователи с одинаковой точкой входа: дата регистрации, FTD или первая ставка. Если смешать их в одну массу, ретеншн превращается в шум: старые игроки маскируют провал новых, а выводы по офферу становятся случайными. Данные не врут, в отличие от байеров.

Для нормальной оценки качества нужны минимум 3 среза: регистрация → FTD → повторный депозит. Считаем retention не только по факту возврата, но и по глубине: доля игроков, дошедших до 2-го депа, 3-го депа, first week active. В iGaming важна не только активация, но и скорость деградации когорты: если провал начинается между FTD и вторым депозитом, проблема часто в онбординге, бонусной механике или слабом first-time experience.

В отчёте держите отдельные колонки: cohort_date, source, geo, campaign, FTD rate, D2/D7/D14 retention, ARPU по когорте, churn after bonus, time-to-second-deposit. Без этого вы видите только верхушку. Проверяем сходимость дельты в трекере и кабинете: если в трекере кривая держится, а в CRM падает, ищите потери в постбеках, дедупликации или кривой атрибуции.

Правило простое: плохая когорта — это не всегда плохой трафик, но это всегда сигнал, где именно течет профит. Посмотрим, что там в сырых логах: нормализуйте события, режьте по источнику и не смешивайте окна ретеншна между разными типами офферов. Всё, что не автоматизировано — это потенциальный убыток.

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

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

ROI без маржи в Looker Studio — это красивый график с ложной картиной профита

Если в дашборде есть только revenue, spend и ROI, вы видите верхушку льда. Для байера важнее связка: валовая выручка → выплаты → комиссии → холд → реальная маржа. Иначе один и тот же креатив может выглядеть прибыльным в кабинете и убыточным после сверки постбеков.

Нормальная схема визуализации:
— верхний уровень: ROI, Profit, Margin %, EPC, CR;
— средний уровень: разрез по офферу, связке, GEO, источнику, плейсменту;
— нижний уровень: сырые транзакции, статусы, дедупликация, refunds, adjustments.
Такой стек показывает, где именно течет профит, а не просто рисует зеленую цифру.

В Looker Studio не пытайтесь считать всё в одном поле. Роутинг метрик делайте на этапе ETL: отдельные таблицы для расходов, конверсий и выплат; единый ключ для джойна; нормализация валюты и таймзон; флаг валидной конверсии после дедупликации. Визуально это лучше собирать через scorecards + time series + table с conditional formatting.

Маржинальность удобно показывать не одной цифрой, а диапазоном: gross margin, net margin, after-fee margin. Тогда видно, где дашборд проседает из-за комиссий, холда или возвратов. Если метрика не раскладывается на компоненты, ей нельзя доверять. Данные не врут, в отличие от байеров.

Вывод простой: сначала стройте модель данных, потом графики. Looker Studio — это слой презентации, а не место для ручной бухгалтерии.

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

Когортный анализ в iGaming: как не перепутать хороший трафик с дорогим мусором

Когорты — это не “красивые графики”, а проверка качества игрока по времени. Если считать только общий retent, вы смешаете свежий трафик, сезонность, разные GEO и промо-активности. В результате ROI выглядит живым, а на деле проседает LTV.

Правильная схема простая:
— группируем пользователей по дате первого депозита или регистрации;
— считаем поведение по D1/D7/D30, а не только “вернулся/не вернулся”;
— отдельно режем по GEO, источнику, крео, типу оффера;
— исключаем дубликаты, фрод и аномальные депы, иначе когорта врёт.

Дальше смотрим не на среднюю линию, а на форму кривой. Если D1 держится, а D7 ломается — проблема в онбординге, UX или первом бонусе. Если ранний ретеншн слабый у конкретного источника, это не “плохой оффер”, а, вероятно, мусорный pre-landing или нерелевантный трафик. Проверяем сходимость дельты в трекере и кабинете: без этого когортный анализ превращается в красивую иллюзию.

Для iGaming полезно считать когорты в разрезе депозитного поведения: повторный депозит, время до второго депа, доля активных после бонуса. Это уже не метрика “в целом по больнице”, а сигнал, где течёт профит. Всё, что не автоматизировано — это потенциальный убыток.

Если когорта ухудшается после смены крео или прокладки, не ищите магию в кабинете: сначала смотрите сырые логи, затем сегментацию и только потом делайте выводы о качестве оффера.