Обещал дашборд по нейросетям – держите!

Но сначала расскажу небольшую предысторию.

Впервые идея визуализации поискового спроса пришла мне в голову на Чайнакарах – исследовании которое мы делали для того чтобы попробовать в ABM-маркетинг. Тот дашборд все еще доступен на страничке проекта, правда давно не обновлялся.

И как обычно я потащил зацепившие меня подходы в работу над проектами. В ходе использования дэш претерпел изменения: поменялась логика фильтров, добавилось сравнение год к году, добавились различные скейлы (по неделям, по месяцам), сильно расширилась семантика которую мы отслеживаем на проекте.

Мы постоянно сверяемся со спросом когда анализируем эффективность брендовых рекламных кампаний, а также SEO-трафик.

На одном проекте мы активно работаем вместе с ребятами из команды Яндекс Рекламы и мне было очень приятно что ребята утащили идею к себе внутрь. Как я это понял? Просто в какой-то момент в ответ на наш вопрос ребята поделились дашбордом очень похожим на наш, но со скорректированной семантикой. Вот так.

Сейчас я разрабатываю страничку услуги про дашборды с визуализацией спроса и в качестве иллюстрации решил собрать такой дашборд с данными по популярным нейросетям.

Как им пользоваться: в дашборде представлены данные Яндекс Вордстата. Они разбиты по названию нейросети, ее типу, разработчику а также поисковому интенту. Все эти поля можно использовать для фильтрации по датасету.

Самое важное что нужно понимать – понятие интента. Это по сути намерение пользователя выраженное в ключевом слове.

Например:
аккаунт – означает что пользователь искал “название нейросети + аккаунт”
вход – значит искал как войти.
и т.д.

Еще одно важное понятие – чистота интента

Не все фразы, использованные в датасете означают исключительно название нейросети. Такие фразы помечены как имеющие "Смешанный интент".

Пример: "кандинский" – в статистику по данной фразе входит как название нейросети, так и фамилия художника.

По-умолчанию они отфильтрованы из выборки. Я постарался вынести все примечания в тултипы к селекторам.

В общем если будут вопросы – пишите в комментариях, если их будет много то запишу видео с разбором.

→ Попробовать дашборд можно по ссылке: https://datalens.yandex/10q4hx5xamjmn

Небольшая подборка про сегментацию

Наткнулся вчера на большой гайд по сегментации от JetMetrics.

На одной доске в Miro ребята собрали:

– основные модели сегментации (для e-commerce, B2B, SaaS);
– когортный анализ и практические примеры его использования;
– рекомендации по сбору и обработке данных;
– частые ошибки при сегментации клиентов;
– продвинутые подходы и RFM-анализ;
– этические нюансы и правила конфиденциальности.

Заодно хочу посоветовать подборку видео по сегментации от Ильи Красинского и Вани Замесила:

📼 Сегментация и рост конверсии (Илья Красинский, часть 1)

📼 Сегментация и генераторы инцидентов (Илья Красинский, часть 2)

📼 Основы Jobs To Be Done (Ваня Замесин)

📼 Как выбрать сегмент и отстроиться от конкурентов с помощью Advanced Jobs To Be Done (Ваня Замесин)

📼 Стрим JTBD сегментация. Отвечаем на вопросы (Илья Красинский, Ваня Замесин)

P.S: Не скажу про себя что я эксперт по сегментации, но одно я усвоил четко – никогда не смотри ни на какую метрику в среднем. Всегда проверяй как она ведет себя в различных срезах и сегментах.

Наткнулся на интересный выпуск подкаста с Ириной Назаровой – CEO Evil Martians.

Мне очень отозвалась мысль про аудиторию – ниша это конечно классно, но тебе должна быть интересна аудитория в той нише, в которой ты делаешь продукт.

И если тебе эта аудитория не интересна, не отзывается – из этого ничего крутого не вырастает, либо нужно иметь очень сильную нацеленность на заработок чтобы перебороть себя.

P.S: вырезал для вас веселую историю про работу с обращениями и Ruby on Rails

Топовая спецодежда!

Ставьте 🔥 кто пропел в голове

Я много смотрю Youtube и мне нравится его система рекомендаций. Для своего удобства я даже завожу тематические каналы, где подписываюсь и смотрю видео по одной большой тематике (например IT, маркетинг и аналитика) чтобы не захламлять себе ленту и получать больше классных рекомендаций по тематике.

А после того как наткнулся на что-то годное я постоянно делюсь этим с коллегами. Поэтому завожу рубрику #ГодныйКонтент в которой буду делиться видео, плейлистами и прикольными статьями на которые наткнулся в работе и не только.

Сегодня в нее попадает данное видео: Потратил $600 на 4000 НОВЕЙШИХ исследований GPT по промпт-инжинирингу

Автор разобрал самые свежие исследования по промпт-инжинирингу за январь-март 2025.

Ключевые тезисы:

Из 4 000 исследований автор отобрал 300 самых полезных

– Максимальное уточнение роли в запросах: конкретные роли в промптах (не просто "эксперт", а "эксперт по линейной алгебре") повышают качество и позволяют активировать более релевантные знания модели.

– Мультиагентность: пошаговое задание нескольких ролей (например, турагент, логист, тревел-блогер), каждая из которых выполняет определенную задачу помогает решать сложные задачи и давать разносторонний результат.

– Chain of Thought: метод все еще остается важным инструментом, пошаговая логика и самопроверка повышают качество вывода. Можно заставлять модель саму расписывать шаги, либо предлагать цепочку действий самостоятельно.

– Псевдокод: описание решений в стиле Python-кода без его выполнения помогает нейросети структурировать мысли и точнее решать задачи.

Мы с этого на мат-мехе начинали изучать программирование – описывали на лекциях логику программы на листочке в виде блок-схемы с условными операторами. А написание классов на C++ на листочке в ходе зачета на втором курсе я запомнил на всю жизнь (кстати код должен был быть валидным!)

– Дерево решений: предлагается разбивать задачу на подзадачи и предусматривать альтернативные пути решения, а в случае неудачи откатываться на предыдущий шаг.

– Контрастные ответы: предлагается дать и сравнить верные и неверные решения что развивает критическое мышление модели.

– Цепочка черновиков: Суть подхода в том, чтобы модель формулировала промежуточные шаги в виде коротких обобщений до 5 слов. Это заставляет её выражаться лаконично, отбрасывая всё лишнее, что способствует концентрации на сути.

– Множественные парадигмы: Сложные задачи можно решать, задав модель сразу в нескольких ментальных режимах: сначала как психолог, потом как маркетолог, затем как аналитик. Это создаёт синтез подходов и увеличивает глубину проработки.

– Верификация и самокритика: Методика, при которой GPT после ответа проводит самопроверку: оценивает корректность своих шагов по различным параметрам и, если нужно, предлагает улучшенную версию. Это активирует механизм улучшения качества.

– Оценка уверенности: Модель может быть настроена на оценку уверенности своих ответов по шкале от 1 до 10 или 100. Если уверенность низкая — модель автоматически предлагает альтернативный ответ.

Для себя я понял что нет предела совершенству и надо делать более хитрые промпты. А какие из этих подходов вы используете, какие дают крутой результат, или может быть придумали что-то свое?

GA4 сменили формат куки

Вчера ко мне в личку постучалась коллега из E-com с проблемой – у них в GA4 перестали отображаться источники у транзакции. Т.е. сами транзакции есть, но у всех не определен источник.

Первое что мне пришло в голову – сломался механизм сохранения ClientId и его передачи вместе с транзакцией.

Дело в том что на проекте используется Measurement Protocol – это значит что в момент оформления заказа на фронтенде мы сохраняем ClientId пользователя (уникальный идентификатор который ему присваивает система аналитики) и затем прокидываем его с бэкенда вместе со всеми данными транзакции в соответствующий API Google Analytics.

Я посоветовал попросить разработчиков посмотреть логи отправок транзакций на предмет того, какие данные передавались. Ну спустя несколько минут гуглинга наткнулся на следующий пост в LinkedIn

Last week, when I saw Matteo Zambon post about the Хэштег#GA cookie format change, I had a strange feeling that it might actually be important. And… it was.

Multiple accounts show that around the 6th of May, some GA4 implementations using the Measurement Protocol broke. The reason? A change in the GA4 cookie format.

The new format looks like this:
GS2.1.s1747132561$o1$g0$t1747132655$j0$l0$h0

Many Measurement Protocol setups rely on a stupid-simple method: grabbing the session ID directly from the cookie and passing it along with the payload to GA4 or a custom server-side endpoint.

Now, the session ID is the number between .s and the first $ sign.
In the example above, that’s 1747132561.

If you’ve ever heard your developers mention “Measurement Protocol for Google Analytics,” I suggest double-checking that everything is still working as expected, and if not, this cookie update might be why.

P.S. I’d really like to express my deepest thanks and admiration to the #GoogleAnalytics team for their always timely communication and their proactive efforts to keep us informed of changes that may affect data quality. 👏 🙃

А сегодня вот и рассылка прилетела

Google changed the GA4 cookie format in the first week of May without any prior notice or warning.

Old format: GA1.2.123456789.987654321
New format: GS2.1.s1823456789$o2$g1$t1823456890$j1$l1$h1

If your existing tracking setup relies on directly accessing GA cookies, client IDs, or session IDs, you should immediately audit those implementations. This change may silently break data collection, attribution, or integrations that depend on specific cookie formats.

Who’s likely affected:

1) Measurement Protocol setups - many have already broken.
2) Server-side GTM relying on cookie parsing.
3) APIs or middleware forwarding data to GA4 or BigQuery.
4) Attribution tools using _ga for user stitching.
5) Tools linking sessions to leads via client/session IDs.
6) 3rd-party platforms assuming a fixed cookie format.

Так что если у вас где-то используется сохранение / передача ClientId Google Analytics – скорее проверяйте что там происходит.

P.S. а еще очень прикольно когда в непонятной ситуации про тебя вспоминают и приходят в ЛС =)

А еще судя по всему сменилось и название куки – теперь приписывается ID потока

Адовый адок

В начале мая мы пообещали Наталье Боровой помочь с подготовкой к конференции для руководителей ВРТ-клиник и подсобрать полезных материалов.

Изначально я планировал собрать дашборд, который бы показывал текущий спрос и популярность сайтов в тематике. Но в итоге сделал всё, кроме него: собрал CJM, обобщил опыт коллег и упаковал его в памятки для руководителей клиник, плюс сверстал новый лендинг для сайта. А вот до дашборда так и не добрался.

Подбираясь к CJM, думал обойтись малой кровью — сделать простенький, «по Балахнину». Но поскольку нужно было в первую очередь отразить путь пользователя до визита к репродуктологу — быстро перешли к плану Б.

И в итоге получилось то, к чему я всегда немного побаивался подступиться: полноценный CJM с портретами, ситуациями, болями и эмоциями, точками контакта и идеями для коммуникации на всех этапах — от первых тревожных признаков до рождения ребёнка.

У меня не было времени на проведение интервью, но был ценный опыт прошлых лет. В 2020–2022 годах я работал менеджером и специалистом одновременно в проекте, где мы исследовали нишу, разрабатывали позиционирование и реализовывали digital-стратегию БАДов в похожей сфере.

Ну и, конечно, не обошлось без ChatGPT — несколько прогонов и уточнений через модель o-3 сэкономили тонну времени. А дальше — фидбек от коллег и ревью с двумя специалистами, чтобы причесать и проверить на факты (и фейки). Ну и наши заботливые дизайнеры всё это красиво запаковали.

Параллельно Наташа собрала всю нашу экспертизу по медтематике — оставалось только быстро заверстать это в лендинг.

Вот так вот за пару недель мы решили задачу, к которой долго не могли подступиться. В результате у нас получился полноценный стартер-пак ABM-маркетолога:

– Полезные материалы, которыми мы делимся с коллегами
– Посадочная страничка со всеми ссылками и инфой о нас
– План дальнейших действий — в виде контента, который просто не успели сделать

Ставьте реакции, если интересно, как я извлекал знания из ChatGPT и что именно спрашивал.

Все мы ошибаемся, или почему важно тестировать формы перед релизом

Сегодня Яндекс выкатил в бета-тест API Вордстата. Наконец-то можно будет парсить напрямую, подумал я, и пошел отправлять заявку на доступ к API.

Но не тут то было – ClientId моего приложения не проходил валидацию в Яндекс Формах =)

Буквально в течении 5 минут после моего комментария под новостью в канале у Михаила Сливинского все пофиксили. Стал ли я тому причиной или это совпадение – не знаю, но моя заявка ушла и надеюсь ее одобрят. А то мне датасет для Чайнакаров на 15к кейвордов обновлять.

Ну и самое главное – поддерживает dataLayer.push({})!

Так что не придется лишний раз ходить к разработчикам.

P.S: Считаем сезон миграции с GTM на YTM открытым =)