Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
😁9🤣3
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.
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.
🔥10❤1
Вчера под вечер мне прилетела полезная рассылка от Yandex DataLens, очень поднявшая настроение!
Во первых, я узнал что появился новый раздел DataLens Gallery (публичная витрина готовых дашбордов).
Во-вторых, заглянув туда, обнаружил три своих публичных дашборда.
Более того, дашборд по Чайнакарам попал в рубрику «Лучшие работы»!🏆
Собственно вот эти дашборды:
📈 Исследование брендов китайских автомобилей – дашборд ставший частью нашего исследования по Чайнакарам.
📈 Аналитика для управления бизнес-юнитом – когда нужно показать, как настроили аналитику для управления бизнес-юнитом, но данные нельзя светить, в ход идут эльфы, Мордор и Арагорн.
📈 SEO-дашборд на данных Logs API Яндекс Метрики который я собирал к Baltic Digital Days в 2024 году.
И отдельное спасибо ребятам из команды DataLens за такую крутую работу с коммьюнити!
Во первых, я узнал что появился новый раздел DataLens Gallery (публичная витрина готовых дашбордов).
Во-вторых, заглянув туда, обнаружил три своих публичных дашборда.
Более того, дашборд по Чайнакарам попал в рубрику «Лучшие работы»!
Собственно вот эти дашборды:
И отдельное спасибо ребятам из команды DataLens за такую крутую работу с коммьюнити!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13❤2👍2
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.
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.
👍3💯1
Какой-то аттракцион невиданной щедрости со стороны Яндекса
Вчера API вордстата выкатили, сегодня Яндекс Tag Manager – причем встроили его в Метрику и сделали бесплатным для всех.
Активируется в настройках счетчика, через пару минут после включения уже позволяет создавать теги и триггеры.
Насколько успел оценить за прошедшие минуты с момента анонса – все как в GTM, есть переменные, триггеры и теги (все основные какие нужны).
Справка доступна тут.
Вчера API вордстата выкатили, сегодня Яндекс Tag Manager – причем встроили его в Метрику и сделали бесплатным для всех.
Активируется в настройках счетчика, через пару минут после включения уже позволяет создавать теги и триггеры.
Насколько успел оценить за прошедшие минуты с момента анонса – все как в GTM, есть переменные, триггеры и теги (все основные какие нужны).
Справка доступна тут.
🔥5👍1
Пока составлял контент-план по Yandex Tag Manager, столкнулся с новой для себя задачей – как добиться от ChatGPT читабельного контента, написанного в моем стиле.
Я уже тестировал проекты и Custom GPT's, но в основном с моделями
С
Тезисно, есть два типа моделей:
Обычные —в интерфейсе отличаются припиской GPT.
-
-
-
-
Их стоит воспринимать как умного собеседника, т.к. они обучались на большом массиве данных и заточены на генерацию готовых ответов.
Думающие — o-модели.
-
-
-
- (устаревшие:
Их стоит воспринимать как аналитика. Способны имитировать рассуждение, в ходе которого собирают информацию из разных источников. Соответственно их стоит использовать в задачах где нужно проанализировать информацию и погрузиться в контекст.
Какую модель выбрать для типовых задач:
- Объяснение базовых понятий (объясни, расскажи):
- Генерация изображений:
- Написание текстов и статей:
- Генерация кода по описанию:
- Отладка и поиск ошибок: думающие модели по убыванию сложности
- Объяснение кода:
- Автоматизация и скрипты:
- Анализ информации (текст, изображение, интернет):
А еще у OpenAI оказывается есть удобная страница для сравнения разных моделей.
В итоге я пошел следующим путем:
- Скачал всю справку по Яндекс Тег Менеджеру и вгрузил в
- С помощью
- Дальше прошу
- Полученный в результате ручной доработки текст загоняю в
На выходе уже получается то, что можно дорабатывать.
#ГодныйКонтент
Я уже тестировал проекты и Custom GPT's, но в основном с моделями
GPT-4o и o1. С
o3 я столкнулся со следующей проблемой: она классно рассуждает и структурирует информацию, но вот написать читаемый человеческий текст я от нее так и не добился. В результате изучения вопроса наткнулся на классный обзор моделей на Youtube. Тезисно, есть два типа моделей:
Обычные —в интерфейсе отличаются припиской GPT.
-
GPT-4o (универсальная, быстрая, дешевая модель для ответов на общие вопросы)-
GPT-4.5 (экспериментальная модель, которая получилась очень дорогой, но говорят лучше всего пишет тексты)-
GPT-4.1 (доступна только через API, мощная, обладает большим контекстным окном, отлична для кода и внимательна к инструкциям)-
GPT-4, GPT-4o-mini (устаревшие модели)Их стоит воспринимать как умного собеседника, т.к. они обучались на большом массиве данных и заточены на генерацию готовых ответов.
Думающие — o-модели.
-
o3 (флагман, хорошо решает сложные задачи)-
o4-mini-high-
o4-mini- (устаревшие:
o1, o3-mini)Их стоит воспринимать как аналитика. Способны имитировать рассуждение, в ходе которого собирают информацию из разных источников. Соответственно их стоит использовать в задачах где нужно проанализировать информацию и погрузиться в контекст.
Какую модель выбрать для типовых задач:
- Объяснение базовых понятий (объясни, расскажи):
GPT-4o- Генерация изображений:
GPT-4o- Написание текстов и статей:
GPT-4.5 (для самых сложных задач), GPT-4o (для более простых задач)- Генерация кода по описанию:
GPT-4.1 / GPT-4o- Отладка и поиск ошибок: думающие модели по убыванию сложности
o3, o4-mini-high, o4-mini- Объяснение кода:
GPT-4o / GPT-4.1 (будет лучше если есть возможность)- Автоматизация и скрипты:
GPT-4o / GPT-4.1 / o3 (в зависимости от промптинга)- Анализ информации (текст, изображение, интернет):
GPT-4o (для простой задачи) / o3 и другие думающие (для сложной задачи с рассуждением)А еще у OpenAI оказывается есть удобная страница для сравнения разных моделей.
В итоге я пошел следующим путем:
- Скачал всю справку по Яндекс Тег Менеджеру и вгрузил в
o-3 как дополнительный файл- С помощью
o3 спроектировал структуру и логику раздела, контент план с ключевыми поинтами для каждой статьи- Дальше прошу
o3 для каждой темы написать руководство основываясь на предложенной структуре – на выходе получается скорее набор тезисов, чем полноценная статья, но его удобно дорабатывать вручную- Полученный в результате ручной доработки текст загоняю в
GPT-4o живущую в проекте и обученную на статьях и постах, которые я написал.На выходе уже получается то, что можно дорабатывать.
#ГодныйКонтент
👍4
Обновил в статье регулярные выражения для отслеживания трафика из нейросетей с помощью веб-аналитики:
Для Яндекс Метрики
Для Google Analytics
Долго пытался найти какой реферрер оставляет Яндекс Алиса (ex. Яндекс Нейро) – нашел только alice.yandex.ru, но это видимо сайт или приложение, сам блок в поиске похоже не оставляет пока никакого специфического реферрера.
Для Яндекс Метрики
~(?:chatgpt\.com|chat-gpt\.org|claude\.ai|quillbot\.com|openai\.com|blackbox\.ai|perplexity(?:\.ai)?|copy\.ai|jasper\.ai|copilot\.microsoft\.com|gemini\.google\.com|(?:\w+\.)?mistral\.ai|deepseek\.com|edgepilot|edgeservices|nimble\.ai|iask\.ai|aitastic\.app|bnngpt\.com|writesonic\.com|exa\.ai|waldo|alice\.yandex\.ru)
Для Google Analytics
^(?:chatgpt\.com|chat-gpt\.org|claude\.ai|quillbot\.com|openai\.com|blackbox\.ai|perplexity(?:\.ai)?|copy\.ai|jasper\.ai|copilot\.microsoft\.com|gemini\.google\.com|(?:\w+\.)?mistral\.ai|deepseek\.com|edgepilot|edgeservices|nimble\.ai|iask\.ai|aitastic\.app|bnngpt\.com|writesonic\.com|exa\.ai|waldo|alice\.yandex\.ru)$
Долго пытался найти какой реферрер оставляет Яндекс Алиса (ex. Яндекс Нейро) – нашел только alice.yandex.ru, но это видимо сайт или приложение, сам блок в поиске похоже не оставляет пока никакого специфического реферрера.
👍3🔥1
Forwarded from Привет, это JetStyle!
This media is not supported in your browser
VIEW IN TELEGRAM
Любите ли вы дашборды Yandex DataLens так, как любим их мы?
Мы давно делимся своими кейсами в комьюнити Yandex DataLens, а теперь — 3 наших дашборда вошли в официальную DataLens Gallery!
Вот что попало в подборку
1⃣ Исследование китайских автомобилей
Категория: Лучшие работы, Маркетинг
➡ Смотреть дашборд
Мы проанализировали поисковый спрос на китайские авто в РФ: по странам, брендам, интентам. Получился открытый и наглядный дашборд с динамикой интереса и актуальными трендами.
Еще по теме:
- Исследование китайских автомобильных брендов в России на нашем сайте
- статья «Как быстро собрать и визуализировать данные о спросе?»
- статья «Новое про чайнакары: классификатор названий, дашборды и ми‑ми‑мишки»
2⃣ Аналитика для управления бизнес-юнитом
Категория: Продажи
➡ Смотреть дашборд
Когда нельзя светить реальные данные, помогают эльфы, Мордор и Арагорн.
В этом кейсе — визуализация данных из нескольких внутренних баз и дашборды для принятия управленческих решений.
Подробнее:
- статья «Сила дашбордов: настраиваем Yandex DataLens и принимаем управленческие решения на основе данных»
3⃣ SEO-дашборд на данных Logs API Яндекс Метрики
Категория: Маркетинг
➡ Смотреть дашборд
Собирали «на коленке» к BDD в прошлом году — и попали в галерею.
Кстати, в этом году снова едем:
🧑⚕️ наш digital-стратег Женя Кузнецов поделится, как поженить аналитику данных и SEO на пользу бизнеса в рамках мультисекции «Слово имею»
👀Что вам с этой информацией делать?
Заходите в галерею, выбирайте понравившиеся дашборды, изучайте структуру, фильтры, интенты и чарты.
Хотите такой же или свой — пишите нам в телеграм!
Поможем разобраться и все настроить
Мы давно делимся своими кейсами в комьюнити Yandex DataLens, а теперь — 3 наших дашборда вошли в официальную DataLens Gallery!
Вот что попало в подборку
Категория: Лучшие работы, Маркетинг
Мы проанализировали поисковый спрос на китайские авто в РФ: по странам, брендам, интентам. Получился открытый и наглядный дашборд с динамикой интереса и актуальными трендами.
Еще по теме:
- Исследование китайских автомобильных брендов в России на нашем сайте
- статья «Как быстро собрать и визуализировать данные о спросе?»
- статья «Новое про чайнакары: классификатор названий, дашборды и ми‑ми‑мишки»
Категория: Продажи
Когда нельзя светить реальные данные, помогают эльфы, Мордор и Арагорн.
В этом кейсе — визуализация данных из нескольких внутренних баз и дашборды для принятия управленческих решений.
Подробнее:
- статья «Сила дашбордов: настраиваем Yandex DataLens и принимаем управленческие решения на основе данных»
Категория: Маркетинг
Собирали «на коленке» к BDD в прошлом году — и попали в галерею.
Кстати, в этом году снова едем:
👀Что вам с этой информацией делать?
Заходите в галерею, выбирайте понравившиеся дашборды, изучайте структуру, фильтры, интенты и чарты.
Хотите такой же или свой — пишите нам в телеграм!
Поможем разобраться и все настроить
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5
⚽️ Футбол глазами математика — это не просто бег за мячом, а строгое взаимодействие теории игр, вероятностей, геометрии, статистики и даже теории хаоса. Разберёмся пошагово:
📐 Поле — геометрия и топология
Футбольное поле — прямоугольник размерами примерно 105×68 метров. Математик видит в нём сетку координат, по которой можно отслеживать позиции игроков и траектории мяча. Каждая передача — это вектор, каждая атака — маршрут по графу с узлами (игроками) и рёбрами (передачами).
🎲 Вероятности и теория решений
В футболе нельзя просчитать всё наверняка, но можно оценивать вероятности событий:
Какова вероятность забить с этой позиции?
Насколько успешна будет передача?
Стоит ли рисковать и прессинговать?
Это задачи из теории вероятностей и оптимального выбора. Вратарь, выбирающий угол для прыжка во время пенальти — классический пример теории игр, как «задачи с нулевой суммой».
📊 Статистика и метрики
Современный футбол — это Big Data. У каждого игрока есть метрики:
xG (expected goals) — математическая вероятность, что удар приведёт к голу.
xA (expected assists) — ожидаемые голевые передачи.
Pressing success rate — эффективность давления на соперников.
Аналитики строят модели регрессии, чтобы понять, какие действия увеличивают шанс на победу.
🔁 Моделирование и симуляции
Можно построить модель матча с учётом всех факторов: погоды, формы игроков, тактики.
Например, марковские цепи используются для прогнозирования переходов мяча между зонами.
А нейросети обучаются на тысячах матчей, чтобы предсказать исход игры.
🧠 Комбинаторика и стратегия
Каждая атака — это комбинация действий: пас → пас → удар. Задача тренера — выбрать из миллиона возможных вариантов ту, что сработает против конкретной защиты.
Пример:
Если есть 5 игроков, и каждый может отдать пас 4 другим, уже одно касание — 20 вариантов, а в трёхходовой комбинации — тысячи путей.
Математик ищет оптимальные паттерны, уменьшая хаос игры до управляемых стратегий.
🔮 Хаос и непредсказуемость
Даже с точными моделями остаётся непредсказуемость: срикошетил мяч, ветер подул, игрок оступился.
Это напоминает хаотические системы, где малейшее отклонение даёт совершенно иной результат. Футбол — не линейная система, и математик это уважает.
📌 Итог:
Футбол — не только спорт, но и математическая вселенная, где каждая секунда игры — взаимодействие стратегий, вероятностей и геометрии. Настоящий математик не просто смотрит матч, он просчитывает будущее на поле в реальном времени.
Хочешь — могу показать, как работает xG или построить симулятор матча на Python?
Так отвечает на запрос «Расскажи мне про футбол» ChatGPT с указанием соответствующей роли.
К чему я это. Наткнулся на серию статей про работу с GPT и там можно очень наглядно оценить как на, казалось бы, один и тот же запрос можно получить достаточно разнообразные результаты.
В ней вы найдете базовые принципы и дельные советы по работе с промптами. Многие вещи кажутся очевидными но есть и те про которые я, например, не знал.
Я, честно сказать, зачитался как по-разному ChatGPT может описать одну тему. И еще раз подтвердил для себя то понимание механизма работы LLM-ок, которое сформировалось у меня из этой лекции.
P.S.: это вторая лекция из межфакультетского курса МГУ по нейросетям, советую к просмотру.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
Прям офигенный подарок мне под день рождения подъехал на прошедшей неделе – новые рейтинги Ruward.
Я считаю мега-круто, что мы, нашей маленькой, но очень мотивированной командой из 2 аналитиков и офигенного PR ворвались ТОП-10 среди Digital-агетств по России.
7 место – Веб-аналитика
20 место – Внедрение систем сквозной аналитики (туда мы пока не топили)
Но учитывая наши наработки у нас есть огромный задел на будущий год!
Я считаю мега-круто, что мы, нашей маленькой, но очень мотивированной командой из 2 аналитиков и офигенного PR ворвались ТОП-10 среди Digital-агетств по России.
7 место – Веб-аналитика
20 место – Внедрение систем сквозной аналитики (туда мы пока не топили)
Но учитывая наши наработки у нас есть огромный задел на будущий год!
🔥3👍2👏1