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

Почему RankIQ чаще стреляет в нишевых блогах, а Surfer буксует на узком семантическом поле

Давайте залезем под капот. В нише решает не «объём текста», а то, как инструмент собирает интент и LSI-ядро вокруг конкретного запроса. RankIQ заточен под плотную семантику: он быстро даёт список тем, которые реально закрывают поисковую потребность без лишнего шума.

Surfer сильнее там, где есть широкий SERP и много разнотипных страниц. Но в микроне он часто тянет текст к усреднённой модели: добавляет лишние сущности, раздувает объём и сдвигает акцент с точного ответа на шаблонную «полноту». Для нишевого блога это минус: алгоритмы видят не глубину, а размазанность.

Ключевая разница в механике: RankIQ помогает собрать контент вокруг одного кластера и удержать фокус, а Surfer чаще оптимизирует под усреднённый топ, где уместны большие статьи и широкий охват. Если у вас 30–80 страниц в теме, такой подход легко ломает карту сайта: запросы начинают конкурировать между собой, а каннибализация растёт быстрее, чем CTR 📉

Рабочая схема простая: сначала вручную режем семантику на микро-кластеры, потом под каждый кластер строим структуру, и только после этого прогоняем текст через оптимизатор. Алгоритмы не обманешь, но их можно использовать. В нишевом блоге выигрывает не самый «умный» софт, а тот, кто меньше мешает точной архитектуре контента.

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

Как собрать FAQ через Frase так, чтобы редактор правил только кэш и формулировки

Давайте залезем под капот. FAQ — это не «добавим в конец страницы 5 вопросов», а машинка для снятия возражений и добора long-tail. В Frase я собираю не ответы, а карту интента: какие вопросы реально крутятся вокруг кластера, где у пользователя страх, где сравнение, где уточнение.

Рабочий пайплайн такой:
— собираю основной запрос и 5–10 хвостов;
— прогоняю их через Frase и вытаскиваю повторяющиеся question-паттерны;
— режу дубли, склеиваю близкие формулировки, оставляю вопросы, которые закрывают отдельный подинтент;
— ответы делаю короткими: 2–4 предложения, без воды, с лексикой страницы.

Минимум правок получается, когда вы не пытаетесь «писать FAQ руками». Нужна не литература, а семантическая сетка: один вопрос — одна боль — один ответ. Тогда редактору остаётся только проверить фактическую точность, убрать канцелярит и подогнать тон под страницу. Алгоритмы не обманешь, но их можно использовать.

Ещё один фильтр: если вопрос уже раскрыт в основном тексте, не дублируйте его в FAQ. Лучше заменить его на уточняющий: про сроки, ограничения, сравнение, ошибки, совместимость. Так блок не раздувается, а усиливает страницу за счёт LSI и расширения интента. Контент — это не творчество, это математика с элементами лингвистики.

Итог простой: Frase ускоряет не написание FAQ, а отбор мусора. Собрали вопросы из кластера, отсекли дубли, оставили подинтенты — и на выходе получаете блок, который можно почти без ручной переписки ставить в прод.

Как обучить LLM-агента писать в стиле бренда, а не в стиле «умный бот»

Давайте залезем под капот. Агент не «понимает бренд» магически — он собирает стиль из сигналов: лексика, ритм, длина фраз, отношение к читателю, список запрещённых слов. Если этого нет в промпте и базе знаний, модель уйдёт в усреднённый корпоративный шум.

Рабочий каркас простой: 1) берёте 10–20 сильных текстов бренда; 2) размечаете их по осям — тон, синтаксис, CTA, терминология, доля эмоции; 3) вытаскиваете паттерны в style guide; 4) кладёте guide в RAG или system prompt; 5) добавляете примеры «как надо / как нельзя». Алгоритмы не обманешь, но их можно использовать.

Чтобы агент не уезжал в кашу, фиксируйте ограничения: длина абзацев, запрет на воду, допустимые LSI-термины, уровень экспертизы, слова-табу. Отдельно задайте контекстные переключатели: один стиль для лендинга, другой для базы знаний, третий для Telegram. Иначе модель смешает всё в один дофамин-контент.

Проверка обязательна: семантическое сходство с эталонами, ручной разбор 20–30 сэмплов, поиск «чужих» формулировок. Если бренд узнаётся только по логотипу — стиль не обучен. Контент — это не творчество, это математика с элементами лингвистики.

Финальный совет: не обучайте на шуме и не просите агент «писать как мы» без эталонной матрицы. Сначала описываете стиль как систему правил, потом уже даёте модели генерировать.

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

🔥 seo_grayhat: подборка авторов с живым контентом

🔹 @emd_hunter_ubt — emd под микро ниши
🔹 @spam_links_atlas_ubt — blog comment spam в 2026
🔹 @scrape_spin_war_ubt — scraping pipelines (apify, scrapy)
🔹 @ai_bulk_pages_ubt — программатик seo пайплайны
🔹 @pbn_engineer_ubt — выбор дроп доменов (da, rd, history)
🔹 @sandbox_skip_ubt — механика google sandbox по новым доменам

👇 Подписывайтесь на тех, кто откликается.

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

Почему Python для анализа выдачи часто точнее готовых SEO-сервисов

Готовый сервис показывает усреднённую картину. Python-скрипт — это ваш собственный парсер, где вы сами задаёте, что считать: интент, частотность паттернов, соседние сущности, глубину кластеров. Алгоритмы не обманешь, но их можно использовать.

Что реально удобно собирать скриптом:
• заголовки, сниппеты, URL и тип страницы
• повторяющиеся сущности и LSI-связки
• пересечения выдачи между запросами
• частоту коммерческих маркеров и FAQ-блоков
• разницу между топом по точному и широкому интенту

Дальше начинается нормальная инженерия контента: вы не «смотрите SERP», а строите таблицу сигналов. Из неё видно, какие кластеры надо объединять, где запрос маскируется под другой интент, и какие элементы страницы система ранжирования любит тащить в топ.

Главный плюс — гибкость. Один скрипт может парсить выдачу под разные регионы, языки и типы устройств, а потом складывать результаты в CSV или Google Sheets для кластеризации. Контент — это не творчество, это математика с элементами лингвистики.

Если нужен не обзор, а рабочая модель, начинайте с простого: парсер SERP → нормализация данных → группировка по интенту → ручная валидация. Всё остальное — уже надстройки, а не база.

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

Почему RankIQ чаще тащит нишевые блоги, а Surfer сливает на узком интенте

Давайте залезем под капот. В нишевом блоге побеждает не «сила NLP», а точность попадания в intent. RankIQ заточен под узкие запросы: он быстро собирает семантику вокруг одного кластера и не раздувает ТЗ лишним LSI-мусором. Для маленькой темы это плюс: текст остаётся сфокусированным, а не превращается в комбайн из общих фраз.

Surfer чаще играет в ширину: он любит длинные контент-брифы, конкурентов с большим объёмом и плотную матрицу терминов. На broad-темах это работает, но в микронше ситуация меняется. Алгоритмы видят не «богатый текст», а размазанный фокус: один запрос, пять подинтентов, три лишних сущности. В итоге страдает релевантность.

Что обычно ломает Surfer на нише:
— перегрузка терминов, когда текст начинает обслуживать не запрос, а чек-лист;
— слишком широкий кластер, где смешаны соседние темы;
— слабая приоритизация сущностей: важное и второстепенное идут в одну кашу.

RankIQ выигрывает ещё и тем, что проще управляет структурой статьи: H2/H3 не расползаются, а задают маршрут для поискового бота и читателя. Это особенно заметно там, где важны точные ответы, а не «полнота ради полноты». Контент — это не творчество, это математика с элементами лингвистики.

Вывод простой: если у вас узкая тема и маленький сайт, режьте семантику до ядра и собирайте текст вокруг одного интента. Surfer оставьте для более широких страниц, а RankIQ — для нишевых статей, где важна хирургическая точность.

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

Кластеризация семантики: как закрыть весь хаб без дыр и каннибализации

Давайте залезем под капот. Кластеризация — это не “разложить ключи по папкам”, а собрать запросы в группы по интенту, SERP-логике и глубине темы. Если в кластер попадает всё подряд, вы получаете кашу: страницы конкурируют между собой, а хаб расползается по смыслу.

Рабочая схема простая:
— сначала снимаете ядро и чистите мусор;
— потом делите запросы не по частотности, а по намерению: инфо, коммерция, навигация, сравнение;
— отдельно выносите LSI и смежные подинтенты, чтобы они усиливали страницу, а не создавали дубль.

Дальше строите карту хаба: одна pillar-страница закрывает главный интент, а кластеры уходят в supporting-материалы. Правило жесткое: если два URL отвечают на один вопрос, один из них лишний. Алгоритмы не обманешь, но их можно использовать — через разную глубину ответа, формат и угол захода.

Проверка перед публикацией: ищите пересечения в title, H1, первых экранах и списках сущностей. Если кластеры можно поменять местами без потери смысла, сегментация слабая. Если на один запрос у вас есть и статья, и FAQ, и гайд, проверьте, не душат ли они друг друга в выдаче.

Контент — это не творчество, это математика с элементами лингвистики. Чем точнее вы разрежете семантику, тем чище будет хаб и тем меньше придется лечить каннибализацию задним числом.

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

Единый воркфлоу Surfer SEO + Frase: как собрать SEO-копирайтинг без хаоса

Давайте залезем под капот. Surfer нужен не для «красивого текста», а для карты семантики: интент, частоты, LSI-слова, покрытие сущностей. Frase — для извлечения вопросов, подзаголовков и структуры ответа. Вместе они дают не вдохновение, а инженерный бриф.

Схема простая: 1) в Frase собираем SERP-вопросы и болевые формулировки; 2) в Surfer проверяем, какие сущности и подзадачи реально встречаются у конкурентов; 3) строим скелет статьи по интенту, а не по «логике автора»; 4) только потом пишем текст, закрывая каждый блок конкретным смыслом.

Правила, которые не дают сломать воркфлоу: — не тащите в статью все keyword suggestions подряд; — не дублируйте одно и то же LSI ради процента в score; — не смешивайте информационный и коммерческий интент в одном абзаце; — после черновика прогоняйте текст через обе системы и вырезайте воду, а не добавляйте слова ради метрик.

Финал простой: Surfer отвечает за покрытие темы, Frase — за форму ответа. Контент — это не творчество, это математика с элементами лингвистики. Когда связка настроена, вы не «пишете статьи», а собираете поисковый документ, который алгоритмы читают без лишних вопросов.

Как натренировать LLM-агента писать в стиле бренда, а не в стиле «усреднённый интернет»

Давайте залезем под капот. У бренда есть не «голос», а набор повторяемых паттернов: длина фраз, доля терминов, степень агрессии/иронии, формат заголовков, отношение к CTA. Если этого нет в виде правил, агент будет лепить LSI-кашу и выдавать текст без ДНК.

Соберите корпус: 20–50 лучших текстов бренда, разметьте их по признакам — интент, тон, структура, стоп-слова, любимые обороты. Дальше не «обучайте на всем подряд», а делайте style brief: что можно, что нельзя, какие конструкции обязательны. Чем жёстче рамка, тем меньше дрейф.

В промпте задавайте не абстрактный «пиши как бренд», а рабочую схему: роль, аудитория, цель, формат, ограничения, примеры хорошего/плохого. Если есть RAG, подмешивайте эталонные куски стиля и запрещайте агенту переписывать их дословно. Иначе он скатится в копипасту с косметикой.

Перед запуском гоняйте контент через контрольный чек: совпадает ли ритм, есть ли фирменные маркеры, не потерян ли уровень конкретики, не расползся ли синтаксис. Алгоритмы не обманешь, но их можно использовать: агент должен не «творить», а воспроизводить систему.

Итог простой: стиль бренда для LLM — это не магия, а спецификация + примеры + жёсткая валидация. Контент — это не творчество, это математика с элементами лингвистики.