Работа с Meta через Claude Code
Claude Code работает с рекламным кабинетом Meta напрямую. Рассмотрим 3 инструмента: Graph API, Meta Ads MCP и Pipeboard.
📡 MCP vs API — в чём разница
API — это команда. Claude Code отправляет запрос в Meta, получает ответ. MCP — постоянное соединение. Claude Code видит все доступные инструменты сервиса и вызывает их по цепочке, сохраняя контекст между шагами.
По сути, нам пользователям не очень важно - MCP или API. Но MCP чуть умнее. При работе с META важна безопасность и при работе с MCP - она более высокая. MCP не сделает какую-то дичь типа 1000 запросов за минуту. Claude Code + Graph API может сделать любую дичь.
Graph API Meta
Тип: API
Минусы:
* Может сделать дичь
Перед запуском нужно дать Claude Code контекст проекта. Без подготовки такой, Claude Code начнёт активно слать запросы в Meta — десятки/сотни за минуту. Лучше использовать расширения Claude типа superpowers, чтобы заранее рассказать ему о том что вы не хотите слать большое число запросов.
* Требует Access Token
Не очень сложно, но надо завести приложение на developers.facebook.com. Не удобно для байеров, которые работают с арендоваными аккаунтами.
UPD: Роман в комментах классно подсветил, что Access Token требует верификации бизнеса.
Плюсы
* Все может
Meta Ads MCP
Тип: MCP
Официальное решение Meta. Публичная бета с апреля 2026.
Недостатки
* Upload видео: нет.
Формально есть, но видосы не влезают в контекст MCP (base64 и т. д.).
Плюсы
* Бесплатный, не требует Access Token'ов
* Как выйдет из беты - мы ее сможем в claude web использовать.
Pipeboard
Тип: MCP. Стороннее решение.
Недостатки
* Upload видео: нет
* Платный
Плюсы
* Не требует Access Token'ов
📊 Сценарий 1: аналитика
Meta Ads MCP и Pipeboard. Оба дают данные по кампаниям, адсетам, креативам без лишних настроек.
Graph API тоже справляется, но требует подготовки. Без ограничений Claude Code отправляет слишком много запросов — нужно заранее задать рамки.
🎨 Сценарий 2: upload креативов
Через Graph API.
Пример: у меня Claude Code подключён к Google Drive. Он сам забирает креативы с диска и создаёт кампании в Meta. Процесс полностью автоматический и безопасный.
🔄 Гибридный подход
На практике инструменты работают вместе.
Real-life Case: я сейчас работаю на проекте с длинной историей. Команда уже оттестировала тысячи креативов. Тестирование проходило несколько лет.
Шаг 1. Prompt: “покажи топ-перформеры по всем кампаниям lifetime” Это аналитика — работает через MCP.
Шаг 2. Prompt: “запусти из них отдельную кампанию "top performers". Это upload — работает через Graph API.
В таких гибридных сценариях Claude Code раскрывается на полную. Раньше подобная задача занимала дни. С подготовленной инфраструктурой — 20 минут.
Claude Code работает быстро, но большая часть времени (у меня) уходит на сомнения и опасения в духе: "чото страшно. как-то дофига всего. может не надо?”. Вообщем буст перформанса идет через преодоление собственных страхов и предрассудков.
Итого:
— Аналитика: Meta Ads MCP или Pipeboard
— Upload видео: Graph API
— Оптимальный подход: гибридный — MCP для данных и картинок, API для видео и сложных сценариев
В модуле AI в User Acquisition разбираю настройку каждого инструмента с нуля: от получения токенов до первой кампании, созданной через Claude Code.
Модуль можно приобрести отдельно.
Пишите мне в личку: @SiberianPaaanda
Claude Code работает с рекламным кабинетом Meta напрямую. Рассмотрим 3 инструмента: Graph API, Meta Ads MCP и Pipeboard.
📡 MCP vs API — в чём разница
API — это команда. Claude Code отправляет запрос в Meta, получает ответ. MCP — постоянное соединение. Claude Code видит все доступные инструменты сервиса и вызывает их по цепочке, сохраняя контекст между шагами.
По сути, нам пользователям не очень важно - MCP или API. Но MCP чуть умнее. При работе с META важна безопасность и при работе с MCP - она более высокая. MCP не сделает какую-то дичь типа 1000 запросов за минуту. Claude Code + Graph API может сделать любую дичь.
Graph API Meta
Тип: API
Минусы:
* Может сделать дичь
Перед запуском нужно дать Claude Code контекст проекта. Без подготовки такой, Claude Code начнёт активно слать запросы в Meta — десятки/сотни за минуту. Лучше использовать расширения Claude типа superpowers, чтобы заранее рассказать ему о том что вы не хотите слать большое число запросов.
* Требует Access Token
Не очень сложно, но надо завести приложение на developers.facebook.com. Не удобно для байеров, которые работают с арендоваными аккаунтами.
UPD: Роман в комментах классно подсветил, что Access Token требует верификации бизнеса.
Плюсы
* Все может
Meta Ads MCP
Тип: MCP
Официальное решение Meta. Публичная бета с апреля 2026.
Недостатки
* Upload видео: нет.
Формально есть, но видосы не влезают в контекст MCP (base64 и т. д.).
Плюсы
* Бесплатный, не требует Access Token'ов
* Как выйдет из беты - мы ее сможем в claude web использовать.
Pipeboard
Тип: MCP. Стороннее решение.
Недостатки
* Upload видео: нет
* Платный
Плюсы
* Не требует Access Token'ов
📊 Сценарий 1: аналитика
Meta Ads MCP и Pipeboard. Оба дают данные по кампаниям, адсетам, креативам без лишних настроек.
Graph API тоже справляется, но требует подготовки. Без ограничений Claude Code отправляет слишком много запросов — нужно заранее задать рамки.
🎨 Сценарий 2: upload креативов
Через Graph API.
Пример: у меня Claude Code подключён к Google Drive. Он сам забирает креативы с диска и создаёт кампании в Meta. Процесс полностью автоматический и безопасный.
🔄 Гибридный подход
На практике инструменты работают вместе.
Real-life Case: я сейчас работаю на проекте с длинной историей. Команда уже оттестировала тысячи креативов. Тестирование проходило несколько лет.
Шаг 1. Prompt: “покажи топ-перформеры по всем кампаниям lifetime” Это аналитика — работает через MCP.
Шаг 2. Prompt: “запусти из них отдельную кампанию "top performers". Это upload — работает через Graph API.
В таких гибридных сценариях Claude Code раскрывается на полную. Раньше подобная задача занимала дни. С подготовленной инфраструктурой — 20 минут.
Claude Code работает быстро, но большая часть времени (у меня) уходит на сомнения и опасения в духе: "чото страшно. как-то дофига всего. может не надо?”. Вообщем буст перформанса идет через преодоление собственных страхов и предрассудков.
Итого:
— Аналитика: Meta Ads MCP или Pipeboard
— Upload видео: Graph API
— Оптимальный подход: гибридный — MCP для данных и картинок, API для видео и сложных сценариев
В модуле AI в User Acquisition разбираю настройку каждого инструмента с нуля: от получения токенов до первой кампании, созданной через Claude Code.
Модуль можно приобрести отдельно.
Пишите мне в личку: @SiberianPaaanda
👍11❤4🔥4
Концепция зацепа с точки зрения математики
Пробую новый формат. Волнуюсь — не знаю, насколько математика вам интересна. Если пост зайдет - еще выпущу похожих. Знаю что зацеп многие любят, поэтому клоунов тоже огребу сейчас чувствую :) Вообщем, поддержите лайками :)
Что такое зацеп?
Распространённая стратегия в UA. Байер запускает 3-5 кампаний с одинаковым или похожим сетапом. Через несколько дней смотрит результаты и ищет кампанию, которая "зацепилась" - показала положительный ROAS. Остальные отключает.
Логика: алгоритм Meta/TikTok/Google по-разному раскачивает каждую кампанию. Задача байера - найти ту, которой повезло попасть в хорошую аудиторию.
🧪 Мысленный эксперимент
Проверим эту стратегию математикой. Возьмём приложение, которое точно не зарабатывает, и посмотрим - сможет ли байер всё равно "найти зацеп".
Если в институте у вас не было теории вероятности — не страшно. Страшные формулы можно скипать и переходить сразу к выводу что получилось.
Параметры приложения:
• LTV с платящего = $32
• Конверсия в платящего = 10%
• CPI = $4
• Истинный ROAS = 80%
Обратите внимание - приложение точно убыточно. Каждый инстал в среднем приносит $3.20, а стоит $4.
Байер запускает 5 кампаний по $50. Вопрос: какова вероятность, что хотя бы одна покажет ROAS >= 100%?
Мат модель
🎲 Шаг 1. Монетка
Каждый инстал — бросок монетки. С вероятностью 10% пользователь платит $32. С вероятностью 90% — не платит ничего.
🎲 Шаг 2. Сколько бросков
$50 бюджета при CPI $4 = 12 инсталлов. Это 12 бросков монетки.
🎲 Шаг 3. Сколько нужно для "успеха"
Чтобы кампания показала ROAS >= 100%, нужно минимум 2 платящих из 12.
2 x $32 = $64 revenue при $50 spend = ROAS 128%.
🎲 Шаг 4. Какова вероятность?
Вероятность получить 2 и больше платящих из 12 при шансе 10% — считается через биномиальное распределение. Результат: 34%.
То есть каждая третья кампания покажет ROAS >= 100%. Просто так работает рандом.
🎲Шаг 5. Пять кампаний
Вероятность, что хотя бы одна из 5 покажет положительный результат:
1 − (1 − 0.34)⁵ = 86%
📐 Формула (можно смело скипать)
Биномиальное распределение - формула для подсчёта вероятности получить ровно K "успехов" из N попыток:
P(K из N) = C(N,K) × p^K × (1−p)^(N−K)
Где C(N,K) = N! / (K! × (N−K)!) - количество комбинаций.
Пример для нашего случая:
P(0 платящих из 12) = 0.9¹² = 0.28
P(1 платящий из 12) = 12 × 0.1 × 0.9¹¹ = 0.38
P(0 или 1) = 0.28 + 0.38 = 0.66
P(2 и больше) = 1 − 0.66 = 0.34
Для нескольких кампаний:
P(хотя бы одна покажет ROAS >= 100%) = 1 - (1 − P(одна))ᴹ
Где M — количество кампаний.
📋 Как вероятность зависит от бюджета
Spend $50 на кампанию → 12 инсталлов → нужно >= 2 платящих
Одна кампания: 34%. Хотя бы 1 из 5: 86%.
Spend $150 → 37 инсталлов → нужно >= 5 платящих
Одна кампания: 31%. Хотя бы 1 из 5: 84%.
Spend $300 → 75 инсталлов → нужно >= 10 платящих
Одна кампания: 22%. Хотя бы 1 из 5: 71%.
Spend $1 000 → 250 инсталлов → нужно >= 32 платящих
Одна кампания: 9%. Хотя бы 1 из 5: 36%.
📌 Что получилось
При spend $50 на кампанию - шанс увидеть положительный ROAS хотя бы на одной из 5 кампаний = 86%. Почти наверняка увидите положительный ROAS.
Даже на более-менее нормальном спенде в $300 - шанс 71%.
Но обратите внимание: вероятность ложноположительного результата на одной кампании при $300 — всего 22%. Запуская одну кампанию вместо пяти, байер уменьшает шанс обмануть себя с 71% до 22%. Т е другими словами - получает в 3 раза большую надежность оценки.
Короче
Лучше запустить одну кампанию и смотреть на неё, чем 5 и смотреть на все.
Пробую новый формат. Волнуюсь — не знаю, насколько математика вам интересна. Если пост зайдет - еще выпущу похожих. Знаю что зацеп многие любят, поэтому клоунов тоже огребу сейчас чувствую :) Вообщем, поддержите лайками :)
Что такое зацеп?
Распространённая стратегия в UA. Байер запускает 3-5 кампаний с одинаковым или похожим сетапом. Через несколько дней смотрит результаты и ищет кампанию, которая "зацепилась" - показала положительный ROAS. Остальные отключает.
Логика: алгоритм Meta/TikTok/Google по-разному раскачивает каждую кампанию. Задача байера - найти ту, которой повезло попасть в хорошую аудиторию.
🧪 Мысленный эксперимент
Проверим эту стратегию математикой. Возьмём приложение, которое точно не зарабатывает, и посмотрим - сможет ли байер всё равно "найти зацеп".
Если в институте у вас не было теории вероятности — не страшно. Страшные формулы можно скипать и переходить сразу к выводу что получилось.
Параметры приложения:
• LTV с платящего = $32
• Конверсия в платящего = 10%
• CPI = $4
• Истинный ROAS = 80%
Обратите внимание - приложение точно убыточно. Каждый инстал в среднем приносит $3.20, а стоит $4.
Байер запускает 5 кампаний по $50. Вопрос: какова вероятность, что хотя бы одна покажет ROAS >= 100%?
Мат модель
🎲 Шаг 1. Монетка
Каждый инстал — бросок монетки. С вероятностью 10% пользователь платит $32. С вероятностью 90% — не платит ничего.
🎲 Шаг 2. Сколько бросков
$50 бюджета при CPI $4 = 12 инсталлов. Это 12 бросков монетки.
🎲 Шаг 3. Сколько нужно для "успеха"
Чтобы кампания показала ROAS >= 100%, нужно минимум 2 платящих из 12.
2 x $32 = $64 revenue при $50 spend = ROAS 128%.
🎲 Шаг 4. Какова вероятность?
Вероятность получить 2 и больше платящих из 12 при шансе 10% — считается через биномиальное распределение. Результат: 34%.
То есть каждая третья кампания покажет ROAS >= 100%. Просто так работает рандом.
🎲Шаг 5. Пять кампаний
Вероятность, что хотя бы одна из 5 покажет положительный результат:
1 − (1 − 0.34)⁵ = 86%
📐 Формула (можно смело скипать)
Биномиальное распределение - формула для подсчёта вероятности получить ровно K "успехов" из N попыток:
P(K из N) = C(N,K) × p^K × (1−p)^(N−K)
Где C(N,K) = N! / (K! × (N−K)!) - количество комбинаций.
Пример для нашего случая:
P(0 платящих из 12) = 0.9¹² = 0.28
P(1 платящий из 12) = 12 × 0.1 × 0.9¹¹ = 0.38
P(0 или 1) = 0.28 + 0.38 = 0.66
P(2 и больше) = 1 − 0.66 = 0.34
Для нескольких кампаний:
P(хотя бы одна покажет ROAS >= 100%) = 1 - (1 − P(одна))ᴹ
Где M — количество кампаний.
📋 Как вероятность зависит от бюджета
Spend $50 на кампанию → 12 инсталлов → нужно >= 2 платящих
Одна кампания: 34%. Хотя бы 1 из 5: 86%.
Spend $150 → 37 инсталлов → нужно >= 5 платящих
Одна кампания: 31%. Хотя бы 1 из 5: 84%.
Spend $300 → 75 инсталлов → нужно >= 10 платящих
Одна кампания: 22%. Хотя бы 1 из 5: 71%.
Spend $1 000 → 250 инсталлов → нужно >= 32 платящих
Одна кампания: 9%. Хотя бы 1 из 5: 36%.
📌 Что получилось
При spend $50 на кампанию - шанс увидеть положительный ROAS хотя бы на одной из 5 кампаний = 86%. Почти наверняка увидите положительный ROAS.
Даже на более-менее нормальном спенде в $300 - шанс 71%.
Но обратите внимание: вероятность ложноположительного результата на одной кампании при $300 — всего 22%. Запуская одну кампанию вместо пяти, байер уменьшает шанс обмануть себя с 71% до 22%. Т е другими словами - получает в 3 раза большую надежность оценки.
Короче
Лучше запустить одну кампанию и смотреть на неё, чем 5 и смотреть на все.
❤40👍29🔥12😐4
Adapty обновил предиктивную модель: “We recently updated our prediction model, so you may notice slightly different revenue and LTV figures. The new model is more accurate and less likely to overestimate revenue. Learn more”.
Что это
Predicted LTV позволяет оценить lifetime LTV (грубо сколько заплатит пользователь) для когорты новых пользователей например за последнюю неделю.
Как было раньше
Я раньше эту модель никогда не использовал, т к она примерно на 30% завышала мои предикты. С этим новым апдейтом - модель попадает в мои. Можно осторожно порекомендовать к использованию.
Как считаю я
Если совсем грубо - то моя модель очень простая. Я просто смотрю на кривую LTV. Если (цифры с потолка) прирост LTV:
• в январе был 10%
• в феврале 8%
• и 4% в марте
то не надо ждать прироста в 10% в апреле. скорее всего
• в апреле будет 2%
• а в мае 1%.
Таким образом можно оценить момент когда кривая достигнет плато и оценить LTV.
Что это
Predicted LTV позволяет оценить lifetime LTV (грубо сколько заплатит пользователь) для когорты новых пользователей например за последнюю неделю.
Как было раньше
Я раньше эту модель никогда не использовал, т к она примерно на 30% завышала мои предикты. С этим новым апдейтом - модель попадает в мои. Можно осторожно порекомендовать к использованию.
Как считаю я
Если совсем грубо - то моя модель очень простая. Я просто смотрю на кривую LTV. Если (цифры с потолка) прирост LTV:
• в январе был 10%
• в феврале 8%
• и 4% в марте
то не надо ждать прироста в 10% в апреле. скорее всего
• в апреле будет 2%
• а в мае 1%.
Таким образом можно оценить момент когда кривая достигнет плато и оценить LTV.
👍9🤔6❤1
Маппинг событий для Meta: StartTrial или Purchase?
При запуске на Meta - выбор события для оптимизации - это ключевое решение. От него зависит весь перформанс кампании.
Реальный выбор — между двумя:
1. Оптимизация на Purchase
2. Оптимизация на StartTrial
Рассмотрим плюсы и минусы каждого подхода:
🟢 Оптимизация на Purchase
На web2app маппинг событий приложения на стандартные события Meta выглядит так:
* install → Lead
* trial → StartTrial
* subscription started → Purchase
* trial converted → Purchase
Достоинства:
— Стабильный трафик.
Алгоритм учится на реальном списании.
— Простая экономика.
Смотрите на платящего и видите цену конверсии. Она не плывёт по гео: это настоящие деньги, а не промежуточное событие.
Пример: если годовая подписка стоит $60, то (грубо) $60 - это цена за пользователя и в Бразилии и в США.
- Удобство работы
Можно не выходя из рекламного кабинета оценивать performace.
Недостатки:
— Событий мало. При малом бюджете или дорогом продукте оплат не набирается на обучение адсета.
🔵 Оптимизация на StartTrial
Мапинг
* install → Lead
* trial → Purchase
* subscription started → Purchase
Удобно к триалам добавить subscription started, чтобы в META было больше событий.
Я не прокидываю trial converted потому что:
1. Информация о пользователе уже есть в событии trial
2. KPI по trial + subscription started удобно оценивать как ARPAS в Apphud/Adapty
Достоинства:
— Событий много.
Триалов больше оплат — обучение разгоняется быстрее. В итоге для нормальной работы, минимальный spend может быть меньше кратно.
Недостатки:
— Более трудоемкий процесс
По отдельным гео и отдельным креативам может быть низкий (иногда абсурдно низкий) конверт из триала в пурч. Требуется постоянный мониторинг окупаемости/конверта триала в разрезе гео/креатив.
— Конверсия падает по мере обучения.
Чтобы дать больше событий, Meta наращивает их количество в ущерб качеству. Трафик (конверт из триала в пурч) ухудшается со временем.
📌 Вывод
1. Дефолт — Purchase. Стабильный трафик и честная экономика без оглядки на гео и креативы.
2. StartTrial оправдан: когда качество конверсии в оплату при оптимизации на него не падает. Тогда вы получаете много событий, быстрое обучение и не теряете в деньгах. Заранее сложно предсказать. Проверяется тестом.
3. Оптимизация на purchase - дорогой трафик. На триал - дешевле. Какой из них будет в итоге сходится лучше - проверяется тестом.
При запуске на Meta - выбор события для оптимизации - это ключевое решение. От него зависит весь перформанс кампании.
Реальный выбор — между двумя:
1. Оптимизация на Purchase
2. Оптимизация на StartTrial
Рассмотрим плюсы и минусы каждого подхода:
🟢 Оптимизация на Purchase
На web2app маппинг событий приложения на стандартные события Meta выглядит так:
* install → Lead
* trial → StartTrial
* subscription started → Purchase
* trial converted → Purchase
Достоинства:
— Стабильный трафик.
Алгоритм учится на реальном списании.
— Простая экономика.
Смотрите на платящего и видите цену конверсии. Она не плывёт по гео: это настоящие деньги, а не промежуточное событие.
Пример: если годовая подписка стоит $60, то (грубо) $60 - это цена за пользователя и в Бразилии и в США.
- Удобство работы
Можно не выходя из рекламного кабинета оценивать performace.
Недостатки:
— Событий мало. При малом бюджете или дорогом продукте оплат не набирается на обучение адсета.
🔵 Оптимизация на StartTrial
Мапинг
* install → Lead
* trial → Purchase
* subscription started → Purchase
Удобно к триалам добавить subscription started, чтобы в META было больше событий.
Я не прокидываю trial converted потому что:
1. Информация о пользователе уже есть в событии trial
2. KPI по trial + subscription started удобно оценивать как ARPAS в Apphud/Adapty
Достоинства:
— Событий много.
Триалов больше оплат — обучение разгоняется быстрее. В итоге для нормальной работы, минимальный spend может быть меньше кратно.
Недостатки:
— Более трудоемкий процесс
По отдельным гео и отдельным креативам может быть низкий (иногда абсурдно низкий) конверт из триала в пурч. Требуется постоянный мониторинг окупаемости/конверта триала в разрезе гео/креатив.
— Конверсия падает по мере обучения.
Чтобы дать больше событий, Meta наращивает их количество в ущерб качеству. Трафик (конверт из триала в пурч) ухудшается со временем.
📌 Вывод
1. Дефолт — Purchase. Стабильный трафик и честная экономика без оглядки на гео и креативы.
2. StartTrial оправдан: когда качество конверсии в оплату при оптимизации на него не падает. Тогда вы получаете много событий, быстрое обучение и не теряете в деньгах. Заранее сложно предсказать. Проверяется тестом.
3. Оптимизация на purchase - дорогой трафик. На триал - дешевле. Какой из них будет в итоге сходится лучше - проверяется тестом.
❤6👍6
Please open Telegram to view this post
VIEW IN TELEGRAM
Как я работаю с нейросетями. Часть 1 из 4
Веду пять рекламных кабинетов клиентов. Предикты, креативы, ежедневные отчёты, решения по кампаниям - большую часть этой работы делает Claude Code.
Сам я 90% времени провожу в Телеграме - в нем я:
• получаю отчёты
• строю предикты / оцениваю перформанс
• запускаю кампании
• заливаю креативы в кабинет (сразу создаются кампании/адесеты)
• генерю новые креативы
• и брейнстормлю в духе “чо скажешь?”
В следующих трёх постах разберу детально - предикты, креативы, ежедневный отчёт. Начну с инфраструктуры в целом:
🖥 Отдельный сервер
* Claude Code крутится на отдельной Windows VPS.
Работает 24/7. Мне было бы удобнее работать с какой-нибудь ubuntu, но MCP типа Pipeboard и Adjust в момент авторизации требуют открытого браузера, поэтому на данный момент, винда это самый простой хостинг для клода.
* Скрипты запускаются по расписанию: отчёты по всем клиентам собирается в 9 утра.
🗂 Google Drive со всеми клиентами
На сервере стоит Google Drive, синхронизированный со всеми клиентами. Креативы, выгрузки, конфиги - всё лежит в одной файловой системе, к которой у Claude есть прямой доступ.
На старте мы с клиентами/дизайнерами/монтажерами договариваемся работать только через Google Drive. Как только новый креатив падает в папку - он сразу доступен системе, без пересылок и ручной загрузки.
⚙️ Доступы к кабинетам и тулзам
У Claude есть доступ ко всем рекламным кабинетам (Meta/Google Ads через Pipeboard), к Adjust/Adapty/RevenueCAT (через MCP/API). Один процесс видит одновременно спенд из кабинета, атрибуцию и выручку из revenue-тулы.
💪Скиллы
Удобно что опыт полученный на одном из проектов распространяется на все остальные через skills. Если на одном проекте креатив залился криво - на другом уже не повторяется. Аккуратно посчитанный предикт на одном проекте - улучшает предикт на всех.
📄Security
У каждого клиента доступ только к своей папке в Google Drive. Доступа до бота и удаленного компа нет ни у кого кроме меня. Пересечения по проектам невозможны.
📱Telegram
У клода на удаленной винде настроенно туннелирование в телегу - Telegram по сути интерфейс для общения с клодом.
В следующем посте - подробно про предикты по понедельникам.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda
Веду пять рекламных кабинетов клиентов. Предикты, креативы, ежедневные отчёты, решения по кампаниям - большую часть этой работы делает Claude Code.
Сам я 90% времени провожу в Телеграме - в нем я:
• получаю отчёты
• строю предикты / оцениваю перформанс
• запускаю кампании
• заливаю креативы в кабинет (сразу создаются кампании/адесеты)
• генерю новые креативы
• и брейнстормлю в духе “чо скажешь?”
В следующих трёх постах разберу детально - предикты, креативы, ежедневный отчёт. Начну с инфраструктуры в целом:
🖥 Отдельный сервер
* Claude Code крутится на отдельной Windows VPS.
Работает 24/7. Мне было бы удобнее работать с какой-нибудь ubuntu, но MCP типа Pipeboard и Adjust в момент авторизации требуют открытого браузера, поэтому на данный момент, винда это самый простой хостинг для клода.
* Скрипты запускаются по расписанию: отчёты по всем клиентам собирается в 9 утра.
🗂 Google Drive со всеми клиентами
На сервере стоит Google Drive, синхронизированный со всеми клиентами. Креативы, выгрузки, конфиги - всё лежит в одной файловой системе, к которой у Claude есть прямой доступ.
На старте мы с клиентами/дизайнерами/монтажерами договариваемся работать только через Google Drive. Как только новый креатив падает в папку - он сразу доступен системе, без пересылок и ручной загрузки.
⚙️ Доступы к кабинетам и тулзам
У Claude есть доступ ко всем рекламным кабинетам (Meta/Google Ads через Pipeboard), к Adjust/Adapty/RevenueCAT (через MCP/API). Один процесс видит одновременно спенд из кабинета, атрибуцию и выручку из revenue-тулы.
💪Скиллы
Удобно что опыт полученный на одном из проектов распространяется на все остальные через skills. Если на одном проекте креатив залился криво - на другом уже не повторяется. Аккуратно посчитанный предикт на одном проекте - улучшает предикт на всех.
📄Security
У каждого клиента доступ только к своей папке в Google Drive. Доступа до бота и удаленного компа нет ни у кого кроме меня. Пересечения по проектам невозможны.
📱Telegram
У клода на удаленной винде настроенно туннелирование в телегу - Telegram по сути интерфейс для общения с клодом.
В следующем посте - подробно про предикты по понедельникам.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda
🔥22❤5👍1
1 июля состоится стрим “META: запуск и scaling”
Если у вас есть вопросы, которые вы хотите задать на стриме - можно заранее отправить их через форму вопросов.
Разберем запуск, оптимизацию и скейлинг рекламных кампаний в Meta.
• Стратегия
• Настройка
• Креативы
• Безопасность: аккаунты/баны
• Атрибуция и MMP
🗓1 июля 18:00 (МСК)
👉Форма регистрации
💡Задать вопрос
Если у вас есть вопросы, которые вы хотите задать на стриме - можно заранее отправить их через форму вопросов.
Разберем запуск, оптимизацию и скейлинг рекламных кампаний в Meta.
• Стратегия
• Настройка
• Креативы
• Безопасность: аккаунты/баны
• Атрибуция и MMP
🗓1 июля 18:00 (МСК)
👉Форма регистрации
💡Задать вопрос
❤5🔥4
У друзей из Plurio.ai появилась вакансия, которую стоит посмотреть, даже если ты не ищешь работу: она классно показывает, как меняется роль перформанс-маркетолога с появлением AI. Делюсь.
Смотри, что агенты уже забирают на себя:
— раньше надо было самому часами разглядывать дэшборды → теперь Plurio делает глубокий анализ за минуты
— раньше надо было самому считать распределение бюджета в эксельках → теперь Plurio даёт оптимальный сплит по каналам, кампаниям и эд-сетам
— раньше надо было самому отсматривать креативы и править ставки в кабинетах → теперь Plurio отстреливает, масштабирует и перезапускает их прямо в кабинетах автоматически
— раньше решения по Google / Meta / TikTok принимались на интуиции → теперь Plurio анализирует исторические данные ml-модельками и предлагает, как сделать правила оптимизации эффективнее
Весь execution уходит в агента, и роль меняется принципиально: ты управляешь не каналами, а агентом — кладёшь свою баинг-логику в его воркфлоу и правила и отвечаешь за рост клиентских метрик. Это уже не про управление каналом в чистом виде: ты напрямую влияешь на продукт и процессы.
И почему советую посмотреть: ребята в гиперросте, они нанимают. Продукт анонсировали только в марте — а агент уже крутит $500M+ ad spend в год, клиенты со спендами $300k–15m/m, база выросла в 4 раза за 10–12 недель. Задача — построить autonomous user acquisition factory, которая работает в 10 раз лучше всего, что было раньше, и довести бюджет под управлением до $30B. Это не типичная вакансия: ищут реально лучших в сфере. Лидерская позиция, под капотом — команда ai marketing engineers и агент на твоей логике. ~$15k/m + бонусы, ремоут по US-времени.
Если ты или кто-то из твоих знакомых круче всех шарит в Мете — посмотрите по ссылке
А еще они делают классный эфир 1 числа с Максом Епифановым про то как строить перформанс-маркетинг с ИИ, приходите! Вот ссылка
#реклама
Смотри, что агенты уже забирают на себя:
— раньше надо было самому часами разглядывать дэшборды → теперь Plurio делает глубокий анализ за минуты
— раньше надо было самому считать распределение бюджета в эксельках → теперь Plurio даёт оптимальный сплит по каналам, кампаниям и эд-сетам
— раньше надо было самому отсматривать креативы и править ставки в кабинетах → теперь Plurio отстреливает, масштабирует и перезапускает их прямо в кабинетах автоматически
— раньше решения по Google / Meta / TikTok принимались на интуиции → теперь Plurio анализирует исторические данные ml-модельками и предлагает, как сделать правила оптимизации эффективнее
Весь execution уходит в агента, и роль меняется принципиально: ты управляешь не каналами, а агентом — кладёшь свою баинг-логику в его воркфлоу и правила и отвечаешь за рост клиентских метрик. Это уже не про управление каналом в чистом виде: ты напрямую влияешь на продукт и процессы.
И почему советую посмотреть: ребята в гиперросте, они нанимают. Продукт анонсировали только в марте — а агент уже крутит $500M+ ad spend в год, клиенты со спендами $300k–15m/m, база выросла в 4 раза за 10–12 недель. Задача — построить autonomous user acquisition factory, которая работает в 10 раз лучше всего, что было раньше, и довести бюджет под управлением до $30B. Это не типичная вакансия: ищут реально лучших в сфере. Лидерская позиция, под капотом — команда ai marketing engineers и агент на твоей логике. ~$15k/m + бонусы, ремоут по US-времени.
Если ты или кто-то из твоих знакомых круче всех шарит в Мете — посмотрите по ссылке
А еще они делают классный эфир 1 числа с Максом Епифановым про то как строить перформанс-маркетинг с ИИ, приходите! Вот ссылка
#реклама
🤡18❤3👍3
Напоминаю что 1 июля (среда) состоится стрим “META: запуск и scaling”
Похожий разбор вопросов мы проводим в рамках моего курса.
Если у вас есть вопросы, которые вы хотите задать на стриме - можно заранее отправить их через форму вопросов. Присылайте свои любые вопросы и кейсы - я все их разберу.
Рассмотр вопросов анонимный - поэтому можно задавать вопросы о реальных кейсах.
Важно: осталось всего 17 мест из 100. Успейте зарегистрироваться.
🗓1 июля 18:00 (МСК)
👉Форма регистрации
💡Задать вопрос
Похожий разбор вопросов мы проводим в рамках моего курса.
Если у вас есть вопросы, которые вы хотите задать на стриме - можно заранее отправить их через форму вопросов. Присылайте свои любые вопросы и кейсы - я все их разберу.
Рассмотр вопросов анонимный - поэтому можно задавать вопросы о реальных кейсах.
Важно: осталось всего 17 мест из 100. Успейте зарегистрироваться.
🗓1 июля 18:00 (МСК)
👉Форма регистрации
💡Задать вопрос
👍3❤1
Напоминаю что стрим “META: запуск и scaling” состоится через час - в 18:00 (МСК).
От вас поступили интересные вопросы - будем их разбирать!
Также разберу вопросы которые вы зададите по ходу стрима.
Ссылка на стрим
От вас поступили интересные вопросы - будем их разбирать!
Также разберу вопросы которые вы зададите по ходу стрима.
Ссылка на стрим
👍9🤮6❤3🔥1
Как я работаю с нейросетями. Часть 2 из 4: предикты по понедельникам
Полное описание инфраструктуры в прошлом посте
Каждый понедельник утром все мои клиенты гарантированно получают предикт - предсказание будущего ROAS за прошлую неделю. Я трачу на это не больше 5 минут.
🎯 Зачем предикт
В любой момент времени мы можем оценить ROAS нулевого дня:
LTV (0 day) * Conversions #
———————————-
Spend
Но D0 ROAS почти ничего не говорит: деньги от подписок и продлений приходят позже. Клиенту нужно знать не “насколько окупилось сегодня”, а “во что это вырастет через месяц-полгода”. Т е нужно что-то вроде:
LTV (180 days) * Conversions #
———————————-
Spend
🧮 На какие метрики смотрю
Как считать LTV в формуле выше - зависит от модели монетизации:
• ARPPU
прямая подписка без триала
* ARPAS
подписка с триалом
Оба параметра есть в чистом виде в Apphud и Adapty.
* Фикс значение
бывают случаи когда проекту 1-2 дня и есть какая-то непонятная гора кампаний. хочется оценить их эффективноть. даже без копания в Revenue Analytics можно оценить предикт просто взяв какой фиксированный LTV. Пример: “мы видим LTV в районе $30, предполагаем что вырастет до $50, т к у конкурентов такое значение. берем $50 как финмальный LTV”.
Это не точно, но лучше сделать плохой предикт чем не иметь вообще никакого.
📈 Как считается предикт
Зависит от возраста когорты:
• Молодая когорта.
Оцениваем рост кривой LTV за прошлый месяц - строим логарифмическую интерполяцию. Задача - построить логарифм, который проходит через все известные точки и обеспечивает экстраполяцию данных. Здесь нейросети раскрываются в полной мере: можно использовать сложные алгоритмы, которые вручную было бы лень считать.
• Старая когорта.
Если когорта достаточно старая, предикт - это один коэффициент. Например: ARPAS на 3-й день - 5, на 180-й - 8. Делим 8 на 5, получаем 1.6. Умножаем ARPAS третьего дня новой когорты на 1.6 - и получаем её LTV на 180-й день.
🔌 Два режима: автоматический и ручной
• Полная автоматизация.
У клиента Meta-аккаунт и Adjust, к обоим подключается MCP. Система сама забирает спенд и когорты и считает предикт без моего участия.
• Ручной режим.
Если аналитику клиента нельзя подключить по API (у него например Apphud или нет доступа до MCP), я делаю выгрузку одного CSV, закидываю его боту - и он строит предикт.
📌 Вывод
AI снимает рутину: сбор данных, расчёт, форматирование, отправку. Понедельник, утро, отчёт у клиента. 5 минут моего времени.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda
Полное описание инфраструктуры в прошлом посте
Каждый понедельник утром все мои клиенты гарантированно получают предикт - предсказание будущего ROAS за прошлую неделю. Я трачу на это не больше 5 минут.
🎯 Зачем предикт
В любой момент времени мы можем оценить ROAS нулевого дня:
LTV (0 day) * Conversions #
———————————-
Spend
Но D0 ROAS почти ничего не говорит: деньги от подписок и продлений приходят позже. Клиенту нужно знать не “насколько окупилось сегодня”, а “во что это вырастет через месяц-полгода”. Т е нужно что-то вроде:
LTV (180 days) * Conversions #
———————————-
Spend
🧮 На какие метрики смотрю
Как считать LTV в формуле выше - зависит от модели монетизации:
• ARPPU
прямая подписка без триала
* ARPAS
подписка с триалом
Оба параметра есть в чистом виде в Apphud и Adapty.
* Фикс значение
бывают случаи когда проекту 1-2 дня и есть какая-то непонятная гора кампаний. хочется оценить их эффективноть. даже без копания в Revenue Analytics можно оценить предикт просто взяв какой фиксированный LTV. Пример: “мы видим LTV в районе $30, предполагаем что вырастет до $50, т к у конкурентов такое значение. берем $50 как финмальный LTV”.
Это не точно, но лучше сделать плохой предикт чем не иметь вообще никакого.
📈 Как считается предикт
Зависит от возраста когорты:
• Молодая когорта.
Оцениваем рост кривой LTV за прошлый месяц - строим логарифмическую интерполяцию. Задача - построить логарифм, который проходит через все известные точки и обеспечивает экстраполяцию данных. Здесь нейросети раскрываются в полной мере: можно использовать сложные алгоритмы, которые вручную было бы лень считать.
• Старая когорта.
Если когорта достаточно старая, предикт - это один коэффициент. Например: ARPAS на 3-й день - 5, на 180-й - 8. Делим 8 на 5, получаем 1.6. Умножаем ARPAS третьего дня новой когорты на 1.6 - и получаем её LTV на 180-й день.
🔌 Два режима: автоматический и ручной
• Полная автоматизация.
У клиента Meta-аккаунт и Adjust, к обоим подключается MCP. Система сама забирает спенд и когорты и считает предикт без моего участия.
• Ручной режим.
Если аналитику клиента нельзя подключить по API (у него например Apphud или нет доступа до MCP), я делаю выгрузку одного CSV, закидываю его боту - и он строит предикт.
📌 Вывод
AI снимает рутину: сбор данных, расчёт, форматирование, отправку. Понедельник, утро, отчёт у клиента. 5 минут моего времени.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda
🔥6
Цена инсталла - не KPI
Кампании в Meta я оптимизирую либо на покупки, либо на триалы.
Оптимизация на инсталлы не работает, и на цену инстала при закупке я не смотрю.
Отступление: она важна например в Apple Search Ads. В Meta - нет
📈 Почему CPI растёт
Платящие пользователи стоят дороже, и цена инсталла растёт вместе с ними. Задача - покупать не дешёвый инсталл, а инсталл, у которого сходится ROAS.
Это в целом. Но есть нюансы
🔥Когда всё-таки смотрю
Единственный сценарий - абсурдно высокий CPI.
Пример:
1. Запустили рекламу
2. Посмотрели на цену инсталла. CPI: $30.
3. Берём оптимистичную конверсию в покупку 10%.
4. Получаем цену привлечения покупателя: $300 ($30*10).
Открываем отчёт RevenueCat с KPI по нишам: таких цен в мобильном рынке нет. Позитивного сценария, при котором CPI в $30 окупится, не существует.
Я стопаю кампанию и ищу новое позиционирование.
💬 Комментарий к скриншоту
Это Web2App кампания. Прямая ссылка в стор - не воронка. Lead замаплен на инсталл.
$1 400 спенда, 57 лидов, $25 за лид. В рамках этого теста я проверил 7 разных позиционирований - инсталл выходил от $17 до $64. По результатам теста сменил custom product page в app store и поменял позиционирование приложения.
Забегая вперед: помогло.
📌 Вывод
Цену инстала я не использую как KPI. Но бывают сценарии, когда полезно её знать.
Кампании в Meta я оптимизирую либо на покупки, либо на триалы.
Оптимизация на инсталлы не работает, и на цену инстала при закупке я не смотрю.
Отступление: она важна например в Apple Search Ads. В Meta - нет
📈 Почему CPI растёт
Платящие пользователи стоят дороже, и цена инсталла растёт вместе с ними. Задача - покупать не дешёвый инсталл, а инсталл, у которого сходится ROAS.
Это в целом. Но есть нюансы
🔥Когда всё-таки смотрю
Единственный сценарий - абсурдно высокий CPI.
Пример:
1. Запустили рекламу
2. Посмотрели на цену инсталла. CPI: $30.
3. Берём оптимистичную конверсию в покупку 10%.
4. Получаем цену привлечения покупателя: $300 ($30*10).
Открываем отчёт RevenueCat с KPI по нишам: таких цен в мобильном рынке нет. Позитивного сценария, при котором CPI в $30 окупится, не существует.
Я стопаю кампанию и ищу новое позиционирование.
💬 Комментарий к скриншоту
Это Web2App кампания. Прямая ссылка в стор - не воронка. Lead замаплен на инсталл.
$1 400 спенда, 57 лидов, $25 за лид. В рамках этого теста я проверил 7 разных позиционирований - инсталл выходил от $17 до $64. По результатам теста сменил custom product page в app store и поменял позиционирование приложения.
Забегая вперед: помогло.
📌 Вывод
Цену инстала я не использую как KPI. Но бывают сценарии, когда полезно её знать.
👍9❤1