تحليلات التسويق والنسب الصحيحة تصبح أكثر هشاشة 🥀 لقد لاحظت مؤخرًا اتجاهًا آخر وهو أن تحليلات التسويق التقليدية تصبح أقل موثوقية بشكل متزايد. أولًا، سلوك المستخدم نفسه أصبح أكثر تعقيدًا الآن. إن القناة التي يرى فيها المستخدم منشورًا على X، ثم يبحث عن المنتج عبر جوجل، ويقارن الخيارات باستخدام الذكاء الاصطناعي، ويقرأ مراجعات Reddit، ثم يظهر كزيارة مباشرة أو عضوية، أصبحت اليوم طبيعية تمامًا. وبالإضافة إلى ذلك، لدينا الآن حركة مرور تولدها الذكاء الاصطناعي وكل عدم الاستقرار المرافق لها. إليك مثالًا حديثًا: في أكتوبر، توقف ChatGPT عن إرسال بيانات utm_source وreferrer بشكل صحيح لبضعة أيام. في GA4، بدا أن حركة مرور ChatGPT قد انخفضت فجأة بنسبة 22–57٪، بينما في الواقع انتقل جزء كبير من هذه الزيارات إلى فئة "Direct". إضافةً إلى ذلك، أكثر من نصف حركة المرور على الويب هي الآن روبوتات، مما يعني أن أرقام الحركة القياسية تصبح أقل وأقل تمثيلًا للسلوك البشري الفعلي. لذلك، في عام 2026، أصبح من الخطير بالفعل الاعتماد على لوحة تحكم واحدة والاستنتاج بأن "هذه القناة تنمو" أو "هذه القناة ميتة". عليك أن تنظر إلى إشارات متعددة في آنٍ واحد: حركة المرور المباشرة، البحث عن العلامة التجارية، MMM، إجابات نماذج اللغة الكبيرة الفعلية، والتحويلات. وبصراحة، فإن السؤال القديم الجيد "كيف سمعت عنا؟" يصبح كل يوم أقل سوءًا :)

أردت أن أقدم لكم نظرة سريعة على ما يمكن لـ CopyCheck فعله: • محفظتي: تحقق من القيمة الحالية، والأرباح/الخسائر غير المحققة، وأسعار التعادل. جرب حركات سوق مختلفة لمعرفة كيف ستؤثر على محفظتك. • مراجعة معاملات المحفظة: راجع ما يصل إلى خمس محفظات @solana خلال فترة زمنية تصل إلى 90 يومًا. فلتر الخسائر وافحص عمليات الشراء والبيع الفردية وروابط المعاملات. • مقارنة محفظتين: شاهد كيف أثرت أسعار الدخول والخروج على العوائد في المعاملات المتطابقة المؤهلة. لا تحتاج إلى ربط محفظتك (أعتقد أن هذه هي الحواجز الحقيقية في الوقت الحالي). يمكنك أيضًا عرض لقطات سوق الرموز، وفتح روابط المخططات، وتصدير تقاريرك (ملاحظة: جميع نتائج المعاملات تُعرض قبل الخصومات). يُظهر الفيديو تدفق مراجعة المحفظة، لكن المقال يغطي الحسابات والحدود بمزيد من التفصيل. أخبرني بما تعتقد!

إنها مقالة جيدة عن كيفية توسيع التوزيع، لكنها لا تذكر شيئًا عن: → التسعير → التحويل من المجاني إلى المدفوع → معدلات التخلي → تكاليف المبدعين → إنفاق الإعلانات → هوامش الربح كيف حولوا بالضبط كل هذا الحركة إلى إيرادات قدرها 150 ألف دولار شهريًا؟

هناك شيء لم أفكر فيه حقًا من قبل: مع بدء ميتا، وجوجل، وChatGPT، إلخ، في طرح إعلانات الذكاء الاصطناعي، ما احتمالية أن ينتهي المطاف بالمعلنين بدفع أموال للوصول إلى مستخدمين كانوا سيشترون الخدمة على أي حال – دون إعلان؟ بدأت أفكر في هذا بعد قراءة هذه الدراسة عن فخ "الإسناد الوهمي". فقد تناولت كيفية عمل استهداف المستخدمين على شبكات الإعلام بالتجزئة (RMNs) مثل إعلانات أمازون، ووولمارت كونكت، وإينستاكارت إدز – ووجدت أن النماذج كانت متحيزة. تستهدف نماذج المزايدة الآلية لشبكات الإعلام بالتجزئة بشكل طبيعي المستخدمين الذين لديهم احتمالية عالية جدًا لشراء المنتج (مثل الأشخاص الذين اشتروا العلامة التجارية خمس مرات هذا الشهر). ثم تُظهر لوحة التحكم بالذكاء الاصطناعي عائدًا كبيرًا جدًا على إنفاق الإعلانات (ROAS)، فيستمر المعلنون في الإنفاق. لكن التجارب العشوائية الخاضعة للتحكم أظهرت أن ما يصل إلى 70% من هذه المبيعات كانت غير زائدة. كان المستهلك سيشتري المنتج على أي حال. كان الذكاء الاصطناعي يأخذ الفضل بشكل أساسي على سلوك عضوي، مما يخفي هدرًا هائلاً في ميزانية الإعلانات. مُخيف.

الرأس المال الممنوح ليس أموالًا مجانية. أنا أشعر بقليل جدًا من التعاطف مع الفرق التي تعامله كأنه كذلك. للسياق، أنا أتحدث عن منحة @limitlessdefi البالغة 75,000 رمز ARB لتحفيز السيولة على @arbitrum. قرأت من لجنة مراقبة Arbitrum أن المشروع قام بتحويل كامل المنحة إلى USDC ونقلها إلى Base بدلاً من ذلك. لاحقًا، يبدو أن المشروع توقف عن العمل. وقدُّم للفريق حتى 10 سبتمبر لتوضيح ما حدث أو إرجاع الأموال. ولم يفعلوا أيًا من الأمرين. الآن، تُجري Arbitrum تصويتًا لحظر المؤسسين بشكل دائم من برامج DAO المستقبلية. إذا منحك النظام البيئي رأس مالًا لمهمة محددة، وقمت بنقل المبلغ الكامل إلى مكان آخر، فهذا يصبح فشلًا في الحوكمة والمساءلة. لذلك، هذا بالتأكيد الرد الصحيح.

لقد اكتشفت للتو دراسة محاكاة مثيرة جدًا: ماذا يحدث إذا جعلت وكلاء ذكاء اصطناعي يحاكون سلوك المشترين العاديين – ثم تختبر حملات التسويق عليهم قبل إطلاق أي شيء في العالم الحقيقي؟ قام الباحثون ببناء بلدة افتراضية صغيرة وملؤها بوكالات ذكاء اصطناعي. فقط 11 وكيلًا و10 مواقع. كان لكل وكيل: • ميزانية • مستوى طاقة • احتياجات غذائية وتسوق • ذاكرة • علاقات اجتماعية • شخصيته الخاصة ثم أنشأ DeepSeek-V3 خططهم ومحادثاتهم وقرارات شرائهم. فذهب الوكلاء إلى العمل، وأكلوا، وتحدثوا مع بعضهم البعض، وتذكروا أشياء، ودعوا أصدقاء إلى مكان ما – وقرروا بشكل مستقل أين ينفقون أموالهم. كان التجربة الفعلية بسيطة جدًا: عرض أحد متاجر الدجاج المقلي خصمًا بنسبة 20% في منتصف الأسبوع. ثم راقب الباحثون ما حدث. • زاد إيراد المتجر بنسبة 51% من اليوم الثاني إلى اليوم الثالث – حتى بعد (!) انتهاء الخصم. • نما حصة السوق الخاصة به من 30% في اليوم الأول إلى 41% في اليوم الثالث. • لكن السوق الإجمالي لم ينمو حقًا. إذًا، لم يخلق الخصم طلبًا جديدًا كثيرًا – بل سحب العملاء أساسًا من منافس. • خسر المطعم المحلي حصة سوقية وانخفض إيراده بنسبة 7%. • ظل مقهى القهوة مستقرًا نسبيًا. والأكثر إثارة، أن أقوى تأثير لم يحدث فورًا. يفسر المؤلفون ذلك على أنه انتشار للمعلومات عبر الشبكة الاجتماعية للوكلاء: فقد تحدثوا، وخططوا معًا، ودعوا الأصدقاء – وزاد الاهتمام بالموقع من خلال تفاعلاتهم. كما أنتجت المحاكاة شيئًا يشبه الولاء: عاد بعض الوكلاء إلى متجر الدجاج المقلي خلال العرض، بينما حافظ المطعم على جاذبيته الأوسع حتى دون خصومات. إذًا، نظريًا، يمكن لأنظمة كهذه أن تسمح للمسوقين باختبار: • الخصومات • العروض الترويجية • تغييرات الأسعار • إطلاق منتجات جديدة • سيناريوهات تنافسية على مستهلكين اصطناعيين قبل الدخول إلى السوق الحقيقي. لكن هناك "لكن" مهمة جدًا. ما زالت هذه تجربة إثبات مفهوم، وليست دليلًا على أن الذكاء الاصطناعي يمكنه التنبؤ بثقة بسلوك الإنسان الحقيقي. كانت المحاكاة تحتوي فقط على 11 وكيلًا. تعتمد قراراتهم بشكل كبير على تصميم التحفيز، ونموذج اللغة المختار، وقواعد البيئة، وحتى كيفية هيكلة البلدة الافتراضية. برأيي، هذا شيء يستحق المتابعة بالتأكيد. لأنه إذا تم ضبط هذه المحاكاة بشكل صحيح على بيانات العالم الحقيقي في النهاية، فقد تحدث جزء من تطوير العملاء، وتجارب التسعير، واختبار الحملات أولًا على وكلاء الذكاء الاصطناعي – ثم فقط على البشر.

بالإضافة إلى ذلك، تأكدت @Revolut أنها كشفت معلومات العملاء بعد تلقي طلبات احتيالية من عنوان بريد إلكتروني يستخدم نطاقًا رسميًا لوكالة حكومية. ووفقًا للتقارير، شملت المعلومات المكشوفة وثائق الهوية، وقد تضمنت أيضًا صورًا ذاتية للتحقق وسجلات المعاملات. تقول Revolut إن أموال العملاء لم تتأثر، لكن هذا لا يجعل التعرض آمنًا. فقد تساعد هذه التفاصيل شخصًا على انتحال هوية عميل أو جعل رسالة احتيالية أكثر إقناعًا بكثير. أعتقد أن علينا طلب شرح واضح لكيفية تجاوز هذه الطلبات لإجراءات التحقق الخاصة بهم، وما الذي تم تغييره، وما الدعم الذي سيحصل عليه العملاء المتضررون، بدلاً من التصريحات العامة.

بعض الأمور بارزة لي في هذا المقال عن أسواق الحوسبة، حيث تشتري شركات الذكاء الاصطناعي الوصول إلى وحدات معالجة الرسوميات الخاصة بطرف آخر لتدريب النماذج أو تشغيل خدماتها ↓ → لا تزال صفقات وحدات معالجة الرسوميات تتم عبر مجموعات الدردشة لا يزال جزء كبير من قوة الحوسبة يُشترى عبر وسطاء وصفقات خاصة ومجموعات الدردشة. مقارنة الأسعار بين الموردين أمر فوضوي. بصراحة، هذا أمر مجنون إلى حد ما نظرًا للتقدم الكبير الذي حققته هذه التكنولوجيا. → يمكن أن تُتداول الحوسبة مثل الكهرباء يُجادل المقال بأن إيجار وحدات معالجة الرسوميات يمكن أن يصبح سوقًا للسلع، مع مؤشرات أسعار وعقود لإدارة التكاليف المستقبلية. بدأت أسواق الكهرباء في الخضوع لتحول مشابه في التسعينيات مع فتحها أمام المنافسة. → نفس الشريحة لا تعني نفس الصفقة الموقع، الموثوقية، وشروط الإيجار كلها تؤثر على السعر. الوصول الرخيص إلى وحدات معالجة الرسوميات الذي يمكن أن يتوقف فجأة يختلف تمامًا عن التوفر المضمون. فمثلاً، يحتاج روبوت دردشة ذكي إلى البقاء متاحًا للمستخدمين، بينما قد تقبل شركة تستخدم الذكاء الاصطناعي لوضع علامات على الصور طوال الليل التوقفات لتقليل التكلفة. → نفيديا هي في الأساس البنك المركزي للحوسبة إن جدول إصداراتها يؤثر على سرعة فقدان وحدات معالجة الرسوميات الأقدم لقيمتها، كما أنها تستفيد من الحفاظ على تشغيل وحدات معالجة الرسوميات الحالية، لأن الطلب على قوة الحوسبة هذه يعطي مشغلي مراكز البيانات سببًا لشراء المزيد من الشرائح. → تتجاوز الفرصة إيجار وحدات معالجة الرسوميات تعمل الشركات أيضًا على أدوات تسعير ومنصات تداول وقروض وتأمين. رهان المؤلف هو أن الشركات التي تجمع بين الوصول الموثوق إلى وحدات معالجة الرسوميات وهذه الخدمات المالية يمكن أن تمتلك ميزة تنافسية. تقول Silicon Data إنها تتبع 95% من مزودي وحدات معالجة الرسوميات في نيوكلود و100% من المزودين الكبار. ويُستخدم بالفعل هذا البيانات الإيجارية لبناء مؤشرات أسعار يومية للحوسبة. لذلك أعتقد أن هذا يعطينا نظرة على كيفية نمو إيجار وحدات معالجة الرسوميات ليصبح سوقًا ماليًا أوسع.

هذه مجرد طريقة أخرى لإتاحة فرص استثمار في العملات المشفرة للمستثمرين التقليديين دون مغادرة حساباتهم الوسيطة. أثبت بالفعل نموذج IBIT من @BlackRock. يقوم الناس بشراء أسهم للحصول على تعرّض لـ Bitcoin. يحتفظ الصندوق بـ 61.6 مليار دولار في أصول صافية. يقوم @Fidelity's FETH بنفس الشيء لـ ETH. يعمل من خلال حسابات الوسيط العادية وحسابات التقاعد المؤهلة. لا يتطلب إعداد محفظة. الجاذبية واضحة: أضف العملات المشفرة إلى الحساب الذي تستخدمه بالفعل للأسهم، وتجنّب إدارة المحافظ، وعبارات البذور، وإعداد التخزين. أرغب في معرفة كمية الأموال التقليدية التي ستتدفق فعليًا إلى TRX من خلال هذا.

يا رجل، لم أسمع قط عن قراصنة يعيدون الأموال، ههه. شخص ما اكتشف ثغرة في @Liquid_BTC سمحت له بإنشاء L-BTC غير مدعوم، ثم سحب ما يقارب 4,000 BTC حقيقية من الاحتياطي. أعادوا 3,400 BTC بعد أن أصلحهم @Blockstream، لكنهم احتفظوا بحوالي 598 BTC، ما يعادل حوالي 47 مليون دولار. ربما كان هناك اتفاق خلف الكواليس، لكن أخذ 320 مليون دولار أولاً والاحتفاظ بـ47 مليون دولار طريقة مجنونة جدًا للتفاوض.