मार्केटिंग एनालिटिक्स और उचित अनुसरण अब 🥀 हो रहे हैं। हाल के समय में मैं जो एक और प्रवृत्ति देख रहा हूँ, वह है कि पारंपरिक मार्केटिंग एनालिटिक्स कम और कम विश्वसनीय होते जा रहे हैं। पहले, उपयोगकर्ता व्यवहार अब काफी अधिक जटिल हो गया है। एक ऐसा फनल, जहाँ कोई व्यक्ति X पर एक पोस्ट देखता है, उत्पाद के बारे में Google पर खोजता है, AI के साथ विकल्पों की तुलना करता है, Reddit की समीक्षाएँ पढ़ता है, और फिर Direct या Organic के रूप में आता है, आज पूरी तरह सामान्य है। और इसके अलावा, हमारे पास अब AI ट्रैफ़िक है और इसके साथ आने वाली सभी अस्थिरता। यहाँ एक नया उदाहरण है: अक्टूबर में, ChatGPT कुछ दिनों के लिए utm_source और referrer डेटा को सही ढंग से पास नहीं कर पा रहा था। GA4 में, ChatGPT ट्रैफ़िक में 22–57% की अचानक कमी दिखी, जबकि वास्तव में, इन में से काफी हद तक के विज़िट्स सिर्फ Direct में स्थानांतरित हो गए। इसके अलावा, अब वेब ट्रैफ़िक का आधे से अधिक हिस्सा बॉट्स है, जिसका मतलब है कि मानक ट्रैफ़िक संख्याएँ वास्तविक मानवीय व्यवहार के प्रतिनिधि होती जा रही हैं। इसलिए 2026 में, केवल एक ही डैशबोर्ड को देखकर “यह चैनल बढ़ रहा है” या “यह चैनल मर चुका है” कहना पहले से कहीं अधिक जोखिमभरा होगा। आपको एक साथ कई संकेतों को देखना होगा: direct traffic, brand search, MMM, वास्तविक LLM उत्तर, और conversions। और सच कहूँ, पुराना-अच्छा “आपने हमें कहाँ से सुना?” प्रश्न हर दिन कम से कम कुरूप लगने लगा है :)

आप सभी के लिए एक जल्दी समीक्षा देना चाहता हूँ कि CopyCheck क्या कर सकता है: • मेरे होल्डिंग्स: वर्तमान मूल्य, अनुसूचित लाभ/नुकसान, और ब्रेक-ईवन कीमतें जाँचें। विभिन्न बाजार गतिविधियों को आजमाएँ ताकि देख सकें कि वे आपके बैग्स को कैसे प्रभावित करेंगे। • वॉलेट लेनदेन की समीक्षा करें: 90 दिनों की सीमा में अधिकतम पाँच @solana वॉलेट्स की समीक्षा करें। नुकसान को फ़िल्टर करें और व्यक्तिगत खरीद, बिक्री, और लेनदेन लिंक्स की जाँच करें। • दो वॉलेट्स की तुलना करें: मिलते-जुलते पात्र लेनदेनों पर प्रवेश और एक्ज़िट कीमतों के प्रभाव को देखें। आपको अपना वॉलेट कनेक्ट करने की आवश्यकता नहीं है (मुझे लगता है कि आजकल यही असली मूट है)। आप टोकन मार्केट स्नैपशॉट्स, ओपन चार्ट लिंक्स, और अपनी रिपोर्ट्स एक्सपोर्ट कर सकते हैं (FYI, सभी लेनदेन परिणाम शुल्क से पहले प्रदर्शित किए जाते हैं)। वीडियो में वॉलेट समीक्षा प्रवाह दिखाया गया है, लेकिन लेख में गणनाओं और सीमाओं के बारे में अधिक विस्तार से बताया गया है। मुझे बताएँ कि आपको क्या लगता है!

यह उनके वितरण को कैसे स्केल किया गया, इस पर एक अच्छा लेख है, लेकिन इसमें कुछ भी नहीं बताया गया है: → मूल्य निर्धारण → मुफ्त से भुगतान करने वाले पर स्थानांतरण → चर्न → निर्माता लागत → विज्ञापन खर्च → लाभ मार्जिन उन्होंने इस सभी ट्रैफ़िक को $150K/महीने की आय में कैसे बदला?

ऐसा कुछ मैंने कभी वास्तव में नहीं सोचा था: अब जब मेटा, गूगल, चैटजीपीटी आदि एआई विज्ञापन लॉन्च करने लगे हैं, तो क्या संभावना है कि विज्ञापनदाता उन उपयोगकर्ताओं तक पहुँचने के लिए भुगतान करेंगे जो विज्ञापन के बिना भी सेवा खरीदते? मैंने इसके बारे में सोचना शुरू किया, जब मैंने "गॉस्ट एट्रिब्यूशन" के जाल पर इस अध्ययन को पढ़ा। इसमें रिटेल मीडिया नेटवर्क (RMNs) जैसे अमेज़न एड्स, वॉलमार्ट कनेक्ट और इंस्टाकार्ट एड्स पर उपयोगकर्ता टारगेटिंग कैसे काम करती है, इसकी जाँच की गई है – और पता चला कि मॉडल में पक्षपात है। स्वचालित RMN बोडिंग मॉडल स्वाभाविक रूप से उन उपयोगकर्ताओं को टारगेट करते हैं जो पहले से ही एक उत्पाद को खरीदने की अत्यधिक संभावना रखते हैं (जैसे, इस महीने 5 बार इसी ब्रांड को खरीदने वाले लोग)। फिर AI डैशबोर्ड पर विज्ञापन पर खर्च का बहुत अधिक प्रतिलाभ (ROAS) दिखाई देता है, और विज्ञापनदाता खर्च करते रहते हैं। लेकिन संयोजित नियंत्रित परीक्षणों से पता चला कि इनमें से 70% तक की बिक्री non-incremental (अतिरिक्त) थी। उपभोक्ता पहले से ही आइटम खरीदता। AI मूलभूत व्यवहार के लिए स्वयं को प्रशंसा कर रहा था, जिससे विज्ञापन बजट का भारी ह्रास छुपा हुआ है। डरावना।

ग्रांट पूंजी मुफ्त पैसा नहीं होती। मुझे उन टीमों के लिए बहुत कम सहानुभूति है जो इसे मुफ्त पैसा समझती हैं। संदर्भ के लिए, मैं @arbitrum पर तरलता को प्रोत्साहित करने के लिए @limitlessdefi द्वारा दिए गए 75,000 ARB टोकन के ग्रांट की बात कर रहा हूँ। मैंने Arbitrum के वॉचडॉग समिति से पढ़ा कि प्रोजेक्ट ने पूरा ग्रांट USDC में बदल दिया और इसे Base पर ब्रिज कर दिया। बाद में प्रोजेक्ट कार्य करना बंद कर दिया गया। टीम को फिर 10 सितंबर तक समझाने का समय दिया गया कि क्या हुआ या फिर धन वापस कर दिया जाए। उन्होंने दोनों ही कार्य नहीं किए। अब Arbitrum, संस्थापकों को भविष्य के DAO प्रोग्राम से स्थायी रूप से प्रतिबंधित करने के लिए मतदान कर रहा है। अगर कोई परितंत्र आपको एक विशिष्ट आदेश के लिए पूंजी देता है और आप पूरी रकम कहीं और स्थानांतरित कर देते हैं, तो यह एक शासन और जवाबदेही की विफलता बन जाती है। इसलिए, यह निश्चित रूप से सही प्रतिक्रिया है।

मैंने हाल ही में एक बहुत दिलचस्प सिमुलेशन अध्ययन किया: अगर आप AI एजेंट्स को सामान्य खरीदारों के व्यवहार को सिमुलेट करने के लिए बनाएं – और फिर वास्तविक दुनिया में कुछ लॉन्च करने से पहले उन पर मार्केटिंग अभियान टेस्ट करें – तो क्या होगा? शोधकर्ताओं ने एक छोटा सा वर्चुअल शहर बनाया और उसमें AI एजेंट्स से भर दिया। केवल 11 एजेंट्स और 10 स्थान। प्रत्येक एजेंट के पास था: • एक बजट • एक ऊर्जा स्तर • भोजन और खरीदारी की आवश्यकताएँ • स्मृति • सामाजिक संबंध • अपना स्वयं का व्यक्तित्व फिर DeepSeek-V3 ने उनकी योजनाएँ, बातचीत और क्रय निर्णय उत्पन्न किए। इसलिए एजेंट्स काम पर गए, खाएं, एक-दूसरे से बात की, चीजों को याद रखा, दोस्तों को कहीं आमंत्रित किया – और स्वतंत्र रूप से निर्णय लिया कि पैसा कहाँ खर्च करना है। वास्तविक प्रयोग बहुत सरल था: एक मुर्गी की फ्राइड चिकन की दुकान ने सप्ताह के मध्य में 20% की छूट प्रदान की। शोधकर्ताओं ने फिर देखा कि क्या हुआ। • दुकान की आय Day 2 से Day 3 के बीच 51% बढ़ी – हालाँकि (!) छूट के बाद। • इसका बाजार हिस्सा Day 1 पर 30% से Day 3 पर 41% हो गया। • लेकिन कुल बाजार में कोई महत्वपूर्ण वृद्धि नहीं हुई। इसलिए, छूट ने कोई नयी मांग पैदा नहीं की – इसने मुख्यतः प्रतिद्वंद्वी सेग्राहकों को हटा लिया। • स्थानीय डाइनर का मार्केट हिस्सा कम हो गया और आय 7% कम हो गई। • कॉफीशॉप सापेक्षिक रूप से स्थिर रहा। और अधिक दिलचस्प बात, सबसे मजबूत प्रभाव तुरंत प्रकट नहीं हुआ। लेखकों का मानना है कि प्रभाव AIएजेंट्स के सामाजिक संबंधों के माध्यम से प्रसारित हुआ:उन्होंने बातचीत की, साथ में प्लान बनाए, मित्रों कोआमंत्रित किया –औरउनकीअंतःक्रियाओंकेमाध्यमसेस्थानकीदिलचस्पीबढ़ी। सिमुलेशननेएकऐसीचीजभीउत्पन्नकीजोलगतकेसमानथी:कुछएजेंटसप्रमोशनकेदौरानमुर्गीकीफ्राइडचिकनकीदुकानपरवापसआए,जबकिडाइनरबिनाछूटकेभीविस्तृतआकर्षणबनाएरखा। इसलिए, सैद्धांतिक रूप से,इस प्रकार के प्रणालियोंकेमाध्यमसेमार्केटरअपने परीक्षणकरसकतेहैं: •छूट •प्रमोशन •मूल्यपरिवर्तन •नएउत्पादलॉन्च •प्रतिस्पर्धीपरिदृश्य वास्तविकबाज़ारमेजानेसेपहलेसिंथेटिकउपभोक्ताओंपर। लेकिनएकबहुतमहत्वपूर्णBUTहै। यहअभीभीएकप्रूफऑफकॉनसेप्टहै,औरयहसबूतनहींहैकिAIवास्तविकमनुष्यकेव्यवहारकोविश्वसनीयतासेपूर्व-भविष्यवाणीकरसकता है। इस सिमुलेशन में केवल 11एजेंटथे। उनकेnिर्णय प्रमptsडिज़ाइन,चुनेgएLLM,परिवेशकेniयम,औरयहभीकिvrtualशहरकैसेबना है,इनपरअत्यधिकनिरभरहै। मेरेvम,यहबेशकएकऐसीचीजहैजिसपरधyanदेनाचहए। क्योंकि,अगरयहसमुलेशनअंततःवास्तविकदुनिया केडेटा परउचितrूपसेकैलिब्रेटहोजाएँ,तोCustDev,मूल्यप्रयोगऔरअभियानपरीक्षणकाkुछभागAIएजेंट परहोगा –औरफिरहीमनुष्य पर।

BTW, @Revolut ने पुष्टि की कि उन्होंने एक वैध सरकारी एजेंसी डोमेन का उपयोग करने वाले ईमेल पते से आने वाली धोखाधड़ी वाली अनुरोधों के बाद ग्राहक जानकारी साझा कर दी। जाहिर है, प्रकाशित जानकारी में पहचान दस्तावेज शामिल थे और सत्यापन सेल्फी और लेनदेन इतिहास भी शामिल हो सकते थे। Revolut का कहना है कि ग्राहक की राशियाँ प्रभावित नहीं हुईं, लेकिन इससे प्रकाशन हानिकारक नहीं हो जाता। ये विवरण किसी को ग्राहक का अपना बनाने या धोखेबाज़ संदेश को काफी अधिक विश्वसनीय बनाने में मदद कर सकते हैं। मुझे लगता है कि हमें सामान्य कथनों के बजाय इन अनुरोधों के उनकी जांच से कैसे होकर गुजरे, उन्होंने क्या बदला, और प्रभावित ग्राहकों को क्या समर्थन मिलेगा, इसकी स्पष्ट समझ मांगनी चाहिए।

इस कंप्यूट के बाजार पर लेख में कुछ बातें मुझे विशेष रूप से ध्यान आकर्षित करती हैं, जहां AI कंपनियाँ मॉडल ट्रेन करने या अपनी सेवाएँ चलाने के लिए किसी और के GPU का एक्सेस खरीदती हैं ↓ → GPU के डील अभी भी समूह चैट में होते हैं इस गणना क्षमता का बहुत बड़ा हिस्सा अभी भी ब्रोकर, निजी डील और समूह चैट के माध्यम से खरीदा जाता है। प्रदाताओं के बीच कीमतों की तुलना करना एक अव्यवस्था है। सच कहूँ तो, इस तकनीक के इतने आगे बढ़ने के बावजूद, यह काफी पागलपन लगता है। → कंप्यूट को बिजली की तरह ट्रेड किया जा सकता है लेख में तर्क दिया गया है कि GPU किराए पर लेना एक कमोडिटी मार्केट बन सकता है, जिसमें मूल्य सूचकांक और भविष्य की लागत प्रबंधित करने के लिए अनुबंध होंगे। 1990 के दशक में, जब बिजली के बाजारों में प्रतिस्पर्धा के लिए खुलवाया गया, तो उनमें भी समान परिवर्तन हुआ। → समान चिप का मतलब समान डील नहीं स्थान, विश्वसनीयता और किराए की शर्तें सभी कीमत को प्रभावित करती हैं। सस्ता GPU एक्सेस, जो बाधित हो सकता है, सुनिश्चित उपलब्धता से काफी अलग है। एक AI चैटबॉट को उपयोगकर्ताओं के लिए उपलब्ध रहना होता है, जबकि कोई कंपनी, जो AI का उपयोग रातभर छवियों को लेबल करने के लिए करती है, कम प्राप्ति पर सहमत हो सकती है। → NVIDIA मूलतः कंप्यूट के लिए केंद्रीय बैंक है इसका प्रकाशन समयसूची पुराने GPU के मूल्य में कितनी जल्दी कमी करती है, इस पर प्रभाव डालती है, साथ ही, पहले से मौजूद GPU को सक्रिय रखने से NVIDA को फायदा होता है, क्योंकि इस गणना क्षमता की मांग, डेटा सेंटर संचालकों को अधिक चिप्स खरीदने का कारण बनती है। → सुविधा GPU किराए पर लेने से परे है कंपनियाँ प्राइसिंग टूल, ट्रेडिंग प्लेटफॉर्म,ऋणदान,औरबीमाकेसाथ-साथकामभीकररहीहैं।लेखककामाननहींहैकि,विश्वसनीयGPUएक्सेसऔरउनवित्तीयसेवाओंकोजोड़नेवालीकंपनियोंकेपासएकबढ़तहोगी। Silicon Data कहता है कि यह 95% neocloud GPU प्रदाताओं को 100% प्रमुख हाइपरस्केलर्स को 100% प्रदर्शित करता है।यहकिराएकेडेटाकोपहलेसेकंप्यूटकेलिएदैनिकमूल्यसूचकांकबनानेकेलिएउपयोगकियाजारहाहै। इसलिए मुझे लगता है कि GPU किराए पर लेने से हमें प्रस्तुति मिलती है,जिससेयहएकविस्तृतवित्तीयबाज़ारमेंविकसितहोसकताहै।

यह क्रिप्टो के प्रति पारंपरिक निवेशकों को अपने ब्रोकरेज खाते के बिना एक्सपोजर देने का एक और तरीका है। @BlackRock का IBIT पहले ही इस मॉडल को साबित कर चुका है। लोग बिटकॉइन के प्रति एक्सपोजर पाने के लिए शेयर खरीदते हैं। फंड में $61.6B का शुद्ध संपत्ति है। @Fidelity का FETH ETH के लिए यही काम करता है। यह सामान्य ब्रोकरेज खातों और पात्र पेंशन खातों के माध्यम से काम करता है। किसी वॉलेट सेटअप की आवश्यकता नहीं है। इसका आकर्षण स्पष्ट है: आप जिस खाते का उपयोग पहले से स्टॉक्स के लिए करते हैं, उसमें क्रिप्टो जोड़ें, वॉलेट प्रबंधन, सीड फ्रेज और स्टेकिंग सेटअप को छोड़ दें। मुझे देखने में दिलचस्पी है कि TRX में इससे कितना TradFi पैसा वास्तव में प्रवाहित होता है।

ब्रू, मुझे कभी नहीं सुना कि हैकर्स पैसे वापस करते हैं lol। किसी ने @Liquid_BTC में एक बग ढूंढा जिससे उन्होंने अनबैकेड L-BTC बनाया, और रिज़र्व से लगभग 4,000 रियल BTC विड्रॉ कर लिए। @Blockstream द्वारा इसे पैच करने के बाद उन्होंने 3,400 BTC वापस कर दिए, लेकिन अभी भी लगभग 598 BTC, जो लगभग $47M के बराबर है, रख लिए। शायद पीछे कुछ समझौता हुआ होगा, लेकिन पहले $320M लेना और $47M रखना बहुत ही पागलपन भरा तरीका है।