マーケティング分析と適切な属性付けがますます困難になっています。 最近私が注目しているもう一つのトレンドは、従来のマーケティング分析がますます信頼できなくなっていることです。 まず、ユーザーの行動自体がはるかに複雑になっています。 Xで投稿を見て、Googleで製品を検索し、AIで選択肢を比較し、Redditのレビューを読み、その後DirectまたはOrganicとして表示されるというフローは、今日では完全に普通です。 さらに、AIトラフィックとそれに伴う不安定性も加わっています。 最近の例を挙げると： 10月、ChatGPTが数日間、utm_sourceとリファラー情報を正しく渡さなくなりました。 GA4では、ChatGPTからのトラフィックが一気に22～57％減少したように見えましたが、実際にはその大部分の訪問がDirectに移動しただけでした。 さらに、ウェブトラフィックの半分以上がボットであり、標準的なトラフィック数は実際のヒトの行動をますます正確に反映しなくなっています。 そのため、2026年には、1つのダッシュボードを見て「このチャネルは成長している」または「このチャネルは死んでいる」と結論づけるのはすでにリスクがあります。 直接トラフィック、ブランド検索、MMM、実際のLLMの回答、そしてコンバージョンなど、複数のシグナルを同時に見る必要があります。 正直、昔ながらの「どうして当社を知りましたか？」という質問は、毎日ますますまともに見えてきています :)

CopyCheckがどのような機能を提供するか、簡単にご案内します： • 保有資産：現在の価値、評価損益、損益分岐点価格を確認できます。さまざまな市場動向をシミュレートして、保有資産にどのような影響が出るか確認できます。 • ウォレットの取引を確認：最大90日間の期間で、最大5つの@solanaウォレットの取引を確認できます。損失をフィルタリングし、個別の購入・売却およびトランザクションリンクを検証できます。 • 2つのウォレットを比較：エントリー価格と出口価格が、対応する適格取引のリターンにどのように影響したかを確認できます。 ウォレットを接続する必要はありません（最近では、これが本当の競争優位性だと考えています）。 また、トークンの市場スナップショットを表示したり、チャートリンクを開いたり、レポートをエクスポートすることもできます（ご注意：すべての取引結果は手数料前の金額で表示されています）。 動画ではウォレット確認のフローを紹介していますが、記事では計算方法や制限についてより詳細に解説しています。 ご意見をお聞かせください！

彼らが配布を拡大した方法について良い記事ですが、以下の点には一切触れていません： → プライシング → フリーチャージから有料への変換 → 退会率 → クリエイター費用 → 広告費 → 利益率 どのようにして、それらのトラフィックを月額15万ドルの収益に変換したのでしょうか？

私はこれまでまったく考えたことがなかったこと： Meta、Google、ChatGPTなどがAI広告の提供を始めようとしている今、広告主が、広告がなくてもすでにそのサービスを購入していたユーザーにまで広告費用を支払ってしまう可能性はどれほどあるのだろうか？ 私はこの「ゴースト帰属」の罠に関する研究を読んだ後、このことを考えるようになった。この研究は、Amazon Ads、Walmart Connect、Instacart Adsなどの小売メディアネットワーク（RMN）におけるユーザーターゲティングの仕組みを検証し、そのモデルにバイアスが存在することを明らかにした。 自動化されたRMNの入札モデルは、自然とすでに製品を購入する可能性が非常に高いユーザー（たとえば、今月そのブランドを5回購入した人）をターゲットにする。そしてAIダッシュボードは大幅な広告費用対効果（ROAS）を表示し、広告主はさらに支出を続ける。 しかし、ランダム化比較試験では、これらの売上の最大70％が非増分的であることが示された。つまり、消費者は広告がなくてもすでにその商品を購入していたのだ。AIは有機的な行動に功劳を奪われ、広告予算の大幅な無駄を隠蔽していた。 恐ろしい。

グラント資本は無料のお金ではない。 それを無料と扱うチームには、ほとんど同情できない。 背景として、私は@arbitrum上の流動性を促進するために@limitlessdefiが75,000 ARBトークンをグラントした件について話している。 Arbitrumのウォッチドッグ委員会の情報によると、このプロジェクトはグラント全額をUSDCに交換し、Baseへブリッジした。その後、プロジェクトは運営を停止したように見える。 チームには、何が起きたのか説明するか、資金を返還するまでに9月10日まで与えられた。 しかし、彼らはどちらも行わなかった。 今、Arbitrumはこの創設者を今後のDAOプログラムから永久に禁止するための投票を行っている。 エコシステムが特定の使命のために資本を提供し、その全額を他の場所に移動した場合、それはガバナンスと説明責任の失敗となる。 したがって、これは確かに正しい対応である。

非常に興味深いシミュレーション研究にたどり着きました： 通常の買い物客の行動をAIエージェントに模倣させ、リアルワールドでキャンペーンを展開する前に、それらを対象にマーケティングキャンペーンをテストするとどうなるか？ 研究者たちは小さな仮想都市を構築し、11人のエージェントと10か所の場所で満たしました。 各エージェントは以下の要素を持っていました： ・予算 ・エネルギー値 ・食事と買い物のニーズ ・記憶 ・社会的つながり ・独自のパーソナリティ その後、DeepSeek-V3が彼らの計画、会話、購入決定を生成しました。 エージェントたちは働き、食事をとり、互いに会話し、記憶を保持し、友人を誘い、自発的にどこにお金を使うかを決定しました。 実際の実験は非常にシンプルでした：あるフライドチキンショップが週の真ん中で20％の割引を提供しました。 研究者たちはその後何が起こるかを観察しました。 ・割引後（！）にも、2日目から3日目にかけて売上は51％増加しました。 ・市場シェアは1日目で30％から3日目には41％に上昇しました。 ・しかし、全体の市場規模はほとんど拡大しませんでした。 つまり、割引は新たな需要を創出するのではなく、主に競合他社からの顧客を引き寄せただけでした。 ・地元のダイナーは市場シェアを失い、売上は7％減少しました。 ・コーヒーショップは比較的安定していました。 さらに興味深いことに、最も強い効果は即座には現れませんでした。 著者たちは、これがエージェント間の社会的ネットワークを通じて情報が広がった結果だと解釈しています：彼らは会話し、計画を立て、友人を誘い、そのやり取りを通じてその店への関心が高まりました。 シミュレーションはまた、「ロイヤルティ」のように見える現象も生み出しました：一部のエージェントはプロモーション期間中にフライドチキンショップに再訪問し、ダイナーは割引なしでも広範な魅力を維持しました。 理論的には、このようなシステムによりマーケターは以下を仮想消費者に対してテストできるようになります： ・割引 ・プロモーション ・価格変更 ・新製品の立ち上げ ・競合シナリオ そして、リアルな市場に出す前に。 しかし、非常に重要な「しかし」があります。 これはまだ実証的概念にすぎず、AIがリアルな人間の行動を信頼性高く予測できることを示す証拠ではありません。 このシミュレーションはたった11人のエージェントしか含んでいません。 彼らの決定は、プロンプト設計、選択されたLLM、環境のルール、さらには仮想都市の構造に大きく依存しています。 個人的には、これは注目に値する分野だと考えます。 なぜなら、これらのシミュレーションが将来的にリアルワールドデータに基づいて適切に調整されれば、カスタマーデベロップメントや価格実験、キャンペーンテストの一部がまずAIエージェントで行われ、その後に人間に対して実施されるようになる可能性があるからです。

ちなみに、@Revolutは、正当な政府機関のドメインを使用したメールアドレスから送信された不正な要請を受け、顧客情報を開示したことを確認しました。 公開された情報には身分証明書が含まれていた可能性があり、確認用のセルフィーや取引履歴も含まれていた可能性があります。 Revolutは顧客の資金には影響がなかったと述べていますが、この情報漏洩が無害であるわけではありません。これらの詳細は、誰かが顧客になりすますのに役立つ可能性があり、詐欺メッセージをはるかに説得力のあるものにできます。 私は、一括した声明ではなく、これらの要請がどのように審査を通過したのか、どのような対策が講じられたのか、影響を受けた顧客にどのような支援が提供されるのかについて、明確な説明を求めるべきだと思います。

このコンピュートマーケットに関する記事で、AI企業が他の企業のGPUにアクセスしてモデルをトレーニングしたりサービスを実行したりする様子を見て、いくつかの点が気になった↓ → GPUの取引は依然としてグループチャットで行われている 多くの計算リソースは、ブローカーを通じたプライベート取引やグループチャットで購入されている。プロバイダー間での価格比較は混乱している。正直、この技術がここまで進化した今、それはかなり異常だ。 → コンピュートは電力のように取引される可能性がある この記事では、GPUのレンタルが商品市場となり、価格指標や将来のコストを管理するための契約が導入される可能性があると主張している。 電力市場は1990年代に競争が導入され、同様の変化を経験し始めた。 → 同じチップでも、取引条件は異なる 場所、信頼性、レンタル条件などすべてが価格に影響を与える。中断される可能性のある安価なGPUアクセスは、保証された可用性とは大きく異なる。 AIチャットボットはユーザーに対して常に利用可能である必要がある一方で、夜間にAIを使って画像をラベリングする企業は、一時的な停止を受け入れてコストを抑えることができる。 → NVIDIAはコンピュートの中央銀行のような存在だ NVIDIAの製品リリーススケジュールは、古いGPUの価値がどれほど速く下落するかに影響し、同時に既存のGPUを稼働させることで利益を得ている。なぜなら、その計算能力への需要がデータセンター運営者にさらに多くのチップを購入する理由を与えるからだ。 → 機会はGPUレンタルを超える 企業たちは価格設定ツール、取引プラットフォーム、融資、保険にも取り組んでいる。著者は、信頼できるGPUアクセスとこれらの金融サービスを組み合わせた企業が優位性を持つと予測している。 Silicon Dataは、ネオクラウドGPUプロバイダーの95％と主要なハイパースケーラーの100％を追跡している。このレンタルデータはすでに、コンピュートの日次価格指標の構築に活用されている。 したがって、GPUレンタルがより広範な金融市場へと成長する可能性が見えてきたと思う。

これは、証券口座を離れる必要なく、従来の投資家が暗号資産にアクセスする別の方法です。 @BlackRockのIBITはすでにこのモデルを実証しています。 投資家は株式を購入してBitcoinへの露出を得ます。このファンドは616億ドルの純資産を保有しています。 @FidelityのFETHはETHに対しても同じ仕組みを提供します。通常の証券口座および対象となる退職口座を通じて利用可能で、ウォレットの設定は不要です。 メリットは明確です：既に株式取引に使っている口座に暗号資産を追加し、ウォレット管理、シードフレーズ、ステーキング設定の手間を省けます。 この仕組みを通じて、TradFiの資金が実際にTRXにどれだけ流入するか、注目しています。

ブロ、ハッカーがお金を返すなんて聞いたことないよ（笑）。 誰かが@Liquid_BTCにバグを見つけて、裏付けのないL-BTCを作成し、準備金からほぼ4,000BTCを出金した。 @Blockstreamが修正した後、彼らは3,400BTCを返却したが、約598BTC（約4,700万ドル相当）をそのまま保持した。 裏で何らかの取引があったのかもしれないが、まず3億2,000万ドルを奪い、4,700万ドルをそのまま持ち続けるというのは、交渉としてあまりにも異常だ。