Маркетинговая аналитика и корректное распределение заслуг становятся 🥀 Еще одна тенденция, которую я недавно заметил: традиционная маркетинговая аналитика становится все менее надежной. Во-первых, поведение пользователей сейчас намного сложнее. Фуннел, при котором человек видит пост в X, ищет продукт в Google, сравнивает варианты с помощью ИИ, читает отзывы на Reddit, а затем попадает в категорию «Прямой» или «Органический» — сегодня это абсолютно нормально. И кроме того, у нас теперь появился трафик от ИИ со всеми сопутствующими нестабильностями. Вот свежий пример: В октябре ChatGPT несколько дней некорректно передавал данные utm_source и referrer. В GA4 это выглядело как внезапное падение трафика из ChatGPT на 22–57%, тогда как на самом деле значительная часть этих визитов просто переместилась в категорию «Прямой». Кроме того, более половины веб-трафика теперь приходится на ботов, что означает, что стандартные показатели трафика становятся все менее репрезентативными по отношению к реальному поведению людей. Так что в 2026 году уже рискованно смотреть только на одну панель и делать вывод, что «этот канал растет» или «этот канал мертв». Нужно одновременно анализировать несколько сигналов: прямой трафик, брендовые запросы, MMM, реальные ответы LLM и конверсии. И честно говоря, старый добрый вопрос «Как вы узнали о нас?» каждый день выглядит все менее ужасно :)

Хочу быстро рассказать вам, что может CopyCheck: • Мои активы: проверьте текущую стоимость, нереализованную прибыль/убыток и цены безубыточности. Попробуйте разные сценарии рынка, чтобы увидеть, как они повлияют на ваши позиции. • Анализ сделок кошелька: просмотрите до пяти кошельков @solana за период до 90 дней. Фильтруйте убытки и изучайте отдельные покупки, продажи и ссылки на транзакции. • Сравнение двух кошельков: увидьте, как цены входа и выхода повлияли на доходность совпадающих подходящих сделок. Вам не нужно подключать свой кошелек (на мой взгляд, сегодня это настоящий барьер для входа). Вы также можете просматривать снимки рынка токенов, открывать ссылки на графики и экспортировать свои отчеты (кстати, все результаты сделок показаны до вычета комиссий). Видео демонстрирует процесс анализа кошелька, но в статье подробнее описаны расчеты и ограничения. Расскажите, что вы думаете!

Это хороший материал о том, как они масштабировали распространение, но в нём ничего не говорится о: → Ценообразовании → Конверсии с бесплатного на платный → Оттоке → Затратах на создателей → Расходах на рекламу → Рентабельности Как именно они превратили весь этот трафик в $150 000 дохода в месяц?

Есть что-то, о чём я раньше никогда не задумывался: Теперь, когда Meta, Google, ChatGPT и другие начинают запускать AI-рекламу, какова вероятность того, что рекламодатели будут платить за охват пользователей, которые всё равно купили бы продукт или услугу — без рекламы? Я начал об этом думать после прочтения исследования о ловушке «приписывания призраков». В нём анализировалась работа таргетинга в сетях ритейл-рекламы (RMN), таких как Amazon Ads, Walmart Connect и Instacart Ads, — и выяснилось, что модели были предвзятыми. Автоматизированные модели ставок в RMN естественным образом нацеливаются на пользователей, которые уже с высокой вероятностью купят продукт (например, людей, которые купили этот бренд пять раз в этом месяце). Затем AI-панель показывает огромную рентабельность рекламных расходов (ROAS), и рекламодатели продолжают тратить. Однако рандомизированные контролируемые испытания показали, что до 70% этих продаж были неинкрементальными. Потребитель купил бы товар и без рекламы. ИИ фактически присваивал себе заслугу за органическое поведение, скрывая огромную трату рекламного бюджета. Страшно.

Грантовый капитал — это не бесплатные деньги. Я испытываю крайне мало сочувствия к командам, которые относятся к нему как к таковым. Для контекста: я говорю о гранте @limitlessdefi в размере 75 000 токенов ARB для стимулирования ликвидности на @arbitrum. Из отчета Наблюдательного комитета Arbitrum я узнал, что проект обменял весь грант на USDC и перевел его на Base. Позже проект, по всей видимости, прекратил свою деятельность. Команде было предоставлено до 10 сентября время, чтобы объяснить, что произошло, или вернуть средства. Они ничего из этого не сделали. Теперь Arbitrum голосует за постоянный запрет основателям участвовать в будущих программах DAO. Если экосистема предоставляет вам капитал для конкретной задачи, а вы перемещаете всю сумму куда-то еще, это становится провалом в управлении и отчетности. Так что это, безусловно, правильная реакция.

Только что наткнулся на очень интересное исследование с использованием симуляции: Что произойдет, если заставить ИИ-агентов моделировать поведение типичных покупателей — и тестировать маркетинговые кампании на них перед запуском в реальном мире? Исследователи создали небольшой виртуальный город и заселили его ИИ-агентами. Всего 11 агентов и 10 локаций. Каждый агент имел: • бюджет • уровень энергии • потребности в еде и покупках • память • социальные связи • собственную персональность Затем DeepSeek-V3 генерировал их планы, разговоры и решения о покупках. Агенты приступили к действиям: ели, общались друг с другом, запоминали события, приглашали друзей куда-то — и самостоятельно решали, где тратить деньги. Сам эксперимент был очень простым: один магазин жареной курицы предложил скидку 20% посередине недели. Исследователи просто наблюдали, что произошло. • Выручка магазина выросла на 51% со второго по третий день — даже после (!) окончания скидки. • Его доля рынка увеличилась с 30% в первый день до 41% в третий день. • Но ОБЩИЙ рынок практически не расширился. То есть скидка не создала много нового спроса — она в основном оттянула клиентов от конкурента. • Местный ресторан потерял долю рынка и увидел падение выручки на 7%. • Кофейня осталась относительно стабильной. Еще более интересно, что сильнейший эффект проявился не сразу. Авторы интерпретируют это как распространение информации через социальную сеть агентов: они общались, планировали вместе, приглашали друзей — и интерес к месту рос благодаря их взаимодействиям. Симуляция также породила нечто, напоминающее лояльность: некоторые агенты возвращались в магазин жареной курицы во время акции, в то время как ресторан сохранял более широкую привлекательность даже без скидок. Таким образом, теоретически подобные системы могут позволить маркетологам тестировать: • скидки • акции • изменения цен • запуски новых продуктов • конкурентные сценарии на синтетических потребителях, прежде чем выходить на реальный рынок. Но есть очень важное НО. Это пока только доказательство концепции, а не доказательство того, что ИИ может надежно предсказывать реальное поведение людей. Симуляция включала всего 11 агентов. Их решения сильно зависят от дизайна промптов, выбранной языковой модели, правил среды и даже от структуры виртуального города. На мой взгляд, это точно то, за чем стоит следить. Потому что если такие симуляции в будущем будут правильно откалиброваны на реальных данных, часть CustDev, ценовых экспериментов и тестирования кампаний может сначала проходить на ИИ-агентах — а уже потом на людях.

Кстати, @Revolut подтвердила, что раскрыла информацию клиентов после получения мошеннических запросов с адреса электронной почты, использующего домен легитимного государственного учреждения. Согласно сообщениям, раскрытая информация включала документы, удостоверяющие личность, а также могла включать верификационные селфи и историю транзакций. Revolut утверждает, что средства клиентов не пострадали, но это не делает утечку безвредной. Эти данные могут помочь кому-то выдать себя за клиента или сделать мошенническое сообщение гораздо более убедительным. Я считаю, что мы должны требовать четкого объяснения того, как эти запросы прошли проверку, что было изменено и какую поддержку получат пострадавшие клиенты, вместо общих заявлений.

Несколько моментов бросились мне в глаза в этой статье о рынках вычислительных ресурсов, где компании ИИ покупают доступ к чужим GPU для обучения моделей или запуска своих сервисов ↓ → Сделки с GPU всё ещё происходят в групповых чатах Большая часть этих вычислительных мощностей по-прежнему покупается через брокеров, частные сделки и групповые чаты. Сравнение цен между поставщиками — полный хаос. Честно говоря, это довольно безумно, учитывая, насколько далеко продвинулась эта технология. → Вычислительные ресурсы могут торговаться, как электричество В статье утверждается, что аренда GPU может превратиться в товарный рынок с эталонными ценами и контрактами для управления будущими расходами. Рынки электроэнергии начали проходить схожую трансформацию в 1990-х годах, когда они открылись для конкуренции. → Один и тот же чип не означает одинаковую сделку Местоположение, надёжность и условия аренды влияют на цену. Дешёвый доступ к GPU, который может быть прерван, — это совсем не то же самое, что гарантированная доступность. AI-чатботу нужно оставаться доступным для пользователей, тогда как компания, использующая ИИ для разметки изображений ночью, может согласиться на перерывы, чтобы платить меньше. → NVIDIA по сути является центральным банком для вычислительных ресурсов Её график выпуска новых продуктов влияет на скорость потери стоимости более старыми GPU, а также выгодно ей поддерживать загрузку существующих GPU, поскольку спрос на эти вычислительные мощности побуждает операторов дата-центров покупать больше чипов. → Возможности выходят за рамки аренды GPU Компании также разрабатывают инструменты ценообразования, торговые платформы, кредитование и страхование. Автор считает, что компании, сочетающие надёжный доступ к GPU с этими финансовыми сервисами, получат конкурентное преимущество. Silicon Data утверждает, что отслеживает 95% поставщиков GPU neocloud и 100% крупнейших хайперскейлеров. Эти данные об аренде уже используются для создания ежедневных ценовых эталонов для вычислительных ресурсов. Таким образом, я думаю, что это даёт нам представление о том, как аренда GPU может превратиться в более широкий финансовый рынок.

Это ещё один способ предоставить традиционным инвесторам доступ к криптовалюте, не покидая свой брокерский счёт. @BlackRock уже доказала эту модель с IBIT. Люди покупают акции, чтобы получить экспозицию к bitcoin. Фонд держит $61,6 млрд чистых активов. @Fidelity делает то же самое для ETH с FETH. Работает через обычные брокерские счёта и подходящие пенсионные счёта. Настройка кошелька не требуется. Преимущество очевидно: добавьте криптовалюту на тот счёт, который вы уже используете для акций, и избавьтесь от управления кошельком, seed-фразами и настройки стейкинга. Интересно посмотреть, сколько денег из TradFi действительно поступит в TRX благодаря этому.

Брух, я никогда не слышал, чтобы хакеры возвращали деньги, лол. Кто-то нашел уязвимость в @Liquid_BTC, которая позволяла создавать непокрытые L-BTC, а затем вывести почти 4 000 реальных BTC из резерва. Они вернули 3 400 BTC после того, как @Blockstream устранил уязвимость, но оставили около 598 BTC, что составляет примерно $47 млн. Возможно, за кулисами было заключено соглашение, но сначала взять $320 млн и оставить $47 млн — это довольно безумный способ вести переговоры.