Маркетинг и контент

Полгода назад ко мне постучался один из будущих клиентов с вопросом, почему ChatGPT не знает про его компанию, хотя сайт в топ-3 Google по нужному запросу. Индексация была нормальной, ссылки — тоже. Проблема нашлась за пять минут в логах: в robots.txt висел Disallow: / для всех user-agent, кроме Googlebot и YandexBot. GPTBot, ClaudeBot, PerplexityBot получали 403 ещё на первом запросе. Полгода сайт был невидим для трёх из четырёх крупных AI-поисковиков, и никто об этом не знал — в Search Console и Вебмастере всё выглядело зелёным.

Случай типовой. Проверка индексации показывает, видит ли сайт поисковик. Попадёт ли страница в ответ модели, которая формирует его вместо поисковой выдачи, — вопрос отдельный. Это две разные аудитории ботов, и вторая почти никогда не попадает в стандартный SEO-чеклист.

Привет, Хабр! Я рассказывал, как в 50–60-е советские спецэффекты на голову опережали Голливуд. В комментариях закономерно обсуждали, почему тогда «Планету бурь» никто не помнит, а «Звездные войны» смотрит уже третье поколение.

Причин, конечно же, много, но я со своей редакторской колокольни вижу основную: не хватало такой модной хипстерской штуки, как трансмедийный сторителлинг. Это когда события вымышленной вселенной рассказывают в нескольких медиа: книгах, фильмах, сериалах, настолках, комиксах и так далее. Расскажу, что это за прием. И покажу, что придумать крутое — мало, надо еще вдохнуть жизнь и позволить ему развиваться самостоятельно. 

Маленький рекламный тест легко закончить, так ничего и не проверив. Пять текстов получают по несколько кликов, бюджет расходится между ними, а итоговый вывод звучит примерно так: «нужно больше данных».

У нас было 20 TON и пять объявлений для канала по женской психологии.

Два варианта получили основную часть бюджета, три пришлось отключить. Рассказываю, по каким признакам принимали решения и где проходит граница между наблюдением и бесполезным расходом.

Стандартная модель атрибуции молча предполагает, что от касания до конверсии проходят часы или дни. У застройщика между кликом по объявлению и подписанием договора — месяцы: просмотры, расчёт ипотеки, семейный совет, ожидание продажи старого жилья. Квартира стоит 6–8 миллионов, на эмоции за вечер её не берут. В этот зазор проваливается вся привычная перформанс-аналитика: окно атрибуции короче цикла, конверсия-деньги живёт в CRM за пределами рекламного кабинета, и сделок за месяц так мало, что любая статистика по отдельному объявлению — шум.

Ниже — инженерный разбор, как под такие условия проектируется сквозная аналитика: какая нужна модель данных, где ломается last-click, как поднять оффлайн-конверсии из CRM обратно в рекламу и что вообще измерять, пока сделок две-три в месяц и обучать модель не на чем. Цифры по спросу в тексте — из нашего аудита рынка квартир по Башкортостану за 24 месяца; сразу оговорюсь, что конкретные доли верны для Уфы, а переносится между регионами только механика, не проценты.

Адресат — аналитики и маркетологи, которые собирают атрибуцию под длинный B2C-цикл (недвижимость, авто, дорогие услуги). Специфика застройщика тут — удобный крайний случай: цикл длинный, чек высокий, поток сделок низкий одновременно.

Мне нужно было одно число. Какая доля салонов красоты в моём городе даёт клиенту записаться онлайн — без звонка. Я делаю сервис записи для салонов и постоянно слышу от мастеров «нам пишут ночью», «клиенты приходят из интернета». Но сколько всё-таки таких салонов, куда ночью не записаться? Десять процентов? Половина?

Полез искать — и не нашёл. Есть отчёты про объём бьюти-рынка. Есть пресс-релизы CRM про «повальную цифровизацию отрасли». Есть подборки «5 трендов индустрии красоты». А простого числа — у скольких салонов клиент может записаться, не звоня, — нет нигде.

Ну хорошо. Город один, руки есть. Посчитаю сам. Считал два дня, и по дороге выяснил, что самое интересное — не результат, а то, во что упираешься по пути.

Первое объявление Telegram Ads проверяли три дня. Следующие могли оставаться на модерации уже девять–десять. Пока одна часть кампании собирала данные, другая всё ещё ждала запуска, а заранее подготовленный медиаплан постепенно терял актуальность.

Одновременно выяснилось, что каналы про бизнес и финансы приводят аудиторию из другой географии. Рассказываю, как мы перестраивали тесты, почему не стали ускорять расход бюджета повышением CPM и по каким признакам оставляли площадки в кампании.

Мастер отчётов в Директе отдаёт один срез за запрос. Хочешь сравнить расход по площадкам — строишь один отчёт; нужна понедельная динамика стоимости лида — строишь второй; смотришь, какая кампания просела — третий. Между несколькими клиентскими логинами добавьте ещё перелогины. Картина всего аккаунта в этой схеме существует только в голове аналитика, и каждое утро её приходится пересобирать заново.

Мне это мешало достаточно, чтобы потратить вечер и вытащить данные напрямую из Reports API в Google-таблицу: один лист — весь аккаунт по неделям, рядом разрезы по площадкам и по каждой кампании, плюс подневное скользящее окно. Обновляется само через Apps Script. Ниже разберу, как это устроено под капотом, где у конструкции стенки (их хватает) и почему свои боевые дашборды я в итоге всё равно унёс в DataLens. Таблица — пустой шаблон, отдаю по ссылке в конце, можно скопировать и распотрошить.

Адресат — те, кто сам копается в Директе и аналитике. Написали такой инструмент — будет с чем сверить решения; только думаете — сэкономите вечер на граблях.

Сегодня ИИ для создания видео обещает почти одно и то же: загрузите фото или напишите промпт и через пару минут получите готовый ролик. На практике же все гораздо сложнее. Один сервис может сделать красивую картинку, но поменяет лица, другой хорошо держит промпт, но добавляет новые пальцы или руки, а третий отлично оживит фон, но зато люди будут двигаться слишком неестественно со странной мимикой.

Поэтому я решила провести эксперимент и проверить на одном сложном исходнике, какая же нейросеть справится лучше? 

Для теста взяла семейное сгенерированное фото: в кадре женщина, мужчина, ребенок, собака, игрушка, стакан, руки, лица, фон с деревьями и прохожими. Решила взять частый сценарий использования нейросетей, плюс проверить как нейросети справляются не только с “красивым видео”, но и с деталями, которые чаще всего выдают ИИ: глаза, пальцы(все помнят первые генерации пару лет назад с теми жуткими семью пальцами?😄), мимика, окружающие предметы и движением фона.

Для сравнения выбрала 11 российских и зарубежных сервисов. Именно эти сервисы я нашла в популярных подборках ИИ:

Кампания с недельным бюджетом 10 000 ₽ в нише, где заявка стоит около 5 000, не обучится никогда — и автостратегия тут ни при чём. Ей просто не на чем учиться: за неделю она не наберёт даже двух заявок, а без набранных заявок look-alike нечем строить закономерность. Это школьная арифметика, и желание заказчика на неё не влияет.

Я веду Яндекс Директ в недвижимости, и почти любой спор «автостратегии всё сливают» против «ручное управление умерло» у меня на глазах сводится к одному инженерному вопросу: наберёт ли алгоритм достаточно размеченных данных, чтобы обучиться в этих конкретных условиях. Стоит посмотреть на автостратегию как на классификатор, которому нужна минимальная обучающая выборка положительных примеров за единицу времени, — и половина мифов вокруг неё отваливается сама.

Дальше — как этот классификатор устроен под капотом (упрощённо, детали Яндекс не раскрывает), почему ему нужен объём, где вместо него честнее ручные ставки и как «удобная» цель тихо ломает всю оптимизацию. В конце — таблица по шести типовым сценариям недвижки. Если у вас поток в сотни конверсий в неделю, большая часть проблем ниже вас не касается: там автостратегии просто работают, и это нормально.

Как находить клиентов по смежным покупкам на Авито

Переезд, дача, сезон — люди уже выбирают смежные товары. Это сигналы будущей покупки: их можно ловить раньше прямого поиска и приводить клиентов дешевле.

21 июля в 11:00 мск приглашаем на бесплатный вебинар. Покажем, как работать со смежным спросом, куда вести покупателя, как попадать в момент выбора без лишних расходов

О чём ещё расскажем:

«Реклама не работает» — фраза, которую я слышу от застройщиков чаще любой другой. За ней почти всегда стоит одно: бюджет откручивается, заявки капают, а сделок мало. И первая реакция предсказуемая — добавить денег или сменить подрядчика.

Я решил разобрать эту жалобу на данных: взял 24 месяца помесячной статистики Яндекс Вордстата по Башкортостану и Уфе плюс срез по 109 активным жилым комплексам Уфы. Ниже — что реально видно в этих цифрах, три механизма, из-за которых кампания «буксует», и отдельно то, ради чего эту статью стоит дочитать аналитику: где данные Wordstat нельзя читать в лоб и как я на этом сам мог бы ошибиться.

Адресат — те, кто сам собирает семантику и настраивает кампании в нише недвижимости. Бизнес-рамку («как это влияет на ваши продажи») я убрал — она на сайте. Здесь разговор про методологию: как режется спрос, какие доли из этого можно считать, а какие нельзя.

После атак на логистические центры Wildberries мониторинг цен YoloPrice зафиксировал аномальную волну снижения цен. Разбираемся, был ли это реальный «обвал», реакция селлеров на сбои или просто совпавшая по времени массовая переоценка.

Google начал разворачивать в Search Console отчётность по своим AI-поверхностям: трафик и показы стало видно с учётом AI Overviews и AI Mode. До этого AI-клики были размазаны внутри общего веб-отчёта, и понять, сколько дал именно ИИ-ответ, было нельзя. Я полез смотреть и довольно быстро уткнулся в потолок.

Оказалось, что Search Console показывает только AI-поверхности самого Google. Ни ChatGPT, ни Perplexity, ни Claude, ни Алиса в него не попадают в принципе — они не Google. Если вы, как и я, хотите видеть весь AI-трафик, а не только гугловский, придётся идти в логи сервера. Ниже — что именно даёт новый отчёт, где у него слепые зоны и как я закрываю их парсером логов.

Свежие статистические данные из обзоров hh, elama, АРИР. И тренды, которые я вижу на рынках разработки и digital-маркетинга.

Ищешь термос — получаешь праймер для ногтей, ищешь одноразовые вилки — держи мотоцикл. Собрали коллекцию самых абсурдных ответов поисковых систем ecom площадок из реальных запросов пользователей и разложили их по шести типам: у безумия, как выяснилось, есть система.

Самый частый запрос, который я слышу от собственников и маркетологов, звучит так: «настройте нам кабинет правильно, и реклама поедет». За ним стоит молчаливое допущение, что эффективность контекста живёт где-то внутри Директа — в ставках, корректировках, наборе целей, выборе автостратегии. Допущение удобное: чинить кабинет понятно как. Но рычаг эффективности чаще лежит в другом месте.

Я пять лет проработал в коммерческом отделе Яндекса, в команде по работе с рекламодателями: моей задачей было повышать отдачу от размещения у крупных клиентов региона. Через эту работу прошли сотни рекламных кабинетов в разных нишах и с очень разными бюджетами. На такой выборке закономерность видна особенно ясно, и ниже я разберу, где реально лежит рычаг эффективности, почему его так часто ищут в настройках и что для этого приходится связывать с CRM.

Разбор для коллег, которые ведут контекст и аналитику руками. Кейсов с конкретными цифрами здесь не будет: материал про подход и насмотренность, метрики клиентов я выдумывать не стану.

В прошлой статье я разбирала, как превратить README в лендинг для инженера, с hero-блоком, quickstart и структурой, которая ведёт от проблемы к действию. Хороший репозиторий - это точка входа. Дальше встают два практических вопроса: как сделать так, чтобы о продукте узнали нужные люди, и как звёзды на GitHub превращаются из красивой цифры в сигнал доверия.

Должно ли приложение знакомств спрашивать вес прямо при регистрации? Смотрим на независимые опросы об образе тела, разбираем фильтры, готовность к встрече и границу между удобной прямотой и давлением на пользователя.

Допустим, у вас есть сложная и неаккуратная таблица в Excel, которую нужно разместить на слайде презентации. Обычный копипаст из Excel в PowerPoint здесь не слишком помогает. На помощь приходит ChatGPT.

Почему-то в России к довольно острому вопросу о вторжении ИИ в жизнь общества отношение до сих пор довольно легкомысленное. Может недостаток цеховой солидарности или привычка к кризисам, уверенность, что это «о ком-то другом». А может несерьёзное отношение к авторским правам. 

На западе именно вопрос авторских оказался одним из первых и самых острых вопросов к ИИ. И творческий цех быстро стал объединяться в протесте против генеративного ИИ, уничтожающего и рабочие места, и смысл работы, и ценность любого произведения. То же происходит и среди их зрителей, подвергающих остракизму нейрослоп. Как в случае с Coca-Cola, заменившими нейроподелкой «реальную» рождественскую рекламу, ставшую праздничной традицией, как и созданный когда-то для её же рекламы нынешний образ Санта-Клауса.

И наоборот, всего лишь простая заставка Apple, которая казалась графикой, а оказалась реальным съёмочным роликом, вызвала фактом своей реальности вирусную волну восторга и даже заставила Apple завести отдельный запретграм-аккаунт чтобы показывать как они снимают свои реальные рекламы под общее одобрение и восторг. 

Но Coca-Cola же волна возмущения и насмешек не остановила - они упорно повторили эксперимент с тем же результатом. Почему?  
Полагаю потому, что реклама никогда не была «просто рекламой», это мощный инструмент воздействия на массы и формирования образного ряда и стереотипов мировосприятия, как бы ни посмеивались над этим обыватели. И та нейрослоп-реклама тоже была не просто роликом, а заявлением, или даже… объявлением войны человеку на его внутреннем поле - в пространстве художественных образов и эстетического мировосприятия. И не просто так это случилось именно в Рождество.