🦊 Статьи в блоге CyberBrain за октябрь

→ Лёгкий уровень
🔸 Глоссарий атрибуции
Простое объяснение ключевых терминов: окно атрибуции, модель, инкрементальность и другие базовые понятия.
🔸 Мифы маркетинга и аналитики. Часть 1
Почему данные в отчётах не всегда отражают реальность, как возникают искажения в аналитике и как строить решения на данных, которым можно доверять.
🔸 Мифы маркетинга и аналитики. Часть 2
Почему сквозная аналитика нужна не только корпорациям, почему 30 дней — не всегда достаточно, чтобы оценить эффективность рекламы, и почему искусственный интеллект не способен «оптимизировать всё сам».

→ Средний уровень
🔸 Модели оплаты рекламы по целям: CPM, CPC и CPA
Как выбрать модель оплаты под задачу кампании и какие ошибки чаще всего приводят к потере бюджета.
🔸 Ошибки в атрибуции и как их избежать
Пять реальных ошибок: от некорректных UTM до отсутствия кросс-девайс-склейки, и что с ними делать.
🔸 Как измерять эффективность рекламы в условиях ограниченного трекинга
Методы оценки без cookie и внешних идентификаторов: CRM-данные, опросы, эксперименты и MMM.

→ Хардкор
🔸 Как перестроить атрибуцию под новые правила конфиденциальности
Что делать в мире без 3rd-party-cookie: server-side сбор, агрегированные отчёты и комбинированные модели.
🔸 Как атрибуция дополняет моделирование маркетингового микса (MMM)
Разбор, как совместить MMM и атрибуцию для баланса краткосрочного и долгосрочного эффекта рекламы.

#новый_материал

🦊 Подборка главных AI-новостей за выходные

1️⃣ Google Opal стал доступен в 160+ странах
Opal — nocode-конструктор мини-приложений на базе ИИ — официально расширился с ~15 до 160+ стран. Инструмент нацелен на пользователей без технической подготовки. Старт — на opal.google.

2️⃣ OpenAI готовит семейство моделей GPT-5.1
Обнаружены упоминания моделей GPT-5.1, GPT-5.1 Reasoning и GPT-5.1 Pro с планируемой датой релиза 24 ноября 2025 года.

3️⃣ NotebookLM — интеграция с Google Drive
Google объявила, что расширила список источников в NotebookLM и тестирует возможность загрузки таблиц (например, Google Sheets / Excel).

4️⃣ Google готовит Nano Banana 2
По данным инсайдеров, Google готовит к запуску Nano Banana 2 с поддержкой широких разрешений и многошаговым циклом коррекции для более точной генерации изображений. Переход на архитектуру Gemini 3 Pro ожидается к концу 2025 года.

#техносплетни

🦊 Китайский ChatGPT: обзор Kimi K2

Kimi K2 — крупная языковая модель от Moonshot AI, которая может стать альтернативой западным системам вроде ChatGPT и Claude. Основной фокус — кодирование, но также подходит для повседневных задач.

Преимущества:
🔸 Бесплатный тариф: базовая модель K2, лимит токенов обновляется каждые 24 ч.
🔸 Работает без VPN, доступна через kimi.com.
🔸 Широкий функционал: умеет писать и отлаживать код, строить графики и визуализации, формировать конспекты и объяснения по сложным задачам.

Чудес ждать не стоит, по качеству и человечности текста модель всё ещё уступает Claude, а в диалогах местами суховата. Но если вы ищете сильную альтернативу, которая работает без VPN и не требует подписки, Kimi K2 однозначно стоит попробовать.

#оптимизируй

🦊 CSAT, CES, NPS: чем отличаются метрики клиентского опыта и когда их применять

🔸 CSAT нужен менеджерам и сервисным командам: помогает быстро найти провалы в обслуживании.
CSAT (Customer Satisfaction Score) — индекс удовлетворённости конкретным взаимодействием. Вопрос: «Насколько вы довольны полученным сервисом / товаром?». Оценивается по шкале (например, 1–5 или 1–10).

🔸 CES важен продуктовым командам: показывает, где клиент тратит слишком много усилий и теряет мотивацию.
CES (Customer Effort Score) — индекс усилий клиента. Обычно считается по шкале 1–5: «Насколько легко вам было получить услугу?». Чем выше балл и ниже оценка усилий, тем лучше.

🔸 NPS полезен руководству и маркетингу: он показывает стратегический уровень лояльности и отражает силу бренда.
NPS (Net Promoter Score) — индекс готовности рекомендовать компанию друзьям и коллегам. Спрашиваем клиента: «Насколько вероятно, что вы порекомендуете нас по шкале от 0 до 10?». Считается как доля «промоутеров» (оценка 9–10) минус доля «критиков» (0–6). «Нейтралы» (7–8) не учитываются.

Пример: B2C интернет-магазин
• CSAT после чата с поддержкой (Оцените нашу помощь)
• CES после оформления заказа (Насколько просто купить?)
• NPS в ежеквартальном опросе (Рекомендовали бы нас?)

Пример: B2B SaaS-платформа
• CSAT для оценки онбординга и внедрения.
• CES — насколько легко настраиваются отчёты / интеграции.
• NPS — показатель общей лояльности к продукту и шанса на продление подписки.

☝️ О чём стоит помнить
• Высокий CSAT не всегда ведёт к лояльности (клиент может быть доволен заказом, но уйти к конкуренту ради цены).
• CES напрямую коррелирует с повторными покупками: чем проще путь, тем выше удержание.
• NPS растёт не только от сервиса, но и от ценовой политики, имиджа бренда.

🚀 Резюмируем: почему это важно #для_бизнеса
• CSAT — мгновенная эмоция от конкретного опыта; отражает качество сервиса здесь и сейчас.
• CES — удобство и отсутствие барьеров в процессе; помогает понять, где у клиентов возникают трудности и почему падает конверсия.
• NPS — долгосрочная лояльность и отношение к бренду в целом; показывает риск оттока и потенциал органического роста (рекомендации).

#digital_словарь

Напоминаем про наш канал с целой библиотекой роликов. Там и обзор гайда по оптимизации медийной рекламы, и разбор интересных маркетинговых тем, и просто забавные шортсы. Подписывайтесь!

#юмор #для_своих

⚡️ Выступаем на Матемаркетинге 2025 — приходите!

Что это: одна из крупнейших конференций по маркетинговой и продуктовой аналитике
Наш спикер: Никита Лисицын, CEO CyberBrain
Тема доклада: AI в аналитике больших кампаний: применение и предел возможностей в 2025 году

💡 Что вы узнаете
⬥ Какие задачи и процессы автоматизируют компании с помощью AI уже сегодня
⬥ Как это меняет работу команд маркетинга и аналитики: скорость, интерпретация данных, принятие решений
⬥ Каких бизнес-результатов можно добиться с помощью AI: выручка, снижение CPA, экономия времени — наши кейсы
⬥ Как интегрировать AI в аналитику — на примере собственных продуктов

👉 Где и когда
Пятница, 21 ноября
Кластер «Ломоносов» МГУ, Раменский бульвар 1
Наша секция — AI & Analytics
Точное время выступления — 16:10-16:40

🤔 Зачем
Мы вошли в эпоху автоматизации. AI больше не опциональное решение — теперь это естественный этап развития аналитики, через который проходят все крупные компании. В докладе мы разберём, как перейти на этот уровень осознанно: какие методы работают, что реально даёт эффект и с чего начать путь.

👀 Что ещё будет
Чайная церемония, настольные игры, шахматный турнир и Го с роботами. Приходите!

🦊 Гайд по системному маркетингу с готовыми промптами
Источник: AI Marketing Toolkit

Гайд от HubSpot и Mindstream показывает, как встроить AI в маркетинг — от постановки целей до оптимизации кампаний. Рассказываем, что внутри.

1️⃣ Фундамент для успеха AI-маркетинга за 12 шагов
Готовые промпты, которые помогут сформулировать цели, понять аудиторию, проанализировать рынок, выбрать каналы и выстроить цикл: цели → запуск → анализ → корректировка.

2️⃣ Построение AI-стратегии маркетинга
Подборка из 30 лучших AI-решений для маркетинга, от контента и аналитики до SEO, e-mail и дизайна. Цель шага — выстроить стратегию, где AI станет частью системы принятия решений.

3️⃣ Контент, автоматизация, оптимизация
В этом блоке авторы делятся коллекцией из 1000 промптов. Когда стратегия готова, AI помогает на практике — создавать контент, автоматизировать процессы и улучшать результаты по данным в реальном времени.

4️⃣ Измеряй, улучшай, масштабируй
Ценность AI раскрывается, когда выстраивается цикл: тест → анализ → масштабирование. Внутри 15 промптов для роста. Подборка помогает:
• улучшить позиционирование бренда;
• анализировать соцсети и SEO-контент;
• сегментировать клиентов и персонализировать рассылки;
• оптимизировать бюджет и эффективность каналов.

🚀 Перевод документа — всё очень просто
Скачать документ в формате PDF → загрузить в DeepL → скачать переведённый вариант.

#оптимизируй #для_маркетолога

🦊 Как случайные процессы описывают поведение сложных систем — от деления ядра до пользовательских действий

Цепи Маркова — один из самых наглядных примеров того, как математика помогает упорядочить хаос. С их помощью можно описать, как системы переходят из одного состояния в другое — будь то физический процесс, поисковый алгоритм или поведение пользователя на сайте.

Рекомендуем ролик Vert Dider (Veritasium) про цепи Маркова — о том:
• почему марковские цепи лежат в основе поисковиков и предсказательных моделей;
• как вероятности помогают понять закономерности в больших данных.

В маркетинге этот подход тоже работает: модели на основе цепей Маркова помогают оценить вклад каждого канала в конверсию и построить вероятностный путь клиента.

Разбираем тему подробнее в наших материалах:
🔸 Цепи Маркова: о вероятностях и вкладе каналов в продажу.
🔸 Марков VS Шепли: две модели атрибуции на основе данных. Когда и какую лучше применять?

#атрибуция_просто

🦊 Выступаем на Матемаркетинге 2025 — уже завтра!

Чувствуете, что аналитика не успевает за объёмом данных и скоростью изменений? Приходите к нам и узнайте, как переход к проактивной аналитике меняет повседневные процессы и помогает замечать важные сигналы раньше отчётов.

Мы поделимся рабочими кейсами, когда система сама своевременно обращает внимание на изменения, предлагает гипотезы и направляет команду к тем разделам и метрикам, которые действительно требуют внимания.

👉 Это снижает когнитивную нагрузку и помогает специалистам с минимальным аналитическим опытом быстрее ориентироваться в данных.

Мы покажем, как подобные механизмы работают на больших кампаниях, где каждый месяц появляется по сто миллионов новых строк в базе. Это совсем другие масштабы и требования к обработке данных, когда становятся заметны реальные возможности и ограничения технологий на конец 2025 года.

Какие темы обсудим:
• где AI действительно помогает командам
• как использовать его для роста бизнес-метрик
• где проходит граница применимости

🚀 Будем говорить только о практическом опыте и реальных результатах. Ждём вас на Матемаркетинге!

Сайт мероприятия

🦊 Подборка обновлений популярных AI-сервисов

1️⃣ Nano Banana Pro — впечатляющий апдейт от Google
Модель стала заметно сильнее: лучше понимает промпты, отлично справляется с текстами, инфографикой и общей детализацией. Протестировать можно в Gemini и на площадках вроде Krea.

2️⃣ NotebookLM теперь понимает изображения
Сервис научился работать со скриншотами и фотографиями: можно загрузить снимок интерфейса, документ, таблицу или фото текста, и NotebookLM преобразует его в читаемый материал, который дальше можно использовать в работе — задавать вопросы, просить объяснения или делать сводки.

3️⃣ Perplexity научился собирать презентации и документы
Обновление коснулось пользователей Pro и Max: теперь результаты поиска можно сразу оформлять в презентации, таблицы, документы и графики. Ускоряет работу, если вы часто собираете большие объёмы информации и хотите быстро превращать их в структурированный материал.

#оптимизируй