🦊 Если вы вдруг не заметили, у нас большой апдейт — новый сайт, лого, и вообще мы теперь лучше и круче. Но какой ценой...

В первой статье мы писали о том, что сам ребрендинг, который длился полгода, оставил после себя неизгладимые впечатления. Одни мы этот груз не понесём, поэтому представляем вашему вниманию... ещё одну статью про ребрендинг 😈

На этот раз поведаем о том, как пришли к новому логотипу, почему фирменный жёлтый цвет потеплел и больше не такой кислотный, что означают планеты на главной странице — и прочие визуальные новшества.

Статья короткая и с картинками для настоящих ценителей дизайна, всем приятного чтения, хорошего вечера и выходных!

🦊 Как быстро закрыть отчётность с помощью AI-стека. ChatGPT + Notion + Loom + Canva — практичная связка для подготовки отчётов и презентаций

❓ Какие задачи решает стек
• Быстрая генерация текстов, сценариев и гипотез (ChatGPT)
• Хранение знаний, контент-планов и отчётов в едином пространстве (Notion)
• Мгновенные видео-вложения с пояснениями для коллег и клиентов (Loom)
• Красивые креативы, лендинги и презентации (Canva)

🧩 Сборка стека по шагам

🔸 ChatGPT
Регистрация и доступ. Если у вас есть платный доступ к ChatGPT, используйте встроенные инструменты: исследование, поиск в сети, а также подключите в настройках нужные приложения. Например, можно подключить Canva App — и прямо из ChatGPT создавать и редактировать дизайны для презентаций и постов, или Airtable — чтобы работать с данными и таблицами.

Роль: ваш «мозг» — помогает с текстами, идеями, гипотезами и первичным анализом данных.

🔸 Notion
1. Настройка рабочего пространства. Создайте базу с разделами: «Контент-план», «Идеи», «Отчёты», «Шаблоны промптов».
2. Интеграция с ChatGPT. ИИ можно использовать для генерации текстов и переносить результаты в Notion вручную или через инструменты автоматизации (например, Zapier, Make или n8n).
3. Notion AI — функция внутри Notion для работы с текстами прямо в страницах и базах. В тарифах Free и Plus есть пробный режим, в Business и Enterprise работает без ограничений.

Роль: единое хранилище всех знаний, планов и результатов.

🔸 Loom
Установка расширения Chrome или настольного приложения.

Роль: быстро записывать видео с экрана и голосом, чтобы показать результат работы, объяснить инсайты из отчёта или представить креативы коллегам / клиентам.

🔸 Canva
Регистрация и подбор шаблонов. Выберите дизайн для постов, презентаций, баннеров.

Роль: превращает текстовые идеи и сценарии в визуал: от инфографики до анимаций.

Продолжение следует...

#оптимизируй

🦊 AI-стек ChatGPT + Notion + Loom + Canva — как это работает на практике

Задача: еженедельный отчёт по рекламным кампаниям, формирование гипотез и вопросов для следующей недели

1. ChatGPT
– В Notion открываем шаблон промпта «Еженедельный отчёт».
– Запускаем промпт в ChatGPT:
⬥ На основе данных по кампаниям за неделю сформулируй краткие выводы для руководства: что изменилось, какие каналы требуют внимания и какие риски или возможности стоит отметить. Подготовь версию выводов для слайда и короткий текст для комментария команде.

2. Notion
– Фиксируем выводы ChatGPT в разделе «Отчёты».
– Опционально: Добавляем в контент-план новую секцию «Гипотезы на следующую неделю».

3. Canva
– Берём шаблон «Презентация для отчёта».
– Копируем ключевые тезисы из Notion, вставляем в шаблон Canva и быстро оформляем в слайды — цифры, графики, рекомендации. Подходит для презентаций, обложек или постов.

4. Loom
– Записываем 2-минутный видео-комментарий для команды:
«Кратко проговорю изменения за неделю, на что обратить внимание и какие вопросы предлагаю проверить дальше…»
– Отправляем ссылку на видео в рабочий чат, а в Notion на странице отчёта собираем все материалы: тезисы выводов, ссылку на презентацию и видео-комментарий.

✅ Результат
– Экономия времени благодаря универсальному алгоритму.
– Всё в одном месте — не нужно сверяться с почтой и папками.
– Удобная коммуникация с коллегами: у них есть поясняющий текст, слайды и видео.

✅ Подход работает не только для отчётов — по такой схеме вы можете:
– Подготовить презентацию для клиента.
– Оформить идеи для креативов.
– Собрать материалы для рассылки или вебинара.

🚀 Резюмируем
Используя связку ChatGPT + Notion + Loom + Canva, вы автоматизируете рутинные процессы, экономите время и повышаете качество коммуникации. Надеемся, было полезно!

#оптимизируй

🦊 Умный транскрибатор для диктовки промптов, который превращает поток сознания в крутой текст

Wispr Flow расшифровывает речь и сразу приводит её в рабочий вид для промптов, заметок и других целей.

🔸Чистит речь на лету. Убирает «ээ», повторы, слова-паразиты.
🔸Структурирует мысли. Сервис собирает всё в связные абзацы с логикой и пунктами, даже если вы говорили сумбурно.
🔸Ускоряет работу с ИИ. Промпт — голосом, правки — голосом. Общение с ИИ идёт в разы быстрее, чем через клавиатуру.
🔸Подходит не только для промптов. Заметки, письма, черновики постов, ТЗ, комментарии к документам.

💵 Тарифы
Есть бесплатный Basic с недельными лимитами на диктовку и платный Pro с неограниченными словами и приоритетной поддержкой. Для команд отдельный Enterprise с безопасностью уровня SOC2 / ISO и корпоративными настройками.

🔒 Безопасность
• Сервис работает через облако, поэтому нужен интернет — офлайн-режима нет.
• Также в облаке работают распознавание и обработка речи, поэтому не обсуждайте с ИИ конфиденциальную информацию. Впрочем, это правило относится ко всем нейронкам.

#оптимизируй → Ссылка на Wispr Flow

Внимание, загадка: что это?
🐾🐾🐾🐾 — ответ: кот на принтере, вид снизу

Наше бесспорное конкурентное преимущество — кот Сильвер. Обитает у аналитика Маши и телепатически считывает запросы клиентов. Благодаря Сильверу мы знаем, чего вы хотите и что нам делать. Сейчас, например, нам нужно отдыхать. И вам тоже!

#это_что_за_зверь

🦊 Ушла эпоха: формулы в Excel больше не нужны. Задачу можно описать словами в чате — ИИ сделает всё за вас

Шелдон на связи! Великий гений из «Теории большого взрыва» будет следить за AI-апдейтами и делиться с вами.

Тук-тук-тук, новость.
Тук-тук-тук, новость.
Тук-тук-тук, новость.

🔠 Claude теперь работает прямо в Excel: вместо ручной работы вы просто описываете задачу ИИшке и ждёте, пока она сама обновит таблицу. Через обычный текст, без формул и скриптов.

→ Новые возможности
• Генерация сводных таблиц и графиков по запросу
• Автоматическое создание и редактирование сложных формул
• Поиск ошибок и несостыковок в существующих расчётах
• Сравнение периодов и поиск аномалий
• Комментарии и интерпретация цифр

Доступно для тарифных планов Pro, Max, Team, Enterprise и-и-и... Бугагашенька!

Источник | #эксперт_на_проводе | #нейронки

🦊 На рынке творится #$%*!@ — никогда не оптимизируйте одну и ту же кампанию по двум и более моделям атрибуции

[Модель Маркова-Шепли, часть 1: шок и отрицание]

На рынке додумались до ноу-хау — большой верификатор предлагает клиентам сдвоенную модель атрибуции Маркова-Шепли. И вроде бы всё хорошо — целых две data driven модели. Одна голова хорошо, а две — лучше, ведь так?

В серии постов рассказываем
🔸 Почему это чудовище Франкенштейна не будет нормально работать в реальном мире.
🔸 Почему подобные системы, взятые с потолка, не просто бесполезны, а вообще могут оставить бизнес без денег.

С одной стороны, рынок двигается вперёд и начинает работать с атрибуцией — это хорошо. Но у клиентов пока нет такого уровня экспертизы, чтобы дать им веер инструментов для оценки рекламы и сказать — разбирайтесь сами.

🫣 Как выглядит ноу-хау из начала поста
Вот две модели атрибуции, крутитесь как хотите.

Давайте сразу проясним
✅ И в теории, и на практике можно использовать несколько моделей атрибуции для независимой оценки кампаний. Нормальная история, если нужно посмотреть на эффективность каналов с разных сторон.
❌ На практике нельзя использовать результаты разных моделей атрибуции для оптимизации — только в теории.
И даже так это будет возможно лишь при соблюдении условий:
а) Если речь идёт о кампаниях одного типа — или performance, или медийные.
б) Если вы обладаете бесконечными компетенциями, временем и деньгами.

Исключение — универсальный фреймворк, в котором модели образуют единое пространство интерпретации, не противореча друг другу. У нас это связка из трёх моделей: две линейные задают нижнюю и верхнюю границы (недоучёт и переучёт), а Шепли находится между ними как справедливая оценка. В эту систему можно поместить KPI и сразу понять, укладывается ваша кампания в целевые показатели или нет.
⬇️
Связка двух data driven моделей, Шепли и Маркова, не даёт основы для оптимизации — вы всё время будете сравнивать белое и солёное.

🦊 Короткий комментарий по ситуации
Модель Маркова-Шепли с натяжкой могла бы работать в идеальном мире, но в реальности всё упирается в многоканальные медиасплиты и дефицит ресурсов.

🦊 Длинный комментарий по ситуации
Пост 1 (этот) — введение в курс дела
Пост 2 — критические различия Маркова и Шепли
Пост 3 — подводные камни данного ноу-хау
Пост 4 — почему подход не работает на практике
Пост 5 — зачем вообще нужна атрибуция
Пост 6 — парадокс оптимизации по двум моделям
Пост 7 — подводим итоги, собираем овации (желательно)

🚀 Ну что, поехали!

#атрибуция_просто #мифы #онтоп

🦊 Clawdbot → Moltbot → OpenClaw
Nintendo: подержите моё пиво

Радж на связи! Шелдон и Говард наконец-то освободили эфир, чтобы я рассказал по-настоящему крутую историю. В общем, слушайте.

→ Недавно мы писали про Moltbot
Это open-source прослойка между LLM и внешними сервисами, которая позволяет модели вызывать реальные действия и API из привычного для вас интерфейса — например, чата Telegram.

→ Фокус в том, что теперь это OpenClaw
Возможно, вы уже слышали, что проект снова переименовали: сначала это был Clawdbot → потом Moltbot → теперь OpenClaw.

→ Ого, три названия за одну неделю...
Но если вам кажется, что это крайний случай — сейчас будет история компании, которая меняла не названия, а целые бизнесы. Nintendo, выходи.

🃏 1889 → игральные карты ханафуда
Nintendo основана в Киото как мастерская по производству ханафуда — традиционных японских карт. Интересный факт: ханафуда традиционно использовались в азартных играх, которые в Японии долгое время существовали в полулегальной или подпольной форме. В таких заведениях нередко крутились люди, связанные с якудза.

🌎 1902 → западные игральные карты
Компания начинает выпуск первых в Японии западных игральных карт — сначала на экспорт, но затем продукт становится популярным внутри страны.

👸 1959 → лицензионные карты Disney
Nintendo заключает сделку с Disney и выпускает карты с персонажами — это резко расширяет аудиторию и помогает масштабироваться через массовую розницу. Самое то после карт для якудза.

🤪 1960-е → время проб и ошибок
Столкнувшись с ограниченным ростом рынка игральных карт, Nintendo пробует неожиданные направления: такси, еда, игрушки, шариковые ручки. Из самого необычного — компания пробовала управлять love hotels (отели с почасовой арендой комнат для свиданий), но проект быстро сошёл на нет.

🧸 1970-е → игрушки и электроника
Попробовав разные направления бизнеса, Nintendo делает ставку на игрушки и электронные устройства.

👾 1977–1981 → первые игровые устройства и аркады
Nintendo выпускает домашние игровые системы Color TV-Game (конец 1970-х) и усиливает аркадное направление. В 1981 Donkey Kong становится международным хитом и фактически закрепляет поворот в видеоигры.

🎮 1983–1985 → видеоигры становятся главным бизнесом
1983: запуск игровой консоли Famicom в Японии
1985: выход в США как NES — точка, когда Nintendo окончательно становится видеоигровой компанией

→ Nintendo десятилетиями перебирала направления бизнеса
Со временем компания нашла свою нишу и уже много лет остаётся одним из самых сильных и прибыльных игровых бизнесов в мире. Это хороший пример того, что в поиске работающей модели нет ничего страшного в смене идей, форматов — и, конечно, названий.

#эксперт_на_проводе #в_мире_брендов

🦊 Смесь бульдога с носорогом и Маркова с Шепли — почему ТОЧНО не работает в том виде, в котором это продают

[Модель Маркова-Шепли, часть 3: всё ещё гнев]

Ситуация напоминает мебель без инструкции, причём собрать надо сразу два шкафа: один в прихожую, другой в гостиную, без отвёртки и с закрытыми глазами.

🔸 Пока это обсуждается в отрыве от денег, всё выглядит более-менее безобидно.
🔸 Как только мы прокидываем цифры в бюджеты, начинается хаос. Марков и Шепли могут показывать совершенно разные результаты. Не плюс-минус и погрешность, а противоположные.

Представим ситуацию

По модели X канал дал 37 конверсий, а по модели Y — 43. Ещё куда ни шло. А если одна насчитает 0, а другая 50? Как это усреднять? То есть канал либо не конвертит вообще, либо туда надо лить все деньги. Усредняем — и отправляем в канал Шрёдингера половину бюджета. Так, что ли?

☹️ На практике ситуация ещё хуже ⤵️

1️⃣ Под видом Маркова берётся не полноценная модель, а матрицы транзитивности — таблицы с вероятностью переходов между каналами. Это главный параметр марковской атрибуции: матрицы отражают структуру путей, но сами по себе не отвечают на вопрос, что будет, если убрать канал.

2️⃣ У виновника торжества нет полной картины по клиенту. Только медийка без перформа, и то неполная. Модель строится на данных, которые проходят через их инфраструктуру — всё остальное выпадает из анализа. Любая попытка что-либо считать на такой выборке изначально не имеет смысла.

🫥 Марков вообще не может корректно работать с медийной рекламой, когда у вас уже есть перформ, и уж тем более когда медийка при этом неполная.

Склеить Маркова и Шепли — попытка жить в двух вселенных. Вы принимаете решения либо через исключение каналов, либо через распределение вклада. Какое может быть среднее арифметическое между селёдкой и молоком?

В итоге получается не Марков и не Шепли, а нечто третье. Модель без чёткой интерпретации, без управленческого смысла и без ответа на вопрос, что с этим делать дальше.

#атрибуция_просто #мифы #онтоп

🦊 Склеить две модели атрибуции — а что такого?

[Модель Маркова-Шепли, часть 4: торг]

В первом посте серии мы писали:

❌ На практике нельзя использовать результаты разных моделей атрибуции для оптимизации — только в теории.

И даже так это будет возможно лишь при соблюдении условий:

а) Если речь идёт о кампаниях одного типа — или performance, или медийные.
б) Если вы обладаете бесконечными компетенциями, временем и деньгами.

С пунктом а) разобрались: Шепли корректно работает сразу и с медийкой, и с перформом, тогда как марковский подход применим к чему-то одному.

Теперь перейдём к пункту б) — вопросу ресурсов. Именно из-за их отсутствия внедрение такой системы окончательно теряет смысл, когда мы приземляем всё на практику.

1️⃣ Отсутствие времени, денег и вычислительных ресурсов. Чтобы получать хоть сколько-то применимые к оптимизации результаты, Шепли и Маркова нужно считать каждый день, причём на разном сырье.

У них принципиально разные требования к данным:

• Шепли работает с цепочками закончившихся конверсий.
• Марков — с уникальными взаимодействиями.
Это два совершенно разных датасета, и считать их параллельно и одновременно стоит как золотой мост.

2️⃣ Главное: проблема оптимизации. Как применять это усреднённое значение на практике? Если по одной модели канал X показывает 0 конверсий, а по другой 100, 50, да пусть даже 10, как можно полагаться на среднее арифметическое при распределении бюджета? Пан или пропал?

Система существует сама по себе, отдельно от бизнеса. Никто не пытается довести её до оптимизации.

Гипотетически это могло бы работать, если бы одна модель использовалась строго для performance, а другая — строго для медийки.

В теории есть бесконечные вычислительные ресурсы, время на анализ, сильная команда аналитиков и чёткое понимание, зачем вообще это всё считается.

Но реальность показывает другое ⤵️

У нас был кейс, когда клиент запросил атрибуцию по Маркову, а когда получил расчёты, вообще ничего не понял: результаты радикально расходились с Шепли.

Единственный способ проверить модель — подключить заведомо фродовый канал. И в этот момент Марков начал утверждать, что канал офигенный и критически важен для сплита. После этого атрибуцию считали только по Шепли.

Модель Маркова-Шепли противоречит логике так же, как модель Первого-последнего касания*. Рынок должен упрощать жизнь рекламодателей, а не давать им веер из моделей, заодно создавая свои, сомнительные методы оценки рекламы.

* — мы же не подкинули им идею?

👉 Поэтому торг здесь не уместен — для оптимизации можно использовать результаты только одной модели атрибуции. Какой — выбираете вы сами. Но выбрать надо что-то одно.

Подробнее: Выбираем подходящую модель атрибуции для бизнеса

#атрибуция_просто #мифы #онтоп

🦊 Парадокс двойной атрибуции: сложно для ИП, бессмысленно для Enterprise

[Модель Маркова-Шепли, часть 5: проблема компетенций]

Будем последовательными. Ранее мы писали:

❌ На практике нельзя использовать результаты разных моделей атрибуции для оптимизации — только в теории.

И даже так это будет возможно лишь при соблюдении условий:

а) Если речь идёт о кампаниях одного типа — или performance, или медийные.
б) Если вы обладаете бесконечными компетенциями, временем и деньгами.

В предыдущем посте мы подробно разобрали пункт б), но не затронули компетенции. Давайте о них и поговорим.

Если уж мы всерьёз собрались работать с моделью Маркова-Шепли, алгоритм оптимизации должен выглядеть так:

1️⃣ Использовать две модели атрибуции можно только на этапе оценки — и только в том случае, если вы хорошо понимаете, как работают эти модели и какие у них ограничения.

2️⃣ Дальше эти результаты необходимо пропускать через критическое понимание собственного медиасплита — как правило, небольшого и относительно устойчивого.

3️⃣ И только после этого можно переходить к оптимизации всего медиасплита целиком, опираясь на одну выбранную модель.

Вопрос в том, много ли у нас на рынке тех, кто вообще способен так работать. И есть ли у них на это время. У клиентов могут быть сотни, а иногда и тысячи кампаний.

По сути верификатор предлагает некоему специалисту каждый раз вручную просматривать весь медиасплит по двум моделям и рисовать между ними какую-то третью картину, чтобы понять, к какому выводу он склоняется для принятия решений.

Теоретически это можно отыграть. Практически ни у кого на рынке нет на это ресурсов: спецов, опыта, времени. Для 90% клиентов такой подход просто недостижим.

😶 В итоге получается парадокс
Такая оценка может быть полезна среднему бизнесу с небольшим сплитом, но у него обычно не хватает опыта и экспертизы в атрибуции. А у крупных рекламодателей есть и спецы, и опыт, но при большом сплите с перформансом и медийкой такая модель оказывается для них бесполезной.

#атрибуция_просто #мифы #онтоп