#атрибуция — Public Fediverse posts

Откуда пришли установки iOS-приложения без SDK атрибуции: спецстраницы App Store вместо UTM

Я делаю Кубыш, приложение для учета расходов и накоплений на iPhone: оно считает, сколько можно тратить в день до зарплаты и когда накопишь на цель. Пишу о нем на Дзене , vc.ru , в LinkedIn и соцсетях - подписывайтесь пожалуйста. После каждой публикации хотелось понять одно: что из этого приводит людей в App Store. На сайте эту задачу решает UTM-метка. В App Store так не получится: параметры ссылки до приложения не доходят. SDK атрибуции для маленького приложения избыточен: еще одна зависимость и передача данных третьей стороне. Поэтому я посчитал источники стандартными средствами Apple. Ниже как это настроить и на чем я обжегся.

https://habr.com/ru/articles/1091374/

#App_Store #App_Store_Connect #атрибуция #custom_product_pages #индиразработка #ИИ #LLM #iOS #Swift #продуктовая_разработка

Ежедневный индекс спроса на новостройки из Wordstat: как устроен сбор и где цифры нельзя читать в лоб

У маркетолога застройщика есть скучный, но регулярный вопрос атрибуции: обращений за неделю стало меньше — это рынок просел или собственные кампании сломались. Ответ во многом лежит в поисковом спросе. Если люди в городе стали реже искать квартиры, дело в рынке; если ищут столько же, а заявок меньше — причина внутри воронки. Беда в том, что Wordstat отвечает на этот вопрос медленно: нужно руками перебрать десятки фраз, сложить их по региону, вычесть аренду и переходы на классифайды — и к обеду вместо ответа получить таблицу, которую ещё надо интерпретировать. Мы ведём контекстную рекламу для застройщиков, упирались в этот вопрос постоянно и в итоге автоматизировали сбор, а результат выложили открытой страницей без регистрации: ежедневный индекс поискового спроса на новостройки по 15 городам-миллионникам и по России, по данным Wordstat, с рядами от 2018 года. Ниже — инженерная часть, а не витрина: как устроен фиксированный набор запросов и «чистый контур», почему дельты считаются только по закрытым периодам, что делать с ретро-правками источника и выбросами, и в каких именно местах эти цифры врут, если читать их в лоб.

https://habr.com/ru/articles/1074846/

#аналитика_данных #временные_ряды #недвижимость #атрибуция

Чат на сайте стоит дороже, чем кажется: как я замерил его цену и переписал виджет под результат

Полгода назад я закрывал технический долг по производительности на клиентском проекте. Обычная история: интернет‑магазин, мобильный Performance в PageSpeed — 29, владелец каждую неделю спрашивает, когда будет зелёная зона. Мы сделали всё, что делают в таких случаях. Перегнали изображения в WebP и AVIF, вынесли критический CSS в инлайн, убрали три подключения Google Fonts на self‑host, порезали неиспользуемый JavaScript, настроили кэширование на уровне Nginx, подключили CDN. Работы на два месяца. Мобильный Performance стал 31. Я открыл трейс в DevTools, развернул Main thread и минут пять просто смотрел. Больше половины длинных задач на главном потоке не имели никакого отношения к сайту. Это был чат. Дальше начинается то, ради чего написана статья. Я задал себе вопрос, который до этого не задавал ни разу за десять лет работы: а сколько вообще стоит чат на сайте? Не в рублях в месяц — в миллисекундах. И обнаружил, что честного ответа нет ни у кого. Вендоры публикуют вес загрузочного скрипта, обычно 8–15 КБ, и это правда ровно настолько, насколько правдива фраза «билет на самолёт стоит 40 долларов» без учёта багажа, сборов и трансфера. Lighthouse показывает общий счёт по странице и не выставляет его отдельным подрядчикам. Владелец сайта видит красную цифру и не знает, чья она. Поэтому я посчитал сам. Ниже — метод, который позволяет это сделать воспроизводимо, что из него получилось, и как в итоге выглядит архитектура виджета, который не съедает главный поток.

https://habr.com/ru/articles/1063814/

#core_web_vitals #lighthouse #inp #tbt #производительность #сторонние_скрипты #онлайнчат #атрибуция #javascript

231 мёртвая душа: как реклама в Telegram обманула меня, а потом обманула моя собственная метрика

Я закинул бюджет в Telegram-рекламу своего pet-проекта — новостного бота — и за сутки получил +232 подписчика . Дашборд загорелся зелёным: «активация 81%». Палец уже тянулся к кнопке «пополнить баланс». Хорошо, что не долил. Потому что когда я посмотрел, что эти 232 человека реально делают, оказалось: живое действие — осознанный тап 👍 или клик по ссылке — сделал ровно один . Остальные 231 — мёртвые души: 35% заблокировали бота в первый же день, а 218 из 232 зарегистрировались в один и тот же час. Но самое неприятное — врала не только реклама. Врала моя собственная метрика : «активация 81%» считала автоматические просмотры, которые бот пишет сам себе в онбординге. Я радовался цифре, которую проще всего накрутить. В посте — как я поймал накрутку собственными метриками за один вечер, почему «цена за подписчика» это ловушка, какую единственную цифру нельзя подделать по построению, и как отличить живой трафик от ботофермы тремя простыми SQL-запросами. С реальными числами из прода: Habr — 28% живых, органика — 19%, платная реклама — 0.4%. Как метрика мне врала

https://habr.com/ru/articles/1058124/

#реклама_в_Telegram #накрутка_трафика #привлечение_пользователей #юнитэкономика #атрибуция #вебаналитика #Telegramбот #метрики_продукта #growth_hacking #petпроект

Сквозная аналитика B2C на коленке: Google Sheets, Python и Claude Code за две недели

Сквозная аналитика для B2C: связать клик в рекламе с оплатой и посчитать ROMI. Ядро MVP (реклама + веб + биллинг в Google Sheets, дашборд в BI) собирается за две недели с Claude Code. А честные цифры - атрибуция, когорты, грабли API - занимают месяцы и требуют головы, не LLM.

https://habr.com/ru/articles/1047394/

#сквознаяаналитика #romi #атрибуция #claudecode #etl #googlesheets

Как я за пять месяцев собрал Znich — ИИ-аналитику для авторов видео, в которой каждая фича родилась из боли

Как понять, почему один видос залетел, а другой нет? Я задавал себе этот вопрос примерно полгода назад. Я маркетолог, и одна из задач, которую я регулярно решал, — понять, что именно делает у конкурента ролик с миллионом просмотров. YouTube Studio честно показывает цифры — удержание, источники трафика, CTR. Но цельного ответа в этих цифрах нет: его нужно собирать руками

https://habr.com/ru/articles/1030552/

#YouTube #AI #Vision_LLM #SaaS #аналитика_контента #скриннер_ниш #Telegramбот #активация_пользователей #атрибуция

5 признаков, что Telegram Ads вам не подходит

Иногда лучший запуск в Telegram Ads - это тот, который вы отменили вовремя . Проблема часто начинается не на цене подписчика и не в CTR, а раньше: когда от канала ждут чужой работы. В этой статье разбираю пять признаков, по которым можно понять до старта, что Telegram Ads в вашем случае даст красивый верх воронки, но слишком слабый сигнал на уровне бизнеса.

https://habr.com/ru/articles/1009118/

#telegram_ads #реклама_в_телеграм #атрибуция #лидогенерация #воронка_продаж #вебаналитика #performance_marketing #tg_ads #telegram_marketing #digital_marketing

[Перевод] Кто на самом деле автор контента? Определяем роль ИИ в цифровом диалоге

Впервые я заподозрил, что ИИ проник в мою жизнь глубже, чем я думал, примерно в сентябре прошлого года. Один из моих бывших коллег, Диего, опубликовал на LinkedIn трогательный пост о том, что его уволили. В последнее время подобных сообщений появилось немало, но это выделялось особенно. Прокручивая ленту дальше, я наткнулся на ещё один почти идентичный пост. Потом — на следующий. Все они принадлежали людям, уволенным из одной и той же компании, и были написаны практически под копирку. Любопытство взяло верх, и я написал Диего, спросив, что произошло.

https://habr.com/ru/companies/bothub/articles/891196/

#ии #ai #контент #атрибуция

Как на самом деле определять автора с помощью компьютера?

Атрибуция — определение авторства — имеет много применений как в науке, так и в приземленных задачах, например, в судебной практике. Ниже мы будем говорить о текстовой атрибуции, и иногда от того, кто автор текста, зависит судьба крупной суммы денег, иногда — карьера или свобода человека, а иногда людям просто интересно, кто же написал то или иное произведение. Так, с точки зрения науки о литературе, строго говоря, всё равно, является автором «Тихого Дона» Михаил Шолохов или Фёдор Крюков, но общественность этот вопрос волновать не перестанет, наверное, уже никогда. Атрибуция может выглядеть по-разному. Надежнее всего такая, которая основана на документах. Если бухгалтерия в своей строгой отчетности зафиксировала выплату денег за определенный текст некоторому лицу, очень высока вероятность, что получатель денег и есть автор этого текста. Вероятность этого выше, чем при любом другом способе выяснить, кто автор. Но у нас не всегда есть надежные документы. И даже чаще их нет. Тогда единственным способом докопаться до истины будет сам текст, и люди верят, что, опираясь только на содержащиеся в нем косвенные свидетельства, можно установить, кто его написал. Хотя вообще-то это не более чем самонадеянная гипотеза, но мифы эпохи модерна слишком сильны.

https://habr.com/ru/articles/834912/

#атрибуция #стиль #stylo