Bykov Digital ❇️

Интересная картинка попалась на просторах интернетов о том, откуда Revolut кого хайрит. Больше всего силевелов - из банков.

У Symphony лендинг и правила обещают разное. Сама аппка предлагает копить деньги и получать доход кэшем, баллами на путешествия или смесью того и другого. А дальше начинаются детали. 1. Ставка На первом экране — «fixed 5% APY». В §7 правил — ставка переменная, может измениться в любой момент и не гарантируется. В FAQ на самой главной, кстати, тоже написано, что ставка может меняться. 2. Срок жизни баллов На странице Rewards — «points never expire». В §8.4 компания сохраняет право менять программу; баллы могут сгореть или быть аннулированы, в том числе при закрытии счёта или долгой неактивности. Это не значит, что они сгорают сейчас. Но обещание «никогда» в правилах уже с оговорками. 3. Денежная стоимость По описанию на лендинге, баллы можно использовать как денежный эквивалент. В §8.2 — баллы не имеют денежной стоимости и не обмениваются на кэш. Зачёт стоимости покупки и вывод денег могут быть разными механиками. Но как это устроено здесь, из этих страниц непонятно. Отдельно: за словом savings здесь инвестиционный продукт. В стратегиях есть госдолг, private credit и обеспеченное кредитование. Страховки вкладов FDIC нет, сохранность вложенной суммы не гарантируется. Это указано и в футере главной, так что дело не в том, что риск совсем спрятали, но есть нюанс. Тут либо не понимают, как писать про финансовые условия (во что верится с трудом), либо это настолько «не банк», что к офферу относятся как к рекламе обычной аппки. На одной странице ставка и fixed, и «может измениться». Банковской дисциплиной в формулировках тут и не пахнет.

У Lisa Kennelly из Klarna есть процесс для AI-копирайтинга: сначала собрать language bank — дословные фразы клиентов, — а уже из него писать текст для онбординга, пэйвола или рекламы. Она выложила четыре промпта, которые запускаются последовательно. Каждый получает результат предыдущего. (1) Разобрать исходники. Даём модели исходные отзывы о своей аппке и конкурентах, обращения в поддержку, причины отмены, интервью и обсуждения на форумах — без предварительного пересказа. Просим извлечь, чего люди хотят добиться, что заставило их искать решение, какие альтернативы они пробовали и чего опасаются перед оплатой или уходом. Цитаты сохраняются дословно. Для каждой темы считаем упоминания и отмечаем, в каких источниках она встречается. (2) Собрать language bank. Для желаемого результата, триггера, альтернатив и опасений выбираем по одной характерной цитате. Сохраняем источник и повторяемость. В приоритете формулировки, которые встречаются в разных источниках. Если подходящей цитаты нет, оставляем поле пустым. Отдельное указание в промпте: не хвататься за самую громкую жалобу на цену или баг. Искать задачу и мотивацию за ней. Если, конечно, сейчас не тестируем именно цену. (3) Написать текст под конкретный экран. Просим три варианта заголовка, подзаголовка и короткой фразы возле кнопки, которая снимает главное опасение. Используем слова из банка, но перестраиваем их под формат: целый отзыв редко годится в заголовок. У каждой строки должна быть пометка, из какой части банка она получилась. Кнопке оставляют обычное действие вроде «Продолжить». Все тревоги пользователя в неё запихивать не надо. (4) Проверить перед тестом. Остались ли в тексте слова клиента? Звучит ли он как нормальный текст для экрана? Снимает ли фраза возле кнопки опасение? Подтверждается ли тема несколькими источниками? Меняем ли одну вещь, чтобы потом понять, что повлияло на результат? (5) Что я бы добавил. Размечать цитаты по статусу клиента: платит, не дошёл до оплаты, отменил подписку. И собирать банк под конкретную аудиторию и этап воронки. Иначе легко смешать причины покупки с причинами ухода и получить текст, который пытается ответить всем сразу. В документах есть и промпты, и шаблон с журналом цитат. Прироста конверсии от этого процесса там не приводят. Промпты, Шаблон language bank, https://bit.ly/4BMWkru

Посмотрел, что читали в октябре и по каким ссылкам кликали. Вот что получилось. (1) Альфа-Банк запустил полноэкранное рекламное видео сразу после входа в аппку. Первым показали трейлер сериала Okko. Логика банка понятна. Когда человек зашёл перевести деньги, он вряд ли бросит перевод из-за ролика. Для банка это ещё одно место, где можно продать его внимание. 📍 https://t.me/bykovdigital/2378 (2) В «How I AI» рассказал, как ии поднял мне домашний NAS. Ии подсказал взять старый мини-ПК с i7, настроил облако и удалённый доступ к файлам. Тут результат можно проверить сразу. Файлы открываются, автоматизации работают. Когда ии предлагает переложить рекламный бюджет, по одному тексту плана ещё не поймёшь, сработает ли решение. 📍 https://t.me/bykovdigital/2384 (3) LinkedIn ограничивает показ шаблонных постов за пределами сети автора. Большие модели находят новые шаблоны и размечают примеры. На них учат маленькие модели, которые проверяют поток постов. Для публикаций вне сети автора LinkedIn заявляет 94% precision. Из сотни помеченных постов примерно 94 признали слопом при проверке. Сколько мусора фильтр пропускает, компания не раскрыла. 📍 https://t.me/bykovdigital/2387 (4) Бонус. Рекламный пост с вакансией AI marketing engineer в Plurio тоже попал в топ по репостам. По вакансии видно, как меняется работа медиабайера. От него ждут, что он опишет правила, по которым агент будет запускать тесты, выключать креативы и масштабировать удачные кампании. 📍 https://t.me/bykovdigital/2373

В Growth Sprints разобрали, как растёт Wispr Flow, аппка для диктовки. Там есть Porsche, около ста размещений в рассылках в месяц и креаторы, которые получают процент от рекламного спенда. (1) UGC с долей от спенда. Креатор получает 7% бюджета, который Wispr открутил на его роликах. Для новичков есть минимум за объём. Например, за 25 видео гарантируют $1 000. Если доля от спенда дала $500, Wispr добавит ещё $500. При длинном цикле покупки креатору не нужно ждать оплаты подписки. Если байер масштабирует ролики по цене триала, креатор может хорошо зарабатывать и на тех, которые приводят людей с плохим retention. (2) Рефералка у недельного лимита. Человеку предлагают пригласить друга, когда он уже успел попользоваться диктовкой. Друг получает 30 дней Pro вместо 14. Пригласивший получает кредит на месяц подходящей подписки, когда друг надиктует суммарно 2 000 слов или активирует личную подписку, включая триал. Момент выбран неплохо. Но реферал может засчитаться уже на триале. Я бы смотрел, сколько приглашённых продолжают диктовать на следующей неделе. (3) Porsche за ошибку в диктовке. На запуске Android пятерым участникам дали шанс выиграть 911 GT3 RS, если они заставят аппку ошибиться. Для запуска это хороший сюжет. (4) Около ста размещений в рассылках в месяц. Перед покупкой команда скармливала Claude договор в PDF и просила проверить CPM и аудиторию. Крупнейший партнёр отчитался о 4 500 регистрациях и $3,9 млн sales value. Claude помогает быстрее разбирать предложения. А сколько стоят платящие клиенты из этих рассылок, по $3,9 млн sales value не понять. В разборе не сказано, что входит в эту сумму. (5) В LinkedIn дали бюджет уже опубликованному контенту. В разборе указаны 5,96% среднего CTR и $856 тыс. influenced revenue за квартал, дату которого автор не уточняет. CTR показывает, что по постам кликали. Дальше из кейса особо ничего не понятно. Как посчитали эти $856 тыс. и сколько выручки добавила сама реклама, автор не объясняет. (6) Около 40 маркетинговых плейбуков в Git. Закупка, работа с креаторами, конкурентный ресёрч, запуски. По разбору, на Claude уходило $4–4,5 тыс. в месяц, а найм на две позиции поставили на паузу. Пауза в найме сама по себе мало говорит об экономии. А вот плейбуки в машиночитаемом виде — как раз самое важное для работы с AI в маркетинге. Машинка хоть и умная, но без чётких инструкций получается как в анекдоте. https://bit.ly/4sLCbxZ

Хорошо, когда тебя читают коллеги из Amazon и подсказывают, что в AI для рекламных кабинетов Amazon уже ушёл далеко вперёд относительно того, что я описал у Google. Писал про Gemini в DV360, который помогает искать инвентарь и подбирать медиапакеты. У Amazon Ads Agent заявлены медиапланирование с прогнозом охвата и рекомендациями по распределению бюджета, подбор таргетингов по описанию аудитории, аналитика обычным языком и рекомендации по ставкам и бюджетам с применением в один клик. Сам Ads Agent — название единой платформы, которая объединяет sponsored ads, Display, Video & Audio и Full-Funnel Campaigns. В последних рекламодатель задаёт бюджет, товары, креативы и настройки, а AI планирует, запускает и постоянно оптимизирует кампанию сразу в нескольких форматах: от streaming TV до sponsored ads. Креативы перед запуском утверждает рекламодатель. В DVA+ можно выбрать бизнес-цель — продажи, трафик или awareness — и отдать размещение и оптимизацию AI. Для тех, кому нужно больше контроля, остаются таргетинги, выбор источников инвентаря, сделки, частотные ограничения и стратегии ставок. По текущим условиям Full-Funnel Campaigns доступны в Штатах рекламодателям, которые продают товары на Amazon. DVA+ с advanced settings пока доступен ограниченному кругу рекламодателей в Штатах, а чат — участникам closed beta. Доступ к конкретным возможностям зависит от рынка, языка и аккаунта. https://bit.ly/480mOrS

Google добавил Gemini в Marketplace DV360. Теперь инвентарь для рекламной кампании можно искать описанием задачи: например, mobile video для молодой аудитории, которая смотрит спорт. Система подбирает подходящих паблишеров, сделки и пакеты. Поиск понимает страну, устройства, рекламный формат, интересы и демографию. Умеет сопоставлять смысл запроса с аудиториями Google и учитывать, какие бренды принадлежат одному медиахолдингу. Жёсткие требования можно задать обычными фильтрами, а запросом описать нужный контекст. Параллельно Gemini предлагает персонализированные медиапакеты с учётом исторической эффективности, демографии и контентного окружения. Есть готовые подборки под аудитории, спортивные трансляции и крупные события. При этом попросить «найди самый дешёвый инвентарь с максимальной конверсией» пока не получится: AI-поиск не поддерживает запросы по цене ставки, CTR, viewability и конверсиям. https://bit.ly/4eLdxHS

Pinterest открыл часть рекламного инвентаря для закупки через привычные DSP, включая Google DV360 и Amazon. Продукт называется Programmatic Deals: байеры могут покупать display- и video-размещения через свои платформы, основной SSP-партнёр — Magnite. Уже доступны private marketplace и preferred deals, а сделки с гарантированным объёмом показов пока тестируют. То есть бюджет можно завести без отдельного рекламного кабинета Pinterest. И вот интересно: им реально настолько выгоднее строить собственные продажи и рекламный кабинет, чем дать покупать весь инвентарь по такой схеме? Pinterest всё-таки не Meta и не Google по масштабу рекламного бизнеса. https://bit.ly/4yVG2K7

У моей Volvo есть третий ключ — водонепроницаемая метка без кнопок, для спорта. Батарейку в нём просто так не поменяешь. Недавно делал ТО, и решил узнать сколько стоит замена, тк батарейка подохла. Мне назвали цену замены: 43 тыщи. Сказать что я удивился - ничего не сказать. Я думал, что это у нас дилеры оборзели. А потом почитал The Hustle: автору за запасной ключ от шестилетней Kia насчитали $400. У некоторых BMW замена ключа стоит больше $1000. Оказывается, история вполне международная. В статье разбирают, как ключ из куска металла превратился в электронное устройство, которое ещё нужно привязать к машине. Добавились защита от угона, бесключевой доступ, дистанционный запуск и прочие удобства. А производители держат под контролем софт и инструменты для программирования ключей. Поэтому и у независимых мастерских замена не всегда дешёвая: им тоже приходится покупать оборудование и платить за доступ к софту автопроизводителей. https://bit.ly/4sGNPtZ

LinkedIn рассказал, как фильтрует AI-слоп — шаблонные посты без собственной мысли. Большие модели находят новые паттерны такого контента и размечают примеры. На них обучают маленькие модели, которые уже проверяют поток публикаций. Сложные случаи разбирают люди, а их решения помогают уточнять правила и модели. Использовать AI для редактуры можно. Под ограничения попадают пустые, повторяющиеся тексты, в том числе массовые автокомментарии, которые просто пересказывают исходный пост. Такому контенту ограничивают распространение за пределами сети автора. Для постов, выходящих за пределы сети автора, LinkedIn заявляет 94% precision. То есть из 100 постов, помеченных системой как слоп, примерно 94 признаны им при проверке. Сколько мусора система пропускает — не раскрывают. Как и то, какие полезные посты чаще попадают под раздачу. Ещё компания сообщила о снижении просмотров слопа на 40% по состоянию на август 2026 года относительно нескольких предыдущих недель. Методики сравнения в публикации нет, поэтому оценить эффект со стороны сложно. https://bit.ly/4ihcQZ6

У хорошего онбординга ответы пользователя хоть на что-то влияют. RevenueCat разобрали несколько аппок, которые дают почувствовать пользу ещё до пэйвола. Два хороших примерчика: Numo, аппка для людей с ADHD, спрашивает, какие дела человек постоянно откладывает. К концу онбординга эти дела уже превращены в список задач с настроенными напоминаниями. Ответил на вопросы — получил готовую основу для работы. Повторно всё забивать не надо. Simply Sing начинает знакомство с продуктом ещё в рекламе: предлагает простые голосовые упражнения и показывает, как песня подстраивается под голос. В онбординге определяет диапазон пользователя и адаптирует под него песни. Обещание из креатива получает продолжение внутри аппки. Если уж человек потратил время на анкету, логично использовать его ответы, чтобы снять с него часть работы. Имя на экране и полоска «готовим персональный план» обходятся дешевле, конечно. Полезная проверка для своей воронки: что изменится в первом опыте, если пользователь ответит на вопросы иначе? Какие настройки, контент или готовые действия он получит именно благодаря своим ответам? Численных результатов по этим кейсам в статье нет. Механики стоит тестировать, а результат смотреть и по конверсии в оплату, и по дальнейшему retention и LTV. Купленная подписка сама по себе ещё мало что говорит. https://bit.ly/4jOMNK4

Meta собирается убрать ручной выбор плейсментов на уровне ad set для Sales, Leads, App Promotion и Engagement. Останется он только в Awareness и Traffic. Jon Loomer разобрал уточнения из документации Meta. Причём доступ к настройке будет зависеть от objective, а не от того, под что оптимизируется кампания. Например, выбираешь оптимизацию на link clicks внутри Sales — отключить плейсмент в ad set нельзя. Выбираешь те же link clicks внутри Traffic — можно. Одинаковая оптимизация, разные права на кнопки. Что остаётся: 1. Исключения на уровне аккаунта. Их можно будет задавать отдельно для каждого objective. Раньше такое исключение распространялось на все кампании. Теперь, например, можно будет отключить Audience Network native/banner/interstitial для Traffic, сохранив их для Sales. Но это всё ещё общее правило для кампаний с выбранным objective, а не настройка конкретного ad set. 2. Value rules: снизить ставку для нежелательного плейсмента вплоть до −90%. Это может сильно сократить открутку, но не гарантирует ноль показов. Тут тоже есть ограничения: доступны только семь плейсментов — Feed, Stories и Reels отдельно для Facebook и Instagram плюс Audience Network целиком. Разделить внутри него rewarded video и native/banner/interstitial нельзя. А проблемы у них разные: Loomer отдельно выделяет дешёвые ThruPlay views из rewarded video и дешёвые клики / landing page views из native/banner/interstitial. Через value rules снижать ставку придётся сразу на весь Audience Network. Ну и среди альтернатив Meta предлагает адаптировать креативы под каждый плейсмент. Збс, конечно, но вертикальный ролик не решает задачу «не показывать рекламу здесь». Общей даты завершения выкатки этой шляпы в разборе нет. https://bit.ly/4BwryTx

How I AI: полгода с ии За полгода у меня накопилось довольно много опыта с ии. «Простые» задачи он делает очень круто. Со «сложными» всё не так однозначно. Причём граница проходит в довольно неожиданных местах. Суммаризировать пачку материалов, найти факты, сопоставить источники и показать, где они расходятся, — отлично. А потом спрашиваешь «и чё?» — и начинается вода и теория. Собрать отчёт по заданным критериям — тоже отлично. Поискать в нём инсайты, нагенерировать гипотез — вполне. Но ответ на вопрос «а что делать-то?» всё равно приходится придумывать самому. Какую гипотезу брать первой, куда переложить бюджет, на что вообще забить. При этом в категорию «простых» попадают задачи, которые я сам вообще не умею делать. Например, ии поднял мне очень устойчивый шлюз в Европе со скоростью 200 Мбит/с. Сам нашёл провайдера, настроил сервак, выбрал и настроил протокол. Сделал десятки итераций конфигов, чтобы всё заработало на всех моих девайсах. Несколько нод, бэкапы, вот это всё — тоже сам. Ещё поднял мне дома NAS. Выбрал ОС, подсказал, какое железо взять. Оказалось, для этого отлично подходят сильно б/у мини-ПК с i7 возрастом 5–8 лет: компактные, электричества почти не жрут, стоят копейки, а мощности для моих задач хватает с большим запасом. Я бы сам в эту сторону даже не смотрел. Развернул там персональное облако и фотоархив для всей семьи, файловый менеджер, торренты, стриминг-сервер, виртуалку с Home Assistant. Завёл локальное управление всем умным домом, чтобы не зависеть от облаков. Настроил десятки автоматизаций. Настроил Tailscale для удалённого доступа к NAS. Соединил NAS со шлюзом для того софта, которым западные друзья не дают нормально пользоваться. Там же крутится часть харнеса — расширенная распределённая память для ии. И это всё от идеи до работающей штуки. Я просто обозначал проблемы, а как их решать — предлагал сам ии. До общения с ним я даже не думал, что мне стоит такое собрать. А вот маркетинговую стратегию эта штука нормально не напишет, сколько ни старайся. У технической задачи можно проверить результат: шлюз работает, файлы доступны, автоматизации срабатывают. Со стратегией сложнее: то, что текст выглядит разумно, ещё не значит, что предложенные решения сработают. Ну и skin in the game никто не отменял.

45 тысяч тестов за год — это Capital One в 2000-м В годовом отчёте банка за тот год: больше 45 тысяч тестов, свыше $900 млн маркетинговых инвестиций и 10 млн новых клиентов. РИР собрали историю того, как банки пришли от почтовых рассылок к собственным рекламным платформам. Capital One В конце 1980-х Ричард Фэрбэнк и Найджел Моррис начали тестировать разные сочетания ставок и комиссий на небольших группах клиентов. Адресатов отбирали по данным кредитных бюро, предложения отправляли обычной почтой. В 1991 году сработал оффер перевести задолженность с карты другого банка под более низкую ставку. В 1993-м карточный портфель вырос на 126%, до $5,3 млрд. Фэрбэнк называл эту кампанию одной из 300 тестов. ТКС В 2006 году модель банка без отделений и с привлечением через письма запустили в России. Но данных для предварительного отбора было меньше: ТКС рассылал предложения массово, а проверял клиента по кредитным бюро уже после отклика. По оценке «Уралсиб Кэпитал», анкету присылали около 3% адресатов, одобрение получала примерно половина. За 2007–2010 годы: 45 млн писем и около 740 тысяч выданных карт. Новые продукты тоже запускали локально. В начале 2009-го сберегательные карты сначала тестировали в Перми и Тюмени. Рекламная платформа В 2012 году ТКС уже возвращал кэшбэк за покупки у конкретных партнёров — Philips и OneTwoTrip. В 2013-м появилась платформа «Тинькофф Таргет»: магазины сами предлагали кэшбэк аудитории, выбранной по географии, доходам и покупкам у конкурентов. В 2024 году Т-Банк запустил собственную рекламную платформу. Сегодня «Т-Реклама» заявляет аудиторию 50+ млн человек и размещения внутри банковской экосистемы и на внешних ресурсах. Пример таргетинга из описания платформы: ветклиника выбирает жителей Казани, которые покупают в ветаптеках и посещают зоосалоны. Из аудитории можно исключить тех, кто уже покупал у рекламодателя. https://bit.ly/47G7Y9Q

На что смотреть при разборе экспов, кроме процента uplift У Fiera есть разбор четырёх клиентских аккаунтов с конкретными примерами того, как ломаются рекламные тесты. 1. Сколько воздействия реально получил тест Demand Gen сконцентрировали в трёх регионах. CPM оказался в 2,7 раза выше плана, прогноз показов — 27% от запланированных. Первоначальный расчёт чувствительности перестал работать. Промежуточные +8,8% лидов тоже распадались по регионам: +25,5%, +0,3% и +1,3%. Общий p = 0,14. Рост почти целиком пришёл из одного региона. 2. Что происходило с контролем YouTube и наружка в одном городе, Demand Gen по стране с исключением контрольного города. Исходная оценка: +40%. Но в те же недели прошлого года, без кампании, тестовый город уже показывал +19,3% относительно остальной страны. После поправки на сезонность: +29,7% относительно контрольного города и +7,9% относительно страны. Значимость сохранилась только в первом сравнении. 3. Не изменили ли условия для контрольной группы Брендовый поиск отключили примерно в половине регионов и одновременно вдвое сократили бюджет. Доля показов, потерянных из-за бюджета, выросла с 7,1% до 21,9%. Ограничение затронуло и контрольные регионы. Через 25 дней тест свернули без интерпретируемого результата. Оставить рекламу включённой в контроле оказалось недостаточно: объём её доставки тоже изменился. 4. Находит ли метод эффект там, где кампании не было Upper-funnel кампания в двух странах, состав каналов не раскрыт. Исходно получили +74% и +41% покупок. На прошлых периодах без кампании тот же метод нашёл значимость в 36 из 40 окон. После пересчёта: −1% с интервалом от −32% до +44% и +6% с интервалом от −27% до +55%. Вот эти проверки и хочется видеть рядом с uplift в отчёте. Особенно когда дальше предлагается увеличить бюджет. Все цифры — из разбора Fiera, клиенты и исходные данные закрыты. https://bit.ly/4z7iiDW

Кому было интересно, как под капотом работает DPA — Dynamic Product Ads — у Snap вышла статья про один из этапов: как оценить, насколько подобранные товары вообще подходят пользователю, ещё до A/B-теста. Схема примерно такая: 1. Берут историю взаимодействий с товарами за 30 дней. Похожие товары группируют, но просмотры, корзины и покупки держат отдельно. Покупка весит больше просмотра; двадцать просмотров одного и того же не должны превращаться в двадцать разных интересов. 2. LLM сравнивает товар-кандидат с этими интересами: точное совпадение, похожий товар, замена, дополнение или вообще мимо. Из оценок собирают метрику релевантности, по которой можно сравнивать версии подбора товаров офлайн. 3. Правила для LLM тоже дорабатывают с помощью агентов: разбирают ошибки, предлагают уточнения и проверяют их на размеченных примерах. Но редкие критичные ошибки пришлось отдельно прописывать людям. Например, несовпадение возрастной или гендерной категории товара автоматический цикл регулярно недооценивал — слишком мало таких примеров в выборке. 4. Чтобы не гонять большую модель на каждой паре товаров, Gemini Pro размечает примеры, а на них дообучают Flash. В регулярной оценке работает уже маленькая модель. Группировка истории сократила число LLM-вызовов примерно в 30 раз. Дообученный судья оказался примерно в 9 раз быстрее большой модели по медианной задержке в их замере. Проверяли на production-данных Snap. В четырёх онлайн-экспериментах улучшения офлайн-релевантности совпали с ростом CTR и CVR. В этих тестах меняли сами модели подбора товаров, поэтому приписывать весь эффект LLM нельзя. Но как фильтр перед дорогим тестом — уже вполне прикладная история. Самый интересный кусок здесь — сколько работы уходит на определение «релевантно». Даже с агентами всё равно приходится объяснять, какие ошибки нельзя усреднять ради красивой общей метрики. И что такое релевантные рекомендации, похоже - тоже. В авторах, кстати, три Zhang. И все остальные такие же коренные калифорнийцы. 📍 https://bit.ly/4hT05nq

Какую работу с клиентами вы готовы передать ИИ-агентам? Чтобы поручить агентам работу с клиентами, нужны история покупателя, правила бизнеса и инструменты для действий. А ещё — безопасная среда, в которой их работу можно контролировать. Новая RetailCRM объединяет всё это для автоматизации продаж, маркетинга и клиентского сервиса 🔥 29 октября в Москве — релиз новой RetailCRM. В программе — представители Hoff, Асконы, Familia, Henderson, Лемана ПРО и Geltek, выступления Евгения Бутмана и Юлианы Гордон. Обсудим, какую работу с покупателями можно поручить ИИ-агентам, где сохранить контроль человека и как связать действия продаж, маркетинга и сервиса. Покажем агентов вживую и то, как передавать им работу с клиентами, сохраняя контроль над их действиями. Представим новый модуль клиентского сервиса, который объединяет обращения с историей продаж и маркетинговых коммуникаций. Приглашаем собственников и руководителей ритейла, e-commerce и компаний-производителей 🤝 📍 29 октября, 17:00 Москва, «Согласие Hall» Успейте зарегистрироваться 👉🏻

Реклама в этом канале Деловой сезон в разгаре — хороший повод напомнить, что здесь можно купить рекламу. Аудитория — маркетологи, growth-лиды, продакты, аналитики и руководители. Если у вас сервис для их работы, AI-инструмент, обучение, конференция или финансовый продукт — приходите. Главное, чтобы было понятно, чем это полезно читателям канала. 9 000 ₽ за пост. Размещение на 30 дней. Успешный успех, крипту, азартные игры и таро по-прежнему не размещаю. Условия в закрепе https://t.me/bykovdigital/1841

Деньги не пахнут. Альфа-Банк запустил полноэкранное рекламное видео, которое появляется после входа в мобильное приложение. Первый рекламодатель — Okko с трейлером сериала. И это ещё цветочки. У Альфы и раньше бывали фулскрины чуть ли не на каждом клике и в каждой сессии, а пушей могло прилететь по семь за день. Теперь к этому добавили видео на входе. Логика понятна: когда у человека в банке деньги, карта и платежи, после очередного баннера он вряд ли сразу уйдёт. Значит, можно продать ещё немного его внимания. Потом ещё немного. В какой-то момент заходишь в приложение перевести деньги, а сначала должен посмотреть чужую рекламную кампанию. Нормально устроились. https://bit.ly/4dK42bD

Либо данные очень странные, либо Apple сделала очень странный инструмент для удержания подписчиков. RevenueCat посмотрел на 22 млн показов Retention Messaging в 309 аппках. Это сообщения, скидки и предложения сменить план, которые появляются при отмене подписки в настройках App Store. Медианный save rate — 16,7%. Но «спасённым» тут считается пользователь, который не отменил подписку в течение 24 часов. Скидку взяли в 0,68% показов оффера, другой план выбрали в 0,52%. А сравнение 64 аппок с теми, кто механику не запускал, не показало дополнительного снижения отмен. Для меня это неожиданно. Нормально собранный cancel flow на практике даёт ощутимое инкрементальное удержание. Возможно, короткое окно и сравнение без A/B-теста просто не позволяют увидеть эффект. А возможно, системный экран App Store работает совсем не так, как cancel flow внутри продукта. В любом случае 16,7% save rate пока лучше не записывать в удержанных подписчиков. Нужны продления и выручка против контрольной группы. https://bit.ly/4zBCUnA