Интернет-аналитика // Алексей Никушин
Мы делаем крупнейшие конфренции в России для аналитиков и ML/DS-специалистов - ahaconf.ru / matemarketing.ru Вопросы: @a_nikushin // info@matemarketing.ru
Больше📈 Аналитический обзор Telegram-канала Интернет-аналитика // Алексей Никушин
Канал Интернет-аналитика // Алексей Никушин (@internetanalytics) языкового сегмента Русский является активным участником. Сейчас сообщество объединяет 23 204 подписчиков, занимая 432 место в категории Маркетинг и PR и 28 479 место в регионе Россия.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 23 204 подписчиков.
Согласно последним данным от 25 августа, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -95, а за последние 24 часа — -4, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 5.29%. В первые 24 часа после публикации контент обычно набирает N/A% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 1 228 просмотров. В течение первых суток публикация набирает 0 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 2.
- Тематические интересы: Контент сосредоточен на ключевых темах, таких как аналитика, молекула, матемаркетинг, стенд, матемаркетинга.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“Мы делаем крупнейшие конфренции в России для аналитиков и ML/DS-специалистов - ahaconf.ru / matemarketing.ru
Вопросы: @a_nikushin // info@matemarketing.ru”
Благодаря высокой частоте обновлений (последние данные получены 26 августа, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Маркетинг и PR.
💡Рост скорости x5: приводит ли это к сокращениям, или бизнес получает шанс запускать и масштабировать продукты быстрее. 💡Код перестает быть дефицитом: инженерная функция смещается в сторону системного анализа, архитектуры и контроля качества. 💡Граница автоматизации: что можно отдать агентам, а что все еще требует человека в discovery, продуктовых решениях и проектировании. 💡AI-стек внутри компании: когда хватает классического ML, когда действительно нужны LLM, и как их совмещать с учётом стоимости, скорости и рисков. 💡Безопасность и QA: кто отвечает за уязвимости, prompt-инъекции, надежность и мониторинг, если часть работы делают агенты. 💡Портрет «хорошего инженера» через год: за какие навыки нанимать и как строить команду, которая делает лучше быстрее конкурентов.Ждем вас 🙂 🔜 Следом доклад Антона Киселева, CPO MWS DevRails (16:10–16:40) «Единая среда обитания для AI и продуктовых команд» Про то, как менять процесс разработки с помощью AI на разных этапах — от требований до релиза, включая взаимодействие с AI-агентами. Подходите в «Физику», если тема AI-first для вас рабочая задача на ближайший год 👀
Как устроен современный AI-сервис под капотом: от выбора базовой модели и планирования действий до оркестрации всего стека. Все на хардкорном опыте plevako.ai — GPU, параллелизм, бэкенд, векторный поиск, кастомные функции. Слушатели получат ясную схему, из каких «кубиков» собираются рабочие AI-сервисы и как развернуть такой под свою задачу.🧪 15:35–16:05 | Виктория Качалова (Kameleoon)
Команды теряют до 70% выигрышных гипотез — часть застревает в очереди на тестирование, часть «умирает» на пути к выкладке. Спикер покажет, как закрывать этот разрыв с помощью AI-агента: генерация и сборка эксперимента, помощь в поиске и оценке гипотез, деплой с помощью МСР-сервера.📈 16:10–16:40 | Аркадий Лысяков (Т-Банк)
Почему метрики чат-ботов (CR/CSAT/время ответа) мало что говорят про LLM-агентов, и чем их заменять. Практика A/B-тестирования AI-воркфлоу и подход к контролю качества, скорости и стоимости в AI‑native‑поддержке.📊 16:45–17:15 | Сергей Захарченко (Dopamine Analytics, «Динамика»)
После ухода Amplitude и Mixpanel команды массово откатились к статичным дашбордам. Эксперт покажет путь «от плоского графика к AI-аналитику на примере платформы «Динамика». Отдельно — про ИИ-ассистента Дину внутри платформы: поиск аномалий 24/7, проактивная генерация гипотез и оцифровка влияния инсайтов на выручку.Этот трек — про AI, который можно не только эффектно показать на демо, но и контролировать и развивать в реальном продукте.
Команда Т1 — это более 27 тысяч сотрудников из 400+ городов России и Беларуси. В фокусе Т1 ИИ: 🔘полный цикл управления данными на базе передового отечественного ПО с открытым исходным кодом; 🔘корпоративные хранилища данных и платформы анализа неструктурированных больших данных; 🔘индустриальные решения на основе современных методов моделирования и технологий машинного обучения и ИИ.Готовы к большим идеям? Тогда коллеги из Т1 уже ждут вас на втором этаже 👀
