Evgeny Kuznetsov | DataHints – анализ и визуализация данных в маркетинге

Почему Алиса AI цитирует одни сайты и игнорирует другие? Вместе с нашим SEO-лидом Олегом Угрениновым мы разобрали инструкцию Яндекса про то, какие аспекты влияют на ранжирование в Поиске и попадание в ответы Алисы AI. Ещё до её выхода у нас были гипотезы о том, как всё устроено. Инструкция их подтвердила. А дальше мы решили проверить всё на данных реальных клиентов. Проанализировали 27 сайтов по показателю Share of Voice — доле запросов, в нейроответах по которым Алиса цитирует сайт. Вот что оказалось самым интересным по итогам исследования: ➡️ Высокая видимость связана не с одним «правильным» блоком, а с совокупностью факторов. ➡️ Экспертность должна быть не просто на сайте, а на виду — в том числе на главной и основных посадочных страницах. ➡️ Можно выполнить формальный чек-лист и получить низкий результат. А можно хорошо проработать несколько ключевых факторов — и оказаться заметнее конкурентов. ➡️ Даже высокая видимость в Алисе пока почти не приносит переходов. Это скорее медийный билборд на главной странице Яндекса, который формирует узнаваемость и доверие ещё до первого клика. В статье разобрали все шесть гипотез, показали реальные примеры и отдельно прошлись по аномалиям: почему некоторые сайты с хорошим контентом Алиса почти не замечает, а другие цитирует регулярно. Читайте там, где вам удобно: 🔗на нашем сайте, 🔗на Workspace — статья, кстати, сразу улетела в рубрику «Лучшее». Хотите понять, как ваш бренд представлен в нейроответах и что стоит улучшить в первую очередь? Напишите нам в бота или на почту promo@jetstyle.ru с темой «Аудит AI-видимости», мы расскажем! JetStyle🔥 | про #SEO #GEO #AI #исследования #статьи

Пипец я тут триллер пережил... В общем решил запилить бота, которому буду кидать ссылки из запрещенной соцсети с картинками и видосиками чтобы он их сохранял без рекламы, подтверждения и смс. И GPT-5.5 мне реально сделал его за 15 минут, вполне рабочий бот – скачал мне и видосик и галерею. Думаю, дай залью на сервер где у меня хостится другой бот и потестирую. Отправляю агента проверить что там с сервером по ssh и залить бота. И тут в процессе всей этой возни меня резко выкидывает из Telegram Lite. Открываю телефон – та же фигня, меня выкинуло из аккаунта. Открываю Telegram Desktop – тоже разлогин. Параллельно агент ругается на ошибку API ключа. Отправляю агента проверить сервак на предмет не могло ли там быть дыр которые бы дали доступ к моему аккаунту, но я точно помню что в других ботах я не давал каких-либо ключей от своего аккаунта - только от соответствующего бота. Параллельно пытаюсь авторизоваться в телеге и меня не пускает. Ввожу телефон, ввожу почту, мне приходит код в почту, а код в телефон не приходит – не звонит и все. И так по кругу. Грешу на мегафон и блокировки иностранных звонков - мало ли. А новость про passkey я как на зло пропустил и его не сделал. Думаю ну все, приплыли - давно хотел почистить подписки в телеге, но не таким способом. Параллельно ребутаю комп и у меня вместо иконки Codex появляется знак ❔. В итоге спустя пару часов мне при попытке ввести мой gmail ящик начинает выдавать ошибку и тут я начинаю подозревать – а не яндексовскую ли я почту к телеге привязал (они у меня к слову только доменом и отличаются). И видимо да, ее – как видите я залогинился 😂 Вот так вот я узнал о том что Open AI раскатали на меня GPT 5.6, а вместо Codex теперь ChatGPT с селектором Work / Codex и его нужно скачать заново (вот тут детали если что). А бота моего за что-то блокнули и вместо него когда я зашел у меня Deleted User, хотя Bot Father его отображает. Ну и да, добавьте passkey если еще не...

В Яндекс Тег Менеджере появились сабконтейнеры — дополнительные рабочие пространства внутри основного контейнера. Вот как это выглядит ↓ ⠀⠀ 📁 / | | \ 📁 📁 📁 📁 Обновление поможет избежать конфликтов правок и путаницы при совместной работе: ⚫️Разделить настройки по направлениям, проектам или задачам ⚫️ Публиковать изменения отдельно от основного контейнера Например, можно выделить отдельные сабконтейнеры для маркетинговых интеграций, аналитики или экспериментов. А ещё добавили новые настройки: ➖Счётчик событий → срабатывание триггера на определённое по счёту событие ➖Лимит активаций → максимальное количество срабатываний тега на пользователя, страницу или определённый период Обновления уже доступны всем пользователям Яндекс Тег Менеджера — заходите и тестируйте новые настройки. 🔗 Больше деталей — на Портале Рекламы

Вот прям в точку... Написал с помощью агентов цепочку витрин для разметки трафика, мэтчинга клиентов между CRM и метрикой, и расчета атрибуции. Кросс-чеки все проходит, документация понятная и великолепная. Вроде все логично, экономия времени невероятная. Только вот теперь надо заставить себя сесть и пройти по шагам преобразования каждой витрины чтобы полностью разобраться в логике, иначе внутренняя чуйка говорит что что-то может быть не чисто.

«А что, так можно было?» Именно такую реакцию мы чаще всего слышим, когда показываем клиентам нормальную систему аналитики вместо набора разрозненных отчётов. Потому что аналитика — это не отчёт и даже не дашборд. Это процесс, который помогает принимать решения: ➡️понимать, что происходит с маркетингом, ➡️где растёт спрос, ➡️каким данным можно доверять ➡️и почему после отключения одной рекламной кампании внезапно просели заявки по всему проекту. Наш Head of Analytics 🧑‍⚕️ Женя Кузнецов написал статью, в которой разобрал 4 ситуации, с которыми мы сталкиваемся чаще всего в проектах. И поделился нашим взглядом на то, как решать эти задачи уже сегодня. И не только в бигтехе, но и в среднем бизнесе. Читайте статью там, где вам удобнее: 🔗на нашем сайте 🔗на Workspace (кстати, статья сразу же залетела в рубрику «Лучшее») 🔗на Sostav Если после прочтения статьи появится желание проверить, насколько можно доверять вашей аналитике, — напишите нам в бота или на почту promo@jetstyle.ru. JetStyle 🔥 | про #aналитика #статьи

Как за 4 года вырастить спикера, который готов выступать где угодно Все мы знаем, что люди покупают у людей. И поэтому агентству важно, чтобы у них были люди, у которых хотят покупать. И часто эти люди не менеджеры, владеющие лучшими механиками продаж, а эксперты, которые публично делятся своей экспертизой.  Сначала ты слышишь человека на сцене, потом запоминаешь, из какой он компании. А когда возникает задача — обращаешься в эту компанию. Или прямо к этому человеку. На днях наш PR рассказал про выступление Евгения Кузнецова — Head of Analytics JetStyle — на конференции АНА'26 в Москве. Это техническая конфа для продуктовых аналитиков, ML-инженеров и data-команд, в общем очень умных ребят и девчат, которые работают с данными. На выступлении Жени был полный аншлаг, люди стояли в дверях, а кто-то не попал. И организаторы предложили выделить ему под осеннее выступление осенью зал побольше. И это реально успех! Сижу радуюсь, горжусь и вспоминаю как мы к этому пришли… Что стоит за этим? А я расскажу. 2022, лето. Мы с Женей ездили на Baltic Digital Days — конференцию про SEO и digital-маркетинг в Калининграде. Нам понравилось. Послушав спикеров, мы поняли, что нам тоже есть, чем поделиться в следующий раз, и даже подали заявку, но организаторы ее отклонили.  А после конференции, как часто бывает, народ собирался встретиться на следующей конференции осенью - на Матемаркетинге (тащусь от этого названия). Эту конфу делают те же ребята, что и AHA. Ну и мы купили билеты по ранней цене сразу. Съездили. Было интересно, но какое-то ощущение потерянности не отпускало. Ноябрь 2022 было непростое время.  Решили тогда для себя, что нам стоит еще прокачать экспертизу в аналитике, набираться опыта и тогда уже можно будет подаваться. Но на 2023 не подались, решили, что нам не встать в один ряд со спикерами из Тбанка, Авито и тп.  2024. Снова поехали на BDD. И там Женя выиграл бесплатный билет на осенний Optimization 2024. Ну а вместе то на концу ездить веселее, так что я купила себе билет. Еще раз послушали, что говорят и придумали, что мы можем дать альтернативный взгляд - взгляд агентства… 2025, август. На BDD Женя выступил в секции «Слово имею» — «Инструменты и подходы анализа данных в SEO и не только». Один из эффектов — приглашение в подкаст Михаила Шахина: как SEO-специалисту развивать навыки аналитика и при чём тут M-shaped. 2025, ноябрь. Снова съездили на Матемаркетинг — уже в кластере «Ломоносов». Женя отлично нетворкал среди тысячи аналитиков. 2026, май. Когда попался анонс АНА — у нас уже был примерно такой диалог: — Открыт прием заявок на AHA, у нас есть чего? Подаемся? — Можно подать AI-first рабочее место для аналитика) либо мастер-класс с его сборкой  Вот так, за 4 года у нас появился спикер, готовый когда угодно и где угодно рассказывать про как и что он делает. Хотя, по правде говоря, это конечно еще не всё.  Есть вторая важная часть - нужно обеспечить человека задачами, на которых он будет расти. Чтобы ему было чем делиться. А потом еще надо обеспечить его сотрудниками, которые будут делать те задачи, которые он перерос. Но это уже совсем другая история. У Жени, кстати, классный канал — про маркетинговую аналитику и датавиз. А если вам нужна помощь с настройкой маркетинговой аналитики для себя или для вашего клиента — пишите мне в личку или в @jetstyle_bot. #спикер #конференции #маркетинговаяаналитика #агентство #jetstyle #управлениекомандой #карьера

Одну идею переизобрели трижды — значит, рабочая Энтузиасты собирали себе AI-вики из markdown задолго до хайпа. Карпатый сформулировал паттерн коротко и громко. А на днях Google выпустил под это открытый стандарт — Open Knowledge Format. Идея простая: каждый файл, таблица, метрика, концепт в базе знаний описывается отдельным markdown-документом. Агент читает — и понимает, что есть, как связано, где искать. Никакой платформы, никакого SDK, никакой привязки к вендору — формат, а не сервис. Я с этим живу не первый месяц: на проектах метаданные таблиц и определения метрик лежат отдельными markdown-файлами, которые агент читает перед тем, как писать SQL. Живьём показывал этот подход на своём докладе на AHA 2026 — запись доступна на платформе Матемаркетинга (пока к сожалению только для тех у кого есть билет). Разобрал в статье, откуда растёт идея, как устроен формат и зачем он тому, кто каждый день переключается между проектами. 🔗 Читать на сайте 🔗 А у вас контекст где живёт — расползается по чатам и заметкам или уже переехал в файлы, которые читает агент? Давайте сверимся в комментариях 👇

Что произошло с Fable / Mythos. Перевод поста David Sacks, AI & Crypto Czar "Я провёл ряд разговоров с людьми внутри правительства и вне его о текущей ситуации с Anthropic, и вот что, как я полагаю, соответствует действительности: — Как мы знаем, в начале этой недели Anthropic публично выпустила свои модели класса Mythos под коммерческим названием Fable. — Fable — это Mythos с ограничителями (guardrails). Но если эти ограничители дают сбой, значит, вы открыли доступ к Mythos и её продвинутым кибервозможностям людям, у которых их быть не должно. (Стоит помнить, что сама Anthropic широко продвигала идею о том, что Mythos является кибероружием и должна регулироваться как таковое. Они просили о государственном регулировании Mythos и отстаивали ограничители на Fable. Если есть уязвимость — большая или малая — устранить её обязанность Anthropic.) — Весьма авторитетный доверенный партнёр как Anthropic, так и правительства США, который тестировал Fable, заявил о джейлбрейке этих ограничителей. Администрация попросила Дарио устранить джейлбрейк либо снять модель с развёртывания. Дарио отказался. — В своём блог-посте Anthropic обосновала своё решение тем, что джейлбрейк не является серьёзным. Это не то, что считают доверенный партнёр и правительство США; и подобные преуменьшающие формулировки не соответствуют бренду Anthropic как компании, занимающейся безопасностью ИИ. Трудно понять, как они могут утверждать, что джейлбрейк, дающий работоспособность кибероружия, можно определить как "несерьёзный". — В прошлом Anthropic всегда заявляла, что безопасность должна быть высшим приоритетом и восприниматься предельно серьёзно. В данном же случае Anthropic поставила продолжение поставки потребительской модели выше безопасности. — В ответ администрация ввела экспортный контроль. Администрация сделала это неохотно. Она была весьма удивлена тем, что Anthropic не захотела пойти навстречу разумному запросу о безопасности (то есть устранить проблему с джейлбрейком). Реакция Anthropic совершенно расходится с их брендингом и идеологией сообщества безопасных исследований ИИ. — Сейчас администрация надеется, что Anthropic устранит проблему с безопасностью, экспортный контроль будет снят, и Fable вернётся в общий доступ. Администрация хочет, чтобы всё это произошло как можно скорее. Она, откровенно говоря, сбита с толку тем, что Anthropic не захотела выполнить запросы о безопасности, которые ранее называла своим высшим приоритетом. — Те, кто пытается дезориентировать и связать это действие с прежними проблемами между Министерством Войны и Anthropic, ошибаются. Администрация ценит технические возможности Anthropic и считает, что этот вопрос, при всей его серьёзности, должен легко разрешиться. Мяч на стороне Anthropic."

Еще немного потестировал Fable Если раньше при постановке задачи написать серию Jupyter-ноутбуков с SQL-запросами и кросс-чеками Claude просто писал мне код и документацию к нему то с Fable видно что он закапывается гораздо глубже. Помимо того что он сначала понаделал серию SQL-запросов чтобы разобраться в данных – затем, при написании кода, он многократно его тестировал, прогонял код, находил баги и правил. С одной стороны класс – он выдаст мне более качественный и обкатанный результат, но с другой стороны он создает риск что-либо положить своими действиями. Нужно теперь внимательнее следить за доступами и разрешениями агента. Вот аналогичный занятный пример – агенту не хватило прав на Git и он пошел самостятельно их себе добывать. Спойлер – почти добыл Так что развивайте инженерные навыки – все еще нужно понимать что, как и зачем вы делаете. Просто у вас появились очень проактивные помощники 🧑‍💻

Решил я значит потестить Fable чтобы спроектировать архитектурное решение как раскатать самописную сквозную аналитику в проекте на все источники клиентов (сейчас она покрывает только тех кто ходил через сайт). Что модель сделала первым делом? Правильно, нашла в проекте все реквизиты от базы данных и принялась строчить SQL-запросы чтобы изучить что же там есть в реальных данных. В режиме ask before edits... Я просил только документацию почитать....🤔 Так что будьте осторожны

Итак, вышла Claude Mythos Fable 5. Соберем что мы об этом знаем в одну кучу и будем дополнять. - Официальный блогпост с видео-демками и графиками, ютуб-тизер и Системная карта с деталями. - Claude Fable 5 и Mythos 5 - это одни и те же веса, но с разными предохранителями. Fable для всех, Mythos - для доверенных партнеров - Новый класс моделей "Mythos-class". SOTA почти на всех бенчмарках, самые большие отрывы - на длинных и сложных задачах. Бенчи пересказывать не буду - посмотрите в блогпосте и постепенно появляются все больше независимых. - в 2 раза дороже Опуса: $10 за млн входных токенов, $50 за млн выходных. - Доступна в Claude (все платные подписки), Claude Code и по API. Если не видите в CC - обновитесь claude update. - Всех расстроило это: В подписках включена до 22 июня, дальше по кредитам. То есть через пару недель будет API баланс равный цене вашей подписки (например $100), а выше него - уже только при оплате за API-токены. Пишут будет так пока не найдут компьют. - Every дали доступ за 5 дней: их видео-обзор и статья - там paywall, но прочитал и вот суть: - Fable как "warp-двигатель для кода": амбициозные штуки одним промптом, но для понятных и коротких задач дорого и медленно. - Скачок виден на больших автономных билдах, а не на рутине. - На их внутреннем инженерном бенче: Fable 91/100 (Opus 4.8 - 63 и GPT-5.5 - 62). - Сделал клон их продукта "Proof" (collaborative document editor) с одного промпта без доступа к исходному коду за ≈3 часа. - В другом тесте снял скриншоты собственной работы на desktop и mobile, нашёл визуальные дефекты и починил - QA встроен в рабочий цикл без отдельного промпта. - По их наблюдениям чинит корневую причину, а не симптом. - Пишут что старые скиллы могут ограничивать новые модели (например Fable делает PowerPoint лучше, когда ему сказали вообще не использовать скилл, а просто дали бренд-гайдлайны) - При этом текст пишет не чуть хуже Opus-а - Самое сильное преимущество вне кода - суждение, особенно с большим контекстом - Кто еще получил ранний доступ к модели? Пост Ethan Mollick, Claire Vo - подкаст How I AI - Про предохранители: когда пишешь запросы про кибербез, био/хим и дистилляцию, срабатывает защита и переключает на Opus (в <5% сессий как пишут), и тебя об этом уведомляют. Но ложные срабатывания реальны: на reddit уже ловят баны за легитимный dual-use. Обещают уменьшать false positive. - Когда вообще брать Fable. Модель заточена под долгие автономные/агентные задачи: "может работать днями, и чем длиннее задача, тем больше отрыв". На коротких правках разницы с Opus 4.8 часто не почувствуешь, а платишь 2x. Именно на ней Борис Черный видимо почувствовал силу Loop Engeneering. - Интересно что максимум effort не всегда дает лучше результат - об этом пишут Every на своих тестах письма. - Шуточный Elevator-bench уже давненько был изчерпан, но если интересно, то вот лифт Fable. - Мои тесты пока скромные: работает визуально даже быстрее (видимо потому что делает меньше tool-колов) и внимательнее, но у меня не так много задач с которыми Opus 4.8 не справлялся бы, надо больше тестить. Пишите свои наблюдения и что интересненького нашли по теме - буду дополнять пост.

Anthropic выпустили Claude Fable 5 — по их словам, самую мощную модель, которую они когда-либо открывали для общего доступа. Согласно анонсу, модель показывает лучшие результаты почти на всех тестах: разработка, аналитика, работа с изображениями, научные исследования. Причём чем длиннее и сложнее задача, тем заметнее отрыв от прошлых моделей — выигрыш прежде всего на долгой автономной работе. Главное: → Цена — $10 за миллион токенов на входе и $50 — на выходе. Это меньше половины от прошлого Mythos Preview: флагман подешевел, а не подорожал. → Разработка — Stripe провели миграцию кодовой базы на Ruby в 50 млн строк за день; вручную команда делала бы это больше двух месяцев. → Зрение — прошла Pokémon FireRed на одних сырых скриншотах, без карт и навигационных подсказок. Прошлым моделям для этого нужны были вспомогательные инструменты и подсказки. → Память — на длинных задачах не теряет фокус на дистанции в миллионы токенов и дотягивает ответы по собственным заметкам. Отдельная история — безопасность. Модель настолько способная, что часть запросов по чувствительным темам (например, по кибербезопасности) она отдаёт не себе, а модели послабее — Opus 4.8. Предохранители настроены с запасом: иногда заворачивают и безобидное, но в среднем срабатывают меньше чем в 5% случаев. У меня пока недоступна, но жду с нетерпением. А вы уже щупали Fable 5? На каких задачах зашло, на каких нет? Давайте сверимся в комментариях 👇 Сам анонс: https://www.anthropic.com/news/claude-fable-5-mythos-5

Спросил у жены как пользоваться полочкой для умывания Ai-first подход: Шаг 1. Берем Voiceinc и просим объяснить как использовать то что стоит на полочке Шаг 2. Закидываем расшифровку в Claude и просим собрать руководство Шаг 3. Берем руководство и просим ChatGPT собрать инфографику Шаг 4. Мы же с ебанцой – просим сделать в стиле агит-плаката и приплетаем туда Маяковского Вжух и готово P.S. он даже to-do добавил, умничка прям

Рома Бунин опубликовал дашборд с результатами опроса про использование AI в работе Цифры полностью подтверждают мои ощущения от доклада и обсуждений на AHA (обвел актуальные мне вопросы) – копаем дальше =) Остальные выводы ищите у Ромы в канале, а дашборд потыкать можно тут.