Digital-Задроты в B2B | Южанин Дмитрий

Продолжаем воевать с галлюцинациями и обманом нейронки 🧠 Месяца полтора назад выкладывал quality-check — промт, который проходит по готовому результату нейронки и ловит враньё до того, как оно уйдёт в работу (рассказывал вот тут: https://t.me/b2b_done/324). С тех пор гоняю его регулярно и заметил: нейронка не только галлюцинирует, она ещё и ловко маскирует слабые места. Докрутил под это, выкладываю обновление. Забирайте. Что поправил. — Громкие слова вместо цифр. «Выросло в разы», «существенно дешевле», «гораздо быстрее» — звучит как факт, а числа за этим нет. При выборочной проверке такое легко проскакивало. Теперь промт вылавливает каждую такую формулировку и проверяет, есть ли под ней цифра и источник. Это была главная слепая зона. — Выводы, которые ты не делал. Там, где должна стоять твоя оценка, твоё решение или твой вывод, нейронка спокойно дописывает свой и подаёт его так, будто это сказал ты. Собрать за тебя факты, даты и события — нормально. Решить за тебя, что ты по этому поводу думаешь, и выдать от твоего имени — нет. Теперь такие места подсвечиваются, чтобы ты вписал своё. — Следы правок в чистовике. «Раньше было так, теперь переделали», «версия пересобрана» — мусор от процесса, который не должен оставаться в готовом документе. Промт вычищает, если это не журнал изменений. — Что стоит в критериях «готово» и в заголовках, проверяется на 100%, без поблажки «это же и так понятно». В целом доработки про одно: поймать то, что глазом не видно. Когда результат выглядит гладко, а под ним дырка. Забрать, как удобнее: — Промтом. Прямая ссылка, скопировать и вставить в любой чат: https://promts.m-done.ru/p/quality-check/ — Полноценным скиллом. Файл в этом посте ставится как готовый навык для Claude Code и агентов. — На английском. Исходник на GitHub: https://github.com/MainFrame100/quality-check-skill Если пользуетесь такими штуками, поставьте реакцию. Для меня это сигнал, что обновлениями стоит делиться.

Делюсь одним из своих самых ходовых промтов 🔧 Это incident-rca, разбор корневых причин. Один из тех универсальных скиллов, которыми я пользуюсь чаще всего. Выложил в свой каталог промтов и прикрепил файлом к посту, забирайте. Что он делает. Помогает перестроить вашу систему работы с нейронкой так, чтобы ошибка, которая один раз вылезла, больше не повторялась. Он улучшает саму систему, а не латает единичный случай. Когда его звать: — нейронка регулярно повторяет одну и ту же ошибку; — начала тупить: путает контекст, выдаёт не то, делает не так; — выдала неверный результат, а он уже ушёл в данные или документ; — три косяка подряд в одной задаче; — любая повторяющаяся рабочая проблема, не только про AI: где буксует процесс, откуда лезет один и тот же косяк в команде. Как работает. Под капотом метод «5 почему»: задаём «почему?» уровень за уровнем, от симптома к корню. Не останавливаемся на «забыл» или «не заметил», а доходим до системной причины: какого правила не хватило, что не так в инструкции, какой файл не подгрузился. На выходе не «буду внимательнее», а конкретная правка в вашу систему, после которой ошибка не повторяется. Лайфхак. Этот разбор классно отдавать на сторону, чтобы он был независимым. Либо отдельному субагенту, который посмотрит на результат свежим взглядом. Либо вообще другой нейронке из другого семейства: работаете в Claude, дайте задачу ChatGPT, и наоборот. Так разбор честнее, модель не выгораживает собственный косяк. Сам пользуюсь постоянно. Уже накопилось больше 60 таких разборов в самых разных задачах: наём, аналитика, постановка задач, подготовка докладов. У меня это работает в связке с проверкой качества, про неё рассказывал вот тут: https://t.me/b2b_done/324. Сначала quality-check проходит по результату и ловит ошибки. Если вижу, что ошибка не разовая, а системная, запускаю incident-rca и разбираю причину. Цикл простой: проверил, нашёл, разобрал, перестроил систему. Оба промта тоже выложил на сайт. Забрать: promts.m-done.ru или файлом из этого поста. Если такие наработки полезны и хотите, чтобы я делился ими чаще, поставьте реакцию. Для меня это сигнал, что такие штуки заходят.

Типовые ошибки в аналитике, из-за которых цифрам нельзя верить 📊 Обещал собрать перечень ошибок в аналитике — выполняю. За 15+ лет в рекламе я почти не видел проекта, где данные сходятся с первого раза. Каждый год на новых проектах одни и те же косяки. Коварны они тем, что на поверхности всё прилично: лиды идут, отчёты строятся. А копнёшь, часть данных неполная или кривая, и решения по ней принимать нельзя. Собрал самые частые. Проверьте у себя. 1. В CRM не фиксируется источник рекламы До CRM не доходят ни UTM, ни ClientID, и лид падает обезличенным. Дальше слепота: не разобрать, какие лиды целевые, а какие нет. Почти на каждом проекте за год появляется кампания с дешёвыми, но мусорными лидами. Виден источник — такую кампанию отсекаешь. Не виден — формально она отличная, а гонит мусор, и ты этого даже не замечаешь. 2. Источник передаётся только по рекламному трафику Источник цепляют только там, где есть UTM, то есть по рекламе. Так настроено почти везде по умолчанию. А видеть нужно все источники: SEO, переходы с других сайтов, прямые заходы. Даже если SEO пока не занимаетесь, полезно видеть объём обращений оттуда: запустите позже, будет с чем сравнить. 3. Потеря UTM на многостраничных сайтах UTM берётся из адресной строки и не сохраняется при переходах между страницами. Человек зашёл по рекламе, походил по сайту, отправил форму на другой странице — и заявка ушла без источника. Настроите фиксацию всех источников из пункта 2, и эта проблема вылечится автоматически. 4. Нет единой «общей цели» Под все типы заявок (форма, звонок, почта, мессенджер, заявка через чат) нужна одна общая цель, куда падает всё. Заведёте несколько отдельных — Директ не обучается на их сумме, а цепляется за одну. И ещё важный момент: число достижений этой цели должно совпадать с количеством лидов в CRM. Когда сходится, сверять данные между Метрикой и CRM становится сильно проще. 5. Email-трекинг: его либо нет, либо он не дотянут Трекинг почти никто не ставит. Даже в нишах с высокой конкуренцией дай бог один-два игрока с прокачанным маркетингом его используют. А на почту идёт в среднем 25-45% обращений, и без трекинга они просто теряются. Другая проблема — трекинг есть, но не настроена фиксация текста письма и вложений. В B2B там часто спецификация или ТЗ. Без них в CRM висит лид «письмо есть», а что человек хотел, менеджер не видит. Ему приходится искать этот лид в почте. В итоге и менеджеру неудобно. И кто-то может создать лида вручную. 6. Нет статуса квалификации и удаление лидов Самый болезненный пункт, тут два связанных косяка. Первое: нецелевые лиды удаляют. Так нельзя категорически. Теряется реальная нагрузка на менеджера, ведь нецелевые тоже надо обработать. А главное, удалив данные из CRM, вы уже не сведёте её с Метрикой: часть лидов есть в одной системе и стёрта в другой. Расхождение гарантировано. Второе: нет статуса квалификации. Не отмечен квал-лид, и не посчитать ни его количество, ни долю нецелевых, ни конверсию из квал-лида в другие этапы и в покупку. Ключевые цифры воронки просто отсутствуют. Решение простое: нецелевых не удалять, а заводить им отдельный статус. И обязательно ввести статус «квалифицирован». Закрывать нецелевых как «неуспешные» тоже ошибка: они смешиваются с проигранными сделками по целевым лидам, и данные снова теряются. А потом начинается война между маркетингом и продажами. Объединяет все эти ошибки одно: данные собираются кривыми, а выглядит при этом всё прилично. И опасна не сама ошибка, а то, что решения принимаешь на цифрах, которым нельзя верить. Если хотите, чтобы аналитика собирала корректные данные, а маркетинг работал по реальным цифрам, а не по ощущениям — приходите к нам, разберёмся с вашей аналитикой.