ПодписчикиСколько подписчиков у канала сейчас. Волна — число подписчиков в каждой точке периода. Изменение — к началу периода.198▼ 0,5 %−1 за период
ПросмотрыСколько сейчас просмотров у постов, вышедших за период. Это не просмотры за день: сколько посмотрели вчера, MAX не сообщает. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.183▼ 4,7 %было 199
РеакцииСколько реакций у постов, вышедших за период. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.13▲ 68,3 %было 8
УпоминанияСколько раз канал упомянули другие каналы: ссылки и репосты, без рекламных постов. Чем крупнее круг, тем больше упоминаний в этой точке периода. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.61▼ 19,1 %было 76по подписке
РепостыСколько раз другие каналы сделали репост постов этого канала (без рекламных постов). Репосты входят и в число упоминаний. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.28▲ 12,9 %было 25после входа
Средний охват постаСколько просмотров в среднем набирает один пост. Считаем по постам старше двух суток: у свежих просмотры ещё растут. Точки, где есть свежие посты, — пунктиром и полыми кружками: охват всех постов на сейчас, он ещё вырастет.5 502▲ 0,1 %было 5 498после входа
ERRКакая доля подписчиков видит средний пост: средний охват ÷ подписчики × 100 %. Линия — ERR в каждой точке периода, пунктир — ERR прошлого такого же периода. Точки с постами моложе двух суток — полые кружки на пунктирном конце линии.28,3 %▼ 1,2 п. п.пунктир — было 29,5 %после входа
Вовлечённость ERКак часто читатели реагируют на посты: реакции ÷ просмотры × 100 %. Засечка на полосе — прошлый период.2,82 %▼ 0,1 п. п.
Постов в деньСколько публикаций в среднем выходит за день. Клетка — точка периода: чем темнее, тем больше постов в день. Процент — изменение в среднем за день: нынешний период ещё идёт (сегодня — неполный день), поэтому его сравниваем с прошлым по темпу, а не по сумме. «Было» — прошлый такой же период целиком.4,1▼ 9,6 %было 4,5после входа
Доля рекламыКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Шкала — рекламная нагрузка по порогам индекса качества: до 10 % — низкая, до 25 % — умеренная, до 50 % — высокая, дальше — очень высокая. Рост доли отмечается красным.5,7 %▲ 3,5 п. п.
ДинамикаСверху — число подписчиков на конец каждой точки периода, снизу — прирост за точку: зелёный — подписчиков стало больше, красный — меньше. Над графиком прироста — самый большой прирост и самая большая убыль. Сколько подписалось и отписалось по отдельности, MAX не сообщает.
Рост аудитории
−1подписчиков за период
−1 самая большая убыль · 23 окт 2026
Оценка каналаОценка канала от 0 до 100 из пяти частей: аудитория, честность роста, рекламная нагрузка, доверие и достоверность расчёта. Полоса — сколько баллов часть набрала из своего максимума. Индекс пересчитывается каждую ночь; каналы сравниваются с похожими — той же категории и размера.
ОхватыСколько сейчас просмотров у постов, вышедших в каждой точке периода (а не просмотры за день). Подписан рекорд; точка с сегодняшним днём бледнее — день ещё идёт. Средний охват поста — по постам старше двух суток.
Просмотры и охват
673 375просмотров за период▼ 9,2 %
Средний охват поста — 5 502 просмотров (посты старше двух суток).
ВовлечённостьER — реакции, делённые на просмотры, в процентах — у постов каждой точки периода. Пунктир — ER за весь период. Изменение — в процентных пунктах к прошлому такому же периоду.
ЦитируемостьИндекс цитируемости (ИЦ) — насколько часто и какими каналами упоминают этот канал за последние 30 дней, без рекламных постов. Уровень — место среди похожих каналов. Линия — ИЦ в каждой точке периода (в неделе и месяце — средний за её дни).
Индекс цитируемости пока не рассчитан: он появится после ночного расчёта, когда канал упомянут другие каналы.
РитмСколько постов в среднем выходит в каждый час каждого дня недели, время московское: чем темнее клетка, тем больше публикаций. «Лучшее время» — часы, в которые у постов старше двух суток самый высокий средний охват.
Когда и сколько публикует
ПнВтСрЧтПтСбВс
036912151821
Лучшее время:09:0018:00часы, в которые у постов самый высокий средний охват
ФорматыИз чего состоит лента. У каждого поста один формат — по старшинству: репост, видео, фото, ссылка, текст. Полоса и проценты — доля постов формата; справа — средний охват одного поста формата (по постам старше двух суток), полоска — сравнение с самым просматриваемым форматом.
ПубликацииКаждая точка — пост за период: по горизонтали — дата выхода, по вертикали — просмотры, размер точки — реакции, цвет — формат. Так видно хиты, провалы и то, как меняется охват. У крупных каналов показаны 100 самых просматриваемых постов и равномерная выборка остальных — не больше 1 500 точек.
Каждый пост — точка
Выше — больше просмотров, крупнее — больше реакций. Нажмите на точку, чтобы открыть пост.
ВидеоФотоДругоеразмер — реакцииПриближение — кнопками «+» и «−», щипком или Ctrl + колесо мыши; приближенный график сдвигается перетаскиванием
СводкаИтоги выбранного периода: сколько вышло публикаций, сколько у них сейчас просмотров и реакций и средний охват поста. Просмотры — текущие у постов, вышедших в эти дни, а не просмотры за день. Изменение — к такому же отрезку перед периодом, если за него есть статистика.
Итоги периода
Нажмите на показатель — ниже он появится по точкам периода
Просмотрысегодня — день ещё идётТочки с постами моложе двух суток — бледные с пунктиром: их просмотры ещё растут.
РекламаКакая доля публикаций за период похожа на рекламу: маркировка erid, рекламные ссылки и другие признаки. Детектор осторожный, поэтому настоящая доля обычно выше. Шкала — рекламная нагрузка по порогам индекса качества. Ниже — средний охват рекламного и обычного поста и кого рекламирует канал (сайты, на которые ведут ссылки из рекламы).
Что работаетПосты периода с наибольшим числом просмотров. Полоса — просмотры относительно первого места. Превью — картинка поста, у поста без картинки — аватар канала. Просмотры — сколько у поста сейчас.
РитмСколько постов вышло в каждый день периода (бледные столбики) и среднее за 7 дней (линия): видно, разгоняется канал или затихает. Сегодняшний день ещё идёт, поэтому среднее для него считается по вчерашний день.
Публикации по дням
Бледные столбики — дни, линия — среднее за 7 дней: видно, разгоняется канал или затихает
Публикации за деньСреднее за 7 дней
Данные обновлены в 18:10 по Москве. Просмотры — текущие у постов, вышедших в эти дни; средний охват — по постам старше двух суток.
Как считается индекс качества
Инструменты сами по себе не дают требуемого уровня безопасности. Сканер не делает кластер защищённым, включённые политики не гарантируют, что они работают, а написанные требования не означают, что их выполняют.
🔗 Если сместить фокус с гонки за новыми инструментами на сквозную карту процессов и чёткое распределение ролей, система становится контролируемой и прозрачной. Так сделала команда Александра Чертока, лида отдела безопасности K8S и облаков. Что получилось, читайте в статье.
Спойлер: подход, описанный в статье, позволяет подключить автоматизацию и масштабировать экспертизу всего четырех человек на 500+ разнородных кластеров, внедрение инструментов в кластера теперь занимает 5 минут вместо недель, а аудит проходит за считанные часы.
Знания о том, как устроены и связаны ИТ-системы банка, часто разрознены: стандарты лежат в Confluence, данные о компонентах и интеграциях — в реестре, а самое ценное остаётся в головах архитекторов.
Чтобы собрать всё в одном месте, мы сделали ИИ-консультанта 😎
🔗 В статье на Хабре рассказали, как устроен этот архитектурный ИИ-консультант и почему для его работы не хватило одного RAG
Как сделать так, чтобы все ответы клиентам были одинаково хороши? ❤️
Все сотрудники Альфа-Банка, которые общаются с клиентами, работают в SFA — CRM-платформе для автоматизации продаж. Чтобы работать в ней хорошо, нужно знать и систему, и процессы: где выполнить операцию и что можно предложить клиенту. Поэтому качество ответа во многом зависит от того, кто взял обращение.
Нейро — новая версия SFA в формате чата. Сотрудник пишет или надиктовывает задачу, а система учитывает контекст: роль менеджера, сегмент клиента, историю взаимодействий. Экспертом становится система, а человек ставит задачу и принимает работу.
Как устроен Нейро и с какими вызовами пришлось столкнуться, рассказала Светлана Алексеева, руководитель цифрового продукта.
➡️ Каждый запрос проходит через LLM дважды Главный в Нейро — оркестратор. Он принимает запрос сотрудника, распределяет его по нужным системам и собирает ответ. С системами банка он работает через MCP — протокол, по которому ИИ-агенты подключаются к внешним инструментам.
Путь запроса: • Оркестратор передаёт запрос в LLM, чтобы распознать задачу и подобрать инструмент • В MCP выбранного инструмента уходят сам запрос и контекст — метаданные о сотруднике и клиенте • Результат возвращается в оркестратор, и тот снова отправляет его в LLM, чтобы перевести с машинного языка на естественный • Если нужно действие, оркестратор вызывает мини-апп SFA — небольшой компонент интерфейса с одной-двумя кнопками, которые сотрудник нажимает сам
➡️ Предложения клиентам подбирает CEP-движок CEP-движок (customer engagement platform) управляет бизнес-логикой предодобренных офферов по всем продуктам банка. На каждом шаге работают до 100 ML-моделей.
Вот как это происходит: • Система собирает портрет клиента: транзакции, геолокацию, поисковые запросы • Рассчитывает все возможные предложения, отсекая невыгодные и рискованные • Собирает из оставшихся пакеты: основной продукт плюс дополнительные • Ранжирует пакеты и решает, в каком канале их показать • SFA или мобильный банк показывает оффер и пересчитывает его, если данные изменились
➡️ Сложнее всего — объединить ML-алгоритмы и LLM Главным вызовом стала задача разработать архитектуру, в которой классическая алгоритмическая автоматизация работает вместе с генеративным ИИ. Это позволяет тратить минимум токенов и получать максимальный результат. Но при такой архитектуре важно обеспечить быстродействие и консистентность результатов.
➡️ Первые сценарии заработали в сентябре В сентябре 2026 года Нейро запустили на первых массовых задачах: • Подсказки для премиальных менеджеров • Поиск по базе знаний для контакт-центра и отделений • Саммари портрета клиента и его обращений для менеджеров развития малого и микробизнеса
Цель команда формулирует так: поднять планку качества, чтобы ответ клиенту меньше зависел от человеческого фактора.
Этот подход команда SFA представила на конференции Alfa Pragmatic Fintech в Баку, где собрались представители 17 банков Азербайджана. Многие вызовы у банков общие, поэтому решения Альфы могут стать основой для обмена опытом 🤝
В поддержку мобильного банка приходит около 180 тысяч обращений в день, или 5,5 млн в месяц. 58% из них чат-бот закрывает сам.
Наталья Балыбердина, начальник управления развития цифровых диалоговых систем, рассказала про конвейер ML-моделей, который стоит за чат-ботом поддержки. Каждая отвечает за свой шаг диалога, а клиент даже не догадывается, через сколько моделей прошло его сообщение.
♦️Главное — понять, о чём спрашивает клиент Сначала бот определяет интент, или тему обращения. От неё зависит, какой сценарий он запустит, поэтому ошибка на этом шаге ломает весь дальнейший диалог.
Раньше тему определяли по последнему сообщению, и этого не всегда хватало. Например, клиент спрашивает, почему не пришёл кэшбэк за март, получает ответ и уточняет: «А за апрель?». Сама по себе эта фраза ни о чём не говорит, поэтому модель научили читать весь диалог, после чего качество ответов заметно выросло.
♦️Кто подстраховывает бота Вокруг ядра бота работают вспомогательные модели, и у каждой свой вклад в автоматизацию, который считали через A/B-тесты и аналитику. Цифры кажутся скромными, но в таком масштабе даже полпроцента — это очень много.
• Рекомендации интентов предсказывают, о чём клиент спросит дальше, и показывают кнопки-подсказки. На «Мои лимиты» бот предложит «Лимиты по кредитной карте» и «Лимиты оплаты без ввода пин-кода» • Модель пулов включается, когда классификатор не уверен в теме обращения. Она берёт близкие по смыслу интенты и задаёт уточняющий вопрос: на «Хотел узнать про спортивную страховку» предлагает ДМС, «Альфа-Защитник» или другие страховки • «Клиент на паузе» решает, что происходит, если человек недавно говорил с оператором и пишет снова. Новый вопрос забирает бот, продолжение старого диалога уходит обратно к оператору • Анализ скриншотов помогает, когда клиент присылает не текст, а скрин ошибки из приложения. Сейчас это классический OCR: одна модель распознаёт текст, вторая относит его к одной из 100+ дополнительных тематик
♦️Когда бот сам зовёт человека Модель лайков заранее предсказывает, что клиент может остаться недоволен ответом бота. Такие диалоги сразу уходят к оператору: человек лучше справляется со сложными вопросами и умеет снять негатив.
Можно было бы просто отдать операторам все темы, где у бота больше всего дизлайков. Но модель передаёт им только рискованные диалоги, а остальные бот закрывает сам. В итоге автоматизация выросла на 1%, а клиенты стали оценивать чат выше.
♦️Как бот поспевает за запросами клиентов Чтобы бот не опирался на устаревшие данные, его обновляют минимум раз в неделю, а бывает, что и два-три. И это при 380+ темах и тысячах подтем.
Чтобы частые обновления ничего не ломали, команда выстроила три процесса:
• Сценаристы в специальном инструменте собирают примеры клиентских сообщений и обновляют на них модели, не задерживая выход новых версий бота • Каждую неделю идёт разметка: реальные обращения размечают по темам, чтобы модели учились на свежих данных • Мониторинг сразу показывает, где сбой: в обновлении бота, отдельной функции или модели. Команда быстро понимает, что исправить
♦️Как планируем развивать бота Цель — чтобы ИИ участвовал в 100% обращений. В чате сейчас пилотируют генеративный ИИ, в модель скриншотов тоже добавят ИИ: клиенты часто присылают картинку вместе с текстом, и OCR с такими случаями справляется плохо.
А если диалог всё же дошёл до оператора, ему помогает Альфа-Помощник: генерирует подсказки, суммаризирует прошлые обращения клиента, даёт рекомендации шаблонов и «золотых» ответов.
Необходимые cookie нужны для работы и безопасности сайта: вход, защита форм, язык, тема и другие. Аналитические cookie Яндекс Метрики и рекламные cookie Рекламной сети Яндекса включаются только с вашего согласия. Нажимая «Принять все», вы даёте согласие на обработку данных cookie-файлов; подробнее — в Политике обработки персональных данных.
