SubscribersHow many subscribers the channel has now. The wave shows subscribers at each point of the period. The change is against the start of the period.560.0 %+0 for the period
ViewsHow many views the posts published in the period have now. These are not views per day: MAX does not report how many views there were yesterday. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.147▼ 21.2 %was 217
ReactionsHow many reactions the posts published in the period have. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.8▲ 132.6 %was 4
MentionsHow many times other channels mentioned the channel: links and reposts, excluding advertising posts. The bigger the circle, the more mentions at that point of the period. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.58▼ 16.7 %was 72with a subscription
RepostsHow many times other channels reposted this channel's posts (excluding advertising posts). Reposts are also counted as mentions. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.26▼ 0.4 %was 27after signing in
Average post reachHow many views one post gets on average. Only posts older than two days are counted: views of fresh posts are still growing. Points with fresh posts are dashed with hollow dots: the reach of all posts right now, it will still grow.5 455▲ 0.5 %was 5 428after signing in
ERRWhat share of subscribers sees an average post: average reach ÷ subscribers × 100 %. The line shows ERR at each point of the period, the dashed line — ERR of the previous period of the same length. Points with posts younger than two days are hollow dots on the dashed end of the line.28.8 %▼ 0.4 ppdashed line — was 29.2 %after signing in
Engagement ERHow often readers react to posts: reactions ÷ views × 100 %. The tick on the bar is the previous period.2.87 %▼ 0.2 pp
Posts per dayHow many posts are published per day on average. Each cell is a point of the period: the darker, the more posts per day. The percentage is the change in the daily average: the current period is still running (today is not over yet), so it is compared with the previous one by pace rather than by total. “Was” is the whole previous period of the same length.4.1▼ 14.8 %was 4.9after signing in
Ad shareWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The scale shows the ad load by the quality index thresholds: up to 10 % — low, up to 25 % — moderate, up to 50 % — high, above — very high. A growing share is marked red.2.5 %▼ 0.9 pp
TrendTop — subscribers at the end of each point of the period; bottom — growth per point: green means more subscribers, red means fewer. Above the growth chart — the biggest gain and the biggest loss. MAX does not report how many people subscribed and unsubscribed separately.
Audience growth
0subscribers in the period
The number of subscribers did not change in the period
Channel scoreA channel score from 0 to 100 made of five parts: audience, growth integrity, ad load, trust and calculation reliability. Each bar shows how many points the part earned out of its maximum. The index is recalculated every night; channels are compared with similar ones of the same category and size.
ReachHow many views the posts published at each point of the period have now (not views per day). The record is labeled; the point with today is paler — the day is not over yet. Average post reach — posts older than two days.
Views and reach
664 146views in the period▼ 14.5 %
Average post reach — 5 455 views (posts older than two days).
EngagementER — reactions divided by views, in percent — for the posts of each point of the period. The dashed line is ER for the whole period. The change is in percentage points against the previous period of the same length.
CitationsThe citation index (CI) shows how often and by which channels this channel is mentioned over the last 30 days, excluding advertising posts. The level is its place among similar channels. The line shows CI at each point of the period (for a week or month — the average over its days).
The citation index has not been calculated yet: it will appear after the nightly calculation once other channels mention the channel.
RhythmHow many posts are published on average in each hour of each weekday, Moscow time: the darker the cell, the more posts. “Best time” — the hours when posts older than two days have the highest average reach.
When and how much it posts
MonTueWedThuFriSatSun
036912151821
Best time:09:0018:00hours when posts get the highest average reach
FormatsWhat the feed is made of. Each post has one format, by priority: repost, video, photo, link, text. The bar and percentages show the share of posts of each format; on the right — average reach of one post of the format (posts older than two days), the small bar compares it with the most viewed format.
Post formats
100 posts
Reposts99 %6 109
Video2121 %5 014
Photos3838 %5 705
Links1212 %5 320
Text2020 %6 298
On the right — average reach of one post of the format.
PostsEach dot is a post in the period: horizontally — publication date, vertically — views, dot size — reactions, color — format. This shows hits, flops and how reach changes. For large channels, the 100 most viewed posts and an even sample of the rest are shown — no more than 1,500 dots.
Every post is a dot
Higher means more views, bigger means more reactions. Click a dot to open the post.
VideoPhotosOthersize — reactionsZoom with the + and − buttons, a pinch or Ctrl + mouse wheel; drag a zoomed chart to move it
SummaryTotals for the selected period: how many posts were published, how many views and reactions they have now and the average post reach. Views are the current views of posts published on those days, not views per day. The change is against the same span before the period, if statistics cover it.
Period totals
Click a metric to see it across the period below
Viewstoday — the day is not over yetPoints with posts younger than two days are pale and dashed: their views are still growing.
AdsWhat share of the period's posts looks like advertising: erid labeling, ad links and other signs. The detector is cautious, so the real share is usually higher. The scale shows the ad load by the quality index thresholds. Below — the average reach of an ad post and a regular post, and who the channel advertises (sites that ad links lead to).
What worksPosts of the period with the most views. The bar shows views relative to first place. The preview is the post's image; for a post without an image — the channel avatar. Views are the post's current count.
RhythmHow many posts were published each day of the period (pale bars) and the 7-day average (line): you can see whether the channel is speeding up or slowing down. Today is not over yet, so its average is calculated up to yesterday.
Posts by day
Pale bars are days, the line is the 7-day average: you can see whether the channel is speeding up or slowing down
Posts per day7-day average
Data updated at 00:25 Moscow time. Views are the current counts of posts published on those days; average reach counts posts older than two days.
How the quality index is calculated
🚗 Почему автозаводы выпускают тысячи машин, которые нельзя продать?
Представьте: с конвейера сходят новенькие автомобили. Но вместо автосалонов их отправляют на огромные стоянки.
Машины почти готовы. Не хватает лишь нескольких электронных компонентов.
Зачем вообще выпускать автомобили, которые нельзя продать?
Во время мирового дефицита микрочипов автопроизводители столкнулись с необычной проблемой: из-за одной недостающей детали приходилось останавливать целые заводы.
Некоторые компании нашли другой выход — продолжали сборку, а недостающую электронику планировали устанавливать позже.
Так на стоянках скапливались тысячи почти готовых машин.
Остановить конвейер, распустить смены и затем заново запустить производство иногда обходилось дороже, чем временно хранить автомобили.
📌 Вывод: в сложном производстве даже крошечная деталь может остановить выпуск огромного и дорогого изделия. 💬 А вы бы купили автомобиль, который несколько месяцев простоял на заводской стоянке в ожидании деталей?
🏷️ Как обычный штрихкод изменил то, что продают нам магазины?
В 1974 году в американском супермаркете впервые считали штрихкод с товара. Это была обычная упаковка жевательной резинки.
Казалось бы, небольшое изобретение, чтобы кассиры быстрее пробивали покупки.
Но настоящая революция произошла не на кассе.
Раньше магазинам было сложно точно определить, какие товары покупают чаще, а какие месяцами лежат на полках.
Штрихкоды позволили автоматически собирать данные о каждой продаже.
Теперь торговые сети могли отслеживать спрос, вовремя пополнять запасы и понимать, какие товары действительно приносят прибыль.
Именно эти данные начали влиять на то, что магазины заказывают и выставляют на полки.
📌 Вывод: штрихкод не просто ускорил покупки. Он помог превратить торговлю в бизнес, где ассортимент определяется реальными данными о спросе. 💬 А вы задумывались, сколько решений магазин принимает на основе ваших обычных покупок?
💎 Почему два одинаковых бриллианта могут отличаться по цене в десятки раз?
Представьте два бриллианта. Они одинаково сверкают, имеют одинаковую твёрдость и состоят из одного вещества — углерода. Но один стоит 200 тысяч рублей, а другой — 20 тысяч.
В чём подвох?
Первый алмаз добыли из земли, а второй вырастили в лаборатории.
И самое удивительное: лабораторный бриллиант — настоящий.
Это не стекло и не имитация. По химическому составу и основным физическим свойствам он практически идентичен природному.
Но природные алмазы ценятся ещё и за редкость, происхождение и престиж. А лабораторные научились производить всё эффективнее, поэтому их цены заметно снизились.
📌 Вывод: мы платим не только за свойства вещи, но и за её происхождение. Даже если внешне и физически разница почти незаметна. 💬 А вы бы переплатили за природный бриллиант, если лабораторный выглядит точно так же?
🎮 Как производитель игральных карт превратился в игровую империю?
Сегодня Nintendo знают благодаря Mario, Zelda и игровым консолям. Но начиналась её история совсем иначе.
В 1889 году компания производила японские игральные карты ханафуда. И занималась этим десятилетиями.
Когда Nintendo решила искать новые источники дохода, начались неожиданные эксперименты.
Компания пробовала заниматься такси, продуктами питания и даже сетью гостиниц. Но эти направления не принесли большого успеха. Настоящий поворот произошёл, когда Nintendo переключилась на игрушки, а затем на электронные игры.
Компания не пыталась бесконечно совершенствовать игральные карты. Она нашла совершенно новый способ продавать развлечения.
📌 Вывод: иногда бизнесу недостаточно улучшать привычный продукт. Чтобы вырасти, приходится полностью менять то, на чём компания зарабатывает. 💬 А вы знали, что Nintendo старше многих автомобильных компаний?
🧠 Почему после знакомства с новым словом вы вдруг начинаете слышать его повсюду?
Узнали необычное слово — и на следующий день услышали его в разговоре. Потом встретили в статье. А вечером оно снова попалось в видео.
Совпадение? Или все действительно начали его использовать?
На самом деле слово, скорее всего, встречалось вам и раньше. Просто мозг его игнорировал.
Это называется феноменом Баадера — Майнхоф, или иллюзией частотности. Каждую секунду мы получаем огромное количество информации. Чтобы не перегружаться, мозг отбирает то, что кажется важным.
А когда вы узнаёте что-то новое, внимание начинает автоматически выделять это среди привычного информационного шума. И возникает ощущение, будто мир внезапно изменился.
📌 Вывод: иногда вещи не начинают встречаться чаще. Мы просто начинаем их замечать. 💬 Было такое? Какое слово, машина или явление однажды стало попадаться вам буквально повсюду?
💼 Почему компания может заплатить сотруднику за то, чтобы он уволился?
Представьте: вы устроились на новую работу, прошли обучение, а компания вдруг предлагает вам деньги за добровольное увольнение. Причём не потому, что вы плохо работаете.
Зачем работодателю платить человеку, которого он только что нанял?
Именно так поступала американская компания Zappos. После обучения новичкам предлагали выбор: остаться работать или получить деньги от компании и уволиться по собственному желанию.
Логика неожиданная: если человек готов отказаться от работы ради разовой выплаты, возможно, эта работа ему не очень подходит.
Компании выгоднее выяснить это сразу, чем месяцами обучать сотрудника, который вскоре всё равно уйдёт.
В России подобная практика пока не получила широкого распространения.
📌 Вывод: иногда компания готова заплатить за увольнение, чтобы сохранить команду из людей, которые действительно хотят в ней работать. 💬 А вы бы согласились уволиться сразу после трудоустройства за несколько месячных зарплат?
💸 Почему мы готовы переплачивать, лишь бы получить покупку прямо сейчас?
Представьте: на маркетплейсе наушники стоят 3 000 р. с доставкой через неделю. А точно такие же можно забрать сегодня, но за 3 500 р. И почему-то второй вариант кажется привлекательнее. Хотя за семь дней ожидания можно сэкономить 500 р.
Дело в том, что наш мозг оценивает не только деньги, но и время до получения удовольствия.
Экономисты называют это обесцениванием будущего: чем дальше награда, тем менее привлекательной она нам кажется. Причём разница между «сегодня» и «через неделю» часто ощущается сильнее, чем между «через месяц» и «через пять недель».
Именно поэтому возможность получить покупку немедленно иногда оказывается важнее скидки.
📌 Вывод: мы платим не только за товар, но и за отсутствие ожидания. И порой даже не замечаем, сколько стоит наше нетерпение. 💬 А сколько вы готовы переплатить, чтобы получить желанную покупку сегодня, а не через неделю?
💻 Почему банки до сих пор используют технологии, которым десятки лет?
Мы привыкли, что банки постоянно внедряют что-то новое: оплату по лицу, искусственный интеллект, переводы за секунды. Но за современными приложениями иногда скрываются программы, написанные ещё в прошлом веке.
Почему банки с миллиардными оборотами просто не заменят их?
Потому что старая система может быть надёжнее новой — не из-за возраста, а потому, что её работу проверили миллиарды операций.
Она связана с другими программами, хранит историю счетов и ежедневно обрабатывает платежи.
Замена означает не просто установку нового ПО, а перенос огромного количества данных и перестройку множества процессов. Ошибка может обернуться остановкой платежей.
Поэтому банки нередко модернизируют старые системы постепенно.
📌Вывод: в финансовых технологиях главное не новизна, а надёжность. Иногда обновление опаснее, чем сохранение проверенного решения. 💬 А вы бы больше доверяли банку с новейшими технологиями или с системой, которая безотказно работает десятилетиями?
💎 Почему компании выпускают дорогие товары, которые почти никто не покупает?
Представьте: производитель автомобилей выпускает модель за 30 млн рублей. Продажи крошечные, разработка обходится дорого.
Зачем создавать машину, которую большинство покупателей даже не рассматривает?
Потому что иногда задача такого продукта — не заработать на собственных продажах, а повысить ценность всего бренда.
Флагманская модель демонстрирует лучшие технологии, дизайн и возможности компании. О ней пишут СМИ, её обсуждают, сравнивают с конкурентами.
А затем покупатель приходит за более доступной моделью, но уже воспринимает её как часть той же престижной марки.
Этот эффект называют ореолом бренда: впечатление от одного выдающегося продукта влияет на восприятие остальных.
📌 Вывод: иногда самый дорогой товар нужен компании не ради массовых продаж, а чтобы остальные её товары выглядели привлекательнее. 💬 А вы замечали, как одна впечатляющая модель меняет отношение ко всему бренду?
📦 Почему производители иногда оставляют в упаковке столько пустого места?
Купили большую коробку конфет, открыли — а внутри половина пространства пустует. Первая мысль: производитель специально пытается создать впечатление, что товара больше.
Иногда так и есть. Но у пустоты бывают и другие причины.
Например, пакет с чипсами наполнен не только продуктом, но и защитным газом. Он помогает сохранить свежесть и создаёт воздушную подушку, чтобы хрупкие ломтики меньше ломались при перевозке.
А в коробках пустое пространство иногда необходимо для защитных вставок или работы упаковочного оборудования.
Правда, это не означает, что любая огромная упаковка оправданна. Иногда её размер действительно используют, чтобы товар казался выгоднее.
📌 Вывод: пустое место в упаковке может быть частью технологии хранения и доставки, а может — способом повлиять на наше восприятие количества товара. 💬 А какая упаковка однажды удивила вас количеством пустоты внутри?
Necessary cookies keep the site working and secure: sign-in, form protection, language, theme and others. Yandex Metrica analytics cookies and Yandex Advertising Network ad cookies are enabled only with your consent. By clicking “Accept all” you give consent to processing of cookie data; see the Personal Data Processing Policy for details.
Russia
