Когда в таблице не 200 строк, а выгрузка по проливу, крео, прелендам и саппорту за месяц, разница между моделями видна сразу: одна делает аккуратную сводку, другая начинает терять связи между полями и ломать причинно-следственные цепочки.
Для первичной чистки лучше брать более лёгкую модель: она быстро нормализует мусор, сводит дубли, группирует офферы и помечает аномалии. Для тяжёлой аналитики — где нужно сравнить связку source → creative → lander → payout — уже нужна модель с лучшей памятью и устойчивостью к длинному контексту. Иначе получаете красивый текст без ROI-логики.
На практике делю пайплайн так:
— лёгкая модель: парсинг, дедупликация, теги, базовая сегментация;
— старшая модель: поиск паттернов, выводы по конверсии, гипотезы по бампу;
— проверка человеком: только спорные кейсы и решения, влияющие на бюджет.
Главный тест простой: если модель стабильно держит структуру, не путает метрики и не «додумывает» пропуски, её можно ставить в аналитический контур. Если начинает фантазировать — это не аналитик, а генератор шума. Прогоняем через промпт и смотрим на апрув.
Claude для медиабайеров
@claude_for_buyers_ubt
Какая модель Claude тянет большие массивы арбитражных данных без просадки по логике
Этот пост опубликован в Telegram-канале Claude для медиабайеров (@claude_for_buyers_ubt). Все его публикации — на странице канала.
Открыть в Telegram