Каждый второй разбор "алгоритма Threads 2026" опирается на загадочные "цифры из аналитики", которые никто не демонстрирует и никак не проверяет. Меня это утомило, поэтому я собрала собственную выборку и специально сделала так, чтобы выводы выдерживали проверку на случайность, а не выглядели убедительно только на глаз. Итог получился некомфортный для индустрии: самые популярные приёмы у русскоязычных маркетологов в среднем уменьшают просмотры, а самый сильный "плюсовой" ход встречается редко - примерно в 6% постов.
Важно: Threads принадлежит компании Meta, которая признана в России экстремистской организацией, её деятельность запрещена.
Как устроена выборка: от тысяч профилей к "чистым" профессиональным постам
Начала с поиска по Threads: взяла 49 маркетинговых запросов вроде "маркетолог", "таргетолог", "смм", "продвижение", "воронка продаж" и т. п. Так набралось около 2 300 профилей. Плюс добавила авторов, которых сама платформа чаще поднимает в верх выдачи по маркетинговым темам.
Дальше - фильтрация. Я убрала приватные аккаунты, страницы с аудиторией меньше тысячи подписчиков и откровенный "мусор" (например, городские доски объявлений). После этого осталось 337 кандидатов, из которых я отобрала 200 крупнейших по числу подписчиков.
Но и это было не финалом: ещё 31 аккаунт я исключила вручную. Логика простая - если на человека подписываются "потому что это он", то сравнивать механики его постов с механиками остальных бессмысленно. Сюда же попали аккаунты с аудиторией, явно перетянутой из Telegram, а также не по теме: кондитерская школа, визажисты, рекламные "витрины" и подобное.
Что именно я собрала
По этим 200 аккаунтам я выгрузила все публикации за период с 4 мая по 4 августа 2026 года - всего 16 724 поста. Для каждого поста сохранила текст, дату, лайки, комментарии, репосты, тип медиа и размер карусели.
Главной технической проблемой оказались просмотры. Threads показывает статистику охватов только владельцу поста, а через официальный API чужие просмотры недоступны. Выкрутиться помогло то, что у отдельного поста в HTML-разметке страницы можно найти поле impression_count. Это работало даже в тех случаях, когда внутренний GraphQL-эндпоинт упирался в лимиты запросов.
В результате просмотры удалось получить для 11 760 публикаций. Остальные посты были удалены или скрыты: их страницы отдавали ошибку - я проверяла это вручную, чтобы не приписывать пропуски "сбою выгрузки".
Чистка, без которой всё ломается
Дальше началась самая важная часть. Из исходных 16 724 постов я оставила только "свои корневые" публикации с просмотрами - без репостов, цитат и ответов в чужих ветках. Так получилось 10 012 постов.
Но маркетологи в Threads пишут не только про маркетинг. Переезды, дети, сериалы, рецепты и бытовые истории часто улетают в огромные охваты - и если смешать их с профессиональным контентом, выводы про "что работает в маркетинговых постах" превращаются в статистическую иллюзию. Поэтому я оставила только профессиональные публикации: 4 848 постов от 103 авторов.
Разметку "профессиональный / бытовой" делала модель по смыслу, а не по ключевым словам. Регулярки здесь почти бесполезны: пост "сегодня выгорела, ушла с проекта" может не содержать ни одного маркетингового термина, но по сути быть профессиональным.
Эффект чистки видно сразу. На всей базе медиана просмотров - 383, максимум - 1 482 596. На профессиональной (маркетинговой) выборке медиана падает до 343, а максимум - до 313 094. Это и есть та самая "перекошенность", которая уничтожает корректность наивных сравнений.
Почему сравнивать "в лоб" нельзя
Самая частая ошибка - взять все посты с приёмом и без приёма, сравнить медианы (или средние) и объявить, что приём "даёт +Х%". Это красиво, но неверно.
Просмотры в Threads очень сильно зависят от размера аккаунта, а приёмы распределены по авторам неравномерно. Если какой-то приём чаще используют крупные профили, то он будет казаться "магическим", хотя настоящая причина - база подписчиков и узнаваемость, то есть классический confounding (смешение факторов).
Как я считала эффект: нормализация внутри автора
Чтобы отделить влияние приёма от влияния аккаунта, я считала эффект внутри каждого автора - там размер и "вес" профиля можно считать фиксированными.
Схема такая:
- у конкретного автора беру медиану просмотров постов *с приёмом*;
- отдельно - медиану просмотров постов *без приёма*;
- делю одно на другое и получаю личный коэффициент автора.
Дальше итоговый эффект приёма - это медиана этих коэффициентов по всем авторам, у кого в обеих группах набралось минимум по 5 постов. Формула в словах выглядит так:
эффект = медиана по авторам (медиана просмотров с приёмом ÷ медиана просмотров без приёма)
Почему медианы, а не средние? Распределение просмотров "тяжелохвостое": один случайный залёт способен утащить среднее значение куда угодно. Порог "5 постов на группу" нужен, чтобы не строить выводы по одному удачному (или неудачному) примеру.
Коэффициент интерпретируется просто:
1,00 - приём ничего не меняет;
1,26 - примерно +26% к обычному уровню автора;
0,60 - около −40% относительно нормы автора.
Проверка на случайность: перестановочный тест
Даже аккуратная нормализация не спасает, если эффект мог возникнуть случайно. Поэтому я использовала перестановочный тест: грубо говоря, я многократно "перемешивала" метки приёма внутри авторов и смотрела, как часто при случайном распределении получается эффект не слабее наблюдаемого. Так можно получить честные p-value и понять, где сигнал, а где шум, особенно в данных с тяжёлыми хвостами.
И здесь всплыла неприятная деталь: для четырёх признаков из двенадцати такой подход менял знак эффекта по сравнению с наивным подсчётом. То, что в "сравнении всех постов сразу" выглядело как плюс, после нормализации внутри автора превращалось в минус - и наоборот.
Что получилось по сути: популярные приёмы действительно могут вредить
В сухом остатке картина такая:
- три самых частых приёма, которые маркетологи используют почти "по умолчанию", в среднем работают в минус по просмотрам;
- самый сильный положительный приём встречается примерно в 6% постов, то есть редок.
Это не означает, что "приёмы плохие" или их нужно запретить. Скорее, платформа и аудитория уже привыкли к шаблонам. Когда инструмент становится массовым, он перестаёт выделять автора - и иногда начинает восприниматься как шум или манипуляция.
Отдельная история: реплаи и почему их нельзя мерить так же, как посты
Ответы (реплаи) живут по другим правилам: их "носит" ветка, контекст и активность обсуждения, а не только качество текста. Если смешать реплаи с корневыми постами, можно случайно "наградить" приём, который просто чаще используется в комментариях к горячим темам. Поэтому ответы я отделяла - и это один из пунктов, где большинство быстрых исследований ломается.
Смысловая разметка и ловушка "ошибки выжившего"
Есть ещё одна причина, почему индустрия постоянно переоценивает одни и те же механики: мы видим в ленте то, что уже выжило и разошлось. Дальше мозг достраивает объяснение задним числом: "там был крючок", "там была провокация", "там была боль". Но мы не видим тысячи постов с теми же крючками, которые не взлетели. Смысловая разметка помогла отчасти вытащить закономерности, но полностью "ошибку выжившего" не отменяет ни один метод - её можно только осознавать и снижать.
Ограничения, без которых честного текста не бывает
Ограничений у такого исследования хватает:
- часть постов недоступна (удаления/скрытия), и это может вносить смещение;
- просмотры по HTML - технический обход, а не "официальный" показатель, хотя в разметке он выглядит как платформенный счётчик;
- анализ построен на периоде с 4 мая по 4 августа 2026 года: сезонность и изменения продукта Threads могут сдвигать эффекты;
- отбор "топ-200 по подписчикам" делает выборку релевантной именно для видимых авторов, а не для новичков.
Что делать маркетологу на практике: как использовать выводы, а не спорить с ними
1) Перестаньте копировать "самые популярные формулы" буквально. Если приём стал общим местом, он перестаёт работать как сигнал. А иногда начинает снижать удержание - человек считывает шаблон и пролистывает.
2) Тестируйте внутри себя, а не "против чужих". Сравнивать свои посты с чужими - почти всегда ошибка из‑за разного масштаба аккаунтов. Сравнивайте свои публикации в похожие дни и часы, с похожими темами, и смотрите относительные изменения.
3) Разделяйте профессиональный и личный контент в аналитике. Бытовой пост может выстрелить в разы сильнее, но это не значит, что "теперь надо продавать через рецепты". Это значит, что у аудитории есть интерес к вашему человеческому слою - и его нужно интегрировать осмысленно, а не подменять им экспертизу.
4) Смотрите не только на просмотры. Просмотры - верх воронки. Если цель - заявки/подписки/сохранения, "минус по охвату" иногда может быть "плюс по качеству". Но это надо измерять отдельно, а не оправдывать постфактум.
5) Используйте редкие приёмы аккуратно, но системно. Если сильный "плюсовой" ход встречается в 6% постов, это часто означает не "секретную кнопку", а то, что его сложно производить: он требует подготовки, структуры, фактуры, примеров, честных цифр. Удобные шаблоны становятся массовыми, а трудоёмкие - остаются дифференциатором.
6) Не путайте "эффект приёма" и "эффект темы". Иногда растёт не потому, что вы применили форму, а потому что попали в боль, новость или узкий востребованный кейс. Хорошая практика - фиксировать тему поста отдельной меткой и анализировать хотя бы на уровне "кейсы / новости / мнение / обучение".
7) Закладывайте в контент-план долю экспериментов. Когда платформа меняется, старые паттерны деградируют. Если 80% контента - безопасные "как принято", вы гарантированно окажетесь в зоне минуса, как только аудитория привыкнет. Доля экспериментов (пусть 15-25%) - это страховка от устаревания.
В итоге главный вывод не про "плохие приёмы", а про необходимость нормального измерения. В Threads наивная статистика особенно коварна: крупные аккаунты, редкие вирусные выбросы и смешение бытового с профессиональным легко рисуют "законы алгоритма" там, где на самом деле всего лишь перекос выборки. Если считать аккуратно - внутри автора и с проверкой на случайность - многие популярные советы внезапно перестают быть советами.
