#метрика — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #метрика, aggregated by home.social.
-
Делаем динамический кол-трекинг: Flask + SQLite + офлайн-конверсии Яндекс.Метрики
Привет, Хабр. В перформанс-маркетинге обычно обучают кампании по начальным событиям в воронке вроде заявки. Для алгоритма это считается конверсией, но для бизнеса важнее сделка. В итоге до сделки и оплаты доходит только часть лидов, но для алгоритма они одинаковые, и автостратегия продолжает искать и тех, кто не конвертируется в оплату, и тех, кто оплачивает. Чтобы алгоритм работал лучше и искал только тех, кто вероятнее готов к сделке, между собой связываются рекламное объявление, звонок и итоговая сделка. Для этого в Яндекс через офлайн-события возвращается звонок или уже факт сделки. В этом гайде разберём MVP на Python: он добавляет номер на лендинге под yclid, хранит выдачу в SQLite, принимает вебхук звонка от МТС Exolve, создаёт конверсию и формирует CSV под импорт в Яндекс.Метрику. Получается повторяемый поток данных от рекламного клика до офлайн-цели без ручной склейки. В конце статьи у вас будет рабочий сценарий запуска, тестовые запросы и список технических доработок для боевого контура.
https://habr.com/ru/companies/exolve/articles/1004102/
#метрика #коллцентр #sqlite #flask #мтс_exolve #воронка_продаж #конверсия #мтс_exolve_api #phyton #csv
-
Делаем динамический кол-трекинг: Flask + SQLite + офлайн-конверсии Яндекс.Метрики
Привет, Хабр. В перформанс-маркетинге обычно обучают кампании по начальным событиям в воронке вроде заявки. Для алгоритма это считается конверсией, но для бизнеса важнее сделка. В итоге до сделки и оплаты доходит только часть лидов, но для алгоритма они одинаковые, и автостратегия продолжает искать и тех, кто не конвертируется в оплату, и тех, кто оплачивает. Чтобы алгоритм работал лучше и искал только тех, кто вероятнее готов к сделке, между собой связываются рекламное объявление, звонок и итоговая сделка. Для этого в Яндекс через офлайн-события возвращается звонок или уже факт сделки. В этом гайде разберём MVP на Python: он добавляет номер на лендинге под yclid, хранит выдачу в SQLite, принимает вебхук звонка от МТС Exolve, создаёт конверсию и формирует CSV под импорт в Яндекс.Метрику. Получается повторяемый поток данных от рекламного клика до офлайн-цели без ручной склейки. В конце статьи у вас будет рабочий сценарий запуска, тестовые запросы и список технических доработок для боевого контура.
https://habr.com/ru/companies/exolve/articles/1004102/
#метрика #коллцентр #sqlite #flask #мтс_exolve #воронка_продаж #конверсия #мтс_exolve_api #phyton #csv
-
Делаем динамический кол-трекинг: Flask + SQLite + офлайн-конверсии Яндекс.Метрики
Привет, Хабр. В перформанс-маркетинге обычно обучают кампании по начальным событиям в воронке вроде заявки. Для алгоритма это считается конверсией, но для бизнеса важнее сделка. В итоге до сделки и оплаты доходит только часть лидов, но для алгоритма они одинаковые, и автостратегия продолжает искать и тех, кто не конвертируется в оплату, и тех, кто оплачивает. Чтобы алгоритм работал лучше и искал только тех, кто вероятнее готов к сделке, между собой связываются рекламное объявление, звонок и итоговая сделка. Для этого в Яндекс через офлайн-события возвращается звонок или уже факт сделки. В этом гайде разберём MVP на Python: он добавляет номер на лендинге под yclid, хранит выдачу в SQLite, принимает вебхук звонка от МТС Exolve, создаёт конверсию и формирует CSV под импорт в Яндекс.Метрику. Получается повторяемый поток данных от рекламного клика до офлайн-цели без ручной склейки. В конце статьи у вас будет рабочий сценарий запуска, тестовые запросы и список технических доработок для боевого контура.
https://habr.com/ru/companies/exolve/articles/1004102/
#метрика #коллцентр #sqlite #flask #мтс_exolve #воронка_продаж #конверсия #мтс_exolve_api #phyton #csv
-
Делаем динамический кол-трекинг: Flask + SQLite + офлайн-конверсии Яндекс.Метрики
Привет, Хабр. В перформанс-маркетинге обычно обучают кампании по начальным событиям в воронке вроде заявки. Для алгоритма это считается конверсией, но для бизнеса важнее сделка. В итоге до сделки и оплаты доходит только часть лидов, но для алгоритма они одинаковые, и автостратегия продолжает искать и тех, кто не конвертируется в оплату, и тех, кто оплачивает. Чтобы алгоритм работал лучше и искал только тех, кто вероятнее готов к сделке, между собой связываются рекламное объявление, звонок и итоговая сделка. Для этого в Яндекс через офлайн-события возвращается звонок или уже факт сделки. В этом гайде разберём MVP на Python: он добавляет номер на лендинге под yclid, хранит выдачу в SQLite, принимает вебхук звонка от МТС Exolve, создаёт конверсию и формирует CSV под импорт в Яндекс.Метрику. Получается повторяемый поток данных от рекламного клика до офлайн-цели без ручной склейки. В конце статьи у вас будет рабочий сценарий запуска, тестовые запросы и список технических доработок для боевого контура.
https://habr.com/ru/companies/exolve/articles/1004102/
#метрика #коллцентр #sqlite #flask #мтс_exolve #воронка_продаж #конверсия #мтс_exolve_api #phyton #csv
-
Анализ времени закрытия вакансий: что скрывается за цифрами?
В HR-аналитике часто встречается показатель Time to Fill (TTF) — время, которое проходит от открытия вакансии до подписания оффера кандидатом. На первый взгляд, всё просто: среднее время закрытия вакансий по компании или отделу — и готово. Но если копнуть глубже, оказывается, что этот показатель может скрывать важные инсайты о процессах в компании, о качестве рекрутмента и о том, как строится работа с кандидатами. В этой статье я хочу показать, как анализ времени закрытия вакансий может раскрыть скрытые паттерны, какие метрики использовать и какие ошибки часто делают при интерпретации TTF.
-
Продуктовые метрики для аналитика данных: памятка для собеседований
Бывало ли, что для решения бизнес-кейса на собеседовании вам не хватило знания какой-нибудь метрики из предметной области? Это частая ситуация — например, в маркетплейсах всюду говорят про GMV, а в маркетинговой аналитике не обойтись без LTV. Привет, Хабр! Меня зовут Рафаэль Сайфутдинов, но обычно меня зовут просто Раф. Я работаю аналитиком ценообразования в Авито (а раньше — в Яндекс Лавке), преподаю машинное обучение в Центральном университете, окончил факультет компьютерных наук в НИУ ВШЭ и прошёл курс
https://habr.com/ru/companies/yandex_praktikum/articles/966658/
#аналитика #метрики #метрика #метрики_продукта #продуктовая_метрика #продуктовые_метрики
-
Метрика в машинном обучении сложных систем, алгоритм и программный код
Для решения задач машинного обучения предлагается метрика, основанная на формуле отношения сигнала к шуму, SNR:
-
Собираем метрики Node.js приложений в PM2 с экспортом в Prometheus
Ни для кого не секрет что для устойчивой и надежной работы node.js приложений необходимо проводить мониторинг их работы и делать полезные выводы глядя на их метрики. Это означает, что вы способны получать информацию о состоянии до возникновения проблем, таким образом, предотвращая сбои. В этой статье я хотел бы рассказать о способе сбора статистики из node.js приложений, которые запущены в PM2, и экспорт этих данных в Prometheus.
https://habr.com/ru/articles/794046/
#prometheus #node #javascript #метрики #метрика #статистика #аналитика #pm2 #nodejs #мониторинг