#метрики — Public Fediverse posts

«Выросли на 11% к прошлому месяцу» — и ни одного нового клиента

В феврале 28 дней, в марте 31, продавайте одинаково каждый день — и рост на 11% появится сам, без новых клиентов. В статье разбираю базу, как календарь и сезонность ломают отчёты: три вопроса перед сравнением периодов, SQL-запросы для среднего за день и скользящего среднего, ловушки сравнения год к году.

https://habr.com/ru/articles/1088720/

#сезонность #скользящее_среднее #карьера_итспециалиста #карьера_аналитика #карьера_аналитика_данных #карьера_аналитиков #метрики #джуниор_аналитик #аналитика_данных #аналитик_данных

«Выросли на 11% к прошлому месяцу» — и ни одного нового клиента

В феврале 28 дней, в марте 31, продавайте одинаково каждый день — и рост на 11% появится сам, без новых клиентов. В статье разбираю базу, как календарь и сезонность ломают отчёты: три вопроса перед сравнением периодов, SQL-запросы для среднего за день и скользящего среднего, ловушки сравнения год к году.

https://habr.com/ru/articles/1088720/

#сезонность #скользящее_среднее #карьера_итспециалиста #карьера_аналитика #карьера_аналитика_данных #карьера_аналитиков #метрики #джуниор_аналитик #аналитика_данных #аналитик_данных

664 тысячи книг, десятки агентов — и ни одной метрике нельзя верить

Мне нужны собственные каноники книг. Каноник — это одна устойчивая запись «вот этот текст», к которой привязывается всё остальное: файлы в разных форматах, аудиокниги, издания, дубли. Не потому, что внешние источники плохие. Если мне нужно быстро получить автора, название или идентификатор книги, я вполне могу взять их из существующего каталога. Даже если в каталоге есть мусор, это не катастрофа: мусор можно постепенно исправлять. Проблема в другом — это не мой каталог. Я могу годами накапливать вокруг внешнего идентификатора результаты собственных анализаторов: связывать с ним аудиокниги, находить дубли, определять издания, собирать статистику, строить рекомендации. А потом внешний источник поменяет идентификаторы, структуру или просто исчезнет, и вся накопленная работа повиснет в воздухе. Поэтому я решил сделать собственный корпус книг. Он тоже будет грязным, и это нормально. Главное, что это мой грязный корпус: я могу его постепенно улучшать, и его идентификаторы контролирую я сам. В корпусе сейчас около 664 тысяч книг. А задача, ради которой всё это понадобилось, на первый взгляд была совсем простой: взять несколько минут аудиокниги, прогнать через Whisper и найти соответствующую книгу по тексту. Ну что может быть сложного? Оказалось — примерно всё.

https://habr.com/ru/articles/1088532/

#MinHash #fingerprinting #поиск_дубликатов #оценка_качества_поиска #метрики #ложные_срабатывания #датасет #LLMагенты #Whisper #шинглы

664 тысячи книг, десятки агентов — и ни одной метрике нельзя верить

Мне нужны собственные каноники книг. Каноник — это одна устойчивая запись «вот этот текст», к которой привязывается всё остальное: файлы в разных форматах, аудиокниги, издания, дубли. Не потому, что внешние источники плохие. Если мне нужно быстро получить автора, название или идентификатор книги, я вполне могу взять их из существующего каталога. Даже если в каталоге есть мусор, это не катастрофа: мусор можно постепенно исправлять. Проблема в другом — это не мой каталог. Я могу годами накапливать вокруг внешнего идентификатора результаты собственных анализаторов: связывать с ним аудиокниги, находить дубли, определять издания, собирать статистику, строить рекомендации. А потом внешний источник поменяет идентификаторы, структуру или просто исчезнет, и вся накопленная работа повиснет в воздухе. Поэтому я решил сделать собственный корпус книг. Он тоже будет грязным, и это нормально. Главное, что это мой грязный корпус: я могу его постепенно улучшать, и его идентификаторы контролирую я сам. В корпусе сейчас около 664 тысяч книг. А задача, ради которой всё это понадобилось, на первый взгляд была совсем простой: взять несколько минут аудиокниги, прогнать через Whisper и найти соответствующую книгу по тексту. Ну что может быть сложного? Оказалось — примерно всё.

https://habr.com/ru/articles/1088532/

#MinHash #fingerprinting #поиск_дубликатов #оценка_качества_поиска #метрики #ложные_срабатывания #датасет #LLMагенты #Whisper #шинглы

После релиза БОЛТУНа на Tauri: 134 млн голосовых кадров и рост аудитории

15 сентября мы выпустили БОЛТУН с Windows-клиентом на Tauri. К 28 сентября сервер учёл 134 млн входящих голосовых кадров, а среднее число разных клиентских ID в сутки выросло со 145 до 192 при сравнении одинаковых дней недели — примерно на 33%. Разбираем первые результаты: рост активности, голосовой трафик, демонстрации экрана и 854 часа суммарного прослушивания радио.

https://habr.com/ru/articles/1087540/

#БОЛТУН #Tauri #голосовой_чат #мониторинг #метрики #продуктовая_аналитика #демонстрация_экрана #радио

После релиза БОЛТУНа на Tauri: 134 млн голосовых кадров и рост аудитории

15 сентября мы выпустили БОЛТУН с Windows-клиентом на Tauri. К 28 сентября сервер учёл 134 млн входящих голосовых кадров, а среднее число разных клиентских ID в сутки выросло со 145 до 192 при сравнении одинаковых дней недели — примерно на 33%. Разбираем первые результаты: рост активности, голосовой трафик, демонстрации экрана и 854 часа суммарного прослушивания радио.

https://habr.com/ru/articles/1087540/

#БОЛТУН #Tauri #голосовой_чат #мониторинг #метрики #продуктовая_аналитика #демонстрация_экрана #радио

Jev, Laya и Gemini Flash на трёх задачах классификации в поддержке

Прогнал три задачи из прода через модели, которые ничего не пишут, а только выбирают из списка, ставят оценку по шкале или возвращают вероятность. Две задачи из трёх закрывают, третью не закроет никакая, и это видно до всякого замера.

https://habr.com/ru/articles/1087326/

#llm #классификация_текста #auc #калибровка #поддержка_клиентов #ии_агенты #метрики #fast_model #jev #laya

Jev, Laya и Gemini Flash на трёх задачах классификации в поддержке

Прогнал три задачи из прода через модели, которые ничего не пишут, а только выбирают из списка, ставят оценку по шкале или возвращают вероятность. Две задачи из трёх закрывают, третью не закроет никакая, и это видно до всякого замера.

https://habr.com/ru/articles/1087326/

#llm #классификация_текста #auc #калибровка #поддержка_клиентов #ии_агенты #метрики #fast_model #jev #laya