JuniorPython Developer > Основы Python > Django и DRF
Короткий ответ В шаблоне пути используется конвертер , который сразу приводит значение к int; Django передаёт его в view как аргумент с тем же именем, что указано в угловых скобках. Как это работает подробнее Django поддерживает встроенные конвертеры путей: str, int, slug, uuid, path. Конвертер не только извлекает часть URL, но и валидирует/приводит тип — если в URL не число, int-конвертер просто не совпадёт, и Django перейдёт к следующему правилу (или вернёт 404). Пример кода Что использовать на практике Практика. Имя переменной в должно совпадать с именем параметра view-функции (def article_detail(request, pk):). Это избавляет от ручного int(request_path_part) и связанных с этим try/except. Подводные камни Риск. Несовпадение имени параметра в шаблоне и в сигнатуре функции (например, в URL, но id в функции) приводит к TypeError при вызове view; использование str вместо int там, где нужна числовая валидация.
djangopython
MiddleSMM Manager > Общее > SMM-аналитика и метрики
Короткий ответ Нужно заранее, до старта кампании, зафиксировать в брифе/медиаплане, какие метрики относятся к охвату внимания (vanity: лайки, подписчики, просмотры), а какие — к результату для бизнеса (конверсии, лиды, выручка), и показывать обе категории в отчёте рядом, объясняя, на что влияет каждая. Как это работает подробнее vanity-метрики обычно растут быстрее и заметнее, поэтому если показывать только их, у заказчика формируется ощущение «кампания точно работает», даже если бизнес-показатели не меняются; разделение на два явных блока в отчёте («Внимание к бренду» и «Результат для бизнеса») снимает это искажение. Структура отчёта: раздел 1 «Внимание к бренду» (охват, ER, подписчики), раздел 2 «Результат для бизнеса» (трафик по UTM, заявки, стоимость заявки) с явным пояснением в начале, что раздел 1 показывает объём и качество внимания, а раздел 2 — как это внимание конвертируется в деньги. Проверка: отсутствие у заказчика вопроса «а где продажи?» после прочтения отчёта. Что использовать на практике Практ
metricsreporting
JuniorData Analyst > SQL и данные > Статистика и теория вероятностей
Короткий ответ Средняя зарплата учитывает зарплаты всех, включая топ-менеджеров с очень высоким доходом, поэтому может выглядеть выше, чем зарабатывает «типичный» сотрудник; медианная зарплата — это зарплата человека ровно посередине, если всех выстроить по доходу, и она лучше отражает типичный опыт. Как это работает подробнее если в компании 99 сотрудников получают около 80 000, а один топ-менеджер — 5 000 000, среднее «тянется» вверх из-за одного большого числа, а медиана остаётся около 80 000, так как середина упорядоченного списка не меняется от одного крайнего значения. Пример кода Что использовать на практике На практике. для коммуникации с бизнесом полезна аналогия: «если в комнату с десятью обычными людьми зайдёт один миллиардер, средний доход в комнате резко вырастет, но типичный доход присутствующих не изменится» — это именно то, что показывает медиана в отличие от среднего. Такое объяснение хорошо заходит без формул и терминов. Такое же объяснение хорошо работает и для других скошенных метрик — вре
descriptive-statisticsmean
MiddleSMM Manager > Общее > SMM-аналитика и метрики
Короткий ответ Когда пользователи отказываются от трекинга или браузеры блокируют сторонние cookie, платформа теряет часть данных о конверсиях на стороне сайта, из-за чего видимые в рекламном кабинете результаты становятся занижены, а модели оптимизации рекламы работают на менее полных данных, что обычно повышает неопределённость и может повышать стоимость результата. Как это работает подробнее трекинг конверсий через пиксель зависит от того, что браузер/устройство разрешает передавать данные о пользователе и его действиях на сайте обратно рекламной платформе; при отказе от трекинга (ATT на iOS) или блокировке cookie часть этой цепочки обрывается, и платформа может использовать агрегированные/модельные оценки вместо точного пользовательского трекинга. После усиления ATT на iOS видимые конверсии в рекламном кабинете упали на 20%, хотя продажи по данным CRM за тот же период не изменились. Проверка: сравнение динамики конверсий в рекламном кабинете с динамикой продаж в CRM/веб-аналитике — если CRM показывает ста
attributionmetrics
MiddleDevOps Engineer > Контейнеры и доставка > Ресурсы Linux
Короткий ответ Ограничения задаются напрямую в unit-файле сервиса через директивы MemoryMax, CPUQuota (и аналогичные), которые systemd транслирует в соответствующую cgroup; cgroups v1 использует отдельные независимые иерархии для разных контроллеров (cpu, memory и т.д.), а cgroups v2 — единую унифицированную иерархию для всех контроллеров, что упрощает совместное применение лимитов и обязательно для некоторых современных функций (например, PSI-метрик). Как это работает подробнее При запуске сервиса systemd создаёт для него отдельную cgroup и записывает в соответствующие файлы контроллера (memory.max, cpu.max в v2) заданные лимиты; ядро затем физически ограничивает процесс и всех его потомков внутри этой cgroup, не позволяя превысить memory limit (при превышении срабатывает cgroup-level OOM killer) или дольше использовать CPU сверх заданной квоты (происходит throttling). Пример кода Что использовать на практике Практика. лимиты через systemd — простой и декларативный способ избежать ситуации 'шумного соседа',
cgroupslinux
JuniorSMM Manager > Общее > Контент-стратегия
Короткий ответ Единой универсальной частоты публикаций нет: она зависит от площадки, ниши, ресурсов команды и ожиданий аудитории, поэтому стартовую частоту определяют на основе возможностей команды и бенчмарков похожих аккаунтов, а затем корректируют по метрикам вовлечённости. Как это работает подробнее разные площадки имеют разные ожидания по частоте: Stories и короткие видео можно публиковать чаще, чем крупные посты с длинным текстом. Что использовать на практике На практике. для старта выбирают реалистичную частоту, которую команда может стабильно поддерживать без падения качества, и фиксируют её в контент-плане как минимальный стандарт. Пример. Небольшой локальный бренд выбирает 3 поста в неделю в VK и ежедневные Stories вместо ежедневных лонгридов. Проверка: через месяц сравнивают стабильность выполнения плана (% опубликованных вовремя постов) и динамику вовлечённости, прежде чем менять частоту. Подводные камни Частые ошибки. копировать частоту публикаций крупного конкурента без учёта своих ресурсов; рез
content-planningcontent-strategy
SeniorSMM Manager > Общее > Публикация и кампании
Короткий ответ Нет единого правильного ответа — компания должна осознанно выбрать точку баланса между скоростью обучения через тест и потенциальным репутационным ущербом от неудачного варианта, обычно ограничивая масштаб и аудиторию теста на чувствительные темы сильнее, чем для нейтральных продуктов, и привлекая комплаенс/юриста уже на этапе дизайна теста, а не только финальной проверки. Как это работает подробнее на чувствительных темах даже тестовый, не ставший основным, вариант креатива увидит реальная аудитория, поэтому все варианты теста, включая «проигравшие», должны проходить минимальную проверку на допустимость (юридическую, этическую), а не только финальный победитель — тест не освобождает от ответственности за каждый показанный вариант. Сравнение Компромисс. вариант А — тест на узкой, заранее отфильтрованной аудитории с полной юридической проверкой всех вариантов: плюс — контролируемый риск, минус — медленнее и дороже; вариант Б — быстрый широкий тест с проверкой только одного «вероятного победителя
ab-testingpublishing-campaigns
SeniorPerformance Marketer > Google Ads > Данные, комплаенс и безопасность рекламных аккаунтов
Короткий ответ Порог зависит от цены репутационного риска для бренда, допустимого роста CPM или CPA и фактической частоты нежелательных показов по отчётам верификации. Универсально правильной настройки нет. Как это работает подробнее Узкий whitelist ограничивает риск соседства, но сокращает инвентарь и может повысить цену. Категорийные исключения дают больший охват и более низкую стоимость, оставляя некоторую долю риска. Решение должно опираться на данные. Сопоставляйте проблемные показы с охватом, CPM и CPA при каждом уровне строгости. Сравнение Whitelist — когда репутационный риск особенно дорог — уменьшает нежелательное соседство, но сужает охват и может поднять CPM. Категорийные исключения — когда важны доступный охват и стоимость — дешевле и шире, но допускают некоторую долю рискованных показов. Что использовать на практике Тестируйте на части бюджета. Сравните CPM, CPA, охват и долю проблемных показов по данным верификации, затем обсудите допустимый остаточный риск с бизнесом. Подводные камни Не фиксиру
brand-safetycpm
MiddleSMM Manager > Общее > Публикация и кампании
Короткий ответ Нужно заранее выбрать 1–3 ключевые метрики, напрямую связанные с проверяемой гипотезой (а не любые доступные метрики), установить конкретные пороговые значения успеха и зафиксировать, с чем будет сравниваться результат (контрольная группа, исторические данные, бенчмарк рынка), до запуска пилота. Как это работает подробнее KPI формулируется в формате «метрика X должна достичь значения Y в сравнении с контрольной базой Z за период N», что позволяет после пилота однозначно сказать, достигнут результат или нет, без пост-фактум подбора удобной метрики. Что использовать на практике На практике. важно выбирать KPI, которые отражают реальную бизнес-цель формата, а не vanity-метрики — например, для нового формата, цель которого привести трафик на сайт, ключевым KPI должен быть CTR или конверсия перехода, а не только охват или количество лайков, даже если охват проще измерить. Пример. До запуска пилота зафиксировано: «Успех = ER видео-формата выше ER карточек за аналогичный период минимум на 20% И доля з
kpipilot-launch
MiddleData Analyst > SQL и данные > Статистика и теория вероятностей
Короткий ответ Основные рычаги — сузить объём данных до агрегации (фильтры по партиции/дате до JOIN), агрегировать большую таблицу до соединения с другими вместо соединения «сырых» строк, использовать подходящие индексы или ключи сортировки/партиционирования, и проверять план выполнения запроса, а не угадывать узкое место. Как это работает подробнее если агрегация нужна только после JOIN нескольких больших таблиц, часто эффективнее сначала агрегировать каждую таблицу отдельно (уменьшив число строк) и только потом соединять результаты — это снижает объём данных, участвующих в самом дорогом этапе. План выполнения (EXPLAIN/EXPLAIN ANALYZE в PostgreSQL, аналоги в других СУБД) показывает, где реально тратится время — сканирование таблицы целиком, дорогая сортировка для JOIN, или сам JOIN. Sanity check: сравнить EXPLAIN ANALYZE обоих вариантов — во втором варианте JOIN должен выполняться над заметно меньшим числом строк (agregated по user_id), что должно сократить общее время выполнения. Пример кода Что использоват
aggregationjoin