JuniorData Analyst > SQL и данные > SQL
Короткий ответ Можно посчитать два отдельных агрегата в одном SELECT, используя AVG(CASE WHEN status = 'delivered' THEN processing_time END) и аналогично для cancelled, без необходимости делать два отдельных запроса или GROUP BY status. Как это работает подробнее CASE внутри агрегатной функции возвращает значение только для строк, удовлетворяющих условию, а для остальных — NULL (если ELSE не задан); агрегатные функции (AVG, SUM, COUNT) по умолчанию игнорируют NULL, поэтому в расчёт попадают только нужные строки. Пример кода Что использовать на практике На практике: такой подход удобен, когда нужно вывести несколько «разрезов» метрики в одной строке результата — например, для сравнения в одной таблице отчёта, а не в нескольких строках после GROUP BY status. В PostgreSQL для той же задачи есть более короткий синтаксис AVG(processing_time) FILTER (WHERE status = 'delivered'). Результат: Результат — одна строка с двумя числами для сравнения. Проверка: сравнить avg_delivered с результатом отдельного запроса SELECT
avgcase
SeniorSMM Manager > Общее > SMM-аналитика и метрики
Короткий ответ Единого готового шаблона, подходящего всем ситуациям, нет — нужно создать и закрепить в договорах с подрядчиками единый документ-таксономию, назначить внутреннего владельца процесса для контроля соблюдения и предусмотреть процесс согласования исключений для локальной специфики рынков. Как это работает подробнее без единой таксономии каждое агентство придумывает свои обозначения источников/кампаний, что делает невозможным консолидированную межрыночную отчётность без ручной «уборки» данных; закреплённый стандарт с контролем на входе снижает количество ошибок на этапе создания ссылок, а не на этапе анализа постфактум. Документ таксономии: utm_campaign строго в формате «{страна}_{бренд}_{тип}_{YYYYMM}», с обязательной проверкой через общий валидатор перед запуском любой кампании любым агентством и ежемесячным аудитом внутренним медиа-менеджером холдинга. Проверка: ежеквартальная выгрузка уникальных значений utm_campaign по всем рынкам не должна содержать более 5% записей, не соответствующих формату
metricsreporting
JuniorData Analyst > SQL и данные > Аналитическое мышление
Короткий ответ Гипотезу формулирую в формате «если верно X, то в данных мы увидим Y» — например, «рост bounce rate вызван новым источником трафика с низким качеством» — и проверяю разбивкой bounce rate по источнику трафика. Как это работает подробнее хорошая гипотеза конкретна и фальсифицируема: она указывает, какой сегмент/период должен отличаться от остальных, если причина верна, и что увидим, если причина неверна. Пример кода Что использовать на практике Порядок действий. формулирую 2–3 альтернативные гипотезы (новый канал трафика, технический баг на лендинге, сезонность) и для каждой определяю, какой срез данных её подтвердит или опровергнет. Начинаю с самой дешёвой в проверке гипотезы. Подводные камни Частые ошибки. формулировать гипотезу слишком общо («сайт стал хуже»), которую нельзя проверить одним запросом; проверять только одну гипотезу и сразу считать её подтверждённой при первом совпадении, не исключив альтернативы; путать корреляцию (bounce rate вырос одновременно с новым каналом) с доказанной пр
bounce-ratehypothesis-testing
JuniorSMM Manager > Общее > Рекламные платформы и медиазакупка
Короткий ответ CTR = количество кликов / количество показов × 100%. Метрика показывает, насколько объявление привлекает внимание и релевантно аудитории, но не говорит о качестве трафика после клика. Как это работает подробнее CTR считается автоматически кабинетом по факту кликов и показов за выбранный период на уровне объявления, группы или кампании. Что использовать на практике Подход. CTR полезен для сравнения креативов между собой при одинаковой аудитории; сравнивать CTR между разными площадками напрямую некорректно из-за разных форматов и алгоритмов подсчёта. Пример. Креатив А получил CTR 2,1%, креатив Б — 0,8% при одинаковой аудитории. Креатив А масштабируют, но итоговое решение подтверждают по CPA, а не только по CTR. Подводные камни Ошибка. считать высокий CTR автоматическим признаком успешной кампании без учёта последующих конверсий и качества трафика.
ad-metricscampaign-optimization
MiddlePython Developer > Основы Python > Тестирование кода
Короткий ответ Нужно использовать плагин pytest-asyncio (или pytest-anyio) и помечать тестовую функцию как async def с декоратором @pytest.mark.asyncio, чтобы pytest запустил её внутри event loop, а не просто вызвал как обычную функцию. Как это работает подробнее Без специального плагина pytest не умеет ожидать корутины — async def тест без правильной настройки просто вернёт объект корутины, а не выполнит его, из-за чего тест формально «пройдёт», ничего не проверив. pytest-asyncio оборачивает такие тесты в event loop и дожидается их завершения через await. Пример кода Что использовать на практике Практика. Важно следить за режимом работы event loop в фикстурах (например, asyncio_mode = "auto" или явные маркеры), чтобы асинхронные фикстуры и тесты использовали один и тот же loop. Для асинхронных HTTP-клиентов используют httpx.AsyncClient с ASGITransport вместо синхронного TestClient, если нужно протестировать именно асинхронный путь выполнения. Подводные камни Риск. Забывать @pytest.mark.asyncio или не настраи
asynchronous-programmingasyncio
SeniorPython Developer > Основы Python > Тестирование кода
Короткий ответ Нужно тестировать поведение системы на реалистичном профиле нагрузки (смесь типов запросов, распределение по времени, постепенный рост) и смотреть на набор метрик — задержку по перцентилям (p50/p95/p99), частоту ошибок, использование ресурсов, поведение под пиковой и длительной нагрузкой, — а не только на пиковый RPS, который сильно зависит от окружения теста и конкретной конфигурации. Как это работает подробнее Нагрузочный тест (например, через locust или k6) эмулирует параллельных пользователей по сценарию, близкому к реальному трафику, и собирает распределение времени ответа, а не только среднее значение — среднее легко маскирует то, что часть запросов (например, p99) отвечает на порядок медленнее из-за блокировок, N+1-запросов или исчерпания пула соединений с БД под нагрузкой. Сравнение Компромисс. Подробное многометриковое нагрузочное тестирование с реалистичным профилем трафика даёт более достоверную картину, но требует значительных усилий на подготовку сценариев и инфраструктуры, а также
latencyload-testing
MiddlePerformance Marketer > Google Ads > Тестирование гипотез и запуск изменений
Короткий ответ При малом трафике можно использовать последовательное тестирование (сначала версия A некоторое время, затем версия B, с поправкой на внешние факторы периода), качественные методы (юзабилити-тесты, запись сессий, опросы) или ориентироваться на микроконверсии и поведенческие метрики вместо итоговой конверсии в покупку. Как это работает подробнее Микроконверсии (клики по кнопке, прокрутка до формы, время на странице) накапливаются быстрее, чем финальные конверсии, и могут раньше показать направление эффекта, хотя рост микроконверсии не всегда означает рост основной цели. Ещё один вариант — объединять данные за более длительный период или по нескольким похожим страницам/офферам, если это оправдано бизнес-логикой, чтобы быстрее накопить нужный объём. Пример. Трафик: 80 визитов/неделю, конверсия ~3 лида/неделю - слишком мало для классического A/B за разумный срок Альтернатива: 2 недели версия A -> 2 недели версия B (с поправкой на сезонность) Запись сессий (Hotjar/Вебвизор) для качественного анализа
ab-testingexperimentation
MiddleSMM Manager > Общее > Публикация и кампании
Короткий ответ Нужно тестировать заголовки и обложки раздельно по площадкам, потому что поведение и ожидания аудитории различаются (например, YouTube сильно зависит от обложки и заголовка для CTR в поиске/рекомендациях, а в ленте соцсети обложка играет меньшую роль при автовоспроизведении), и использовать встроенные инструменты тестирования каждой платформы, где они доступны. Как это работает подробнее на YouTube можно использовать встроенный инструмент сравнения обложек (там, где он доступен) или запускать показ разных версий через рекламный трафик; в соцсетях с автовоспроизведением в ленте первые секунды видео важнее статичной обложки, поэтому тест там может фокусироваться на первых кадрах, а не на отдельном превью-изображении. Что использовать на практике На практике. нельзя переносить выводы теста заголовков с одной площадки на другую без проверки — аудитория YouTube может искать видео по запросу и реагировать на информативный заголовок с ключевыми словами, а аудитория в соцсети видит видео в ленте без ак
cross-platform-contentpublishing-campaigns
MiddleSMM Manager > Общее > Контент и форматы
Короткий ответ Нужно заранее получать от продуктовой/маркетинговой команды даты ключевых событий (запуск, акция, инфоповод) и закладывать на их основе сроки подготовки брифов и макетов с запасом на правки, а не формировать контент-план в отрыве от общего маркетингового календаря компании. Как это работает подробнее продакшн контента (бриф → дизайн/видео → правки → согласование) занимает время, поэтому, если дата запуска кампании известна заранее, но бриф на материалы ставится в последний момент, качество и сроки неизбежно страдают. Что использовать на практике Рекомендация. стоит вести единый календарь, видимый и SMM-команде, и смежным командам (продукт, маркетинг, PR), с заранее зафиксированными контрольными точками (например, «бриф на кампанию должен уйти дизайнеру не позднее чем за X дней до запуска»). Подводные камни Риск. узнавать о запуске продукта в день самого запуска; не учитывать время на производство видео, которое обычно дольше, чем на статичный макет; синхронизировать контент-план только внутри S
content-calendarcontent-planning
JuniorDevOps Engineer > Контейнеры и доставка > Диагностика контейнеров
Короткий ответ Команда docker system prune удаляет остановленные контейнеры, неиспользуемые пользовательские сети, "висячие" (dangling) образы и build-кэш; флаг -a дополнительно удаляет все неиспользуемые образы (не только dangling), а --volumes — неиспользуемые тома. Как это работает подробнее со временем на хосте накапливаются остановленные контейнеры, промежуточные (dangling, без тега) образы от пересборок и неиспользуемые тома/сети — всё это продолжает занимать место на диске, даже если активно не используется. docker system prune проходит по этим категориям объектов и удаляет те, что не привязаны ни к одному работающему или даже остановленному (в зависимости от флагов) контейнеру. Пример кода Что использовать на практике Практика. команду часто запускают на CI-раннерах и build-серверах, где регулярно накапливается большой объём build-кэша и промежуточных слоёв; перед добавлением --volumes стоит убедиться, что нет важных данных только в неиспользуемых на вид volume. Подводные камни Риск. запускают docker
containersdisk-usage