JuniorPerformance Marketer > Google Ads > Бюджет и пейсинг
Короткий ответ Этот статус означает, что кампания могла бы получить больше показов и результатов при текущих ставках и настройках, но не делает этого из-за установленного лимита бюджета — то есть кампания упускает потенциальный объём. Как это работает подробнее Платформа оценивает, сколько дополнительных аукционов кампания выиграла бы при более высоком бюджете, исходя из текущей конкурентоспособности ставок, и помечает кампанию соответствующим статусом или метрикой потерянной доли показов по бюджету. Что использовать на практике На практике. При таком статусе логично рассмотреть увеличение бюджета, если юнит-экономика позволяет, или признать осознанное ограничение расхода. Важно не путать этот статус с проблемами таргетинга или качества объявления. Пример. В Google Ads столбец «Search Lost IS (budget)» показывает 35% для кампании. Проверка: при повышении дневного бюджета на 20% ожидаемо вырастет доля показов (Impression Share) без изменения ставки. Подводные камни Частая ошибка. Частая ошибка — игнорировать с
ad-platformsbudget-pacing
JuniorDevOps Engineer > Контейнеры и доставка > Безопасность и DevSecOps Короткий ответ CVE (Common Vulnerabilities and Exposures) — уникальный идентификатор публично известной уязвимости в конкретном программном компоненте; уровень серьёзности (часто на основе шкалы CVSS 0–10) отражает потенциальное воздействие и простоту эксплуатации и используется для приоритизации, какие уязвимости устранять первыми. Как это работает подробнее когда исследователь или вендор обнаруживает уязвимость, ей присваивается идентификатор вида CVE-2024-12345, запись публикуется в базах (NVD и других) с описанием, затронутыми версиями и оценкой CVSS, из которой выводится категория: Critical (обычно 9.0–10.0), High (7.0–8.9), Medium (4.0–6.9), Low (0.1–3.9). Что использовать на практике Практика. при большом количестве найденных уязвимостей в образе или зависимостях физически невозможно закрыть все сразу — приоритет отдают Critical/High, особенно если уязвимость эксплуатируется удалённо без аутентификации (учитывают не только оценку, но и доступность эксплойта, наличие исправления, реальную используемость
cvecvss
JuniorDevOps Engineer > Контейнеры и доставка > Kubernetes и оркестрация Короткий ответ imagePullPolicy управляет тем, когда kubelet скачивает образ контейнера: Always — каждый раз перед запуском проверяет реестр и скачивает образ заново; IfNotPresent — использует локально закэшированный образ, если он уже есть на узле; Never — запрещает скачивание, используя только локальный образ. Как это работает подробнее по умолчанию Kubernetes выбирает Always, если тег образа — latest или не указан, и IfNotPresent для любого другого явного тега. Это поведение по умолчанию можно переопределить явно в манифесте. Пример кода Что использовать на практике Практика. IfNotPresent ускоряет запуск и снижает нагрузку на реестр образов, но требует, чтобы тег образа был уникальным и неизменяемым (immutable) — то есть при каждом новом релизе должен использоваться новый тег, а не повторное использование старого с другим содержимым. Never применяют в основном в локальной разработке (minikube/kind), где образ собран прямо на узле. Подводные камни Риски. использовать тег latest в продакшене — это заставляет
container-imagesimage-pull-policy
MiddlePerformance Marketer > Google Ads > Атрибуция и оценка Короткий ответ Модельные конверсии — это оценка площадки о числе конверсий, которые не удалось напрямую отследить (например, из-за ограничений ATT на iOS или отсутствия согласия на cookie), построенная на основе статистической модели по похожим, напрямую измеренным пользователям; это не «придуманные» цифры, но и не прямое наблюдение. Как это работает подробнее Платформа строит модель на основе характеристик пользователей, для которых есть полные данные (демография, поведение, устройство), и переносит паттерн конверсии на похожую аудиторию, для которой прямое измерение недоступно, добавляя оценочное число конверсий к отчёту с отдельной отметкой «modeled» или без явного разделения в UI (в зависимости от платформы и настроек отображения). Что использовать на практике Практика. При анализе результатов стоит проверять, показывает ли интерфейс отдельно долю модельных конверсий, и с осторожностью относиться к очень резким изменениям доли модельных данных между периодами — это может говорить не об изменении реального
analyticsattribution
JuniorSMM Manager > Общее > Площадки и основы SMM Короткий ответ Охват — это количество уникальных пользователей, которые увидели публикацию хотя бы раз, а показы — общее количество раз, которое публикация была показана, включая повторные показы одному и тому же человеку, поэтому показов почти всегда больше или равно охвату. Как это работает подробнее платформа считает охват по уникальным идентификаторам пользователей, а показы — по каждому факту отображения публикации на экране, независимо от того, кто её видел и сколько раз. Что использовать на практике Рекомендация. если показы заметно превышают охват, это значит, что один и тот же пост много раз показывается одним и тем же людям — такое соотношение полезно отслеживать, чтобы не "затирать" аудиторию одинаковым контентом. Подводные камни Риск. путать охват с количеством подписчиков (это разные показатели, охват может быть как ниже, так и выше числа подписчиков из-за алгоритмического распространения); отчитываться перед клиентом только показами, выдавая их за охват, что искажает реальную картину.
audience-segmentationimpressions
JuniorPython Developer > Основы Python > Тестирование кода Короткий ответ Покрытие показывает, какая доля строк или веток кода была выполнена хотя бы одним тестом, но не проверяет, что тест действительно содержит осмысленные проверки (assert) ожидаемого поведения на этих строках. Как это работает подробнее Инструмент вроде pytest-cov инструментирует код во время прогона тестов и фиксирует, какие строки (line coverage) или ветки условий (branch coverage) были выполнены хотя бы один раз, формируя отчёт в процентах по отдельным файлам, модулям и проекту в целом, с подсветкой непокрытых строк. Пример кода Что использовать на практике Практика. Покрытие полезно, чтобы найти явно непротестированный код — функции или ветки обработки ошибок, которые вообще ни разу не вызывались в тестах. Но тест, который просто вызывает функцию без содержательного assert, засчитает строки как покрытые, хотя фактически ничего не проверил о корректности поведения. Подводные камни Риск. Ставить цель «100% покрытия» как самоцель, что приводит к формальным тестам без содержательных проверок, напи
branch-coveragecode-coverage
JuniorSMM Manager > Общее > Площадки и основы SMM Короткий ответ Базовая статистика сообщества показывает динамику подписчиков (приход/отток), охват публикаций, количество реакций и переходов по ссылкам, а также основную демографию аудитории (пол, возраст, география), что позволяет понять, кто видит контент и как на него реагирует. Как это работает подробнее данные собираются автоматически по всем публикациям сообщества и доступны администратору в соответствующем разделе; часть метрик (например, подробная демография) становится доступна только при достижении определённого порога подписчиков. Что использовать на практике Рекомендация. для новичка важно не просто смотреть абсолютные цифры охвата, а следить за динамикой во времени и сопоставлять её с тем, что публиковалось в этот период, чтобы находить связь между типом контента и результатом. Подводные камни Риск. смотреть статистику только одного поста в отрыве от общей динамики сообщества; путать отток подписчиков с нормальными колебаниями (небольшой отток есть почти всегда и не всегда говорит о проблеме).
analyticsaudience-segmentation
JuniorData Analyst > SQL и данные > Статистика и теория вероятностей Короткий ответ .describe() (pandas, актуально для версий 1.x и 2.x) выводит count, mean, std, min, 25%/50%/75% перцентили и max для числовых колонок — это быстрый способ оценить масштаб, центр и разброс данных. Как это работает подробнее метод агрегирует каждую числовую колонку независимо; count показывает число непустых значений (не общее число строк), что уже само по себе диагностика пропусков. Метод особенно полезен на этапе первичного знакомства с новым набором данных перед более глубоким анализом. Пример кода Что использовать на практике На практике: сравнение mean и 50% (медианы) сразу подсказывает наличие скоса; большая разница между 75% и max часто указывает на выбросы. Для категориальных колонок нужно явно передать include='object' или include='all', иначе они не попадут в вывод. Полезно сразу смотреть count по всем колонкам, чтобы заметить колонки с пропусками. Дополнительно полезно смотреть на .describe() в разрезе сегментов (df.groupby('segment').describe()), чтобы сразу увидеть различия в масштаб
describedescriptive-statistics
JuniorDevOps Engineer > Контейнеры и доставка > Диагностика сети Короткий ответ ping проверяет базовую доступность хоста и измеряет задержку (RTT) и потери пакетов с помощью ICMP Echo Request/Reply; traceroute показывает маршрут (список промежуточных узлов-роутеров) от локального хоста до цели и задержку на каждом хопе. Как это работает подробнее ping отправляет ICMP-пакеты напрямую до цели и ждёт ответа, измеряя время туда-обратно; traceroute последовательно отправляет пакеты с постепенно увеличивающимся TTL (1, 2, 3, ...), благодаря чему каждый промежуточный маршрутизатор по пути отбрасывает пакет с истёкшим TTL и присылает ICMP-ответ Time Exceeded, раскрывая себя как один из хопов маршрута. Пример кода Что использовать на практике Практика. ping используют как первый быстрый тест «жив ли хост», а traceroute — когда ping проходит с большими задержками или не проходит вовсе, чтобы понять, на каком именно участке сети возникает проблема; стоит помнить, что многие узлы и файрволы намеренно блокируют ICMP, что может давать ложное впечатление о недоступности хоста. Подводные
icmpnetworking
JuniorData Analyst > SQL и данные > Статистика и теория вероятностей Короткий ответ Дисперсия — средний квадрат отклонений от среднего, показывает разброс данных в «квадратных» единицах; стандартное отклонение — корень из дисперсии, выражено в тех же единицах, что и исходные данные, поэтому интерпретируется проще. Как это работает подробнее дисперсия σ² = среднее от (x − mean)²; стандартное отклонение σ = √σ². Квадрат нужен, чтобы отклонения не «гасили» друг друга из-за разных знаков. На практике стандартное отклонение также лежит в основе построения доверительных интервалов и расчёта стандартной ошибки среднего. Пример кода Что использовать на практике На практике: стандартное отклонение удобно для сравнения разброса метрик в одних единицах (рубли, секунды), а также для построения интервалов вроде «среднее ± 1 SD». Дисперсию чаще используют внутри формул (например, в ANOVA или при расчёте доверительных интервалов), а не для прямой интерпретации бизнесу. Большое SD при одинаковом среднем говорит о нестабильности процесса — например, о непредсказуемом времени доставки. На практ
dispersionstandard-deviation