چهره واقعی محصول را ببینید و زنده بمانید. داده های مربوط به انتقال کاربر به عنوان دلیلی برای نوشتن چند سرویس جدید

صدها مقاله در مورد مزایای تجزیه و تحلیل رفتار مشتری در اینترنت وجود دارد. اغلب این به بخش خرده فروشی مربوط می شود. از تجزیه و تحلیل سبد غذایی، تجزیه و تحلیل ABC و XYZ تا بازاریابی حفظ و پیشنهادات شخصی. چندین دهه است که از تکنیک های مختلف استفاده شده است، الگوریتم ها فکر شده اند، کد نوشته شده و اشکال زدایی شده است - آن را بگیرید و از آن استفاده کنید. در مورد ما، یک مشکل اساسی به وجود آمد - ما در ISPsystem درگیر توسعه نرم افزار هستیم، نه خرده فروشی.
نام من دنیس است و در حال حاضر مسئول پشتیبان سیستم های تحلیلی در ISPsystem هستم. و این داستان من و همکارم است دانیل - کسانی که مسئول تجسم داده ها هستند - سعی کردند محصولات نرم افزاری ما را از منظر این دانش بنگرند. بیایید طبق معمول با تاریخ شروع کنیم.

در ابتدا یک کلمه وجود داشت و کلمه "آیا تلاش کنیم؟"

در آن لحظه من به عنوان یک توسعه دهنده در بخش تحقیق و توسعه کار می کردم. همه چیز از زمانی شروع شد که دانیل اینجا را در هابر خواند در مورد حفظ و نگهداری - ابزاری برای تجزیه و تحلیل انتقال کاربر در برنامه ها. من تا حدودی در مورد ایده استفاده از آن در اینجا شک داشتم. به عنوان مثال، توسعه‌دهندگان کتابخانه تحلیلی از برنامه‌های کاربردی را ذکر کردند که در آن اقدام هدف به وضوح تعریف شده بود - ارسال سفارش یا تغییرات دیگری از نحوه پرداخت به شرکت مالک. محصولات ما در محل عرضه می شوند. یعنی کاربر ابتدا لایسنس خریداری می کند و تنها پس از آن سفر خود را در برنامه آغاز می کند. بله، ما نسخه های آزمایشی داریم. شما می‌توانید محصول را در آنجا امتحان کنید تا خوک در دست نگیرید.

اما بیشتر محصولات ما بازار میزبانی را هدف قرار می دهند. اینها مشتریان بزرگی هستند و بخش توسعه کسب و کار به آنها در مورد قابلیت های محصول مشاوره می دهد. همچنین در زمان خرید، مشتریان ما از قبل می‌دانند که نرم‌افزار ما در حل چه مشکلاتی به آنها کمک می‌کند. مسیرهای آنها در برنامه باید با CJM تعبیه شده در محصول منطبق باشد و راه حل های UX به آنها کمک می کند در مسیر خود باقی بمانند. اسپویلر: همیشه این اتفاق نمی افتد. معرفی کتابخانه به تعویق افتاد... اما نه برای مدت طولانی.

همه چیز با انتشار استارتاپ ما تغییر کرد - Cartbee - پلتفرم هایی برای ایجاد فروشگاه آنلاین از یک حساب اینستاگرام. در این اپلیکیشن به کاربر مهلت دو هفته ای داده شد تا از تمامی قابلیت ها به صورت رایگان استفاده کند. سپس باید تصمیم می گرفتید که مشترک شوید یا خیر. و این کاملاً با مفهوم "عمل مسیر-هدف" مطابقت دارد. تصمیم گرفته شد: بیایید تلاش کنیم!

اولین نتایج یا از کجا می توان ایده گرفت

من و تیم توسعه محصول را به معنای واقعی کلمه در یک روز به سیستم مجموعه رویداد متصل کردیم. فوراً می گویم که ISPsystem از سیستم خود برای جمع آوری رویدادهای مربوط به بازدید از صفحه استفاده می کند ، اما هیچ چیز مانع از استفاده شما از Yandex.Metrica برای همان اهداف نمی شود ، که به شما امکان می دهد داده های خام را به صورت رایگان بارگیری کنید. نمونه هایی از استفاده از کتابخانه مورد مطالعه قرار گرفت و پس از یک هفته جمع آوری داده ها، نمودار انتقال دریافت کردیم.

نمودار انتقال. عملکرد پایه، سایر انتقال ها برای وضوح حذف شدند

درست مثل مثال معلوم شد: مسطح، واضح، زیبا. از این نمودار، ما توانستیم بیشترین مسیرها و گذرگاه هایی را که مردم بیشترین زمان را در آن سپری می کنند، شناسایی کنیم. این به ما امکان داد تا موارد زیر را درک کنیم:

• به جای یک CJM بزرگ، که ده ها نهاد را پوشش می دهد، تنها دو مورد به طور فعال استفاده می شود. علاوه بر این لازم است که کاربران را با استفاده از راه حل های UX به مکان هایی که نیاز داریم هدایت کنیم.
• برخی از صفحات که توسط طراحان UX طراحی شده اند تا سرتاسر باشند، در نهایت به افرادی ختم می شود که زمان غیرمنطقی را برای آنها صرف می کنند. شما باید بفهمید که عناصر توقف در یک صفحه خاص چه هستند و آنها را تنظیم کنید.
• پس از 10 انتقال، 20٪ از افراد شروع به خسته شدن کردند و جلسه را در برنامه ترک کردند. و این با در نظر گرفتن این واقعیت است که ما 5 صفحه داخلی در برنامه داشتیم! شما باید صفحاتی را شناسایی کنید که کاربران به طور منظم جلسات را ترک می کنند و مسیر آنها را کوتاه کنید. حتی بهتر: مسیرهای معمولی را شناسایی کنید و اجازه انتقال سریع از صفحه مبدأ به صفحه مقصد را بدهید. چیزی مشترک با تحلیل ABC و تحلیل سبد خرید رها شده، فکر نمی کنید؟

و در اینجا نگرش خود را نسبت به کاربرد این ابزار برای محصولات داخلی تجدید نظر کردیم. تصمیم گرفته شد یک محصول به طور فعال فروخته شده و مورد استفاده تجزیه و تحلیل شود - VMmanager 6. این بسیار پیچیده تر است، به ترتیب قدر موجودیت های بیشتری وجود دارد. ما مشتاقانه منتظر بودیم تا ببینیم نمودار انتقال چگونه خواهد بود.

درباره ناامیدی ها و الهامات

ناامیدی شماره 1

پایان روز کاری، پایان ماه و پایان سال همزمان بود - 27 دسامبر. داده ها انباشته شده است، پرس و جوها نوشته شده اند. چند ثانیه باقی مانده بود تا همه چیز پردازش شود و ما می توانستیم به نتیجه زحمات خود نگاه کنیم تا بفهمیم سال کاری بعدی از کجا شروع می شود. بخش تحقیق و توسعه، مدیر محصول، طراحان UX، سرپرست تیم، توسعه دهندگان جلوی مانیتور جمع شدند تا ببینند مسیرهای کاربر در محصولشان چگونه است، اما... ما این را دیدیم:

نمودار انتقال ساخته شده توسط کتابخانه Retaineering

الهام شماره 1

ارتباط قوی، ده ها موجودیت، سناریوهای غیر آشکار. تنها مشخص بود که سال کاری جدید نه با تجزیه و تحلیل، بلکه با اختراع راهی برای ساده کردن کار با چنین نموداری آغاز می شود. اما نمی توانستم از این احساس خلاص شوم که همه چیز بسیار ساده تر از آن چیزی است که به نظر می رسید. و پس از پانزده دقیقه مطالعه کد منبع Retaineering، توانستیم نمودار ساخته شده را به فرمت نقطه صادر کنیم. این امکان بارگذاری نمودار را در ابزار دیگری - Gephi فراهم کرد. و در حال حاضر زمینه ای برای تجزیه و تحلیل نمودارها وجود دارد: طرح بندی ها، فیلترها، آمار - تنها کاری که باید انجام دهید این است که پارامترهای لازم را در رابط پیکربندی کنید. با این فکر عازم تعطیلات آخر هفته سال نو شدیم.

ناامیدی شماره 2

پس از بازگشت به محل کار، مشخص شد که در حالی که همه در حال استراحت بودند، مشتریان ما در حال مطالعه محصول بودند. بله، آنقدر سخت که اتفاقاتی در ذخیره سازی ظاهر شد که قبلا وجود نداشت. این بدان معنی است که پرس و جوها باید به روز شوند.

کمی پیش زمینه برای درک غم انگیز بودن این واقعیت. ما هم رویدادهایی را که علامت گذاری کرده ایم (به عنوان مثال، روی برخی دکمه ها کلیک می کنیم) و هم URL صفحاتی را که کاربر بازدید کرده است، منتقل می کنیم. در مورد Cartbee، مدل "یک عمل - یک صفحه" کار کرد. اما با VMmanager وضعیت کاملاً متفاوت بود: چندین پنجره مودال می‌توانستند در یک صفحه باز شوند. در آنها کاربر می تواند مشکلات مختلف را حل کند. به عنوان مثال URL:

/host/item/24/ip(modal:modal/host/item/ip/create)

به این معنی که در صفحه "آدرس های IP" کاربر یک آدرس IP اضافه کرده است. و در اینجا دو مشکل به طور همزمان قابل مشاهده است:

• URL حاوی نوعی پارامتر مسیر است - شناسه ماشین مجازی. باید کنار گذاشته شود.
• URL حاوی شناسه پنجره معین است. شما باید به نحوی چنین URL هایی را "باز کردن بسته بندی" کنید.
  مشکل دیگر این بود که رویدادهایی که ما علامت گذاری کردیم دارای پارامترهایی بودند. به عنوان مثال، پنج راه مختلف برای دسترسی به صفحه حاوی اطلاعات مربوط به ماشین مجازی از لیست وجود داشت. بر این اساس، یک رویداد ارسال شد، اما با پارامتری که نشان می‌دهد کاربر کدام روش را تغییر داده است. چنین رویدادهایی زیاد بود و همه پارامترها متفاوت بود. و ما تمام منطق بازیابی اطلاعات را در گویش SQL برای Clickhouse داریم. پرس و جوهای 150-200 خطی تا حدودی عادی به نظر می رسید. مشکلات ما را احاطه کردند.

الهام شماره 2

یک روز صبح زود، دانیل، در حالی که با ناراحتی درخواست را برای دقیقه دوم مرور می کرد، به من پیشنهاد کرد: "بیایید خطوط لوله پردازش داده را بنویسیم؟" ما در مورد آن فکر کردیم و تصمیم گرفتیم که اگر قرار است این کار را انجام دهیم، چیزی شبیه به ETL خواهد بود. به طوری که بلافاصله فیلتر می شود و داده های لازم را از منابع دیگر جمع آوری می کند. اینگونه بود که اولین سرویس تحلیلی ما با یک باطن کامل متولد شد. پنج مرحله اصلی پردازش داده ها را اجرا می کند:

1. تخلیه رویدادها از ذخیره سازی داده های خام و آماده سازی آنها برای پردازش.
2. Clarification عبارت است از "باز کردن بسته بندی" همان شناسه های پنجره های مدال، پارامترهای رویداد و سایر جزئیاتی که رویداد را روشن می کند.
3. غنی سازی (از کلمه "ثروتمند شدن") افزودن رویدادها با داده های منابع شخص ثالث است. در آن زمان، این فقط شامل BILLmanager سیستم صورت‌حساب ما می‌شد.
4. فیلتر کردن فرآیند فیلتر کردن رویدادهایی است که نتایج تجزیه و تحلیل را مخدوش می کند (رویدادهای داخلی، موارد پرت و غیره).
5. بارگذاری رویدادهای دریافتی در فضای ذخیره‌سازی که ما آن را داده‌های پاک نامیدیم.
   اکنون می‌توان با افزودن قوانینی برای پردازش یک رویداد یا حتی گروه‌هایی از رویدادهای مشابه، ارتباط را حفظ کرد. به عنوان مثال، از آن زمان ما هرگز باز کردن بسته بندی URL را به روز نکرده ایم. اگرچه، در این مدت چندین تغییر URL جدید اضافه شده است. آنها با قوانینی که قبلاً در سرویس تعیین شده است مطابقت دارند و به درستی پردازش می شوند.

ناامیدی شماره 3

هنگامی که ما شروع به تجزیه و تحلیل کردیم، متوجه شدیم که چرا نمودار اینقدر منسجم است. واقعیت این است که تقریباً هر N-gram حاوی انتقال هایی است که نمی توانند از طریق رابط انجام شوند.

یک تحقیق کوچک شروع شد. من گیج شده بودم که هیچ انتقال غیرممکنی در یک موجودیت وجود ندارد. این به این معنی است که این یک اشکال در سیستم جمع آوری رویداد یا سرویس ETL ما نیست. این احساس وجود داشت که کاربر به طور همزمان در چندین نهاد کار می کند، بدون اینکه از یکی به دیگری حرکت کند. چگونه می توان به این امر دست یافت؟ استفاده از تب های مختلف در مرورگر

هنگام تجزیه و تحلیل Cartbee، ما با ویژگی آن نجات یافتیم. این برنامه از دستگاه های تلفن همراه استفاده می شد، جایی که کار از چندین برگه به ​​سادگی ناخوشایند است. در اینجا ما یک دسکتاپ داریم و در حالی که یک کار در یک نهاد در حال انجام است، منطقی است که بخواهیم این زمان را صرف راه اندازی یا نظارت بر وضعیت در دیگری کنیم. و برای اینکه پیشرفت خود را از دست ندهید، فقط یک برگه دیگر باز کنید.

الهام شماره 3

همکاران توسعه front-end به سیستم جمع آوری رویداد یاد دادند که بین تب ها تمایز قائل شود. تحلیل می تواند آغاز شود. و شروع کردیم. همانطور که انتظار می رفت، CJM با مسیرهای واقعی مطابقت نداشت: کاربران زمان زیادی را در صفحات دایرکتوری، جلسات رها شده و برگه ها در غیرمنتظره ترین مکان ها صرف کردند. با استفاده از تجزیه و تحلیل انتقال، ما توانستیم مشکلاتی را در برخی از بیلدهای موزیلا پیدا کنیم. در آنها به دلیل ویژگی های پیاده سازی، عناصر ناوبری ناپدید شدند یا صفحات نیمه خالی نمایش داده شدند که فقط باید برای مدیر قابل دسترسی باشد. صفحه باز شد، اما هیچ محتوایی از باطن ارائه نشد. انتقال شمارش این امکان را فراهم می کند تا ارزیابی کنیم که کدام ویژگی ها واقعاً استفاده شده اند. زنجیره‌ها درک نحوه دریافت این یا آن خطا را ممکن می‌سازند. داده ها برای آزمایش بر اساس رفتار کاربر مجاز هستند. این یک موفقیت بود، این ایده بیهوده نبود.

اتوماسیون تجزیه و تحلیل

در یکی از نمایش‌های نتایج، نشان دادیم که چگونه از Gephi برای تجزیه و تحلیل نمودار استفاده می‌شود. در این ابزار می توان داده های تبدیل را در یک جدول نمایش داد. و رئیس بخش UX یک فکر بسیار مهم را گفت که بر توسعه کل جهت تجزیه و تحلیل رفتار در شرکت تأثیر گذاشت: "بیایید همین کار را انجام دهیم، اما در Tableau و با فیلترها - راحت تر خواهد بود."

سپس فکر کردم: چرا که نه، Retentioneering همه داده ها را در ساختار pandas.DataFrame ذخیره می کند. و این به طور کلی یک جدول است. اینگونه بود که سرویس دیگری ظاهر شد: Data Provider. او نه تنها جدولی از نمودار تهیه کرد، بلکه میزان محبوبیت صفحه و عملکرد مرتبط با آن، تأثیر آن بر حفظ کاربر، مدت زمان ماندن کاربران در آن و اینکه کاربران اغلب کدام صفحات را ترک می کنند را محاسبه کرد. و استفاده از تجسم در Tableau هزینه مطالعه نمودار را به حدی کاهش داد که زمان تکرار برای تجزیه و تحلیل رفتار در محصول تقریباً به نصف کاهش یافت.

دانیل در مورد نحوه استفاده از این تجسم و نتیجه گیری آن صحبت خواهد کرد.

میزهای بیشتر برای خدای میز!

به شکل ساده شده، کار به صورت زیر فرموله شد: نمودار انتقال را در Tableau نمایش دهید، امکان فیلتر کردن را فراهم کنید و آن را تا حد امکان واضح و راحت کنید.

من واقعاً نمی خواستم یک نمودار جهت دار در Tableau بکشم. و حتی در صورت موفقیت آمیز بودن، سود، در مقایسه با جفی، آشکار به نظر نمی رسید. ما به چیزی بسیار ساده تر و در دسترس تر نیاز داشتیم. جدول! پس از همه، نمودار را می توان به راحتی در قالب ردیف های جدول نشان داد، که در آن هر ردیف لبه ای از نوع "منبع-مقصد" است. علاوه بر این، ما قبلاً با استفاده از ابزار Retentioneering و Data Provider چنین جدولی را با دقت آماده کرده ایم. تنها کاری که باید انجام شود این بود که جدول را در Tableau نمایش دهید و گزارش را زیر و رو کنید.

صحبت از اینکه همه میزها را دوست دارند.

با این حال، در اینجا با مشکل دیگری روبرو هستیم. با منبع داده چه باید کرد؟ اتصال pandas.DataFrame غیرممکن بود؛ Tableau چنین رابطی ندارد. ایجاد یک پایه جداگانه برای ذخیره‌سازی نمودار، راه‌حلی بسیار اساسی با چشم‌انداز مبهم به نظر می‌رسید. و گزینه های تخلیه محلی به دلیل نیاز به عملیات دستی مداوم مناسب نبودند. لیست کانکتورهای موجود را بررسی کردیم و نگاهمان به آن مورد افتاد رابط داده وب، که با ناراحتی در همان پایین جمع شده بود.

Tableau دارای مجموعه ای غنی از اتصال دهنده ها است. یکی پیدا کردیم که مشکل ما را حل کرد

چه نوع حیوانی؟ چند برگه باز جدید در مرورگر - و مشخص شد که این رابط به شما امکان می دهد هنگام دسترسی به URL، داده ها را دریافت کنید. پس زمینه برای محاسبه خود داده ها تقریباً آماده بود، تنها چیزی که باقی مانده بود این بود که آن را با WDC دوست کنیم. دنیس چندین روز مستندات را مطالعه کرد و با مکانیزم‌های Tableau مبارزه کرد و سپس لینکی را برای من فرستاد که در پنجره اتصال چسباندم.

فرم اتصال به WDC ما. دنیس جلوی خود را ساخت و از ایمنی مراقبت کرد

پس از چند دقیقه انتظار (داده ها در صورت درخواست به صورت پویا محاسبه می شوند)، جدول ظاهر شد:

این همان چیزی است که یک آرایه داده خام در رابط Tableau به نظر می رسد

همانطور که وعده داده شده بود، هر ردیف از چنین جدولی یک لبه از نمودار را نشان می دهد، یعنی یک انتقال هدایت شده از کاربر. همچنین دارای چندین ویژگی اضافی بود. به عنوان مثال، تعداد کاربران منحصر به فرد، تعداد کل انتقال ها و موارد دیگر.

می توان این جدول را در گزارش همانطور که هست نشان داد، فیلترها را سخاوتمندانه بپاشید و ابزار را به حالت قایقرانی ارسال کنید. منطقی به نظر می رسد. با میز چه کاری می توانید انجام دهید؟ اما این راه ما نیست، زیرا ما نه تنها یک جدول، بلکه ابزاری برای تجزیه و تحلیل و تصمیم گیری محصول می سازیم.

به طور معمول، هنگام تجزیه و تحلیل داده ها، یک فرد می خواهد پاسخ سوالات را دریافت کند. عالی. بیایید با آنها شروع کنیم.

• متداول ترین انتقال ها کدامند؟
• آنها از صفحات خاص به کجا می روند؟
• به طور متوسط ​​چه مدت قبل از رفتن در این صفحه وقت می گذارید؟
• هر چند وقت یک بار از A به B گذر می کنید؟
• جلسه در چه صفحاتی به پایان می رسد؟

هر یک از گزارش ها یا ترکیبی از آنها باید به کاربر اجازه دهد تا به طور مستقل پاسخ این سؤالات را بیابد. استراتژی کلیدی در اینجا این است که ابزارهایی را در اختیار شما قرار دهیم تا خودتان این کار را انجام دهید. این هم برای کاهش بار روی بخش تجزیه و تحلیل و هم برای کاهش زمان تصمیم گیری مفید است - در نهایت، دیگر نیازی به رفتن به Youtrack و ایجاد یک کار برای تحلیلگر ندارید، فقط باید گزارش را باز کنید.

چه چیزی به دست آوردیم؟

مردم اغلب از کجا از داشبورد فاصله می گیرند؟

بخشی از گزارش ما بعد از داشبورد، همه یا به لیست ماشین های مجازی یا به لیست گره ها رفتند

بیایید یک جدول کلی با انتقال و فیلتر بر اساس صفحه منبع بگیریم. اغلب، آنها از داشبورد به لیست ماشین های مجازی می روند. علاوه بر این، ستون Regularity نشان می دهد که این یک عمل تکراری است.

آنها از کجا به لیست خوشه ها می آیند؟

فیلترها در گزارش ها در هر دو جهت کار می کنند: می توانید بفهمید کجا رفته اید یا کجا رفته اید

از مثال ها مشخص است که حتی وجود دو فیلتر ساده و رتبه بندی ردیف ها بر اساس مقادیر به شما امکان می دهد به سرعت اطلاعات را به دست آورید.

بیایید چیز پیچیده تری بپرسیم.

کاربران اغلب جلسه خود را کجا رها می کنند؟

کاربران VMmanager اغلب در تب های جداگانه کار می کنند

برای انجام این کار، ما به گزارشی نیاز داریم که داده های آن توسط منابع ارجاع جمع آوری شده باشد. و به اصطلاح نقاط شکست به عنوان تکالیف در نظر گرفته شد - رویدادهایی که به عنوان پایان زنجیره انتقال عمل کردند.

در اینجا ذکر این نکته ضروری است که این می تواند پایان جلسه یا باز کردن یک برگه جدید باشد. مثال نشان می دهد که زنجیره اغلب به جدولی با لیستی از ماشین های مجازی ختم می شود. در این مورد، رفتار مشخصه تغییر به برگه دیگری است که با الگوی مورد انتظار مطابقت دارد.

ما قبل از هر چیز زمانی که تجزیه و تحلیل را به روشی مشابه انجام دادیم، مفید بودن این گزارش ها را روی خودمان آزمایش کردیم وپ، یکی دیگر از محصولات ما با ظهور جداول و فیلترها، فرضیه ها سریعتر آزمایش شدند و چشم ها کمتر خسته شدند.

هنگام تهیه گزارش، طراحی بصری را فراموش نکردیم. هنگام کار با میزهایی با این اندازه، این یک عامل مهم است. به عنوان مثال، ما از طیف آرام رنگی استفاده کردیم که به راحتی قابل درک است فونت monospace برای اعداد، برجسته کردن رنگ خطوط مطابق با مقادیر عددی ویژگی ها. چنین جزئیاتی تجربه کاربر را بهبود می بخشد و احتمال موفقیت ابزار را در شرکت افزایش می دهد.

جدول بسیار حجیم بود، اما امیدواریم که خواندن آن متوقف نشود

شایان ذکر است که به طور جداگانه در مورد آموزش مشتریان داخلی ما: متخصصان محصول و طراحان UX. راهنمای کار با نمونه های آنالیز و نکات کار با فیلترها به طور ویژه برای آنها تهیه شده است. ما پیوندهایی به دفترچه راهنما را مستقیماً در صفحات گزارش درج کردیم.

ما این راهنما را به سادگی به عنوان یک ارائه در Google Docs ساختیم. ابزار Tableau به شما این امکان را می دهد که صفحات وب را مستقیماً در یک کتاب کار گزارش نمایش دهید.

به جای یک کلمه پس از آن

در پایان چه چیزی وجود دارد؟ ما توانستیم ابزاری برای هر روز نسبتاً سریع و ارزان داشته باشیم. بله، این قطعا جایگزینی برای خود نمودار، نقشه حرارتی کلیک ها یا نمایشگر وب نیست. اما چنین گزارش هایی به طور قابل توجهی مکمل ابزارهای ذکر شده است و خوراکی برای فکر و محصول جدید و فرضیه های رابط فراهم می کند.

این داستان تنها به عنوان آغازی برای توسعه تجزیه و تحلیل در سیستم ISP خدمت کرد. طی شش ماه گذشته، هفت سرویس جدید دیگر ظاهر شده است، از جمله پرتره های دیجیتالی کاربر در محصول و سرویسی برای ایجاد پایگاه داده برای هدف گذاری Look-alike، اما در قسمت های بعدی در مورد آنها صحبت خواهیم کرد.

منبع: www.habr.com