ការរក្សាទុក៖ របៀបដែលយើងសរសេរឧបករណ៍ប្រភពបើកចំហសម្រាប់ការវិភាគផលិតផលនៅក្នុង Python និង Pandas

សួស្តី Habr ។ អត្ថបទនេះត្រូវបានឧទ្ទិសដល់លទ្ធផលនៃការអភិវឌ្ឍន៍រយៈពេល XNUMX ឆ្នាំនៃវិធីសាស្រ្ត និងឧបករណ៍សម្រាប់ដំណើរការគន្លងចលនាអ្នកប្រើប្រាស់នៅក្នុងកម្មវិធី ឬគេហទំព័រ។ អ្នកនិពន្ធនៃការអភិវឌ្ឍន៍ - Maxim Godziដែលជាអ្នកដឹកនាំក្រុមអ្នកបង្កើតផលិតផល ហើយក៏ជាអ្នកនិពន្ធអត្ថបទផងដែរ។ ផលិតផលខ្លួនវាត្រូវបានគេហៅថា Retentioneering ឥឡូវនេះវាត្រូវបានបំប្លែងទៅជាបណ្ណាល័យប្រភពបើកចំហ ហើយបង្ហោះនៅលើ Github ដូច្នេះអ្នកគ្រប់គ្នាអាចប្រើប្រាស់វាបាន។ ទាំងអស់នេះអាចជាចំណាប់អារម្មណ៍ចំពោះអ្នកដែលចូលរួមក្នុងការវិភាគផលិតផល និងទីផ្សារ ការផ្សព្វផ្សាយ និងការអភិវឌ្ឍន៍ផលិតផល។ ដោយវិធីនេះនៅលើ Habre អត្ថបទមួយត្រូវបានបោះពុម្ពរួចហើយអំពីករណីមួយនៃការធ្វើការជាមួយ Retentioneering. សម្ភារៈថ្មីពន្យល់ពីអ្វីដែលផលិតផលអាចធ្វើបាន និងរបៀបដែលវាអាចប្រើបាន។

បន្ទាប់ពីអានអត្ថបទ អ្នកខ្លួនឯងនឹងអាចសរសេរ Retentioneering ផ្ទាល់ខ្លួនរបស់អ្នក វាអាចជាវិធីសាស្រ្តស្តង់ដារណាមួយសម្រាប់ដំណើរការគន្លងអ្នកប្រើប្រាស់នៅក្នុងកម្មវិធី និងលើសពីនេះ ដែលអនុញ្ញាតឱ្យអ្នកមើលឃើញលម្អិតអំពីលក្ខណៈនៃអាកប្បកិរិយា និងទាញយកការយល់ដឹងពីវាសម្រាប់ការរីកចម្រើន។ នៃរង្វាស់ធុរកិច្ច។

តើអ្វីជា Retentioneering ហើយហេតុអ្វីចាំបាច់?

គោលដៅដំបូងរបស់យើងគឺដើម្បីផ្លាស់ទី Growth Hacking ពីពិភពនៃ "អាបធ្មប់ឌីជីថល" ទៅកាន់ពិភពនៃលេខ ការវិភាគ និងការព្យាករណ៍។ ជាលទ្ធផល ការវិភាគផលិតផលត្រូវបានកាត់បន្ថយទៅជាគណិតវិទ្យាសុទ្ធ និងការសរសេរកម្មវិធីសម្រាប់អ្នកដែលចូលចិត្តលេខជំនួសឱ្យរឿងដ៏អស្ចារ្យ និងរូបមន្តសម្រាប់ពាក្យចចាមអារ៉ាមដូចជា "ការប្តូរឈ្មោះឡើងវិញ" "ការដាក់ទីតាំងឡើងវិញ" ជាដើម ដែលស្តាប់ទៅល្អ ប៉ុន្តែក្នុងការអនុវត្តជាក់ស្តែងជួយបានតិចតួច។

ដើម្បីដោះស្រាយបញ្ហាទាំងនេះ យើងត្រូវការក្របខ័ណ្ឌសម្រាប់ការវិភាគតាមរយៈក្រាហ្វ និងគន្លង ហើយក្នុងពេលតែមួយបណ្ណាល័យដែលសម្រួលដល់ទម្លាប់អ្នកវិភាគធម្មតា ជាមធ្យោបាយមួយដើម្បីពិពណ៌នាអំពីកិច្ចការវិភាគផលិតផលធម្មតាដែលអាចយល់បានសម្រាប់ទាំងមនុស្ស និងមនុស្សយន្ត។ បណ្ណាល័យផ្តល់នូវសមត្ថភាពក្នុងការពណ៌នាអំពីអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់ និងភ្ជាប់វាទៅនឹងរង្វាស់អាជីវកម្មផលិតផលជាភាសាផ្លូវការ និងច្បាស់លាស់ ដែលវាសម្រួល និងសម្រួលដល់ការងារប្រចាំថ្ងៃរបស់អ្នកអភិវឌ្ឍន៍ និងអ្នកវិភាគ ព្រមទាំងសម្របសម្រួលទំនាក់ទំនងរបស់ពួកគេជាមួយអាជីវកម្ម។

Retentioneering គឺជាវិធីសាស្រ្ត និងឧបករណ៍ផ្នែកទន់វិភាគដែលអាចប្រែប្រួល និងរួមបញ្ចូលទៅក្នុងផលិតផលឌីជីថលណាមួយ (មិនត្រឹមតែប៉ុណ្ណោះ)។

យើងបានចាប់ផ្តើមធ្វើការលើផលិតផលនៅឆ្នាំ 2015 ។ ឥឡូវនេះនេះគឺជាឧបករណ៍ដែលត្រៀមរួចជាស្រេច ទោះបីជាមិនទាន់ជាជម្រើសដ៏ល្អក៏ដោយ ប៉ុន្តែសំណុំឧបករណ៍នៅក្នុង Python និង Pandas សម្រាប់ធ្វើការជាមួយទិន្នន័យ ម៉ូដែលរៀនម៉ាស៊ីនជាមួយ sklearn-like api ឧបករណ៍សម្រាប់បកស្រាយលទ្ធផលនៃ machine learning model eli5 និង shap។

វាត្រូវបានបញ្ចប់ទាំងអស់។ ទៅកាន់បណ្ណាល័យប្រភពបើកចំហដែលងាយស្រួលនៅក្នុងឃ្លាំង Github បើកចំហ - ឧបករណ៍រក្សាទុក. ការប្រើប្រាស់បណ្ណាល័យមិនពិបាកទេ ស្ទើរតែគ្រប់គ្នាដែលស្រឡាញ់ការវិភាគផលិតផល ប៉ុន្តែមិនបានសរសេរកូដពីមុនមក អាចអនុវត្តវិធីសាស្ត្រវិភាគរបស់យើងចំពោះទិន្នន័យរបស់ពួកគេដោយឯករាជ្យ និងមិនចាំបាច់ចំណាយពេលវេលាច្រើន។

ជាការប្រសើរណាស់ អ្នកសរសេរកម្មវិធី អ្នកបង្កើតកម្មវិធី ឬសមាជិកនៃក្រុមអភិវឌ្ឍន៍ ឬសាកល្បងដែលមិនធ្លាប់ធ្វើការវិភាគពីមុនមក អាចចាប់ផ្តើមលេងជាមួយកូដនេះ និងមើលគំរូនៃការប្រើប្រាស់កម្មវិធីរបស់ពួកគេដោយគ្មានជំនួយពីខាងក្រៅ។

គន្លងអ្នកប្រើប្រាស់ជាធាតុមូលដ្ឋាននៃការវិភាគ និងវិធីសាស្រ្តសម្រាប់ដំណើរការរបស់វា។

គន្លងអ្នកប្រើប្រាស់គឺជាលំដាប់នៃស្ថានភាពអ្នកប្រើប្រាស់នៅចំណុចពេលវេលាជាក់លាក់។ លើសពីនេះទៅទៀត ព្រឹត្តិការណ៍អាចមកពីប្រភពទិន្នន័យផ្សេងៗគ្នា ទាំងអនឡាញ និងក្រៅបណ្តាញ។ ព្រឹត្តិការណ៍ដែលកើតឡើងចំពោះអ្នកប្រើប្រាស់គឺជាផ្នែកមួយនៃគន្លងរបស់គាត់។ ឧទាហរណ៍:
• ចុចប៊ូតុង
• បានឃើញរូបភាព
• ប៉ះអេក្រង់
• បានទទួលអ៊ីមែល
• បានណែនាំផលិតផលនេះទៅមិត្តភ័ក្តិ
• បំពេញទម្រង់បែបបទ
• ប៉ះអេក្រង់
• រមូរ
• បានទៅបញ្ជីសាច់ប្រាក់
• បានបញ្ជាទិញប៊ឺរីតូ
• ញ៉ាំប៊ឺរីតូ
• ពុលដោយការបរិភោគប៊ឺរីតូ
• ចូលហាងកាហ្វេពីច្រកចូលខាងក្រោយ
• ចូលពីច្រកចូលខាងមុខ
• បង្រួមអប្បបរមាកម្មវិធី
• បានទទួលការជូនដំណឹងអំពីការជំរុញ
• ជាប់គាំងនៅលើអេក្រង់យូរជាង X
• បានបង់ប្រាក់សម្រាប់ការបញ្ជាទិញ
• បានទិញការបញ្ជាទិញ
• ត្រូវបានបដិសេធប្រាក់កម្ចី

ប្រសិនបើអ្នកយកទិន្នន័យគន្លងរបស់អ្នកប្រើប្រាស់មួយក្រុម ហើយសិក្សាពីរបៀបដែលការផ្លាស់ប្តូរត្រូវបានរៀបចំឡើង អ្នកអាចតាមដានបានច្បាស់អំពីរបៀបដែលឥរិយាបថរបស់ពួកគេនៅក្នុងកម្មវិធីត្រូវបានរៀបចំ។ វាងាយស្រួលក្នុងការធ្វើដូចនេះតាមរយៈក្រាហ្វដែលរដ្ឋជាថ្នាំង ហើយការផ្លាស់ប្តូររវាងរដ្ឋគឺជាគែម៖

"គន្លង" គឺជាគំនិតដ៏ងាយស្រួលមួយ - វាមានព័ត៌មានលំអិតអំពីសកម្មភាពរបស់អ្នកប្រើទាំងអស់ ជាមួយនឹងសមត្ថភាពក្នុងការបន្ថែមទិន្នន័យបន្ថែមណាមួយទៅការពិពណ៌នាអំពីសកម្មភាពទាំងនេះ។ នេះធ្វើឱ្យវាក្លាយជាវត្ថុសកល។ ប្រសិនបើអ្នកមានឧបករណ៍ដ៏ស្រស់ស្អាត និងងាយស្រួលដែលអនុញ្ញាតឱ្យអ្នកធ្វើការជាមួយគន្លង នោះអ្នកអាចស្វែងរកភាពស្រដៀងគ្នា និងបែងចែកពួកវាបាន។

ការបែងចែកគន្លងអាចហាក់ដូចជាស្មុគស្មាញណាស់នៅពេលដំបូង។ ក្នុងស្ថានភាពធម្មតា នេះជាករណី - អ្នកត្រូវប្រើការប្រៀបធៀបម៉ាទ្រីសតភ្ជាប់ ឬការតម្រឹមលំដាប់។ យើងបានគ្រប់គ្រងដើម្បីស្វែងរកវិធីដ៏សាមញ្ញមួយ - ដើម្បីសិក្សាគន្លងមួយចំនួនធំ ហើយបែងចែកវាតាមរយៈការចង្កោម។

ដូចដែលវាបានប្រែក្លាយ វាគឺអាចធ្វើទៅបានដើម្បីបង្វែរគន្លងទៅជាចំណុចមួយដោយប្រើតំណាងបន្ត ឧទាហរណ៍ ធីអេហ្វអេចអាយអេស. បន្ទាប់​ពី​ការ​បំប្លែង​គន្លង​ក្លាយ​ជា​ចំណុច​មួយ​ក្នុង​លំហ​ដែល​ការ​កើត​ឡើង​ធម្មតា​នៃ​ព្រឹត្តិការណ៍​ផ្សេងៗ​និង​ដំណើរ​ផ្លាស់ប្តូរ​រវាង​ពួកវា​ក្នុង​គន្លង​ត្រូវ​បាន​រៀបចំ​តាម​អ័ក្ស។ វត្ថុនេះពីទំហំវិមាត្ររាប់ពាន់ ឬច្រើនជាងនេះ (dimS=sum(ប្រភេទព្រឹត្តិការណ៍)+sum(ngrams_2 types)) អាចត្រូវបានព្យាករលើយន្តហោះដោយប្រើ TSNE. TSNE គឺជាការផ្លាស់ប្តូរដែលកាត់បន្ថយវិមាត្រនៃលំហទៅ 2 អ័ក្ស ហើយប្រសិនបើអាចធ្វើទៅបាន រក្សាចម្ងាយដែលទាក់ទងរវាងចំណុច។ ដូច្នោះហើយ វាអាចទៅរួចនៅលើផែនទីរាបស្មើ ដែលជាផែនទីបង្ហាញរូបភាពនៃគន្លង ដើម្បីសិក្សាពីរបៀបដែលចំណុចនៃគន្លងផ្សេងៗគ្នាស្ថិតនៅក្នុងចំណោមពួកគេ។ វាវិភាគថាតើពួកគេមានភាពស្និទ្ធស្នាល ឬខុសគ្នាយ៉ាងណាចំពោះគ្នាទៅវិញទៅមក ថាតើពួកគេបង្កើតជាចង្កោម ឬត្រូវបានខ្ចាត់ខ្ចាយនៅលើផែនទី។ល។

ឧបករណ៍វិភាគដែលរក្សាការរក្សាបានផ្តល់នូវសមត្ថភាពក្នុងការប្រែក្លាយទិន្នន័យស្មុគស្មាញ និងគន្លងទៅជាទិដ្ឋភាពដែលអាចប្រៀបធៀបជាមួយគ្នាទៅវិញទៅមក ហើយបន្ទាប់មកលទ្ធផលនៃការផ្លាស់ប្តូរអាចត្រូវបានពិនិត្យ និងបកស្រាយ។

និយាយអំពីវិធីសាស្រ្តស្តង់ដារសម្រាប់ដំណើរការគន្លង យើងមានន័យថាឧបករណ៍សំខាន់ៗចំនួនបីដែលយើងបានអនុវត្តនៅក្នុង Retentioneering - ក្រាហ្វិក ជំហានម៉ាទ្រីស និងផែនទីការព្យាករគន្លង។

ការធ្វើការជាមួយ Google Analytics, Firebase និងប្រព័ន្ធវិភាគស្រដៀងគ្នាគឺស្មុគស្មាញណាស់ ហើយមិនមានប្រសិទ្ធភាព 100% ទេ។ បញ្ហាគឺជាការរឹតបន្តឹងមួយចំនួនសម្រាប់អ្នកប្រើប្រាស់ ជាលទ្ធផលដែលការងាររបស់អ្នកវិភាគនៅក្នុងប្រព័ន្ធបែបនេះអាស្រ័យលើការចុចកណ្ដុរ និងការជ្រើសរើសផ្នែក។ Retentioneering ធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីធ្វើការជាមួយគន្លងអ្នកប្រើប្រាស់ ហើយមិនត្រឹមតែជាមួយ funnels ដូចនៅក្នុង Google Analytics ដែលកម្រិតនៃព័ត៌មានលម្អិតត្រូវបានកាត់បន្ថយជាញឹកញាប់ទៅជាចីវលោ ទោះបីជាត្រូវបានបង្កើតឡើងសម្រាប់ផ្នែកជាក់លាក់ក៏ដោយ។

ការរក្សាទុកនិងករណី

ជាឧទាហរណ៍នៃការប្រើប្រាស់ឧបករណ៍ដែលបានបង្កើត យើងអាចដកស្រង់ករណីនៃសេវាកម្មពិសេសដ៏ធំមួយនៅក្នុងប្រទេសរុស្ស៊ី។ ក្រុមហ៊ុននេះមានកម្មវិធីទូរស័ព្ទ Android ដែលពេញនិយមក្នុងចំណោមអតិថិជន។ ចំណូលប្រចាំឆ្នាំពីកម្មវិធីទូរស័ព្ទគឺប្រហែល 7 លានរូប្លែ ការប្រែប្រួលតាមរដូវកាលមានចាប់ពី 60-130 ពាន់។ ក្រុមហ៊ុនដូចគ្នាក៏មានកម្មវិធីសម្រាប់ iOS ដែរ ហើយវិក័យប័ត្រជាមធ្យមរបស់អ្នកប្រើប្រាស់កម្មវិធី Apple គឺខ្ពស់ជាងវិក័យប័ត្រមធ្យម។ អតិថិជនដែលប្រើកម្មវិធី Android - 1080 ជូត។ ធៀបនឹង 1300 ជូត។

ក្រុមហ៊ុនបានសម្រេចចិត្តបង្កើនប្រសិទ្ធភាពនៃកម្មវិធី Android ដែលវាធ្វើការវិភាគយ៉ាងហ្មត់ចត់។ សម្មតិកម្មជាច្រើនត្រូវបានបង្កើតឡើងអំពីការបង្កើនប្រសិទ្ធភាពនៃកម្មវិធី។ បន្ទាប់ពីប្រើ Retentionneering វាប្រែថាបញ្ហាគឺនៅក្នុងសារដែលត្រូវបានបង្ហាញដល់អ្នកប្រើប្រាស់ថ្មី។ ពួកគេបានទទួលព័ត៌មានអំពីម៉ាក អត្ថប្រយោជន៍របស់ក្រុមហ៊ុន និងតម្លៃ។ ប៉ុន្តែ ដូចដែលវាបានប្រែក្លាយ សារត្រូវបានគេសន្មត់ថាជួយអ្នកប្រើប្រាស់រៀនពីរបៀបធ្វើការនៅក្នុងកម្មវិធី។

នេះត្រូវបានធ្វើរួច ជាលទ្ធផលដែលកម្មវិធីមិនសូវត្រូវបានលុបចេញ ហើយការកើនឡើងនៃការបំប្លែងទៅជាលំដាប់គឺ 23%។ ដំបូង 20 ភាគរយនៃចរាចរចូលត្រូវបានផ្តល់ទៅឱ្យការធ្វើតេស្ត ប៉ុន្តែបន្ទាប់ពីពីរបីថ្ងៃ បន្ទាប់ពីការវិភាគលទ្ធផលដំបូង និងវាយតម្លៃនិន្នាការ ពួកគេបានប្តូរសមាមាត្រ ហើយផ្ទុយទៅវិញ ទុក 20 ភាគរយសម្រាប់ក្រុមត្រួតពិនិត្យ ហើយ ប៉ែតសិបភាគរយត្រូវបានដាក់ក្នុងការធ្វើតេស្ត។ មួយសប្តាហ៍ក្រោយមក វាត្រូវបានគេសម្រេចចិត្តបន្ថែមការធ្វើតេស្តសម្មតិកម្មពីរបន្ថែមទៀតជាបន្តបន្ទាប់។ ក្នុងរយៈពេលត្រឹមតែ XNUMX សប្តាហ៍ប៉ុណ្ណោះ ចំណូលពីកម្មវិធី Android បានកើនឡើងមួយដងកន្លះធៀបនឹងកម្រិតមុន។

តើធ្វើដូចម្តេចដើម្បីធ្វើការជាមួយ Retentioneering?

ជំហានដំបូងគឺសាមញ្ញណាស់ - ទាញយកបណ្ណាល័យដោយប្រើពាក្យបញ្ជា pip install retentioneering ។ ឃ្លាំងខ្លួនវាមានឧទាហរណ៍ដែលត្រៀមរួចជាស្រេច និងករណីនៃដំណើរការទិន្នន័យសម្រាប់កិច្ចការវិភាគផលិតផលមួយចំនួន។ ឈុតនេះត្រូវបានធ្វើបច្ចុប្បន្នភាពឥតឈប់ឈររហូតដល់វាគ្រប់គ្រាន់សម្រាប់អ្នកស្គាល់គ្នាដំបូង។ នរណាម្នាក់អាចយកម៉ូឌុលដែលត្រៀមរួចជាស្រេច ហើយអនុវត្តពួកវាភ្លាមៗចំពោះភារកិច្ចរបស់ពួកគេ - នេះអនុញ្ញាតឱ្យពួកគេរៀបចំភ្លាមៗនូវដំណើរការនៃការវិភាគលម្អិត និងបង្កើនប្រសិទ្ធភាពនៃគន្លងអ្នកប្រើប្រាស់ឱ្យបានលឿន និងមានប្រសិទ្ធភាពតាមដែលអាចធ្វើទៅបាន។ ទាំងអស់នេះធ្វើឱ្យវាអាចស្វែងរកគំរូនៃការប្រើប្រាស់កម្មវិធីតាមរយៈកូដច្បាស់លាស់ និងចែករំលែកបទពិសោធន៍នេះជាមួយសហការី។

Retentioneering គឺជាឧបករណ៍ដែលមានតម្លៃប្រើប្រាស់ពេញមួយជីវិតនៃកម្មវិធីរបស់អ្នក ហើយនេះជាមូលហេតុ៖

• Retentioneering មានប្រសិទ្ធភាពសម្រាប់ការតាមដាន និងបន្តបង្កើនប្រសិទ្ធភាពគន្លងអ្នកប្រើប្រាស់ និងការកែលម្អដំណើរការអាជីវកម្ម។ ដូច្នេះ មុខងារថ្មីៗត្រូវបានបន្ថែមជាញឹកញាប់ទៅក្នុងកម្មវិធី ecommerce ដែលផលប៉ះពាល់នៃផលិតផលនេះមិនអាចទាយទុកជាមុនបានត្រឹមត្រូវ។ ក្នុងករណីខ្លះ បញ្ហាភាពត្រូវគ្នាកើតឡើងរវាងមុខងារថ្មី និងចាស់ - ឧទាហរណ៍ មុខងារថ្មី "ស៊ីសាច់" របស់ដែលមានស្រាប់។ ហើយក្នុងស្ថានភាពនេះ ការវិភាគថេរនៃគន្លងគឺច្បាស់ណាស់នូវអ្វីដែលត្រូវការ។
• ស្ថានភាពគឺស្រដៀងគ្នានៅពេលធ្វើការជាមួយបណ្តាញផ្សាយពាណិជ្ជកម្ម៖ ប្រភពចរាចរណ៍ថ្មី និងការច្នៃប្រឌិតការផ្សាយពាណិជ្ជកម្មកំពុងត្រូវបានសាកល្បងឥតឈប់ឈរ វាចាំបាច់ក្នុងការតាមដានរដូវកាល និន្នាការ និងឥទ្ធិពលនៃព្រឹត្តិការណ៍ផ្សេងទៀត ដែលនាំទៅដល់ការលេចឡើងនៃថ្នាក់ថ្មីកាន់តែច្រើនឡើងៗ។ នេះក៏តម្រូវឱ្យមានការត្រួតពិនិត្យជាប្រចាំ និងការបកស្រាយអំពីយន្តការអ្នកប្រើប្រាស់ផងដែរ។
• មានកត្តាមួយចំនួនដែលជះឥទ្ធិពលឥតឈប់ឈរលើដំណើរការនៃកម្មវិធីមួយ។ ឧទាហរណ៍ ការចេញផ្សាយថ្មីពីអ្នកអភិវឌ្ឍន៍៖ បិទបញ្ហាបច្ចុប្បន្ន ពួកវាត្រលប់មកវិញដោយអចេតនា ឬបង្កើតថ្មីទាំងស្រុង។ យូរ ៗ ទៅចំនួននៃការចេញផ្សាយថ្មីកើនឡើង ហើយដំណើរការនៃការតាមដានកំហុសត្រូវធ្វើដោយស្វ័យប្រវត្តិ រួមទាំងការវិភាគគន្លងអ្នកប្រើប្រាស់ផងដែរ។

សរុបមក Retentioneering គឺជាឧបករណ៍ដ៏មានប្រសិទ្ធភាពមួយ។ ប៉ុន្តែមិនមានដែនកំណត់ចំពោះភាពល្អឥតខ្ចោះនោះទេ - វាអាច និងគួរត្រូវបានកែលម្អ អភិវឌ្ឍ និងផលិតផលត្រជាក់ថ្មីដែលបង្កើតឡើងនៅលើមូលដ្ឋានរបស់វា។ សហគមន៍របស់គម្រោងកាន់តែសកម្ម វានឹងកាន់តែមានចំនុចប្រសព្វ ហើយជម្រើសគួរឱ្យចាប់អារម្មណ៍ថ្មីៗសម្រាប់ការប្រើប្រាស់វានឹងបង្ហាញឡើង។

ព័ត៌មានបន្ថែមអំពីឧបករណ៍រក្សារទុក៖

• ខ្ញុំអាច៖ retentioneering.com
• កាលវិភាគជួប និងការចុះឈ្មោះចូលរួម
• ការជជែកអំពីផលិតផល និងអ្នកវិភាគក្នុង Telegram
• ឥតគិតថ្លៃ ឃ្លាំងរក្សាទុកនៅលើ GitHub

ប្រភព: www.habr.com