Retentioneering: ວິທີທີ່ພວກເຮົາຂຽນເຄື່ອງມື open-source ສໍາລັບການວິເຄາະຜະລິດຕະພັນໃນ Python ແລະ Pandas

ສະບາຍດີ, Habr. ບົດຄວາມນີ້ແມ່ນອຸທິດໃຫ້ຜົນໄດ້ຮັບຂອງສີ່ປີຂອງການພັດທະນາຊຸດຂອງວິທີການແລະເຄື່ອງມືສໍາລັບການປະມວນຜົນ trajectories ການເຄື່ອນໄຫວຂອງຜູ້ໃຊ້ໃນຄໍາຮ້ອງສະຫມັກຫຼືເວັບໄຊທ໌. ຜູ້ຂຽນຂອງການພັດທະນາ - Maxim Godzi, ຜູ້ທີ່ເປັນຫົວຫນ້າທີມງານຂອງຜູ້ສ້າງຜະລິດຕະພັນແລະຍັງເປັນຜູ້ຂຽນຂອງບົດຄວາມ. ຜະລິດຕະພັນຕົວມັນເອງໄດ້ຖືກເອີ້ນວ່າ Retentioneering; ໃນປັດຈຸບັນມັນໄດ້ຖືກປ່ຽນເປັນຫ້ອງສະຫມຸດ open-source ແລະຈັດພີມມາຢູ່ໃນ Github ເພື່ອໃຫ້ທຸກຄົນສາມາດໃຊ້ມັນ. ທັງຫມົດນີ້ອາດຈະມີຄວາມສົນໃຈກັບຜູ້ທີ່ມີສ່ວນຮ່ວມໃນການວິເຄາະຜະລິດຕະພັນແລະການຕະຫຼາດ, ການສົ່ງເສີມແລະການພັດທະນາຜະລິດຕະພັນ. ໂດຍວິທີທາງການ, ສຸດHabé ບົດຄວາມໄດ້ຖືກຈັດພີມມາແລ້ວກ່ຽວກັບຫນຶ່ງໃນກໍລະນີຂອງການເຮັດວຽກກັບ Retentioneering. ວັດສະດຸໃຫມ່ອະທິບາຍສິ່ງທີ່ຜະລິດຕະພັນສາມາດເຮັດໄດ້ແລະວິທີທີ່ມັນສາມາດນໍາໃຊ້ໄດ້.

ຫຼັງຈາກອ່ານບົດຄວາມ, ຕົວທ່ານເອງຈະສາມາດຂຽນ Retentioneering ຂອງທ່ານເອງ, ມັນສາມາດເປັນວິທີການມາດຕະຖານສໍາລັບການປຸງແຕ່ງ trajectories ຂອງຜູ້ໃຊ້ໃນຄໍາຮ້ອງສະຫມັກແລະນອກ, ອະນຸຍາດໃຫ້ທ່ານສາມາດເຫັນລາຍລະອຽດຂອງພຶດຕິກໍາແລະສະກັດຄວາມເຂົ້າໃຈຈາກນີ້ສໍາລັບການຂະຫຍາຍຕົວ. ຂອງ​ຕົວ​ຊີ້​ວັດ​ທຸ​ລະ​ກິດ​.

Retentioneering ແມ່ນຫຍັງ ແລະເປັນຫຍັງມັນຈຶ່ງຈໍາເປັນ?

ເປົ້າຫມາຍເບື້ອງຕົ້ນຂອງພວກເຮົາແມ່ນເພື່ອຍ້າຍ Growth Hacking ຈາກໂລກຂອງ "witchcraft ດິຈິຕອນ" ໄປສູ່ໂລກຂອງຕົວເລກ, ການວິເຄາະແລະການຄາດຄະເນ. ດັ່ງນັ້ນ, ການວິເຄາະຜະລິດຕະພັນໄດ້ຖືກຫຼຸດລົງເປັນຄະນິດສາດທີ່ບໍລິສຸດແລະການຂຽນໂປຼແກຼມສໍາລັບຜູ້ທີ່ມັກຕົວເລກແທນທີ່ຈະເປັນເລື່ອງທີ່ຫນ້າອັດສະຈັນ, ແລະສູດສໍາລັບຄໍາສັບຕ່າງໆເຊັ່ນ "rebranding", "repositioning", ແລະອື່ນໆ, ເຊິ່ງສຽງດີ, ແຕ່ໃນການປະຕິບັດຊ່ວຍພຽງເລັກນ້ອຍ.

ເພື່ອແກ້ໄຂບັນຫາເຫຼົ່ານີ້, ພວກເຮົາຕ້ອງການກອບສໍາລັບການວິເຄາະໂດຍຜ່ານກາຟແລະ trajectories, ແລະໃນເວລາດຽວກັນມີຫ້ອງສະຫມຸດທີ່ເຮັດຄວາມງ່າຍດາຍຂອງນັກວິເຄາະປົກກະຕິ, ເປັນວິທີການອະທິບາຍວຽກງານການວິເຄາະຜະລິດຕະພັນປົກກະຕິທີ່ຈະເຂົ້າໃຈໄດ້ສໍາລັບທັງຄົນແລະຫຸ່ນຍົນ. ຫ້ອງສະຫມຸດສະຫນອງຄວາມສາມາດໃນການອະທິບາຍພຶດຕິກໍາຂອງຜູ້ໃຊ້ແລະເຊື່ອມຕໍ່ມັນກັບຕົວຊີ້ບອກທຸລະກິດຂອງຜະລິດຕະພັນໃນພາສາທີ່ເປັນທາງການແລະຊັດເຈນທີ່ເຮັດໃຫ້ມັນງ່າຍແລະອັດຕະໂນມັດວຽກງານປົກກະຕິຂອງນັກພັດທະນາແລະນັກວິເຄາະ, ແລະອໍານວຍຄວາມສະດວກໃນການສື່ສານຂອງພວກເຂົາກັບທຸລະກິດ.

Retentioneering ແມ່ນວິທີການແລະເຄື່ອງມືການວິເຄາະຊອບແວທີ່ສາມາດດັດແປງແລະປະສົມປະສານເຂົ້າໃນຜະລິດຕະພັນດິຈິຕອນ (ແລະບໍ່ພຽງແຕ່).

ພວກເຮົາເລີ່ມເຮັດວຽກກ່ຽວກັບຜະລິດຕະພັນໃນປີ 2015. ໃນປັດຈຸບັນນີ້ແມ່ນອຸປະກອນທີ່ກຽມພ້ອມ, ເຖິງແມ່ນວ່າຍັງບໍ່ທັນເປັນທີ່ເຫມາະສົມ, ຊຸດເຄື່ອງມືໃນ Python ແລະ Pandas ສໍາລັບການເຮັດວຽກກັບຂໍ້ມູນ, ຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກກັບ sklearn-like api, ເຄື່ອງມືສໍາລັບການຕີຄວາມຫມາຍຜົນໄດ້ຮັບຂອງເຄື່ອງຈັກການຮຽນຮູ້ eli5 ແລະຮູບຮ່າງ.

ມັນ​ຖືກ​ຫໍ່​ທັງ​ຫມົດ​ ໄປຫາຫ້ອງສະຫມຸດແຫຼ່ງເປີດທີ່ສະດວກໃນບ່ອນເກັບ Github ເປີດ - retentioneering-tools. ການນໍາໃຊ້ຫ້ອງສະຫມຸດບໍ່ແມ່ນເລື່ອງຍາກ;

ດີ, ຜູ້ຂຽນໂປລແກລມ, ຜູ້ສ້າງແອັບພລິເຄຊັນ, ຫຼືສະມາຊິກຂອງທີມງານພັດທະນາຫຼືການທົດສອບທີ່ບໍ່ເຄີຍເຮັດການວິເຄາະມາກ່ອນສາມາດເລີ່ມຕົ້ນການຫຼີ້ນລະຫັດນີ້ແລະເບິ່ງຮູບແບບການນໍາໃຊ້ຂອງແອັບພລິເຄຊັນຂອງພວກເຂົາໂດຍບໍ່ມີການຊ່ວຍເຫຼືອຈາກພາຍນອກ.

ເສັ້ນທາງຂອງຜູ້ໃຊ້ເປັນອົງປະກອບພື້ນຖານຂອງການວິເຄາະແລະວິທີການສໍາລັບການປຸງແຕ່ງຂອງມັນ

ເສັ້ນທາງຂອງຜູ້ໃຊ້ແມ່ນລໍາດັບຂອງສະຖານະຂອງຜູ້ໃຊ້ໃນຈຸດເວລາທີ່ແນ່ນອນ. ຍິ່ງໄປກວ່ານັ້ນ, ເຫດການສາມາດມາຈາກແຫຼ່ງຂໍ້ມູນທີ່ແຕກຕ່າງກັນ, ທັງອອນໄລນ໌ແລະອອບໄລນ໌. ເຫດການທີ່ເກີດຂຶ້ນກັບຜູ້ໃຊ້ແມ່ນສ່ວນຫນຶ່ງຂອງເສັ້ນທາງຂອງລາວ. ຕົວຢ່າງ:
•ກົດປຸ່ມ
• ເຫັນຮູບ
•ຕີຫນ້າຈໍ
• ໄດ້ຮັບອີເມວ
•ແນະນຳຜະລິດຕະພັນໃຫ້ໝູ່
• ຕື່ມແບບຟອມ
• ແຕະໜ້າຈໍ
• ເລື່ອນແລ້ວ
• ໄປຫາບັນຊີເງິນສົດ
•ສັ່ງ burrito ເປັນ
• ກິນ burrito ເປັນ
• ໄດ້ຮັບສານພິດໂດຍການກິນ burrito
• ເຂົ້າໄປໃນຮ້ານກາເຟຈາກທາງເຂົ້າຫລັງ
• ເຂົ້າມາຈາກທາງເຂົ້າທາງໜ້າ
• ຫຍໍ້ແອັບພລິເຄຊັນລົງ
• ໄດ້ຮັບການແຈ້ງເຕືອນການຊຸກຍູ້
• ຕິດຢູ່ໃນໜ້າຈໍດົນກວ່າ X
• ຈ່າຍສໍາລັບຄໍາສັ່ງ
• ຊື້ຄໍາສັ່ງ
• ຖືກປະຕິເສດເງິນກູ້

ຖ້າທ່ານເອົາຂໍ້ມູນ trajectory ຂອງກຸ່ມຜູ້ໃຊ້ແລະສຶກສາວິທີການປ່ຽນໂຄງສ້າງ, ທ່ານສາມາດຕິດຕາມຢ່າງແນ່ນອນວ່າພຶດຕິກໍາຂອງພວກເຂົາໃນແອັບພລິເຄຊັນມີໂຄງສ້າງແນວໃດ. ມັນສະດວກທີ່ຈະເຮັດແນວນີ້ຜ່ານເສັ້ນສະແດງທີ່ລັດແມ່ນ nodes, ແລະການຫັນປ່ຽນລະຫວ່າງລັດແມ່ນຂອບ:

"Trajectory" ແມ່ນແນວຄວາມຄິດທີ່ສະດວກຫຼາຍ - ມັນມີຂໍ້ມູນລະອຽດກ່ຽວກັບການກະທໍາຂອງຜູ້ໃຊ້ທັງຫມົດ, ມີຄວາມສາມາດທີ່ຈະເພີ່ມຂໍ້ມູນເພີ່ມເຕີມໃສ່ຄໍາອະທິບາຍຂອງການກະທໍາເຫຼົ່ານີ້. ນີ້ເຮັດໃຫ້ມັນເປັນວັດຖຸທົ່ວໄປ. ຖ້າທ່ານມີເຄື່ອງມືທີ່ສວຍງາມແລະສະດວກທີ່ຊ່ວຍໃຫ້ທ່ານສາມາດເຮັດວຽກກັບ trajectories, ຫຼັງຈາກນັ້ນທ່ານສາມາດຊອກຫາຄວາມຄ້າຍຄືກັນແລະແບ່ງສ່ວນ.

ການແບ່ງສ່ວນຂອງເສັ້ນທາງອາດຈະເບິ່ງຄືວ່າສັບສົນຫຼາຍໃນຕອນທໍາອິດ. ໃນສະຖານະການປົກກະຕິ, ນີ້ແມ່ນກໍລະນີ - ທ່ານຈໍາເປັນຕ້ອງໃຊ້ການເຊື່ອມຕໍ່ມາຕຣິກເບື້ອງປຽບທຽບຫຼືການຈັດລໍາດັບ. ພວກ​ເຮົາ​ໄດ້​ຈັດ​ການ​ເພື່ອ​ຊອກ​ຫາ​ວິ​ທີ​ທີ່​ງ່າຍ​ກວ່າ - ການ​ສຶກ​ສາ​ຈໍາ​ນວນ​ຫຼາຍ​ຂອງ trajectories ແລະ​ແບ່ງ​ແຍກ​ພວກ​ເຂົາ​ໂດຍ​ຜ່ານ​ການ​ເປັນ​ກຸ່ມ.

ດັ່ງທີ່ມັນໄດ້ຫັນອອກ, ມັນເປັນໄປໄດ້ທີ່ຈະປ່ຽນເສັ້ນທາງໄປສູ່ຈຸດໂດຍໃຊ້ການສະແດງຢ່າງຕໍ່ເນື່ອງ, ສໍາລັບຕົວຢ່າງ, TF-IDF. ຫຼັງ​ຈາກ​ການ​ຫັນ​ປ່ຽນ​, trajectory ໄດ້​ກາຍ​ເປັນ​ຈຸດ​ໃນ​ຊ່ອງ​ທີ່​ການ​ເກີດ​ປົກ​ກະ​ຕິ​ຂອງ​ເຫດ​ການ​ຕ່າງໆ​ແລະ​ການ​ຫັນ​ປ່ຽນ​ລະ​ຫວ່າງ​ເຂົາ​ເຈົ້າ​ໃນ trajectory ໄດ້​ຖືກ​ວາງ​ໄວ້​ຕາມ​ແກນ​. ສິ່ງ​ນີ້​ຈາກ​ຊ່ອງ​ຂະໜາດ​ໃຫຍ່​ຫຼາຍ​ພັນ​ມິ​ຕິ​ລະ​ພາບ (dimS=sum(event types)+sum(ngrams_2 types)) ສາມາດ​ຄາດ​ຄະ​ເນ​ໃສ່​ຍົນ​ໂດຍ​ໃຊ້ TSNE. TSNE ແມ່ນການຫັນປ່ຽນທີ່ຫຼຸດລົງຂະຫນາດຂອງຊ່ອງເປັນ 2 ແກນແລະ, ຖ້າເປັນໄປໄດ້, ຮັກສາໄລຍະຫ່າງລະຫວ່າງຈຸດ. ຕາມ​ນັ້ນ​ແລ້ວ, ມັນ​ຈະ​ກາຍ​ເປັນ​ໄປ​ໄດ້​ໃນ​ແຜນ​ທີ່​ຮາບ​ພຽງ, ແຜນ​ທີ່​ການ​ຄາດ​ຄະ​ເນ​ທີ່​ເປັນ​ຕົວ​ເລກ​ຂອງ​ເສັ້ນ​ທາງ, ເພື່ອ​ສຶກ​ສາ​ວ່າ​ຈຸດ​ຂອງ​ເສັ້ນ​ທາງ​ທີ່​ແຕກ​ຕ່າງ​ກັນ​ໄດ້​ຖືກ​ຕັ້ງ​ຢູ່​ແນວ​ໃດ. ມັນວິເຄາະວ່າພວກມັນມີຄວາມໃກ້ຊິດ ຫຼືແຕກຕ່າງກັນແນວໃດ, ບໍ່ວ່າຈະເປັນກຸ່ມ ຫຼື ກະແຈກກະຈາຍຢູ່ໃນແຜນທີ່, ແລະອື່ນໆ.

ເຄື່ອງມືການວິເຄາະ Retentioneering ສະຫນອງຄວາມສາມາດໃນການຫັນຂໍ້ມູນສະລັບສັບຊ້ອນແລະ trajectories ເຂົ້າໄປໃນທັດສະນະທີ່ສາມາດປຽບທຽບກັບກັນແລະກັນ, ແລະຫຼັງຈາກນັ້ນຜົນໄດ້ຮັບຂອງການຫັນປ່ຽນສາມາດກວດສອບແລະຕີຄວາມຫມາຍໄດ້.

ເວົ້າກ່ຽວກັບວິທີການມາດຕະຖານສໍາລັບການປຸງແຕ່ງ trajectories, ພວກເຮົາຫມາຍຄວາມວ່າສາມເຄື່ອງມືຕົ້ນຕໍທີ່ພວກເຮົາໄດ້ປະຕິບັດໃນ Retentioneering - graphs, step matrices ແລະແຜນທີ່ການຄາດຄະເນ trajectory.

ການເຮັດວຽກກັບ Google Analytics, Firebase ແລະລະບົບການວິເຄາະທີ່ຄ້າຍຄືກັນແມ່ນຂ້ອນຂ້າງສັບສົນແລະບໍ່ມີປະສິດທິພາບ 100%. ບັນຫາແມ່ນຂໍ້ຈໍາກັດຈໍານວນຫນຶ່ງສໍາລັບຜູ້ໃຊ້, ເປັນຜົນມາຈາກການເຮັດວຽກຂອງນັກວິເຄາະໃນລະບົບດັ່ງກ່າວແມ່ນຂຶ້ນກັບການຄລິກຫນູແລະການເລືອກຊິ້ນສ່ວນ. Retentioneering ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະເຮັດວຽກກັບເສັ້ນທາງຂອງຜູ້ໃຊ້, ແລະບໍ່ພຽງແຕ່ກັບ funnels, ເຊັ່ນດຽວກັບ Google Analytics, ບ່ອນທີ່ລະດັບຂອງລາຍລະອຽດມັກຈະຖືກຫຼຸດລົງເປັນ funnel, ເຖິງແມ່ນວ່າສ້າງຂຶ້ນສໍາລັບບາງສ່ວນ.

ການກັກຂັງແລະກໍລະນີ

ເປັນຕົວຢ່າງຂອງການນໍາໃຊ້ເຄື່ອງມືທີ່ພັດທະນາ, ພວກເຮົາສາມາດອ້າງເຖິງກໍລະນີຂອງການບໍລິການ niche ຂະຫນາດໃຫຍ່ໃນລັດເຊຍ. ບໍລິສັດນີ້ມີແອັບພລິເຄຊັນມືຖື Android ທີ່ເປັນທີ່ນິຍົມໃນບັນດາລູກຄ້າ. ລາຍໄດ້ປະຈໍາປີຈາກແອັບພລິເຄຊັນມືຖືແມ່ນປະມານ 7 ລ້ານຮູເບີນ, ການເຫນັງຕີງຂອງລະດູການຕັ້ງແຕ່ 60-130 ພັນຄົນ, ບໍລິສັດດຽວກັນຍັງມີຄໍາຮ້ອງສະຫມັກສໍາລັບ iOS, ແລະບັນຊີລາຍການສະເລ່ຍຂອງຜູ້ໃຊ້ຂອງແອັບພລິເຄຊັນ Apple ແມ່ນສູງກວ່າບັນຊີລາຍການສະເລ່ຍ ລູກຄ້າທີ່ໃຊ້ແອັບພລິເຄຊັນ Android - 1080 rub. ທຽບກັບ 1300 rubles.

ບໍລິສັດໄດ້ຕັດສິນໃຈທີ່ຈະເພີ່ມປະສິດທິພາບຂອງແອັບພລິເຄຊັນ Android, ເຊິ່ງມັນໄດ້ດໍາເນີນການວິເຄາະຢ່າງລະອຽດ. ຫຼາຍສິບສົມມຸດຕິຖານໄດ້ຖືກສ້າງຂື້ນກ່ຽວກັບການເພີ່ມປະສິດທິພາບຂອງຄໍາຮ້ອງສະຫມັກ. ຫຼັງຈາກການນໍາໃຊ້ Retentionneering, ມັນໄດ້ຫັນອອກວ່າບັນຫາແມ່ນຢູ່ໃນຂໍ້ຄວາມທີ່ສະແດງໃຫ້ເຫັນກັບຜູ້ໃຊ້ໃຫມ່. ພວກເຂົາໄດ້ຮັບຂໍ້ມູນກ່ຽວກັບຍີ່ຫໍ້, ຜົນປະໂຫຍດຂອງບໍລິສັດແລະລາຄາ. ແຕ່, ຍ້ອນວ່າມັນໄດ້ຫັນອອກ, ຂໍ້ຄວາມຄວນຈະຊ່ວຍໃຫ້ຜູ້ໃຊ້ຮຽນຮູ້ວິທີການເຮັດວຽກໃນແອັບພລິເຄຊັນ.

ນີ້ແມ່ນເຮັດໄດ້, ເປັນຜົນມາຈາກການທີ່ຄໍາຮ້ອງສະຫມັກໄດ້ກາຍເປັນຫນ້ອຍຖອນການຕິດຕັ້ງ, ແລະການເພີ່ມຂຶ້ນຂອງການແປງເປັນຄໍາສັ່ງແມ່ນ 23%. ໃນຕອນທໍາອິດ, 20 ສ່ວນຮ້ອຍຂອງການຈະລາຈອນຂາເຂົ້າໄດ້ຖືກມອບໃຫ້ກັບການທົດສອບ, ແຕ່ຫຼັງຈາກສອງສາມມື້, ຫຼັງຈາກການວິເຄາະຜົນໄດ້ຮັບທໍາອິດແລະປະເມີນແນວໂນ້ມ, ພວກເຂົາໄດ້ປ່ຽນອັດຕາສ່ວນແລະໃນທາງກົງກັນຂ້າມ, ໄດ້ປະໄວ້ 20 ສ່ວນຮ້ອຍສໍາລັບກຸ່ມຄວບຄຸມ, ແລະ. ແປດສິບສ່ວນຮ້ອຍໄດ້ຖືກຈັດໃສ່ໃນການທົດສອບ. ອາທິດຕໍ່ມາ, ມັນໄດ້ຖືກຕັດສິນໃຈທີ່ຈະເພີ່ມການທົດສອບສອງສົມມຸດຕິຖານຕາມລໍາດັບ. ໃນພຽງແຕ່ເຈັດອາທິດ, ລາຍໄດ້ຈາກແອັບພລິເຄຊັນ Android ເພີ່ມຂຶ້ນຫນຶ່ງເທົ່າແລະເຄິ່ງຫນຶ່ງເມື່ອທຽບກັບລະດັບທີ່ຜ່ານມາ.

ວິທີການເຮັດວຽກກັບ Retentioneering?

ຂັ້ນຕອນທໍາອິດແມ່ນຂ້ອນຂ້າງງ່າຍດາຍ - ດາວໂຫລດຫ້ອງສະຫມຸດດ້ວຍຄໍາສັ່ງ pip install retentioneering . repository ຕົວຂອງມັນເອງປະກອບດ້ວຍຕົວຢ່າງທີ່ກຽມພ້ອມແລະກໍລະນີຂອງການປະມວນຜົນຂໍ້ມູນສໍາລັບບາງວຽກງານການວິເຄາະຜະລິດຕະພັນ. ຊຸດໄດ້ຖືກປັບປຸງຢ່າງຕໍ່ເນື່ອງຈົນກ່ວາມັນພຽງພໍສໍາລັບຄົນຮູ້ຈັກທໍາອິດ. ທຸກໆຄົນສາມາດເອົາໂມດູນທີ່ກຽມພ້ອມແລະນໍາໃຊ້ເຂົ້າໃນວຽກງານຂອງພວກເຂົາໃນທັນທີ - ນີ້ເຮັດໃຫ້ພວກເຂົາສາມາດຕັ້ງຄ່າຂັ້ນຕອນການວິເຄາະລາຍລະອຽດເພີ່ມເຕີມແລະການເພີ່ມປະສິດທິພາບຂອງເສັ້ນທາງຂອງຜູ້ໃຊ້ໄດ້ໄວແລະມີປະສິດທິພາບທີ່ເປັນໄປໄດ້. ທັງຫມົດນີ້ເຮັດໃຫ້ມັນສາມາດຊອກຫາຮູບແບບການນໍາໃຊ້ຄໍາຮ້ອງສະຫມັກໂດຍຜ່ານລະຫັດທີ່ຊັດເຈນແລະແບ່ງປັນປະສົບການນີ້ກັບເພື່ອນຮ່ວມງານ.

Retentioneering ເປັນເຄື່ອງມືທີ່ມີມູນຄ່າໃຊ້ຕະຫຼອດຊີວິດຂອງແອັບພລິເຄຊັນຂອງເຈົ້າ, ແລະນີ້ຄືເຫດຜົນ:

• Retentioneering ແມ່ນມີປະສິດທິພາບສໍາລັບການຕິດຕາມແລະສືບຕໍ່ເພີ່ມປະສິດທິພາບເສັ້ນທາງຂອງຜູ້ໃຊ້ແລະປັບປຸງການປະຕິບັດທຸລະກິດ. ດັ່ງນັ້ນ, ລັກສະນະໃຫມ່ມັກຈະຖືກເພີ່ມເຂົ້າໃນຄໍາຮ້ອງສະຫມັກອີຄອມເມີຊ, ຜົນກະທົບຂອງຜະລິດຕະພັນທີ່ບໍ່ສາມາດຄາດເດົາໄດ້ຢ່າງຖືກຕ້ອງ. ໃນບາງກໍລະນີ, ບັນຫາຄວາມເຂົ້າກັນໄດ້ເກີດຂື້ນລະຫວ່າງຫນ້າທີ່ໃຫມ່ແລະເກົ່າ - ຕົວຢ່າງເຊັ່ນ, ໃຫມ່ "ກິນ" ທີ່ມີຢູ່ແລ້ວ. ແລະໃນສະຖານະການນີ້, ການວິເຄາະຢ່າງຕໍ່ເນື່ອງຂອງ trajectories ແມ່ນຊັດເຈນສິ່ງທີ່ຈໍາເປັນ.
• ສະຖານະການແມ່ນຄ້າຍຄືກັນໃນເວລາທີ່ເຮັດວຽກກັບຊ່ອງທາງການໂຄສະນາ: ແຫຼ່ງການຈະລາຈອນໃຫມ່ແລະການໂຄສະນາການໂຄສະນາໄດ້ຖືກທົດສອບຢ່າງຕໍ່ເນື່ອງ, ມັນຈໍາເປັນຕ້ອງຕິດຕາມລະດູການ, ທ່າອ່ຽງແລະອິດທິພົນຂອງເຫດການອື່ນໆ, ເຊິ່ງນໍາໄປສູ່ການເກີດບັນຫາຂອງຫ້ອງຮຽນໃຫມ່ຫຼາຍຂຶ້ນ. ນີ້ຍັງຮຽກຮ້ອງໃຫ້ມີການຕິດຕາມຢ່າງຕໍ່ເນື່ອງແລະການຕີຄວາມຫມາຍຂອງກົນໄກຂອງຜູ້ໃຊ້.
• ມີປັດໃຈຈໍານວນຫນຶ່ງທີ່ມີຜົນກະທົບຢ່າງຕໍ່ເນື່ອງຕໍ່ການປະຕິບັດຂອງແອັບພລິເຄຊັນ. ຕົວຢ່າງ, ການປ່ອຍໃຫມ່ຈາກນັກພັດທະນາ: ການປິດບັນຫາໃນປະຈຸບັນ, ພວກເຂົາຄືນອັນເກົ່າໂດຍບໍ່ຕັ້ງໃຈຫຼືສ້າງໃຫມ່ຫມົດ. ເມື່ອເວລາຜ່ານໄປ, ຈໍານວນການປ່ອຍໃຫມ່ຈະເຕີບໂຕ, ແລະຂະບວນການຕິດຕາມຄວາມຜິດພາດຕ້ອງອັດຕະໂນມັດ, ລວມທັງການວິເຄາະເສັ້ນທາງຂອງຜູ້ໃຊ້.

ໂດຍລວມ, Retentioneering ເປັນເຄື່ອງມືປະສິດທິພາບ. ແຕ່ບໍ່ມີຂອບເຂດຈໍາກັດຕໍ່ຄວາມສົມບູນແບບ - ມັນສາມາດແລະຄວນໄດ້ຮັບການປັບປຸງ, ພັດທະນາ, ແລະຜະລິດຕະພັນເຢັນໃຫມ່ທີ່ສ້າງຂຶ້ນບົນພື້ນຖານຂອງມັນ. ຊຸມຊົນຂອງໂຄງການມີຄວາມຫ້າວຫັນຫຼາຍຂຶ້ນ, ຄວາມຍາວຂອງສ້ອມຈະມີຫຼາຍ, ແລະທາງເລືອກໃຫມ່ທີ່ຫນ້າສົນໃຈສໍາລັບການນໍາໃຊ້ມັນຈະປາກົດ.

ຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບ Retentioneering tools:

• ເວັບໄຊທ໌ຂອງພວກເຮົາ: retentioneering.com
• ຕາຕະລາງນັດພົບ ແລະການລົງທະບຽນສໍາລັບການມີສ່ວນຮ່ວມ
• ການສົນທະນາຂອງຜະລິດຕະພັນແລະນັກວິເຄາະໃນ Telegram
• ຟຣີ retentioneering repository ໃນ GitHub

ແຫຼ່ງຂໍ້ມູນ: www.habr.com