ഞങ്ങളുടെ ഓപ്പൺ സോഴ്‌സിന്റെ ചരിത്രം: Go-യിൽ ഞങ്ങൾ എങ്ങനെ ഒരു അനലിറ്റിക്‌സ് സേവനം ഉണ്ടാക്കി, അത് പൊതുവായി ലഭ്യമാക്കി

നിലവിൽ, ലോകത്തിലെ മിക്കവാറും എല്ലാ കമ്പനികളും ഒരു വെബ് റിസോഴ്‌സിലെ ഉപയോക്തൃ പ്രവർത്തനങ്ങളെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ ശേഖരിക്കുന്നു. പ്രചോദനം വ്യക്തമാണ് - കമ്പനികൾക്ക് അവരുടെ ഉൽപ്പന്നം/വെബ്‌സൈറ്റ് എങ്ങനെയാണ് ഉപയോഗിക്കുന്നതെന്ന് അറിയാനും അവരുടെ ഉപയോക്താക്കളെ നന്നായി മനസ്സിലാക്കാനും ആഗ്രഹിക്കുന്നു. തീർച്ചയായും, ഈ പ്രശ്നം പരിഹരിക്കാൻ വിപണിയിൽ ധാരാളം ഉപകരണങ്ങൾ ഉണ്ട് - ഡാഷ്ബോർഡുകളുടെയും ഗ്രാഫുകളുടെയും രൂപത്തിൽ ഡാറ്റ നൽകുന്ന അനലിറ്റിക്സ് സിസ്റ്റങ്ങളിൽ നിന്ന് (ഉദാഹരണത്തിന് Google അനലിറ്റിക്സ്) ഉപഭോക്തൃ ഡാറ്റ പ്ലാറ്റ്ഫോമിലേക്ക്, ഏത് സ്റ്റോറേജിലും വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്ന് ഡാറ്റ ശേഖരിക്കാനും സമാഹരിക്കാനും നിങ്ങളെ അനുവദിക്കുന്നു (ഉദാഹരണത്തിന്, സെഗ്മെന്റ്).

എന്നാൽ ഇതുവരെ പരിഹരിക്കപ്പെടാത്ത ഒരു പ്രശ്നം ഞങ്ങൾ കണ്ടെത്തി. അങ്ങനെ ജനിച്ചു ഇവന്റ് നേറ്റീവ് - ഓപ്പൺ സോഴ്സ് അനലിറ്റിക്സ് സേവനം. എന്തുകൊണ്ടാണ് ഞങ്ങൾ ഞങ്ങളുടെ സ്വന്തം സേവനം വികസിപ്പിക്കാൻ പോയത്, അത് ഞങ്ങൾക്ക് എന്താണ് നൽകിയത്, അവസാനം എന്താണ് സംഭവിച്ചത് (കോഡിന്റെ കഷണങ്ങൾക്കൊപ്പം), കട്ടിന് താഴെ വായിക്കുക.

എന്തുകൊണ്ടാണ് ഞങ്ങൾ സ്വന്തം സേവനം വികസിപ്പിക്കേണ്ടത്?

അത് തൊണ്ണൂറുകളായിരുന്നു, ഞങ്ങൾ കഴിയുന്നത്ര അതിജീവിച്ചു. 2019, ഞങ്ങൾ ആദ്യത്തെ കസ്റ്റമർ ഡാറ്റ പ്ലാറ്റ്ഫോം API വികസിപ്പിച്ചെടുത്തു kSense, കൂടുതൽ സൗകര്യപ്രദമായ ഡാറ്റ വിശകലനം, ഡിപൻഡൻസികൾ തിരിച്ചറിയൽ തുടങ്ങിയവയ്ക്കായി വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റ (ഫേസ്ബുക്ക് പരസ്യങ്ങൾ, സ്ട്രൈപ്പ്, സെയിൽസ്ഫോഴ്സ്, ഗൂഗിൾ പ്ലേ, ഗൂഗിൾ അനലിറ്റിക്സ് മുതലായവ) സമാഹരിക്കാൻ ഇത് അനുവദിച്ചു. പല ഉപയോക്താക്കളും ഞങ്ങളുടെ ഡാറ്റ അനലിറ്റിക്‌സ് പ്ലാറ്റ്‌ഫോം ഉപയോഗിക്കുന്നത് ഞങ്ങൾ ശ്രദ്ധിച്ചു, പ്രത്യേകിച്ചും Google Analytics (ഇനിമുതൽ GA എന്ന് വിളിക്കുന്നു). ഞങ്ങൾ ചില ഉപയോക്താക്കളുമായി സംസാരിച്ചു, അവർക്ക് അവരുടെ ഉൽപ്പന്ന അനലിറ്റിക്സ് ഡാറ്റ ആവശ്യമാണെന്ന് കണ്ടെത്തി, അത് GA ഉപയോഗിച്ച് അവർക്ക് ലഭിക്കുന്നു, പക്ഷേ Google സാമ്പിൾ ഡാറ്റ കൂടാതെ പല GA ഉപയോക്തൃ ഇന്റർഫേസ് സൗകര്യത്തിന്റെ ഒരു മാനദണ്ഡമല്ല. ഞങ്ങളുടെ ഉപയോക്താക്കളുമായി ഞങ്ങൾക്ക് വേണ്ടത്ര സംഭാഷണങ്ങൾ ഉണ്ടായിരുന്നു, പലരും സെഗ്‌മെന്റ് പ്ലാറ്റ്‌ഫോം ഉപയോഗിക്കുന്നുണ്ടെന്ന് മനസ്സിലാക്കി (ഇത് കുറച്ച് ദിവസങ്ങൾക്ക് മുമ്പാണ്. 3.2 ബില്യൺ ഡോളറിന് വിറ്റു).

അവർ അവരുടെ വെബ് റിസോഴ്സിൽ ഒരു സെഗ്മെന്റ് ജാവാസ്ക്രിപ്റ്റ് പിക്സൽ ഇൻസ്റ്റാൾ ചെയ്യുകയും അവരുടെ ഉപയോക്തൃ പെരുമാറ്റ ഡാറ്റ ഒരു നിർദ്ദിഷ്ട ഡാറ്റാബേസിലേക്ക് ലോഡ് ചെയ്യുകയും ചെയ്തു (ഉദാ. പോസ്റ്റ്ഗ്രെസ്). എന്നാൽ സെഗ്മെന്റിനും അതിന്റെ മൈനസ് ഉണ്ട് - വില. ഉദാഹരണത്തിന്, ഒരു വെബ് റിസോഴ്സിന് 90,000 MTU (പ്രതിമാസ ട്രാക്ക് ചെയ്ത ഉപയോക്താക്കൾ) ഉണ്ടെങ്കിൽ, നിങ്ങൾ കാഷ്യർക്ക് പ്രതിമാസം ~ $ 1,000 നൽകേണ്ടതുണ്ട്. മൂന്നാമത്തെ പ്രശ്‌നവും ഉണ്ടായിരുന്നു - ചില ബ്രൗസർ വിപുലീകരണങ്ങൾ (AdBlock പോലുള്ളവ) അനലിറ്റിക്‌സ് ശേഖരണം തടഞ്ഞു. ബ്രൗസറിൽ നിന്നുള്ള http അഭ്യർത്ഥനകൾ GA, സെഗ്മെന്റ് ഡൊമെയ്‌നുകളിലേക്ക് അയച്ചു. ഞങ്ങളുടെ ക്ലയന്റുകളുടെ ആഗ്രഹത്തെ അടിസ്ഥാനമാക്കി, ഞങ്ങൾ ഒരു അനലിറ്റിക്സ് സേവനം സൃഷ്ടിച്ചിട്ടുണ്ട്, അത് ഒരു മുഴുവൻ ഡാറ്റയും (സാമ്പിൾ ഇല്ലാതെ), സൗജന്യമായി ശേഖരിക്കുകയും ഞങ്ങളുടെ സ്വന്തം ഇൻഫ്രാസ്ട്രക്ചറിൽ പ്രവർത്തിക്കുകയും ചെയ്യാം.

സേവനം എങ്ങനെ പ്രവർത്തിക്കുന്നു

സേവനത്തിൽ മൂന്ന് ഭാഗങ്ങളുണ്ട്: ഒരു ജാവാസ്ക്രിപ്റ്റ് പിക്സൽ (അത് ഞങ്ങൾ പിന്നീട് ടൈപ്പ്സ്ക്രിപ്റ്റിലേക്ക് മാറ്റിയെഴുതി), GO ഭാഷയിൽ നടപ്പിലാക്കിയ സെർവർ ഭാഗം, കൂടാതെ Redshift ഉം BigQuery ഉം ഒരു ഇൻ-ഹൗസ് ഡാറ്റാബേസായി ഉപയോഗിക്കാൻ പദ്ധതിയിട്ടിരുന്നു (പിന്നീട് അവർ Postgres-ന് പിന്തുണ ചേർത്തു. , ക്ലിക്ക്ഹൗസും സ്നോഫ്ലെക്കും).

GA, സെഗ്‌മെന്റ് ഇവന്റുകളുടെ ഘടന മാറ്റമില്ലാതെ തുടരാൻ തീരുമാനിച്ചു. പിക്സൽ ഇൻസ്റ്റാൾ ചെയ്തിട്ടുള്ള വെബ് റിസോഴ്സിൽ നിന്ന് ഞങ്ങളുടെ ബാക്കെൻഡിലേക്ക് എല്ലാ ഇവന്റുകളും ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്യുക മാത്രമാണ് ആവശ്യമായിരുന്നത്. അത് മാറുന്നതുപോലെ, ഇത് ചെയ്യാൻ എളുപ്പമാണ്. Javascript പിക്സൽ ഞങ്ങളുടെ സിസ്റ്റത്തിൽ ഇവന്റ് ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്ത പുതിയ ഒന്ന് ഉപയോഗിച്ച് യഥാർത്ഥ GA ലൈബ്രറി രീതിയെ അസാധുവാക്കുന്നു.

//'ga' - стандартное название переменной Google Analytics
if (window.ga) {
    ga(tracker => {
        var originalSendHitTask = tracker.get('sendHitTask');
        tracker.set('sendHitTask', (model) => {
            var payLoad = model.get('hitPayload');
            //отправка оригинального события в GA
            originalSendHitTask(model);
            let jsonPayload = this.parseQuery(payLoad);
            //отправка события в наш сервис
            this.send3p('ga', jsonPayload);
        });
    });
}

സെഗ്മെന്റ് പിക്സൽ ഉപയോഗിച്ച്, എല്ലാം ലളിതമാണ്, അതിന് മിഡിൽവെയർ രീതികളുണ്ട്, അവയിലൊന്ന് ഞങ്ങൾ ഉപയോഗിച്ചു.

//'analytics' - стандартное название переменной Segment
if (window.analytics) {
    if (window.analytics.addSourceMiddleware) {
        window.analytics.addSourceMiddleware(chain => {
            try {
		//дублирование события в наш сервис
                this.send3p('ajs', chain.payload);
            } catch (e) {
                LOG.warn('Failed to send an event', e)
            }
	    //отправка оригинального события в Segment
            chain.next(chain.payload);
        });
    } else {
        LOG.warn("Invalid interceptor state. Analytics js initialized, but not completely");
    }
} else {
    LOG.warn('Analytics.js listener is not set.');
}

ഇവന്റുകൾ പകർത്തുന്നതിനു പുറമേ, അനിയന്ത്രിതമായ json അയയ്ക്കാനുള്ള കഴിവും ഞങ്ങൾ ചേർത്തു:

//Отправка событий с произвольным json объектом
eventN.track('product_page_view', {
    product_id: '1e48fb70-ef12-4ea9-ab10-fd0b910c49ce',
    product_price: 399.99,
    price_currency: 'USD'
    product_release_start: '2020-09-25T12:38:27.763000Z'
});

അടുത്തതായി, നമുക്ക് സെർവർ വശത്തെക്കുറിച്ച് സംസാരിക്കാം. ബാക്കെൻഡ് http അഭ്യർത്ഥനകൾ സ്വീകരിക്കണം, അവ അധിക വിവരങ്ങൾ ഉപയോഗിച്ച് പൂരിപ്പിക്കണം, ഉദാഹരണത്തിന്, ജിയോഡാറ്റ (നന്ദി പരമാവധി മനസ്സ് അതിനായി) കൂടാതെ ഡാറ്റാബേസിലേക്ക് എഴുതുക. കുറഞ്ഞ കോൺഫിഗറേഷനിൽ ഉപയോഗിക്കാൻ കഴിയുന്ന തരത്തിൽ സേവനം കഴിയുന്നത്ര സൗകര്യപ്രദമാക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. ഇൻകമിംഗ് ഇവന്റ് json-ന്റെ ഘടനയെ അടിസ്ഥാനമാക്കി ഡാറ്റ സ്കീമ നിർണ്ണയിക്കുന്നതിനുള്ള പ്രവർത്തനം ഞങ്ങൾ നടപ്പിലാക്കിയിട്ടുണ്ട്. ഡാറ്റ തരങ്ങൾ മൂല്യങ്ങളാൽ നിർവചിക്കപ്പെടുന്നു. നെസ്റ്റഡ് വസ്തുക്കളെ വിഘടിപ്പിച്ച് പരന്ന ഘടനയിലേക്ക് ചുരുക്കുന്നു:

//входящий json
{
  "field_1":  {
    "sub_field_1": "text1",
    "sub_field_2": 100
  },
  "field_2": "text2",
  "field_3": {
    "sub_field_1": {
      "sub_sub_field_1": "2020-09-25T12:38:27.763000Z"
    }
  }
}

//результат
{
  "field_1_sub_field_1":  "text1",
  "field_1_sub_field_2":  100,
  "field_2": "text2",
  "field_3_sub_field_1_sub_sub_field_1": "2020-09-25T12:38:27.763000Z"
}

എന്നിരുന്നാലും, അറേകൾ നിലവിൽ സ്ട്രിംഗുകളായി പരിവർത്തനം ചെയ്യപ്പെടുന്നു. എല്ലാ റിലേഷണൽ ഡാറ്റാബേസുകളും ആവർത്തിച്ചുള്ള ഫീൽഡുകളെ പിന്തുണയ്ക്കുന്നില്ല. ഓപ്ഷണൽ മാപ്പിംഗ് നിയമങ്ങൾ ഉപയോഗിച്ച് ഫീൽഡ് നാമങ്ങൾ മാറ്റാനോ നീക്കം ചെയ്യാനോ സാധിക്കും. ആവശ്യമെങ്കിൽ ഡാറ്റ സ്കീമ മാറ്റാനോ ഒരു ഡാറ്റ തരം മറ്റൊന്നിലേക്ക് കാസ്റ്റ് ചെയ്യാനോ അവർ നിങ്ങളെ അനുവദിക്കുന്നു. ഉദാഹരണത്തിന്, json ഫീൽഡിൽ ടൈംസ്റ്റാമ്പ് ഉള്ള ഒരു സ്ട്രിംഗ് അടങ്ങിയിട്ടുണ്ടെങ്കിൽ (field_3_sub_field_1_sub_sub_field_1 മുകളിലുള്ള ഉദാഹരണത്തിൽ നിന്ന്), തുടർന്ന് ടൈംസ്റ്റാമ്പ് തരം ഉപയോഗിച്ച് ഡാറ്റാബേസിൽ ഒരു ഫീൽഡ് സൃഷ്ടിക്കുന്നതിന്, കോൺഫിഗറേഷനിൽ നിങ്ങൾ ഒരു മാപ്പിംഗ് റൂൾ എഴുതേണ്ടതുണ്ട്. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഫീൽഡിന്റെ ഡാറ്റ തരം ആദ്യം നിർണ്ണയിക്കുന്നത് json മൂല്യമാണ്, തുടർന്ന് ടൈപ്പ് കാസ്റ്റിംഗ് റൂൾ (കോൺഫിഗർ ചെയ്തിട്ടുണ്ടെങ്കിൽ) പ്രയോഗിക്കുന്നു. ഞങ്ങൾ 4 പ്രധാന ഡാറ്റ തരങ്ങൾ തിരിച്ചറിഞ്ഞു: STRING, FLOAT64, INT64, TIMESTAMP. മാപ്പിംഗ്, കാസ്റ്റിംഗ് നിയമങ്ങൾ ഇതുപോലെ കാണപ്പെടുന്നു:

rules:
  - "/field_1/subfield_1 -> " #правило удаления поля
  - "/field_2/subfield_1 -> /field_10/subfield_1" #правило переноса поля
  - "/field_3/subfield_1/subsubfield_1 -> (timestamp) /field_20" #правило переноса поля и приведения типа

ഡാറ്റ തരം നിർണ്ണയിക്കുന്നതിനുള്ള അൽഗോരിതം:

• json struct-നെ ഫ്ലാറ്റ് struct-ലേക്ക് പരിവർത്തനം ചെയ്യുക
• മൂല്യങ്ങൾ അനുസരിച്ച് ഫീൽഡുകളുടെ ഡാറ്റ തരം നിർണ്ണയിക്കുന്നു
• മാപ്പിംഗും ടൈപ്പ് കാസ്റ്റിംഗ് നിയമങ്ങളും പ്രയോഗിക്കുന്നു

തുടർന്ന് വരുന്ന json ഘടനയിൽ നിന്ന്:

{
    "product_id":  "1e48fb70-ef12-4ea9-ab10-fd0b910c49ce",
    "product_price": 399.99,
    "price_currency": "USD",
    "product_type": "supplies",
    "product_release_start": "2020-09-25T12:38:27.763000Z",
    "images": {
      "main": "picture1",
      "sub":  "picture2"
    }
}

ഡാറ്റ സ്കീമ ലഭിക്കും:

"product_id" character varying,
"product_price" numeric (38,18),
"price_currency" character varying,
"product_type" character varying,
"product_release_start" timestamp,
"images_main" character varying,
"images_sub" character varying

ഉപയോക്താവിന് മറ്റ് മാനദണ്ഡങ്ങൾക്കനുസരിച്ച് ഡാറ്റാബേസിൽ ഡാറ്റ വിഭജിക്കാനോ വിഭജിക്കാനോ കഴിയുമെന്ന് ഞങ്ങൾ കരുതി, കൂടാതെ പട്ടികയുടെ പേര് സ്ഥിരമായോ അല്ലെങ്കിൽ ആവിഷ്കാരം കോൺഫിഗറേഷനിൽ. ചുവടെയുള്ള ഉദാഹരണത്തിൽ, product_type, _timestamp ഫീൽഡുകളുടെ മൂല്യങ്ങളെ അടിസ്ഥാനമാക്കി കണക്കാക്കിയ ഒരു പേരുള്ള ഒരു പട്ടികയിലേക്ക് ഇവന്റ് സംരക്ഷിക്കപ്പെടും (ഉദാഹരണത്തിന് സപ്ലൈസ്_2020_10):

tableName: '{{.product_type}}_{{._timestamp.Format "2006_01"}}'

എന്നിരുന്നാലും, ഇൻകമിംഗ് ഇവന്റുകളുടെ ഘടന റൺടൈമിൽ മാറാം. നിലവിലുള്ള ഒരു പട്ടികയുടെ ഘടനയും ഇൻകമിംഗ് ഇവന്റിന്റെ ഘടനയും തമ്മിലുള്ള വ്യത്യാസം പരിശോധിക്കുന്നതിനായി ഞങ്ങൾ ഒരു അൽഗോരിതം നടപ്പിലാക്കിയിട്ടുണ്ട്. ഒരു വ്യത്യാസം കണ്ടെത്തിയാൽ, പുതിയ ഫീൽഡുകൾ ഉപയോഗിച്ച് പട്ടിക അപ്ഡേറ്റ് ചെയ്യും. ഇത് ചെയ്യുന്നതിന്, പാച്ച് SQL അന്വേഷണം ഉപയോഗിക്കുക:

#Пример для Postgres
ALTER TABLE "schema"."table" ADD COLUMN new_column character varying

വാസ്തുവിദ്യ

എന്തുകൊണ്ടാണ് നിങ്ങൾ ഫയൽ സിസ്റ്റത്തിലേക്ക് ഇവന്റുകൾ എഴുതേണ്ടത്, അവ നേരിട്ട് ഡാറ്റാബേസിലേക്ക് എഴുതരുത്? ഡാറ്റാബേസുകൾ എല്ലായ്‌പ്പോഴും ഒരു വലിയ എണ്ണം ഇൻസെർട്ടുകൾ ഉള്ള ഉയർന്ന പ്രകടനം കാണിക്കുന്നില്ല (postgres ശുപാർശകൾ). ഇത് ചെയ്യുന്നതിന്, ലോഗർ ഒരു ഫയലിലേക്ക് ഇൻകമിംഗ് ഇവന്റുകൾ എഴുതുന്നു, ഇതിനകം തന്നെ ഒരു പ്രത്യേക ഗൊറൂട്ടിനിൽ (ത്രെഡ്) ഫയൽ റീഡർ ഫയൽ വായിക്കുന്നു, തുടർന്ന് ഡാറ്റാ സ്കീമയുടെ രൂപാന്തരവും നിർവചനവും നടക്കുന്നു. ടേബിൾ സ്കീമ കാലികമാണെന്ന് ടേബിൾ മാനേജർ ഉറപ്പുവരുത്തിയ ശേഷം, ഡാറ്റ ഒരു ബാച്ചിൽ ഡാറ്റാബേസിലേക്ക് എഴുതപ്പെടും. തുടർന്ന്, ഡാറ്റാബേസിലേക്ക് നേരിട്ട് ഡാറ്റ എഴുതാനുള്ള കഴിവ് ഞങ്ങൾ ചേർത്തു, എന്നാൽ അധികം ഇല്ലാത്ത ഇവന്റുകൾക്കായി ഞങ്ങൾ ഈ മോഡ് ഉപയോഗിക്കുന്നു - ഉദാഹരണത്തിന്, പരിവർത്തനങ്ങൾ.

ഓപ്പൺ സോഴ്‌സും ഭാവി പദ്ധതികളും

ചില ഘട്ടങ്ങളിൽ, സേവനം ഒരു സമ്പൂർണ്ണ ഉൽപ്പന്നം പോലെ ആയിത്തീർന്നു, ഞങ്ങൾ അത് ഓപ്പൺ സോഴ്‌സിൽ ഇടാൻ തീരുമാനിച്ചു. ഇപ്പോൾ, Postgres, ClickHouse, BigQuery, Redshift, S3, Snowflake എന്നിവയുമായുള്ള സംയോജനങ്ങൾ നടപ്പിലാക്കിയിട്ടുണ്ട്. എല്ലാ സംയോജനങ്ങളും ബാച്ച്, സ്ട്രീമിംഗ് ഡാറ്റ ലോഡിംഗ് മോഡുകൾ പിന്തുണയ്ക്കുന്നു. API വഴിയുള്ള അഭ്യർത്ഥനകൾക്കുള്ള പിന്തുണ ചേർത്തു.

നിലവിലെ സംയോജന പദ്ധതി ഇതുപോലെ കാണപ്പെടുന്നു:

സേവനം സ്വതന്ത്രമായി ഉപയോഗിക്കാമെങ്കിലും (ഉദാഹരണത്തിന്, ഡോക്കർ ഉപയോഗിച്ച്), ഞങ്ങൾക്കും ഉണ്ട് ഹോസ്റ്റുചെയ്ത പതിപ്പ്, നിങ്ങൾക്ക് ഡാറ്റ വെയർഹൗസുമായി സംയോജനം സജ്ജമാക്കാനും നിങ്ങളുടെ ഡൊമെയ്‌നിലേക്ക് ഒരു CNAME ചേർക്കാനും ഇവന്റുകളുടെ എണ്ണത്തെക്കുറിച്ചുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ കാണാനും കഴിയും. ഒരു വെബ് റിസോഴ്‌സിൽ നിന്നുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ മാത്രമല്ല, ബാഹ്യ ഡാറ്റ ഉറവിടങ്ങളിൽ നിന്നുള്ള ഡാറ്റയും കൂട്ടിച്ചേർക്കാനും അവ നിങ്ങൾക്ക് ഇഷ്ടമുള്ള ഏത് സ്റ്റോറേജിലേക്കും സംരക്ഷിക്കാനുമുള്ള കഴിവ് ചേർക്കുക എന്നതാണ് ഞങ്ങളുടെ ഉടനടി പദ്ധതികൾ!

→ സാമൂഹികം
→ ഡോക്യുമെന്റേഷൻ
→ മടിയുള്ള

നിങ്ങളുടെ പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ EventNative നിങ്ങളെ സഹായിക്കുമെങ്കിൽ ഞങ്ങൾ സന്തോഷിക്കും!

രജിസ്റ്റർ ചെയ്ത ഉപയോക്താക്കൾക്ക് മാത്രമേ സർവേയിൽ പങ്കെടുക്കാൻ കഴിയൂ. സൈൻ ഇൻദയവായി.

നിങ്ങളുടെ കമ്പനിയിൽ എന്ത് സ്റ്റാറ്റിസ്റ്റിക്സ് ശേഖരണ സംവിധാനമാണ് ഉപയോഗിക്കുന്നത്

• 48,0%Google Analytics 12

• 4,0%സെഗ്മെന്റ്1

• 16,0%മറ്റുള്ളവ (അഭിപ്രായങ്ങളിൽ എഴുതുക) 4

• 32,0%നിങ്ങളുടെ സേവനം നടപ്പിലാക്കി8

25 ഉപയോക്താക്കൾ വോട്ട് ചെയ്തു. 6 ഉപയോക്താക്കൾ വിട്ടുനിന്നു.

അവലംബം: www.habr.com