Приветствую, Хабр! В последнем обновлении Яндекс Метрики появились цели на чаты. Я первым делом ринулся их тестировать и делиться с вами рецептом их приготовления.
Итак, могу заявить, что импорт чатов в Яндекс Метрику работает. В статье расскажу 2 варианта, как все настроить: простой через сторонний сервис, и трушный =) через API и вот это вот все.
В этой статье узнаем, как создать систему мониторинга новостей из Telegram‑каналов и чатов с интеллектуальной фильтрацией и отправкой в целевой канал. Прототип мы реализуем на примере анализа экономических новостей.
Статья является логическим продолжением статей «Парсинг Телеграм‑каналов, групп и чатов с обработкой в LLM» и «Парсинг pdf‑отчётов публичных компаний для получения трейдерских инсайтов„.“»
Мы рассмотрим, как агрегировать новости из каналов в Telegram, убирать дубликаты и автоматически детектировать те новости, которые могут повлиять на котировки публичных компаний.
Разработанный шаблон можно применить и для других сценариев мониторинга чатов и каналов Telegram.
Со 2 ноября 2000 года на Международной космической станции постоянно дежурит экипаж. К 25-летию пребывания человека на МКС энтузиасты запустили проект ISS in Real Time — интерактивный архив, позволяющий узнать, как станция жила все эти годы. Аудиопереговоры, видео, фотографии и телеметрия синхронизированы между собой, а события можно пролистывать день за днем.
Проект собрали в открытых архивах NASA, вытащив тысячи часов записей, восстановив пропавшие страницы через Wayback Machine и проведя обработку современными инструментами. Интерфейс простой: выбираешь любой день за всю историю станции и видишь, чем в этот момент занимался экипаж, о чем говорили с Землей и над какой частью планеты пролетала МКС. Сегодня зову посмотреть, что в итоге получилось (спойлер — все очень круто).
Всем привет! Я Никита, продуктовый аналитик из Туту. Я работаю в команде отелей — это сервис бронирования жилья, где особенно важно учитывать сезонность. Спрос на поездки меняется резко: в майские праздники и в августе происходит всплеск количества бронирований, в ноябре или марте — провалы. При этом точность прогноза для бизнеса критична: от нее зависят маркетинговые бюджеты, работа с партнёрами и планы по продажам.
В какой-то момент мы поняли, что наши прогнозы не соответствуют реальности. Старые линейные модели ловили только общий тренд и не справлялись с сезонностью.
Мы решили исправить ситуацию и нашли инструмент, который помогает строить точные прогнозы и не требует при этом глубоких знаний в математике временных рядов. Таким инструментом стал Prophet. В статье расскажу о том, почему мы выбрали именно его, что нужно для быстрого старта, какие доработки потребовались и какие выводы мы сделали за несколько месяцев использования.
Рассказываю о философии «липкой паутины» и о том, как я сделал инструмент, который превращает разрозненные дела в целостную систему. Без дедлайнов и уведомлений.
Если вы когда-нибудь чувствовали, что тонете в бесконечных списках задач, выставляете галочки в трекере, но при этом не видите общего прогресса — вы не одиноки. Я много лет искал систему, которая показывала бы не просто «что сделано», а «как всё связано». И нашёл её в самом неожиданном месте — наблюдая за тем, как обычный паук плетёт свою сеть.
Традиционные инструменты (канбан, TODO-листы) учитывают задачи, но игнорируют связи между ними. Они измеряют скорость, но убивают целостность. Паутина же — идеальная визуальная метафора для любой сложной системы. И сегодня я покажу, как эта метафора воплотилась в работающий инструмент — Stickyweb.
Приветствую, Хабр! Я продолжаю цикл статей по веб-аналитике. Последним был обзор новоиспеченного Яндекс Тег Менеджера, а сегодня разберу крайне малоизвестный, но ввиду сложившейся ситуации набирающий популярность Motomo Tag Manager.
Несколько лет назад я был совладельцем франшизы детских развивающих центров Smartykids. Мы тратили больше миллиона рублей в рекламу, но часть из них улетала в трубу.
Никакой полноценной системы аналитики у нас не было. Потому мы не знали, сколько лидов и из каких каналов к нам пришло, и не могли перераспределить бюджет в пользу более эффективных каналов.
В статье я расскажу, с какими сложностями мы сталкивались, какой инструмент нам помог, и как вы можете повторить наш опыт в своей компании.
В наше время удаленная работа не просто преимущество – это тенденция. У большинства компаний и малых бизнесов есть определенный штат сотрудников, работающих на удаленной основе. Но каким образом можно справедливо оценивать работу тех специалистов, за которыми руководитель не может наблюдать в офисе? Ответ прост – тайм-трекеры.
В этой статье я подробно расскажу про пять наиболее интересных тайм-трекеров, на мой взгляд. Мы сравним их между собой, проведем анализ особенностей применения в современных бизнес-процессах, а также сделаем вывод, для каких команд рассчитан тот или иной сервис учета рабочего времени. Цель работы — помочь организациям и частным специалистам в выборе оптимального инструмента для повышения продуктивности и эффективности управления временем своим команд.
У меня есть большой опыт по работе с различными сервисами учета рабочего времени, поскольку последний год стал увлекательным приключением в мир удаленной работы. По этой причине я считаю свои выводы достаточно уместными и даже необходимыми для использования в данной статье.
Курсы учат «эталонному» ТЗ на десятки страниц с диаграммами и ссылками на стандарты. Такое полотно текста выглядит надёжным, но на практике это оборачивается задержками. Пока аналитик пишет документацию «по правилам», команда ждёт задачу. Для бизнеса, который ждал изменений «ещё вчера», это выглядит так, будто аналитик тормозит процесс, хотя он просто следует инструкции.
Меня зовут Ольга, я бизнес-аналитик в Outlines Tech. Пятнадцать лет работаю в финтехе, сейчас отвечаю за операционные риски. Хочу поделиться мнением, почему шаблоны это не панацея и как бизнес-аналитик может ставить задачи быстрее и понятнее. Об этом редко говорят на курсах и конференциях, хотя именно это определяет эффективность работы.
Меня зовут Витя, в Selectel я работаю проектировщиком интерфейсов. В нашей команде анализом решений, связанных с пользовательским образом, занимается дизайнер. Такой подход позволяет быть ближе к пользователям и проектировать сценарии взаимодействия, продумывая метрики, на которые мы будем смотреть в перспективе, и оценивать их эффективность. Возможно, вы читали мои статьи и знаете, как мы используем PostHog в работе.
За долгую практику работы с сервисом накопилось большое количество кейсов, когда PostHog помогал мне получать и обрабатывать данные. Хочу поделиться знаниями с начинающими дизайнерами, аналитиками и продактами.
Четыре месяца назад я сидел в офисе клиента в Минске. Владелец интернет-магазина спортивного питания смотрел на график Analytics. Линия трафика ползла вниз. Медленно. Но неумолимо.
«Мы делаем всё правильно», — сказал он. И был прав.
Контент. Техническая оптимизация. Ссылочная масса. Команда из трёх SEO-специалистов работала на пределе. Но конкурент из Москвы обгонял их каждую неделю. По всем фронтам.
Я открыл сайт конкурента. Замер. За последние три месяца они опубликовали 90 новых статей. Детальные гайды по спортпиту. Сравнения. Обзоры. Внутренняя перелинковка выстроена хирургически точно. Schema.org разметка на каждой странице. Технические параметры — как у enterprise-проекта.
Позвонил знакомому, который работает в той компании. Спросил прямо:
«У вас что, команда из двадцати человек?»
Пауза. Смех.
«Один SEO-специалист. Плюс AI-агенты. Автоматизировали 98% процессов.»
Вот тогда я понял. Правила изменились. И большинство об этом ещё не знает.
В B2C SaaS от CPO постоянно ждут ответов на вопросы в цифрах. Сколько новых клиентов пришло за неделю? Сколько отвалилось? Что этому предшествовало? Всё это уже есть в базе данных, но универсального способа быстро достать эти ответы — нет.
Когда аналитики начинают забирать одни и те же данные, становится ясно, что пора автоматизировать процесс. Появляются стабильные дашборды, которые отвечают на повторяющиеся вопросы без участия специалистов. Вместе с этим — куча новых терминов и рост расходов на команду. Зарплаты хороших аналитиков легко переваливают за 300 тысяч в месяц, и в этот момент CPO начинает задумываться о стоимости такого подхода.
При этом первые MVP аналитики можно сделать гораздо проще и дешевле, чем кажется. Они уже приносят пользу: позволяют быстро отвечать на ключевые бизнес-вопросы, не ломая основную инфраструктуру и не собирая штат инженеров. Именно об этом я и поговорю в статье.
Когда речь заходит о языковых моделях (LLM), большинство представляет себе инструмент для генерации текста или изображения по запросу. Эта функция действительно стала визитной карточкой технологий вроде ChatGPT. Однако существует менее известная, но не менее важная функция: преобразование текста в числовые векторы (эмбеддинги).
Меня зовут Вадим Скляров, и я бизнес-аналитик в MWS. Казалось бы, тема векторизации текстов сугубо техническая, зачем мне в нее погружаться? Ответ прост: чтобы понимать возможности и ограничения работы с векторными представлениями и задавать правильные вопросы заказчику, не обещать того, чего сделать не получится. Плюс это помогает точнее оценить сроки и стоимость проекта.
В этом материале я разберу, как использовать эмбеддинги для решения практических бизнес-задач, опишу основные шаги векторизации текстов и акцентирую внимание на ключевых моментах, которые позволят обсуждать задачи с командой разработки на одном языке.
Ко мне пришел клиент с блогом о кофе. Он показал статью на 4500 слов про методы заваривания эспрессо. Текст написан бариста с двенадцатилетним стажем. Фотографии профессиональные. Техническая оптимизация безупречна.
Позиция в Google? 47-е место.
Я открыл топ-3 по тому же запросу и увидел картину, которая повторяется в моей практике. Статьи слабее по глубине, без экспертного авторства, с посредственными иллюстрациями. Но эти материалы были частью сайтов, где про кофе написано всё — от истории напитка до химии экстракции кофеина, от обзоров профессиональных кофемашин до детальных гайдов по выбору зёрен из разных регионов произрастания. Google воспринимает эти ресурсы как экспертные источники по всей теме "кофе". А блог моего клиента остаётся точечным игроком. Одна статья. Пусть даже гениальная.
Вот в чём суть проблемы, которую я наблюдаю последние три года работы с клиентами из разных ниш. Алгоритмы больше не ранжируют отдельные страницы в изоляции. Они оценивают сайты как целостные источники знаний по топику. Согласно обновленным Google Search Quality Rater Guidelines от декабря 2024 года, раздел 3.3 явно указывает на важность демонстрации expertise через "объём и глубину контента по теме, созданного квалифицированными авторами".
Цифры это подтверждают жестко. Исследование Ahrefs, проанализировавшее 1.8 миллиарда страниц в 2024 году, показало шокирующую закономерность — сайты с высоким топикальным авторитетом получают на 53% больше органического трафика, чем ресурсы с разрозненным контентом при одинаковом профиле обратных ссылок. Вдумайтесь. Одинаковые ссылки, но в полтора раза больше трафика только за счёт комплексного покрытия темы.
Помню, как полгода назад ко мне обратился клиент с интернет-магазином спортивного питания. Контент идеальный — вхождения ключевых слов расставлены по всем правилам классического SEO, LSI-фразы присутствуют, тексты уникальные. Но позиции стояли мертво. Конкуренты с более слабыми текстами занимали топ-3.
В чём дело?
Открываю анализатор сущностей — и вижу картину. Google просто не понимал, о чём этот сайт. Слова «протеин», «креатин», «аминокислоты» были разбросаны как попало, без связи с брендами (Optimum Nutrition, BSN), без упоминания спортивных дисциплин (бодибилдинг, кроссфит), без привязки к научным концепциям (синтез белка, восстановление мышц). Google видел набор слов, но не видел смысла.
Исправили. Добавили структурированную разметку Schema.org для продуктов и брендов. Выстроили внутреннюю перелинковку между статьями о конкретных добавках и тренировочными программами. Указали связи между сущностями явно. Через три месяца — рост органического трафика на 47%, выход в топ-5 по 23 среднечастотным запросам.
Это не магия. Это работа с сущностями — фундаментом современного SEO, о котором многие по-прежнему не знают или игнорируют.
Полное руководство по Schema.org с кейсами, источниками и чек-листом внедрения Когда Google перестал быть просто поисковиком Помните, как выглядел поиск пять лет назад? Десять синих ссылок. Всё просто.
Привет, Хабр! Одна из ключевых задач performance-маркетинга — понять, какая реклама реально приводит клиентов. Для кликов есть Яндекс.Метрика, но когда одно из целевых действий — звонок, анализировать источники сложнее, а значит и понять какой креатив работает лучше.
Использование динамических виртуальных номеров позволяет сопоставить звонки с конкретным рекламным источником. Для каждого визита система подставляет уникальный номер телефона и фиксирует обращение. Когда клиент звонит, мы связываем его звонок с конкретной рекламой.
Приветствую, Хабр! В прошлой статье я уже объяснял, что такое тег-менеджеры и почему без них современный маркетинг попросту не работает. Напомню коротко: тег-менеджер – это единая точка управления кодами отслеживания на сайте. Благодаря ему маркетологи и аналитики могут без помощи разработчиков внедрять пиксели, настраивать события и запускать эксперименты.
Сегодня я хочу продолжить эту тему и поговорить о том, что происходит на рынке после того, как Google Tag Manager фактически оказался под запретом в России.
Всем привет, на связи Андрей!
Хочу поделиться с вами своим опытом разработки образовательного портала о паллиативной помощи. В этой статье мы с вами коснемся технических деталей проекта и рассмотрим, как создавался этот масштабный информационный ресурс.
Приветствую, Хабр! Эта статья открывает целый цикл статей-исследований и инструкций, которые я запланировал провести в рамках обзора рынка веб-аналитики в России вцелом и в частности ситуации с ее инфраструктурой. Поскольку базово аналитика web да и мобильных проектов строится на определенном и крайне специфическом программном обеспечении его значимость часто не берется во внимание. Что, как показывает сложившаяся в РФ ситуация - совершенно зря!
