Интересно почему вы выбрали именно такие метрики и как они влияют.
Факт подписки пользователя
Метрика влияет на всех пользователей или только тех кто хотя бы раз потратил бонусы?
Количество просмотренных разных товаров
Именно товаров или категорий тоже? Смотрели насколько пользователи придерживаются любимых категорий товаров?
Длительность взаимодействия пользователя с магазином
В какую сторону это работает? Больше ищет=больше заинтересован или больше ищет=больше времени на передумать? Есть ли разница в остальных метриках для пользователей делающих регулярные или импульсивные покупки и пользователей которые долго выбирают?
Ну и наверно главный вопрос который у меня возникал по ходу чтения - используются ли подобные модели для дальнейшего прогнозирования притока/оттока лояльных пользователей и выручки, или они применяются только постфактум для оценки эффективности бонусных и рекламных компаний?
В представленных примерах приложение на электроне либо опенсорсное, либо бесплатное (иногда есть отдельные платные фичи завязанные на внешний сервис). Ни слова о том, как у Electron обстоят дела с обфускацией кода и защитой от отладки, что весьма интересно для приложения на котором хочется делать бизнес.
Оракловый NULL может показаться ужасным при хранении данных, но с точки зрения преобразования данных мы получаем некоторый плюс: конкатенация с NULL по факту работает как конкатенация с пустой строкой, а не обnullяет весь результат. Конечно обнуление строки при конкатенации с null тоже может использоваться в логике преобразований, но на моём опыте первое поведение требуется значительно чаще второго.
Да и стоит отметить, что код без кучи вызовов COALESCE/NVL выглядит чище и легче читается.
Information
Rating
Does not participate
Location
Железнодорожный (Московск.), Москва и Московская обл., Россия
Интересно почему вы выбрали именно такие метрики и как они влияют.
Метрика влияет на всех пользователей или только тех кто хотя бы раз потратил бонусы?
Именно товаров или категорий тоже? Смотрели насколько пользователи придерживаются любимых категорий товаров?
В какую сторону это работает? Больше ищет=больше заинтересован или больше ищет=больше времени на передумать? Есть ли разница в остальных метриках для пользователей делающих регулярные или импульсивные покупки и пользователей которые долго выбирают?
Ну и наверно главный вопрос который у меня возникал по ходу чтения - используются ли подобные модели для дальнейшего прогнозирования притока/оттока лояльных пользователей и выручки, или они применяются только постфактум для оценки эффективности бонусных и рекламных компаний?
www.youtube.com/watch?v=D3gdKmQCG1Y
Да и стоит отметить, что код без кучи вызовов COALESCE/NVL выглядит чище и легче читается.