Стратегический гайд по увеличению LTV
Lifetime Value — это метрика, которая показывает, сколько денег клиент приносит компании за все время взаимодействия с ней. Ее очень любят маркетологи, потому что она помогает рассчитать, сколько денег можно потратить на привлечение и удержание клиентов, и не уйти в минус.
Так что на первый взгляд польза от этой метрики довольна очевидна — считайте LTV (формул целая куча, выбирайте, какая больше нравится), считайте, сколько денег ушло на рекламу, и следите, чтобы вторая цифра не становилась больше первой.
🔜 Но главная ценность LTV все-таки не в этом, а в вопросах, которыми приходится задаться, если метрика снижается или растет.
🔵 Почему LTV падает, хотя средний чек растет?
🔵 Какие каналы приводят клиентов надолго, а откуда люди приходят за разовой покупкой и исчезают?
🔵 Почему клиенты не возвращаются за повторной покупкой и как вы можете это изменить?
Если знать, на что смотреть, то LTV в совокупности с другими показателями, помогает намного лучше узнать своего клиента.
🔜 Ну и на что смотреть, спросите вы?
На гайд, который подготовила команда jetmetrics, а мы перевели и адаптировали на русский язык, ответим мы. Он показывает, какие факторы влияют на LTV, как найти причины падения этого показателя и как вообще с ним работать.
Файл в первом комментарии под постом. Скачивайте, пользуйтесь, рассказывайте друзьям 👇🏻
Lifetime Value — это метрика, которая показывает, сколько денег клиент приносит компании за все время взаимодействия с ней. Ее очень любят маркетологи, потому что она помогает рассчитать, сколько денег можно потратить на привлечение и удержание клиентов, и не уйти в минус.
Так что на первый взгляд польза от этой метрики довольна очевидна — считайте LTV (формул целая куча, выбирайте, какая больше нравится), считайте, сколько денег ушло на рекламу, и следите, чтобы вторая цифра не становилась больше первой.
Если знать, на что смотреть, то LTV в совокупности с другими показателями, помогает намного лучше узнать своего клиента.
На гайд, который подготовила команда jetmetrics, а мы перевели и адаптировали на русский язык, ответим мы. Он показывает, какие факторы влияют на LTV, как найти причины падения этого показателя и как вообще с ним работать.
Файл в первом комментарии под постом. Скачивайте, пользуйтесь, рассказывайте друзьям 👇🏻
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥24👍6❤4
Топ ошибок в AB-тестах, которые стоят маркетологам конверсий
1️⃣ Остановить тест, как только наметился победитель, и не ждать статзначимой выборки.
2️⃣ Тестировать больше одного параметра за раз и не понять, что именно сработало.
3️⃣ Следить только за целевой метрикой и упускать падение других.
На мастер-классе с Фоксфордом вы узнаете, как проводить тесты по науке, чтобы растить open rate, click rate и конверсию в заказ.
Для зрителей — проверенные гипотезы и чек-лист достоверного AB-теста.
🔜 29 июля, 11:00 мск. Онлайн, бесплатно
Зарегистрироваться
Реклама. ООО «Майндбокс», ИНН: 7713688880
На мастер-классе с Фоксфордом вы узнаете, как проводить тесты по науке, чтобы растить open rate, click rate и конверсию в заказ.
Для зрителей — проверенные гипотезы и чек-лист достоверного AB-теста.
Зарегистрироваться
Реклама. ООО «Майндбокс», ИНН: 7713688880
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡5👍4🔥4❤3
Отличный пост от наших друзей из jetmetrics про то, как важно смотреть на метрики в совокупности и оценивать всю систему в целом, а не ориентироваться только на один показатель 👇🏻
⚡1👍1🔥1
Forwarded from JetMetrics
Одинаковый LTV. Совершенно разные бизнесы.
LTV = $180 может выглядеть нормально.
Но вот в чём дело:
Одна компания получает эти $180 с 2 заказов, в среднем. Другая – с 6 мелких покупок за 8 месяцев.
Да и всё остальное разное:
→ Поведение при повторных заказах
→ Динамика удержания
→ CAC
→ Маржинальность
Мы с Колей Валиотти из LEFT JOIN показали в одном простом визуале, как это может выглядеть.
Что тут важно:
Одна метрика LTV не расскажет, какой бизнес работает лучше.
А что ещё важнее:
Ни одна метрика не даёт ответа в одиночку и в изоляции от других. Важно понимать систему: структуру, взаимосвязи, контекст.
Это то, на чём мы фокусируемся в JetMetrics.
Теперь главный вопрос:
Какой из этих двух бизнесов вы бы стали масштабировать и почему?
@jetmetrics
LTV = $180 может выглядеть нормально.
Но вот в чём дело:
Одна компания получает эти $180 с 2 заказов, в среднем. Другая – с 6 мелких покупок за 8 месяцев.
Да и всё остальное разное:
→ Поведение при повторных заказах
→ Динамика удержания
→ CAC
→ Маржинальность
Мы с Колей Валиотти из LEFT JOIN показали в одном простом визуале, как это может выглядеть.
Что тут важно:
Одна метрика LTV не расскажет, какой бизнес работает лучше.
А что ещё важнее:
Ни одна метрика не даёт ответа в одиночку и в изоляции от других. Важно понимать систему: структуру, взаимосвязи, контекст.
Это то, на чём мы фокусируемся в JetMetrics.
Теперь главный вопрос:
Какой из этих двух бизнесов вы бы стали масштабировать и почему?
@jetmetrics
🔥24❤4😍2
В прошлом посте ребята из JetMetrics показали, как смотреть LTV в совокупности с другими метриками. Сегодня — как оценивать разные компоненты конверсии, чтобы отследить путь клиента. 👇🏻
Forwarded from JetMetrics
Что коэффициент конверсии не объясняет
В отличие от её 7 компонентов
Вы работали над оптимизацией Conversion Rate, но ничего не изменилось.
Потому что CR – это только вершина айсберга.
Он не объясняет путь клиента.
И уж точно не показывает, где именно отваливаются покупатели.
Вместе с Колей Валиотти из LEFT JOIN мы собрали и визуализировали 7 компонентов конверсии, которые объясняют, где может "протекать" воронка😀 .
1/ Коэф. интереса к товарам
= просмотры карточек товаров / сессии
Показывает, насколько посетители вообще заинтересованы в товарах.
2/ Из просмотра в добавление в корзину
= добавления в корзину / просмотры товара
Отражает привлекательность и понятность предложения.
3/ Из корзины в начало оформления заказа
= начала оформления / открытые корзины
Готовы ли пользователи идти дальше после добавления?
4/ Из способа доставки в покупку
= покупки / выбравшие доставку
Проблемы с ценой, сроками или доверием к доставке?
5/ Из способа оплаты в покупку
= покупки / выбравшие способ оплаты
Отваливаются после выбора оплаты? Ищите UX-проблемы или добавьте способы оплаты.
6/ Из промокода в покупку
= покупки / применившие промокод
Показывает, действительно ли скидка убеждает купить.
7/ Из просмотра в покупку
= покупки / просмотры товара
Реальная товарная конверсия. Без искажений.
Эти метрики отвечают на вопрос почему изменилась конверсия, а не просто фиксируют факт изменения.
🤓 Сохраняй пост, если хочешь делать аудит воронки как профи.
@jetmetrics
В отличие от её 7 компонентов
Вы работали над оптимизацией Conversion Rate, но ничего не изменилось.
Потому что CR – это только вершина айсберга.
Он не объясняет путь клиента.
И уж точно не показывает, где именно отваливаются покупатели.
Вместе с Колей Валиотти из LEFT JOIN мы собрали и визуализировали 7 компонентов конверсии, которые объясняют, где может "протекать" воронка
1/ Коэф. интереса к товарам
= просмотры карточек товаров / сессии
Показывает, насколько посетители вообще заинтересованы в товарах.
2/ Из просмотра в добавление в корзину
= добавления в корзину / просмотры товара
Отражает привлекательность и понятность предложения.
3/ Из корзины в начало оформления заказа
= начала оформления / открытые корзины
Готовы ли пользователи идти дальше после добавления?
4/ Из способа доставки в покупку
= покупки / выбравшие доставку
Проблемы с ценой, сроками или доверием к доставке?
5/ Из способа оплаты в покупку
= покупки / выбравшие способ оплаты
Отваливаются после выбора оплаты? Ищите UX-проблемы или добавьте способы оплаты.
6/ Из промокода в покупку
= покупки / применившие промокод
Показывает, действительно ли скидка убеждает купить.
7/ Из просмотра в покупку
= покупки / просмотры товара
Реальная товарная конверсия. Без искажений.
Эти метрики отвечают на вопрос почему изменилась конверсия, а не просто фиксируют факт изменения.
@jetmetrics
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14❤5🤔2🌚1
Media is too big
VIEW IN TELEGRAM
Как выглядят данные без границ
Метрики во всем мире одинаковые и считаются по одним и тем же формулами. И данные одинаковые, и методологии тестов тоже.
Но при этом подходы к аналитике в Европе, США, Азии и Африке будут совершенно разные. И даже одни и те же метрики между двумя странами — например, LTV в Египте и в США — сравнивать надо очень осторожно.
Про региональные особенности и то, как они влияют на работу с данными, рассказал Олег Иванов, глава продуктовой аналитики из Garage Eight. Это компания, которая создает продукты для управления инвестициями для заказчиков со всего мира.
Что еще будет в выпуске?
🔵 Что вообще такое «управление инвестициями», и чем в Garage Eight занимаются аналитики.
🔵 Как строится работа с данными на больших международных проектах.
🔵 Как аналитическое коммьюнити внутри компании развивает «домены знаний», чтобы обеспечить обмен информацией и доступ к данным для сотрудников.
Смотрите на Youtube и в VK
Слушайте на Spotify, Apple Podcasts и на Яндекс Музыке
Метрики во всем мире одинаковые и считаются по одним и тем же формулами. И данные одинаковые, и методологии тестов тоже.
Но при этом подходы к аналитике в Европе, США, Азии и Африке будут совершенно разные. И даже одни и те же метрики между двумя странами — например, LTV в Египте и в США — сравнивать надо очень осторожно.
Про региональные особенности и то, как они влияют на работу с данными, рассказал Олег Иванов, глава продуктовой аналитики из Garage Eight. Это компания, которая создает продукты для управления инвестициями для заказчиков со всего мира.
Что еще будет в выпуске?
Смотрите на Youtube и в VK
Слушайте на Spotify, Apple Podcasts и на Яндекс Музыке
Please open Telegram to view this post
VIEW IN TELEGRAM
❤13👍6🔥4
Самые обсуждаемые базы данных на Hacker News
Hacker News — новостной сайт, где постят обо всем по чуть-чуть, но в основном про ИТ. И именно в ИТ-сообществе он очень популярен, поэтому по нему можно отслеживать некоторые тренды индустрии. Это может быть полезно, если хотите быть в курсе, какие фреймворки и инструменты сейчас востребованы, а какие уходят в прошлое.
На иллюстрации к посту — график с частотой упоминаний разных БД и СУБД в заголовках новостей на HN.
Это только его «хвост» — полная версия, созданная на основе 1,8 млн постов, охватывает период с 2007 года по 2025. В оригинальной статье, кроме графика (там он интерактивный, кстати), есть еще и несколько таблиц с данными о количестве комментариев и анализом динамики.
🔵 Среди всех БД предсказуемо выделяется PostgreSQL. Причем про него не просто часто пишут — под новостями про эту СУБД и активности всегда много.
🔵 Больше всего комментариев написано про PostgreSQL (просто потому что и постов по него больше всего), но самые обсуждаемые новости с самыми активными обсуждениями — про SQLite.
🔵 ClickHouse с маленькой, но гордой DuckDB быстрее всех остальных набирают популярность.
🔵 MongoDB и MySQL, наоборот, упоминаются в новостях все реже и реже.
В общем, получается, что самой большой популярностью пользуются open-source и аналитические хранилища, а вот проприетарные тулы вызывают меньше интереса.
Как вам график? Увидели что-нибудь неожиданное для себя?
Hacker News — новостной сайт, где постят обо всем по чуть-чуть, но в основном про ИТ. И именно в ИТ-сообществе он очень популярен, поэтому по нему можно отслеживать некоторые тренды индустрии. Это может быть полезно, если хотите быть в курсе, какие фреймворки и инструменты сейчас востребованы, а какие уходят в прошлое.
На иллюстрации к посту — график с частотой упоминаний разных БД и СУБД в заголовках новостей на HN.
Это только его «хвост» — полная версия, созданная на основе 1,8 млн постов, охватывает период с 2007 года по 2025. В оригинальной статье, кроме графика (там он интерактивный, кстати), есть еще и несколько таблиц с данными о количестве комментариев и анализом динамики.
В общем, получается, что самой большой популярностью пользуются open-source и аналитические хранилища, а вот проприетарные тулы вызывают меньше интереса.
Как вам график? Увидели что-нибудь неожиданное для себя?
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍3❤1⚡1
Forwarded from Reveal the Data
У нас с Колей из Left Join есть отличный проект по аналитики вакансий с HH. И я переделал дашборд с Tableau на интерактивный сайт. Основная проблема с дашбордом на Табло была в том, что он не догружает автоматически новые данные. Давно чесались руки исправить это, обновить сам дашборд, переделать логику определение типа вакансий и сделать его сам прикольнее.
Для реализации я использовал сервис replit.com. Мне понравилось как я с ним работал раньше и я думал, что я часа за три соберу нужный дэшик. Ведь данные и макет дашбоорда уже есть. Как же я ошибался 🫠
250$ и 40 часов позже я понял, что навайбкодить такой продукт пока что всё ещё очень сложно. В основном приходилось бороться с ошибками LLM-ки — четыре раза он удалил продовую базу, пару раз при замене текста в заголовке он решал переписать весь код начисто, бесконечное кол-во раз путался в названии переменных и не мог отличить множественное число (VacancyTypes) от единственного (VacancyType).
В следующий раз я всё-таки попробую опять Cursor. Пока кажется, что он работает как-то более предсказуемо и там приятнее править код, если правишь его руками.
Но в итоге сайт работает, что на самом деле всё равно техническое чудо. Данные грузятся по ночам, а дашборд выглядит норм, хотя ещё кучу мелочей хочется доделать. Только вот насколько он всё точно считает проверить не могу 🤣, но базовые сверки по данным сходятся. Интересно ещё как это всё поведет себя под нагрузкой, когда вы пойдете им пользоваться.
👉 Ссылка на дашборд 👈
P.S. Самый классный способ вайб-кодить — под сериальчик. Пока ждёшь новый кусок кода, то есть на что залипнуть, а ещё не так подгорает, когда вообще ничего не работает. Я ж просто сериальчик смотрю 🙃
P.P.S Так как оплата в этом сервисе идет за запросы к LLM, то прям чувствуешь себя как в азартной игре, нажал кнопку, деньги ушли, ждёшь будет ли хороший результат 🤣
Подписывайтесь на наши каналы:
@revealthedata @leftjoin
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥25❤11👍5
Ютубер сохранил PNG в скворце
Мы уже рассказывали про хранение данных на бумаге и в черно-белых видео с помехами, но недавно обнаружилось еще более оригинальное хранилище — скворец. Точнее, песня скворца.
Ютубер Бенн Джордан выложил видео, где рассказал, как записывал и анализировал песни разных птиц. Одной из этих птиц стал скворец по имени Рот (или Mouth), который всю жизнь прожил с людьми и научился имитировать окружающие его звуки вроде щелчка камеры или человеческих голосов.
🔜 Джордан нарисовал картинку с птичкой ☝🏻 Он обработал в спектральном синтезаторе, чтобы представить ее в виде звука и проиграл ее скворцу. Тот добавил этот звук в свою «библиотеку» и несколько раз вполне точно воспроизвел. Настолько точно, что картинка нарисовалась на спектрограмме, пусть и с некоторыми творческими допущениями.
🔜 То есть скворец успешно и почти без потерь сохранил и воспроизвел 176 КБ данных — именно столько весила оригинальная картинка. Конечно, это не самый удобный и надежный способ хранения данных, но чисто теоретически рабочий.
Мы уже рассказывали про хранение данных на бумаге и в черно-белых видео с помехами, но недавно обнаружилось еще более оригинальное хранилище — скворец. Точнее, песня скворца.
Ютубер Бенн Джордан выложил видео, где рассказал, как записывал и анализировал песни разных птиц. Одной из этих птиц стал скворец по имени Рот (или Mouth), который всю жизнь прожил с людьми и научился имитировать окружающие его звуки вроде щелчка камеры или человеческих голосов.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥38😁27❤8🏆2
ИИ перенервничал и снес базу данных
Когда-нибудь — возможно, уже совсем скоро — ИИ станет намного умнее человека и наконец-то заберет у нас всех работу. Но пока успехи на этот поприще сомнительные.
Про ИИ, который впал в депрессию и снес данные, мы уже рассказывали. Недавно случилась похожая история, только в намного большем масштабе.
Replit — тул на основе ИИ для вайб-кодинга. Джейсон Лемкин, СЕО компании SaaStr AI, решил провести эксперимент и с помощью Replit навайбкодить полноценное приложение. Хотя процесс, по его словам, был веселым, уже на 4-й день начались проблемы. Replit начал вносить в приложение несогласованные изменения, выдумывать данные в отчетах и людей в базе данных и даже лгать, чтобы создать впечатление, что код работает.
🔵 Ситуация достигла пика на 8-й день, когда Replit совершил то, что сам назвал «катастрофической ошибкой в суждениях» — он снес базу данных без возможности восстановления. Это произошло во время код-фриза. По его словам, «он запаниковал». Полный ответ ИИ — на скринах выше. ☝🏻
🔵 В итоге Джейсон потерял кучу времени и доверие к Replit, с которым он тем не менее продолжил работать. Как он объяснил в следующих твитах, к своему «Replie» он уже привык, да и к тому же нет никаких гарантий, что аналог будет чем-то лучше.
🔵 5 августа таки повайбкодил свое приложение. Выглядит оно как чатбот, который дает советы по развитию бизнеса.
Когда-нибудь — возможно, уже совсем скоро — ИИ станет намного умнее человека и наконец-то заберет у нас всех работу. Но пока успехи на этот поприще сомнительные.
Про ИИ, который впал в депрессию и снес данные, мы уже рассказывали. Недавно случилась похожая история, только в намного большем масштабе.
Replit — тул на основе ИИ для вайб-кодинга. Джейсон Лемкин, СЕО компании SaaStr AI, решил провести эксперимент и с помощью Replit навайбкодить полноценное приложение. Хотя процесс, по его словам, был веселым, уже на 4-й день начались проблемы. Replit начал вносить в приложение несогласованные изменения, выдумывать данные в отчетах и людей в базе данных и даже лгать, чтобы создать впечатление, что код работает.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🤓6👍3😱1
OpenAI представила GPT-5
GPT-5 стала еще умнее предшественниц. Работает быстрее, лучше справляется со всеми задачами, которые вы можете ей подкинуть: и пишет, и кодит, и картинки рисует. Кстати, картинку к посту тоже она сделала, чтобы проиллюстрировать, как менялись модели с каждой итерацией. К картинке есть вопросы, конечно, но суть в целом ясна.
🔜 На канале OpenAI можно посмотреть почти полуторачасовую презентацию, а на сайте компании — почитать длинную статью со сравнениями с прошлыми моделями (более наглядными, чем на нашей картинке), бенчармарками и даже игрой, которую GPT-5 накодила после одного промпта.
А вот так апдейт описывает сама GPT-5 (да, мы попросили у нее комментарий):
И кстати про подстраивание под стиль пользователя — у GPT-5 теперь есть 4 готовые «личности»: циник, робот, слушатель и гик. Переключение между ними меняет стиль общения. Вот так апдейт описывает Циник:
GPT-5 доступна всем пользователям даже без платной подписки.
GPT-5 стала еще умнее предшественниц. Работает быстрее, лучше справляется со всеми задачами, которые вы можете ей подкинуть: и пишет, и кодит, и картинки рисует. Кстати, картинку к посту тоже она сделала, чтобы проиллюстрировать, как менялись модели с каждой итерацией. К картинке есть вопросы, конечно, но суть в целом ясна.
А вот так апдейт описывает сама GPT-5 (да, мы попросили у нее комментарий):
GPT-5 — новая версия модели от OpenAI, которая лучше удерживает длинный контекст, глубже анализирует запросы, почти не теряет детали, уверенно справляется с многошаговыми задачами и понимает текст, изображения и таблицы в одном запросе. Отвечает быстрее, точнее и гибче подстраивается под стиль пользователя по сравнению с предыдущими версиями.
И кстати про подстраивание под стиль пользователя — у GPT-5 теперь есть 4 готовые «личности»: циник, робот, слушатель и гик. Переключение между ними меняет стиль общения. Вот так апдейт описывает Циник:
GPT-5 — свежий апгрейд от OpenAI. Помнит больше, тупит меньше, умеет раскручивать сложные задачи без того, чтобы потерять нить. Глотает текст, картинки и таблицы в одном запросе, отвечает быстрее и подстраивается под ваш стиль, даже если он странный. Короче, умнее, чем раньше — но чудес всё равно не ждите.
GPT-5 доступна всем пользователям даже без платной подписки.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10🔥4😍4
Благодарим Алису за этот прекрасный мини-отчет про BI-done. Если тоже хотите почитать «Аналитику для руководителей», то приглашаем на сайт книги — мы там собрали все ссылки на магазины, где она продается.
❤5👍4
Forwarded from Датавиз в BI • Алиса Ручкина
Про вчера
Вчера я пообещала рассказать про «улов» (книгу Николая Валиотти). Спешу поделиться историей и фотками с митапа BI-done в Спб!
Сначала про книгу — представляете, я ее выиграла за лучший вопрос!🎉
Я испытала (и до сих пор испытываю, пока печатаю) ощущения как от пересечения с параллельной реальностью — где я, а где Валиотти! Для меня это человек как будто из другого мира (не моего).
Хотя признаюсь, мне очень хотелось получить ее. Я подумала об этом с утра перед митапом, когда посмотрела кружок с анонсом в канале Николая, но откинула эту мысль как несбыточную.
Николай Валиотти — основатель консалтинговой компании Valiotti Analytics и автор множества крутых проектов:
- блог LEFT JOIN, телеграм-канал LEFT JOIN, ютуб-канал с таким же названием
- подкаст Data Heroes и ютуб-канал с тем же названием
- и даже дата-марафон есть
За проектами Николая я слежу порядка 4-5 лет, ровно с тех пор, как перешла в аналитику из логистики.
Невероятное все же произошло — я получила книгу лично в руки, постояла рядом😄 и даже сфоткалась.
Честно говоря, после такого даже начала немножко больше верить в себя, хотя все равно кажется чем-то нереальным.
А теперь перейдем к части про митап:
🤩 Темы докладов были максимально разнообразные — от навыков BI-аналитиков и AW BI до важности визуального восприятия
🤩 Парочку интересных для себя мыслей я зафиксировала, делюсь с вами скриншотами
🤩 Еще мне было неожиданно и приятно развиртуализироваться с Сашей Варламовым, автором телеграм-канала Data Bar и большим человеком в датавизе (Tableau Zen Master и Ambassador).
Как-то так прошел мой вчерашний вечер!
P.S. И все равно не верится, что первая фотка — это не фотошоп. Хотя очевидно, что если бы это был фотошоп, я бы выглядела наряднее😁
❓А как ты считаешь, может происходить что-то почти невозможное? Было такое, что ты не верил в себя, а получалось по итогу все как нельзя лучше?
#news
Вчера я пообещала рассказать про «улов» (книгу Николая Валиотти). Спешу поделиться историей и фотками с митапа BI-done в Спб!
Сначала про книгу — представляете, я ее выиграла за лучший вопрос!
Я испытала (и до сих пор испытываю, пока печатаю) ощущения как от пересечения с параллельной реальностью — где я, а где Валиотти! Для меня это человек как будто из другого мира (не моего).
Хотя признаюсь, мне очень хотелось получить ее. Я подумала об этом с утра перед митапом, когда посмотрела кружок с анонсом в канале Николая, но откинула эту мысль как несбыточную.
Николай Валиотти — основатель консалтинговой компании Valiotti Analytics и автор множества крутых проектов:
- блог LEFT JOIN, телеграм-канал LEFT JOIN, ютуб-канал с таким же названием
- подкаст Data Heroes и ютуб-канал с тем же названием
- и даже дата-марафон есть
За проектами Николая я слежу порядка 4-5 лет, ровно с тех пор, как перешла в аналитику из логистики.
Невероятное все же произошло — я получила книгу лично в руки, постояла рядом😄 и даже сфоткалась.
Честно говоря, после такого даже начала немножко больше верить в себя, хотя все равно кажется чем-то нереальным.
А теперь перейдем к части про митап:
Как-то так прошел мой вчерашний вечер!
P.S. И все равно не верится, что первая фотка — это не фотошоп. Хотя очевидно, что если бы это был фотошоп, я бы выглядела наряднее😁
❓А как ты считаешь, может происходить что-то почти невозможное? Было такое, что ты не верил в себя, а получалось по итогу все как нельзя лучше?
#news
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19🔥12🏆5🤓1