خلاصه Product Hunt AMA: جاسازی، موفقیت منبع باز و بیشتر
تیم متابیس
در آمادهسازی برای راهاندازی Product Hunt نسخههای جاسازی ما فردا، به p/ama سر زدم تا به سوالات جامعه پاسخ دهم.
چرا ما Metabase Embedding را راهاندازی میکنیم؟
در طول ۱۰ سال گذشته، ما روی ارائه یک روش آسان و منبع باز برای هر کسی در شرکت شما برای اجرای گزارشها، ساخت نمودارها و به طور کلی توانایی کاوش و کار با داده به تنهایی تمرکز کردهایم.
ما توسط بیش از ۷۰,۰۰۰ شرکت و سازمان با اندازهها و اشکال مختلف استفاده شدهایم—از شرکتهای Fortune 100 تا باشگاههای والیبال محلی.
تحلیلها یک بازی چند نفره است، و در حالی که تحلیلگران، دانشمندان داده و سایر متخصصان هنر داده بازیکنان مهمی هستند، ما همیشه معتقد بودهایم که مشتریان عادی با شغل روزانه باید بتوانند آنچه نیاز دارند را در زمان خود دریافت کنند. به طور فزاینده، ما متوجه میشویم که شرکتها از ما برای ارائه داده و تحلیل به مشتریان خود استفاده میکنند، نه فقط کارکنان خود. ما برای آسانتر و سریعتر کردن آن کار کردهایم، و نتیجه را "Metabase Embedding" مینامیم.
در طول مسیر، ما با کمک به صدها شرکت برای جاسازی تحلیل و گزارشدهی در محصولات خود چیزهای زیادی یاد گرفتهایم. این اغلب بیشتر از فقط یک نمودار اینجا یا یک داشبورد آنجا است، بلکه توانایی مشتریان شما برای اجرای گزارشهای خود بر روی دادههایی است که در برنامه شما تولید کردهاند.
پس چرا Product Hunt؟ در حالی که بسیاری از شما در حال حاضر کارهای باورنکردنی با تحلیلهای جاسازیشده انجام میدهید—مانند ایجاد تجربیات پریمیوم، باز کردن جریانهای درآمد جدید، و متمایز کردن محصولات خود—ما میدانیم که هنوز تونها تیم با چالشهای ساخت تحلیل از ابتدا دست و پنجه نرم میکنند. با راهاندازی در Product Hunt، ما هدف داریم که کلمه را درباره نحوه حذف Metabase Embedding از آن درد و کمک به شرکتهای بیشتر برای ارائه تحلیلهای خودخدمت یکپارچه به کاربران خود پخش کنیم.
تجزیه AMA
چه متریکهایی موفقیت یک پروژه منبع باز را تعریف میکند، به نظر شما؟
"میگویم مهمترین هدف برای رسیدن اگر به دنبال یک پروژه منبع باز بزرگ و در حال رشد هستید، رشد مجموعه اصلی افرادی است که از شما در تولید استفاده میکنند (ایدهآل خوشحال). با کار کردن به عقب، شما همچنین میخواهید تعداد نصبها و تعداد تقریبی افرادی که شما را امتحان میکنند (از تعداد دانلودها یا Docker Hub pulls) را پیگیری کنید. GitHub برخی از این متریکها را نشان میدهد، Docker Hub مجموعه دیگری، و احتمالاً میخواهید انتشارات را روی سرورهای خود میزبانی کنید تا شمارشهای دقیق را نیز دریافت کنید.
اگر یک برنامه هستید، پس نوعی ردیابی (opt-in) FE client نیز ایدهآل است تا درک کنید که مشتریان در جهان در داخل برنامه چه میکنند."
اگر امروز محصول را از ابتدا شروع میکردید چه کاری متفاوت انجام میدادید؟
"مستقیمترین چیز این است که از آنجایی که NLP اساساً یک مشکل حل شده است، ما به شدت روی زبان طبیعی برای پرسوجو تکیه میکردیم (توجه: ما اکنون این کار را با "Metabot" خود انجام میدهیم).
تصویر بزرگتر، من حداقل یک نسخه پولی "پیشنمایش" از Metabase را خیلی زودتر ساخته و اعتبارسنجی میکردم. ساخت یک پروژه منبع باز موفق سخت است، ساخت یک شرکت نرمافزاری تجاری سخت است، انجام هر دو به طور قابل توجهی آزاردهندهتر است. فکر میکنم درک نحوه تجاریسازی (خواندن: تست رویکردها و اعتبارسنجی آنها) چیزی است که واقعاً باید در اوایل فرآیند مرتب کرده باشید. ما خوششانس بودیم که چند شرط بزرگ اولیه ما در نهایت کار کردند، اما آنها به راحتی میتوانستند کار نکنند."
وقتی به تحلیل منبع باز فکر میکنم ذهنم به Plausible میرود. میتوانید به من کمک کنید بفهمم چگونه خود را نسبت به آنها موقعیتدهی میکنید؟"
"Metabase روی یک پایگاه داده قرار میگیرد و به شما امکان اجرای پرسوجو، ساخت نمودار، داشبورد، تنظیم هشدار و غیره روی دادههای داخل پایگاه داده را میدهد. Plausible (و Google Analytics، Mixpanel و غیره) ترکیبی از یک کتابخانه front-end برای ابزارسازی برنامه شما، ذخیرهسازی و ابزارهای پرسوجوی بسیار سادهتر برای انجام آنچه "رویداد" یا "استفاده" تحلیل نامیده میشود هستند. آن را به عنوان یک مورد استفاده نسبتاً تخصصی در نظر بگیرید، در حالی که با Metabase میتوانید هر دادهای که در اطراف دارید را برش و تکهتکه کنید."
کدام نقش در این بازی چند نفره AI را در نظر میگیرید که در تحلیلها بازی کند؟
"امروز، کارآموز بسیار سهلانگار در بخش تحلیل که کار او نیاز به بررسی سهگانه دارد.
در چند نسل مدل بنیادی، فکر میکنم باید در نهایت تحلیلگران انسانی را در حلقه "من یک سوال دارم" -> "اینجا پاسخ است" جایگزین کند، و احتمالاً در مشکل "این چیز گیجکننده است، میتوانید به آنچه اتفاق میافتد بپردازید؟" نیز."
تمایزات کلیدی محصول جاسازی شما چیست و چرا باید آن را به جای رقبای دیگر انتخاب کنم؟
"اساساً، فکر میکنم ما یک گزینه تنبلتر از همه جایگزینها هستیم. اگر کمی کار front-loaded روی مرتب کردن اینکه schema مشتریمحور باید چگونه به نظر برسد انجام دهید، میتوانید چیزی را در مقابل مشتری خود در یک یا دو هفته دریافت کنید. بیشتر مشتریان روی پیکسلها عذاب میکشند و کاملاً شکل دادههای خود را نادیده میگیرند، و ما فکر میکنیم (و شما را در محصول سوق میدهیم) که برعکس انجام دهید."
بزرگترین لحظه "آها" که هنگام ساخت Metabase Embedding داشتید چه بود؟
"چقدر اغلب چیزی که تعیین میکند که آیا یک مشتری معین موفق به ارسال میشود، چقدر طول میکشد تا ارسال کنند، و سپس آیا مشتریان آنها از گزارشدهی درون برنامه استفاده میکنند به schema داده و اینکه آیا کاربر متوسط برنامه درک میکند که به چه چیزی نگاه میکنند بستگی دارد. خیلی اوقات، تحلیلگران یا مهندسان داده schema را برای سایر متخصصان داده طراحی میکنند، و واقعاً ذهنیت کاربر عادی برنامه خود را درک نمیکنند."
چگونه برنامهریزی میکنید که تحلیلهای سفارشی مشتریمحور را در یک تنظیم چند مستأجره بدون اضافه بار پایگاه داده مشترک پشتیبانی کنید؟
"بار پایگاه داده (یا انبار داده) یک چیز جادویی نیست که ما در Metabase خود حل کنیم. در برخی موارد، باید بفهمید که چه مجموعه دادههایی را در معرض نمایش قرار دهید، چه اشکال خاصی از سوالات انتظار دارید کاربران شما بپرسند، الگوهای نمایهسازی کنترلهای داده سطح ردیف به ازای هر مشتری و غیره.
در مقیاس بسیار پایین، داشتن مشتریانی که به پایگاه داده برنامه برخورد میکنند احتمالاً منطقی است. اما در هر حجم واقعی مشتری، شما واقعاً باید یک پایگاه داده جداگانه اختصاص داده شده به طور دقیق برای ارائه تحلیلهای مشتریمحور را تأمین کنید. کش برای مدتی به شما کمک میکند، اما یک بنبست بلندمدت است.
ما به شدت پیشنهاد میکنیم که تحلیلهای درون برنامه را به عنوان یک ویژگی مشتریمحور درمان کنید. برای ویژگیهای مشتریمحور، عملکرد واقعاً مهم است، و باید schema DB را برای پشتیبانی از آن بهینه کنید. این تقریباً به طور قطع به معنای دور شدن از پایگاه داده اصلی برنامه و ایجاد جداول سفارشی است که بیشتر با نحوه تفکر مشتریان شما درباره اشیاء در برنامه شما مطابقت دارد."
چگونه درباره ساخت یک کسبوکار روی کد منبع باز فکر میکنید؟ آیا احساس میکنید که درآمد را به نسخه میزبانی خود "از دست میدهید"؟ یا قرار گرفتن در معرض افزایش "ارزش دارد"؟ آیا این حتی راه درستی برای قاببندی آن است؟ مزایا و معایب چیست؟
"اساساً، شما نرمافزاری را که هزینه زیادی برای ساخت دارد به خاطر قرار گرفتن در معرض افزایش، اشخاص ثالثی که در پروژه شما سرمایهگذاری میکنند و کمک میکنند (کد یا غیره)، و مقدار افزایش اعتماد میدهید.
این یک معادله دشوار برای تعادل است، و از نظر تاریخی، بیشتر مشتریان منفی شدند.
منبع باز بودن به ما چیزهای زیادی از نظر اعتبار، مهندسان با استعداد هیجانزده برای کار روی پروژه، و وسعت قرار گرفتن در معرض داده است. یک چیز که همه آن را کار کرده است این است که یک دیدگاه تا حدودی واضح از آنچه میفروشیم از اوایل وجود داشت. من واقعاً فکر میکنم که باید یا کاملاً متعهد به OSS باشید یا اصلاً نباشید. من بسیاری از افرادی که بین این دو تردید کردهاند (به ویژه در سالهای اولیه) موفق نشدهاند ندیدهام. تصمیمات اولیه محوری زیادی وجود دارد که باید بسیار متفاوت بگیرید اگر منبع باز در مقابل بسته هستید (مثلاً، با توجه به درخواستهای ویژگی کاربر، پشتیبانی و غیره)."
برخی چیزهای به خصوص چالشبرانگیز یا پیچیده اگر تحلیلهای مشتریمحور را در خانه بسازم چیست؟
"من در یک نظر دیگر ذکر کردم که رفتن از "فقط این یک نمودار را اضافه میکنم" به درک اینکه نیاز به hand generic queries دارید بزرگترین پرش در پیچیدگی است.
دو چالش اصلی دیگر درست کردن schema که به کاربران نهایی ارائه میدهید و به اندازه کافی عملکردی کردن کل تجربه است که یک مجازات برای کاربران شما نباشد."
بزرگترین سردرد هنگام تلاش برای ساخت تحلیل چیست
"بزرگترین سردرد این است که به طور معمول، پس از قرار دادن یک یا دو نمودار، شروع به دریافت درخواستها از مشتریان خود درباره دادههایی که نیاز دارند میکنید. بسیار رایج است که این درخواستها بسیار متفاوت باشند، و همه "فوری" باشند. در برخی موارد، باید بپذیرید که نیاز به ساخت یک رابط پرسوجوی عمومی دارید، که تمایل به یک پرش بزرگ در پیچیدگی و سردردها دارد."
بستن
این AMA را به پایان میرساند. زمان فوقالعادهای داشتم که به سوالات شما پاسخ دهم و بیشتر درباره Metabase Embedding به اشتراک بگذارم. اگر میخواهید به سازندگان، سازندگان و افراد محصول بیشتر کمک کنید تا کشف کنند که جاسازی حرکت است، ما را در Product Hunt پشتیبانی کنید.
