Список что можно коллекционировать: монеты, банкноты, этикетки, почтовые марки и др.

5 элементов данных, которые вы должны собирать о своих клиентах

К настоящему времени большинство участников маркетинговой индустрии знают, насколько важен сбор данных о клиентах для вашего бизнеса и что опросы — отличный способ их собрать.

В этом блоге обсуждаются 5 наиболее важных частей данных, которые вы должны собирать от своих клиентов, когда вы решите начать сбор данных о клиентах. Мы разбили его на компании B2B, а также на компании B2C, поскольку эта разница в клиентуре может иметь большое влияние на тип данных, которые вам необходимо собирать.

# 1 Основные данные о ваших клиентах

Первое, что вы должны собрать, это базовую информацию о вашем покупателе .

Основные данные о клиенте B2B

Для компании B2B это будет имя контактного сотрудника, его адрес электронной почты и номер телефона, его или ее должность в компании, название компании, отрасль и доход компании. Эти сведения помогут вам войти в контакт с покупателем, понять, в какой отрасли ваш продукт работает лучше всего, и контекстуализировать вашего потребителя в рамках более широкого рынка.

Большая часть этих деталей может быть получена в процессе покупки, например, во время онлайн-оформления заказа или поиска компании в Google и получения некоторой базовой информации о ней.

Откройте для себя Как использовать знания клиентов для улучшения качества обслуживания клиентов в B2B.

Основные данные о клиенте B2C

Для компании B2C сбор базовой информации был бы еще более простым. Убедитесь, что вы знаете их имя, пол, возраст, профессию, местонахождение, адрес электронной почты, номер телефона и семейный доход.Этого должно быть достаточно, чтобы разработал базовый профиль вашего клиента и связался с ним, когда вам понадобится .

Несмотря на то, что основную информацию получить довольно легко, к ней нужно относиться серьезно. Если у вас нет всей базовой информации о вашем клиенте, нет смысла переходить к пункту 2, пока вы этого не сделаете.

# 2 Кто принимает решения о покупке?

Информация, которая неоценима для вашего отдела продаж и маркетинга, — это выяснение способности ваших клиентов принимать решения.В секторе B2B вам необходимо выяснить, требуется ли вашим клиентам одобрение высшего уровня от высшего руководства или руководства, прежде чем совершать первоначальные и / или повторные покупки вашего продукта или услуги.

В секторе B2C вам необходимо выяснить, является ли ваш продукт продуктом для покупки в один клик или это покупка, совершенная всей семьей. Эти факторы помогут вам решить, нужно ли вам нацелить свой маркетинг на высшее руководство, на супругов вашей основной цели … Или, если вам нужно включить в процесс покупки инструменты, которые облегчат вашим клиентам получение одобрения необходимость.

# 3 Данные о том, почему клиенты выбирают именно вашу компанию?

Огромная проблема — это когда вы не знаете, почему ваши клиенты покупают у вас. Если вы не знаете, что ваши клиенты ценят ваше личное обслуживание, вы можете по ошибке заменить его менее личным и более эффективным вариантом обслуживания клиентов, потому что вы ошибочно полагали, что они предпочитают скорость качеству.

Знание того, что ваши клиенты любят и ценят в вашей компании, — лучший способ предоставить больше того, что им нравится.И единственный способ узнать это — спросить.

# 4 Как ваши клиенты узнали о вашей компании?

Этот вопрос легко задать, и он может дать вам хорошее представление о том, какие маркетинговые усилия работают для вас. Если вы узнаете, что ваши клиенты B2C узнают о вас из положительных отзывов клиентов (их друг или член семьи рекомендовал вас), это может стать отличной возможностью для знакомства с евангелистами бренда для вашей компании.

# 5 Насколько вероятно, что ваши клиенты порекомендуют ваш продукт?

Этот вопрос, также называемый опросом NPS, является одним из наиболее эффективных способов определить, насколько клиент доволен вашим брендом .Спросить кого-то, довольны ли они вашим продуктом, — это одно, но спросить их, готовы ли они рискнуть своей репутацией, чтобы порекомендовать вас, — это совсем другой вопрос, который вызовет гораздо более вдумчивые ответы от ваших клиентов.

Отслеживание показателя NPS — отличный способ отслеживать удовлетворенность клиентов, задавая вопрос «почему?». вы получили такую ​​оценку, надеюсь, вы сможете внести некоторые изменения в свой процесс или продукт, которые со временем улучшат вашу оценку.

Чтобы узнать об основных аспектах Net Promoter Score и о том, как их использовать для повышения удовлетворенности клиентов, щелкните здесь.

В конце концов, вы захотите наполнить CRM более подробной информацией, которая соответствует вашей конкретной отрасли и потребностям клиентов. Однако этот список является хорошей отправной точкой и поможет вам понять, какие данные лучше всего подходят для вас.

Сборка мусора в Python: вещи, которые вам необходимо знать

В этой статье описывается сборка мусора (GC) в Python 3.7.

Обычно вам не нужно беспокоиться об управлении памятью. Когда объекты больше не нужны, Python автоматически освобождает от них память. Однако понимание того, как работает сборщик мусора, может помочь вам писать лучше и быстрее программы Python.

Управление памятью

В отличие от многих других языков Python не обязательно освобождает память обратно в операционную систему.Вместо этого он имеет выделенный распределитель объектов для объектов размером менее 512 байт, который сохраняет некоторые фрагменты уже выделенной памяти для дальнейшего использования в будущем. Объем памяти, который занимает Python, зависит от моделей использования. В некоторых случаях вся выделенная память может быть освобождена только после завершения процесса Python.

Если длительно выполняющийся процесс Python со временем занимает больше памяти, это не обязательно означает, что у вас есть утечки памяти. Если вас интересует модель памяти Python, вы можете прочитать мою статью об управлении памятью.

Поскольку большинство объектов имеют небольшие размеры, настраиваемый распределитель памяти экономит много времени на выделение памяти. Даже простые программы, которые импортируют сторонние библиотеки, могут размещать миллионы объектов в течение всего времени существования программы.

Алгоритмы сборки мусора

В Python все является объектом. Даже целые числа. Узнать, когда их выделить, несложно. Python делает это, когда вам нужно создать новый объект. В отличие от распределения, автоматическое освобождение — сложная задача. Python должен знать, когда ваш объект больше не нужен.Преждевременное удаление объектов приведет к сбою программы.

Алгоритмы сборки мусора отслеживают, какие объекты могут быть освобождены, и выбирают оптимальное время для их освобождения. Стандартный сборщик мусора CPython состоит из двух компонентов: сборщика подсчета ссылок и сборщика мусора поколения , известного как модуль gc.

Алгоритм подсчета ссылок невероятно эффективен и прост, но он не может обнаруживать циклы ссылок. Вот почему в Python есть дополнительный алгоритм, называемый циклическим сборщиком мусора поколений.Он касается только эталонных циклов.

Модуль подсчета ссылок является фундаментальным для Python и не может быть отключен, тогда как циклический сборщик мусора является необязательным и может быть запущен вручную.

Подсчет ссылок

Подсчет ссылок — это простой метод, при котором объекты освобождаются, когда на них нет ссылки в программе.

Каждая переменная в Python является ссылкой (указателем) на объект, а не фактическим значением. Например, оператор присваивания просто добавляет новую ссылку в правую часть.Один объект может иметь много ссылок (имен переменных).

Этот код создает две ссылки на один объект:

Сам оператор присваивания (все слева) никогда не копирует и не создает новые данные.

Для отслеживания ссылок каждый объект (даже целочисленный) имеет дополнительное поле, называемое счетчиком ссылок, которое увеличивается или уменьшается при создании или удалении указателя на объект. См. Подробное объяснение в разделе «Объекты, типы и количество ссылок».

Примеры, где количество ссылок увеличивается:

• оператор присваивания
• аргумент, передающий
• добавление объекта в список (количество ссылок на объект будет увеличено).

Если поле подсчета ссылок достигает нуля, CPython автоматически вызывает объектно-зависимую функцию освобождения памяти. Если объект содержит ссылки на другие объекты, их счетчик ссылок также автоматически уменьшается. Таким образом, другие объекты могут быть освобождены по очереди. Например, когда список удаляется, счетчик ссылок для всех его элементов уменьшается. Если другая переменная ссылается на элемент в списке, этот элемент не будет освобожден.

Переменные, объявленные вне функций, классов и блоков, называются глобальными.Обычно такие переменные живут до конца процесса Python. Таким образом, счетчик ссылок объектов, на которые ссылаются глобальные переменные, никогда не падает до нуля. Чтобы поддерживать их жизнь, все глобальные переменные хранятся внутри словаря. Вы можете получить его, вызвав функцию globals () .

Переменные, которые определены внутри блоков (например, в функции или классе), имеют локальную область видимости (т.е. они являются локальными для своего блока). Когда интерпретатор Python выходит из блока, он уничтожает локальные переменные и их ссылки, которые были созданы внутри блока.Другими словами, он уничтожает только имен .

Важно понимать, что, пока ваша программа не останется в блоке, интерпретатор Python предполагает, что все переменные внутри него используются. Чтобы удалить что-то из памяти, вам нужно либо присвоить новое значение переменной, либо выйти из блока кода. В Python самый популярный блок кода — это функция; именно здесь происходит большая часть сборки мусора. Это еще одна причина, по которой функции должны быть небольшими и простыми.

Вы всегда можете проверить количество текущих ссылок с помощью sys.getrefcount функция.

Вот простой пример:

  import sys

foo = []

# 2 ссылки, 1 из foo var и 1 из getrefcount
печать (sys.getrefcount (foo))


def bar (a):
    # 4 ссылки
    # из foo var, аргумента функции, getrefcount и стека функций Python
    печать (sys.getrefcount (а))


бар (фу)
# 2 ссылки, область действия функции уничтожена
печать (sys.getrefcount (foo))
  

В приведенном выше примере вы можете видеть, что ссылки на функции уничтожаются после того, как Python выходит из нее.

Иногда необходимо преждевременно удалить глобальную или локальную переменную. Для этого вы можете использовать оператор del , который удаляет переменную и ее ссылку (но не сам объект). Это часто бывает полезно при работе в записных книжках Jupyter, потому что все переменные ячейки используют глобальную область видимости.

Основная причина, по которой CPython использует подсчет ссылок, — историческая. В настоящее время ведется много споров о слабых сторонах такой техники. Некоторые люди утверждают, что современные алгоритмы сборки мусора могут быть более эффективными без подсчета ссылок вообще.Алгоритм подсчета ссылок имеет множество проблем, таких как циклические ссылки, блокировка потоков, а также накладные расходы на память и производительность. Подсчет ссылок — одна из причин, по которой Python не может избавиться от GIL.

Основное преимущество такого подхода состоит в том, что объекты могут быть немедленно и легко уничтожены после того, как они больше не нужны.

Поколение сборщика мусора

Зачем нам нужен дополнительный сборщик мусора, когда у нас есть подсчет ссылок?

К сожалению, классический подсчет ссылок имеет фундаментальную проблему — он не может определять циклы ссылок.Цикл ссылок происходит, когда один или несколько объектов ссылаются друг на друга.

Вот два примера:

Как мы видим, «lst» объект указывает на себя, более того, объект 1 и объект 2 указывают друг на друга. Счетчик ссылок для таких объектов всегда не меньше 1.

Чтобы получить лучшее представление, вы можете поиграть с простым примером Python:

  import gc

# Мы используем ctypes moule для доступа к нашим недостижимым объектам по адресу памяти.класс PyObject (ctypes.Structure):
    _fields_ = [("refcnt", ctypes.c_long)]


gc.disable () # Отключить генерационный gc

lst = []
lst.append (lst)

# Сохранить адрес списка
lst_address = идентификатор (lst)

# Уничтожить первую ссылку
del lst

объект_1 = {}
объект_2 = {}
объект_1 ['obj2'] = объект_2
объект_2 ['obj1'] = объект_1

obj_address = id (объект_1)

# Уничтожить ссылки
дель объект_1, объект_2

# Раскомментируйте, если вы хотите запустить процесс сборки мусора вручную
# gc.collect ()

# Проверить счетчик ссылок
печать (PyObject.from_address (obj_address) .refcnt)
print (PyObject.from_address (lst_address) .refcnt)
  

В приведенном выше примере оператор del удаляет ссылки на наши объекты (т.е. уменьшает количество ссылок на 1). После того, как Python выполнит инструкцию del , наши объекты больше не будут доступны из кода Python. Однако такие объекты все еще сидят в памяти. Это происходит потому, что они все еще ссылаются друг на друга, и счетчик ссылок каждого объекта равен 1.Вы можете наглядно изучить такие отношения с помощью модуля objgraph.

Чтобы решить эту проблему, в Python 1.5 был введен дополнительный алгоритм обнаружения цикла. За это отвечает модуль gc, который существует только для решения такой проблемы.

Циклы ссылок могут возникать только в объектах-контейнерах (т. Е. В объектах, которые могут содержать другие объекты), таких как списки, словари, классы, кортежи. Алгоритм сборщика мусора не отслеживает все неизменяемые типы, кроме кортежа.Кортежи и словари, содержащие только неизменяемые объекты, также можно не отслеживать в зависимости от определенных условий. Таким образом, метод подсчета ссылок обрабатывает все некруглые ссылки.

Когда срабатывает триггер поколения GC

В отличие от подсчета ссылок, циклический GC не работает в реальном времени и запускается периодически. Чтобы уменьшить частоту вызовов GC и микропаузов, CPython использует различные эвристики.

GC классифицирует объекты-контейнеры на три поколения. Каждый новый объект начинается с первого поколения.Если объект переживает раунд сборки мусора, он переходит к более старому (более высокому) поколению. Младшие поколения собираются чаще, чем высшие. Поскольку большинство вновь созданных объектов умирают молодыми, это улучшает производительность сборки мусора и сокращает время паузы сборки мусора.

Чтобы решить, когда запускать, каждое поколение имеет индивидуальный счетчик и порог. Счетчик хранит количество выделенных объектов за вычетом освобождений с момента последнего сбора. Каждый раз, когда вы выделяете новый объект-контейнер, CPython проверяет, когда счетчик первого поколения превышает пороговое значение.Если это так, Python инициирует процесс сбора.

Если у нас есть два или более поколений, которые в настоящее время превышают пороговое значение, GC выбирает самое старое. Это потому, что старшие поколения также собирают все предыдущие (младшие) поколения. Чтобы уменьшить снижение производительности для долгоживущих объектов, к третьему поколению предъявляются дополнительные требования.

Стандартные пороговые значения установлены на (700, 10, 10) соответственно, но вы всегда можете проверить их с помощью gc.get_threshold функция. Вы также можете настроить их для своей конкретной рабочей нагрузки с помощью функции gc.get_threshold .

Как найти контрольные циклы

Трудно объяснить алгоритм определения контрольных циклов в нескольких параграфах. По сути, GC выполняет итерацию по каждому объекту контейнера и временно удаляет все ссылки на все объекты контейнера, на которые он ссылается. После полной итерации все объекты, количество ссылок которых меньше двух, недоступны для кода Python и, следовательно, могут быть собраны.

Чтобы полностью понять алгоритм поиска цикла, я рекомендую вам прочитать исходное предложение Нила Шеменауэра и собрать функцию из исходного кода CPython. Также могут быть полезны ответы Quora и сообщение в блоге о сборщике мусора.

Обратите внимание, что проблема с финализаторами, описанная в исходном предложении, была исправлена ​​начиная с Python 3.4. Вы можете прочитать об этом в PEP 442.

Советы по производительности

Циклы могут легко возникнуть в реальной жизни.Обычно они встречаются в графиках, связанных списках или в структурах, в которых нужно отслеживать отношения между объектами. Если ваша программа имеет интенсивную рабочую нагрузку и требует малой задержки, вам нужно по возможности избегать ссылочных циклов.

Чтобы избежать циклических ссылок в вашем коде, вы можете использовать слабые ссылки, которые реализованы в модуле weakref . В отличие от обычных ссылок, weakref.ref не увеличивает счетчик ссылок и возвращает None , если объект был уничтожен.

В некоторых случаях полезно отключить сборщик мусора и использовать его вручную. Автоматический сбор можно отключить, вызвав gc.disable () . Чтобы вручную запустить процесс сбора, вам необходимо использовать gc.collect () .

Как найти и отладить эталонные циклы

Отладка эталонных циклов может быть очень неприятной, особенно при использовании большого количества сторонних библиотек.

Стандартный модуль gc предоставляет множество полезных помощников, которые могут помочь в отладке.Если вы установите флаги отладки на DEBUG_SAVEALL , все найденные недостижимые объекты будут добавлены в список gc.garbage .

  импорт ГК

gc.set_debug (gc.DEBUG_SAVEALL)

печать (gc.get_count ())
lst = []
lst.append (lst)
list_id = идентификатор (lst)
del lst
gc.collect ()
для элемента в gc.garbage:
    печать (элемент)
    assert list_id == id (элемент)
  

После того, как вы определили проблемное место в коде, вы можете визуально исследовать отношения между объектами с помощью objgraph.

Заключение

Большая часть сборки мусора выполняется с помощью алгоритма подсчета ссылок, который мы вообще не можем настроить.Так что помните об особенностях реализации, но не беспокойтесь о потенциальных проблемах с GC преждевременно.

Надеюсь, вы узнали что-то новое. Если у вас остались вопросы, я буду рад ответить на них в комментариях ниже.