# данные

Published articles for данные.

This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles.

## How Yandex Tracker reduced its MongoDB cluster count from 70 to 7

DevFeed: [How Yandex Tracker reduced its MongoDB cluster count from 70 to 7](<https://devfeed.tech/articles/70-mongodb-7-24890.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/yandex/articles/1076858/>)

Author: onurimanov (Яндекс)

Published: 2026-09-02T07:00:24Z

Content type: article

Language: ru

Sources: [Яндекс - Как мы делаем Яндекс / Статьи](<https://devfeed.tech/sources/source.md>)

Topics: [MongoDB](<https://devfeed.tech/topics/mongodb.md>), [базы данных](<https://devfeed.tech/topics/tag-d189f87ebb8f.md>), [яндекс](<https://devfeed.tech/topics/tag-4004cf5948d3.md>)

Tags: [architecture](<https://devfeed.tech/tags/architecture.md>), [migration](<https://devfeed.tech/tags/migration.md>), [mongodb](<https://devfeed.tech/tags/mongodb.md>), [tag-1cd610c0e518](<https://devfeed.tech/tags/tag-1cd610c0e518.md>), [tag-39f0c170b680](<https://devfeed.tech/tags/tag-39f0c170b680.md>), [tag-4004cf5948d3](<https://devfeed.tech/tags/tag-4004cf5948d3.md>), [tag-5335b6f99fba](<https://devfeed.tech/tags/tag-5335b6f99fba.md>), [tag-56a552acf7d0](<https://devfeed.tech/tags/tag-56a552acf7d0.md>), [tag-622612a5798e](<https://devfeed.tech/tags/tag-622612a5798e.md>), [tag-68e701e78517](<https://devfeed.tech/tags/tag-68e701e78517.md>), [tag-89f0c6f39f5d](<https://devfeed.tech/tags/tag-89f0c6f39f5d.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-d189f87ebb8f](<https://devfeed.tech/tags/tag-d189f87ebb8f.md>)

### AI overview

A technical article describes how Yandex Tracker changed its data-storage architecture from one database per organization to a model using fewer backend clusters. The change reduced the number of backend clusters from 70 to 7 and cut resource consumption by half, while addressing operational complexity and MongoDB collection limits.

### Source excerpt

Разворачивать новый кластер базы данных каждую неделю -- так себе удовольствие, особенно когда обслуживание десятков кластеров съедает время дежурных. Когда кластеров стало много, локальные аномалии стало сложнее замечать на общих дашбордах. С этой проблемой мы столкнулись в Яндекс Трекере: за год количество активных организаций и кластеров выросло вдвое, а нагрузка на сервис поднялась всего на 13%. Получилось парадоксально: потребление ресурсов и сложность эксплуатации росли вместе с числом организаций, хотя реальная нагрузка увеличивалась значительно медленнее. Читать далее

## Как мы описали 15 000 таблиц за полгода вместо 500 за год -- и перестали писать документацию руками

DevFeed: [Как мы описали 15 000 таблиц за полгода вместо 500 за год -- и перестали писать документацию руками](<https://devfeed.tech/articles/15-000-500-24870.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/yandex/articles/1060882/>)

Author: rgridnev (Яндекс)

Published: 2026-07-29T07:03:01Z

Content type: article

Language: ru

Sources: [Яндекс - Как мы делаем Яндекс / Статьи](<https://devfeed.tech/sources/source.md>)

Topics: [Large Language Model](<https://devfeed.tech/topics/llm.md>), [.env](<https://devfeed.tech/topics/dotenv.md>)

Tags: [dwh](<https://devfeed.tech/tags/dwh.md>), [llm](<https://devfeed.tech/tags/llm.md>), [tag-0d83e6fe8cd5](<https://devfeed.tech/tags/tag-0d83e6fe8cd5.md>), [tag-32a4c9a0ec10](<https://devfeed.tech/tags/tag-32a4c9a0ec10.md>), [tag-61cd5a476b1d](<https://devfeed.tech/tags/tag-61cd5a476b1d.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-dc23c7266507](<https://devfeed.tech/tags/tag-dc23c7266507.md>)

### AI overview

Yandex describes using an LLM to generate draft documentation for data tables, giving analysts a starting point instead of a blank page. Over six months, the approach produced descriptions for 15,000 tables compared with 500 tables documented manually over a year, saving about five years of analyst work. The article also discusses how documentation quality varies across DWH data, analyst data, and raw logs.

### Source excerpt

Годы идут, но что-то остаётся неизменным: писать документацию никто не любит, но тем не менее все почему-то ругают тех, кто её не пишет. В Яндексе одних только таблиц с данными -- десятки миллионов, общим объёмом в экзабайты данных. Даже когда мы оставляем из всего этого количества только самое востребованное, остаётся несколько десятков тысяч таблиц, которые кто-то должен описать словами: что внутри, откуда взялось, можно ли этому доверять. Без таких описаний аналитик не находит данные через поиск, не понимает, что лежит в таблице, и заново собирает то, что уже собрал коллега. И страдает не только человек: ИИ-агенты, которые всё чаще сами решают аналитические задачи, на неописанных данных также теряют в качестве -- чем меньше известно про таблицу, тем хуже результат. Год мы уговаривали людей описывать таблицы вручную -- и собрали описания всего на 500 таблиц из 40 тысяч. Если описывать все данные с такой скоростью (при учёте, что постоянно появляются новые) -- страшно представить, на сколько десятков лет мог бы растянуться этот процесс. Меня зовут Роман Гриднев, я технический менеджер в Яндексе. Расскажу, как мы научились не писать документацию. "Не писать-то все могут", -- скажете вы. Но мы подключили к задаче LLM и дали людям вместо чистого листа черновик: пусть с ошибками, зато не пустую страницу, которая пугает. За полгода мы так описали 15 тысяч таблиц и сэкономили около пяти лет рабочего времени аналитиков. Со временем качество черновиков от LLM доросло до почти полного соответствия описаниям, сделанным людьми. Читать далее

## Эволюция данных: генетический алгоритм в задаче классификации текстов

DevFeed: [Эволюция данных: генетический алгоритм в задаче классификации текстов](<https://devfeed.tech/articles/article-23997.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/redmadrobot/articles/1027238/>)

Author: evgeneration (red\_mad\_robot)

Published: 2026-04-23T19:05:42Z

Content type: article

Language: ru

Sources: [Redmadrobot EN](<https://devfeed.tech/sources/redmadrobot-en.md>), [Redmadrobot RU](<https://devfeed.tech/sources/redmadrobot-ru.md>)

Topics: [Natural language processing](<https://devfeed.tech/topics/nlp.md>), [Large Language Model](<https://devfeed.tech/topics/llm.md>)

Tags: [ai](<https://devfeed.tech/tags/ai.md>), [evolution](<https://devfeed.tech/tags/evolution.md>), [llm](<https://devfeed.tech/tags/llm.md>), [ml](<https://devfeed.tech/tags/ml.md>), [nlp](<https://devfeed.tech/tags/nlp.md>), [prompt](<https://devfeed.tech/tags/prompt.md>), [tag-1cd610c0e518](<https://devfeed.tech/tags/tag-1cd610c0e518.md>), [tag-1f12060c781a](<https://devfeed.tech/tags/tag-1f12060c781a.md>), [tag-2d1b71a8786f](<https://devfeed.tech/tags/tag-2d1b71a8786f.md>), [tag-7bc388df28ed](<https://devfeed.tech/tags/tag-7bc388df28ed.md>), [tag-9bf5e01ce62e](<https://devfeed.tech/tags/tag-9bf5e01ce62e.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>)

### AI overview

The article describes using a genetic algorithm to evolve prompts that generate training data for text-classification models. The approach was motivated by poor results from synthetic datasets and manual prompt iteration, with prompt fitness evaluated by classifier performance on a fixed test set.

### Source excerpt

Привет! Меня зовут Женя Андриевская. Я -- NLP-инженер в лаборатории R&D red_mad_robot. Сегодня расскажу, как мы призвали на помощь эволюцию, чтобы улучшить качество данных в задачах классификации текстов. Да-да, ту самую эволюцию, с мутациями и скрещиваниями -- только в мире данных, промптов и LLM. Читать далее

## От свалки ссылок к базе знаний: как мы оживили UX-архив

DevFeed: [От свалки ссылок к базе знаний: как мы оживили UX-архив](<https://devfeed.tech/articles/ux-30689.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/hh/articles/932832/>)

Author: ExKito (hh.ru)

Published: 2025-08-07T08:00:08Z

Content type: article

Language: ru

Sources: [HeadHunter RU](<https://devfeed.tech/sources/headhunter-ru.md>)

Topics: [User experience (UX)](<https://devfeed.tech/topics/ux.md>), [jira](<https://devfeed.tech/topics/jira.md>)

Tags: [hh](<https://devfeed.tech/tags/hh.md>), [hh-ru](<https://devfeed.tech/tags/hh-ru.md>), [jira](<https://devfeed.tech/tags/jira.md>), [tag-41e9f0e0da78](<https://devfeed.tech/tags/tag-41e9f0e0da78.md>), [tag-52ec2a2e2e67](<https://devfeed.tech/tags/tag-52ec2a2e2e67.md>), [tag-8e9a901cca08](<https://devfeed.tech/tags/tag-8e9a901cca08.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [ux](<https://devfeed.tech/tags/ux.md>), [ux-479c532c198e](<https://devfeed.tech/tags/ux-479c532c198e.md>), [ux-59292584722d](<https://devfeed.tech/tags/ux-59292584722d.md>), [ux-66917e6a12c0](<https://devfeed.tech/tags/ux-66917e6a12c0.md>)

### AI overview

The article describes how hh.ru transformed an inconvenient UX research archive into a more usable knowledge base. It explains the problems with scattered files and poor search, compares approaches for improving access to research findings, and discusses the tools and process used.

### Source excerpt

Привет! Меня зовут Андрей, я исследую клиентский и пользовательский опыт в hh.ru. В статье расскажу, как нашей команде удалось вовлечь компанию в рисёчи и тем самым повысить их полезность. Читать далее

## Как AI-агенты ускоряют работу девелопера: автоматизация данных и управление знаниями

DevFeed: [Как AI-агенты ускоряют работу девелопера: автоматизация данных и управление знаниями](<https://devfeed.tech/articles/ai-24011.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/redmadrobot/articles/892882/>)

Author: redmadrobot (red\_mad\_robot)

Published: 2025-03-26T12:01:58Z

Content type: article

Language: ru

Sources: [Redmadrobot EN](<https://devfeed.tech/sources/redmadrobot-en.md>), [Redmadrobot RU](<https://devfeed.tech/sources/redmadrobot-ru.md>)

Topics: [Artificial Intelligence](<https://devfeed.tech/topics/ai.md>), [genai](<https://devfeed.tech/topics/genai.md>), [pdf](<https://devfeed.tech/topics/pdf.md>)

Tags: [ai](<https://devfeed.tech/tags/ai.md>), [ai-e2239b5ae8fa](<https://devfeed.tech/tags/ai-e2239b5ae8fa.md>), [genai](<https://devfeed.tech/tags/genai.md>), [ocr](<https://devfeed.tech/tags/ocr.md>), [pdf](<https://devfeed.tech/tags/pdf.md>), [rag](<https://devfeed.tech/tags/rag.md>), [ragas](<https://devfeed.tech/tags/ragas.md>), [red-mad-robot](<https://devfeed.tech/tags/red-mad-robot.md>), [router](<https://devfeed.tech/tags/router.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-b6914c0b0244](<https://devfeed.tech/tags/tag-b6914c0b0244.md>), [tag-e0bf7a3b3c2d](<https://devfeed.tech/tags/tag-e0bf7a3b3c2d.md>), [tag-e95ee8b94dca](<https://devfeed.tech/tags/tag-e95ee8b94dca.md>), [vision](<https://devfeed.tech/tags/vision.md>), [workflow](<https://devfeed.tech/tags/workflow.md>)

### AI overview

The NDT by red_mad_robot team describes a smart platform with two workflow AI agents for the FSK Group. One agent answers counterparties' frequently asked questions, while the other helps employees search internal documents and access the corporate knowledge base. The article discusses document processing, including PDF extraction, OCR, and vision-language models, with an emphasis on reducing incorrect AI responses.

### Source excerpt

Привет! На связи команда NDT by red_mad_robot. Рассказываем, как создавали смарт-платформу с двумя AI-агентами для группы компаний ФСК -- одного из крупнейших российских девелоперов. Система автоматизировала работу с данными и значительно снизила нагрузку на сотрудников технической поддержки и коммерческого департамента. Читать далее

## What MarkUp Engineers Do and How QA Engineers Are Trained for AI Data Labeling

DevFeed: [What MarkUp Engineers Do and How QA Engineers Are Trained for AI Data Labeling](<https://devfeed.tech/articles/markup-24003.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/redmadrobot/articles/860070/>)

Author: redmadrobot (red\_mad\_robot)

Published: 2024-11-20T14:45:37Z

Content type: tutorial

Language: ru

Sources: [Redmadrobot EN](<https://devfeed.tech/sources/redmadrobot-en.md>), [Redmadrobot RU](<https://devfeed.tech/sources/redmadrobot-ru.md>)

Topics: [Artificial Intelligence](<https://devfeed.tech/topics/ai.md>), [Large Language Model](<https://devfeed.tech/topics/llm.md>)

Tags: [ai](<https://devfeed.tech/tags/ai.md>), [llm](<https://devfeed.tech/tags/llm.md>), [markup](<https://devfeed.tech/tags/markup.md>), [prompt-engineering](<https://devfeed.tech/tags/prompt-engineering.md>), [qa](<https://devfeed.tech/tags/qa.md>), [tag-265903b3a1bd](<https://devfeed.tech/tags/tag-265903b3a1bd.md>), [tag-86b843454893](<https://devfeed.tech/tags/tag-86b843454893.md>), [tag-9bf5e01ce62e](<https://devfeed.tech/tags/tag-9bf5e01ce62e.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-c24f64f30028](<https://devfeed.tech/tags/tag-c24f64f30028.md>), [tag-f432a38ebe75](<https://devfeed.tech/tags/tag-f432a38ebe75.md>)

### AI overview

The article explains the role of MarkUp engineers in AI projects and describes an internal training approach that helps QA engineers develop data-labeling skills. It also introduces terminology related to LLM data preparation, including chunks, prompts, parsers, temperature, and datasets.

### Source excerpt

В работе над смарт-системой на базе AI нам понадобились специалисты по разметке данных -- MarkUp-инженеры. Рынок труда быстро трансформируется, и новые позиции не всегда можно закрыть готовыми специалистами, поэтому мы сосредоточились на формировании навыков внутри команды. Мы поняли, что навыки QA-инженеров пересекаются с компетенциями, необходимыми для работы с данными в AI-системах, и решили организовать производственное обучение внутри команды. Рассказываем о том, кто такие разметчики, как тестировщики осваивали MarkUp, и что из этого вышло. Читать далее

## How to organize company reporting without a dedicated BI team

DevFeed: [How to organize company reporting without a dedicated BI team](<https://devfeed.tech/articles/bi-38019.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/koshelek/articles/761350/>)

Author: Sofia\_Semenova (Кошелёк)

Published: 2023-09-21T08:08:08Z

Content type: tutorial

Language: ru

Sources: ["Кошелёк" RU](<https://devfeed.tech/sources/ru.md>)

Topics: [data](<https://devfeed.tech/topics/data.md>), [Microsoft](<https://devfeed.tech/topics/microsoft.md>)

Tags: [analytics](<https://devfeed.tech/tags/analytics.md>), [business-intelligence](<https://devfeed.tech/tags/business-intelligence.md>), [canvas](<https://devfeed.tech/tags/canvas.md>), [dashboard](<https://devfeed.tech/tags/dashboard.md>), [data](<https://devfeed.tech/tags/data.md>), [data-analysis](<https://devfeed.tech/tags/data-analysis.md>), [microsoft](<https://devfeed.tech/tags/microsoft.md>), [process](<https://devfeed.tech/tags/process.md>), [tag-03968a887ba5](<https://devfeed.tech/tags/tag-03968a887ba5.md>), [tag-5d6527b0eb46](<https://devfeed.tech/tags/tag-5d6527b0eb46.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-b92bf5906bbd](<https://devfeed.tech/tags/tag-b92bf5906bbd.md>)

### AI overview

This tutorial describes how the Wallet analytics team organized company reporting without a dedicated BI team. It covers problems with Power BI workspaces, outdated dashboards, inconsistent metric definitions, database load, and unmet business needs, along with the initial steps toward a dashboard development process and a shared metrics library.

### Source excerpt

Привет, Хабр! На связи аналитики Кошелька. Наша команда состоит из 13 дата-аналитиков, 5 DE-инженеров, 2 ML-инженеров и ровно 0 BI-аналитиков. Что мы любим делать? Определять метрики и рисовать дашборды. Что нужно заказчику? Метрики и дашборды (а еще достижение целей и выручка, но не будем сейчас об этом). В этой статье мы собрали инструкцию, как можно навести порядок в отчётности без отдельных BI-аналитиков, и с какими проблемами вы можете столкнуться в процессе. Читать далее

## Автоматическая многоязычная модерация сообщений для миллионов пользователей

DevFeed: [Автоматическая многоязычная модерация сообщений для миллионов пользователей](<https://devfeed.tech/articles/article-23645.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/badoo/articles/648815/>)

Author: punkerpunker (Badoo)

Published: 2022-02-01T10:50:28Z

Content type: article

Language: ru

Sources: [Badoo EN](<https://devfeed.tech/sources/badoo-en.md>), [Badoo RU](<https://devfeed.tech/sources/badoo-ru.md>)

Topics: [Artificial Intelligence](<https://devfeed.tech/topics/ai.md>), [Natural language processing](<https://devfeed.tech/topics/nlp.md>), [Large Language Model](<https://devfeed.tech/topics/llm.md>)

Tags: [ai](<https://devfeed.tech/tags/ai.md>), [badoo](<https://devfeed.tech/tags/badoo.md>), [bert](<https://devfeed.tech/tags/bert.md>), [data-science](<https://devfeed.tech/tags/data-science.md>), [gpt](<https://devfeed.tech/tags/gpt.md>), [gpt-3](<https://devfeed.tech/tags/gpt-3.md>), [natural-language-processing](<https://devfeed.tech/tags/natural-language-processing.md>), [nlp](<https://devfeed.tech/tags/nlp.md>), [tag-055aee430837](<https://devfeed.tech/tags/tag-055aee430837.md>), [tag-13e2af703774](<https://devfeed.tech/tags/tag-13e2af703774.md>), [tag-1cd610c0e518](<https://devfeed.tech/tags/tag-1cd610c0e518.md>), [tag-5cb789e9aaa3](<https://devfeed.tech/tags/tag-5cb789e9aaa3.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-e69b694e3ce2](<https://devfeed.tech/tags/tag-e69b694e3ce2.md>)

### AI overview

The article describes Badoo and Bumble's Rude Message Detector, a machine-learning system for multilingual moderation of rude messages. It discusses the system's architecture, deployment infrastructure, implementation challenges, and results, including the use of transformer-based architectures and large language models such as BERT, GPT-2, and GPT-3.

### Source excerpt

Как мы все знаем, слова обладают силой. Ими можно вдохновить людей, но можно и навредить. Мы в Badoo и Bumble стараемся оградить пользователей от неприятных ситуаций, поэтому внедрили инструмент Rude Message Detector. Это многоязычный детектор грубых высказываний, работающий на основе машинного обучения. В этой статье мы расскажем о технических особенностях нашего решения, сложностях, с которыми столкнулись в ходе реализации проекта, и его результатах. Читать далее

## KotlinDL 0.2: Functional API, зоопарк моделей c ResNet и MobileNet, DSL для обработки изображений

DevFeed: [KotlinDL 0.2: Functional API, зоопарк моделей c ResNet и MobileNet, DSL для обработки изображений](<https://devfeed.tech/articles/kotlindl-0-2-functional-api-c-resnet-mobilenet-dsl-23913.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/JetBrains/articles/558618/>)

Author: zaleslaw (JetBrains)

Published: 2021-05-25T08:54:42Z

Content type: release

Language: ru

Sources: [JetBrains RU](<https://devfeed.tech/sources/jetbrains-ru.md>)

Topics: [Kotlin](<https://devfeed.tech/topics/kotlin.md>), [Deep neural networks](<https://devfeed.tech/topics/deep-neural-networks.md>), [Maven Central](<https://devfeed.tech/topics/maven-central.md>), [Tensorflow](<https://devfeed.tech/topics/tensorflow.md>), [Keras](<https://devfeed.tech/topics/keras.md>), [ImageNet](<https://devfeed.tech/topics/imagenet.md>)

Tags: [dataset](<https://devfeed.tech/tags/dataset.md>), [deep-learning](<https://devfeed.tech/tags/deep-learning.md>), [image-processing](<https://devfeed.tech/tags/image-processing.md>), [keras](<https://devfeed.tech/tags/keras.md>), [kotlin](<https://devfeed.tech/tags/kotlin.md>), [machine-learning](<https://devfeed.tech/tags/machine-learning.md>), [maven-central](<https://devfeed.tech/tags/maven-central.md>), [neural-networks](<https://devfeed.tech/tags/neural-networks.md>), [tag-00486ebd8d87](<https://devfeed.tech/tags/tag-00486ebd8d87.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tensorflow](<https://devfeed.tech/tags/tensorflow.md>)

### AI overview

This article presents KotlinDL 0.2, a deep-learning library written in Kotlin with TensorFlow used for low-level computations. The release adds a Functional API for graph-based neural networks, an image-preprocessing DSL, new dataset types, and a model zoo containing ResNet, MobileNet, and VGG models. KotlinDL 0.2 is available on Maven Central.

### Source excerpt

Представляем вам версию 0.2 библиотеки KotlinDL. Это библиотека глубокого обучения, где для низкоуровневых вычислений используется TensorFlow, но с высокоуровневым API и логикой, написанными на Kotlin. KotlinDL 0.2 теперь доступен на Maven Central (до этого он лежал на bintray, но закатилось солнышко земли опенсорсной). Появилось столько всего нового: новые слои, специальный DSL для препроцессинга изображений, новые типы датасетов, зоопарк моделей с несколькими моделями из семейства ResNet, MobileNet и старой доброй моделью VGG (рабочая лошадка, впрочем). В этой статье мы коснемся самых главных изменений релиза 0.2. Полный список изменений доступен по ссылке. Читать далее

## 62. Сбор фидбека от пользователей

DevFeed: [62. Сбор фидбека от пользователей](<https://devfeed.tech/articles/62-30429.md>)

Original publisher: [Read original article](<https://www.mdubakov.com/posts/users-feedback-collection>)

Published: 2018-06-13T15:11:15Z

Content type: opinion

Language: ru

Sources: [Blog by Michael Dubakov](<https://devfeed.tech/sources/blog-by-michael-dubakov.md>)

Topics: [Support](<https://devfeed.tech/topics/support.md>), [Tool](<https://devfeed.tech/topics/tool.md>)

Tags: [chat](<https://devfeed.tech/tags/chat.md>), [live](<https://devfeed.tech/tags/live.md>), [salesforce](<https://devfeed.tech/tags/salesforce.md>), [support](<https://devfeed.tech/tags/support.md>), [tag-9d8cf70dc46c](<https://devfeed.tech/tags/tag-9d8cf70dc46c.md>), [tag-a939ae104bb0](<https://devfeed.tech/tags/tag-a939ae104bb0.md>), [tag-edd540e19eb5](<https://devfeed.tech/tags/tag-edd540e19eb5.md>), [tool](<https://devfeed.tech/tags/tool.md>)

### AI overview

The article describes how a product team collects user feedback through live chat support, a user community, NPS surveys, conversations recorded in Salesforce, in-product feedback forms, and occasional broader surveys. It also presents an internal Feedback Tool that imports, indexes, tags, and searches feedback from these sources.

### Source excerpt

Для любого продукта важно собирать обратную связь от пользователей. За 14 лет у нас вроде бы уже сформировалась какая-то система, поэтому...