Channel
@shelter_analytics
On this record: Growth · Engagement · Reactions · Stars · Posts · Citations · Cite this entry
1,116subscribers
-2 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1002488579838 |
|---|---|
| Type | Channel |
| Username | @shelter_analytics |
| Created | Between 1 September 2024 and 31 March 2025— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 8 August 2026 |
| Last confirmed live | 14 August 2026 |
| Measurements held | 4 |
| Confirmed unchanged | 2 times, most recently 14 August 2026 |
| On Telegram | t.me/shelter_analytics |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 11 Aug 2026, 01:26 | 1,116 | -1 |
| 8 Aug 2026, 11:47 | 1,117 | -1 |
| 8 Aug 2026, 00:02 | 1,118 | no change |
| 7 Aug 2026, 16:48 | 1,118 | first reading |
10 posts held, back to 18 February 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 10 posts for this entry, the most recent from 9 June 2026. An engagement rate over an empty window would be a number about nothing.
237 reactions across 9 posts, in 9 distinct kinds. The most used accounts for 58.6% of them.
| Reaction | Count | Share | Share, drawn |
|---|---|---|---|
| 🔥 | 139 | 58.6% | |
| ❤ | 64 | 27.0% | |
| 👍 | 16 | 6.75% | |
| 🤯 | 6 | 2.53% | |
| 🗿 | 4 | 1.69% | |
| ⚡ | 3 | 1.27% | |
| ❤🔥 | 2 | 0.844% | |
| 🍾 | 2 | 0.844% | |
| 🤔 | 1 | 0.422% |
No sentiment is inferred, and none should be read in. This table is ordered by count and by nothing else. Emoji do not carry stable meaning across languages or communities — 🙏 is thanks in one channel and mourning in another — so we publish which ones were pressed and how often, and pass no judgement on what an audience meant by them.
Precision. Telegram publishes reaction counts per emoji and short-forms each one — 4.34K, 1.2M — so any single kind at or above 1,000 reaches us at three significant figures, and only counts below 1,000 are exact. The shares above are ratios of those figures and carry the same error. This is also why the total here can differ slightly from a reaction total printed elsewhere on the page: both are sums of the same rounded parts, taken over samples with different edges.
Coverage. Reactions were read on 9 of the 10 sampled posts in this sample. Summed by Telegram’s own count on each post — not by adding up the per-emoji breakdown above — those same posts carry 237reactions in total: the kind of figure the paragraph above means by “a reaction total printed elsewhere on the page”.
Measured over the 10 most recent posts we hold, published 18 February 2026 to 9 June 2026, using the newest reading held for each. Telegram Stars are excluded: they are a payment, not a reaction, and they have their own section.
A paid reaction is a reader spending Telegram Stars — bought with money — on a post by @shelter_analytics. Telegram publishes the count on the public post preview alongside ordinary reactions, and this register reads it there. It is the only figure on this site that measures money moving rather than attention.
Stars are not reactions, and the two are never added. They are rendered in the same strip on Telegram and counted in the same shape, but one is a tap and the other is a purchase. The reaction totals and the engagement rate elsewhere on this page exclude every figure in this section, and no rate here is computed against a reaction count.
This is not revenue, and we publish no currency figure. What a Star costs a reader and what it pays a channel are different numbers, Telegram takes a share we cannot observe, and the terms have changed. Converting a Star count into money would be an estimate dressed as a measurement, so the count is where we stop.
Counted over the 10 most recent posts we hold for this entry, published 18 February 2026 to 9 June 2026. Star counts above 1,000 reach us in Telegram’s short form and carry the same three-significant-figure rounding as everything else on this page.
🚨🚨🚨AI в Causal Inference - это хайп или полезный инструмент? Всем привет!🤟 Сегодня наткнулся на новую статью Netflix про использование AI-агентов для Causal Inference. В статье разбирается реальный кейс оценки влияния нового типа контента на удержание пользователей. Сначала задачу просто отдают в клод, где наивная модель строит регрессию, получает красивую оценку эффекта и выдаёт результат, который оказывается за…
🔥18🗿4❤3👍1
Убежище аналитика pinned «Привет! 🤟 Добро пожаловать в «Убежище аналитика». ❓Кто автор? Меня зовут Влад. Я прошёл путь от деревни в Тульской губернии до стен факультета математики Московского университета (МГУ), получив там степень специалиста. Параллельно я закончил школу аналитики…»
Привет! 🤟 Добро пожаловать в «Убежище аналитика». ❓Кто автор? Меня зовут Влад. Я прошёл путь от деревни в Тульской губернии до стен факультета математики Московского университета (МГУ), получив там степень специалиста. Параллельно я закончил школу аналитики Авито: https://avito-analytics-academy.ru/ Карьеру начинал в X5 Tech, позже работал продуктовым аналитиком в Авито, а затем вернулся в X5 Tech в команду пер…
🔥39❤7
Всем привет! 🤟 Мы продолжаем разбирать, как множественное тестирование связано с реальными правилами принятия решений в A/B-тестах 📊 Ранее мы уже обсуждали: — почему возникают множественные проверки гипотез; — что такое UI/IU testing; — как success- и guardrail-метрики влияют на корректировки α и мощности; — и почему классические поправки «в лоб» часто плохо отражают реальные продуктовые процессы. Но всё это всё е…
🔥9⚡3❤2
Всем привет! 👋 Давайте представим, что мы работаем в приложении крупного ретейлера 🛒 Перед нашей командой стоит задача упростить процесс оформления заказа. Прибегает продакт и предлагает, как ему кажется, крутую идею: сократить процесс оформления заказа с пяти шагов до трёх ⚡️ Интуитивно кажется, что это должно повысить конверсию в покупку — пользователям станет проще и быстрее оформлять заказ. Но как понять, дейс…
🔥18❤4🤯2
Всем привет! 🤟🔥 Вы запускаете A/B-тест, смотрите на несколько метрик — и одна из них «прокрашивается». 📊✨ Звучит как успех. Но с высокой вероятностью — это просто случайность. 🎲 Оказывается, если смотреть на несколько метрик, сегментов или вариантов, вероятность «найти эффект» быстро становится близкой к 100% — даже если его на самом деле нет. 📈😈 В этом посте разбираю, как возникает эта ошибка, показываю её на про…
❤18🔥4👍2🤯1
Всем привет! 🤟 Сегодня быстрый сюжет, в котором мы разберём известный «лайфхак»: Для средних чеков и метрик с «длинными хвостами» попробуйте логарифмирование данных Я решил быстро расписать математику такого подхода и показать, что за логарифмированием скрывается несколько предположений и разложений в ряд Тейлора, которые явно влияют на корректность ваших выводов в A/B-тестах и вообще на применимость такого подход…
🔥19❤🔥2🤔1🤯1
Всем привет!🤟 Сегодня хочется обсудить один небольшой, но очень важный сюжет из планирования A/B-экспериментов. Многие его знают, но на практике о нём могут забывать. Речь про расчёт размера выборки через всем известную формулу MDE. Предположим, что: - дисперсия известна и равна σ² = 1 - α = 0.05 - β = 0.2 (мощность 80%) - MDE = 0.03 Я спрошу у вас: Какой размер выборки нужен?🤔 Многие ответят примерно так. …
🔥27❤2
Всем привет! 🤟 Кажется, мы добрались до финальной точки нашего большого путешествия по миру CUPED. Если честно, я сам не ожидал, что из «простого метода снижения дисперсии» получился такой мощный инструмент😅. А вы? Итак, в последнем посте: - Узнаем, как "поженить" CUPED с ratio-метриками - Узнаем, что CUPED является обобщением стратификации - Откроем новую особенность - борьба с перекосами при сэмплировании (или …
👍13❤9🤯2
Всем привет!🤟 Вы наверное заскучали по новой порции историй про CUPED? За эти почти две недели нас наконец-то стало больше 1000 человек. Я очень рад видеть, что мой интерес к прикладной статистике пробудил интерес к статистике и в вас! Буду и дальше стараться делиться с вами интересными сюжетами, опытом и, конечно, кейсами! Итак, сегодня в посте: 1. Вы узнаете, как отвечать на собеседовании на вопрос "CUPED - это…
❤19🔥5🍾2
Showing the 10 most recent of 10 posts we hold for @shelter_analytics. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Stars beside a post are paid reactions — Telegram Stars, bought with money and spent on that post. They are a different unit from reactions and are never added to them, here or anywhere else on this page.
Citation-graph rank — 324,707 of 1,340,412entries in the measured graph. A weighted position computed from the forward and mention edges below — republished posts weigh more than named mentions — and recomputed periodically, over the whole graph. Published only as this ordinal position, never as a score: a position is a fact, and a score printed beside one channel’s name would read as a verdict this register does not make. The two counts beneath stay separate for the same reason mentions are never summed with forwards anywhere else on this page — a named-by count costs nothing to manufacture. The top 100 by this measure, or how it is computed.
Named by 2 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it.
Named by
Channels on the register whose posts name this channel's handle.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 11 August 2026 — this entry's latest reading, not the date you are reading this.
“Убежище аналитика” (@shelter_analytics), 1,116 subscribers as measured 11 August 2026. Telegram Register, tgregister.com/channel/shelter_analytics.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.