Ответ
Список устройств для тестирования формируется на основе аналитики реального использования продукта и бизнес-приоритетов. Этим обычно занимается продукт-менеджер или аналитик при поддержке QA.
Процесс и источники данных:
- Аналитика: Используются данные с production-среды из инструментов:
- Google Analytics / Firebase Analytics — для Android/iOS-приложений.
- AppStore Connect / AppMetrica — альтернативные источники.
- Извлекаемые метрики:
- Топ-10/20 моделей устройств по количеству активных пользователей.
- Распределение версий операционных систем (iOS, Android).
- Популярные разрешения экранов и плотность пикселей (DPI).
Пример структурирования данных для тест-команды:
{
"priority_tier_1": [
{
"model": "iPhone 14",
"os": "iOS 17",
"resolution": "1179x2556",
"market_share": "15%"
}
],
"priority_tier_2": [
{
"model": "Samsung Galaxy A54",
"os": "Android 14",
"resolution": "1080x2340",
"market_share": "8%"
}
]
}Роль QA-инженера:
- Участвовать в анализе данных и предлагать для включения edge-кейсы: старые устройства с малой долей рынка, но критичные для лояльных пользователей.
- Учитывать устройства, предоставляемые сервисами облачного тестирования (BrowserStack, Sauce Labs).
- Формировать итоговую матрицу покрытия, балансируя между охватом аудитории и ресурсами команды.
Ответ 18+ 🔞
А, слушай, классика жанра! Подход "давайте тестировать на всём подряд, а то вдруг у кого-то Nokia 3310 с Android 14" — это, конечно, геройство, но обычно кончается тем, что все ебутся как кони, а покрытие — хуйня. Так что этот метод — он вроде и логичный, но без фанатизма, блядь.
Суть в чём: список девайсов — это не из жопы, а из реальных цифр. Кто этим страдает? Продукт-менеджер или аналитик, им и карты в руки, а мы, QA, потом с этим добром работаем. Их задача — не просто так пальцем в небо ткнуть, а посмотреть, на чём народ сидит.
Откуда данные высасывают, блядь:
- Аналитика продакшена. Смотрят в сервисы, где видно, кто и на чём кликает:
- Google Analytics / Firebase — для андроидов и яблок.
- AppStore Connect / AppMetrica — ну, на всякий случай, чтоб два раза не вставать.
- Что именно выцепляют:
- Топ-10/20 самых популярных моделей телефонов (те, на которых народ реально юзает приложение).
- Какие версии ОС в ходу (не все же, блядь, на iOS 18 сидят, есть ещё консерваторы на 15-й).
- Какие разрешения экранов и DPI чаще всего встречаются (чтобы интерфейс не разъезжался, как дерьмо по волнам).
Потом это всё красиво упаковывают, чтобы тест-команда не охренела. Типа вот:
{
"priority_tier_1": [
{
"model": "iPhone 14",
"os": "iOS 17",
"resolution": "1179x2556",
"market_share": "15%"
}
],
"priority_tier_2": [
{
"model": "Samsung Galaxy A54",
"os": "Android 14",
"resolution": "1080x2340",
"market_share": "8%"
}
]
}А наша, QA-шная, работа тут где, спросишь? А вот где, ёпта:
- Не просто взять топ и расслабиться. Надо ещё edge-кейсы подсунуть: старые девайсы, на которых доля рынка — полпроцента, но сидят там лояльные пользователи, которые могут такой скандал устроить, что мало не покажется. Их тоже надо учитывать, хоть и по остаточному принципу.
- Смотреть, что есть в облачных сервисах вроде BrowserStack. Нет смысла включать в матрицу девайс, который только в музее найти можно.
- И в итоге слепить из этого всего матрицу покрытия, которая будет балансировать между "охватить максимум аудитории" и "не потратить на тесты все деньги и время, ебать его в сраку". Чтобы и волки были сыты, и овцы целы. Ну, почти целы.