দলের টোকেন ব্যয় কীভাবে ট্র্যাক ও নিয়ন্ত্রণ করবেন

টোকেন ব্যয় কী

টোকেন ব্যয় হলো AI ব্যবহারে একটি দল যত টোকেন খরচ করে তার সংখ্যা, এবং সেই টোকেনগুলোর খরচ। টোকেন হলো টেক্সটের একটি একক, যেমন একটি শব্দ, শব্দের অংশ বা একটি বিরামচিহ্ন, যা একটি AI মডেল পড়ে বা লেখে। ইংরেজিতে ১টি টোকেন মোটামুটি ৪টি অক্ষরের সমান। বিভিন্ন মডেল বা প্রোভাইডারের মধ্যে টোকেন প্রমিত নয়, তাই একই টেক্সট ভিন্ন ভিন্ন টুলে ভিন্ন সংখ্যক টোকেন তৈরি করতে পারে।

ব্যবহারের রিপোর্টে সাধারণত টোকেনগুলোকে কয়েকটি ধরনে ভাগ করা হয়:

• ইনপুট টোকেন হলো একটি অনুরোধের জন্য মডেল যা কিছু পড়ে, তার সবকিছু। এর মধ্যে রয়েছে কোয়েরি, সংযুক্ত যেকোনো টেক্সট এবং একই থ্রেডের আগের কথোপকথনের ইতিহাস, যা মডেল আবার ব্যবহার করে।
• আউটপুট টোকেন হলো মডেলের লেখা উত্তর। এগুলোর খরচ প্রায়ই ইনপুট টোকেনের চেয়ে বেশি। Perplexity-এর API মূল্য নির্ধারণে, কিছু মডেল আউটপুটের জন্য ছয় গুণ বেশি চার্জ করে।
• রিজনিং টোকেন হলো উত্তর দেওয়ার আগে কোনো সমস্যা সমাধানের জন্য মডেল অভ্যন্তরীণভাবে যে টেক্সট তৈরি করে। এগুলো উত্তরে দেখা যায় না, তাই দৃশ্যমান উত্তর দীর্ঘ হলেই যে মডেলটি সামগ্রিকভাবে বেশি টোকেন ব্যবহার করেছে, তা নয়।

সাবস্ক্রিপশনে AI টুল ব্যবহারকারী দলগুলো খুব কমই প্রতি টোকেনের চার্জ দেখতে পায়। তবুও তারা কতটা পাবে তা টোকেনই নির্ধারণ করে, কারণ ভারী কাজগুলো দ্রুত ক্রেডিট শেষ করে ফেলে বা ব্যবহারের সীমায় পৌঁছে যায়। যে দলগুলো কোনো AI মডেলের ওপর নিজস্ব টুল তৈরি করে, তারা সাধারণত ব্যবহারভিত্তিক মূল্য নির্ধারণের আওতায় প্রতি টোকেন হিসেবে অর্থ প্রদান করে।

টোকেন ব্যয় কীভাবে ট্র্যাক করবেন

সাবস্ক্রিপশন প্ল্যানে টোকেন ব্যয় ট্র্যাক করা

সাবস্ক্রিপশন টুলগুলো সাধারণত টোকেনের সংখ্যা দেখায় না। এর পরিবর্তে, অনেক প্ল্যান ক্রেডিট ব্যবহার করে—প্রিপেইড একক, যা কাজ সম্পন্ন হওয়ার সাথে সাথে প্ল্যান থেকে কাটা হয়। ক্রেডিট আর টোকেন এক নয়, কারণ একটি ক্রেডিট দিয়ে টেক্সট, ছবি বা অন্যান্য কাজ হতে পারে। তবে যে কাজে বেশি টোকেন লাগে, সাধারণত তাতে বেশি ক্রেডিটও লাগে, তাই সাবস্ক্রিপশনে টোকেন ব্যয় বোঝার সবচেয়ে ভালো নির্দেশক হলো ক্রেডিট। ব্যবহারকারীরা নিজেদের ক্রেডিট ব্যবহার ট্র্যাক করতে পারেন, এবং কিছু প্ল্যানে একটি অ্যাডমিন ড্যাশবোর্ডও থাকে, যা পুরো দলের ক্রেডিট ব্যবহার দেখায়।

উদাহরণস্বরূপ, Perplexity-তে সাধারণ সার্চে কোনো ক্রেডিট লাগে না। কেবল Perplexity Computer, অর্থাৎ বহু-ধাপের কাজ সামলানো সহকারী, ক্রেডিট ব্যবহার করে। যারা Computer ব্যবহার করেন, তারা দেখতে পারেন তারা কত ক্রেডিট ব্যবহার করেছেন এবং কীসে ব্যবহার করেছেন। প্রতিটি Computer কাজের কথোপকথনের “ব্যবহার” মেনুতে সেই কাজের মোট ক্রেডিটও দেখানো হয়।

বড় করুন

Enterprise প্ল্যানে অ্যাডমিনিস্ট্রেটররা Insights ড্যাশবোর্ডে দেখতে পারেন কতজন Perplexity ব্যবহার করেন এবং তারা প্রতি সপ্তাহে কতগুলো কোয়েরি চালান (৫০ বা তার বেশি আসনযুক্ত প্রতিষ্ঠান, অথবা অন্তত একজন Enterprise Max সদস্য আছে এমন প্রতিষ্ঠানের জন্য উপলব্ধ)।

বড় করুন

API ব্যবহারের রিপোর্টে টোকেন ব্যয় ট্র্যাক করা

API প্রোভাইডারের ব্যবহারের রিপোর্টে সরাসরি টোকেনের সংখ্যা দেখানো হয়, সাধারণত টোকেনের ধরন অনুযায়ী ভাগ করে। উদাহরণস্বরূপ, Perplexity-এর API Platform কনসোলে ব্যবহারকারীরা বিলিং পেজে ইনপুট, আউটপুট এবং রিজনিং টোকেন ব্যয়ের মতো মেট্রিক ট্র্যাক করতে পারেন।

টোকেন ব্যয় কেন বাড়ছে

এজেন্ট প্রতিটি কাজে অনেকগুলো ধাপ চালায়, এবং প্রতিটি ধাপ মডেলের কাছে একটি আলাদা অনুরোধ। একটি কাজেই মোট কয়েক লক্ষ, এমনকি কয়েক মিলিয়ন টোকেন খরচ হতে পারে।

রিজনিং মডেলের ব্যবহারও বাড়ছে। একটি রিজনিং মডেল উত্তর দেওয়ার আগে তার চিন্তাপ্রক্রিয়া লিখে ফেলে, এবং তার প্রতিটি শব্দই টোকেন হিসেবে গণনা হয়। তাই স্ক্রিনে উত্তরের দৈর্ঘ্য একই দেখালেও, একই অনুরোধে সাধারণ মডেলের তুলনায় রিজনিং মডেলে সাধারণত বেশি টোকেন খরচ হয়।

সবশেষে, সামগ্রিকভাবে যত বেশি মানুষ ও ওয়ার্কফ্লো AI ব্যবহার করে, টোকেন ব্যবহারও তত বাড়ে। এই বৃদ্ধির কিছুটা আসে টোকেনম্যাক্সিং থেকেও, যেখানে ইঞ্জিনিয়াররা মূলত নিজেদের ব্যক্তিগত টোকেন সংখ্যা বাড়াতে এবং অভ্যন্তরীণ টোকেন লিডারবোর্ডে ওপরের দিকে থাকতে এজেন্ট চালান।

টোকেন ব্যয় কীভাবে কমাবেন

বেশিরভাগ উচ্চ টোকেন ব্যয়ের উৎস হলো কয়েক ধরনের কাজ, যেগুলোতে দেখে যতটা মনে হয় তার চেয়ে বেশি টোকেন খরচ হয়।

দীর্ঘ কথোপকথন ও এজেন্টের কাজ

প্রতিবার উত্তর দেওয়ার সময় মডেল সাধারণত এখন পর্যন্ত হওয়া পুরো কথোপকথনটি আবার পড়ে। প্রতিটি নতুন অনুরোধে আগের সব কথোপকথনের ইতিহাস এবং ব্যবহারকারীর বর্তমান বার্তা অন্তর্ভুক্ত থাকে। তাই একটি দীর্ঘ থ্রেডের শেষের দিকে করা ছোট একটি প্রশ্নে নতুন থ্রেডে একই প্রশ্নের চেয়ে বেশি টোকেন খরচ হয়। এজেন্টের কাজও একইভাবে চলে, কারণ প্রতিটি ধাপ তার ফলাফল ইতিহাসে যোগ করে, যা পরের ধাপ আবার পড়ে।

বড় করুন

এ বিষয়ে কী করবেন

• বিষয় বদলালে নতুন কথোপকথন শুরু করুন। পুরোনো থ্রেড থেকে মডেলের এখনও যা জানা দরকার, তার দুই বা তিন লাইনের একটি সারাংশ দিয়ে নতুন কথোপকথনটি শুরু করুন।
• দীর্ঘ এজেন্ট কাজগুলোকে ছোট ছোট কাজে ভাগ করুন। প্রতিটি অংশ আলাদা কাজ হিসেবে চালান, এবং পরের অংশের যে ফলাফলগুলো দরকার, কেবল সেগুলোই পাঠান।
• দলের এজেন্ট টুলগুলো কনটেক্সট কমপ্যাকশন ব্যবহার করে কি না, তা যাচাই করুন। কমপ্যাকশন একটি কাজের পুরোনো অংশগুলো স্বয়ংক্রিয়ভাবে সংক্ষিপ্ত করে, ফলে মডেলকে কম অংশ আবার পড়তে হয়। কোনো টুলে এটি সেটিং হিসেবে থাকলে চালু করে দিন।

একই ডকুমেন্ট বারবার প্রক্রিয়া করা

কেউ যখন একই দীর্ঘ ফাইল, যেমন একটি নীতিমালার হ্যান্ডবুক বা পণ্যের ক্যাটালগ, অনেকগুলো আলাদা কোয়েরিতে সংযুক্ত করেন, তখন মডেল প্রতিবার পুরো ফাইলটি পড়ে। প্রতিবার পড়াই ইনপুট টোকেন হিসেবে গণনা হয়।

এ বিষয়ে কী করবেন

• ব্যবহারকারীদের শেখান যেন তারা পুরো ফাইল সংযুক্ত না করে হ্যান্ডবুক বা ক্যাটালগের প্রাসঙ্গিক অংশটি কপি করে অনুরোধে দেন।
• দল প্রায়ই যেসব ডকুমেন্ট ব্যবহার করে, সেগুলোর একটি সংক্ষিপ্ত সংস্করণ তৈরি করুন। দৈনন্দিন কোয়েরিতে একটি দীর্ঘ নীতিমালার পুরো ডকুমেন্টের বদলে এক পৃষ্ঠার একটি সারাংশ ব্যবহার করা যেতে পারে।

পুনরায় চেষ্টা ও লুপ

কোনো উত্তর যখন কারও প্রয়োজন মেটায় না এবং তিনি কাজটি আবার চালান, তখন প্রতিটি প্রচেষ্টাতেই টোকেন খরচ হয়। কোনো এজেন্ট একই ধাপ বারবার করতে করতে আটকে গেলেও একই ঘটনা ঘটে।

এ বিষয়ে কী করবেন

• প্রথম অনুরোধেই কাজ, কাঙ্ক্ষিত ফলাফল এবং উৎসগুলো স্পষ্ট করে বলুন। যেমন: “শুধু সংযুক্ত জরিপের ফলাফল ব্যবহার করে, তৃতীয় প্রান্তিকে (Q3) গ্রাহকদের বাতিল করার প্রধান কারণগুলো পাঁচটি বুলেট পয়েন্টে সংক্ষেপে লিখুন।”
• এজেন্টের কাজের প্রথম কয়েকটি ধাপ যাচাই করুন। এজেন্ট যদি একই ধাপ বা সার্চ বারবার করে, তাহলে সেটি থামান এবং আরও নির্দিষ্ট অনুরোধ দিয়ে আবার শুরু করুন।

সহজ কাজে বড় মডেল

বেশি সক্ষম মডেলের প্রতি টোকেনের খরচ সাধারণত বেশি হয়, তাই সারাংশ তৈরি বা ফরম্যাট বদলানোর মতো দৈনন্দিন কাজ প্রয়োজনের চেয়ে দ্রুত দলের বাজেট শেষ করে ফেলতে পারে।

এ বিষয়ে কী করবেন

• মডেল রাউটিং ব্যবহার করুন, যা প্রতিটি কাজকে এমন একটি মডেলের সাথে মিলিয়ে দেয় যেটি কাজটি সামলাতে পারে। ছোট পুনর্লিখন বা সারাংশের কাজ একটি ছোট, সস্তা মডেলে পাঠানো যায়, আর সবচেয়ে সক্ষম মডেলটি বহু-ধাপের রিজনিং বা বিশ্লেষণের জন্য রাখা যায়। Perplexity-এর API তার প্রিসেটগুলোর মাধ্যমে এই পদ্ধতি অনুসরণ করে, যা দ্রুত তথ্য খোঁজার জন্য একটি ছোট মডেল এবং বিস্তৃত বিশ্লেষণের জন্য একটি বড় মডেল নির্ধারণ করে।

নতুন ওয়ার্কফ্লোর পরে হঠাৎ বৃদ্ধি

নতুন একটি স্বয়ংক্রিয় ওয়ার্কফ্লো, বা পুরো দলের জন্য চালু করা একটি টুল, রাতারাতি ব্যবহার বাড়িয়ে দিতে পারে। হঠাৎ বৃদ্ধি নিজে কোনো সমস্যা নয়, তবে কোন কাজের কারণে এটি হয়েছে তা জেনে রাখা ভালো।

এ বিষয়ে কী করবেন

• নতুন ওয়ার্কফ্লো প্রথমে একটি ছোট দলের সাথে পরীক্ষা করুন। পুরো দলের জন্য ওয়ার্কফ্লোটি চালু করার আগে এক বা দুই সপ্তাহ তাদের ব্যবহার পর্যবেক্ষণ করুন।
• প্রতিটি দলের জন্য একটি মাসিক বাজেট নির্ধারণ করুন। এটি একটি সাধারণ মাসের ব্যবহারের ভিত্তিতে ঠিক করুন, যাতে হঠাৎ কোনো বৃদ্ধি সহজেই চোখে পড়ে।
• অটো-রিফিল বন্ধ করুন। অটো-রিফিল বন্ধ থাকলে স্বয়ংক্রিয়ভাবে আরও ক্রেডিট কেনার বদলে ক্রেডিট শেষ হলেই কাজ থেমে যায়।

Perplexity-তে টোকেন ব্যয় কীভাবে অপটিমাইজ করবেন

দৈনন্দিন ব্যবহারের জন্য

Computer ক্রেডিট ব্যবহার করে, তবে এটি কেবল তখনই চলে যখন আপনি এটি বেছে নেন—Computer আইকন নির্বাচন করে, Computer ডিফল্ট হিসেবে সেট থাকা কোনো প্রজেক্টে কাজ করে, অথবা Comet Work মোড ব্যবহার করে।

বড় করুন

সাধারণ সার্চে ফিরে যেতে Perplexity আইকন নির্বাচন করে Ask মোডে ফিরে যান। ক্রেডিট ব্যবহার দেখতে ব্যবহারকারীরা Perplexity ইন্টারফেসের মধ্যেই ট্র্যাকারটি খুলতে পারেন।

বড় করুন

যে দলগুলো Perplexity-এর শেয়ার করা ওয়ার্কস্পেস প্রজেক্টে কাজ করে, তারা প্রতিটি প্রজেক্টের ডিফল্ট মোড সার্চ বা Computer হিসেবে সেট করতে পারে। মূলত দ্রুত গবেষণার জন্য ব্যবহৃত কোনো প্রজেক্টের ডিফল্ট মোড সার্চ রাখা যায়, যাতে কেউ ভুল করে Computer কাজ শুরু না করেন।

Enterprise অ্যাডমিনিস্ট্রেটরদের জন্য

• প্রতিটি আসনে কী অন্তর্ভুক্ত, তা জানুন। Enterprise Pro ব্যবহারকারীরা প্রতি মাসে ৫০০ ক্রেডিট বরাদ্দ পান, আর Enterprise Max ব্যবহারকারীরা পান ১৫,০০০ ক্রেডিট। প্রতিটি মাসিক চক্রের শেষে এগুলোর মেয়াদ শেষ হয়ে যায় এবং পরের মাসে যোগ হয় না।
• প্রথমে একটি ডিফল্ট ব্যবহারের সীমা নির্ধারণ করুন। কোনো সদস্যের নিজস্ব বরাদ্দ শেষ হয়ে গেলে শেয়ার করা পুল থেকে তিনি সর্বোচ্চ কত অতিরিক্ত ক্রেডিট নিতে পারবেন, তা ব্যবহারের সীমা নির্ধারণ করে।
• বিভিন্ন ধরনের ব্যবহারকারীর জন্য নাম দেওয়া সীমা তৈরি করুন। অ্যাডমিনরা “স্ট্যান্ডার্ড”, “পাওয়ার ইউজার” এবং “কন্ট্রাক্টর”-এর মতো সীমা তৈরি করে সেগুলো ব্যবহারকারী গ্রুপ বা নির্দিষ্ট সদস্যদের জন্য নির্ধারণ করতে পারেন। গ্রুপগুলো Perplexity-তে তৈরি করা যায় অথবা কোম্পানির আইডেন্টিটি প্রোভাইডার থেকে সিঙ্ক করা যায়। কেউ একাধিক গ্রুপের সদস্য হলে সর্বোচ্চ সীমাটি প্রযোজ্য হয়।
• ব্যতিক্রমের জন্য ব্যক্তিগত ওভাররাইড ব্যবহার করুন। কারও যখন তার গ্রুপের চেয়ে ভিন্ন সীমা দরকার হয়, তখন ব্যক্তিগত ওভাররাইড যেকোনো গ্রুপ বা শেয়ার করা সীমার চেয়ে অগ্রাধিকার পায়। পুরো দলের সীমা না বাড়িয়েই ব্যাপক গবেষণাসহ একটি স্বল্পমেয়াদি প্রজেক্টের জন্য এটি কাজে লাগে।
• অটো-রিফিলের একটি ঊর্ধ্বসীমা দিন। অটো-রিফিল স্বয়ংক্রিয়ভাবে শেয়ার করা পুল পূরণ করে। এতে একটি কনফিগারযোগ্য মাসিক রিলোড সীমা থাকে, ফলে নির্ধারিত সর্বোচ্চ সীমা ছাড়িয়ে খরচ বাড়তে পারে না।
• সদস্যরা কীভাবে আরও ক্রেডিট চাইবেন, তা ঠিক করুন। “সদস্যদের আরও ক্রেডিট অনুরোধ করার অনুমতি দিন” সেটিংটি থাকলে যারা সীমায় পৌঁছে গেছেন, তারা সরাসরি আটকে না গিয়ে অ্যাডমিনের কাছে আরও ক্রেডিট চাইতে পারেন।
• প্রতি মাসে ব্যবহার পর্যালোচনা করুন। প্রতিষ্ঠানের ক্রেডিট পেজে প্রতিটি সদস্যকে দেওয়া, ব্যবহৃত ও অবশিষ্ট ক্রেডিট, সেইসাথে গ্রুপের সীমা এবং পুলের ব্যালেন্স দেখানো হয়। ৫০ বা তার বেশি আসনযুক্ত প্রতিষ্ঠান, অথবা অন্তত একজন Enterprise Max সদস্য আছে এমন প্রতিষ্ঠানের জন্য Insights ড্যাশবোর্ডে সময়ের সাথে মাসিক সক্রিয় ব্যবহারকারী এবং সাপ্তাহিক কোয়েরিও দেখা যায়। আরও বিস্তারিত তথ্যের জন্য অডিট লগে কাজ সম্পাদন, কানেক্টর ব্যবহার, ক্রেডিট খরচ এবং ক্রেডিট প্রদানের রেকর্ড থাকে।

API-এর ওপর টুল তৈরি করা দলগুলোর জন্য

• প্রতিটি টুল বা দলকে আলাদা API কী দিন। Perplexity প্রতিটি কী-এর বিলিং আলাদাভাবে দেখাতে পারে, আর আলাদা কী থাকলে স্পষ্ট বোঝা যায় কোন টুলের কারণে ব্যবহার বাড়ছে।
• কোন ধরনের টোকেন বাড়ছে, তা বিলিং পেজে দেখুন। সেখানে সময়ের সাথে ইনপুট, আউটপুট ও রিজনিং টোকেন দেখানো হয়। ইনপুট টোকেন বাড়তে থাকলে সাধারণত বোঝায় যে কোনো টুল প্রয়োজনের চেয়ে বেশি টেক্সট পাঠাচ্ছে। রিজনিং টোকেন বাড়তে থাকলে বোঝায় যে কাজগুলো এমন মডেলে চলছে, যেগুলো সমস্যা নিয়ে বিস্তারিতভাবে চিন্তা করে।
• কোনো টুলের যখন শুধু সার্চের ফলাফল দরকার, তখন Search API ব্যবহার করুন। এটি কোনো মডেলকে দিয়ে উত্তর না লিখিয়েই ওয়েবের ফলাফল দেয়, এবং টোকেনভিত্তিক কোনো অতিরিক্ত চার্জ ছাড়াই প্রতি অনুরোধ হিসেবে চার্জ নেয়।
• একটি প্রিসেট দিয়ে এজেন্ট টুল শুরু করুন। Perplexity-এর প্রিসেটগুলো কাজের আকারের সাথে মডেলের আকার মিলিয়ে দেয় এবং সহজ অনুরোধগুলোকে সবচেয়ে ব্যয়বহুল মডেল থেকে দূরে রাখে।

লোকাল-ফার্স্ট কাজ

কিছু কাজের জন্য পেইড ক্লাউড মডেলের কোনো প্রয়োজনই নেই। Portable Computer হলো Perplexity-এর এজেন্টের একটি সংস্করণ, যা ব্যবহারকারীর নিজের কম্পিউটারে, সেই মেশিনেই সংরক্ষিত একটি AI মডেল ব্যবহার করে চলে। মডেলটি লোকালি চলে বলে দৈনন্দিন কাজে পেইড টোকেন খরচ হয় না। কোনো কাজে প্রয়োজন হলেই কেবল এটি ওয়েব, সংযুক্ত অ্যাপ বা আরও শক্তিশালী কোনো ক্লাউড মডেলের সাহায্য নেয়, এবং তার আগে ব্যবহারকারীর অনুমতি চায়।

ওয়েব, ফাইল এবং সংযুক্ত টুল জুড়ে Perplexity Computer কীভাবে বহু-ধাপের কাজ সামলায়, তা জেনে নিন।

সাধারণ জিজ্ঞাসা

টোকেন ব্যয় ও AI খরচের মধ্যে পার্থক্য কী?

টোকেন ব্যয় পরিমাপ করে একটি দল কতটা AI কাজ করে, যা টোকেনে গণনা করা হয়। AI খরচ বলতে AI ব্যবহারের জন্য একটি দল যা কিছু অর্থ প্রদান করে তার সবকিছু বোঝায়, যার মধ্যে সাবস্ক্রিপশন, অতিরিক্ত ক্রেডিট ও সেটআপ অন্তর্ভুক্ত। সেই বিলের ব্যবহারভিত্তিক অংশটি নির্ধারিত হয় টোকেন ব্যয়ের মাধ্যমে।

সাবস্ক্রিপশন ব্যবহারকারীরা কি প্রতি টোকেন হিসেবে অর্থ প্রদান করেন?

সাধারণত সরাসরি নয়। সাবস্ক্রিপশন টুলগুলো বার্তা, কোয়েরি বা ক্রেডিটের হিসেবে ব্যবহার ট্র্যাক করে, এবং যে কাজে বেশি টোকেন লাগে, সেগুলো এসব দ্রুত শেষ করে ফেলে। Perplexity-তে সাধারণ সার্চে কোনো ক্রেডিটই লাগে না; কেবল Computer কাজেই লাগে।

AI এজেন্ট কেন এত বেশি টোকেন ব্যবহার করে?

একটি এজেন্ট অনেকগুলো ধাপে একটি কাজ সম্পন্ন করে, এবং প্রতিটি ধাপ একটি আলাদা অনুরোধ, যা এখন পর্যন্ত করা কাজ আবার পড়ে। তাই একটি দীর্ঘ কাজ প্রতিটি নতুন ধাপে আরও বেশি টোকেন ব্যবহার করে।

টোকেন ব্যবহার হঠাৎ কেন বেড়ে যায়?

বেশিরভাগ হঠাৎ বৃদ্ধি ঘটে দলের কাজের ধরনে কোনো পরিবর্তনের পরে, যেমন নতুন একটি স্বয়ংক্রিয় ওয়ার্কফ্লো, আরও বেশি মানুষের জন্য চালু করা একটি টুল, বা একটি দীর্ঘ এজেন্ট কাজ। হঠাৎ বৃদ্ধির তারিখের সাথে সাম্প্রতিক লঞ্চগুলোর তুলনা করলে সাধারণত কারণটি বোঝা যায়। নতুন ওয়ার্কফ্লো প্রথমে একটি ছোট দলের সাথে পরীক্ষা করলে হঠাৎ বৃদ্ধি প্রতিরোধ করা যায়।