分段定位
分段定位
分段定位是一种系统方法，用于根据行为，价值和风险数据选择谁，何时以及通过哪个渠道进行显示。目的：最大限度地提高增量效应（收入/保留）,最大限度地减少危害和成本。
1）分割目标和水平
目标：激活，货币化，保留，重新激活，交集，RG/合规干预。
级别：- 人口/地理/设备（基本）。
- 行为/RFM（回报，频率，金钱）。
- 价值（LTV/保证金）。
- 倾向（事件的前提：存款，购买，教堂）。
- Uplift/灵敏度（接触增加的可能性）。
- 粒度：品牌×国家×平台×频道×内容类别-与流量和预算保持一致。
2）数据和特征
活动：访问，点击，注册，游戏/投注，存款/购买，活动响应。
背景：日历（假期/比赛/薪水），吸引渠道，应用程序版本，价格/限额。
身份：用户/设备/IDFA/电话/电子邮件；身份的桥梁。
Fici：RFM窗口（7/30/90），内容多样性，每周小时/天，ARPPU/频率，对pushi/e-mail的响应。
质量：事件等效性，dedup/antibot，TZ=UTC存储+本地表示。
3）分割方法
3.1规则（基于规则）
优点：可解释性,快速性,失败安全性。
缺点：易碎，局部最佳。
示例："新手，没有第二次访问48小时，移动iOS"。
3.2队列行为（RFM/模式）
"新鲜×频率×收入"课程。
收藏行为集群：最喜欢的类别/超时插槽。
3.3 聚类/embeddings
k-means/DBSCAN/高斯通过规范化行为指标进行混合。
内容/用户embeddings（矩阵因子）→"兴趣"集群。
3.4个倾向（基于propensity/得分）
事件概率模型：存款，重访，上游；门槛是错误的代价。
3.5 Uplift/灵敏度
接触增益模型（T-learner，Uplift 树木/GBM）。
Зоны: Persuadables / Sure things / Do-not-disturb / Lost causes.
在相同的预算下，Uplift瞄准会产生最大的包容性。
4）定向策略设计
决策表（草图）
滞后：输入/输出阈值不同，以免出现"闪烁"。
配额/限额：每个用户/频道/段；冲突政策是"安全→经济→ UX"的优先事项。
5）实验和铜锣评估
A/B/多重测试：针对细分/政策/创意；规划MDE、持续时间、分层。
准实验：DiD/区域拔模合成控制。
估计：增量收入/保留，uplift@k，Qini/AUUC，ROMI，guardrails（投诉，RG）。
预算持平：按预期利润率细分预算。
6）频道和编排
渠道： 应用,推送,电子邮件,短信,呼叫,网站模块,个性化店面.
编排器：保证交付,retrai/backoff, "action_id", DLQ,优先级,"安静时钟"窗口。
内容/创意：模板库，creatives A/B，频率帽。
7）度量与监测
过程：段覆盖，后退（Decision→Action），可交付性，接触频率。
效果：收入/保留的嵌入式，ROMI，uplift@k，Qini/AUUC，NNT（每个结果有多少联系人）。
风险：投诉/退出/垃圾邮件，RG指标，公平性（按组划分的效果/错误差异）。
漂移：PSI/KL在关键分割离合器上，在已知集群之外的"新"用户份额。
8）与价值和风险的结合
LTV加权：根据预期价值而不是"裸露"转换优先考虑细分。
EV规则：[
EV=p_{\text{uspekh 行动}\cdot\text {Valu} -\text {Cost}-p_{\text{vred}}\cdot\text{Harm}
]如果EV ≥ 0和guardrails正常,请联系。
责任：RG/合规优先级；决定的可解释性是强制性的。
9）片段和活动护照（模板）
段护照
代码： "SEG_RFM_R0-7_F1-2_M0_Q3"
定义和fiche配方（窗口7/30/90, antibot/frod过滤器）
尺寸/更新/新鲜；与其他段相交
风险和例外（RG/合规）,所有者,版本
竞选护照
目标和KPI（增量收入/重建,ROMI）
片段/频道/创意/频率帽
评估设计（A/B或准实验）,持续时间,MDE
Guardrails： zhaloby≤Kh，RG-flagi≤U，latency≤Z
回滚计划和Runibuck事件
10）Pseudo-SQL/食谱
RFM分段（草图）
sql
WITH acts AS (
SELECT user_id,
MAX(ts) AS last_act,
COUNT() FILTER (WHERE ts > NOW()-INTERVAL '30 day') AS freq_30d,
SUM(amount) FILTER (WHERE ts > NOW()-INTERVAL '90 day') AS money_90d
FROM user_activity LEFT JOIN payments USING(user_id)
GROUP BY 1
),
rfm AS (
SELECT user_id,
DATE_PART('day', NOW() - last_act) AS recency_days,
freq_30d,
money_90d
FROM acts
)
SELECT,
CASE WHEN recency_days<=7 THEN 'R0-7'
WHEN recency_days<=30 THEN 'R8-30' ELSE 'R31+' END AS R_bucket,
CASE WHEN freq_30d>=10 THEN 'F10+'
WHEN freq_30d>=3 THEN 'F3-9' ELSE 'F0-2' END AS F_bucket,
CASE WHEN money_90d>=200 THEN 'M200+'
WHEN money_90d>=50 THEN 'M50-199' ELSE 'M0-49' END AS M_bucket
FROM rfm;存款倾向（火车滑动,无泄漏）
sql
-- label: deposit in next 7 days
WITH snap AS (SELECT DATE_TRUNC('day',:cut) AS cut),
feat AS (... your RFM/behavioral features with condition ts <= cut...),
label AS (
SELECT u. user_id,
CASE WHEN EXISTS (
SELECT 1 FROM payments p
WHERE p. user_id=u. user_id
AND p. ts > cut AND p. ts <= cut + INTERVAL '7 day'
) THEN 1 ELSE 0 END AS dep_next_7d
FROM users u CROSS JOIN snap
)
SELECT FROM feat JOIN label USING(user_id);11）公平、隐私和道德
PII最小化：标识符化，RLS/CLS，掩码。
公平：检查敏感组之间的效果/错误差异；排除无效的特征。
透明度：瞄准的原因（顶级功能/规则）-sapport可用；上诉之路。
频率帽和"安静时钟"-防止疲劳和伤害用户。
12）反模式
"为了美丽"的片段，没有可测量的嵌套。
按相关性而不是增量进行评估（无A/B/DiD）。
许多重叠的片段→冲突的活动和垃圾邮件。
无滞后阈值解决方案→触点"闪烁"。
缺少guardrails（RG/投诉/频率）和可解释性。
没有在线编排器-联系人迟到，效果丢失。
13）分段目标启动支票清单
- 确定目标、KPI和预算；粒度水平一致
- PIT数据图和fiche处方；包括antibot/frod过滤器
- 部分由护照描述；冲突矩阵和优先级由
- 选择方法（规则/聚类/propensity/uplift）和评估设计
- Decision tables、滞后、帽子和rate-limit自定义
- 具有等效性和DLQ的编曲器和频道；"安静的时钟"
- 监测：效应（uplift/ROMI）、风险（投诉/RG）、漂移
- 文档：分段/策略版本、所有者、runbooks
底线
分段定位不是CRM中的"快捷方式"集合，而是托管系统：定性数据和特征→有意义的细分（价值/行为/敏感性）→滞后政策和监护人→凝结评估→稳定的编排和监控。这样的系统通过减少投诉和风险来增强ROMI和LTV，并使每次接触都合适，及时和符合道德。