هدف تقسیم شده
هدف تقسیم شده
هدف گذاری بخش بندی شده یک رویکرد سیستماتیک برای انتخاب این است که چه کسی، چه چیزی، چه زمانی و از طریق کدام کانال بر اساس داده های مربوط به رفتار، ارزش و ریسک ها نشان داده شود. هدف: به حداکثر رساندن اثر افزایشی (درآمد/نگهداری) در حالی که به حداقل رساندن آسیب و هزینه.
1) اهداف و سطوح تقسیم بندی
اهداف: فعال سازی، کسب درآمد، حفظ، فعال سازی مجدد، فروش متقابل، مداخلات RG/انطباق.
سطوح:- جمعیت شناسی/جغرافیایی/دستگاه (پایه).
- رفتار/RFM (زمان، فرکانس، پولی).
- ارزش (LTV/حاشیه).
- تمایل (سپرده، خرید، ریزش).
- بالا بردن/حساسیت (احتمال افزایش از تماس).
- دانه بندی: نام تجاری کشور پلت فرم کانال محتوا - هماهنگ با حجم ترافیک و بودجه.
2) داده ها و ویژگی ها
رویدادها: بازدید، کلیک، ثبت نام، بازی/شرط، سپرده/خرید، پاسخ کمپین.
زمینه: تقویم (تعطیلات/مسابقات/حقوق)، کانال جاذبه، نسخه برنامه، قیمت/محدودیت.
هویت: کاربر/دستگاه/IDFA/تلفن/ایمیل ؛ پل های هویت
ویژگی ها: پنجره های RFM (7/30/90)، انواع محتوا، ساعت/روز هفته، ARPPU/فرکانس، پاسخ به کرک/ایمیل.
کیفیت: idempotency رویدادها، dedup/antiboot، TZ = ذخیره سازی UTC + نمایش های محلی.
3) روش های تقسیم بندی
3. 1 قوانین (مبتنی بر قانون)
مزایا: توضیح، سرعت، خرابی.
معایب: شکنندگی، optima محلی.
مثال: «مبتدیان، بدون بازدید دوم 48 ساعت، iOS تلفن همراه».
3. 2 کوهورت رفتاری (RFM/الگوهای)
تازگی × فراوانی × کلاس های درآمد
اضافه کردن خوشه های رفتاری: دسته های مورد علاقه/اسلات زمان.
3. 3 خوشه بندی/جاسازی
k-means/DBSCAN/Gaussian بر روی معیارهای رفتاری نرمال شده مخلوط می شود.
فاکتورگیری ماتریسی → خوشه های بهره
3. 4 گرایش/نمره بر اساس
مدل های احتمال رویداد: سپرده، بازدید پیگیری، apse ؛ آستانه - از هزینه اشتباهات.
3. 5 افزایش/حساسیت
مدل های افزایش تماس (T-learner، Uplift trees/GBM).
Зоны: متقاعد کننده/چیزهای مطمئن/مزاحم نشوید/علل از دست رفته.
هدف قرار دادن افزایش می دهد بزرگترین افزایش برای بودجه همان.
4) طراحی سیاست های هدفمند
جدول تصمیم گیری
هیسترزیس: آستانه ورودی/خروجی برای جلوگیری از «چشمک زدن» متفاوت است.
سهمیه/نرخ محدود: در هر کاربر/کانال/بخش ؛ سیاست های درگیری - اولویت «امنیت → اقتصاد UX».
5) آزمایش و ارزیابی علی
تست های A/B/چند کاربره: برای بخش ها/سیاست ها/خلاقیت ها ؛ طرح MDE، مدت زمان، طبقه بندی.
شبه آزمایش: کنترل DiD/مصنوعی در طول اجرای منطقه ای.
نمره: درآمد افزایشی/نگهداری، uplift @ k، Qini/AUUC، ROMI، guardrails (شکایات، RG).
بودجه بندی: تخصیص بودجه به بخش ها با بازده حاشیه مورد انتظار.
6) کانال ها و ارکستر
کانال ها: در برنامه، فشار، ایمیل، اس ام اس، تماس، ماژول های در محل، ویترین های شخصی.
ارکستر: تحویل تضمین شده، retrai/backoff، idemotency 'action _ id'، DLQ، اولویت ها، پنجره ساعت آرام.
محتوا/خلاقیت: کتابخانه قالب، A/B برای خلاقیت، محافظ دهان فرکانس.
7) معیارها و نظارت
فرآیندها: بخش پوشش، تاخیر (تصمیم → عمل)، تحویل، فرکانس تماس.
اثر: افزایش درآمد/نگهداری، ROMI، uplift @ k، Qini/AUUC، NNT (تعداد مخاطبین در هر نتیجه 1).
خطرات: شکایات/لغو اشتراک/پرچم های اسپم، شاخص های RG، عدالت (تفاوت در اثرات/اشتباهات توسط گروه).
رانش: PSI/KL با تقسیم بندی ویژگی های کلیدی، سهم کاربران «جدید» در خارج از خوشه های شناخته شده.
8) ارتباط با ارزش و ریسک
وزن LTV: اولویت بندی بخش ها با ارزش مورد انتظار به جای تبدیل لخت.
قانون EV:[
EV = p_{\text{uspekh عمل }\cdot\text {ارزش} -\text {هزینه} - p_{\text{vred}}\cdot\text{Harm}
]
تماس بگیرید اگر EV ≥ 0 و گاردریل طبیعی است.
مسئولیت: RG/انطباق اولویت دارد ؛ توضیح در مورد این تصمیم اجباری است.
9) گذرنامه بخش ها و کمپین ها (قالب ها)
گذرنامه بخش
کد: 'SEG _ RFM _ R0-7 _ F1-2 _ M0 _ Q3'
تعریف و دستور العمل (ویندوز 7/30/90، فیلترهای ضد ربات/تقلب)
اندازه/به روز رسانی/طراوت ؛ تقاطع با بخش های دیگر
خطرات و محرومیت (RG/انطباق)، مالک، نسخه
گذرنامه کمپین
بخش/کانال/خلاقیت/کلاه فرکانس
طراحی ارزیابی (A/B یا شبه آزمایش)، مدت زمان، MDE
گاردریل: zhaloby≤Kh، RG - flagi≤U، latency≤Z
دانلود بازی Rollback Plan and Incident Runibook برای کامپیوتر
10) شبه SQL/دستور العمل
تقسیم بندی RFM (طرح)
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;
تمایل به سپرده (قطعه قطار، بدون نشت)
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) انصاف، حریم خصوصی و اخلاق
کمینه سازی PII: نشانه گذاری شناسه ها، RLS/CLS، ماسک کردن.
عدالت: بررسی تفاوت در اثرات/خطا در گروه های حساس ؛ حذف مشخصات نامعتبر.
شفافیت: دلایل هدف قرار دادن (ویژگی های بالا/قوانین) - در دسترس برای پشتیبانی ؛ مسیر درخواست تجدید نظر
کلاه فرکانس و «ساعت آرام» - در برابر خستگی و آسیب به کاربر.
12) ضد الگوهای
بخش «برای زیبایی» بدون افزایش قابل اندازه گیری.
نمره با همبستگی به جای افزایش (بدون A/B/DiD).
بسیاری از بخش های همپوشانی → اقدامات متضاد و هرزنامه.
راه حل های آستانه بدون هیسترزیس → «چشمک زدن» مخاطبین.
عدم وجود گارد محافظ (RG/شکایات/فرکانس) و توضیح پذیری.
بدون یک ارکستر آنلاین - مخاطبین دیر شده اند، اثر از دست رفته است.
13) تقسیم هدف قرار دادن چک لیست راه اندازی
- اهداف، KPI ها و بودجه تعریف شده است ؛ دانه بندی مداوم
- طرح داده های PIT و دستور العمل های ویژگی ؛ فیلترهای ضد ربات/تقلب روشن هستند
- بخش ها توسط گذرنامه توصیف می شوند ؛ ماتریس تعارض و اولویت های تعیین شده
- روش انتخاب شده (قوانین/خوشه بندی/تمایل/بالا بردن) و طراحی ارزیابی
- جداول تصمیم گیری، هیسترزیس، محافظ دهان و نرخ محدود پیکربندی شده است
- ارکستر و کانال های با idempotency و DLQ ؛ «ساعات سکوت»
- نظارت: اثر (بالا بردن/ROMI)، خطرات (شکایات/RG)، ویژگی رانش
- مستندات: نسخه های بخش/سیاست، صاحبان، runbooks
مجموع
هدف قرار دادن تقسیم شده مجموعه ای از «کلید های میانبر» در CRM نیست، بلکه یک سیستم مدیریت شده است: داده ها و ویژگی های با کیفیت → بخش های معنی دار (ارزش/رفتار/حساسیت) → سیاست ها با هیسترزیس و guardrails → ارزیابی علی از افزایش → ارکستراتور پایدار و نظارت. چنین سیستمی باعث افزایش ROMI و LTV، کاهش شکایات و خطرات می شود و هر لمس را مناسب، به موقع و اخلاقی می کند.