Segnali comportamentali

I segnali comportamentali sono la «telemetria» dell'interazione utente con il prodotto: eventi, contesti e righe temporali da cui estraiamo l'intenzione, l'interesse, la qualità del traffico, il rischio e il valore. Tracciato affidabile per la gestione dei segnali: strumenti, raccolta, pulizia, normalizzazione, indicazione e utilizzo delle soluzioni di monitoraggio ed etica.

1) Cosa considerare segnali comportamentali

Sessioni: avvio/stop, durata, numero di schermi, profondità, ripetizioni al giorno, sessioni «silenziose».
Click/tach/scroll: densità dei click, velocità di scorrimento, profondità, arresto (scroll-stop).
Dwell-time: tempo sullo schermo/elemento, tempo attivo (idle filtro).
Navigazione/interconnessione schermate: sequenze, loop, rage.
Input/modulo: velocità di riempimento, correzione, navigazione, rapte rate.
Micro-interazioni: hover, discovery, interruttori, ordinamenti/filtri.
Contenuto/ricerca: richieste, CTR, CTCVR, salvataggio, «ritardare».
Tecnica: device/browser, FPS/stato batteria, errori, latency, rete (IP/ASN), offline/online.
Tempo/contesto: ora/giorno/calendario locale, geo-pattern (senza geolocalizzazione esatta, se necessario).
Feedback negativo: nascondi, denuncia, dimissione, rifiuto cookie/personalizzazione.

2) Strumenti e schemi di eventi

Schema canonico (minimo):


event_id, user_id, session_id, ts_utc, type, screen/page, element, value, duration_ms,
device_id, platform, app_version, locale, referrer, ip_hash, asn, experiment_id, schema_version

Principi: idampotenza (deadup per '(source _ id, checksum)'), tempo UTC, versione di schemi, chiavi di identità stabili, minimizzazione di PII (hashtag/token).

3) Pulizia e antibotto

Flag Headless/automation: firme WebDriver/puppeteer, gesti personalizzati mancanti.
Velocità anomala: click/scroll superumani, intervalli «perfetti».
Rete: centri data-hosting, proxy/VPN ASN noti.
Ripetitività del pattern: traiettorie e sequenze simili.
QA/interno elenca i test account/dispositivi.
Frod: device/conte IP (un device per molti account, geo-velocity).

4) Normalizzazione e Point-in-Time (PIT)

Finestre temporali: 5 minuti/1 ora/24 ore/7 giorni; Espone. antialiasing.
Stagione: day-of-week, hour-of-day, bandiere natalizie.
Tagli PIT: tutti i segni vengono costruiti prima del tempo di valutazione Niente informazioni dal futuro.
Parità online/offline: le stesse ricette nella feature store.

5) Qualità e validità dei segnali

Coverage: percentuale di sessioni/schermate con eventi completi.
Freshness, ricezione.
Consistency: percentuale di eventi per utente/sessione nei corridoi (controllo delle emissioni).
Attenzione: tempo attivo/idl-filtro, scroll depth, arresto.
Intento: transizioni a azione profonda (filtr→detal→tselevoye).
Autenticità: antibot score, fiducia nel device/IP.

6) Indicazione (feature engineering)

R/F: recency dell'ultima interazione, frequenza per le finestre 7/30/90.
Dwell/scroll: mediani/quantili, quota di schermate con dwell X, profondità p%.
Sequenze: n-grammi, transizioni di marca, pattern «rimorso» (back-forth), run-length.
Stabilità del dispositivo: cambia device/browser, entropy user-agents.
Qualità click: click ratio agli elementi cliccabili, rage-clicks.
Ricerca/intento: lunghezza/precisazione delle richieste, dwell dopo ricerca, success rate.
Aggregazioni di identità: user _ id, device _ id, ip _ hash, asn.

Ibridi: embedding sessioni (Doc2Vec/Trasformer) clustering/classificazione

7) Segnale di → Azione: tabella delle soluzioni

Segnali	Contesto	Azione	Guardrails
`rage_clicks≥3` или `latency_p95↑`	onboording	mostra aiuto/forma leggera	zhaloby≤Kh
`scroll_depth<25%` & `dwell<3с`	contenuti	Ricostruisci blocchi/elenco compresso	SLA UI
`search_refine≥2` & `no_success`	ricerca	suggerimenti/sfaccettature, directory fallback	CTR non ↓
`bot_score≥τ`	chiunque	esperienza degradata/goccia/ban	FPR antibotto 0. 5%
«session_runlength↑» notti	RG	promemoria morbida/pausa	FPR≤1%

L'isteresi e i cooldown sono obbligatori per non «lampeggiare» con indizi.

8) Pseudo-SQL/ricette

A. Tempo attivo e profondità dello scroll

sql
WITH ev AS (
SELECT user_id, session_id, page, ts,
SUM(CASE WHEN event='user_active' THEN duration_ms ELSE 0 END) AS active_ms,
MAX(CASE WHEN event='scroll' THEN depth_pct ELSE 0 END)     AS max_depth
FROM raw_events
WHERE ts BETWEEN:from AND:to
GROUP BY 1,2,3,4
)
SELECT user_id, session_id,
AVG(active_ms) AS avg_dwell_ms,
PERCENTILE_CONT(0. 5) WITHIN GROUP (ORDER BY max_depth) AS scroll_median
FROM ev
GROUP BY 1,2;

B. Rage-clicks / back-forth

sql
WITH clicks AS (
SELECT user_id, session_id, ts,
LAG(ts) OVER (PARTITION BY user_id, session_id ORDER BY ts) AS prev_ts,
element
FROM ui_events WHERE event='click'
),
rage AS (
SELECT user_id, session_id,
COUNT() FILTER (WHERE EXTRACT(EPOCH FROM (ts - prev_ts)) <= 0. 3) AS rage_clicks
FROM clicks GROUP BY 1,2
),
backforth AS (
SELECT user_id, session_id,
SUM(CASE WHEN action IN ('back','forward') THEN 1 ELSE 0 END) AS nav_bf
FROM nav_events GROUP BY 1,2
)
SELECT r. user_id, r. session_id, r. rage_clicks, b. nav_bf
FROM rage r JOIN backforth b USING (user_id, session_id);

C. Antibottro (sketch)

sql
SELECT user_id, session_id,
(CASE WHEN headless OR webdriver THEN 1 ELSE 0 END)0. 4 +
(CASE WHEN asn_cat='hosting' THEN 1 ELSE 0 END)0. 2 +
(CASE WHEN click_interval_std < 50 THEN 1 ELSE 0 END)0. 2 +
(CASE WHEN scroll_speed_avg > 5000 THEN 1 ELSE 0 END)0. 2 AS bot_score
FROM telemetry_features;

D. Sequenze n-grammi

sql
-- Collect screen sequences and transition frequencies
SELECT screen_seq, COUNT() AS freq
FROM (
SELECT user_id, session_id,
STRING_AGG(screen, '→' ORDER BY ts) AS screen_seq
FROM nav_events
GROUP BY 1,2
) t
GROUP BY screen_seq
ORDER BY freq DESC
LIMIT 1000;

9) Segnali comportamentali in ML/analisi

Tendenze/personalizzazione: modelli CTR/CTCVR, sessione embeddings, next-best-action.
Deflusso/ritenzione: modelli hazard, segni di recency/frequenza/sequenza.
Antifrode: velocità delle forme, geo-moto, device/diagramma IP, modelli di fattoria.
Qualità del traffico: «visioni validi», engaged sessions, feedback negativo.
A/B e la causalità sono le metriche di attenzione come intermediari, ma le conclusioni sono sull'incremento (ROMI/LTV, ritenzione).

10) Visualizzazione

Sankey/step-bars - Percorsi e drop-off.
Heatmaps - Profondità scroll, mappe click (impersonale).
Cohort x age: come cambiano i segnali in base all'età della coorte.
Grafica bridge - Il contributo dei fattori (velocità, scroll, errori) alla modifica della conversione.

11) Privacy, etica, RG/compilazione

Riduzioni PII: hash ID, RLS/CLS, occultamento durante l'esportazione.
Consenso/trasparenza: impostazione tracking, rifiuto, rispetto; la logica è spiegabile.
RG: non utilizzare i segnali per incoraggiare comportamenti nocivi; promemoria/limiti morbidi.
Fairness: verifica le differenze tra errori/interventi per gruppo; escludere i segni non validi.
Conservazione: timeout TTL per eventi crudi, l'aggregazione è preferibile.

12) Osservabilità e deriva

Qualità dei dati: coverage, duplicati, lame, percentuale di campi vuoti.
Deriva di segnalazione: PSI/KL per dwell/scroll/frequenze; «nuovi» pattern.
Sala operatoria: latency raccolta, p95 calcolo segni, quota di folback.
Guardrails: aumento del bot-score, lamentele, dimissioni; «rubinetto» per interventi aggressivi.

13) Anti-pattern

Click crudi senza contesto/idl-filtro, falsi «attenzione».
Miscelazione di unità ( ), TZ, finestre non comparabili.
Leek dal futuro (nessun PIT) rivalutare i modelli.
Nultoerantizzazione al rumore, soglie rigide senza isteresi, «lampeggiante».
Ignora i filtri antibot/QA per le metriche esagerate.
Registrando PII in eccesso, senza motivo, rischi e multe.

14) Assegno foglio di avvio del circuito dei segnali comportamentali

Schema di eventi (versioni, UTC, Idempotity), minimizzazione PII
Filtri antibot/QA, elenchi ASN/dispositivi neri/bianchi
ricette PIT, finestre 5m/1h/24h/7d, parità online/offline
Metriche di qualità: coverage, freshness, engagement validatori
Segni R/F/dwell/scroll/sequenze/ricerca, sessione embeddings
Decise tabelle: azioni, isteresi, cooldown, guardrail
Dashboard e alert alla deriva (PSI/KL), reclami/ritiri, indicatori RG
Documentazione: dizionario datatario, passaporti segnale/metrico, proprietari e runibuki

Totale

I segnali comportamentali forniscono valore solo in un circuito disciplinato: strumenti corretti e PIT, pulizia e antibot, segni persistenti e politiche di azione chiare, privacy e RG, osservabilità e risposta alla deriva. Questo approccio traduce click e scroll in soluzioni che migliorano la conversione, la ritenzione e LTV, in modo sicuro, trasparente e riproduttivo.

Segnali comportamentali