行動の手掛かり

行動の手がかり

行動の手掛かりは、ユーザーと製品とのやり取りの「テレメトリー」です。意図、関心、トラフィックの質、リスク、価値を推測するイベント、コンテキスト、時系列です。信号を使用した作業の信頼性の高い回路：計装→コレクション→クリーニング→正規化→記号形成→ソリューション→モニタリングと倫理での使用。

1）行動シグナルを考えるべきこと

セッション：開始/停止、期間、スクリーンの数、深さ、1日あたりの繰り返し、「静かな」セッション。
クリック/タッチ/スクロール：クリックの密度、スクロール速度、深さ、停止（スクロールストップ）。
Dwell-time：画面上の時間/要素、アクティブ時間（アイドルフィルター）。
スクリーンのナビゲーション/相互関係：シーケンス、ループ、レイジナビゲーション。
入力/フォーム：充填速度、修正、タブのナビゲーション、ペーストレート。
マイクロインタラクション：ホバー、明らかに、スイッチ、ソート/フィルタ。
コンテンツ/検索：クエリ、CTR、 CTCVR、保存「、後で延期」。
技術：デバイス/ブラウザ、FPS/バッテリーの状態、エラー、レイテンシ、ネットワーク（IP/ASN）、オフライン/オンライン。
時間/コンテキスト：時間/日/ローカルカレンダー、ジオパターン（必要な場合を除き、正確な位置情報はありません）。
否定的なフィードバック：非表示、苦情、購読解除、クッキー/パーソナライゼーションの拒否。

2）計装とイベント図

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

原則：idempotency （dedup by '（source_id、 checksum）'）、 UTC time、スキーマバージョン、安定したIDキー、PII最小化（ハッシュ/トークン）。

3）クリーニングおよび反ボット

ヘッドレス/オートメーションフラグ：WebDriver/puppeteer署名、カスタムジェスチャーがありません。
異常な速度：超人的なかちりと言う音/スクロール、「完全な」間隔。
ネットワーク：データホスティングセンター、既知のプロキシ/VPN ASN。
パターンの再現性：同じ軌道とシーケンス。
QA/内部：テストアカウント/デバイスのリスト。
詐欺：デバイス/IPグラフ（1つのデバイス→多くのアカウント、ジオベロシティ）。

4）正規化とポイントインタイム（PIT）

時間の窓：5分/1時間/24時間/7日；エクスポンだ。滑らかになること。
季節：曜日、曜日、休日の旗。
PITスライス：すべての機能は評価時間まで構築されます。未来からの情報はありません。
オンライン/オフラインのパリティ：フィーチャーストアで同じレシピ。

5）信号の質および有効性

カバレッジ：フルイベントでのセッション/スクリーンの共有。
新鮮さ：入場ラグ。
整合性：「回廊」（放射制御）でのユーザー/セッションごとのイベントの割合。
注意：アクティブ時間/idlフィルター、スクロールの深さ、停止。
意図：ディープアクションへの遷移（filtr→detal→tselevoye）。
信頼性：反ボット速度、装置/IPの信頼。

6）特徴工学

R/F：最後の相互作用のrecency、窓7/30/90上の頻度。
Dwell/scroll： medians/quantiles、 dwell ≥ Xのスクリーンの割合、深さ≥ p％。
配列：n-グラム、マルコフ遷移、「反省」のパターン（後ろ）、実行長さ。
デバイスの安定性：デバイス/ブラウザの変更、エントロピーユーザーエージェント。
クリック品質：クリック可能な要素へのクリックの比率、レイジークリック。
検索/意図：クエリの長さ/洗練、検索後のドウェル、成功率。
アイデンティティによる集計：user_id、 device_id、 ip_hash、 asn。
ハイブリッド：セッション埋め込み（Doc2Vec/Transformer）→クラスタリング/ランキング。

7）信号→アクション： 意思決定テーブル

ヒステリシスとクールダウンは、手がかりを「まばたき」しないように必須です。

8）疑似SQL/レシピ

A。アクティブなスクロール時間と深さ

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。アンチボットスピード（スケッチ）

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。 n-グラム配列

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） ML/Analyticsの行動の手掛かり

傾向/パーソナライゼーション：CTR/CTCVRモデル、セッション埋め込み、次のベストアクション。
アウトフロー/保持：ハザードモデル、recency/frequency/sequencesの兆候。
Antifraud：フォームの速度、地理ベロ、デバイス/IPグラフ、「農場」のテンプレート。
トラフィック品質：「有効なビュー」、エンゲージドセッション、負のフィードバック。
A/Bと因果性：メディエーターとしての注意メトリック、しかしインクリメントによる結論（ROMI/LTV、保持）。

10）ビジュアリゼーション

サンキー/ステップバー：パスとドロップオフ。
ヒートマップ：深さをスクロールし、カードをクリックします（非人格的）。
コホート×年齢：シグナルがコホートの年齢によってどのように変化するか。
ブリッジグラフ：変換の変化に要因（速度、スクロール、エラー）の寄与。

11）プライバシー、倫理、RG/コンプライアンス

PII最小化：識別子ハッシュ、RLS/CLS、エクスポート時のマスキング。
同意/透明性：トラッキング設定、拒否-尊重；ロジックは説明可能です。
RG：有害な行動を促すために信号を使用しないでください。ソフトリマインダー/制限。
公平性：グループによるエラー/介入の違いをチェックします。無効な特性を除外します。
貯蔵：「未加工」でき事のためのTTLのタイミング、好まれる集計。

12）観察可能性および漂流

データ品質：カバレッジ、重複、ラグ、空のフィールドの割合。
信号のドリフト：dwell/scroll/frequenciesによるPSI/KL；「新しい」パターン。
動作：レイテンシー収集、標識のP95計算、フォールバックの共有。
ガードレール：ボットスコアサージ、苦情、退会。攻撃的な介入の「停止クレーン」。

13）アンチパターン

コンテキスト/idlフィルタのない生クリック→false「注意」。
単位の混合（sessii↔polzovateli）、 TZ、窓→格差。
Faces from the future （no PIT）→モデルの再評価。
ノイズに対する非耐性：ヒステリシス→「点滅」なしのハードスレッショルド。
アンチボット/QAフィルタ→過大評価メトリクスを無視します。
理由なく余分なPIIを記録する→リスクと罰金。

14）行動信号ループトリガーチェックリスト

• イベントスキーマ（バージョン、UTC、 idempotency）、 PII最小化
• アンチボット/QAフィルタ、ASN/デバイスブラック/ホワイトリスト
• PITの調理法、5m/1h/24h/7d窓、オンライン/オフラインのパリティ
• 品質指標：カバレッジ、鮮度、エンゲージメントバリデータ
• R/F/dwell/scroll/sequence/search、セッション埋め込み
• 意思決定テーブル：アクション、ヒステリシス、クールダウン、ガードレール
• ドリフトダッシュボードとアラート（PSI/KL）、苦情/登録解除、RGインジケータ
• ドキュメント：データ辞書、シグナル/メトリックパスポート、所有者およびrunibooks

合計

行動信号は規律ある回路でのみ価値を提供します：正しい計装とPIT、クリーニングとアンチボット、安定した兆候と明確な行動方針、プライバシーとRG、観測性とドリフト応答。このアプローチは、クリックとスクロールを変換、保持、およびLTVを増加させるソリューションに変換します。