セグメント化されたターゲティング

セグメント化されたターゲティングは、行動、価値、リスクに関するデータに基づいて、誰、何、いつ、どのチャネルを通じて表示するかを選択するための体系的なアプローチです。目標：損害と費用を最小限に抑えながら、増分効果（収入/保持）を最大化します。

1）セグメンテーションの目標とレベル

目標：活性化、収益化、保持、再活性化、クロスセル、RG/コンプライアンス介入。

レベル：

人口統計/地理/デバイス（基本）。
行動/RFM（リセンシー、頻度、金銭）。
値（LTV/マージン）。
傾向（デポジット、購入、チャーン）。
アップリフト/感度（接触から増加する確率）。
粒度：ブランド×国×プラットフォーム×チャネル×コンテンツカテゴリ-トラフィック量と予算を調整します。

2）データと特性

イベント：訪問、クリック、登録、ゲーム/ベット、入金/購入、キャンペーンの応答。
コンテキスト：カレンダー（休日/試合/給与）、アトラクションチャンネル、アプリケーションのバージョン、価格/限度。
アイデンティティ：ユーザー/デバイス/IDFA/電話/電子メール；アイデンティティ・ブリッジ。
特徴：RFMの窓（7/30/90）、内容の変化、週の時間/日、ARPPU/頻度、 fluff/電子メールへの応答。
品質：イベントのidempotency、 dedup/antiboot、 TZ=UTCストレージ+ローカルビュー。

3）セグメンテーション方法

3.1ルール（ルールベース）

長所：説明、速度、フェイルセーフ。
短所：脆弱性、局所オプティマ。
例：「初心者、2回目の訪問なし48時間、モバイルiOS」。

3.2コホート行動（RFM/パターン）

鮮度×頻度×所得クラス。
行動クラスタを追加：お気に入りのカテゴリ/タイムスロット。

3.3クラスタリング/埋め込み

k-means/DBSCAN/Gaussian mixes on normalized behavioral metrics。
行列因数化→インタレストクラスタ。

3.4傾向/スコアベース

イベント確率モデル：デポジット、フォローアップ訪問、apse；しきい値-エラーのコストから。

3.5アップリフト/感度

接触利得モデル（T学習者、アップリフトツリー/GBM）。
Persuadables/Sure things/Do-not-disturb/Lost causes。
アップリフトターゲティングは、同じ予算に対して最大の増分を提供します。

4）ターゲティングポリシーの設計

Decisionテーブル

セグメント/条件	コンテキスト	［アクション］	チャンネル（Chann	クールダウン（Coold	ガードレール
RFM： R7=0、 F1、 M0； 'uplift_dep ≥ 0。06`	採用情報	ウェルカムオファーS	push+アプリ内	3D （3D）	ROMI ≥ 0
'churn_risk ≥ 0。8'&'value_q ≥ 0。8`	VIP会員	オファーL/コール	CRM+コール	7D	zhaloby ≤ Kh
'RG_risk ≥ τ'	すべてのもの	pause+RGチップ	アプリ内	1D	FPR ≤ 1％

ヒステリシス：入力/出力しきい値は「点滅」を避けるために異なります。
クォータ/レート制限：ユーザー/チャネル/セグメントごと；競合ポリシー-優先順位「セキュリティ→経済→UX」。

5）実験と因果評価

A/B/マルチユーザーテスト：セグメント/ポリシー/クリエイティブ；計画MDE、期間、層別化。
準実験：地域ロールアウト中のDiD/合成制御。
スコア：増分収益/源泉徴収、uplift@k、 Qini/AUUC、 ROMI、ガードレール（苦情、RG）。
予算ペース：予想されるマージンリターンによってセグメントに予算を割り当てる。

6）チャンネルとオーケストレーション

チャンネル：アプリ内、プッシュ、電子メール、SMS、通話、オンサイトモジュール、パーソナライズされたショーケース。
オーケストレータ：保証配信、レトライ/バックオフ、idempotency 'action_id'、 DLQ、優先順位、静かなクロックウィンドウ。
コンテンツ/クリエイティブ：テンプレートライブラリ、クリエイティブ用のA/B、頻度マウスガード。

7）メトリクスとモニタリング

プロセス：カバレッジセグメント、レイテンシ（Decision→Action）、配信性、接触頻度。
効果：収益/保持増分、ROMI、 uplift@k、 Qini/AUUC、 NNT （1結果あたりの連絡先の数）。
リスク：苦情/退会/スパムフラグ、RG指標、公平性（グループ別の効果/エラーの違い）。
ドリフト：セグメンテーションキー機能によるPSI/KL、既知のクラスタ外の「新規」ユーザーの共有。

8）価値とリスクへのリンク

LTV重み付け：ベア変換ではなく期待値でセグメントを優先順位付けします。

EV規則：

[
EV=p_{\text{uspekh	action }\cdot\text {Value} -\text {Cost}-p_{\text{vred}}\cdot\text{Harm}
]

EV ≥ 0およびガードレールが正常なら接触して下さい。
責任：RG/コンプライアンスが優先されます。決定の説明は必須です。

9）セグメントとキャンペーンのパスポート（テンプレート）

セグメントパスポート

コード： 'SEG_RFM_R0-7_F1-2_M0_Q3'

定義とレシピ（Windows 7/30/90、アンチボット/詐欺フィルター）

サイズ/更新/鮮度；他のセグメントとの交差点

リスクと除外（RG/コンプライアンス）、所有者、バージョン

キャンペーンパスポート

目標とKPI（増分収益/保持、ROMI）

セグメント/チャンネル/クリエイティブ/周波数キャップ

評価設計（A/Bまたは準実験）、期間、MDE

ガードレール： zhaloby ≤ Kh、 RG-フラギ≤ U、レイテンシ≤ Z

ロールバックプランとインシデントRunibook

10）疑似SQL/レシピ

RFMセグメンテーション（スケッチ）

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;

沈殿の傾向（列車のスライス、漏出無し）

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）公正、プライバシー、倫理

PII最小化：識別子のトークン化、RLS/CLS、マスキング。
公平性：敏感なグループ間の影響/エラーの違いを確認します。無効な特性を除外します。
透明性：ターゲティングの理由（トップフィーチャー/ルール）-サポート可能；アピールの道。
頻度帽子および「静かな時間」-疲労およびユーザーへの害に対して。

12）アンチパターン

測定可能な増分なしの「美しさのための」セグメント。
インクリメント（A/B/DiDなし）ではなく、相関によるスコア。
多くの重複セグメント→競合するアクションとスパム。
接点のヒステリシス→「点滅」なしのしきい値ソリューション。
ガードレールの欠如（RG/苦情/頻度）と説明可能性。
オンラインオーケストレーターなし-連絡先が遅くなり、効果が失われます。

13）セグメント化されたターゲティング起動チェックリスト

目標、KPI、予算が定義されています。一貫性のある粒度
PITデータスキーマと機能レシピ；アンチボット/詐欺フィルタがオンになっている
セグメントはパスポートによって記述されます。コンフリクトマトリックスと優先順位セット
選択した方法（ルール/クラスタリング/傾向/アップリフト）と評価設計
意思決定テーブル、ヒステリシス、マウスガード、レート制限設定
idempotencyとDLQを持つオーケストレーターとチャンネル。「静かな時間」
モニタリング：効果（アップリフト/ROMI）、リスク（苦情/RG）、ドリフト機能
ドキュメント：セグメント/ポリシーのバージョン、所有者、ランブック

合計

セグメント化されたターゲティングは、CRMの「ショートカット」のセットではなく、管理されたシステムです。品質データと機能→意味のあるセグメント（値/行動/感度）→ヒステリシスとガードレールのポリシー→インクリメントの因果評価→安定したオーケストレーターとモニタリング。このようなシステムは、ROMIとLTVを増加させ、苦情やリスクを減らし、あらゆる接触を適切でタイムリーかつ倫理的にします。

セグメント化されたターゲティング