행동 신호

행동 신호

행동 신호는 의도, 관심, 트래픽 품질, 위험 및 가치를 추론하는 이벤트, 컨텍스트 및 시계열과 같은 제품과의 사용자 상호 작용의 "원격 측정" 입니다. 신호를 사용한 신뢰할 수있는 작업 회로: 계측 → 수집 → 정규화 → 부호 형성 → 솔루션 → 모니터링 및 윤리에 사용.

1) 행동 신호를 고려해야 할 것

세션: 시작/정지, 지속 시간, 화면 수, 깊이, 하루 반복, "조용한" 세션.
클릭/터치/스크롤: 클릭 밀도, 스크롤 속도, 깊이, 정지 (스크롤 정지).
체류 시간: 화면/요소의 시간, 활성 시간 (유휴 필터).
화면의 탐색/상호 관계: 시퀀스, 루프, 분노 탐색.
입력/양식: 충전 속도, 수정, 탭 탐색, 페이스트 속도.
마이크로 상호 작용: 호버, 공개, 스위치, 정렬/필터.
내용/검색: 쿼리, CTR, CTCVR, "나중에 연기" 저장.
기술: 장치/브라우저, FPS/배터리 상태, 오류, 대기 시간, 네트워크 (IP/ASN), 오프라인/온라인.
시간/문맥: 시간/일/로컬 캘린더, 지리 패턴 (필요한 경우 정확한 지리 위치 없음).
부정적인 피드백: 숨기기, 불평, 탈퇴, 쿠키/개인화 거부.

2) 계측 및 이벤트 다이어그램

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

원칙: demempotency ('(source _ id, 체크섬)'), UTC 시간, 스키마 버전, 안정적인 ID 키, PII 최소화 (해시/토큰).

3) 청소 및 안티 봇

헤드리스/자동화 플래그: 웹 드라이버/인형극 서명, 사용자 정의 제스처 누락.
비정상 속도: 초 인간 클릭/스크롤, "완벽한" 간격.
네트워크: 데이터 호스팅 센터, 알려진 프록시/VPN ASN.
패턴 반복성: 동일한 궤도 및 시퀀스.
QA/내부: 테스트 계정/장치 목록.
사기: 장치/IP 그래프 (하나의 장치 → 많은 계정, 지리 속도).

4) 정규화 및 시간 초과 (PIT)

시간 창: 5 분/1 시간/24 시간/7 일; 엑손. 매끄럽게.
계절성: 요일, 요일, 휴일 깃발.
PIT 슬라이스: 모든 기능은 평가 시간까지 구축됩니다. 미래의 정보는 없습니다.
온라인/오프라인 패리티: 피처 스토어의 동일한 레시피.

5) 신호 품질 및 유효성

적용 범위: 전체 이벤트가있는 세션/화면 공유

신선도: 입학 지연.
일관성: "복도" (방출 제어) 에서 사용자/세션 당 이벤트 비율.
주의: 활성 시간/idl 필터, 스크롤 깊이, 정지.
의도: 깊은 행동으로의 전환 (filtr → detal → tselevoye).
신뢰성: 봇 방지 속도, 장치/IP에 대한 신뢰.

6) 기능 공학

R/F: 마지막 상호 작용의 우연성, 창문 위의 주파수 7/30/90.
드웰/스크롤: 중간 값/정량, 드웰 제곱 X가있는 화면의 비율, 깊이 제곱 p%.
시퀀스: n 그램, Markov 전환, "변심" 패턴 (앞뒤), 실행 길이.
장치 안정성: 장치/브라우저 변경, 엔트로피 사용자 에이전트.
클릭 품질: 클릭 가능한 요소에 대한 클릭 비율, 분노 클릭.
검색/의도: 쿼리의 길이/개선, 검색 후 거주, 성공률.
ID에 의한 집계: user _ id, diche _ id, ip _ hash, ask.
하이브리드: 세션 임베딩 (Doc2Vec/Transformer) → 클러스터링/순위.

7) 신호 → 행동: 결정 표

단서를 "깜박이지 않도록" 히스테리시스 및 쿨 다운이 필수입니다.

8) 의사-SQL/레시피

A. 활성 스크롤 시간 및 깊이

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. 분노 클릭/앞으로

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. 안티 봇 속도 (스케치)

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- 그램 시퀀스

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/분석의 행동 신호

성향/개인화: CTR/CTCVR 모델, 세션 포함, 차세대 동작.
유출/보존: 위험 모델, 최근/주파수/시퀀스의 징후.
사기 방지: 양식 속도, 지리 벨로, 장치/IP 그래프, "농장" 템플릿.
교통 품질: "유효한보기", 참여 세션, 부정적인 피드백.
A/B 및 인과 관계: 중재자로서의주의 지표이지만 증분 별 결론 (ROMI/LTV, 보존).

10) 시각화

Sankey/스텝 바: 경로 및 하차.
히트 맵: 스크롤 깊이, 클릭 카드 (비인간).
코호트 × 연령: 코호트 연령에 따라 신호가 어떻게 변하는 지.
브리지 그래프: 변환 변경에 대한 요인 (속도, 스크롤, 오류) 의 기여.

11) 개인 정보 보호, 윤리, RG/준수

PII 최소화: 식별자 해시, RLS/CLS, 내보내기 중 마스킹.
동의/투명성: 추적 설정, 거부-존중; 논리는 설명 할 수 있습니다.
RG: 유해한 행동을 장려하기 위해 신호를 사용하지 마십시오 소프트 알림/제한.

공정성: 그룹 별 오류/중재 차이 확인; 유효하지 않은 특성을 제외합

스토리지: "원시" 이벤트에 대한 TTL 타이밍, 집계 선호.

12) 관찰 및 드리프트

데이터 품질: 적용 범위, 중복, 지연, 빈 필드의 백분율.
신호 드리프트: 드웰/스크롤/주파수 별 PSI/KL; "새로운" 패턴.
운영: 대기 시간 수집, 부호 p95 계산, 폴백 공유.
Guardrails: 봇 스코어 서지, 불만, 구독하지 않음; 공격적인 개입에 대한 "스톱 크레인".

13) 반 패턴

문맥/idl 필터없이 원시 클릭 → 잘못된 "주의".
단위 혼합 (sessii ² polzovateli), TZ, 창 → 불균형.
미래의 얼굴 (PIT 없음) → 모델의 재평가.
잡음에 대한 내성: 히스테리시스가없는 단단한 임계 값 → "깜박임".
안티 봇/QA 필터 → 과대 평가 된 메트릭을 무시하십시오.
아무런 이유없이 추가 PII 기록 → 위험과 벌금.

14) 행동 신호 루프 트리거 점검표

• 이벤트 스키마 (버전, UTC, demempotency), PII 최소화
• 안티 봇/QA 필터, ASN/디바이스 블랙/화이트 목록
• PIT 레시피, 5m/1h/24h/7d 창, 온라인/오프라인 패리티
• 품질 지표: 적용 범위, 신선도, 참여 유효성 검사기
• R/F/dwell/scroll/sequence/Search, 세션 포함
• 결정 테이블: 행동, 히스테리시스, 쿨 다운, 가드 레일
• 드리프트 대시 보드 및 경고 (PSI/KL), 불만/구독 금지, RG 지표
• 문서: 데이터 사전, 신호/메트릭 여권, 소유자 및 룬 문서

합계

행동 신호는 올바른 계측 및 PIT, 청소 및 안티 봇, 안정적인 징후 및 명확한 행동 정책, 개인 정보 보호 및 RG, 관찰 성 및 드리프트 응답과 같은 훈련 된 회로에서만 가치를 제공합니다. 이 방법은 클릭 및 스크롤을 솔루션으로 변환하여 변환, 보존 및 LTV를 안전하고 투명하며 재현합니다.