Maglumatlary bölmek

Maglumatlary bölmek

Segmentasiýa - köp obýektleri (ulanyjylary, amallary, önümleri, wakalary) nyşana almak, şahsylaşdyrmak, seljermek we töwekgelçilikleri dolandyrmak üçin birmeňzeş toparlara bölmek. Gowy segmentasiýa marginallygy ýokarlandyrýar, çykdajylary azaldýar we kararlary düşündirip bolýar.

1) Maksatlar we sahnalaşdyrmalar

Marketing we ösüş: şahsylaşdyrylan offerler, aragatnaşyk ýygylygy, anti-spam syýasaty.
Monetizasiýa: Praýs-diskriminasiýa, bandla, VIP-hyzmat.
Töwekgelçilik we laýyklyk: gözegçilik derejeleri, KYC/AML triggerleri, şübheli patternleriň skoringi.
Önüm we tejribe: ssenariler boýunça onbording, mazmun/oýun teklipleri, dinamiki çäkler.
Amallar: goldawy ileri tutmak, çäkleri we kwotalary paýlamak.

Segmentasiýa birligini (ulanyjy/sessiýa/satyjy), gorizonty (7/30/90 gün), gaýtadan hasaplamagyň ýygylygyny (onlaýn/gündelik/hepdelik) we KPI maksatlaryny düzýäris.

2) Segmentleriň taksonomiýasy

Demografiýa/geo: ýurt, dil, platforma.
Özüni alyp baryş: işjeňlik, ýygylyk, çuňluk, gije-gündiziň wagty, halaýan kategoriýalary.
Gymmatlyklar (value-based): ARPU/ARPPU, LTV-kwantiller, marginallyk.
Basgançakly: onbording, ýetişen, "uklaýan", yzyna gaýtarylan.
RFM: Recency, Frequency, Monetary binalar/kwantiller bilen.
Kogortnyh: hasaba alnan/ilkinji töleg/çeşme boýunça.
Töwekgelçilik segmentleri: chargeback-risk, bonus-abuse-risk, anomal işjeňlik.
Durmuş sikli: propensity-to-churn, propensity-to-buy, next-best-action.
Kontekst: enjam/kanal/sebit düzgünleri.

3) Maglumatlar we taýýarlyk

Nokat-in-time dogrulygy: alamatlar elýeterli "geçmişden" hasaplanýar.
Penjireler boýunça agregatlar: 7/30/90 günlük jemler/ýygylyklar/kwantiller.
Kadalaşma: robast skeyling (median/MAD), uzyn guýruklar üçin log öwrülişikleri.
Kategoriýalar: one-hot/target/hash; "seýrek" gymmatlyklara gözegçilik etmek.
Hil: geçişler, dublikatlar, shemalaryň süýşmegi, wagt zolaklarynyň sinhronizasiýasy.
Semantika: ML-segmentasiýasyna çenli aç-açan iş düzgünleri (mysal üçin, 1 depozit ≥).

4) Segmentirlemegiň usullary

4. 1. Düzgünler we bosagalar (white-box)

Simpleönekeý şertler: "LTV ≥ X we ýygylyk ≥ Y bolsa VIP".
Artykmaçlyklary: düşündirip bolar, syýasat hökmünde çalt ornaşdyrylýar.
Minuslar: dreýfde gowşaklyk, düzgünleriň sany köpelende goldawyň çylşyrymlylygy.

4. 2. Klaster (unsupervised)

k-means/k-medoids: san şekillerinde çalt beýzline.
GMM: ýumşak esbaplar, ähtimal segmentler.
HDBSCAN/DBSCAN: anomaliýalar hökmünde erkin şekilli toparlar + "ses".
Garyşyk görnüşlerdäki spektral/EM: çylşyrymly geometriýalar üçin.
Feature learning → cluster: ilki embeddingler (autoencoder/transformer), soňra gizlin giňişlikde toplama.

4. 3. Superwise segmentasiýasy (target-driven)

Modeli maksatly KPI-de (mysal üçin, LTV/töwekgelçilik) öwredýäris we segmentleri çaklamalaryň kwantilleri, SHAP profilleri we çözgütleriň agaçlary boýunça gurýarys.
Artykmaçlyklary: segmentler iş maksadyna "daňylýar", uplifti barlamak aňsat.
Minuslar: "gabat gelmek" töwekgelçiligi; berk tassyklama gerek.

4. 4. Ýygylyk sebäpleri we düzgünleri

RFM-matrisler, assosiatiw düzgünler (support/lift), ýygy-ýygydan yzygiderlilik (PrefixSpan) - esasanam azyk nawigasiýasy we bandllar üçin.

4. 5. Graf/Tor segmentleri

Aragatnaşyk jemgyýetleri (enjamlar, töleg usullary, salgylanmalar); Alamatlary baýlaşdyrmak üçin GNN.

5) Çemeleşmäni saýlamak: çalt matrisa

6) Segmentirlemegiň hiline baha bermek

• Silhouette/Davies-Bouldin/Calinski-Harabasz: ykjam we bölünmek.
• Durnuklylyk: Jaccard/ARI täzeden başlamak/butstrap arasynda.
• Maglumat ukyby: Esasy aýratynlyklaryň segmentara ýaýramagy.

• KPI boýunça birmeňzeşlik: segmentleriň arasyndaky LTV/öwrülişikdäki/töwekgelçilikdäki tapawutlar.
• Actionability: Interwensiýa bolan seslenmäni tapawutlandyrýan segmentleriň paýy.
• Uplift/A/B: segment nyşany boýunça ösüş vs umumy nyşana almak.
• Gurşaw: "hereket edýän" segmentlerdäki ulanyjylaryň% -i (diňe "ses" däl).

7) Tassyklama we durnuklylyk

Temporal CV: segmentleriň wagt taýdan durnuklylygyny barlamak.
Toparlaýyn tassyklama: ulanyjylary/enjamlary train/val arasynda garyşdyrmaň.
Köpeltmek: goňşy bazarlarda/kanallarda işe girizmek.
Drift: PSI/JS-div şekiller we segmentleriň paýlanyşy boýunça; alertlere bosagalar.
Durnukly sidler/başlangyç: segmentasiýa wersiýalaryny deňeşdirmek üçin.

8) Düşündirilebilirlik

Segmentleriň pasportlary: düzgünleriň/sentroidleriň beýany, esasy çyzgylar (top-SHAP/permutation), tomaşaçylaryň portreti, KPI-profil.
Wizualizasiýa: Segmentleriň reňkleri bilen UMAP/t-SNE, segmentler boýunça metrikleriň "panjara".
Işjeňleşdirmek üçin düzgünler: Adam nyşanlary ("High-Value Infrequent", "Risky Newcomers").

9) Amaly durmuşa geçirmek

Fichestor: alamatlary onlaýn/oflayn hasaplamagyň ýeke-täk funksiýalary.
Recoring: SLA we ýygylyk (onlaýn giriş, günde bir gezek, waka wagtynda).
API/batch-eksport: Ulanyjynyň ID → segment/ähtimallyk/wagt bellikleri.
Wersiýalaşdyrmak: 'SEG _ MODEL _ vX', maglumatlar şertnamasy, okuw nusgasynyň "doňdurylan" senesi.
Syýasatlar: her segment üçin - hereket ediş kadalary (offer/çäklendirmeler/goldaw ileri tutulýan ugur).
Fail-safe: pese gaçanda defolt segmenti (fich/taymaut ýok).

10) Synaglar we çözgütleri kabul etmek

Segmentler boýunça A/B/n: segmentleriň bir torunda dürli offerleri/çäkleri synagdan geçirýäris.
Uplift-baha bermek: nyşanyň täsiri vs gözegçilik (Qini/AUUC, uplift @k).
Budget allocation: Býudjeti marginallyk/töwekgelçilik çäkleri boýunça bölýäris.
Guardrails: töwekgelçilik segmentleri, aragatnaşyk ýygylygy we tomaşaçylaryň ýadawlygy üçin FPR/FNR.

11) Ahlak, gizlinlik, laýyklyk

Maglumatlary azaltmak: zerur iň az, lakamlaşdyrmagy ulanýarys.
Adalat: syýasatçylaryň ýalňyşlyklaryny we "berkligini" duýgur segmentler boýunça deňeşdirýäris; Protected Attributes-i düzgünlerden aýyrýarys ýa-da fairness-düzedişleri ulanýarys.
Düşündiriş hukugy: segmentiň berilmeginiň logikasyny resminamalaşdyrýarys.
Audit: segmentler boýunça kampaniýalaryň wersiýalarynyň, giriş şekilleriniň, kararlarynyň we netijeleriniň sanawy.

12) Artefaktlaryň şablonlary

Segment pasporty

Kod/wersiýa: 'SEG _ HVIF _ v3'

Düşündiriş: "Ýokary gymmatlyk, seýrek işjeňlik"

Kriteriýalar/Merkezi: 'LTV _ quantile ≥ 0. 9`, `Recency_days ∈ [15,45]`, `Frequency_30d ∈ [1,3]`

Ölçegi/gurşawy: 4. Ulanyjylaryň 8% -i (soňky 30 gün)

KPI-profil: ARPPU ↑ 2. Medianadan 4 ×, Çurn-risk orta

Teklipler: ýumşak reengage-offeralar, premium harytlaryň kross-selleri, ýygylyk çägi 1/7d

Töwekgelçilikler: artykmaç arzanladyş → "endik"

Eýesi: CRM/Monetization

Senesi/ygtybarlylygy: 2025-10-15; çärýekde bir gezek täzeden garamak

Segmentasiýa şertnamasy

Surat çeşmesi: 'fs. user_activity_v5`

Meýilnama: gije sagat 02:00 UTC; 'purchase' hadysasynda onlaýn täzelenme

Hyzmat: 'segmentor. api/v1/score` (p95 ≤ 120 мс)

Logy: 'seg _ scoring _ log' (heş, wersiýa, tizlik, segment)

Alertler: "UNKNOWN" paýy> 2%; Esasy aýratynlyklar boýunça PSI> 0. 2; segmentleriň deňagramsyzlygy> 10 p.p

13) Goýberilmezden öň çek-sanawy

• Segmentasiýa täsiriniň maksatlary we KPI ylalaşyldy
• Birligi, penjireleri we gaýtadan sanamak ýygylygy kesgitlenildi
• Bazline (rule-based) we ML görnüşi bar; uplift deňeşdirme
• Segmentleriň resminamalary + wizualizasiýa we adam nyşanlary
• A/B, guardrails we drift aladalary
• Wersiýalaşdyrmak, maglumat şertnamalary, wakalar üçin Runibook
• Her segment üçin hereket syýasaty we default-fallback

Jemi

Segmentasiýa "bir gezeklik klasterizasiýa" däl-de, dolandyryş kontury: dogry maglumatlar we penjireler, aç-açan segmentler, KPI bilen baglanyşyk, berk tassyklama, SLO amallary we sürüşme gözegçiligi. Çylşyrymlylygy (embeddingler, grafalar, superwaýz çemeleşmesi) diňe ölçenen uplift berýän we işewürlik we laýyklyk üçin düşnükli bolup galan ýerlerde goşuň.