行為信號

行為提示

行為信號是用戶與產品交互的「遙測」：事件，上下文和時間序列，我們從中推斷出意圖，興趣，交通質量，風險和價值。信號操作的可靠輪廓：指示→收集→清潔→規範化→特征形成→決策中的使用→監控和道德。

1）如何考慮行為信號

會議：開始/停止，持續時間，屏幕數量，深度，每天重播，「安靜」會議。
Clicks/Tach/Scroll：點擊密度、滾動速度、深度、停止（滾動）。
Dwell-time：屏幕/元素上的時間，活動時間（idle filter）。
導航/屏幕關系：序列，循環，rage導航。

輸入/表單： 填充速度,修復,tab導航,paste rate.

微型交互：hovers,披露,開關,排序/過濾器。
內容/搜索：查詢，CTR，CTCVR，保存，「推遲到以後」。
技術人員：device/browser, FPS/電池狀態,錯誤,延遲,網絡（IP/ASN）,離線/在線。
時間/上下文：小時/天/本地日歷,地理模式（不精確地理位置,除非需要）。
負面反饋：隱藏、投訴、退貨、拒絕Cookie/個性化。

2）指導和事件布局

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

原理：相等性（通過「（source_id，checksum）」刪除），UTC時間，方案版本，穩定身份密鑰，PII最小化（哈希/令牌）。

3）清潔和防毒劑

無頭/自動化標誌：WebDriver/puppeteer簽名,缺少自定義手勢。
異常速度：超人點擊/滾動，「完美」間隔。
網絡：數據托管中心,已知代理/VPN ASN。
模式的可重復性：相同的軌跡和序列。
QA/內部：測試帳戶/設備列表。
Phrod：設備/IP圖形（單個Devys →許多帳戶，geo-velocity）。

4）正常化和按時間（PIT）

時間窗戶：5分鐘/1小時/24小時/7天；expon。平滑。
季節性：每周一天，每周一小時，節日旗幟。
PIT切片：所有特征都在評估時間之前建立；沒有來自未來的信息。
在線/線下平價：功能商店中的相同食譜。

5）信號的質量和有效性

覆蓋：具有完整事件的會議/屏幕的比例。
新生：入學時間。
一致性：「走廊」中每個用戶/會話事件的比例（排放控制）。
註意：活動時間/idl過濾器，scroll depth，停止。
意圖：過渡到深層行動（filtr→detal→tselevoye）。
可信度：反機器人，可信度/IP。

6）特質形成（功能工程）

R/F：最後一次互動的恢復，每個窗口的頻率為7/30/90。
Dwell/scroll：中位數/分位數，具有dwell ≥ X的屏幕比例，深度≥ p％。
序列：n克，馬爾可夫過渡，「悔恨」（後退）模式，奔跑。
設備穩定性：更改設備/瀏覽器、用戶代理。
點擊質量：點擊率對點擊元素，憤怒點擊。
搜索/意圖：查詢長度/澄清,搜索後,dwell,成功率。
按身份分組：user_id，device_id，ip_hash，asn。
雜種：會話栓塞（Doc2Vec/Transformer）→聚類/排名。

7）信號→行動： 決策表

磁滯和culdowns是強制性的，以免被提示「閃爍」。

8）Pseudo-SQL/食譜

A.滾動時間和深度

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. Antibot scor（草圖）

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-gram序列

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/分析中的行為提示

傾向/個性化：CTR/CTCVR模型，會議安排，下一個最佳動作。
流出/保留：危險模型，響應/頻率/序列特征。
Antifrod：形狀速度，geo-velo，設備/IP圖形，「農場」模式。
流量質量：「有效視圖」、插話、負面反饋。
A/B和隨機性：作為中介的註意指標，但結論是增量的（ROMI/LTV，保留）。

10）可視化

Sankey/step-bars：路徑和下降。
Heatmaps：滾動深度，點擊卡（非人格）。
Cohort × age：信號如何根據隊列年齡變化。
橋圖：因子（速度、滾動、錯誤）對轉換變化的貢獻。

11）隱私，道德，RG/合規性

PII最小化：標識符哈希，RLS/CLS，導出時掩蓋。
同意/透明度：設置跟蹤，拒絕-尊重；邏輯是可以解釋的。
RG：不使用信號來鼓勵有害行為；軟提醒/限制。
公平：檢查各組的錯誤/幹預差異；排除無效的特征。
存儲：「原始」事件的TTL時限，聚合更可取。

12）可觀察性和漂移

數據質量：覆蓋、重復、滯後、空白字段百分比。
信號漂移：dwell/scroll/頻率的 PSI/KL；「新」模式。
手術：後期收集，p95特征計算，後衛比例。
Guardrails：爆發bot-scor，投訴，退貨；攻擊性幹預的「停止起重機」。

13）反模式

沒有上下文/idl過濾器的原始點擊→錯誤的「註意力」。
單位（sessii↔polzovateli），TZ，窗口→不可比性的混合。
來自未來的Likes（沒有PIT）→重新評估模型。
噪音耐受性：強硬的閾值沒有滯後→「閃爍」。
忽略反機器人/QA過濾器→過高的度量。
無緣無故記錄多余的PII →風險和罰款。

14）行為信號環路啟動支票清單

• 事件方案（版本，UTC，等效性），PII最小化
• Antibot/QA過濾器,黑色/白色ASN/設備列表
• PIT配方，窗口5m/1h/24h/7d，在線/離線平價
• 質量度量：coverage, freshness,參與驗證器
• R/F/dwell/scroll/序列/搜索，會議embeddings
• 決策表：行動，滯留，拳擊，護欄
• Dashbords和Alertes漂移（PSI/KL）,投訴/退房,RG指標
• 文檔：日記本、信號護照/指標、業主和runibuki

底線

行為信號僅在有紀律的輪廓中具有價值：正確的教學和PIT，清理和反機器人，持續的特征和明確的行動政策，隱私和RG，觀察力和漂移反應。這種方法將「點擊和滾動」轉換為增強轉換，保留和LTV的解決方案-安全，透明和可復制。