Segmentlangan targeting

Segmentlangan targeting - bu xulq-atvor, qadriyat va xavf-xatarlar to’g’risidagi ma’lumotlarga tayanib, kimni, qachon va qaysi kanal orqali ko’rsatishni tanlashga tizimli yondashuvdir. Maqsad: zarar va xarajatlarni minimallashtirgan holda inkremental samarani (daromad/ushlab qolish) maksimal darajada oshirish.

1) Segmentatsiya maqsadlari va darajalari

Maqsadlari: aktivlashtirish, monetizatsiya, ushlab qolish, qayta aktivlashtirish, kross-sell, RG/komplayens-intervensiyalar.

Darajalar:

Demografiya/geo/qurilma (bazaviy).
Xulq-atvor/RFM (recency, frequency, monetary).
Qiymati (LTV/marjinallik).
Hodisaga moyillik (propensity: depozit, xarid, churn).
Uplift/sezgirlik (kontaktdan oʻsish ehtimoli).
Granulyarlik: brend × mamlakat × platforma × kanal × kontent toifasi - trafikning hajmi va byudjeti bilan kelishing.

2) Ma’lumotlar va belgilar

Voqealar: tashriflar, bosishlar, ro’yxatdan o’tish, o’yinlar/stavkalar, depozitlar/xaridlar, kampaniyalarga javoblar.
Kontekst: kalendar (bayramlar/uchrashuvlar/ish haqi), jalb qilish kanali, ilova versiyasi, narxlar/limitlar.
Identifikatsiyalar: user/device/IDFA/telefon/e-mail; o’ziga xoslik ko’priklari.
Fichlar: RFM-derazalar (7/30/90), kontentning xilma-xilligi, haftaning soati/kuni, ARPPU/chastota, pushlarga javoblar/e-mail.
Sifati: voqealarning idempotentligi, dedup/antibot, TZ = UTC saqlash + lokal koʻrinishlar.

3) Segmentatsiya usullari

3. 1 Qoidalar (rule-based)

Afzalliklari: tushuntirish, tezlik, fail-safe.
Kamchiliklar: mo’rt, lokal optimumlar.
Masalan: «yangi kelganlar, ikkinchi tashrifsiz 48 soat, mobil iOS».

3. 2 Kogort-xulq-atvor (RFM/pattern)

«Yangilik × chastota × daromad» sinflari.
Xatti-harakatlar klasterlarini qoʻshing: sevimli toifalar/taym-slotlar.

3. 3 Klasterlashtirish/embeddingi

k-means/DBSCAN/normallashtirilgan xulq-atvor metrikasi bo’yicha Gauss aralashmalari.
Kontent/foydalanuvchilar embeddingi (matrix factorization) → «manfaatlar» klasterlari.

3. 4 Moyillik (propensity/score-based)

Hodisaning ehtimollik modellari: depozit, takroriy tashrif, apseyl; chegaralar - xatolar qiymatidan.

3. 5 Uplift/sezgirlik

Kontaktdan o’sish modellari (T-learner, Uplift trees/GBM).
Зоны: Persuadables / Sure things / Do-not-disturb / Lost causes.
Uplift-targeting xuddi shu byudjetlarda eng katta inkrement beradi.

4) Targeting siyosatining dizayni

Decision table (eskiz)

Segment/shart	Kontekst	Amal qilish	Kanal	Kuldown	Guardrails
RFM: R7=0, F1, M0; `uplift_dep ≥ 0. 06`	yangi kelganlar	welcome-offer S	push+in-app	3d	ROMI≥0
`churn_risk ≥ 0. 8` & `value_q ≥ 0. 8`	VIP	offer L/qoʻngʻiroq	CRM+call	7d	shikoyatlar ≤ X
`RG_risk ≥ τ`	har qanday	pauza + RG maslahati	in-app	1d	FPR≤1%

Gisterezis: kirish/chiqish chegaralari «miltillamaslik» uchun farqlanadi.
Kvotalar/rate-limit: foydalanuvchi/kanal/segment uchun; ziddiyatli siyosatchilar - «xavfsizlik → iqtisodiyot → UX» ustuvorligi.

5) Eksperimentlar va kauzal baholash

A/B/ko’p ramkali testlar: segmentlar/siyosatchilar/kreativlar uchun; MDE, muddati, stratifikatsiyasini rejalashtiring.
Kvazieksperimentlar: DiD/Mintaqaviy konvertatsiyalarda sintetik nazorat.
Baholash: inkremental tushum/ushlab qolish, uplift @k, Qini/AUUC, ROMI, guardrails (shikoyatlar, RG).
Budget-pacing: budjetni segmentlar bo’yicha kutilayotgan marjinal daromad bo’yicha taqsimlash.

6) Kanallar va orkestrlash

Kanallar: in-app, push, e-mail, SMS, qoʻngʻiroqlar, onsite-modullar, shaxsiylashtirilgan vitrinalar.
Orkestrator: kafolatlangan yetkazib berish, retraj/backoff, idempotentlik’action _ id’, DLQ, ustuvorliklar, «sokin soatlar» oynasi.
Kontent/kreativlar: shablon kutubxonasi, A/B for creatives, chastota qopqoqlari.

7) Metrika va monitoring

Jarayonlar: segment coverage, latency (Decision → Action), yetkazib berish qobiliyati, aloqa chastotasi.
Effekt: tushum/ushlab qolish inkrementi, ROMI, uplift @k, Qini/AUUC, NNT (1 natijaga qancha aloqa).
Tavakkalchiliklar: shikoyatlar/javoblar/spam bayroqlar, RG-indikatorlar, fairness (guruhlar bo’yicha effektlar/xatolar farqi).
Dreyf: Segmentatsiyaning asosiy fazalari boʻyicha PSI/KL, maʼlum klasterlardan tashqari «yangi» foydalanuvchilar ulushi.

8) Qiymat va tavakkalchiliklar bilan bog’liq

LTV tortish: segmentlarni «yalang’och» konversiya bo’yicha emas, balki kutilgan qiymat bo’yicha ustuvorlik qiling.

EV-qoida:

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

Agar EV ≥ 0 va guardrails yaxshi boʻlsa, aloqa oʻrnating.
Mas’uliyat: RG/komplayens ustuvorlikka ega; hal qiluv qarorining tushunarliligi - majburiydir.

9) Segmentlar va kampaniyalar pasportlari (templates)

Segment pasporti

Kod: ’SEG _ RFM _ R0-7 _ F1-2 _ M0 _ Q3 ’

Aniqlash va fich-retsept (7/30/90 oynalar, antibot/frod filtrlari)

O’lchami/yangilanishi/yangilanishi; boshqa segmentlar bilan kesishish

Tavakkalchilik va istisnolar (RG/komplayens), egasi, versiya

Kampaniya pasporti

Maqsad va KPI (inkremental daromad/retenshn, ROMI)

Segment/kanallar/kreativlar/chastota qopqoqlari

Baholash dizayni (A/B yoki kvazieksperiment), davomiyligi, MDE

Guardrails: shikoyatlar ≤ X, RG bayroqlari ≤ U, latency ≤ Z

Hodisalarni qaytarish va runibuk rejasi

10) Psevdo-SQL/retseptlar

RFM segmentatsiyasi

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;

Depozitga moyillik (train slice, sizib chiqishsiz)

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) Fairness, maxfiylik va axloq

PII minimallashtirish: identifikatorlarni tokenlash, RLS/CLS, niqoblash.
Fairness: sezgir guruhlar bo’yicha ta’sir/xato farqlarini tekshiring; nomaqbul belgilarni istisno qiling.
Shaffoflik: targeting sabablari (top-features/qoidalar) - sifport uchun mavjud; apellatsiya yo’li.
Chastota qopqoqlari va «sokin soatlar» - charchoq va foydalanuvchiga zararga qarshi.

12) Anti-patternlar

O’lchab bo’lmaydigan inkrementsiz «go’zallik uchun» segmentlar.
Inkrement bo’yicha emas, balki korrelatsiya bo’yicha baholash (A/B/DiD yo’q).
To’qnashuvchi segmentlar → ziddiyatli harakatlar va spam.
Histerezis bo’lmagan chegaraviy echimlar → kontaktlarning «miltillashi».
guardrails (RG/shikoyat/chastota) va tushuntirishning yo’qligi.
Onlayn orkestratorsiz aloqalar kechikadi, ta’sir yo’qoladi.

13) Segmentlangan targetingni yo’lga qo’yish chek-varaqasi

Maqsadlar, KPI va byudjet belgilandi; granulyarlik darajasi kelishilgan
Ma’lumotlar sxemalari va PIT retseptlari; antibot/frod-filtrlar kiritilgan
Segmentlar pasportlar bilan tavsiflangan; konflikt-matrisa va ustuvorliklar belgilandi
Baholash usuli (qoidalar/klaster/propensity/uplift) va dizayn tanlandi
Decision tables, histerezis, kaplar va rate-limit sozlangan
Idempotentlik va DLQ bo’lgan orkestrator va kanallar; «sokin soatlar»
Monitoring: effekt (uplift/ROMI), xavf-xatarlar (shikoyatlar/RG), drift fich
Hujjatlar: segmentlar/siyosatlar versiyasi, egalari, runbooks

Jami

Segmentlangan targeting CRMdagi «yorliqlar» to’plami emas, balki boshqariladigan tizim: sifatli ma’lumotlar va belgilar → ma’noli segmentlar (qadriyat/xulq-atvor/sezgirlik) → gisterezis va guardrails siyosati → inkrementni kauzal baholash → barqaror orkestrator va monitoring. Bunday tizim ROMI va LTVni oshiradi, shikoyat va xatarlarni kamaytiradi va har bir teginishni o’rinli, o’z vaqtida va axloqiy qiladi.

Segmentlangan targeting