세그먼트 타겟팅

세그먼트 타겟팅은 동작, 가치 및 위험에 대한 데이터를 기반으로 누가, 언제, 어떤 채널을 표시 할 것인지 선택하는 체계적인 접근 방식입니다. 목표: 피해와 비용을 최소화하면서 증분 효과 (소득/보존) 를 최대화하십시오.

1) 세분화 목표 및 수준

목표: 활성화, 수익 창출, 유지, 재 활성화, 교차 판매, RG/준수 중재.

레벨:

인구 통계/지리/장치 (기본).
동작/RFM (최근, 빈도, 통화).
가치 (LTV/마진).
성향 (예금, 구매, 이탈).
향상/감도 (접촉으로 인한 증가 확률).
입자도: 브랜드 × 국가 × 플랫폼 × 채널 × 컨텐츠 카테고리-트래픽 양 및 예산과 조정됩니다.

2) 데이터 및 특성

이벤트: 방문, 클릭, 등록, 게임/베팅, 예금/구매, 캠페인 응답.
상황: 달력 (공휴일/일치/급여), 어트랙션 채널, 신청 버전, 가격/제한.
식별: 사용자/장치/IDFA/전화/이메일; 아이덴티티 브리지.
특징: RFM 창 (7/30/90), 다양한 컨텐츠, 시간/일, ARPPU/주파수, 보풀/전자 메일에 대한 응답.
품질: 이벤트의 dempotency, dedup/antiboot, TZ = UTC 스토리지 + 로컬보기.

3) 세분화 방법

3. 1 규칙 (규칙 기반)

장점: 설명 가능, 속도, 실패.
단점: 취약성, 로컬 최적화.
예: "초보자, 두 번째 방문없이 48h, 모바일 iOS".

3. 2 코호트 행동 (RFM/패턴)

신선도 × 주파수 × 소득 클래스.
행동 클러스터 추가: 좋아하는 카테고리/시간 슬롯.

3. 3 클러스터링/임베딩

k-means/DBSCAN/Gaussian은 정규화 된 행동 지표에 혼합됩니다.
매트릭스 인수 분해 → 관심 클러스터.

3. 4 성향/점수 기반

이벤트 확률 모델: 예금, 후속 방문, apse; 오류 비용으로 인한 임계 값.

3. 5 향상/감도

접촉 게인 모델 (T-learner, Uplift trees/GBM).
지정된/확실한 것들/방해하지 마십시오/잃어버린 원인.
향상 타겟팅은 동일한 예산에서 가장 큰 증가를 제공합니다.

4) 타겟팅 정책 설계

결정 테이블

세그먼트/조건	맥락	행동	채널	쿨 다운	가드 레일
RFM: R7 = 0, F1, M0; 'uplift _ dep 06`	신병 모집	환영 제공 S	푸시 + 인앱	3D	ROMI
(PHP 3 = 3.0.6, PHP 4) (PHP 3 = 3.0.6, PHP 4) 8`	VIP	L/통화 제공	CRM + 통화	7d	잘로 비
(PHP 3 = 3.0.6, PHP 4)	모든 것	일시 정지 + RG 팁	인앱	1d	FPR Λ1%

히스테리시스: 입력/출력 임계 값은 "깜박임" 을 피하기 위해 다릅니다.
인용문/속도 제한: 사용자/채널/세그먼트 당; 충돌 정책 - 우선 순위 "보안 → 경제 → UX".

5) 실험 및 인과 평가

A/B/다중 사용자 테스트: 세그먼트/정책/크리에이티브; MDE, 지속 시간, 계층화 계획.
준 실험: 지역 롤아웃 중 DiD/합성 제어.
점수: 증분 수익/원천 징수, @ k, Qini/AUUC, ROMI, 가드 레일 (불만, RG).
예산 간격: 예상 마진 수익률로 예산을 세그먼트로 할당.

6) 채널과 오케스트레이션

채널: 인앱, 푸시, 전자 메일, SMS, 통화, 현장 모듈, 개인화 된 쇼케이스.
오케스트레이터: 배송 보장, retrai/backoff, demempotency 'action _ id', DLQ, 우선 순위, 조용한 시계 창.
내용/크리에이티브: 템플릿 라이브러리, 크리에이티브 용 A/B, 주파수 마우스 가드.

7) 측정 및 모니터링

프로세스: 적용 범위 세그먼트, 대기 시간 (결정 → 조치), 배송 가능성, 연락처 빈도.
효과: 수익/보존 증가, ROMI, uplift @ k, Qini/AUUC, NNT (결과 1 개당 연락처 수).
위험: 불만/구독자/스팜 플래그, RG 지표, 공정성 (그룹 별 효과/오류 차이).
드리프트: 세분화 키 기능에 의한 PSI/KL, 알려진 클러스터 외부의 "새로운" 사용자 공유.

8) 가치와 위험에 대한 링크

LTV 가중치: 베어 변환이 아닌 예상 값으로 세그먼트의 우선 순위를 정하십시오.

EV 규칙:

[
EV = p _ {\텍스트 {uspekh	작업 }\cdot\텍스트 {가치} -\텍스트 {비용} - p _ {\텍스트 {vred} }\cdot\텍스트 {Harm}
]

(PHP 3 = 3.0.6, PHP 4)

책임: RG/규정 준수가 우선합니다. 결정의 설명이 필수입니다.

9) 세그먼트 및 캠페인의 여권 (템플릿)

세그먼트 여권

코드: 'SEG _ RFM _ R0-7 _ F1-2 _ M0 _ Q3'

정의 및 레시피 (창 7/30/90, 안티 봇/사기 필터)

크기/업데이트/신선도; 다른 세그먼트와의 교차

위험 및 제외 (RG/준수), 소유자, 버전

캠페인 여권

목표 및 KPI (ROMI 증분 수익/보존)

세그먼트/채널/크리에이티브/주파수 캡

평가 설계 (A/B 또는 준 실험), 지속 시간, MDE

Guardrails: zhaloby

롤백 계획 및 사건 Runibook

10) 의사-SQL/레시피

RFM 세분화 (스케치)

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;

퇴적 성향 (훈련 슬라이스, 누출 없음)

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) 공정성, 개인 정보 보호 및 윤리

PII 최소화: 식별자의 토큰 화, RLS/CLS, 마스킹.

공정성: 민감한 그룹의 효과/오류 차이를 확인하십시오. @ info: whatsthis

투명성: 타겟팅 이유 (최고 기능/규칙) - 지원할 수 있습니다. 항소의 길.
주파수 한도와 "조용한 시간" -피로와 사용자의 피해에 대비합니다.

12) 반 패턴

측정 가능한 증분없이 "아름다움을위한" 세그먼트.
증가가 아닌 상관 관계별로 점수를 매깁니다 (A/B/DiD 없음).
많은 겹치는 세그먼트 → 상충되는 조치 및 스팜.
히스테리시스가없는 임계 값 솔루션 → 접점의 "깜박임".
가드 레일 부족 (RG/불만/빈도) 및 설명 불가능.
온라인 오케 스트레이터가 없으면 연락처가 늦어 효과가 손실됩니다.

13) 세그먼트 타겟팅 런칭 점검표

목표, KPI 및 예산이 정의됩니다. 일관된 세분성
PIT 데이터 스키마 및 기능 레시피; 안티 봇/사기 필터가 켜져 있습니다
세그먼트는 여권으로 설명됩니다. 충돌 행렬 및 우선 순위 설정
선택된 방법 (규칙/군집/성향/향상) 및 평가 설계
결정 테이블, 히스테리시스, 마우스 가드 및 속도 제한 구성
demempotency 및 DLQ가있는 오케스트레이터 및 채널; "조용한 시간"
모니터링: 효과 (향상/ROMI), 위험 (불만/RG), 드리프트 기능
문서: 세그먼트/정책 버전, 소유자, 런북

합계

세그먼트 타겟팅은 CRM의 "바로 가기" 세트가 아니라 관리 시스템입니다. 품질 데이터 및 기능은 히스테리시스 및 가드 레일이있는 → 의미있는 세그먼트 (값/동작/감도) → 증분 → 안정적인 오케 스트레이터 및 모니터링의 인과 평가. 이러한 시스템은 ROMI와 LTV를 증가시켜 불만과 위험을 줄이고 모든 터치를 적절하고시기 적절하며 윤리적으로 만듭니다.

세그먼트 타겟팅