Как хранить интересы клиента и учитывать их давность

Клиент однажды посмотрел коляску, а магазин ещё год предлагает ему детские товары. Другой покупатель отметил интерес к бегу, но эта настройка исчезла после случайного просмотра кухонной техники. Обе ситуации возникают, когда CRM хранит интерес одним бессрочным флажком и не различает его происхождение.

Интерес клиента — рабочее предположение о том, какие предложения могут быть ему полезны. Оно может опираться на прямой ответ человека или на наблюдаемое действие. Эти основания дают разную уверенность и требуют разных правил обновления.

Чтобы персонализация не превращалась в набор устаревших ярлыков, признаку нужны источник, время, область применения и условие пересмотра. Ниже — модель, которую можно внедрить без машинного обучения.

Разделите заявление и наблюдение

Заявленный интерес человек выбирает сам: например, отмечает рубрику в настройках рассылки. Наблюдаемый интерес выводится из действий: просмотров, поиска, корзины или покупки. Отдельно могут существовать рекомендации модели — её прогнозы, которые также не следует выдавать за слова клиента.

Лучше хранить эти слои раздельно. Тогда временный интерес к подарку не перезапишет выбранную человеком тему, а отказ от конкретной рубрики не исчезнет после случайного клика.

У одного сигнала бывает несколько объяснений. Покупка может означать личную потребность, подарок или корпоративный заказ. Поэтому система должна сохранять факт действия, а правило интерпретации — рассчитывать отдельно. Изменить правило проще, если исходный факт не подменён готовым выводом.

Дайте признаку срок актуальности

Срок зависит от задачи. Просмотр товара может быть полезен для ближайшего предложения, а выбранная человеком подписка на рубрику — действовать до изменения настройки. Не стоит назначать одинаковые 30 дней всем интересам только потому, что такой период доступен в интерфейсе.

Twilio Segment, например, поддерживает вычисляемые признаки по скользящему временному окну и по сессии. Это подтверждает техническую возможность учитывать давность поведения, но не подсказывает оптимальную длительность окна для конкретного бизнеса.

Время события особенно важно при импорте истории. Просмотр полугодовой давности не должен становиться свежим интересом в день загрузки файла.

Выберите простую модель обновления

Самый прозрачный вариант — окно: учитываются подходящие действия за последние согласованные дни. Более плавный вариант — затухание, при котором старые сигналы постепенно теряют вес. Это не готовая оценка вероятности покупки, а способ упорядочить признаки.

Условная модель CRM Lab: вес сигнала через d дней равен исходному весу, умноженному на 2 в степени −d/H. H — выбранный период, за который вес уменьшается вдвое. Если исходный вес равен 4, а H составляет 30 дней, через 30 дней останется 2, через 60 — 1.

Числа здесь учебные. Период и веса выбирают под цикл покупки и проверяют экспериментом. В частности, тысяча автоматических открытий писем не должна перевесить прямой отказ от рубрики. Повторы технических событий сначала устраняют, а вклад однотипных действий можно ограничивать.

Опишите что происходит при конфликте

Человек выбрал интерес к бегу, но давно не реагирует на письма. Это основание проверить частоту и содержание, а не молча удалить его выбор. Он мог читать материалы на сайте или временно отложить покупки.

Другой случай — клиент снял отметку «детские товары», а история просмотров по-прежнему даёт высокий балл категории. Для адресной рубрики явная настройка должна иметь определённый приоритет. Как именно она влияет на другие сценарии, фиксируют отдельно.

Не превращайте отсутствие события в уверенный отказ. «Нет просмотров» может означать, что сайт перестал передавать данные. Перед изменением признаков полезно убедиться, что поток наблюдений работает.

Условный пример подарочной покупки

Покупатель выбирает кофемашину в подарок, трижды возвращается в категорию и совершает заказ. Магазин имеет временный сигнал высокого интереса к кофемашинам, но ещё не знает, куплен ли товар для самого клиента.

После подтверждённого подарочного заказа можно завершить напоминания об этой покупке и не запускать автоматически цепочку расходников для личного использования. При этом общий опыт выбора подарка может быть полезен для будущего предложения, если сценарий проверен и не делает лишних предположений.

Через несколько месяцев старые просмотры больше не определяют текущую подборку. Если клиент снова начинает выбирать кофемашины, новый сигнал формируется из новых действий с собственной датой.

Сделайте балл объяснимым для маркетолога

Если модель выдаёт интерес 8,4, это ещё не означает вероятность покупки 84 процента. Балл может быть лишь суммой условных весов, удобной для сравнения тем внутри одного правила. Его масштаб нужно объяснить в паспорте признака.

Покажите несколько слагаемых: какой просмотр, поиск или подтверждённый выбор повлиял на результат и как уменьшился вес со временем. Тогда маркетолог увидит, что высокий балл создан двадцатью повторами одного технического события, а не двадцатью самостоятельными действиями.

Задайте ограничение на вклад повторов и правило завершения потребности после покупки. Если событие покупки автоматически обнуляет интерес, проверьте категории с регулярным потреблением: там потребность может сохраняться, но меняться по сроку. Для разовой покупки крупной техники логика будет иной. Одно правило затухания для обоих случаев создаёт ложную универсальность.

Измеряйте пользу правила для решения

Сравните варианты на заранее назначенных группах: например, бессрочный признак и признак с ограничением давности. Основным результатом может быть дополнительный вклад заказов за согласованный период; жалобы, отписки и частота контактов служат ограничениями.

Не оценивайте модель только по кликам среди людей, которым уже отправили персональную подборку. Такой отчёт не показывает, было ли правило лучше альтернативы. Также проверьте долю пустых подборок и наличие товаров: хорошее определение интереса не компенсирует отсутствие предложения.

В итоге у команды должен появиться паспорт каждого используемого интереса. Если нельзя объяснить, откуда признак взялся, когда устаревает и какое решение меняет, его рано делать основанием постоянной персонализации.

Источники

Twilio Segment. Computed Traits. Документация Unify. Раздел Understanding Windows in Computed Traits. Проверено 22.09.2026.