Сегментация пользователей в SQL: признаки и группы

Прямой ответ

Сегментация группирует пользователей по признаку, поэтому метрика считается внутри группы и различие между сегментами видно явно.

SELECT
  CASE
    WHEN total_spent >= 10000 THEN 'high'
    WHEN total_spent >= 1000  THEN 'medium'
    ELSE 'low'
  END AS segment,
  COUNT(*) AS users,
  AVG(order_count) AS avg_orders
FROM user_stats
GROUP BY 1;

Сегмент определяется значением признака, поэтому метрика внутри группы не смешивается с другими группами. О когортах — в статье про когортный анализ SQL.

Признак сегмента и порог

Признак сегмента определяет, по какому свойству строится группа, поэтому выбор признака влияет на различие между сегментами.

Признак сегмента. Свойство пользователя, по которому строится группа, поэтому признак выбирается исходя из вопроса, на который отвечает анализ.

Порог сегмента. Граница значения признака между группами, поэтому порог определяет состав сегментов.

Число сегментов. Малое число сегментов даёт крупные группы, большое число даёт разброс, поэтому число выбирается по размеру выборки.

Практическое следствие: признак, не связанный с измеряемым показателем, даёт сегменты без различия, поэтому анализ не отвечает на вопрос.

Отдельный аспект — пересечение признаков. Пользователь может попадать в несколько сегментов при нескольких признаках, поэтому правило присвоения сегмента определяется явно.

Распределение и размер сегмента

Распределение пользователей по сегментам показывает состав групп, поэтому размер сегмента определяет достоверность метрики.

Число пользователей в сегменте. Размер группы определяет разброс метрики, поэтому малый сегмент даёт недостоверное значение.

Доля сегмента. Доля пользователей сегмента от общего числа показывает значимость группы, поэтому малая доля ограничивает вывод.

Баланс сегментов. Неравные сегменты дают разную достоверность метрики, поэтому сравнение учитывает размер групп.

Практическое следствие: сегмент малого размера даёт метрику с большим разбросом, поэтому различие между сегментами может объясняться размером выборки.

Применение сегментации к метрикам

Метрика считается внутри сегмента, поэтому различие между группами показывает влияние признака на показатель.

Метрика внутри сегмента. Показатель считается по пользователям группы, поэтому значение отражает поведение сегмента.

Сравнение сегментов. Метрики сегментов сравниваются между собой, поэтому различие указывает на влияние признака.

Проверка размера. Сравнение учитывает размер сегментов, поэтому различие в малых группах не принимается за вывод.

Практическое следствие: сравнение сегментов без учёта размера групп показывает различие, объясняемое объёмом выборки, а не поведением пользователей.

О воронке продаж по сегментам — в статье про воронку в SQL; о расчёте на ClickHouse — в статье про ClickHouse для аналитики.

Сегментация по поведению и по атрибутам

Сегментация по поведению строится на действиях пользователя, поэтому группа отражает фактическое использование продукта, а сегментация по атрибутам — на свойствах учётной записи.

Поведенческий признак. Группа строится по числу событий, сумме либо частоте действий, поэтому сегмент отражает активность пользователя.

Атрибутивный признак. Группа строится по свойству учётной записи, поэтому сегмент не зависит от активности в периоде.

Сочетание признаков. Сегмент по сочетанию поведенческого и атрибутивного признака даёт более узкую группу, поэтому размер сегмента сокращается.

Практическое следствие: сегментация только по атрибутам не отражает изменение активности, поэтому группа остаётся прежней при изменении поведения пользователя.

Отдельный аспект — стабильность сегмента. Поведенческий сегмент меняется от периода к периоду, поэтому пользователь может переходить между группами. Атрибутивный сегмент остаётся постоянным, поэтому состав группы не зависит от активности. Выбор признака определяется тем, требуется ли отслеживать переход пользователя между группами либо достаточно ثابتного разреза.

Практика: построение сегментации

1. Выбирайте признак, связанный с измеряемым показателем. Сегменты дают различие, поэтому анализ отвечает на вопрос.

2. Определяйте пороги сегментов явно. Границы значений определяют состав групп, поэтому правило присвоения однозначно.

3. Ограничивайте число сегментов размером выборки. Малое число сегментов даёт крупные группы с достоверной метрикой.

4. Проверяйте размер каждого сегмента. Малый сегмент даёт разброс метрики, поэтому вывод требует проверки числа пользователей.

5. Показывайте долю сегмента от общего числа. Малая доля ограничивает значимость вывода.

6. Считайте метрику внутри сегмента. Значение отражает поведение группы, а не смешанной выборки.

7. Сравнивайте сегменты с учётом размера групп. Различие в малых группах не принимается за вывод.

Рекомендации:

1. Не используйте признак, не связанный с показателем. Сегменты не дают различия, поэтому анализ не отвечает на вопрос.
2. Учитывайте пересечение признаков. Пользователь может попадать в несколько сегментов, поэтому правило присвоения определяется явно.
3. Сопоставляйте число сегментов с размером выборки. Большое число сегментов даёт малые группы с недостоверной метрикой.
4. Фиксируйте размер сегмента в отчёте. Доля без числа пользователей не позволяет оценить достоверность.
5. Пересматриваем пороги при изменении распределения. Сдвиг значений признака меняет состав сегментов.

Практический сценарий: различие сегментов объяснялось размером выборки

Контекст: отчёт показывал различие конверсии между сегментами, но изменение продукта не проводилось.

1. Диагностика. Проверка показала, что один из сегментов содержал несколько десятков пользователей, а другой — несколько тысяч. Различие конверсии между ними находилось в пределах разброса, ожидаемого для малой группы.
2. Причина. Сравнение сегментов не учитывало размер групп, поэтому различие, объясняемое объёмом выборки, принималось за влияние признака.
3. Действия. (а) Добавили число пользователей каждого сегмента в отчёт, чтобы размер группы был виден рядом с метрикой; (б) объединили малые сегменты в одну группу, чтобы размер выборки давал достоверную метрику; (в) пересчитали метрики по укрупнённым сегментам и сравнили различие; (г) проверили пороги сегментации и убедились, что распределение признака соответствует границам; (д) настроили регулярный пересчёт, чтобы изменение распределения обнаруживалось.
4. Результат. Сравнение сегментов учитывает размер групп, поэтому различие метрик отражает поведение пользователей, а не объём выборки.

Вывод: различие метрик между сегментами малого и большого размера может объясняться объёмом выборки, а не влиянием признака. Указание размера сегмента и укрупнение малых групп делают сравнение достоверным.

FAQ

Как выбрать признак сегментации? Признак должен быть связан с измеряемым показателем. Сегменты по несвязанному признаку не дают различия, поэтому анализ не отвечает на вопрос.

Почему важен размер сегмента? Малый сегмент даёт метрику с большим разбросом, поэтому различие между группами может объясняться объёмом выборки.

Сколько сегментов выделять? Число сегментов ограничивается размером выборки. Малое число даёт крупные группы с достоверной метрикой.

Как сравнить сегменты корректно? С учётом размера групп. Различие в малых сегментах не принимается за вывод о влиянии признака.

Источники: PostgreSQL conditional expressions, table expressions, aggregate functions — ссылки в шапке.