مرجع النماذج التنبؤية
طبقة التنبؤ في Flash عبارة عن صندوق زجاجي: اثنا عشر نموذجًا كلاسيكيًا حتميًا — لا يوجد تقييم مُبهم. كل نموذج مكتوب بلغة TypeScript خالصة، حتمي بطبيعته (مُحسِّنات وجداول زمنية ثابتة، لا تهيئة عشوائية، لا أخذ عينات — نفس البيانات تُنتج دائمًا نفس النموذج، لذا فإن أي تغيير في النتيجة يُعزى دائمًا إلى تغيير في البيانات)، يُعاد ضبطه ليلًا لكل مستأجر من بياناته الخاصة، ومُقيد بالشفافية: أقل من الحد الأدنى المُحدد لكل نموذج من التاريخ الحقيقي، يكون الناتج فارغًا/غير موجود — لا تُظهر الأسطح أي شيء بدلًا من التخمين. تُرتب التنبؤات وتُقترح؛ يتم تنفيذ الطلبات بعد الموافقات والحدود القصوى وفحوصات الموافقة الخاصة بالمنصة.
هذه الصفحة هي مرجع هندسي لكل نموذج: ما يحسبه كل نموذج، وطريقته، ومدخلاته، ومخرجاته، ومكان وصولها، وبوابات الصدق الخاصة به، والواجهات التي تستخدمه. للاطلاع على القصة المتعلقة بالأعمال، راجع صفحة منتج الذكاء التنبؤي؛ وللاطلاع على أسس حوكمة كل نموذج، راجع دليل حكَم حوكمة الذكاء الاصطناعي.
أربع ضمانات مشتركة بين جميع العارضين
حتميٌّ بطبيعته
كل نموذج مكتوب بلغة TypeScript خالصة مع مُحسِّنات وجداول زمنية ثابتة - لا تهيئة عشوائية، ولا أخذ عينات. تُنتج البيانات نفسها دائمًا النموذج نفسه، لذا فإن أي تغيير في النتيجة يُعزى دائمًا إلى تغيير في البيانات.
تحديث ليلي لكل مستأجر
يتم تحديث كل نموذج يوميًا باستخدام بيانات العميل الخاصة - سجله الخاص، وبيانات إرساله الخاصة، وطلباته الخاصة. لا يوجد تجميع بيانات بين العملاء.
مُقيد بالنزاهة
في حال كان سجل البيانات الفعلي أقل من الحد الأدنى المحدد لكل نموذج، تكون المخرجات فارغة/غير موجودة - لا تعرض واجهات المستخدم أي بيانات، بل مجرد تخمين. جميع البوابات مُدرجة في هذه الصفحة.
قيّم واقترح، لا تُنفّذ
ترتيب التوقعات واقتراحها؛ يبقى التنفيذ خاضعًا لموافقات المنصة وحدودها وفحوصات الموافقة. لا يقوم أي نموذج بتحويل الأموال أو التواصل مع الأعضاء تلقائيًا.
النماذج الاثنا عشر
- مخاطر التخلي عن الخدمة وقيمة العميل الدائمة على مدار 12 شهرًا
- تاريخ الشراء المتوقع التالي
- مؤشر احتمالية النقر
- أفضل وقت للإرسال
- تحسين حركة المرور تلقائيًا باختبار A/B
- استعادة العملاء
- تشابه العناصر (عنصر-kNN)
- قواعد الارتباط
- التشابه
- كاشف الاحتيال السلوكي الشاذ
- استمرارية الاحتفاظ بالعملاء (KM + Cox)
- توقعات الإيرادات (هولت-وينترز)
1. مخاطر التخلي عن الخدمة وقيمة العميل الدائمة على مدار 12 شهرًا
لكل مشترٍ: احتمال توقف العميل عن التعامل دون علمه (churn_risk(0-100) والإنفاق المتوقع خلال الاثني عشر شهرًا القادمة (predicted_clv_12m).
| الطريقة | BG/NBD - نموذج نمط شراء من عائلة باريتو لتكرار الشراء والتوقف عن الشراء - مُدمج مع نموذج إنفاق جاما-جاما. يتم تطبيق كلا النموذجين على كل فريق، لكل ليلة، باستخدام نموذج نيلدر-ميد الحتمي. |
| المدخلات | سجل المشتريات - معاملات اكتساب النقاط الخاصة بالفريق - هو المصدر الوحيد لتاريخ مشتريات كل عضو. لا يوجد أي شيء خارج سجل المستأجر. |
| المخرجات ومكان وصولها | member_behavior_rollup الأعمدة: churn_risk (0-100، تُحسب كالتالي: 100 × (1 − P(alive)))، predicted_clv_12m (عدد المعاملات المتكررة خلال 365 يومًا × الإنفاق لكل معاملة) و predictive_confidence. |
| بوابات النزاهة | معايير ملاءمة الفريق: ≥200 مشترٍ، ≥50 مشترٍ متكرر، ويجب أن تتقارب معايير الملاءمة. يتطلب نموذج جاما-جاما أيضًا متوسطًا محدودًا للمجتمع - وإلا فإن قيمة العميل الدائمة (CLV) تعود إلى متوسط إنفاق العضو نفسه، وهو الأساس الأضعف. معايير الأعضاء: لا يتم احتساب نقاط لغير المشترين؛ أقل من 3 عمليات شراء أو أقل من شهرين من تاريخ الشراء → لا شيء. |
| واجهات الاستهلاك | التوقعات التنبؤية للملف الشخصي، churn_risk و predicted_clv_12m شروط الشرائح، وترتيب استعادة العملاء، وبطاقات الإجراءات الموصى بها. |
2. تاريخ الشراء المتوقع التالي
حدد موعد الشراء التالي المتوقع لكل عضو، ومدى اتساع الفترة الزمنية المحيطة بهذا التاريخ. قد يكون التاريخ المتوقع في الماضي - وهذه إشارة مقصودة وصادقة للتأخير، وليست خللًا. متى يُتوقع قيام كل عضو بعملية الشراء التالية، وما هو النطاق الزمني حول هذا التاريخ.
| الطريقة | عرض غاما باستخدام طريقة العزوم للفجوات بين عمليات الشراء الخاصة بالعضو. عرض غاما للفجوات بين عمليات الشراء الخاصة بالعضو. |
| المدخلات | نفس مؤشر SSOT لمعاملات اكتساب العملاء كما هو الحال في مؤشر معدل التخلي/قيمة العميل الدائمة - الفترات الزمنية الملحوظة بين مشتريات العميل. |
| المخرجات ومكان وصولها | next_order_expected_at (قد يكون في الماضي = متأخر) و next_order_window_days (± الانحراف المعياري للعينة، الحد الأدنى يوم واحد). |
| بوابات النزاهة | وجود 3 فجوات مُلاحظة على الأقل، ومعامل تباين ≤ 1.5 (يتم رفض الإيقاع غير المنتظم، ولا يتم تخمينه أبدًا)، ومتوسط الفجوة ≥ 0.25 يوم - وإلا NULL. |
| واجهات الاستهلاك | صورة الملف الشخصي و days_until_expected_order شرط الشريحة (سلبي = متأخر؛ جمهور التجديد "بين -14 و3"). |
3. مؤشر احتمالية النقر
احتمالية النقر | الإرسال (P(click | send)) لكل عضو، معبرًا عنها كالتالي: click_propensity على مقياس من 0 إلى 100.
| الطريقة | انحدار لوجستي مُنتظم من المستوى الثاني لكل فريق على مدى آخر 90 يومًا من عمليات الإرسال، مُدرّب بواسطة انحدار التدرج الكامل الحتمي وفقًا لجدول زمني ثابت. التصنيف هو النقرات فقط - يتم استبعاد عمليات الفتح لأن Apple MPP prefetch يُضخّمها. يضمن نظام الحماية من التسريب أن ميزة معدل النقر السابق لكل عملية إرسال تدريبية تستبعد نتيجة تلك العملية نفسها، ويخدم مُنشئ ميزات مشترك واحد كلاً من التدريب والتقييم، بحيث لا يمكن أن تنفصل صفوف التدريب والتقييم. هل أنت محتار بشأن ما يجب تشغيله؟ |
| المدخلات | نتائج إرسال الفريق خلال التسعين يومًا الماضية. |
| المخرجات ومكان وصولها | click_propensity (0-100) فأكثر propensity_computed_at. |
| بوابات النزاهة | شروط ملاءمة الفريق: ≥500 إرسال، ≥30 نقرة، ≥50 عضوًا مميزًا. شرط العضوية: ≥3 إرسالات حديثة - وإلا فلا شيء. شروط ملاءمة الفريق: ≥500 إرسال، ≥30 نقرة، ≥50 عضوًا مميزًا. |
| واجهات الاستهلاك | صورة الملف الشخصي و click_propensity شرط الشريحة. |
4. أفضل وقت للإرسال
ساعة التفاعل المفضلة لكل عضو في منطقته الزمنية المحلية، وتوصية بساعة مناسبة لمستوى الجمهور لإرسال كامل.
| الطريقة | مخطط بياني لساعات التفاعل لكل عضو على مدار 90 يومًا، بالتوقيت المحلي للعضو: نقرات مُرجّحة 3 مرات، فتحات غير بروكسي، استبعاد البوتات، Apple تم استبعاد فتحات بروكسي MPP. الساعة المُفضّلة هي الوضع الدائري المُنعّم (الساعة 23 والساعة 0 متجاورتان). |
| المدخلات | ٩٠ يومًا من تفاعلات العضو، مُرتبطة بالمنطقة الزمنية المحلية له. |
| المخرجات ومكان وصولها | preferred_send_hour (0-23، محلي) بالإضافة إلى send_timing_sampleتوصية الجمهور هي الطريقة المُثلى لعرض الرسائل خلال ساعاتهم المفضلة، ويتم الإبلاغ عنها مع عدد مرات الوصول. |
| بوابات النزاهة | لا يملك العضو الذي ليس لديه سجل تفاعل مؤهل ساعة مفضلة. عندما لا يجد التطبيق التلقائي إشارة، فإنه يحتفظ بالوقت المُحدد للمتصل - ولا يؤخر الإرسال أبدًا. |
| واجهات الاستهلاك | بطاقة خطوات الجدول الزمني، preferred_send_hour شرط الشريحة، والتطبيق التلقائي عبر الإرسال API (optimizeSendTime)، والذي يحدد موعد حدوث الساعة الموصى بها التالية. |
5. تحسين حركة المرور تلقائيًا باختبار A/B
توزيعات أوزان التسليم الساعية عبر متغيرات تجربة الحملة المتكررة، من أداء النقرات المباشر.
| الطريقة | مُخصِّص حتمي للنقرات المباشرة لكل متغير: يتم رفع متوسط نسبة النقر إلى الظهور (CTR) المُنعَّم باستخدام لابلاس إلى درجة حرارة معينة، ثم يتم تطبيعه فوق حد أدنى للاستكشاف بنسبة 10% لكل مجموعة. لا يُعلن النظام عن فائز إحصائي، فهذا يبقى نتيجة اختبار A/B الرسمي المنفصل. |
| المدخلات | عرض مباشر لبيانات التسليم لكل نسخة وعدد النقرات للحملة. |
| المخرجات ومكان وصولها | يتم تطبيق أحدث تخصيص عند الإرسال - ولا يتم تغيير التقسيم المُكوّن. كل إعادة حساب كل ساعة تُضيف صفًا واحدًا إلى bandit_allocations سجل القرارات مع الأوزان المطبقة وشرح منطقي يمكن قراءته من قبل البشر. |
| بوابات النزاهة | الحملات المتكررة فقط (أتمتة/رحلة العميل)، الاشتراك اختياري لكل حملة. يبقى توزيع الزيارات متساوياً حتى يصل كل فرع إلى 100 عملية تسليم أو أكثر - لا إعادة توزيع للبيانات المحدودة. |
| واجهات الاستهلاك | إضافة وزن وقت الإرسال إلى الحملات المتكررة التي وافق المشتركون عليها؛ إضافة النقاط فقط. bandit_allocations السجل هو واجهة التدقيق. |
6. استعادة العملاء
أي الأعضاء المعرضين للخطر يجب أن يبدأ برنامج استعادة الأعضاء بالعمل معهم أولاً؟ - ترتيبٌ يراعي قابلية الإقناع، وليس فقط قيمة الأعضاء المعرضين للخطر.
| الطريقة | تحسين لوجستي ثنائي النموذج على تجربة التحقق العشوائية الخاصة بالبرنامج: uplift(x) = P(convert | treated, x) − P(convert | holdout, x). أذرع كل عضو ثابتة؛ التحويل = ≥1 ترتيب في نافذة الإسناد. التحسين (x) = احتمال التحويل | المعالج، x - احتمال التحويل | التحقق، x. |
| المدخلات | مُكتمل winback_attribution صفوف. تُستمدّ الميزات من لقطة وقت إضافة المهمة إلى قائمة الانتظار، إن وُجدت، وإلاّ من التجميع الحالي (وهو تقدير تقريبي). |
| المخرجات ومكان وصولها | مفتاح ترتيب قائمة العمل = القيمة المعرضة للخطر × التحسين. يُخفَّض مستوى الإزعاج (عدم الإزعاج) إلى أدنى مستوى، ويُحدَّد بأولوية صفر. task.reason يحمل الحساب الكامل.
يحمل الحساب الكامل. |
| بوابات النزاهة | يجب أن يكون عدد الصفوف المعالجة الناضجة ≥ 200، وعدد صفوف الاختبار الناضجة ≥ 50، وعدد التحويلات ≥ 20، وأن تتقارب كلتا المعادلتين - وإلا سيظل الترتيب مجرد قيمة معرضة للخطر. |
| واجهات الاستهلاك | SoClaw ترتيب قائمة مهام استعادة العملاء - قائمة الانتظار المُرتبة التي يختار منها الوكيل المهام. |
قائمة العمل نفسها - المطالبة بالمهام، والآليات، والإنجاز - موثقة في دليل التكامل لاستعادة العملاء SoClaw.
7. تشابه العناصر (عنصر-kNN)
ميزة "اشترى أيضًا" لمقارنة المنتجات المتشابهة.
| الطريقة | تحقيق الشراء المشترك الليلي، مُقاسًا بتكرار التواجد المشترك المُعَيَّر بجيب التمام: co_count / sqrt(buyers(A) × buyers(B)) — يُصحح التوحيد تحيز الشعبية. البيانات الأولية co_count يُحفظ كعمود، كدليل قابل للفحص. |
| المدخلات | سجل الشراء المشترك للمستأجر - من اشترى ماذا معًا. |
| المخرجات ومكان وصولها | درجات تشابه مُجسّدة لأزواج العناصر، مع تخزين عدد مرات التواجد المشترك الخام بجانب كل درجة. |
| بوابات النزاهة | تحتاج الأزواج إلى ≥2 مشترين مشتركين لتظهر. الحالات النادرة أو غير النشطة تعود إلى أفضل المنتجات مبيعًا في الفئة، ثم أفضل المنتجات مبيعًا عالميًا؛ الأعضاء غير النشطين لا يحصلون على شيء بدلاً من منتجات عشوائية. |
| واجهات الاستهلاك | قسم توصيات البريد الإلكتروني، وبوابة الأعضاء، وواجهات برمجة تطبيقات التوصيات العامة + الإصدار الثاني. |
8. قواعد الارتباط
قواعد البيع المتبادل على شكل "مشترو المنتج أ يشترون أيضًا المنتج ب"، مع الدعم والثقة والتحفيز.
| الطريقة | يتم استخراج أزواج المنتجات على مستوى الطلبات يوميًا. العتبات: ≥3 أزواج من الطلبات و≥5% ثقة؛ يتم الاحتفاظ بأفضل 25 قاعدة لكل شرط، مرتبة حسب تأثيرها. |
| المدخلات | بنود طلبات التاجر. |
| المخرجات ومكان وصولها | catalog_association_rules صفوف تحمل الدعم/الثقة/الرفع بالإضافة إلى الأعداد الأولية المشتقة منها (أعداد الطلبات الزوجية، والسوابق، والنتائج) - لذا يمكن إعادة حساب كل مقياس يدويًا. |
| بوابات النزاهة | ≥3 طلبات ثنائية وثقة ≥5% - أقل من ذلك، لا توجد قاعدة. |
| واجهات الاستهلاك | بطاقة عرض المنتجات التكميلية - للمشترين النشطين فقط، مع استبعاد المنتجات المملوكة مسبقًا. |
9. التشابه
مدى تشابه كل عضو في قاعدة البيانات مع جمهور أولي، مع تحليل تفصيلي لكل عضو يوضح أسباب هذا التشابه.
| الطريقة | البيانات الأولية ← مركز روكيو: تشابه جيب التمام للعلامات الموزون وفقًا لمعيار IDF + المسافة العددية المعيارية وفقًا لمعيار غاور (RFM، عدد المشتريات، الحداثة)، بالإضافة إلى دمج الملفات الشخصية عندما تحتوي البيانات الأولية على البيانات - مطابقة مستوى القيمة، مطابقة الفئة الأساسية، تقارب توقعات التوقف - مع إعادة معايرة الأوزان على الأبعاد الموجودة فعليًا، لذا فإن البيانات الأولية التي لا تحتوي على بيانات ملف شخصي تُختزل تمامًا إلى العلامة + المستوى العددي. |
| المدخلات | تُطابق علامات الأعضاء الأساسيين، وسلوكهم الرقمي (RFM، وعدد عمليات الشراء، والحداثة)، وحقول ملفاتهم الشخصية مع قاعدة أعضاء المستأجر. |
| المخرجات ومكان وصولها | درجات التشابه لكل عضو مع تفاصيل لكل بُعد والتي تدعم ملخص "لماذا هم متشابهون". |
| بوابات النزاهة | البذور الصغيرة تُعاني من انكماشٍ بالإضافة إلى تحذيرٍ صريح بدلًا من نتائجٍ مُرضية. |
| واجهات الاستهلاك | مسار البحث عن الجمهور المشابه. داخل قاعدة البيانات فقط - لا يتم تحميل الجمهور المشابه إلى منصات الإعلانات. |
10. كاشف الاحتيال السلوكي الشاذ
هل يُعدّ نشاط نقاط العضو خلال 30 يومًا حالة شاذة إحصائيًا مقارنةً بتوزيع أعضاء الفريق؟
| الطريقة | إحصائيات دقيقة لكل فريق على مدار 30 يومًا لنشاط النقاط - عدد معاملات الكسب، النقاط المكتسبة، عمليات استرداد الرصيد - الوسيط + الانحراف المعياري لكل ميزة، قيمة z الدقيقة = 0.6745 × (x − الوسيط) / الانحراف المعياري، يتم وضع علامة عند z ≥ 6 و ≥ 10 معاملات كسب. |
| المدخلات | 30 يومًا من نقاط الفريق لكل عضو. |
| المخرجات ومكان وصولها | تجميد نقاط العضو المتبقية بالإضافة إلى fraud_points_hold مهمة المراجعة. يُجمّد وضع علامة النقاط للمراجعة فقط - ولا يُلغيها تلقائيًا. السبب وراء احتواء الحمولة على قيمة لكل ميزة / الوسيط / معامل z القوي. |
| بوابات النزاهة | يتم تخطي الفرق التي يقل عدد أعضائها النشطين عن 50 عضوًا بالكامل (لا يوجد أساس ذو دلالة)؛ يتم تخطي الميزات التي يكون فيها MAD = 0؛ لا يتم إضافة الأعضاء المجمدين مسبقًا؛ يتم تجميع إزالة التكرارات حسب الشهر. |
| واجهات الاستهلاك | قائمة عمل مراجعة الاحتيال في النقاط. |
تم توثيق مسار التجميد ثم الحكم الذي يغذيه هذا الكاشف - عمليات الحفظ، ودلالات الحكم، وضوابط المسؤول - في دليل حماية نقاط الاحتيال.
11. استمرارية الاحتفاظ بالعملاء (KM + Cox)
منحنيات الاحتفاظ لكل مجموعة تسجيل شهرية، وخصائص الأعضاء المرتبطة بالاحتفاظ.
| الطريقة | منحنيات كابلان-ماير لحدود المنتج لكل مجموعة اشتراك شهرية؛ حدث التوقف هو 90 يومًا بدون شراء (مدة التوقف = آخر عملية شراء + 90 يومًا)، يتم استبعاد المشترين الجدد، بينما يتم استبعاد غير المشترين. نموذج كوكس للمخاطر النسبية باستخدام احتمالية بريسلو الجزئية، مع تعظيمها باستخدام دالة نيلدر-ميد الحتمية نفسها. |
| المدخلات | سجل تسجيل العميل ومشترياته. |
| المخرجات ومكان وصولها | منحنيات بقاء المجموعة، ونسب مخاطر كوكس معروضة كجمل بسيطة - مع الإشارة إلى النسب بين 0.95 و1.05 على أنها "لا فرق ذو دلالة"، ويتم تصنيف كل شيء على أنه ارتباط، وليس سببية. |
| بوابات النزاهة | تحتاج المجموعات إلى 30 عضوًا على الأقل؛ ولا تتجاوز المنحنيات الأفق الزمني المُلاحَظ للمجموعة. يقتصر نموذج كوكس على 3 متغيرات مشتركة، ويحتاج إلى 30 حدثًا على الأقل، ويعيد null في حالة عدم التقارب. |
| واجهات الاستهلاك | عرض مجموعة العملاء المحتفظ بهم ولوحة البيانات المرتبطة بها. |
12. توقعات الإيرادات (هولت-وينترز)
توقعات الإيرادات اليومية لمدة 14 يومًا مع هامش خطأ معقول.
| الطريقة | التسوية الأسية الثلاثية المضافة مع موسمية أسبوعية m = 7 وثوابت ثابتة α = 0.3، β = 0.05، γ = 0.3 — الضبط الذاتي ليس هدفًا مقصودًا — يتم تهيئته بشكل حتمي من أول موسمين. |
| المدخلات | قراءة إجمالي قيمة البضائع المباعة يومياً من خلال الطبقة الدلالية للمقاييس المعتمدة (بدون تجميع ثانٍ)؛ يتم تكثيف الأيام المفقودة إلى 0 دولار؛ يتم حذف الأصفار قبل أول عملية بيع. |
| المخرجات ومكان وصولها | توقعات لمدة 14 يومًا، مثبتة ≥0، مع نطاق = متوسط الخطأ المطلق لخطوة واحدة داخل العينة × 1.5 (أساس محدد، وليس فاصل ثقة توزيعي). |
| بوابات النزاهة | سجل بيانات غير صفري لمدة ٢٨ يومًا على الأقل — وإلا null، ولن يتم عرض أي شيء. |
| واجهات الاستهلاك | توقعات إيرادات لوحة التحكم. |
استخدام النتائج
تُعرض نقاط مستوى العضوية على شكل أعمدة قابلة للطي، وتنتشر للخارج عبر أربعة أسطح، بترتيب تصاعدي حسب مدى الوصول:
- أعمدة التجميع. تُسجّل عمليات التحديث الليلية درجات كل عضو (
churn_risk،predicted_clv_12m،click_propensity،preferred_send_hour،next_order_expected_at...) في تجميع سلوك العضو — قيمة فارغة (NULL) في حال عدم استيفاء أحد الشروط. - شروط التجزئة. ستة شروط تنبؤية تستهدف النتائج:
churn_risk،predicted_clv_12m،preferred_send_hour،click_propensity،days_until_expected_order، بالإضافة إلى الوسوم. العضو الذي تكون نتيجته فارغة (NULL) لا يُطابق أبدًا - فالشرائح ترث معايير الصدق. - ملف تعريف العضو API / حمولة البيانات التحليلية. يتم تضمين نفس النتائج في واجهة قراءة ملف تعريف العضو، لذا فإن ما يقرأه المكامل هو بالضبط ما تعرضه صفحة الملف الشخصي.
- MCP للوكلاء. يقرأ وكلاء الذكاء الاصطناعي النتائج عبر
get_member_profileعلى خادم MCP المُدار - نفس البيانات، ضمن نفس النطاقات والحوكمة.
للاطلاع على الجوانب التجارية لهذه الإمكانيات، راجع الذكاء التنبؤي؛ وللاطلاع على آليات الموافقة، وسجلات القرارات، وإخفاء المعلومات الشخصية التي يعمل خلفها كل نموذج، راجع حوكمة الذكاء الاصطناعي: الاستبطان والموافقات.