Sisään Osa 1 Käsittelimme filosofiaa ja sarjakatsausta. In Osa 1.1 rakensimme näytedatageneraattorin.
Nyt rakennetaan ydinjärjestelmä. Tässä osassa keskitytään seuraaviin asioihin:
Tämä on Otosprojekti (Mostlylucid.SegmentCommerce) – pieni verkkokauppademo, joka näyttää ydinkuviot. Konsepteja on tarkoituksellisesti yksinkertaistettu osoittamaan selkeästi, mutta se sisältää myös todelliset infrastruktuurikuviot (outbox-pohjainen viestinkäsittely, taustatyön käsittely, JSONB-indeksointi), jotka skaalautuisivat laaja-alaisesti tuotantoon.
Ajattele tätä "tuotantokuviona yhden sovelluksen muodossa". Sama koodirakenne toimii riippumatta siitä, pyöritätkö yhtä prosessia tai jakeletko palveluja.
Valitsimme yksinkertainen, yhtenäinen pino Näyte on pidettävä puhtaana samalla, kun se osoittaa tuotantomalleja.
Erillisten vektoritietokantojen, viestijonojen ja välimuistikerrosten sijaan käytämme PostgreSQL:
flowchart LR
App[ASP.NET Core] --> PG[(PostgreSQL)]
PG --> JSONB[JSONB<br/>interests]
PG --> Vector[pgvector<br/>embeddings]
PG --> Queue[Queue tables<br/>jobs, outbox]
PG --> FTS[Full-text<br/>tsvector]
style PG stroke:#2f9e44,stroke-width:3px
style JSONB stroke:#1971c2,stroke-width:2px
style Vector stroke:#1971c2,stroke-width:2px
style Queue stroke:#1971c2,stroke-width:2px
style FTS stroke:#1971c2,stroke-width:2px
Yksi yhteysallas, yksi apujoukko, yksi laukaisu.
<!-- Instant search (no page reload) -->
<input
hx-get="/api/search"
hx-trigger="keyup changed delay:300ms"
hx-target="#results" />
SPA:n kaltainen UX, jossa on serverinpoiston yksinkertaisuus.
Yksi sovellus, mutta kuvioiden skaala:
Aloita yksinkertaisesti ja jaa tarvittaessa.
Perinteinen käyttäjäseuranta tallentaa tunnistettavia tietoja: nimiä, sähköposteja, käyttäytymiseen liittyviä käyttäjätunnuksia. GDPR- ja yksityisyydensuoja-asetukset tekevät tästä yhä ongelmallisemman. Lähestymistapamme on erilainen:
Me säilytämme käyttäytymismalleja, emme henkilöllisyyksiä.
flowchart LR
subgraph "Traditional Approach"
User1[User: [email protected]] --> Behavior1[Bought headphones]
Behavior1 --> PII1[(PII Database)]
end
subgraph "Zero-PII Approach"
User2[Anonymous Session] --> Behavior2[Bought headphones]
Behavior2 --> Pattern[(Category: tech<br/>Signal weight: 1.0)]
end
style PII1 stroke:#c92a2a,stroke-width:3px
style Pattern stroke:#2f9e44,stroke-width:3px
Avainnäkemys: Sinun ei tarvitse tietää, kuka on joku, joka tietää, mistä on kiinnostunut.
Järjestelmässä on kolme ydinkerrosta:
flowchart TB
Browser[Browser] --> Session[Session Collector]
Session --> Profile[Persistent Profile]
Profile --> Segments[Segment Service]
Session -->|in-memory only| Cache[(IMemoryCache)]
Profile -->|elevated signals| DB[(PostgreSQL + JSONB)]
Segments -->|memberships| UI[Segment Explorer UI]
style Session stroke:#1971c2,stroke-width:3px
style Profile stroke:#2f9e44,stroke-width:3px
style Segments stroke:#fab005,stroke-width:3px
style Cache stroke:#e64980,stroke-width:2px
Kriittinen ero: Sessiot ovat ohimeneviä, profiilit sinnikkäitä. Tämä ei ole toteutus yksityiskohta, vaan yksityisyysarkkitehtuurin päätös.
Istunnot tiukasti muistissaHe asuvat täällä. IMemoryCache ja liukuvan vanhenemisen ja älä koskaan koske tietokantaan.
Tämä on vaikea arkkitehtoninen rajoitus: istuntotiedot eivät voi jatkua. Se kerää signaaleja vierailun aikana ja häätää 30 minuutin toimettomuuden jälkeen LFU:n (vähiten käytetty) välimuistikäytännön kautta muistin paineessa.
// Mostlylucid.SegmentCommerce/Models/SessionProfile.cs
public class SessionProfile
{
public string SessionKey { get; set; } = string.Empty;
// Category interest scores: { "tech": 0.75, "fashion": 0.25 }
public Dictionary<string, double> Interests { get; set; } = new();
// Detailed signal counts: { "tech": { "product_view": 5, "add_to_cart": 1 } }
public Dictionary<string, Dictionary<string, int>> Signals { get; set; } = new();
// Products viewed this session
public List<int> ViewedProducts { get; set; } = new();
// Session context (device, referrer domain, time-of-day)
public SessionContext? Context { get; set; }
// Aggregates
public double TotalWeight { get; set; }
public int SignalCount { get; set; }
public int PageViews { get; set; }
public int ProductViews { get; set; }
public int CartAdds { get; set; }
// Timestamps
public DateTime StartedAt { get; set; } = DateTime.UtcNow;
public DateTime LastActivityAt { get; set; } = DateTime.UtcNow;
// Link to persistent profile (if fingerprint resolved)
public Guid? PersistentProfileId { get; set; }
}
// Mostlylucid.SegmentCommerce/Services/Profiles/SessionCollector.cs
_cache.Set(sessionKey, sessionProfile, new MemoryCacheEntryOptions
{
SlidingExpiration = TimeSpan.FromMinutes(30),
Priority = CacheItemPriority.Normal, // LFU eviction under memory pressure
// CRITICAL: Eviction callback decides whether to elevate to persistent profile
PostEvictionCallbacks =
{
new PostEvictionCallbackRegistration
{
EvictionCallback = async (key, value, reason, state) =>
{
if (value is SessionProfile session && ShouldElevate(session))
{
// Only NOW do we write to database (persistent profile)
await ElevateToProfileAsync(session);
}
// Otherwise: session is gone forever
}
}
}
});
Kovat rajoitteet:
private bool ShouldElevate(SessionProfile session)
{
// Elevate if:
// - User added to cart (high intent)
// - User completed purchase (conversion)
// - Fingerprint was resolved (identity established)
// - Session weight exceeds threshold (engaged visitor)
return session.CartAdds > 0
|| session.TotalWeight > 5.0
|| session.PersistentProfileId.HasValue;
}
Miksi häätää takaisin?
Tämä on Ainoastaan Turvallinen kohta päättää sinnikkyydestä. Kun välimuisti häätää istunnon:
Jos emme kohota häädön aikana, istunto on iäksi poissaTämä on suunnitelma.
public class SessionContext
{
public string? DeviceType { get; set; } // "mobile", "desktop"
public string? EntryPath { get; set; } // "/products/tech" (no query params)
public string? ReferrerDomain { get; set; } // "google.com" (domain only, not full URL)
public string? TimeOfDay { get; set; } // "morning", "afternoon"
public string? DayType { get; set; } // "weekday", "weekend"
}
Huomaa, mitä on ei Tässä: IP-osoitteet, käyttäjä-agentit, täydelliset URL-osoitteet, jäljityspikselit. kontekstikuviot, ei tunnistettavia tietoja.
A signaali Sen sijaan, että jäljitämme "kuka", jäljitämme "mitä tapahtui".
Tämä konsepti on peräisin hetkelliset signaalit-lyhytikäiset faktat, jotka esiintyvät suljetussa ikkunassa ja vanhenevat luonnollisesti. "api.rate_limited" tai "gateway.slow" koordinoimaan käyttäytymistä ilman tiukkaa kytkentää.
Sovellamme tässä samaa kaavaa käyttäjän käyttäytymiseen:
product_view signaali (paino: 0,10)add_to_cart Signaali (paino: 0,35)purchase Signaali (paino: 1,0)Signaalit ovat hetkellinen (istunnosta luovutaan) nolla-PII (ei henkilöllisyyttä) ja painotettu (tietoinen).
Yhdistääksemme istunnot ilman evästeiden seuraamista, käytämme Asiakkaiden sormenjälkien ottaminen. Selain laskee hash signaaleista (aikavyöhyke, näytön tarkkuus, WebGL-palvelin, kankaan sormenjälki) ja lähettää vain hasista Kohtiin /api/fingerprint.
Palvelin sitten HMACs joka hash Salaisella avaimella, joka tekee siitä paikannetun ja käyttökelvottoman muualla.
Tämä koodi on mukautettu minun bottihavaitsemisprojektiSama tekniikka, eri tarkoitus.
// Mostlylucid.SegmentCommerce/ClientFingerprint/fingerprint.js
// Collect signals (browser capabilities, not PII)
var signals = [
Intl.DateTimeFormat().resolvedOptions().timeZone,
navigator.language,
screen.width + 'x' + screen.height,
// ... (see full code)
];
// Hash locally
var hash = hash(signals.join('|'));
// Send only the hash via sendBeacon
navigator.sendBeacon('/api/fingerprint', JSON.stringify({ h: hash }));
Palvelimen puoli:
// Server HMACs the client hash with a secret key
var profileKey = HMACSHA256(clientHash + secretKey);
Nyt meillä on vakaa, paikan päällä varustettu tunniste ilman evästeitä tai paikallista tallenninta. Koko sormenjälki.js-lähde (mukautettu suurimmaksi osaksi lucid.bottihavainnosta).
Erilaisilla toimilla on erilaiset aietasot. peruspainot.
// Mostlylucid.SegmentCommerce/Data/Entities/Profiles/SignalEntity.cs
public static class SignalTypes
{
// Passive signals (low intent)
public const string PageView = "page_view"; // 0.01
public const string CategoryBrowse = "category_browse"; // 0.03
public const string ProductImpression = "product_impression"; // 0.02
// Active signals (medium intent)
public const string ProductView = "product_view"; // 0.10
public const string ProductClick = "product_click"; // 0.08
public const string Search = "search"; // 0.05
// High-intent signals
public const string AddToCart = "add_to_cart"; // 0.35
public const string AddToWishlist = "add_to_wishlist"; // 0.25
public const string ViewCart = "view_cart"; // 0.15
public const string BeginCheckout = "begin_checkout"; // 0.40
// Conversion signals (highest intent)
public const string Purchase = "purchase"; // 1.00
public const string Review = "review"; // 0.60
public const string Share = "share"; // 0.50
public static readonly Dictionary<string, double> BaseWeights = new()
{
{ PageView, 0.01 },
{ ProductView, 0.10 },
{ AddToCart, 0.35 },
{ Purchase, 1.00 },
// ... (see full code for complete list)
};
public static double GetBaseWeight(string signalType)
{
return BaseWeights.GetValueOrDefault(signalType, 0.05);
}
}
Miksi tällä on merkitystä:
0.01) ei hallitse signaalia0.35) on vahva aiesignaali1.00) on vahvin signaaliTämä hierarkia estää "ajetun selaamisen" saastuttamasta profiilia.
// Mostlylucid.SegmentCommerce/Services/Profiles/SessionCollector.cs
public async Task<SessionProfile> RecordSignalAsync(
SessionSignalInput input, CancellationToken ct = default)
{
var sessionKey = input.SessionKey;
// Get or create session FROM CACHE (never DB)
var session = _cache.Get<SessionProfile>(sessionKey);
if (session == null)
{
session = new SessionProfile
{
SessionKey = sessionKey,
StartedAt = DateTime.UtcNow
};
}
session.LastActivityAt = DateTime.UtcNow;
var weight = input.Weight ?? SignalTypes.GetBaseWeight(input.SignalType);
// Update in-memory aggregates
session.TotalWeight += weight;
session.SignalCount++;
if (!string.IsNullOrEmpty(input.Category))
{
session.Interests.TryGetValue(input.Category, out var currentScore);
session.Interests[input.Category] = currentScore + weight;
}
if (input.SignalType == SignalTypes.AddToCart)
{
session.CartAdds++;
}
// Put back in cache with sliding expiration
_cache.Set(sessionKey, session, new MemoryCacheEntryOptions
{
SlidingExpiration = TimeSpan.FromMinutes(30),
Priority = CacheItemPriority.Normal,
PostEvictionCallbacks = { /* elevation callback */ }
});
return session;
}
Nopea, koska:
Kun istunto osoittaa suurta aikomusta (auto lisää, ostokset), nostamme signaaleja jatkuva profiili.
// Mostlylucid.SegmentCommerce/Data/Entities/Profiles/PersistentProfileEntity.cs
[Table("persistent_profiles")]
public class PersistentProfileEntity
{
[Key]
public Guid Id { get; set; } = Guid.NewGuid();
[Required]
[MaxLength(256)]
public string ProfileKey { get; set; } = string.Empty;
// How this profile is identified (Fingerprint, Cookie, Identity)
public ProfileIdentificationMode IdentificationMode { get; set; }
// Behavioral data (all JSONB)
[Column("interests", TypeName = "jsonb")]
public Dictionary<string, double> Interests { get; set; } = new();
[Column("affinities", TypeName = "jsonb")]
public Dictionary<string, double> Affinities { get; set; } = new();
[Column("brand_affinities", TypeName = "jsonb")]
public Dictionary<string, double> BrandAffinities { get; set; } = new();
[Column("price_preferences", TypeName = "jsonb")]
public PricePreferences? PricePreferences { get; set; }
[Column("traits", TypeName = "jsonb")]
public Dictionary<string, bool> Traits { get; set; } = new();
// Computed segments
public ProfileSegments Segments { get; set; } = ProfileSegments.None;
[Column("llm_segments", TypeName = "jsonb")]
public Dictionary<string, double>? LlmSegments { get; set; }
// Vector embedding for similarity matching
[Column("embedding", TypeName = "vector(384)")]
public Vector? Embedding { get; set; }
// Statistics
public int TotalSessions { get; set; }
public int TotalSignals { get; set; }
public int TotalPurchases { get; set; }
public int TotalCartAdds { get; set; }
public DateTime CreatedAt { get; set; } = DateTime.UtcNow;
public DateTime LastSeenAt { get; set; } = DateTime.UtcNow;
public DateTime UpdatedAt { get; set; } = DateTime.UtcNow;
}
Ei vieläkään PII:tä:
ProfileKey on HMAC- hasis (ei palautuva)IdentificationMode kertoo, miten se tunnistettiin (sormenjälki/eväste/login)public async Task ElevateToProfileAsync(
SessionProfileEntity session,
PersistentProfileEntity profile,
CancellationToken ct = default)
{
if (session.IsElevated)
return;
// Merge interests (use higher value)
foreach (var (category, score) in session.Interests)
{
if (!profile.Interests.ContainsKey(category) ||
profile.Interests[category] < score)
{
profile.Interests[category] = score;
}
}
// Update stats
profile.TotalSessions++;
profile.TotalSignals += session.SignalCount;
profile.TotalCartAdds += session.CartAdds;
profile.LastSeenAt = DateTime.UtcNow;
profile.UpdatedAt = DateTime.UtcNow;
// Mark session as elevated
session.IsElevated = true;
session.PersistentProfileId = profile.Id;
// Clear segment cache (will be recomputed)
profile.SegmentsComputedAt = null;
profile.EmbeddingComputedAt = null;
await _db.SaveChangesAsync(ct);
}
Kun nousu tapahtuu:
Olemme kiusanneet segmenttejä kahteen osaan. Nyt toimitetaan. Segmentit ovat actionable output kaikesta tuosta signaalikokoelmasta he vastaavat: "Millainen shoppailija tämä on?"
Perinteinen segmentointi on binääristä: olet joko segmentissä tai et. Tämä aiheuttaa ongelmia:
flowchart LR
subgraph "Binary Segmentation"
Profile1[3 purchases] -->|"Threshold: 5"| Out[NOT High-Value]
Profile2[5 purchases] -->|"Threshold: 5"| In[High-Value]
end
Neljällä ostoksella varustettua asiakasta kohdellaan samalla tavalla kuin nollalla varustettua asiakasta.
Fuzzy-segmentointi antaa jokaiselle profiilille pisteet (0-1):
Ostot Binary, Fuzzy Score |-----------|--------|-------------| 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2. nro 0.4 4 Nro 0.8 Nro 0.8 Nro 0.8 Nro 0.8 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0 Nro 0.0. 5+ Kyllä 1,0
Nyt voit personoida suhteellisesti: "lähes korkea-arvoisia" asiakkaita kohdellaan hieman eri tavalla kuin "ei lähelläkään".
// Mostlylucid.SegmentCommerce/Services/Segments/SegmentDefinition.cs
public class SegmentDefinition
{
public string Id { get; set; } // "tech-enthusiast"
public string Name { get; set; } // "Tech Enthusiasts"
public string Description { get; set; } // "Users with strong interest in technology"
public string Icon { get; set; } // "🔧"
public string Color { get; set; } // "#3b82f6"
public List<SegmentRule> Rules { get; set; } = [];
// How rules combine: All (AND), Any (OR), Weighted (sum)
public RuleCombination Combination { get; set; } = RuleCombination.Weighted;
// Minimum score to be "a member" (0-1)
public double MembershipThreshold { get; set; } = 0.3;
public List<string> Tags { get; set; } = []; // For filtering/grouping
}
Kullakin säännöllä arvioidaan profiilin yhtä ulottuvuutta:
public enum RuleType
{
CategoryInterest, // Check interests.tech, interests.fashion, etc.
BrandAffinity, // Check brandAffinities.Sony, brandAffinities.Nike, etc.
PriceRange, // Check price preferences (budget vs luxury)
Trait, // Check boolean traits (prefersDeals, browsesExtensively)
Statistic, // Check totalPurchases, totalSessions, totalCartAdds
TagAffinity, // Check affinities.gadgets, affinities.organic, etc.
Recency, // Check days since last activity
Expression // Custom expressions (advanced)
}
public enum RuleOperator
{
GreaterThan, // value > threshold
GreaterOrEqual, // value >= threshold
LessThan, // value < threshold
LessOrEqual, // value <= threshold
Equal, // value == threshold
NotEqual, // value != threshold
Contains, // for array/string checks
Between, // for ranges
In, NotIn // for set membership
}
Kuinka monta sääntöä yhdistyvät lopulliseksi tulokseksi:
public enum RuleCombination
{
All, // AND logic: Score = min(all rule scores). All rules must pass.
Any, // OR logic: Score = max(all rule scores). Any rule can pass.
Weighted // Weighted sum: Score = Σ(rule.weight × rule.score) / Σ(rule.weight)
}
Painotettu on yleisintä – se antaa sanoa, että "kategorian kiinnostuksella on merkitystä 60 prosentilla, rehellisyydellä 30 prosentilla, brändin affiniteettilla 10 prosentilla".
Tässä ovat näyteprojektin oletussegmentit:
new SegmentDefinition
{
Id = "tech-enthusiast",
Name = "Tech Enthusiasts",
Description = "Users with strong interest in technology products",
Icon = "🔧",
Color = "#3b82f6",
MembershipThreshold = 0.35,
Rules =
[
new() {
Type = RuleType.CategoryInterest,
Field = "interests.tech",
Operator = RuleOperator.GreaterOrEqual,
Value = 0.4,
Weight = 0.6, // 60% of score
Description = "Tech interest > 40%"
},
new() {
Type = RuleType.TagAffinity,
Field = "affinities.gadgets",
Operator = RuleOperator.GreaterOrEqual,
Value = 0.2,
Weight = 0.2, // 20% of score
Description = "Likes gadgets"
},
new() {
Type = RuleType.TagAffinity,
Field = "affinities.electronics",
Operator = RuleOperator.GreaterOrEqual,
Value = 0.2,
Weight = 0.2, // 20% of score
Description = "Likes electronics"
}
]
}
Arviointiesimerkki:
interests.tech = 0.72, affinities.gadgets = 0.31, affinities.electronics = 0.15new SegmentDefinition
{
Id = "cart-abandoner",
Name = "Cart Abandoners",
Description = "Users who add items to cart but don't complete purchase",
Icon = "🛒",
Color = "#ef4444",
MembershipThreshold = 0.4,
Rules =
[
new() {
Type = RuleType.Statistic,
Field = "totalCartAdds",
Operator = RuleOperator.GreaterOrEqual,
Value = 3,
Weight = 0.5,
Description = "3+ cart adds"
},
new() {
Type = RuleType.Statistic,
Field = "totalPurchases",
Operator = RuleOperator.LessThan,
Value = 2,
Weight = 0.5,
Description = "Few purchases"
}
]
}
Tämä saa "lisää kärryille, mutta ei osta" -kuvion, joka on täydellinen elvytyskampanjoita varten.
new SegmentDefinition
{
Id = "high-value",
Name = "High-Value Customers",
Description = "Customers who make frequent purchases and spend above average",
Icon = "💎",
Color = "#8b5cf6",
MembershipThreshold = 0.4,
Rules =
[
new() {
Type = RuleType.Statistic,
Field = "totalPurchases",
Operator = RuleOperator.GreaterOrEqual,
Value = 3,
Weight = 0.4,
Description = "3+ purchases"
},
new() {
Type = RuleType.PriceRange,
Field = "priceRange",
Value = "100-10000", // High-end shoppers
Weight = 0.3,
Description = "High price range"
},
new() {
Type = RuleType.Recency,
Field = "lastSeen",
Operator = RuleOperator.LessThan,
Value = 30,
Weight = 0.3,
Description = "Active in last 30 days"
}
]
}
new SegmentDefinition
{
Id = "bargain-hunter",
Name = "Bargain Hunters",
Description = "Price-sensitive shoppers who love deals and discounts",
Icon = "🏷️",
Color = "#22c55e",
MembershipThreshold = 0.3,
Rules =
[
new() {
Type = RuleType.PriceRange,
Field = "priceRange",
Value = "0-75", // Budget shoppers
Weight = 0.5,
Description = "Low price preference"
},
new() {
Type = RuleType.Trait,
Field = "traits.prefersDeals",
Value = true,
Weight = 0.3,
Description = "Prefers deals"
},
new() {
Type = RuleType.Statistic,
Field = "totalCartAdds",
Operator = RuleOperator.GreaterThan,
Value = 5,
Weight = 0.2,
Description = "Shops around"
}
]
}
Otokseen kuuluu 10 segmenttiä, jotka kattavat yhteiset sähköisen kaupankäynnin mallit:
Segmentissä Iconin avainsäännöt Käytä asiaa |---------|------|-----------|----------| Korkea-arvoiset asiakkaat 3+ ostokset, suuret kulut, VIP-kohtelu, kanta-asiakasohjelmat Tech-innostajat Tech-intressit, vempainten affiniteetti Tech-tuotesuositukset Fashion Forward Muoti kiinnostaa, useita vierailuja tyylisuositukset Alhaisen hintaluokan kauppiaat suosivat kauppoja ja myynti-ilmoituksia Uusia vierailijoita ≤ 2 istuntoa, ei ostoksia, ensiostotarjouksia Cart Hylkääjät 3+ -kärry lisää, vähän ostoksia Elvytyssähköposteja Etusivu Kiinnostuksen kohteet, tuore toiminta Home product cross-sell Kuntoilu Aktiivinen Urheilu Kiinnostus, terveysominaisuudet Kuntoilutuotteiden painotus Uskollisia asiakkaita 5+ ostoksia, 10+ istuntoa Pidätys, palkitseminen Korkeat signaalit, laaja-alainen vertailutyökalu, yksityiskohtaiset tiedot
Erytropoietiini SegmentService arvioi profiileja kaikkien segmentin sääntöjen mukaisesti:
// Mostlylucid.SegmentCommerce/Services/Segments/SegmentService.cs
public SegmentMembership EvaluateSegment(ProfileData profile, SegmentDefinition segment)
{
var ruleScores = new List<RuleScore>();
foreach (var rule in segment.Rules)
{
var (score, actualValue) = EvaluateRule(profile, rule);
ruleScores.Add(new RuleScore
{
RuleDescription = rule.Description,
Score = score,
Weight = rule.Weight,
ActualValue = actualValue // For transparency
});
}
// Combine based on segment's combination method
double finalScore = segment.Combination switch
{
RuleCombination.All => ruleScores.Min(r => r.Score),
RuleCombination.Any => ruleScores.Max(r => r.Score),
RuleCombination.Weighted => ComputeWeightedScore(ruleScores),
_ => 0
};
return new SegmentMembership
{
SegmentId = segment.Id,
SegmentName = segment.Name,
Score = Math.Round(finalScore, 3),
IsMember = finalScore >= segment.MembershipThreshold,
RuleScores = ruleScores,
Confidence = score switch // Human-readable
{
>= 0.8 => "Very High",
>= 0.6 => "High",
>= 0.4 => "Medium",
>= 0.2 => "Low",
_ => "Very Low"
}
};
}
Jokainen jäsentulos sisältää todelliset arvot se johti maalintekoon:
// What the UI receives:
{
"segmentId": "tech-enthusiast",
"segmentName": "Tech Enthusiasts",
"score": 0.95,
"isMember": true,
"confidence": "Very High",
"ruleScores": [
{ "description": "Tech interest > 40%", "score": 1.0, "actualValue": "0.72" },
{ "description": "Likes gadgets", "score": 1.0, "actualValue": "0.31" },
{ "description": "Likes electronics", "score": 0.75, "actualValue": "0.15" }
]
}
Käyttäjät voivat katso tarkkaan, miksi Tämä on tärkeää läpinäkyvyyden ja GDPR:n noudattamisen kannalta.
Näin tuotekuvasta tulee segmentin jäsen:
sequenceDiagram
participant Browser
participant Cache as SessionCache
participant Outbox as Outbox
participant Segment as SegmentService
Browser->>Cache: Product view (category: "tech")
Cache->>Cache: Update in-memory session
Note over Cache: interests.tech += 0.10
Browser->>Cache: Add to cart (high intent)
Cache->>Outbox: Publish elevation event
Outbox->>Outbox: Write to outbox table
Note over Outbox: Background worker processes
Outbox->>Segment: Elevate to PersistentProfile
Segment->>Segment: Evaluate segment rules
Note over Segment: interests.tech: 0.72 >= 0.40 ✓<br/>Score: 0.95, IsMember: true
Segment-->>Browser: Segment memberships + explanations
Kaikki merkittävät toimet kulkevat Outbox-kuvioPääjärjestämisjärjestelmämme:
flowchart LR
Action[Cart Add] --> TX[Single Transaction]
TX --> DB[(Save + Outbox)]
DB --> Worker[Background Worker]
Worker --> Route[Route to Handlers]
style TX stroke:#2f9e44,stroke-width:3px
Miksi? Liiketiedot ja tapahtumat kirjoitetaan yhdessä tapahtumassa. Tapahtumat eivät voi hävitä. Epäonnistumiset yrittävät uudelleen automaattisesti eksponentiaalisella takaiskulla.
// Every action publishes to outbox in the same transaction
await using var transaction = await _db.Database.BeginTransactionAsync(ct);
cart.Items.Add(new CartItem { ProductId = productId });
await _db.SaveChangesAsync(ct);
_outbox.Publish(OutboxEventTypes.ProductAddedToCart, new { ProductId = productId });
await _db.SaveChangesAsync(ct);
await transaction.CommitAsync(ct);
// Event is now guaranteed to be processed
3 osa kattaa koko outbox-toteutuksen: työjonon, LINENEN/NOTIFYn pikapoimintaan, uudelleen kokeilemaan logiikkaa ja skaalauskuvioita.
Tässä osassa käsiteltiin seuraavia seikkoja:
3 osa mennään syvemmälle:
SKIP LOCKED jaettavaksiSegmentit ovat tämän järjestelmän toimintakelpoinen tuloste. Ne vastaavat "mikäs shoppailija tämä on?" sumeilla pisteillä, eivät binääriämpäreillä. Ja jokainen käyttäjä näkee tarkalleen, miksi he ovat segmentissä.
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.