conversion_signal_normalized

Что означает

Нормализует финальную конверсию — главный target для ML.

Conversion-признаки формируют стабильные labels и values для оптимизации и обучения модели.

Исходные события

custom_track
page_view success
backend_import
CRM import

Алгоритм

Триггер: При подтверждённой конверсии или success page fallback.
Расчет: conversion_code, conversion_type, value_bucket, currency, external_id_hash, confidence.
Приоритет: P0; рассчитывается сервером: Да.
Не просите SDK отправлять conversion_signal_normalized напрямую: сервер выводит это событие из принятых source-событий или безопасных импортов.

Текущий статус реализации: отправляется текущим backend/app/services/derived_processor.py, когда присутствуют нужные source-сигналы.

Формат хранения

Хранится в sf_server_derived_events с derived_type = "conversion_signal_normalized", derived_ts, source_event_id, если строка связана с конкретным source-событием, а также batch_id, session_id, mapping_version и payload_json.

Для агрегатов уровня сессии source_event_id может быть пустым; последнее состояние сессии также отражается в sf_session_snapshots, когда это применимо.

Пример payload


{
  "derived_type": "conversion_signal_normalized",
  "source_event_id": "evt_example_or_empty",
  "mapping_version": "map_active",
  "payload": {
    "conversion_code": "example",
    "conversion_type": "example",
    "value_bucket": "example",
    "currency": "example",
    "external_id_hash": "example",
    "confidence": "example"
  }
}

Примеры и допустимые значения из Excel: conversion_type: lead,purchase,signup,booking,application,custom.

Крайние случаи

Если external_id/value нет — type only; если источник слабый — confidence lower.

Если обязательных checkpoints не хватает, снижайте confidence или помечайте payload как partial. Никогда не синтезируйте положительный intent-сигнал только из-за отсутствия события.

Дашборд

Ожидаемое окно live-debug: Цели и конверсии.

Если строка относится к загруженной сессии, она также должна находиться в окне Лента сессии.

Использование в ML

target_purchase,target_lead,target_custom, conversion_value_bucket.

Используйте стабильные codes и buckets вместо сырого текста, сырых URL или строк из DOM. Отсутствующие значения должны быть явными (not_available, unknown, partial), чтобы CatBoost отличал отсутствие сигнала от отрицательного сигнала.

Использование в детекции ботов

Конверсии от bot sessions исключать/понижать.

Логика детекции ботов должна комбинировать этот признак с независимыми поведенческими сигналами; эта страница не разрешает fingerprinting, cookies, canvas/WebGL/audio probes или сырые значения форм.

QA-проверки checklist

Сгенерируйте перечисленные source-события в одной сессии.
Запустите server-derived обработку для этой сессии.
Проверьте, что sf_server_derived_events содержит строку derived_type = "conversion_signal_normalized" или что событие явно помечено как еще не реализованное.
Откройте окно live-debug дашборда Цели и конверсии и проверьте, что строка ссылается обратно на эту страницу.
Проверьте, что payload_json содержит только безопасные поля из списка выше и не содержит сырые ПДн, query string, cookies или значения форм.