加密赌场

Torrent Gear

如何分析iGaming中的LTV和队列

1）为什么在iGaming中进行队列分析

iGaming是"长"垂直：玩家不一次性支付，而是一系列存款。队列方法回答了两个主要问题：

1.购买是否得到回报（何时以及以牺牲什么为代价）,2.未来的收入尾巴是什么（我们将从这个队列中获得多少收入）。

没有队列，您将季节性，奖金和冲击效果与真实的流量质量混淆。

2）基本定义（单张纸上）

队列是按关键事件日期（通常是：click/reg/FTD）组合的一组用户。

GGR（Gross Gaming Revenue）-赌注−获胜。

NGR （Net Gaming Revenue）-GGR减去奖金/头奖/游戏提供商/付款人佣金,游戏使命,chargeback/refund。

ARPU_Dn 是玩家到第n天（通常为NGR）的平均收入。

Cum_ARPU_Dn 是第n天累积的ARPU。

LTV是每位玩家在T级（或无限级）以外的折扣总收入。

Payback是Cum_ARPU_Dn CAC/CPA ≥的最低n。

Retention_Dn-在第n天活跃的队列比例（登录/出价/存款）。

2nd-dep rate是FTD玩家在此期间第二次存款的份额。

💡 在财务决策中,使用NGR而不使用GGR：只有ROI/Payback反映了现实。

3）在哪里切断"零日"： 队列轴的选择

点击队列-需要媒体优化和归因。

Reg队列-需要产品/CRM来激活和KYC。

FTD队列（建议使用P＆L/ROI）-更准确地结合CAC和现金尾巴。

您可以保留所有三个,但财务决定由FTD队列做出。

4）数据模型： 哪些事件和存储量

事件（最低）："注册"，"kyc_approved"，"deposit_success {amount，currency，is_ftd}，"withdrawal"，"refund"，"chargeback"，GGR的游戏事件（如果有）。

Атрибуты: `click_id`, `utm_`, `geo`, `device/os`, `payment_method`, `brand`, `offer`.

时间：存储在UTC中；在报告展示中-项目的所在地。

金钱：以交易货币和"报告货币"（按事件当日的汇率）储存。

NGR在t日：


NGR_t = GGR_t
− BonusCost_t
− ProviderFee_t
− PaymentFee_t
− GamingDuty_t
− Chargeback_t

5）主要指标队列

5.1.货币化

ARPU_Dn = (Σ NGR[0..n]) / FTD

ARPPU_Dn = (Σ NGR[0..n]) / ActivePayers_Dn

Deposit per，Payer_Dn Avg_Deposit_Size_Dn-对VIP切片很有用。

5.2.行为/质量

Retention_D1/D7/D30/D90（登录/出价/-）

2nd-dep rate, 3rd-dep rate

Cashout rate, Chargeback rate

KYC pass-rate, FTD lag (рег→FTD)

5.3.采购经济学

CPA（或CAC）=Spend/FTD

Payback-Cum_ARPU ≥注册会计师的日子
ROAS_Dn = (Σ NGR[0..n]) / Spend;ROI_Dn = (Σ NGR − Spend − Direct Opex) / Spend

6）店面和报告： 在BI建立什么

事实表：

`fact_events` (event-level: user, ts, type, amount, currency)
'fact_spend'（频道/日/地理/创意）
'fx_rates'（课程）

测量值：

`dim_user`, `dim_utm`, `dim_geo`, `dim_device`, `dim_brand/offer`

关键店面：

1.cohort_ftd_daily — FTD-когорты: `cohort_date`, `users_ftd`, `NGR_d`, `deposits_d`, `retention_d`, `2nd_dep_d`.

2.cohort_cum是每天n：'cum_ARPU_Dn'，'cum_ROAS_Dn'，'payback_day'的累积度量。

3.channel_cohort — связка с UTM: `source/medium/campaign/content`.

热图：按行（cohorts）和列（day 1.90）Cum_ARPU。

7）公式和迷你示例

源（通道X，FTD队列D0）：

FTD = 1 000;Spend = 50 000;к D30: ΣNGR = 94 200.

CPA = 50 000 / 1 000 = 50

ARPU_D30 = 94 200 / 1 000 = 94.2

Cum_ARPU_D30 ≥ CPA?是的→先前已经实现了回报。

粗略的薪资分数： 平均水平。ARPU ≈ 94.2 / 30 = 3.14 → 50 / 3.14 ≈ D16

（更准确地说是ARPU日复一日的累积曲线）。

2nd-dep rate_D30=32％（例如）是质量和未来尾巴的信号。

8）LTV预测： 如何评估"长尾巴"

8.1.简单的推断（手术）

将ARPU的每日贡献建立在类似地理/来源/品牌的历史队列上（）之后。

应用尾部乘法器："LTV_D 120 k"，其中"k"来自历史（例如1。35用于特定地理/产品）。

8.2.参数模型（数据充足时）

BG/NBD（重复"购买"=存款）→频率预测。

Gamma-Gamma（货币金额）→ 对活跃付款人平均存款/NGR大小的预测。

带有VIP/质量分割的混合模型（对数范数/伽马）。

8.3.打折

"LTV=Σ_{t=0..T}（NGR_t/ Users_FTD）/（1+r）^{t/30}"，其中r为月费率（计划文件为1-2%/mes）。

9）"制造天气"的细分市场"

GEO（税收/付款/货币）

Device/OS (iOS vs Android)
支付方法（fee和允许的金额）
创意/角度/土地（不同期望→不同深度）

VIP层（例如NGR P95/P99）-将它们分开：它们"拉动"尾巴并发出声音。

10）按队列进行质量诊断

通常较高的CR（click→reg），但CR（reg→FTD）较弱→提取/支付问题。

FTD高，但2nd-dep率低→奖金猎人，重构弱。

良好的Cum_ARPU_D7，超越高原→没有CRM机械师（任务，促销，分段离场）。

Chargeback/refund激增→反血统/收费来源，灰色通道。

11）经常出错（以及如何避免）

1.按GGR计数→系统性地高估ARPU/LTV。→始终按NGR计数。

2.时区/货币的溷合→ D0/D1/Payback浮动。→保存UTC+报告货币。

3.P&L的点击队列→噪音归因。→对于金钱，请使用FTD。

4.小样本中的解决方案→掩盖方差。→输入阈值（≥30 -50 reg或≥300 -500点击/捆绑包；LTV-≥200 FTD/切片）。

5.没有chargeback/refund →过多的尾巴。→包括"负面"事件。

6.医院的平均温度→隐藏着VIP/创意效果。 → Segrency。

7.忽略2nd-dep →验证队列质量，直至加息/上限。

12）可视化迷你海德

Heatmap Cum_ARPU（cohorta × days）-可以看到尾巴的倾斜。

Retention曲线D1..D90-通过登录和存款（两个曲线）。

Водопад NGR: GGR → −Bonus → −ProviderFee → −PaymentFee → −Duty → −Chargeback.

运河上的付费点是"收支平衡的CPA"线。

VIP Pareto-20/80（或10/90）：NGR在前x%玩家中的份额。

13）数据质量控制

事件服务器侧面（存款/结论），通过"event_id"进行排序。

Alerts：后卫延迟>15分钟,"operator↔DWH"破裂,事件份额没有"click_id"。

每周在来源之间进行一次金额核对（NGR）；"拒绝/调整"事件的日志。

14）队列LTV实施支票清单

数据和事件

S2S链：'reg/KYC/FTD/2nd_dep/refund/chargeback'（UTC，货币）
NGR公式是一致的（究竟是进入/不包括）
货币按事件日期兑换；"报告货币"保存"

[] Витрины `cohort_ftd_daily`, `cohort_cum`, `channel_cohort`

指标和报告

[] Cum_ARPU D1/D7/D30/D90, Retention, 2nd-dep rate

按队列vs CPA付款；ROAS/ROI
VIP切片（P95/P99）、支付方法、设备/geo

流程

统计门槛和关机/利率指数化规则
每周复古：顶部/反韧带,内幕转移
"operator↔DWH"对账，事件日志

15）30-60-90计划

0-30天-框架和卫生

描述NGR公式，包括关键事件的S2S。

收集基本店面队列（FTD轴）和Cum_ARPU D1/D7/D30。

设置延迟/差异区分；引用货币/TZ。

31-60天-深度和质量

在报告中添加2nd-dep、Retention、chargeback/refund。

引入薪资门槛和队列质量利率指数化规则。

细分：geo/device/payment/VIP；创意/土地报告。

61-90天-预测与管理

BG/NBD+Gamma-Gamma飞行员或历史性的"尾部"系数。

LTV和Payback的计划事实；SRA/Bonus Cost的"如果"脚本。

花花公子标准化：发射，交换，异常升级。

16）结果

iGaming中的队列分析和LTV是一个系统：正确的轴（优于FTD），NGR的诚实收益，事件和货币学科/时间，累积曲线和质量控制（2nd-dep，Retention，chargeback）。添加尾部预测（模型或历史系数），统计阈值和利率指数化过程-预算决策将变得快速，可复制和有利可图。