加密赌场

Torrent Gear

赌场如何评估玩家终身价值（LTV）

LTV是玩家或队列未来利润率的现值，减去奖金，佣金和税款。在赌博产品中，准确性尤为重要：高赌注方差，即时现金，Cookie无归因和RG要求使"简单平均"变得危险。下面是一个实用的方案，其中定义了每个基数，并且模型对产品，财务和合规性透明。

1） LTV定义和边界

收入基础：

GGR （Gross Gaming Revenue）=利率−奖金支付。
NGR（Net Gaming Revenue）=GGR −奖金−提供商版税/汇总−游戏税（如果保持在营业额/收入水平）。

玩家差额（玩家贡献）：


PC = NGR
−付款委员会
− chargeback/损失（预计）
− sapport/CUS每箱费用（预期）

LTV (post-tax, post-fee):


LTV = Σt [ E(PC_t) × Survival_t × Discount_t ]

其中"Survival_t"是玩家在t期间处于活动状态的概率；"Discount_t"是折扣因子（资本成本/通胀）。

💡 重要：CAC（吸引成本）不包括LTV,而是单独比较（LTV： CAC）。

2）需要哪些数据（事件图）

Минимум: `signup`, `kyc_step`, `deposit`, `withdrawal`, `bet_place`, `bet_settle`, `bonus_grant/consume`, `chargeback`, `rg_limit_set`, `self_exclude`.

必修期刊（journals）对账：游戏↔结帐↔支付↔银行。

属性：管辖权，渠道，设备，支付方法，风险段，GGR/NGR税率。

3）如何从GGR获得"诚实"的利润

1.扣除奖金和促销（包括现金返还/任务）。

2.考虑提供商的份额（RGS/聚合器）。

3.应用游戏税（GGR/NGR-按管辖权）。

4.扣除支付费用（按方法）和预期的充电包。

5.正常化退货/取消（同一时期的复古校正）。

6.分为频道贡献（如果按来源考虑LTV）。

结果-按周期（周/月）分列的预期PC_t算。

4）保留预测方法（生存）

A）队列确定性（简单和透明）

我们沿着队列构造一条静止曲线："D7，D30，M2…… M12"。

我们外推出"尾巴"（例如双曲线/指数）。

优点：可以解释的业务。缺点：在个人层面上粗略。

B）生存率（Discrete-Time Hazard）

间隔的"离开风险"模型（logit/log-log）。

Fici：存款频率/金额，live/prematch，frod-scor，RG信号，缓存速度。

给出每个玩家/细分市场的"Survival_t"，可以轻松汇总。

C）频率/重复购买的行为模式

BG/NBD，Pareto/NBD用于预测活动周期/赌注的数量。

结合Recency，Frequency，Monetary并产生"尾巴"分布。

在CRM/任务（下一个最佳动作）上表现良好。

💡 练习：从队列+危险控制开始,然后将BG/NBD添加到细分市场。

5）打折和金钱成本

贴现反映了资本成本和预测风险：


Discount_t = 1 / (1 + r)^t

其中"r"是月度/季度利率（在iGaming中，名义上通常为0.5-1.5％）。对于高风险队列，使用"r"升高或Survival罚款。

6）计算示例（简化，6个月）

达诺（1,000名玩家的队列）：

M1的平均NGR1=10 u.e./播放器；每月M2-M6减少15%。
付款佣金=存款的3％；在简化中，我们将从NGR中获得2％的收益。
Chargeback expected = 0,4% от NGR.
Retention（活动）：M1=100％，M2=55％，M3=40％，M4=32％，M5=27％，M6=24％。
Discount r=1％/mes。

步骤：

1. `PC_t = NGR_t × (1 − 0,02 − 0,004) = NGR_t × 0,976`.

2. 'NGR_t'='10 × 0.85^（t − 1）'（减少15%）。

3. `LTV = Σ_{t=1..6} PC_t × Retention_t × Discount_t`.

我们计算M1和M2（其余为模板）：

M1: `PC_1 = 10 × 0,976 = 9,76`;贡献='9.76 × 1.00 × 0.990 ≈ 9.66'。
M2: `NGR_2 = 8,5`; `PC_2 = 8,5 × 0,976 = 8,30`;贡献="8.30 × 0.55 × 0.981 ≈ 4.48"。
总结M1-M6，获得一个~ 24-27的参考点。该队列中的玩家的LTV（取决于四舍五入）。

💡 在顶部与CAC和LTV： CAC目标比率进行比较（通常为3：1,用于持续增长）。

7） LTV跨渠道和辖区

将LTV分为税后和税前层：比较一个税前逻辑中的通道。

考虑支付方法：在即时轨道的比例较高和存款成功的情况下，LTV通常在其他方面相等的情况下更高。

启用RG事件：默认限制和快速自我体验降低了高峰收入,但改善了"尾巴"和投诉/1k-LTV变得更稳定。

8）频繁的错误以及如何避免错误

1.GGR/NGR混淆。首先扣除游戏奖金/特许权使用费/税款，然后扣除付款费用。

2.忽略了frode/chargeback。使用预期（可预见的重量）损失。

3.没有分段的平均值。新vs回归，低风险vs高风险的行为是不同的。

4.没有对账日志。如果没有旅行，NGR部分"泄漏"或被PC吞噬。

5.太平滑的推断。季节性/锦标赛的混合物打破了一个简单的指数。

6.比较了不同的基础（后税LTV和预税CAC）。导致一个基地。

7.不考虑缓存速度。它与LTV的返回和"尾巴"相关。

9）LTV附近的Metry-Guard

投诉/1k会议（目标~ 0.6-1.2）。

时间到第一缓存（KYC通过时~ 6-24小时）。

批准的第一批调查结果的百分比（~ 85-93%）。

存款成功（≥92 -97%）。

具有RG限制的玩家比例和RG滴答声的响应速度。

10）实验和因果关系

任何影响LTV（任务、保证金、薪酬前沿）的A/B都附有安全指标：投诉/1k, payout_speed, RG信号。

对于通道,如果有自选,请使用工具变量或差异。

捕获数据的"快照日期"：LTV预测对修订敏感。

11）LTV dashboard结构（黄金展示）

1.卡队列（signup月份×管辖权×频道）。

2.生存曲线和PC按月贡献（堆叠）。

3.LTV按细分市场（设备，风险等级，付费混合）。

4.LTV：CAC和回报期（收回）为数周/数月。

5.安全：投诉/1k，payout SLA，RG激活。

12）实施清单（0-90天）

确定基础：税后NGR → PC。
在PC中启用chargeback expected和payment fees。
设置日记和对账（游戏↔结帐↔付款↔银行）。
构建队列和简单的hazard。
通过cohort/channel/jurisdiction启动LTV展示柜。
有折扣策略和"快照日期"。
在每个LTV报告中添加安全指标。

13）迷你常见问题

LTV是否在税收/佣金之前或之后计数？

对于管理-之后（税后,后期）.对于外部基准，也可以存储税前。

什么样的视野？

通常为12-18个月；"长尾巴"打折并验证事实。

自我排斥的球员呢？

他们在事件发生之日关闭了生存的尾巴；将RG-nuja的影响视为积极的风险控制。

BG/NBD还是队列？

透明队列，BG/NBD-用于CRM和"精细"个性化。共存。

赌场中的准确LTV不是"GGR ×系数"公式。这些学科包括：正确的基础（NGR税后），预期的付款/欺诈成本，保留模型，折扣和安全指标。这样的LTV不仅在"幻灯片上看起来很漂亮"，而且还允许您做出决定：支付多少流量，加快现金流量的地方，哪些任务得到回报，哪些细分市场需要加强RG。