Vorhersage von Aktivitäten und Beteiligungs-Triggern

1) Aufgabe

Es ist notwendig vorherzusagen, wann ein Spieler mit hoher Wahrscheinlichkeit hereinkommt (oder umgekehrt „ausgehen“ kann) und welcher Anreiz die Chance erhöht, an einer Mission/einem Qualifikator/Turnier teilzunehmen, während Ehrlichkeit und Responsible Gaming (RG) respektiert werden.

Kernfragen:

„Wann spielt er normalerweise?“ (Zeitmuster)
„Was löst die Teilnahme aus?“ (Inhalt, Format, Belohnung, Dauer)
„Wie nicht überhitzen?“ (Touchfrequenz, RG-Limits, wirtschaftliches Budget)

2) Datensignale

Verhalten: Rhythmus der Eingänge (Stunden/Tage), Länge und Tempo der Sitzungen, Häufigkeit der Teilnahme an den Veranstaltungen.

Inhalt: Lieblingsprovider/Genres, Neuheit, Vielfalt.

Promo Economy: Reaktion auf vergangene Boosts/saisonale Token/Kosmetik.

Soz-Signale: Chat, Clips, Reaktionen (falls vorhanden).

Kontext: Gerät, Kanal, Zeitzone, lokale Feiertage/Ereignisse.

RG: Zeit-/Einzahlungslimits, Ermüdungserscheinungen, „Pausensignale“.

Alle Fici sind aggregiert, ohne PII über das regulatorische Minimum hinaus.

3) Fichering (Beispiele)

Saisonalität/Rhythmus: one-hot Stunden 0-23, Wochentage; Autokorrelation von Verzögerungen (ACF/PACF).

Wahrscheinliches „Eingangsfenster“: P (aktiv	Stunde, Tag) Gleitfenster 4-8 Wochen.
Neigung zur Teilnahme: Umwandlung von Banneransichten in Registrierung und Start.
Zeit bis zur nächsten Sitzung: exponentiell gewichtete Medianintervalle.
Reizempfindlichkeit: Uplift nach Art des Auslösers (Format, Dauer, Kosmetik).
RG-Spannung: Anteil langer Sitzungen, Warnungen, „Ermüdungstempo“.

4) Modellstapel

1. Zeitreihen für Aktivität:

Prophet/NeuralProphet, LSTM/Temporal Fusion Transformer für Gruppenmuster;
einfache Kohor saisonale Profile für online.

2. Survival/Time-to-Event:

Cox/Weibull/RSF → Zeit bis zur nächsten Sitzung Gefahr des „Erlöschens“ (Churn-Hazard).
3. Teilnahmeberechtigung (P (join))

GBDT/TabTransformer: Die Wahrscheinlichkeit, an der Anzeige eines Angebots teilzunehmen.

4. Uplift-Simulation (CATE):

Two-Model/T-Learner, X-Learner, DR-Learner zur Auswahl, welcher Auslöser/Inhalt den Gewinn bringt.

5. Regeln für die Orchestrierung:

Kontext-Bandit (LinUCB/Thompson) für die Online-Auswahl Kanal × Inhalt × Zeit innerhalb der Mundschutz.

5) Arten von Partizipationsauslösern

Inhalte: Turnierformat (Sprint 20-30 min, Marathon), Lieblingsanbieter, „Novum der Woche“.

Temporär: „Start nach 15 min“, „Abendqualifikator“ - Zufall mit dem wahrscheinlichen Eintrittsfenster.

Belohnung (Kosmetik/Token): ohne Pay-to-Win; Raritäten sind allen gemeinsam.

Sozial: Freunde online, Community-Challenge, Co-op-Aufgaben (ethisch, ohne Druck).

Cross-Mission: kurze Mission-Aufwärmen → Eintritt in den Qualifier.

6) Touch-Orchestrierung (Kanal × Zeit × Frequenz)

Kanäle: In-App, Push, E-Mail, Web-Inbox; In-App-Priorität → Push → E-Mail.

Zeitauswahl: Kreuzung p (aktiv in den nächsten 90-120 min) mit dem Veranstaltungsplan.

Frequenz/Kappe: nicht mehr als N Berührungen/Woche, M/Tag; strikter Cooldown zwischen den Triggern.

Ruhemodus: Nachtfenster des Benutzers; „leise“ Push → Inbox-Karte in der App.

7) Integrität, Compliance, RG

Keine Auswirkungen auf RTP/Quoten. Auslöser ändern den „Weg“, nicht die Erwartung eines Gewinns.

Transparenz: Seite „Wie wir Benachrichtigungen abholen“: Aktivitätsfenster, Frequenzlimits, Verzicht auf Personalisierung - 1 Klick.

RG-Wachen: bei Müdigkeit/Grenzen - Frequenz reduzieren, Pause anbieten, nicht nach langen Formaten rufen.

Abmeldungen/Opt-out: werden sofort respektiert; „kluges Schweigen“ nach der Beschwerde.

8) Anti-Spam und Anti-Missbrauch

Rate limiting pro Benutzer und Kanal.

Deduplizierung von Bedeutung: Vermeiden Sie es, 2 ähnliche Gründe hintereinander zu senden.

Wirtschaftliches Budget: Cap für die Ausgabe von Token/Kosmetika nach Saison.

Fairness: Der obere Wert der Belohnung ist der gleiche; Personalisierung - über Relevanz.

9) KPIs und Kontrollmetriken

Trefferquote des Fensters: Der Anteil der Berührungen, die ± Δ Minuten in die aktive Sitzung gelangen.

Join Uplift: Erhöhung der Beteiligung gegen Kontrolle.

D7/D30 Retention uplift in den Zielkohorten.

Fatigue: Zunahme von Abmeldungen/Abmeldungen/Beschwerden; Mute Rate

RG-Metriken: Reduzierung überlanger Sitzungen, Anteil weicher Pausen.

Prize ROI/Emission to GGR - damit die Förderwirtschaft nachhaltig ist.

Incremental Revenue/User-week (falls zutreffend und regulatorisch zulässig).

10) A/B-Muster

1. Erinnerungsfenster: T-30/15/5 min bis zum Start des Qualifiers.

2. Formatdauer: Sprint 20 min vs 35 min für Abend Slots.

3. Inhaltstyp: Lieblingsprovider vs „Neuheit der Woche“.

4. Kanal: in-app vs push; Push mit tiefen Links vs ohne.

5. Uplift-Politik: Ziel nur uplift-positive vs breite Abdeckung.

6. Combo-Trigger: Mission-Aufwärmen → Turnier vs Turnier sofort.

11) JSON-Templates

Vorhersageprofil nach Spieler:

json
{
"user_id": "u_29104",  "next_active_window": {"start": "2025-10-24T17:00:00Z", "end": "2025-10-24T19:00:00Z", "p_active": 0. 72},  "p_join_by_trigger": {
"sprint_20min": 0. 41,   "marathon_60min": 0. 18,   "new_provider_event": 0. 36
},  "uplift_by_trigger": {
"sprint_20min": 0. 12,   "new_provider_event": 0. 07
},  "rg_flags": {"fatigue": false, "limit_time": false},  "cooldowns": {"push": true, "in_app": false}
}

Entscheidung des Touch Orchestrators:

json
{
"decision_id": "dec_2025_10_24_1630",  "user_id": "u_29104",  "touch": {
"channel": "in_app",   "time": "2025-10-24T17:05:00Z",   "trigger": "sprint_20min",   "creative": "evening_sprint_card_v3"
},  "fairness": {"reward_cap_equivalent": true},  "rg": {"suggest_break": false}
}

12) Pseudocode der Orchestrierung

python ctx = build_context(user_id)
p_active = activity_model. predict_window(ctx, horizon_hours=4)
p_join = propensity_model. score_triggers(ctx)
uplift = uplift_model. estimate(ctx, triggers=p_join. keys())

RG und Frequenzbeschränkungen if ctx. rg. fatigue or over_frequency_cap(user_id):
schedule_silent_inbox(user_id); exit()

Auswahl von Fenster und Trigger win = best_time_window (p_active, events_schedule)
trigger = argmax(uplift, mask=channel_caps(user_id))

touch = compose_touch(user_id, channel="in_app", window=win, trigger=trigger)
if economy_budget_ok(trigger) and not in_quiet_hours(user_id, touch. time):
deliver(touch); log(touch)

13) UX-Muster

Karte in der Lobby: „Abendsprint 20 min, Start nach 15 min, Rare Kosmetik“.

Zeitschätzung: „≈20 -25 Minuten“ + Schwierigkeitsanzeige.

Kontrollmöglichkeiten: „Später erinnern“, „Dieses Thema überspringen“, „Eine Woche schweigen“.

Silent VFX: kurz, nicht-invasiv, kein aufdringlicher Sound.

14) Umsetzungsplan

1. MVP (2-4 Wochen): Kohore Aktivitätsfenster + einfache Propensity; ein Kanal (In-App), Frequenz-Cap, Transparenzbildschirm.

2. v0. 9: Survival-Modell der Zeit bis zum Eintritt; push + inbox; Basis-Uplift für 2-3 Trigger.

3. v1. 0: Kontext-Bandit, vollwertiger Veranstaltungskalender, Emissionsbudget, RG-Integration, Integritätsberichte.

4. Als nächstes: persönliche „Wochenpläne“, Cross-Mission, Geo-Events, MLOps-Drift-Automatisierung.

15) Checkliste vor Veröffentlichung

Keine Auswirkung auf RTP/Quoten; Die Obergrenze für den Wert von Auszeichnungen ist gleich.
Frequenzgrenzen und „Ruhemodus“ aktiviert.
RG-Wachen sind aktiv; Es gibt ein schnelles Opt-out.
Der Wirtschaftshaushalt wurde bestätigt. Anti-Spam funktioniert.
A/B-Plan und KPI-Erfolgsschwelle sind definiert.
Der Bildschirm „Wie es funktioniert“ und das Protokoll-Audit der Entscheidungen sind fertig.

Die Vorhersage von Aktivitäten und Triggern ist die Zeit, um Inhalte × Kanäle unter RG- und ehrlichen Constraints zu ×. Zeitreihen und Survival geben „wann“, Propensity und Uplift - „als rufen“, Bandit - „wie man online anpasst“. Mit strengen Caps aus Frequenz, Transparenz und einem nachhaltigen Budget bekommen die Promo weniger Lärm, mehr Beteiligung und eine planbare Saisonökonomie.