Cómo analizar LTV y cohorte en iGaming

1) Por qué el análisis de cohorte en iGaming

iGaming es una vertical «larga»: los jugadores no pagan una sola vez, sino una serie de depósitos. El enfoque de cohorte responde a dos preguntas principales:

1. si la compra dio sus frutos (cuándo y a costa de qué), 2. cuál es la futura cola de ingresos (cuánto más ganaremos con esta cohorte).

Sin cohortes, confunde estacionalidad, bonificaciones y efectos de choque con la calidad real del tráfico.

2) Definiciones básicas (en una sola hoja)

Cohorte es un grupo de usuarios combinados por fecha de evento clave (a menudo: click/reg/FTD).

GGR (Gross Gaming Revenue) - Apuestas − ganancias.

NGR (Net Gaming Revenue) - GGR menos bonos/jackpots/comisiones de proveedores de juegos/juegos de pago, gaming duty, chargeback/refund.

ARPU_Dn es el promedio de ingresos por jugador para el día n (generalmente por NGR).

Cum_ARPU_Dn - ARPU acumulativo para el día n.

LTV - Ingresos totales descontados por jugador en el horizonte T (o infinito).

Payback es la n mínima en la que Cum_ARPU_Dn ≥ CAC/CPA.

Retention_Dn es la proporción de cohorte activa para el día n (inicio de sesión/tasa/depósito).

La tasa 2nd-amb es la participación de los jugadores FTD que hicieron un segundo depósito en el período.

💡 En las soluciones financieras, use NGR, no GGR: sólo así ROI/Payback reflejan la realidad.

3) Dónde cortar «día cero»: selección del eje de cohorte

Cohorte de clics: necesita optimización de medios y atribución.

Reg-cohorte - necesita el producto/CRM para la activación y KYC.

Cohorte de FTD (recomendada para P & L/ROI) - más precisamente une el CAC y la cola monetaria.

Es posible mantener los tres, pero tomar decisiones financieras por FTD-cohorte.

4) Modelo de datos: qué eventos y cantidades almacenar

Eventos (mínimo): 'registration', 'kyc _ approved', 'deposite _ success {amount, currency, is _ ftd}', 'withdrawal', 'refund', 'chargeback', eventos de juego para GGR (si está disponible).

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

Tiempo: almacene en UTC; en las vitrinas de informes - local del proyecto.

Dinero: almacene en la moneda de la transacción y en la «moneda del informe» (al tipo de cambio en la fecha del evento).

NGR por día t:


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

5) Métricas básicas de cohortes

5. 1. Monetización

ARPU_Dn = (Σ NGR[0..n]) / FTD

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

Depósito por Payer_Dn, Avg_Deposit_Size_Dn - útil para cortes VIP.

5. 2. Comportamiento/calidad

Retention_D1/D7/D30/D90 (inicio de sesión/tasa/amb)

2nd-dep rate, 3rd-dep rate

Cashout rate, Chargeback rate

KYC pass-rate, FTD lag (рег→FTD)

5. 3. Economía de la compra

CPA (o CAC) = Spend/FTD

Payback es el día en que Cum_ARPU ≥ CPA
ROAS_Dn = (Σ NGR[0..n]) / Spend; ROI_Dn = (Σ NGR − Spend − Direct Opex) / Spend

6) Vitrinas e informes: qué construir en BI

Tablas de hechos:

`fact_events` (event-level: user, ts, type, amount, currency)
'nat _ spend' (canal/día/geo/creativo)
'fx _ rates' (cursos)

Medidas:

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

Vitrinas clave:

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

2. cohort_cum son métricas acumulativas para el día n: 'cum _ ARPU _ Dn',' cum _ ROAS _ Dn', 'payback _ day'.

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

Mapas térmicos: Cum_ARPU por filas (cohortes) y columnas (día 1.. 90).

7) Fórmulas y mini-ejemplo

Original (por mes a través del canal X, cohorte FTD 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? Sí → la rentabilidad se ha logrado antes.

Estimación burda de Payback: promedios. ARPU ≈ 94. 2 / 30 = 3. 14 → 50 / 3. 14 ≈ D16

(más precisamente, por la curva acumulada de ARPU día a día).

2nd-amb rate_D30 = 32% (por ejemplo) - señal de calidad y futuro de la cola.

8) Pronóstico del LTV: cómo evaluar «cola larga»

8. 1. Extrapolación simple (operativo)

Construya la contribución diaria de ARPU después de D30 (D31..D120) en cohortes históricas de geo/fuentes/marcas similares.

Aplique el multiplicador de cola: 'LTV _ D120 ≈ Cum_ARPU_D30 × k', donde 'k' es de la historia (por ejemplo, 1. 35 para un geo/producto específico).

8. 2. Modelos paramétricos (cuando hay muchos datos)

BG/NBD («compras» repetidas = depósitos) → pronóstico de frecuencia.

Gamma-Gamma (cantidad monetaria) → una previsión de depósito medio/NGR en el pagador activo.

Modelos mixtos con segmentación VIP/masa (logs-normal/gamma por sumas).

8. 3. Diskontirovanie

'LTV = Σ_{t=0..T} (NGR_t/ Users_FTD )/( 1 + r) ^ {t/30}', donde r es la tasa mensual (1-2 %/mes para el fichero de plan).

9) Segmentos que «hacen el clima»

GEO (impuestos/pagos/moneda)

Device/OS (iOS vs Android)
Métodos de pago (fee e importes permitidos)
Creativo/ángulo/land (diferentes expectativas → diferentes profundidades)

Capas VIP (por ejemplo, P95/P99 por NGR) - manténgalos separados: «tiran» de la cola y hacen ruido a la media.

10) Diagnóstico de calidad por cohorte

Normal alto CR (click→reg), pero CR (reg→FTD) débil → problema de onboarding/pagos.

Alta tasa de FTD pero 2nd-amb baja → bonus hunters, retiro débil.

Buena Cum_ARPU_D7, más allá de la meseta → no hay mecánicos CRM (misiones, promos, offers segmentados).

Chargeback/refund ráfaga → fuentes antifraude/de pago, canales grises.

11) Errores frecuentes (y cómo evitar)

1. Contar por GGR → exagera sistémicamente ARPU/LTV. → Siempre por NGR.

2. La mezcla de temporizones/monedas → flotan D0/D1/Payback. → Guarde UTC + la moneda del informe.

3. La cohorte de clics para P&L → hace ruido con la atribución. → Use FTD para obtener dinero.

4. Las soluciones en muestras pequeñas → enmascaran la varianza. → Introduzca umbrales (≥30 -50 regs o ≥300 -500 clics/ligamento; para LTV - ≥200 FTD/corte).

5. Sin chargeback/refund → una cola inflada → Incluye eventos «negativos».

6. La temperatura media del hospital → oculta efectos VIP/creativos. → Segmentar.

7. Ignorar 2nd-amb → validar la calidad de la cohorte antes de subir las apuestas/cap.

12) Mini Hyde de Visualización

Heatmap Cum_ARPU (cojorta × días) - la inclinación de la cola es visible.

Retention-curvas D1..D90 - por login y por depósito (dos curvas).

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

Los puntos de payback a través de los canales son una línea de «CPA sin pérdidas».

VIP Pareto - 20/80 (o 10/90): participación NGR de los mejores x% de los jugadores.

13) Control de calidad de datos

Evento del lado del servidor (depósitos/retiros), idempotency por 'event _ id'.

Alertas: retardo postback> 15 min, ruptura «operator↔DWH», proporción de eventos sin 'click _ id'.

Conciliar cantidades (NGR) entre fuentes una vez a la semana; registro de eventos «desviados/ajustados».

14) Check-list de implementación de cohorte LTV

Datos y eventos

Cadena S2S: 'reg/KYC/FTD/2nd _ amb/refund/chargeback' (UTC, moneda)
La fórmula NGR es coherente (que es exactamente lo que entra/no entra)
Las monedas se convierten según la fecha del evento; se almacena la «moneda del informe»
Витрины `cohort_ftd_daily`, `cohort_cum`, `channel_cohort`

Métricas e informes

Cum_ARPU D1/D7/D30/D90, Retention, 2nd-dep rate
Payback por cohorte vs CPA; ROAS/ROI
Cortes VIP (P95/P99), métodos de pago, device/geo

Procesos

Umbral de estadísticas y reglas de desconexión/indexación de tipos
Retro semanal: top/anti-ligamentos, transferencia de información privilegiada
Conciliación «operator↔DWH», registro de incidentes

15) Plan 30-60-90

0-30 días - Marco e higiene

Describir la fórmula NGR, incluir S2S sobre eventos clave.

Ensamblar los escaparates básicos de las cohortes (eje FTD) y Cum_ARPU D1/D7/D30.

Configurar alertas de retraso/discrepancia; llevar monedas/TZ.

31-60 días - Profundidad y calidad

Añadir 2nd-amb, Retention, chargeback/refund a los informes.

Introduzca el umbral de Payback y las reglas de indexación de las tasas de calidad de la cohorte.

Segmentación: geo/device/payment/VIP; Informe sobre creativos/lends.

61-90 días - Previsión y gestión

Piloto BG/NBD + Gamma-Gamma o coeficiente histórico de «cola».

Plan-hecho por LTV y Payback; escenarios de «algo si» según SRA/bono-costa.

Estandarización de playbooks: lanzamientos, soldadura, escalamiento de anomalías.

16) Resultado

Análisis de cohortes y LTV en iGaming es un sistema: eje correcto (mejor FTD), ingresos honestos por NGR, disciplina de eventos y monedas/timeson, curvas acumulativas y control de calidad (2nd-amb, Retention, chargeback). Agregue un pronóstico de cola (modelos o coeficientes históricos), umbrales estadísticos y procesos de indexación de tasas - y las decisiones presupuestarias serán rápidas, reproducibles y rentables.