Cómo los casinos son evaluados por el valor de vida de los jugadores (LTV)

LTV es el valor actual de un margen futuro por jugador o cohorte menos bonos, comisiones e impuestos. En los productos de juego, la precisión es especialmente importante: las altas variaciones de las apuestas, los depósitos instantáneos, la atribución de las cookies y los requisitos de RG hacen que los «promedios simples» sean peligrosos. A continuación, un esquema práctico donde se define cada magnitud y el modelo es transparente para el producto, las finanzas y el cumplimiento.

1) Definiciones y límites LTV

Base de ingresos:

GGR (Gross Gaming Revenue) = Apuestas − Pagos de ganancias.
NGR (Net Gaming Revenue) = GGR − bonificaciones − regalías/agregaciones de proveedores − impuestos al juego (si se mantienen en el nivel de facturación/ingresos).

Margen del jugador (Player Contribution):


PC = NGR
− comisiones de pago
− chargeback/pérdida de frod (previsto)
− sapport/CUS costo-por-caso (esperado)

LTV (post-tax, post-fee):


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

Donde 'Survival _ t' es la probabilidad de que el jugador esté activo durante el período t;' Discount _ t' es un factor de descuento (costo de capital/inflación).

💡 Importante: Los CAC (costo de atracción) NO se incluyen en LTV, sino que se comparan por separado (LTV: CAC).

2) Qué datos se necesitan (esquema de eventos)

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

Los registros (journals) de conciliación son obligatorios: juego ↔ caja registradora ↔ pagos ↔ banco.

Atributos: jurisdicción, canal, dispositivo, método de pago, segmento de riesgo, tasa de impuesto GGR/NGR.

3) Cómo obtener un margen «honesto» del GGR

1. Elimina bonificaciones y promociones (incluyendo cashback/misiones).

2. Tener en cuenta las participaciones de los proveedores (RGS/agregador).

3. Aplicar impuestos al juego (GGR/NGR - por jurisdicción).

4. Deducir las comisiones de pago (por método) y el chargeback esperado.

5. Normalizar devoluciones/cancelaciones (correcciones retro en el mismo período).

6. Dividir en contribuciones de canal (si cuenta LTV según las fuentes).

El resultado es el PC_t previsto por períodos (semanas/meses).

4) Enfoques para el pronóstico de retención (Survival)

A) Cohorte determinista (simple y transparente)

Construimos una curva retention por cohortes: 'D7, D30, M2... M12'.

Extrapolamos la «cola» (por ejemplo, hipérbola/exponente).

Pros: explicable al negocio. Contras: grosero a nivel individual.

B) Supervivencia (Discrete-Time Hazard)

Modelo de «riesgo de atención» a intervalos (logit/logs).

Fichi: frecuencia/sumas de depósitos, live/prematch, frod score, señales RG, velocidad de cachout.

Da 'Survival _ t' por jugador/segmento, es fácil de agregar.

C) Modelos de comportamiento de frecuencia/repetición de compras

BG/NBD, Pareto/NBD para predecir el número de períodos/tasas activas.

Combinan Recicy, Frequency, Monetary y dan la distribución de «cola».

Se acuesta bien en CRM/misiones (next-best-action).

💡 Práctica: comience con cohortes + hazard para el control, luego agregue BG/NBD a los segmentos.

5) Descuento y costo del dinero

El descuento refleja el costo del capital y el riesgo del pronóstico:


Discount_t = 1 / (1 + r)^t

Donde 'r' es la tasa mensual/trimestral (en iGaming a menudo 0,5-1,5% por mes nominal). Para cohortes de alto riesgo, use un aumento de 'r' o penalización a Survival.

6) Ejemplo de cálculo (simplificado, 6 meses)

Dado (cohorte de 1.000 jugadores):

NGR1 promedio en M1 = 10 u.a./jugador; una reducción de M2-M6 del 15% mensual.
Comisiones de pago = 3% de los depósitos; en simplificación, tomaremos el 2% de NGR.
Chargeback expected = 0,4% от NGR.
Retention (actividad): M1 = 100%, M2 = 55%, M3 = 40%, M4 = 32%, M5 = 27%, M6 = 24%.
Descuento r = 1 %/mes.

Pasos:

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

2. 'NGR _ t' = '10 × 0,85 ^ (t−1)' (reducción del 15%).

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

Contemos M1 y M2 (el resto según el patrón):

M1: `PC_1 = 10 × 0,976 = 9,76`; contribución = '9,76 × 1,00 × 0,990 ≈ 9,66'.
M2: `NGR_2 = 8,5`; `PC_2 = 8,5 × 0,976 = 8,30`; contribución = '8,30 × 0,55 × 0,981 ≈ 4,48'.
Al resumir el M1-M6, obtenga un punto de referencia ~ 24-27 u.a. LTV por jugador en esta cohorte (dependiendo de los redondeos).

💡 En la parte superior, compare con el CAC y la relación objetivo LTV: CAC (a menudo 3:1 para un crecimiento sostenido).

7) LTV a través de canales y jurisdicciones

Dividir LTV en una capa post-tax y pre-tax: comparar los canales dentro de la misma lógica fiscal.

Tenga en cuenta los métodos de pago: donde la mayor proporción de raíles instantáneos y el éxito del depósito, LTV es generalmente más alto en otros iguales.

Incluye eventos RG: los límites predeterminados y la exclusión rápida reducen los ingresos máximos, pero mejoran la «cola» y las quejas/1k - LTV se vuelven más estables.

8) Errores frecuentes y cómo evitarlos

1. Confusión GGR/NGR. Primero reste los bonos/regalías/impuestos del juego, luego las comisiones de pago.

2. Ignora el froda/chargeback. Utilice las pérdidas esperadas (probability-weighted).

3. Medias sin segmentos. El comportamiento de new vs returning, low-risk vs high-risk es diferente.

4. No hay registros de conciliación. Sin el journaling, parte del NGR se «filtrará» o se inflará el PC.

5. Extrapolación demasiado suave. La impureza de la estacionalidad/torneos rompe el exponente simple.

6. Se comparan diferentes bases (post-tax LTV con pre-tax CAC). Conduzca a una base.

7. No tienen en cuenta la velocidad del cachout. Se correlaciona con las devoluciones y la «cola» LTV.

9) Métricas de seguridad cerca de LTV

Quejas/1k sesiones (objetivo ~ 0,6-1,2).

Tiempo hasta el 1er cachout (~ 6-24 h con KYC pasado).

% de las primeras conclusiones aprobadas (~ 85-93%).

Éxito del depósito (≥92 -97%).

Proporción de jugadores con límites RG activos y velocidad de respuesta por tickets RG.

10) Experimentación y causalidad

Cualquier A/B que afecte a LTV (misiones, margen, frente de pago), acompañe con métricas de seguridad: quejas/1k, payout_speed, señales RG.

Para canales, utilice variables instrumentales o diferencias-en-diferencias si hay self-selection.

Captura la «fecha de captura» de los datos: las predicciones de LTV son sensibles a las revisiones.

11) Estructura del dashboard LTV (escaparate de oro)

1. Mapa de cohortes (signup-mes × jurisdicción × canal).

2. Curva de supervivencia y contribución de PC por mes (stacked).

3. LTV por segmentos (device, risk-tier, payment-mix).

4. LTV: CAC y período de amortización (payback) en semanas/meses.

5. Seguridad: quejas/1k, SLA de pago, activación RG.

12) Lista de verificación de implementación (0-90 días)

Definir la base: post-tax NGR → PC.
Habilite chargeback espected y payment fees en PC.
Configurar revistas y conciliaciones (juego ↔ caja ↔ pagos ↔ banco).
Construir cohortes y simple hazard por retention.
Ejecutar el escaparate LTV by cohort/channel/jurisdiction.
Iniciar la política de descuento y «fecha de la instantánea».
Agregar métricas de seguridad a cada informe LTV.

13) Mini preguntas frecuentes

LTV cuenta antes o después de impuestos/comisiones?

Para la gestión - después (post-tax, post-fee). Para los índices de referencia externos, también se puede almacenar pre-tax.

¿Qué horizonte tomar?

Más a menudo de 12 a 18 meses; «cola larga» descontar y validar por el hecho.

¿Qué pasa con los jugadores auto-excluidos?

Cierran la cola de Survival en la fecha del evento; tenga en cuenta los efectos de RG-nujah como control de riesgo positivo.

¿BG/NBD o cohortes?

Cohortes para transparencia, BG/NBD para CRM y personalización «fina». Coexisten.

El LTV exacto en el casino no es la fórmula «GGR × coeficiente». Esta es la disciplina: la base correcta (post-tax NGR), los costos de pago/frod previstos, el modelo de retención, el descuento y las métricas de seguridad cerca. Este tipo de LTV no solo «se ve muy bien en la diapositiva», sino que también permite tomar decisiones: cuánto pagar por el tráfico, dónde acelerar el cacheo, qué misiones están dando sus frutos y en qué segmentos necesita reforzar el RG.