Comment analyser LTV et cohorte dans iGaming

1) Pourquoi l'analyse de cohorte dans iGaming

iGaming est une verticale « longue » : les joueurs ne paient pas une fois, mais une série de dépôts. L'approche de cohorte répond à deux questions principales :

1. si l'achat a payé (quand et pourquoi), 2. quelle est la future queue des recettes (combien de temps gagnerons-nous encore sur cette cohorte).

Sans cohortes, vous confondez la saisonnalité, les bonus et les effets de choc avec la vraie qualité du trafic.

2) Définitions de base (sur une seule feuille)

La cohorte est un groupe d'utilisateurs regroupés par date de l'événement clé (souvent : clic/reg/FTD).

GGR (Gross Gaming Revenue) - paris − gains.

NGR (Net Gaming Revenue) - GGR moins bonus/jackpots/commissions des fournisseurs de jeux/paiements, gaming duty, chargeback/refund.

ARPU_Dn est le chiffre d'affaires moyen par joueur au jour n (généralement selon NGR).

Cum_ARPU_Dn est l'ARPU cumulatif au jour n.

LTV est le revenu total actualisé par joueur au-delà de l'horizon T (ou infini).

Payback est le minimum n auquel le CAC/CPA Cum_ARPU_Dn ≥.

Retention_Dn est la proportion de la cohorte active le jour n (login/pari/dépôt).

2nd-bou rate est la part des joueurs FTD qui ont effectué un deuxième dépôt au cours de la période.

💡 Dans les solutions financières, utilisez NGR plutôt que GGR : c'est seulement ainsi que ROI/Payback reflète la réalité.

3) Où couper « jour zéro » : sélection de l'axe de la cohorte

Click-cohorte - besoin d'optimisation des médias et d'attribution.

Cohorte Reg - besoin produit/CRM pour l'activation et KYC.

La cohorte FTD (recommandée pour le P & L/ROI) relie plus précisément le CAC et la queue d'argent.

Vous pouvez garder les trois, mais prendre des décisions financières sur la cohorte FTD.

4) Modèle de données : quels événements et montants stocker

Événements (minimum) : 'registration', 'kyc _ approved', 'deposit _ success {amount, currency, is _ ftd}', 'withdrawal', 'refund', 'chargeback', événements de jeu pour GGR (si disponible).

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

Temps : stocker dans UTC ; dans les vitrines des rapports - local du projet.

Argent : stockez-le dans la monnaie de la transaction et dans la « monnaie du rapport » (au taux de change de la date de l'événement).

NGR par jour t :


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

5) Principales métriques de cohortes

5. 1. Monétisation

ARPU_Dn = (Σ NGR[0..n]) / FTD

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

Deposit per Payer_Dn, Avg_Deposit_Size_Dn - utile pour les tranches VIP.

5. 2. Comportement/qualité

Retention_D1/D7/D30/D90 (login/pari/dep)

2nd-dep rate, 3rd-dep rate

Cashout rate, Chargeback rate

KYC pass-rate, FTD lag (рег→FTD)

5. 3. Économie des achats

CPA (ou CAC) = Spend/FTD

Payback - le jour où Cum_ARPU ≥ CPA
ROAS_Dn = (Σ NGR[0..n]) / Spend; ROI_Dn = (Σ NGR − Spend − Direct Opex) / Spend

6) Vitrines et rapports : Que construire en BI

Tableau des faits :

`fact_events` (event-level: user, ts, type, amount, currency)
'fact _ spend '(canal/jour/géo/créatif)
'fx _ rates '(cours)

Mesures :

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

Vitrines clés :

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

2. cohort_cum sont les métriques cumulées du jour n : 'cum _ ARPU _ Dn', 'cum _ ROAS _ Dn', 'payback _ day'.

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

Cartes thermiques : Cum_ARPU par rangées (cohortes) et colonnes (jour 1.. 90).

7) Formules et mini-exemples

Source (par mois via le 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? Oui → le rendement a été atteint plus tôt.

Évaluation grossière de Payback : moyenne. ARPU ≈ 94. 2 / 30 = 3. 14 → 50 / 3. 14 ≈ D16

(plus précisément, selon la courbe cumulative ARPU jour-après-jour).

2nd-bou rate_D30 = 32 % (par exemple) est le signal de la qualité et de la future queue.

8) Pronostic LTV : Comment évaluer la « longue queue »

8. 1. Extrapolation simple (opération)

Construire une contribution journalière ARPU après le D30 (D31..D120) sur des cohortes historiques de géo/sources/marques similaires.

Appliquez le multiplicateur de queue : 'LTV _ D120 ≈ Cum_ARPU_D30 × k', où 'k' de l'histoire (par exemple 1. 35 pour un géo/produit spécifique).

8. 2. Modèles paramétriques (quand il y a beaucoup de données)

BG/NBD (« achats » répétés = dépôts) → prévision de fréquence.

Gamma-Gamma (montant monétaire) → la prévision de la taille moyenne du dépôt/NGR sur le payeur actif.

Modèles mixtes avec segmentation VIP/masse (log normal/gamma par les montants).

8. 3. Actualisation

'LTV = Σ_{t=0..T} (NGR_t/ Users_FTD )/( 1 + r) ^ {t/30}', où r est le taux mensuel (1-2 %/mes pour le fichier plan).

9) Segments qui « font la météo »

GEO (taxes/paiements/devises)

Device/OS (iOS vs Android)
Méthodes de paiement (fee et montants autorisés)
Créatif/coin/land (attentes différentes → profondeur différente)

Couches VIP (par exemple, P95/P99 NGR) - gardez-les séparément : ils « tirent » la queue et font du bruit au milieu.

10) Diagnostic de qualité par cohortes

Le CR (click→reg) est normalement élevé, mais le CR (reg→FTD) est faible → le problème de l'onbording/paiement.

Haut FTD, mais 2nd-bou rate bas → bonus-hunters, faible rétention.

Bon Cum_ARPU_D7, plus loin que le plateau → pas de mécanicien CRM (missions, promos, offers segmentés).

Chargeback/refund sursaut → antifrod/sources de paiement, chaînes grises.

11) Erreurs fréquentes (et comment éviter)

1. Comptez par GGR → surestimez systématiquement ARPU/LTV. → Toujours par NGR.

2. Le mélange de temps/devises → flottent D0/D1/Payback. → Gardez UTC + monnaie de rapport.

3. La cohorte par clic pour P&L → fait du bruit dans l'attribution. → Pour de l'argent, utilisez FTD.

4. Les solutions sur les petits échantillons masquent → la variance. → Introduire des seuils (≥30 -50 reg ou ≥300 -500 clics/ligament ; pour LTV - ≥200 FTD/tranche).

5. Sans charger/refund → la queue surestimée. → Activez les événements « négatifs ».

6. La température moyenne de l'hôpital est → cachée par des effets VIP/créatifs. → Segmentez.

7. Ignorez le 2nd-bou → validez la qualité de la cohorte avant d'augmenter les taux/kap.

12) Mini-hyde sur les visualisations

Heatmap Cum_ARPU (cohorte × jours) - l'inclinaison de la queue est visible.

Les courbes de rétention D1..D90 - par login et par dépôt (deux courbes).

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

Les points payback sur les canaux sont la ligne « CPA sans perte ».

VIP Pareto - 20/80 (ou 10/90) : part NGR du top x % des joueurs.

13) Contrôle de la qualité des données

Serveur d'événement (dépôts/conclusions), idempotency par 'event _ id'.

Alert : délai de post-back> 15 min, rupture « operator↔DWH », proportion d'événements sans 'click _ id'.

Rapprochement des montants (NGR) entre les sources une fois par semaine ; le journal des événements « rejetés/corrigés ».

14) Chèque de mise en œuvre de la LTV de cohorte

Données et événements

Chaîne S2S : 'reg/KYC/FTD/2nd _ bou/refund/chargeback' (UTC, devise)
La formule NGR est harmonisée (ce qui est exactement inclus/non inclus)
Les devises sont converties par date de l'événement ; la « monnaie du rapport » est conservée
Витрины `cohort_ftd_daily`, `cohort_cum`, `channel_cohort`

Métriques et rapports

Cum_ARPU D1/D7/D30/D90, Retention, 2nd-dep rate
Payback par cohorte vs CPA ; ROAS/ROI
coupes VIP (P95/P99), méthodes de paiement, device/geo

Processus

Seuil statistique et règles de désactivation/indexation des taux
Rétro hebdomadaire : top/anti-ligaments, transfert d'insights
Rapprochement « operator↔DWH », journal des incidents

15) Plan 30-60-90

0-30 jours - Cadre et hygiène

Décrire la formule NGR, inclure des S2S sur les événements clés.

Assembler les vitrines de base des cohortes (axe FTD) et Cum_ARPU D1/D7/D30.

Configurer les alertes retards/écarts ; apporter les devises/TZ.

31-60 jours - Profondeur et qualité

Ajouter 2nd-bou, Retentation, chargeback/refund dans les rapports.

Introduire le seuil Payback et les règles d'indexation des taux sur la qualité de la cohorte.

Segmentation : geo/device/payment/VIP ; rapport sur les créateurs/lands.

61-90 jours - Prévisions et gestion

Pilote BG/NBD + Gamma-Gamma ou facteur historique « queue ».

Plan-fait sur LTV et Payback ; scripts « si » selon SRA/bonus-costa.

Standardisation des playbooks : lancements, sauterelles, escalade des anomalies.

16) Résultat

L'analyse de cohorte et la LTV dans iGaming sont un système : le bon axe (mieux que le FTD), le chiffre d'affaires honnête de NGR, la discipline des événements et des monnaies/temps, les courbes cumulatives et le contrôle de la qualité (2nd-bou, retraite, chargeback). Ajoutez les prévisions de queue (modèles ou ratios historiques), les seuils statistiques et les processus d'indexation des taux - et les décisions budgétaires deviendront rapides, reproductibles et rentables.