Crypto-casino
Torrent Gear
Prédire l'activité et les déclencheurs de participation
1) Tâche
Vous devez prédire quand un joueur avec une forte probabilité d'entrer (ou, au contraire, peut « s'éteindre ») et quelle incitation augmentera la chance de participer à une mission/qualification/tournoi tout en respectant l'honnêteté et le Jeu Responsable (RG).
Questions clés :- « Quand joue-t-il habituellement ? » (modèles temporaires)
- « Qu'est-ce qui déclenche la participation ? » (contenu, format, prix, durée)
- « Comment ne pas surchauffer ? » (taux de contact, limites RG, budget économique)
2) Signaux de données
Comportement : rythme des entrées (heures/jours), longueur et rythme des séances, fréquence de participation aux événements.
Contenu : fournisseurs/genres préférés, nouveauté, diversité.
Économie promo : réaction aux boosts passés/tokens saisonniers/cosmétiques.
Signaux sots : chat, clips, réactions (le cas échéant).
Contexte : appareil, canal, zone temporelle, jours fériés/événements locaux.
RG : limites de temps/dépôts, signes de fatigue, « signaux de pauses ».
Toutes les fiches sont agrégées, sans PII au-delà du minimum réglementaire.
3) Fishering (exemples)
Saisonnalité/rythme : heures d'une heure 0-23, jours de la semaine ; l'autocorrélation des lagunes (ACF/PACF).
4) Pile modèle
1. Séries temporelles pour l'activité :- Prophet/NeuralProphet, LSTM/Temporal Fusion Transformer pour les modèles de groupe ;
- simples profils saisonniers de cohorte pour en ligne.
- Cox/Weibull/RSF → jusqu'à la prochaine session ; risque d'extinction (churn-hazard).
- 3. Propension à participer (P (join))
GBDT/TabTransformer : probabilité de participer à l'affichage d'une offre.
4. Simulation Uplift (CATE) :- Two-Model/T-Learner, X-Learner, DR-Learner pour choisir quel déclencheur/contenu donne un gain.
- bandit contextuel (LinUCB/Thompson) pour la sélection en ligne du canal × du contenu × le temps à l'intérieur des kaps.
5) Types de déclencheurs de participation
Contenu : format du tournoi (sprint 20-30 min, marathon), fournisseurs préférés, « nouveauté de la semaine ».
Temporaire : « départ dans 15 min », « qualificatif du soir » est une coïncidence avec la fenêtre d'entrée probable.
Récompenses (cosmétiques/jetons) : pas de paiement ; les rares sont communes à tous.
Social : amis en ligne, défi communautaire, tâches co-op (éthique, pas de pression).
Missions croisées : courte mission-échauffement → entrée dans le qualificatif.
6) Orchestration tactile (canal × heure × fréquence)
Canaux : in-app, push, email, web-inbox ; Priorité in-app → push → email.
Choix de l'heure : intersection p (active dans les 90-120 minutes suivantes) avec un calendrier d'évents.
Fréquence/cap : pas plus de N touches/semaine, M/jour ; cooldown stricte entre les déclencheurs.
Mode silencieux : fenêtres de nuit de l'utilisateur ; une carte push « silencieuse » → inbox dans l'application.
7) Honnêteté, conformité, RG
Aucun impact sur le RTP/les chances. Les déclencheurs changent le « chemin », pas l'attente du gain.
Transparence : page « Comment nous sélectionnons les notifications » : fenêtres d'activité, limites de fréquence, refus de personnalisation - 1 clic.
Gardes RG : en cas de fatigue/limites - nous réduisons la fréquence, offrons une pause, ne appelons pas les formats longs.
Les retraits/opt-out : sont respectés instantanément ; « silence intelligent » après la plainte.
8) Anti-spam et anti-abyse
Taux de limitation par utilisateur et canal.
Déduplication du sens : ne pas fusionner 2 raisons similaires consécutives.
Budget économique : cap sur l'émission de tokens/cosmétiques par saison.
Justice : la valeur supérieure du prix est la même ; personnalisation - sur la pertinence.
9) KPI et métriques de contrôle
Hit Rate de la fenêtre : proportion de touches dans la session active ± Δ minutes.
Join Uplift : augmentation de la participation vs contrôle.
D7/D30 Retentation uplift chez les cohortes cibles.
Fatigue : augmentation des désistements/mutations/plaintes ; Taux Mute RG-metrics : réduction des séances ultra-longues, proportion de pauses douces. Prix ROI/Emission to GGR - pour que l'économie promotionnelle soit durable. Revenu incrémental/Semaine de l'utilisateur (si applicable et acceptable par la réglementation). 10) Modèles A/B 1. Fenêtres de rappel : T-30/15/5 min avant le début du qualificatif. 2. Durée du format : Sprint 20 min vs 35 min pour les slots du soir. 3. Type de contenu : fournisseur préféré vs « nouveauté de la semaine ». 4. Canal : in-app vs push ; push avec des liens profonds vs sans. 5. Politique uplift : ciblage uniquement uplift-positif vs couverture large. 6. Combo-trigger : mission-échauffement → tournoi vs tournoi à la fois. 11) Modèles JSON 12) Pseudo-code d'orchestration 13) Modèles UX Carte dans le lobby : « Sprint du soir 20 min, départ dans 15 min, cosmétiques Rare ». Estimation du temps : « ≈20 -25 minutes » + indicateur de difficulté. Les options du contrôle : "Rappeler plus tard", "Manquer ce sujet", "se Taire la semaine". Silencieux VFX : Bref, non invasif, sans son obsessionnel. 14) Plan de mise en œuvre 1. MVP (2-4 semaines) : fenêtres d'activité cohortes + propensity simple ; un canal (in-app), une fréquence de cap, un écran de transparence. 2. v0. 9 : modèle de survie du temps avant l'entrée ; push + inbox ; uplift de base pour 2-3 déclencheurs. 3. v1. 0 : bandit contextuel, calendrier complet des événements, budget d'émission, intégration RG, rapports d'honnêteté. 4. Plus loin : les « horaires de la semaine » personnels, les missions croisées, les géo-ivents, l'automatisation MLOps de la dérive. 15) Tcheklist avant la sortie La prévision de l'activité et des déclencheurs est le temps × le contenu × le canal sous les connexions RG et honnêtes. Les séries temporelles et la survie donnent « quand », propensité et uplift - « quoi appeler », « comment adapter en ligne ». Avec des capes strictes de fréquence, de transparence et un budget prometteur durable, les promos reçoivent moins de bruit, plus de participation et une économie prévisible de la saison.
Solution d'orchestre tactile :
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}
}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}
}
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 et contraintes de fréquence if ctx. rg. fatigue or over_frequency_cap(user_id):
schedule_silent_inbox(user_id); exit()
sélection de la fenêtre et du déclencheur 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)