Მოთამაშეთა ქცევის AI ანალიზი და შემოსავლის პროგნოზირება

შესავალი: „აღწერილი“ ანალიტიკიდან დრაივერის პროგნოზამდე

კლასიკური ცნობები პასუხობს კითხვას „რა მოხდა“, მაგრამ ისინი არ ეუბნებიან რა უნდა გააკეთონ და რამდენს მისცემს. AI ნედლეულ ქცევითი ლოგოებს გადააქცევს კონტროლირებად პროგნოზებად: საქმიანობის ალბათობა, სეგმენტების მოსალოდნელი შემოსავალი, გადახდის მარშრუტების წვლილი, პრომო და შინაარსის მიქსი. გასაღები - „გულწრფელი“ ბაზა Net Revenue, სწორი ატრიბუტი და მიზეზის გადამოწმება.

მონაცემთა რუკა: რა უნდა შეაგროვოთ და როგორ ნორმალიზდეთ

ფენები:

1. თამაში - სესიები, განაკვეთები/მოგება, თამაშები/პროვაიდერები, ცვალებადობა, RTP ვერსიები.

2. გადახდა - დეპოზიტების მცდელობები, approval/MDR, cashout T-time, chargebacks.

3. მარკეტინგი - წყაროები/UTM, კამპანიები, კრეატიული, welcome/რეაქტიული ოფისები.

4. პროფილი/ქცევა - ვიზიტების სიხშირე, აქტივობის საათი, მოწყობილობა, გეო.

5. შესაბამისობა/RG - ლიმიტები, თვითკმაყოფილება, SoF/KYC სტატუსები (ჭარბი PII შენახვის გარეშე).

6. ფინანსები/გადასახადები - ფორტეპიანო/ფიდები, ხაზები, OPEX P&L პროგნოზისთვის.

ნორმალიზაცია: ერთი მეტრიკის ლექსიკონი: GGR - NGR - Net Revenue (- გადახდები - აფილიტები - frode). იდენტიფიკატორების ფსევდონიმიზაცია, დროის ზონების გაერთიანება, მოვლენების დედაპლაცია.

ფიჩი: დაწკაპუნებიდან პრედიკატებამდე

კოჰორტული: სარეგისტრაციო თვე × GEO × ბრენდის × ვერტიკალური.

სესია: ხანგრძლივობა, სიხშირე, ინტერვალები ვიზიტებს შორის (ჩანაწერების/თავისუფლების).

გადახდა: rolling-approval (7/28 დღე), blended MDR, cashout lagi, წილი on-ramp/crypto.

შინაარსის: Live/RNG წილი, პორტფელის ცვალებადობა, პროვაიდერების hit-rate.

პრომო: ბონუსების ინტენსივობა, მისიები/სტუმარი, რეაქცია push/email.

RG/რისკი: ქცევის გამომწვევები, ლიმიტების სიახლოვე, „ნავსადგურები“.

სეზონური: არდადეგები, ხელფასის დღეები, სპორტული კალენდარი.

სამოდელო დასტის: ვინ არის პასუხისმგებელი რაზე

1. Survival/Time-to-event - მრუდი P (Active _ d), ვადა „დათქმამდე „/თვით დასკვნამდე.

2. მარკოვის მოდელები/HMM - გადასვლები „ახალი - აქტიური, დამამშვიდებელი - დატოვა, რეაქტიული“.

3. GBM/LightGBM/XGBoost - NetRev/ARPU რეგრესია ჰორიზონტზე 30/90/180 დღის განმავლობაში.

4. თანმიმდევრობა (RNN/Transformer) - შინაარსის რეკომენდაციები და სესიების პროგნოზი.

5. Causal (uplift/Bayesian/BSTS) არის პრომო/კრეატიული/გადახდის ცვლილებების სავარაუდო ეფექტი.

6. იერარქიული დროის სერია/Quantile - P10/P50/P90 NGR/მოგება ბრენდისთვის/GEO/ვერტიკალური.

Camponotus „ქცევა, შემოსავალი, მოგება“

მომხმარებლისთვის მოსალოდნელი დღისით სუფთა შემოსავალი:

E[NetRev_d] = P(active_d) × E[NetRev	აქტიური, დ], სადაც მეორე ფაქტორი დამოკიდებულია შინაარსზე, გადახდებზე და პრომო (ფიჩები).
LTV _ T = {d = 1.. T ]/( 1 + r) {d/30} არის ROI- ს საფუძველი და ბიუჯეტის დაგეგმვა.

განაცხადი: გადაწყვეტილებები, რომლებიც ფულს იძლევა

1) გადახდის როუტინგი და რისკი

ანაბრის წარმატების მოდელი + მარშრუტის ღირებულება PSP/APM- ით არის Auto-routing.

ეფექტი: approval + 1. 5-4 გვ., MDR − 30-80 bp, ნაკლები pending cashout.

2) პრომო და NBO

Uplift მოდელები და ოფერები მხოლოდ მათთვის, ვინც LTV- ის ზრდა დადებითია.

ეფექტი: − 2-5 პროცენტული პუნქტით NGR- ში პრემია სტაბილური LTV- ით.

3) შინაარსის რეკომენდაციები

Sequence მოდელები ცვალებადობის შეზღუდვით და RG.

ეფექტი: + 3-9% ARPU- სთან, + 2-4 პროცენტული პუნქტით. მასობრივ სეგმენტში D30.

4) რეაქტივაცია/ანტი-შავი

Survival + არხის გამომწვევი (email/push/affiliates).

ეფექტი: − 8-15% churn 90 დღეში.

5) მოგების პროგნოზი

TS + დრაივერი GBM, Monte-Carlo P10/P50/P90.

ეფექტი: დაგეგმვის სიზუსტე, ნაკლები სალარო „სიურპრიზები“.

ხარისხის მეტრიკა: როგორ გავიგოთ, რომ მოდელები მუშაობენ

Retention/AUC/PR-AUC საქმიანობის კლასიფიკატორებისთვის.

MAPE/WAPE NGR/მოგების მიხედვით; Pinball loss და coverage quantiles.

Uplift @ K, Qini - პრომო.

Calibration (Brier/Expected Calibration Error) - ალბათობის ნდობა.

PSI/KS - ნიშნების/განაწილების დრიფტი.

სავარაუდოა A/B და geo-holdouts, როგორც „ოქროს სტანდარტი“.

დაშბორდები „ერთ ეკრანზე“

1. Behavior → Revenue: DAU/MAU, Stickiness, Recency/Frequency, ARPDAU/ARPPU.

2. Retention Ladder: D1/D3/D7/D30/rolling-180, გადარჩენის მრუდი.

3. Payments Health: approval/MDR/cashout/chargeback; როუტინგის ეფექტი.

4. Promo Uplift: LTV ტესტის კონტროლი, ბონუს ინტენსივობა, ROI.

5. შინაარსი Mix: Live/RNG, hit-rate, Royalti/NGR.

6. Profit Forecast: P10/P50/P90, მძღოლების წვლილი (waterfall).

7. RG/Compliance: self-exclusion, early warnings, SLA KYC.

P&L ეფექტის მინი მაგალითი (6 თვე გამარტივებული)

ბაზა: NGR 60 მილიონი აშშ დოლარი, პრემია 26%, approval 86%, MDR 2. 6%, D30=8%, ARPU_30=$42.

დაინერგა: პაკეტი-როუტინგი (+ 2. 2 გვ approval, − 40 bp MDR), NBO (− 2 გვ ბონუსები), რეკომენდაციები (+ 4% ARPU), რეაქტივაცია (+ 2 გვ. D30).

შედეგი: კონტრიბუცია 3 აშშ დოლარი. 1–4. 0 მილიონი, პროგნოზის მოგება + 2 აშშ დოლარი. 2–3. 0 მილიონი (გადასახადებამდე), პაკეტი მარკეტინგზე − 20-35 დღის განმავლობაში.

ეთიკური და სამართლებრივი ჩარჩო (RG/AML/Privacy)

პირადი დიზაინი: PII- ის მინიმიზაცია, ფსევდონიზაცია, DPIA, დაშიფვრა.

RG შეზღუდვები: მკაცრი ლიმიტები, ციკლი ადამიანი VIP/მაღალი ოფშორული.

Explorainity: SHAP/ICE მარკეტინგისთვის/გადახდისთვის/RG - გადაწყვეტილების გასაგები მიზეზები.

Audit trail: მოდელების ვერსიები, ჩარევის ჟურნალი, რეპროდუქცია.

AML/SoF: chain ანალიტიკის/სკრინინგის ინტეგრაცია; Travel Rule (სადაც გამოიყენება).

MLOps: ისე, რომ 2 თვის შემდეგ არ „შეირყა“

მონაცემები: bronze/silver/gold, ტესტები freshness/completeness/consistence.

Payplines: საცავი, ონლაინ/ოფლაინ კოორდინაცია.

Aibacing: მუდმივი A/B/holdouts საკვანძო გადაწყვეტილებებისთვის.

მონიტორინგი: დრიფტი, კალიბრაცია, ავტომატური როლბაკი.

კადენსი: retrain ყოველ 2-4 კვირაში, ჩემპიონის გამოწვევა.

90-დღიანი განხორციელების გეგმა

0-30 დღე

ერთი მეტრული ლექსიკონი (GGR - NGR - Net Revenue), მონაცემთა ფანჯარა, Behavior/Payments dashbords.

MVP მოდელები: survival შეკავება, ანაბრის წარმატების კლასიფიკატორი, NBO ბაზელინი.

31-60 დღე

Auto-routing PSP 1-2 GEO- ში; A/B პრომო (uplift მიზნები); შინაარსის რეკომენდაციები ტრაფიკის შესახებ.

ჩართეთ RG შეზღუდვები NBO/რეკუმენდერში, დაიწყეთ causal შეფასება.

61-90 დღე

მოგების იერარქიული პროგნოზი P10/P50/P90; NBO/Routing მასშტაბები; VIP სკორინგი ადამიანის სხეულში.

პოსტ-mortem: სიზუსტე, uplift, ინციდენტები - fich/პროცესების დამუშავება.

ჩეკის ფურცლები

მონაცემები

განაკვეთების/მოგების სრული გზა NGR-Net Revenue.
გადახდის ლოგოები (attempts, უარის თქმის მიზეზები), კრეატიული/UTM, შინაარსის იდენტიფიკატორები.
ფსევდონიმიზაცია და დროის ზონა.

მოდელები

Survival/Markov, GBM-NetRev, sequence recommender.
Uplift პრომო, success-routing გადახდებისთვის.
Quantile-forecast მოგება.

ოპერაციები

A/B/holdouts, off-switch წესები, VIP ოფერების ლიმიტები.
drift/coverage მონიტორინგი, გადაწყვეტილებების ჟურნალი.
RG/AML ინტეგრირებულია pyplines.

ტიპიური შეცდომები

1. Net Revenue- ის ნაცვლად დეპოზიტების დათვლა - გადაჭარბებული LTV.

2. შეაფასეთ პრომო კორელაციის გარეშე საკონტროლო ჯგუფების გარეშე.

3. მოგების პროგნოზით, გადახდის საკომისიოს/დაბეგვრის უგულებელყოფა.

4. მოკლე ფანჯარაში გადამზადება სეზონურობის გარეშე.

5. RG შეზღუდვების არარსებობა პერსონალიზაციაში.

6. არა MLOps - მეტრიკა დეგრადირდება, ეფექტები ქრება.

ქცევის AI ანალიზი „გუშინ რიცხვებს“ გადააქცევს არსებულ P&L ბერკეტებად: სწორი ტრაფიკი, წარმატებული ანაბრები, ზუსტი პრომო, შესაბამისი შინაარსი და პროგნოზირებადი მოგება. მონაცემთა დისციპლინით, მიზეზობრივი შემოწმებით და ჩაშენებული RG/AML, ასეთი სისტემები მოაქვს გაზომილი uplift ზღვარს და აჩქარებს ზრდას - არა ერთჯერადი, არამედ მუდმივად.