크립토 카지노
토렌트 기어
채점 규칙의 A/B 테스트
점수는 모든 게임 화의 핵심입니다. 포인트를 계산하는 방법에 따라 플레이어 동작, 참여 구조 및 경제성 (ARPPU, 보너스 뼈) 이 결정됩니다. 아래는 새로운 포인트 규칙을 유효하게 테스트하고 아티팩트가 아닌 미터법 성장이 실제인지 확인하기위한 실용적인 레시피입니다.
1) 정확히 우리가 테스트하는 것
규칙의 예:- 베팅 금액: €1 베팅마다 1 포인트.
- 승리/내기 승수: 포인트 = 승수 × k ², 내기 당 한도.
- 하이브리드: "시리즈" (N 연속 회전) 의 회전율 + 부스트 포인트, 분당/시간당 캡.
- 미션: 복잡성이 증가함에 따라 작업 완료를위한 포인트 수정 (T1... Tn).
가설 (예): "승수 + 캡 모델은 순 ARPPU (상/보너스 후) 를 악화시키지 않으면 서 참여 및 완료율을 증가시킵니다".
2) 실험 단위 및 무작위 화
단위: 사용자 (장치가 아닌 세션이 아님).
분포: 고정 염이있는 정적 해시 (user _ id → 버킷); A/B/C에 대한 50/50 또는 33/33/33의 분수
계층화 (권장): 지불 상태 (신규 지불/상환/비 지불), 플랫폼, 지오.
끈적 끈적한 할당: 사용자는 항상 테스트 중에 동일한 규칙을 봅니다.
테스트 SRM (샘플 비율 불일치) -예상 그룹 (치 스퀘어) 에 대해 매일 그룹의 실제 지분을 확인하십시오. SRM-트래픽 누출 신호, 잘못된 필터링, 버그.
3) 측정 항목 및 "포인트 깔때기"
활동과 참여
도달: 이벤트를 본 사람을 공유하십시오.
참여 _ 총: 입력/선택 사항.
참여 _ net: 진행/이상적인 시작.
완료: 완료/시작.
품질과 돈
체크 아웃 (DAU/WAU).
세션 당 Avg Bets, Avg Bet 크기.
ARPPU (net) = ARPPU- (지불 자 당 상 + 보너스 비용).
Avg 예금, 지불 점유율.
순 상승: (추가 수익) - (상품 + 보너스 + 운영 + 사기 유출).
Gardereils
1,000 명의 사용자에 대한 불만/기술 지원, KYC 거부, 비정상적인 베팅 패턴, RG 플래그 (제한, 자체 제외).
4) 기간, 계절 및 참신
최소 2 개의 전체 비즈니스주기 (예: 주말을 포착하는 데 2 주).
참신 효과를 고려하십시오: 처음 48-72 시간의 스플래시. 단계적으로 수정하고 분석하십시오 (D0-D2, D3-D7, D8 +).
큰 프로모션과 교차하거나 그룹에서 "동일한 소음" 을 계획하지 마십시오.
5) 샘플링 용량 및 부피 (계산 예)
목표: 평균 "사용자 당 포인트" (또는 Net ARPPU) 에 의한 XI의 차이를 감지합니다.
2 개의 샘플 t- 테스트에 대한 공식 (그룹으로 동일하게):[
n _ {\텍스트 {na group} =\frac {2, (z _ {1-\alpha/2} + z _ {1-\beta}) ² 2 ,\sigma ² 2} {\Delta ² 2}
]예: 우리는 차이점을 포착하려고 합니다. 05 (양면), 거듭 제곱 80% (β= 0. 2).
(z _ {1-α/2} = 1 {,} 96), (z _ {1-β} = 0 {,} 84) → sum 2. 8 → 정사각형 7. 84.
(\sigma ² 2 = 14,400).
(n =\frac {2\times 7 {,} 84\couses 14,400} {25 }\acrox\frac {225,792} {25 }\약 9,032) 그룹 당.
6) 분산 감소: "저렴한" 테스트
CUPED: 사전 테스트 공변량에 대한 회귀 조정 (예: 지난 주 포인트/레이트).
공변량: 지불 자-플래그, 회전율의 로그 변환, 활동, 플랫폼, 지오.
오류 클러스터링: 사용자 수준 (내에서 반복 세션).
7) 간섭 및 "해협"
포인트 규칙은 테스트 참가자에게만 영향을 줄 수 있습니다
사회적 비교 (공통 리더 보드) → "스필 오버".
공유 잭팟/공동 임무 → 교차 효과.
솔루션:- 그룹별로 별도의 리더 보드 또는 포인트의 숨겨진 정규화.
- 교통/지리 클러스터에 의한 클러스터 무작위 화 (더 비싸지 만 깨끗함).
- 프로토콜 당 (ITT) + 민감한 분석.
8) 규칙의 사기 방지 및 입소문
안경의 모든 변화는 마이크로 베팅, botovodstvo, "안경 농장" 과 같은 최적화를 자극합니다.
최소 보호:- 분당/시간/일 및 한 번의 내기 한도.
- 베팅의 최소 변동성 ("이상적인" 시퀀스 금지).
- 머리없는/반복 된 지문 탐지, 프록시.
- 큰 상 + KYC의 검증 지연.
- 분석: "포인트/베팅" 및 "포인트/분" 분포를 비교하고 꼬리를 찾으십시오.
9) 이벤트 및 데이터 체계 (최소)
이벤트:- '세션 _ 시작 {user _ id, ts, 플랫폼}'
- '이벤트 _ view {user _ id, 이벤트 _ id, ts}'
- '이벤트 _ join {user _ id, 이벤트 _ id, ts}'
- 'points _ award {user _ id, 이벤트 _ id, rule _ id, 양, 소스, ts}'
- 'mission _ progress {user _ id, mission _ id, 단계, 값, ts}'
- 'mission _ complete {user _ id, mission _ id, ts}'
- 'bet {user _ id, game _ id, bet, win, ts}'
- '예금 {user _ id, 금액, ts}'
- '규칙 {rule _ id, 이름, params, caps _ mill, caps _ hour, caps _ day, 버전}'
- '할당 {user _ id, test _ id, 그룹, 지정된 _ at}'
10) 분석을위한 SQL 스케치
SRM 확인 (그룹 할당):sql
SELECT 그룹, COUNT () AS 사용자
과제에서
테스트 장소 _ id =: 테스트
GROUP Ł그룹;
-추가 카이 제곱 대 예상 분수sql
자격을 갖춘 AS (
사용자로부터 SELECT 사용자 _ id
마지막 _ active _ at> =: 시작-INTERVAL '14 일'
), AS 가입 (
SELECT DISTILT 사용자 _ id FROM 이벤트 _ join
이벤트 장소 _ id =: 이벤트 및 이벤트 전에: 시작 및: 종료
), AS 시작 (
미션 _ 진행에서 SELECT 사용자 _ id
최신 장소: 시작 및 미션 _ id IN (: 미션)
), 완성 된 AS (
미션 _ 완료에서 SELECT DISTILT 사용자 _ id
최신 장소: 시작 및 미션 _ id IN (: 미션)
)
SELECT. 그룹, 카운트 (DISTILT j. 사용자 _ id):: 플로트/COUNT (사용자 _ id) AS 참여 _ 총, 카운트 (사용자 사용자 _ id):: 플로트/카운트 (사용자 _ id) AS 참여 _ net, COUNT (DISUNT c user _ id): 플로트/NULLIF (COUNT (DISTS 사용자 _ AS), AS)
자격이있는 e에서
JOIN 할당 USING (user _ id)
LEFT JOIN, j USING (user _ id) 에 합류
LEFT JOIN, USING 시작 (user _ id)
LEFT JOIN c USING 완료 (user _ id)
장소. test _ id =: 테스트
그룹으로. 그룹;sql
AS 지불자와 함께 (
SELECT DISTILT 사용자 _ id FROM 결제
최신 장소: 시작 및 종료
), rev AS (
SELECT user _ id, SUM (ggr) AS ggr
수익에서
최신 장소: 시작 및 종료
그룹 사용자 _ id
), 비용 AS (
SELECT user _ id, SUM (상금 + 보너스) AS 비용
(PHP 3 = 3.0.6, PHP 4)
최신 장소: 시작 및 종료
그룹 사용자 _ id
)
SELECT. 그룹, AVG (r. ggr, 0) -COALESCE (c. 비용, 0)) FILTER (WHERE p. user _ id is NOT) AS net _ arppu
과제에서
LEFT JOIN 지불 p USING (user _ id)
LEFT JOIN rev r USING (user _ id)
LEFT JOIN 비용 c USING (user _ id)
장소. test _ id =: 테스트
그룹으로. 그룹;sql
-pre _ 값: 안경/사전 테스트 수익; 값: 테스트 중
SELECT 그룹, AVG (값-theta pre _ 값) AS cuped _ mean
(PHP 3 =
SELECT a. 그룹, x.user _ id, x.값, x.pre _ 값, (SELECT COVAR _ SAMP (값, pre _ 값 )/VAR _ SAMP (pre _ 값)
x) AS 세타
과제에서
JOIN x ON x.user _ id = a. user _ id
장소. test _ id =: 테스트
) t
GROUP Ł그룹;11) 부분 효과 및 이질성
HET 효과를 확인하십시오:- 초보자 대 핵심, 저가 대 고 가치, 다른 플랫폼/지오.
- 때로는 새로운 안경 공식이 고래를 바꾸지 않고 미드 코어를 "점등" 합니다. 이것이 바람직한 결과입니다.
- "p-hacking" 을 잡지 않도록 세그먼트를 사전 등록하십시오.
12) 빈번한 함정
1. 모든 그룹의 공통 리더 보드 → 간섭.
2. 테스트 중 상금 구조 변경 → 비교할 수 없음.
3. 안경의 마이크로 베팅 → 유효하지 않은 향상.
4. ETL → 편향 추정치의 SRM 및 플로팅 필터.
5. 상금/보너스를 공제하지 않고 "더러운" ARPPU에 대한 의존.
6. 정확한 순차적 통계가없는 변동으로 인한 조기 정지.
13) 베이 vs 빈도 및 순차적 결정
프레임 워크: 특히 시간이 지남에 따라 모니터링 할 때 베이지안 접근 방식 (측정의 후방 차이, 확률 "B가 A보다 낫습니다") 을 사용할 수 있습니다.
주의: 안경 규칙에 대한 산적은 초기 검증이 아닌 작동 단계에서 확인 된 향상 후에 적절합니다.
14) 책임있는 놀이 및 규정 준수
투명한 규칙과 캡: 플레이어는 포인트를 얻는 방법을 이해해야합니다.
활동 및 예금 제한, "일시 중지" 및 RG 프롬프트.
플레이 스타일에 대한 숨겨진 "처벌" 이 없습니다.
15) 미니 케이스 (합성)
상황: 주간 이벤트, A = "1 유로 베팅 포인트", B = "승리/베팅 승수 별 포인트, 캡 = 50/베팅".
크기: 2 × 10,000 사용자, 지불 자 상태에 따라 계층화 됨. SRM-약.
결과:- 참여 _ net: 17,3% → B 22,1% (+ 4,8%). п.) .
- 완료: 38,9% → B 44,0% (+ 5,1). п.) .
- 순 ARPPU: €41. 2 → B €43. 5 (+ €2. 3) 지불 자 당 상금 + 보너스 €6. 4 (변경되지 않음).
- 불만/1k: 변경되지 않음; 한도로 인해 사기 플래그 ° 0,3 pp.
- 결론: 규칙 B - 승자; 우리는 상금의 "긴 꼬리" 로 확장하고 마우스 가드를 저장합니다.
16) 포인트 A/B 출시 점검표
- 단위 = 사용자, 끈적 끈적한 할당, 계층화.
- 간섭을 제거하기 위해 별도의 리드 보드/정규화.
- 안경 용 클리어 캡, 봇 방지 신호, 주요 승자에게 KYC.
- 가설 및 지표의 사전 등록 (1 차/2 차/가드 레일).
- 용량 및 기간 계획, 계절성을 고려합니다.
- CUPED/공변량 연결, 파이프 라인 SRM 경고.
- 차이나 필리아 "도달 → 참여 → 진행 → 완료 → 가치".
- 보고서: 상금/보너스 후 돈 증가, 꼬리 후 효과.
점수 규칙은 행동의 수단입니다. 사기 방지 및 공변량이있는 SRM없이 올바르게 설계된 A/B 테스트를 통해 플레이어의 신뢰와 캠페인 경제성을 유지하면서 참여, 완료 및 Net ARPPU를 안전하게 늘릴 수 있습니다.