加密賭場

Torrent Gear

賭場如何評估玩家終身價值（LTV）

LTV是玩家或隊列未來利潤率的現值，減去獎金，傭金和稅款。在賭博產品中，準確性尤為重要：高賭註方差，即時現金，Cookie無歸因和RG要求使「簡單平均」變得危險。下面是一個實用的方案，其中定義了每個基數，並且模型對產品，財務和合規性透明。

1） LTV定義和邊界

收入基礎：

GGR （Gross Gaming Revenue）=利率−獎金支付。
NGR（Net Gaming Revenue）=GGR −獎金−提供商版稅/匯總−遊戲稅（如果保持在營業額/收入水平）。

玩家差額（玩家貢獻）：


PC = NGR
−付款委員會
− chargeback/損失（預計）
− sapport/CUS每箱費用（預期）

LTV (post-tax, post-fee):


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

其中「Survival_t」是玩家在t期間處於活動狀態的概率；「Discount_t」是折扣因子（資本成本/通脹）。

💡 重要：CAC（吸引成本）不包括LTV,而是單獨比較（LTV： CAC）。

2）需要哪些數據（事件圖）

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

必修期刊（journals）對賬：遊戲↔結帳↔支付↔銀行。

屬性：管轄權，渠道，設備，支付方法，風險段，GGR/NGR稅率。

3）如何從GGR獲得「誠實」的利潤

1.扣除獎金和促銷（包括現金返還/任務）。

2.考慮提供商的份額（RGS/聚合器）。

3.應用遊戲稅（GGR/NGR-按管轄權）。

4.扣除支付費用（按方法）和預期的充電包。

5.正常化退貨/取消（同一時期的復古校正）。

6.分為頻道貢獻（如果按來源考慮LTV）。

結果-按周期（周/月）分列的預期PC_t算。

4）保留預測方法（生存）

A）隊列確定性（簡單和透明）

我們沿著隊列構造一條靜止曲線：「D7，D30，M2…… M12」。

我們外推出「尾巴」（例如雙曲線/指數）。

優點：可以解釋的業務。缺點：在個人層面上粗略。

B）生存率（Discrete-Time Hazard）

間隔的「離開風險」模型（logit/log-log）。

Fici：存款頻率/金額，live/prematch，frod-scor，RG信號，緩存速度。

給出每個玩家/細分市場的「Survival_t」，可以輕松匯總。

C）頻率/重復購買的行為模式

BG/NBD，Pareto/NBD用於預測活動周期/賭註的數量。

結合Recency，Frequency，Monetary並產生「尾巴」分布。

在CRM/任務（下一個最佳動作）上表現良好。

💡 練習：從隊列+危險控制開始,然後將BG/NBD添加到細分市場。

5）打折和金錢成本

貼現反映了資本成本和預測風險：


Discount_t = 1 / (1 + r)^t

其中「r」是月度/季度利率（在iGaming中，名義上通常為0.5-1.5％）。對於高風險隊列，使用「r」升高或Survival罰款。

6）計算示例（簡化，6個月）

達諾（1,000名玩家的隊列）：

M1的平均NGR1=10 u.e./播放器；每月M2-M6減少15%。
付款傭金=存款的3％；在簡化中，我們將從NGR中獲得2％的收益。
Chargeback expected = 0,4% от NGR.
Retention（活動）：M1=100％，M2=55％，M3=40％，M4=32％，M5=27％，M6=24％。
Discount r=1％/mes。

步驟：

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

2. 'NGR_t'='10 × 0.85^（t − 1）'（減少15%）。

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

我們計算M1和M2（其余為模板）：

M1: `PC_1 = 10 × 0,976 = 9,76`;貢獻='9.76 × 1.00 × 0.990 ≈ 9.66'。
M2: `NGR_2 = 8,5`; `PC_2 = 8,5 × 0,976 = 8,30`;貢獻=「8.30 × 0.55 × 0.981 ≈ 4.48」。
總結M1-M6，獲得一個~ 24-27的參考點。該隊列中的玩家的LTV（取決於四舍五入）。

💡 在頂部與CAC和LTV： CAC目標比率進行比較（通常為3：1,用於持續增長）。

7） LTV跨渠道和轄區

將LTV分為稅後和稅前層：比較一個稅前邏輯中的通道。

考慮支付方法：在即時軌道的比例較高和存款成功的情況下，LTV通常在其他方面相等的情況下更高。

啟用RG事件：默認限制和快速自我體驗降低了高峰收入,但改善了「尾巴」和投訴/1k-LTV變得更穩定。

8）頻繁的錯誤以及如何避免錯誤

1.GGR/NGR混淆。首先扣除遊戲獎金/特許權使用費/稅款，然後扣除付款費用。

2.忽略了frode/chargeback。使用預期（可預見的重量）損失。

3.沒有分段的平均值。新vs回歸，低風險vs高風險的行為是不同的。

4.沒有對賬日誌。如果沒有旅行，NGR部分「泄漏」或被PC吞噬。

5.太平滑的推斷。季節性/錦標賽的混合物打破了一個簡單的指數。

6.比較了不同的基礎（後稅LTV和預稅CAC）。導致一個基地。

7.不考慮緩存速度。它與LTV的返回和「尾巴」相關。

9）LTV附近的Metry-Guard

投訴/1k會議（目標~ 0.6-1.2）。

時間到第一緩存（KYC通過時~ 6-24小時）。

批準的第一批調查結果的百分比（~ 85-93%）。

存款成功（≥92 -97%）。

具有RG限制的玩家比例和RG滴答聲的響應速度。

10）實驗和因果關系

任何影響LTV（任務、保證金、薪酬前沿）的A/B都附有安全指標：投訴/1k, payout_speed, RG信號。

對於通道,如果有自選,請使用工具變量或差異。

捕獲數據的「快照日期」：LTV預測對修訂敏感。

11）LTV dashboard結構（黃金展示）

1.卡隊列（signup月份×管轄權×頻道）。

2.生存曲線和PC按月貢獻（堆疊）。

3.LTV按細分市場（設備，風險等級，付費混合）。

4.LTV：CAC和回報期（收回）為數周/數月。

5.安全：投訴/1k，payout SLA，RG激活。

12）實施清單（0-90天）

確定基礎：稅後NGR → PC。
在PC中啟用chargeback expected和payment fees。
設置日記和對賬（遊戲↔結帳↔付款↔銀行）。
構建隊列和簡單的hazard。
通過cohort/channel/jurisdiction啟動LTV展示櫃。
有折扣策略和「快照日期」。
在每個LTV報告中添加安全指標。

13）迷你常見問題

LTV是否在稅收/傭金之前或之後計數？

對於管理-之後（稅後,後期）.對於外部基準，也可以存儲稅前。

什麼樣的視野？

通常為12-18個月；「長尾巴」打折並驗證事實。

自我排斥的球員呢？

他們在事件發生之日關閉了生存的尾巴；將RG-nuja的影響視為積極的風險控制。

BG/NBD還是隊列？

透明隊列，BG/NBD-用於CRM和「精細」個性化。共存。

賭場中的準確LTV不是「GGR ×系數」公式。這些學科包括：正確的基礎（NGR稅後），預期的付款/欺詐成本，保留模型，折扣和安全指標。這樣的LTV不僅在「幻燈片上看起來很漂亮」，而且還允許您做出決定：支付多少流量，加快現金流量的地方，哪些任務得到回報，哪些細分市場需要加強RG。