球员外流预测
玩家外流预测
流出预测的目的是提前识别有返回风险的玩家，并启动托管活动（重新激活，RG限制器，个人离场），最大限度地提高价值并最大程度地减少伤害。下方是从数据到操作的端到端框架。
1）定义和框架
会计单位：用户（user/master_id）-默认值。
流出规则（churn rule）：≥ T天没有目标活动（例如14/30）。活动记录：≥1会议/利率/存款。
预测视野：H天（未来7/14/30天的流出风险）。
Cutoff日期：Fich形成日；标签不得在以后使用信息。
2）无泄漏标记标记（点对点时间）
目标（分类）："churn_next_H=1"，除非玩家曾经在窗口（t，t+H）中处于活动状态，并继续执行T规则。
时间到事件（生存）：流出或审查之前的时间；适合排队/排队。
滑动切片：在不同日期用滞后生成学习示例，以免泄露未来。
真相窗口：等待确认T流出,然后再提交标签（delayed truth）。
3）Fichi和窗户
Recency/Frequency/Monetary：最后一次活动/存款的日子，7/ 14/30/90窗口的强度，ARPPU/频率。
行为和内容：游戏类别，多样性，"连续性"（运行时间），白天/周时间。
市场营销：开枪/信件，对离岸人的反应，退货。
风险/RG/frod：旗帜和计数器，整齐地像护栏一样。
日历：假期/比赛/工资日，季节性狂欢（dow，dom，wom）。
身份/设备：平台/OS/设备更改, IP/ASN稳定性。
在线/离线平价：具有相同食谱和切片时间的菲切斯特。
4）建模
4.1分类（流出H窗口的风险）
逻辑回归（可解释），GBM/Random Forest（强棒线），Tab/Seq-NN。
错误成本阈值不是"美丽的ROC"。
4.2生存率/危险度（流出前时间）
Kaplan-Meier（曲线形式），Cox PH/AFT，discrete-time hazard（日记日志）。
给出时间流失的可能性，允许计划接触和引脚的频率。
4.3顺序和混合动力车
带有临时标志和通行证口罩的RNN/TFT/变形金刚。
溷合动力：二元风险和事件发生前的时间→更好的决策。
4.4 Uplift型号
预测接触保留增加；如果有动作/实验日志,请应用。
5）评估和校准
类失衡：主要是PR-AUC，Recall@FPR≤x％，Precision@k。
概率校准： Brier，Reliability plots；Platt/Isotonic.
时间：用日历间隔的折纸进行背试（滚动起源）。
稳定性：按细分（国家/频道/平台）分布指标。
存活率：风险曲线积分误差，S （t）校准。
6）阈值，滞后和决策策略
分区：- '得分≥ τ_block' →强烈的干预（个人离场/电话）
- 'τ_review ≤分数<τ_block' →软接触（pus/e-mail）
- 'score <τ_review' →没有动作
滞后：输入阈值高于输出阈值，以免被"闪烁"。
Culdowns：按用户/频道重新接触的最小间隔。
Guardrails：ROMI≥0，zhaloby≤Kh，RG限制，接触频率。
示例决策表
7）解决方案经济学
预期价值：[
EV=p_{\text{uderzhaniya 行动}\cdot LTV_{\text{future}}
p_{\text{vred} }\cdot Harm-成本
]优化通过EV而不是裸体CR的通道阈值和变位。
8）实验与因果关系
A/B：联系/离职战略；主要指标是retention uplift（D7/D30），guardrails 是投诉/RG。
准实验：DiD/区域拔模合成控制。
Uplift得分：Qini/AUUC，uplift@k。
9） Deploy和在线轮廓
得分：p95 ≤ 100-300毫秒；请求的等效性，"correlation_id"。
编排器：保证交付,retry/backoff, DLQ, rate-limit per channel/User。
决策日志：带有模型/策略版本的"signal→score→decision→action→outcome"。
Feature parity：在线/离线相同的fici；时间切片-严格到cutoff。
10）监控和漂移
质量：PR-AUC/Recall@FPR通过滑动窗口，校准；在"块/审查"区域中的份额。
漂移：PSI/KL按键,shift目标份额,"新"模式。
手术：后卫，时空，百分比后卫，联系队列，投诉。
Fairness：按段划分的错误/阈值区分；可解释性审计。
11） Pseudo-SQL/食谱
A. churn_next_14标记的形成（分类）
sql
WITH activity AS (
SELECT user_id, DATE_TRUNC('day', ts) AS d
FROM event_activity
),
snap AS (-- cut-off date
SELECT DISTINCT DATE_TRUNC('day', ts) AS cut
FROM event_activity
WHERE ts BETWEEN:train_from AND:train_to
),
label AS (
SELECT s. cut, a. user_id,
CASE WHEN NOT EXISTS (
SELECT 1 FROM activity a2
WHERE a2. user_id = a. user_id
AND a2. d > s. cut AND a2. d <= s. cut + INTERVAL '14 day'
) THEN 1 ELSE 0 END AS churn_next_14
FROM snap s
JOIN (SELECT DISTINCT user_id FROM activity) a ON 1=1
)
SELECT FROM label;B. Rolling-fichi （7/30/90）与点对点时间
sql
SELECT u. user_id, s. cut AS cut_day,
SUM(CASE WHEN a. d > s. cut - INTERVAL '7 day' AND a. d <= s. cut THEN 1 END) AS act_7d,
SUM(CASE WHEN a. d > s. cut - INTERVAL '30 day' AND a. d <= s. cut THEN 1 END) AS act_30d,
SUM(CASE WHEN p. d > s. cut - INTERVAL '30 day' AND p. d <= s. cut THEN p. amount ELSE 0 END) AS rev_30d,
DATE_PART('day', s. cut - MAX(a. d)) AS recency_last_act
FROM snap s
JOIN users u ON 1=1
LEFT JOIN activity a ON a. user_id = u. user_id AND a. d <= s. cut
LEFT JOIN payments p ON p. user_id = u. user_id AND p. d <= s. cut
GROUP BY 1,2;12）工件模板
流出模型护照（模板）
ID/版本： "CHURN_14D_GBM_v4"
目标/窗口： "churn_next_14", PIT切片
Fichi： RFM,内容,营销,日历,设备
度量： PR- AUC≥0。45, Recall@FPR≤1% ≥ 0.30, Brier≤X
校准： isotonic
急流： 带磁滞的"τ_block/τ_review"
SLO： 得分≤ 150 ms p95；离线报告生成≤ 06：00
所有者、修订日期、退化运行簿
决策就绪报告（骨架）
"Churn 14d： 按细分市场划分的风险、最高原因、快速重新激活转化"
风险： X/Y平台的高风险份额增加（+Δ个百分点）
建议： 增加A部分的联系人预算，改变C部分的B通道，RG限制器
13）安全、隐私、道德
PII最小化：标识符化，RLS/CLS。
透明度：解决方桉/联系原因（顶级功能/规则）可由sapport使用。
道德/RG：不要以激进的离职者瞄准弱势群体；cap接触频率。
14）常见错误
标签使用未来（标签泄漏），TZ/窗口的混合。
没有PR-AUC/Recall@FPR的1％目标的ROC-AUC得分。
没有校准-阈值设置为"盲目"。
缺乏滞后/停电→接触和投诉的"闪烁"。
没有将风险与EV/LTV联系起来-"治疗"那些治疗无利可图的人。
在线/线下rasinchron fich-销售质量下降。
15）大纲发布前的支票清单
- 确定T/H/TZ、活性、例外；PIT程序正式完成
- 不泄漏的Datasets；滚动验证，基准和校准
- 阈值策略、滞后、帽子和护栏记录在桉
- 行动管弦乐队，同步，"signal→decision→action"审计"
- 质量监测/漂移/公平、差和运行手册
- Uplift评估和/或A/B准备就绪；决策就绪报告（与EV）
- 型号/fich/Metrics版本,所有者,SLO说明
底线
流出预测仅作为系统运行：清晰的免泄漏标记→信息丰富的仙人掌→适当的模型（分类和/或存活）→度量标准，校准和误差成本阈值→安全的动作编排→漂移监测和公平。这样的回路提供了解决方案，而不仅仅是"风险"：谁，何时以及如何联系以增加保留和LTV。