Ανάλυση διατήρησης παίκτη
Ανάλυση κατακράτησης παίκτη
Η διατήρηση είναι ο πυρήνας της οικονομίας του προϊόντος: όσο περισσότερο παραμένει ενεργός ένας παίκτης, τόσο υψηλότερο είναι το LTV, τόσο πιο σταθερό είναι το εισόδημα και όσο πιο προβλέψιμος είναι ο σχεδιασμός. Παρακάτω είναι ένα πλήρες πλαίσιο: από σωστούς ορισμούς μέχρι μοντέλα επιβίωσης και το κύκλωμα επανενεργοποίησης.
1) Ορισμοί και λογιστικές μονάδες
Μονάδα: παίκτης (user/master_id) - εξ ορισμού; για βραχυπρόθεσμες εργασίες, επιτρέπεται «λογαριασμός/συσκευή», αλλά καταγράφεται στο μετρικό διαβατήριο.
Δραστηριότητα: κριτήριο απόδοσης (≥1 συνεδρία/ ≥1 επιτόκιο/ ≥1 κατάθεση) - εγγραφή.
Κατακράτηση Dn: ποσοστό της ομάδας που επιστρέφει την ημέρα n μετά την ημερομηνία αναφοράς.
Rolling/Bracket: Rolling D7 (σε οποιαδήποτε από τις ημέρες 1-7) έναντι Exact D7 (την ημέρα 7).
Churn: καμία δραστηριότητα για ≥T ημέρες (π.χ. 14/30), προσδιορίζεται ως κανόνας προϊόντος.
Ομάδες: έως την ημερομηνία καταχώρισης/πρώτης κατάθεσης/πρώτου παιχνιδιού - επιλέξτε για την αποστολή μάρκετινγκ/προϊόντος.
2) Βασική ανάλυση: κλάσεις και καμπύλες κατακράτησης
Χάρτες θερμότητας κοόρτης: D1/D3/D7/D14/D30/D60, οι διαγώνιες είναι συγκρίσιμες μεταξύ απελευθερώσεων και εκστρατειών.
Καμπύλες επιβίωσης: αναλογία δραστικότητας από την ημέρα 0 έως την ημέρα Ν (καμπύλη επιβίωσης).
Γεωμετρία καμπύλης: «βαθμίδες» διακοπών/απελευθερώσεων. έγκαιρη «κατάρρευση» → προβλήματα επιβίβασης, «μακρά ουρά» → πιστός πυρήνας.
Ψευδο- SQL: Cohort D7
sql
WITH regs AS (
SELECT user_id, DATE_TRUNC('day', ts) AS cohort_day
FROM event_register
),
act AS (
SELECT user_id, DATE_TRUNC('day', ts) AS act_day
FROM event_activity
),
d7 AS (
SELECT r. cohort_day,
COUNT(DISTINCT r. user_id) AS cohort_size,
COUNT(DISTINCT CASE WHEN a. act_day = r. cohort_day + INTERVAL '7 day'
THEN r. user_id END) AS retained_d7
FROM regs r
LEFT JOIN act a ON a. user_id = r. user_id
GROUP BY 1
)
SELECT cohort_day, cohort_size,
retained_d7::decimal / NULLIF(cohort_size,0) AS cr_d7
FROM d7
ORDER BY cohort_day;3) Μοντέλα επιβίωσης και κινδύνου
Kaplan- Meier: μη μοντελοποιημένη βαθμολογία επιβίωσης [S (t)]; χρήσιμη για την «αφαίρεση σχήματος» της καμπύλης και της μέσης διάρκειας ζωής.
Cox PH/επιταχυνόμενος χρόνος αποτυχίας: επεξηγηματικά μοντέλα της επίδρασης των χαρακτηριστικών (χώρα, κανάλι, πλατφόρμα, μπόνους, περιεχόμενο) στον κίνδυνο (κίνδυνος εκροής).
Κίνδυνος διακριτού χρόνου (ημερολογιακό ημερολόγιο ανά ημέρα): ευέλικτη για την ανάλυση προϊόντων και τα ημερολογιακά χαρακτηριστικά.
Επανενεργοποίηση-Μοντέλο ξεχωριστά (ανταγωνιζόμενοι κίνδυνοι) ή ως μετάβαση σε μια αλυσίδα Markov.
4) Μοντέλα Markov και ημι-Markov
Νέα → Ενεργή → Αδρανής → Επανενεργοποιημένη →.
Μεταβάσεις: πιθανότητες ανά περίοδο (ημέρα/εβδομάδα).
Τιμή: πολλαπλασιάστε τις πιθανότητες παραμονής στο «Active» με το μέσο όρο ελέγχου/συχνότητας - λάβετε την αναμενόμενη συνεισφορά στο LTV.
5) Κατακράτηση δέσμης και LTV
LTV ≈ Σ (Retention_t × ARPU_t × έκπτωση).
Ελαστικότητα: D7 αύξηση κατά X pp → LTV αύξηση κατά Y% (από ιστορικά δεδομένα/μοντέλα).
Προτεραιότητα: Οι βελτιώσεις που επηρεάζουν την πρόωρη κατακράτηση (D1-D7) είναι σχεδόν πάντα οι πιο επικερδείς.
6) Κατάτμηση της διατήρησης
Ομάδες επιβίβασης: πρώτο περιεχόμενο/κατηγορία παιχνιδιού/μοτίβο συμπεριφοράς την ημέρα 0.
Geo/πλατφόρμα/κανάλι: UX και διαφορές προσδοκιών· προσαρμογή για ημερολογιακές/αργίες.
Συμπεριφορά/αξία: RFM (Recency-Frequency-Monitoring), κίνδυνος εκροής, κερδοφορία.
Απάντηση στα κίνητρα: τμήματα σχετικά με την ανοδική αντίδραση στις προσφορές/κοινοποιήσεις.
7) Αιτιότητα και πειράματα
A/B: επί του σκάφους, μαθήματα, στρατηγικές ώθησης· κύρια μέτρηση - διατήρηση D7/D14/D30, guardrails - καταγγελίες, χρόνος απόκρισης, RG.
Οιονεί πειράματα: DID/συνθετικός μάρτυρας όταν δεν είναι δυνατή η τυχαιοποίηση (π.χ. περιφερειακές εκκινήσεις).
μοντέλα ανύψωσης: στοχευόμενα κέρδη απόδοσης, όχι πιθανότητες δραστηριότητας· αξιολόγηση Qini/AUC.
8) Επανενεργοποίηση: ενεργοποιήσεις και πολιτική
Σήματα: πτώση συχνότητας, απουσία καταθέσεων N ημέρες, ασυνήθιστα χαμηλός έλεγχος, ολοκλήρωση επιβίβασης χωρίς 2η συνεδρία.
Πίνακας απόφασης (παράδειγμα)
Υστερία: διαφορετικά όρια εισόδου/εξόδου για σήματα ώστε να μην αναβοσβήνουν.
Κανάλια: in-app, push, e-mail, SMS, τηλεφωνικό κέντρο - με όριο ταχύτητας και προτεραιότητες.
9) Μετρήσεις κατακράτησης
(Rolling/Exact), WAU/MAU, Stickiness (DAU/MAU).
Διάμεσος επιβίωσης/ποσοτικοί προσδιορισμοί. την επικινδυνότητα ανά διαστήματα.
Ποσοστό επανενεργοποίησης (R30), μερίδιο τυφλότητας.
Επανενεργοποίηση ROMI, NNT (πόσες επαφές ανά 1 επιστροφή).
Δικαιοσύνη: μετρικές διαφορές ανά χώρα/πλατφόρμα· Εξαιρούνται τα άκυρα χαρακτηριστικά από τις πολιτικές.
10) Ταμπλό διατήρησης
Χάρτης θερμότητας Cohort + γραμμές τάσης D1/D7/D30.
Γραφήματα επιβίωσης/κινδύνου ανά τμήμα.
Χωνί πρώιμης ζωής: install→reg→KYC→1 igra→1 η κατάθεση.
Χάρτης δράσης: signal→resheniye→kanal→iskhod (μετατροπή σε επιστροφή).
Guardrails: φρεσκάδα δεδομένων, κάλυψη γεγονότων, καταγγελίες, δείκτες RG.
11) Δεδομένα και ποιότητα
Γεγονότα: κανονικό σχήμα (UTC, εκδόσεις), ταυτότητα, νεκρό σημείο.
Ταυτότητες: χρήστης/συσκευή/e-mail/τηλέφωνο - γέφυρες και είσοδος χρυσού.
Windows and TZ: αποθήκευση σε UTC + τοπική προβολή. ενιαίο ημερολόγιο διακοπών.
Φίλτρα: bots/QA/απάτη - αποκλείονται από την κλάση και τις δραστηριότητες.
Μετρήσεις έκδοσης: 'RET _ D7 _ vN' με changelog.
12) Συνταγές ψευδο-SQL/πύθωνα
Κυλιόμενα D30 ανά ομάδα
sql
WITH base AS (
SELECT user_id, DATE_TRUNC('day', MIN(ts)) AS cohort_day
FROM event_register GROUP BY 1
),
act AS (
SELECT user_id, DATE_TRUNC('day', ts) AS d
FROM event_activity
),
roll30 AS (
SELECT b. cohort_day,
COUNT(DISTINCT b. user_id) AS cohort_size,
COUNT(DISTINCT CASE WHEN a. d BETWEEN b. cohort_day AND b. cohort_day + INTERVAL '30 day'
THEN b. user_id END) AS any_1_30
FROM base b LEFT JOIN act a ON a. user_id = b. user_id
GROUP BY 1
)
SELECT cohort_day, any_1_30::decimal/cohort_size AS rolling_d30
FROM roll30;Kaplan- Meier (σκίτσο)
python t_i - time to outflow or censorship; e_i - event indicator
S(t) = Π_{t_i ≤ t} (1 - d_i / n_i)Διακριτός κίνδυνος (λογάριθμος ανά ημέρα)
python
For each user, create records before the event/censorship by day:
target = 1 if there was an outflow on that day; characteristics: calendar, activity, promo, etc.
Training logistic regression/GBM; forecast p_t - probability of outflow on day t.13) Διατήρηση με στόχο την ανύψωση
Ζώνες: Persuadables (θα επιστρέψει αν επικοινωνήσουμε), Sure πράγματα (θα επιστρέψουν και έτσι), Lost αιτίες, Do-not-inturb (βλάβες επαφής).
Μέτρηση: uplift @ k, Qini/AUC; πολιτική - επικοινωνούμε με την κορυφή k ανυψώνοντας τον προϋπολογισμό.
Guardrails: ανώτατο όριο στη συχνότητα επαφής, RG/δεοντολογία, επεξήγηση της αιτίας επαφής.
14) Επιχειρησιακή πράξη
SLO: επικαιροποίηση της σανίδας συγκράτησης ≤ 06:00 κλειδαριά. καθυστέρηση βαθμολόγησης κινδύνου ≤ 300 ms· 5 .
Παρακολούθηση: μετατοπίσεις καμπυλών ανά τμήματα, PSI μετατόπισης χαρακτηριστικών, «θραύση γεγονότων».
Runibooks: D1 drop (onboarding/release), D7 drop (περιεχόμενο/συχνότητα), τοπικές βλάβες καναλιών επικοινωνίας.
15) Συχνά σφάλματα
Ανάμειξη μονάδων (sessii↔polzovateli), TZ, παραθύρων δραστηριότητας.
Σύγκριση κυλιόμενων και ακριβών δεικτών ως ίσων.
Αγνοώντας τα ρομπότ/την απάτη → φουσκωμένες D1/D7.
Συμπεράσματα σχετικά με τη συσχέτιση χωρίς αιτιώδη επικύρωση.
Καμία υστέρηση/ψύξη → κόπωση επαφής.
Δεν υπάρχει σύνδεση με το LTV - βελτιστοποιούμε το CR, αλλά όχι την τιμή.
16) Κατάλογος ελέγχου του κύκλου διατήρησης πριν την απελευθέρωση
- Διαβατήριο μέτρησης (ενεργοποίηση δραστηριότητας, παράθυρο, TZ, έκδοση)
- Αναφορές κοόρτης και επιβίωση/κίνδυνος ανά τμήμα
- Μοντέλα κινδύνου εκροής και ανύψωσης, κανάλια kapas και guardrails
- Σχέδιο A/B ή/και οιονεί πειράματα για παρεμβάσεις
- Φρεσκάδα/κάλυψη/καταγγελίες/ταμπλό RG
- Runybooks, Hysteresis and Rate-Limits in Policy
- Κατακράτηση δέσμης με LTV και ROMI. ιεράρχηση με βάση την αναμενόμενη τιμή
Σύνολο
Η ανάλυση της κατακράτησης δεν είναι μόνο ένας «χάρτης θερμότητας των ομάδων», αλλά και ένα σύστημα διαχείρισης: ορθοί ορισμοί, μοντέλα επιβίωσης/κινδύνου, συσχέτιση με την αξία, στοχευμένες και ηθικές παρεμβάσεις, αυστηρή εκτίμηση των επιπτώσεων και λειτουργικοί φρουροί. Φτιάχνεις ένα «ρολόι → καταλαβαίνεις → αποφασίζεις → δράσεις → μάθεις» κύκλο που αυξάνει σταθερά το LTV και μειώνει την εκροή.