خوشه بندی داده ها

1) چرا یک پلت فرم iGaming خوشه

شخصی سازی بدون برچسب ها: ما بازیکنان را با رفتار گروه بندی می کنیم تا پیشنهادات، محدودیت ها، UX را هدف قرار دهیم.
عملیات و ریسک: ما «فایل های نازک»، الگوهای پرداخت غیر معمول، خوشه های تقلب را شناسایی می کنیم.
محصول و محتوا: بخش در ارائه دهندگان مورد علاقه/مکانیک (سقوط/اسلات/زندگی می کنند)، چرخه زندگی است.

تجزیه و تحلیل و بینش استراتژیک: چگونه ترکیب بخش ها با بازار/کمپین/فصل تغییر می کند

2) فضای داده و برچسب

2. 1 منابع

رفتار بازی: فرکانس/طول جلسات, شرط/دقیقه, نوسانات, ژانرهای مورد علاقه/ارائه دهندگان.
پرداخت: فرکانس/مقدار سپرده/برداشت، روش (Papara/PIX/کارت)، chargeback/انحراف.
بازاریابی/CRM: کانال های جذب، واکنش به پاداش/تلاش، پاسخ فشار.
دستگاه/سیستم عامل: سیستم عامل، نسخه، ثبات مشتری، نوع شبکه.
RG/انطباق: پرچم خود حذفی, محدودیت, تماس های پشتیبانی (بدون PII).

2. 2 ویژگی های مهندسی

مصالح توسط ویندوز: 7/28/90 روز ؛ جیرهبندی «برای یک روز فعال»

مقیاس بندی استاندارد/robast: z-score/strong-scaler (IQR), log-scale for «long tails».
Categories → embeddings/one-hot: ارائهدهندگان/کانالها/کشورها.
کاهش ابعاد: PCA/UMAP برای سر و صدا و تجسم، اما ذخیره بردار «خام» برای تفسیر.
Zero-PII: به جای شناسه ها، ما زمینه های شخصی را ممنوع می کنیم.

3) الگوریتم ها و زمان استفاده از آنها

k-means/Mini-Batch k-means - پایه سریع برای داده های بزرگ ؛ فرضیه sphericity.
GMM - وابستگی نرم (احتمالات)، مفید برای بازیکنان «مرز».
DBSCAN/HDBSCAN - پیدا می کند خوشه فرم آزاد و «سر و صدا» (ناهنجاری) ؛ نسبت به «eps» حساس است.
سلسله مراتبی (بخش/متوسط) - دندروگرام برای «درخت» بخش ها، خوب به طور متوسط N.

طیفی - برای خوشه های غیر کروی ؛ جاده در N. بزرگ

SOM (نقشه Kohonen) - نقشه های 2D قابل تفسیر از الگوهای رفتاری.
داده های مخلوط: k-نمونه های اولیه، k-حالت، فاصله Gower.

نکته: با Mini-Batch k-means (سرعت) + HDBSCAN (سر و صدا/ناهنجاری ها) شروع کنید و ثبات را مقایسه کنید.

4) نحوه انتخاب k و ارزیابی کیفیت

معیارهای داخلی: Silhouette (بالاتر بهتر است)، Davies-Bouldin (پایین تر بهتر است)، Calinski-Harabasz.
پایداری: خوشه بندی مجدد بر روی نمونه های بوت استرپ، شاخص Rand/NMI بین پارتیشن ها.
اعتبار خارجی: تمایز KPI ها (GGR/NET، نگهداری، تبدیل پیشنهادات، FPR) بین خوشه ها.
تفسیر کسب و کار: خوشه ها باید پروفایل ها و اقدامات واضح داشته باشند. اگر نه، ویژگی ها/مقیاس/الگوریتم را لغو کنید.

5) پروفایل ها و توضیحات

مشخصات خوشه: میانه/چندک ویژگی، بازی بالا/ارائه دهندگان، دستگاه ها، روش های پرداخت، کانال.

تفاوت با جمعیت: Δ در p-points/ σ، تجسم توسط رادار

توضیح دهنده های محلی: اهمیت SHAP/جایگشت برای مرزهای بین خوشه ها (از طریق طبقه بندی کننده آموزش دیده cluster_id").
ما خوشه تماس بگیرید: «بالا غلطک سقوط», «پاداش شکارچیان اسلات», «زندگی می کنند آخر هفته گاه به گاه».

6) عملیات (آنلاین/آفلاین)

خوشه بندی آفلاین یک بار در روز/هفته → انتشار «گذرنامه» بخش.
تخصیص آنلاین: نزدیکترین مرکز (K-means)، احتمال (GMM)، «سر و صدا» (HDBSCAN) → قوانین بازپرداخت.
رانش: نظارت بر PSI/KC توسط ویژگی های کلیدی، مهاجرت بین خوشه ها، فرکانس «سر و صدا».
چرخه زندگی: تجدید نظر هر 1-3 ماه ؛ MAJOR در هنگام تغییر ویژگی ها/استانداردها.

7) ادغام و اقدامات

شخصی سازی: ارائه می دهد/محدودیت فرکانس، انتخاب ارائه دهندگان و مکانیک مسابقات.
CRM/کانال: فرکانس کرک/ایمیل، پنجره زمان، زبان/tonality.
بازاریابی: بودجه بر اساس بخش، خلاقیت، پیش بینی LTV ؛ «تلنگر» در مقابل «ارزش» استراتژی.
RG/Risk: مداخلات خفیف برای خوشه خطر، بررسی «دستی» برای ناهنجاری ها.
Antifraud: خوشه ای از مسیرهای پرداخت غیر معمول/دستگاه → افزایش به ثمر رساند.

8) حفظ حریم خصوصی و انطباق

ناشناس بودن گزارش ها (حداقل N شیء در هر برش).
صفر PII در fiches/سیاهههای مربوط/داشبورد، نشانه گذاری ؛ حذف DSAR توسط نشانه.
Geo/tenant-isolation: بخش های قطار/فروشگاه در منطقه مجوز.
بررسی عدالت: ما تفاوت ها را با اندازه گیری های حساس (کشور/روش پرداخت/دستگاه) بررسی می کنیم.
استفاده: پیشنهادات «تهاجمی» برای خوشه RG (سیاست ها) ممنوع است.

9) معیارهای موفقیت

عامل: سهم تخصیص های آنلاین <X ms، ثبات مراکز، مهاجرت/عدم تأیید.
کسب و کار: تبدیل بالا بردن پیشنهادات، ARPPU/LTV توسط بخش، کاهش FPR ضد تقلب، سرعت واکنش RG.
کیفیت مدل: ↑ سیلوئت، ↓ DB، ↑ پایداری، KPI قابل تشخیص بین خوشه ها.

10) خط لوله (مرجع)

برنز → نقره → طلا → خدمت

1. رویدادها/پرداختها/دستگاهها → تمیز کردن/شادی را وارد کنید.
2. فروشگاه ویژگی: محاسبه پنجره (7/28/90d)، استاندارد سازی، ماسک/نشانه.
3. کاهش نور (PCA/UMAP) برای تجسم (نه برای گشت و گذار).
4. خوشه بندی (آفلاین)، ارزیابی معیارها، تولید «گذرنامه».

5. انتساب آنلاین API: نزدیکترین مرکز/احتمالات/» سر و صدا»

6. نظارت: رانش، مهاجرت، فرکانس «سر و صدا»، KPI بر اساس بخش.

7. انتشار: نیمه هادی، سایه/قناری، چرخش ؛ فهرست راهنمای قطعه در BI

11) نمونه های بخش (iGaming)

پاداش شکارچیان اسلات: سهم بالایی از freespins/کلیدهای, جلسات کوتاه, بسیاری از شکست خروجی - محدودیت تبلیغی نرم, شرایط شفاف.
ریسک تصادف: جلسات شدید کوتاه، افزایش سرعت سریع - محدودیت فرکانس/خنک کننده.
زندگی اجتماعی: جلسات شب طولانی در زندگی می کنند، CTR بالا در مبارزات اجتماعی - گزینش جریان و رویدادهای زندگی می کنند.
تازه واردان فایل نازک: 1-2 سپرده، چند دور - آموزش خوش آمدید، پشتیبانی KYC.
ناهنجاری پرداخت: تغییر مکرر از کیف پول/روش, جغرافیایی نژادها - افزایش ضد تقلب.

12) الگوهای مصنوعی

12. 1 کاتالوگ بخش (قطعه)

yaml version: 1. 4. 0 segments:
- id: s_high_roller_crash name: "High-rollers crash"
size_share: 0. 07 centroid:
stake_per_min_z: 2. 1 volatility_z: 1. 8 session_len_min: 6. 4 actions: ["limit_bet_growth","vip_care","rg_cooldown_soft"]
- id: s_bonus_hunter_slots name: "Bonus-hunters slots"
size_share: 0. 19 centroid:
bonus_usage_rate: 0. 63 withdraw_decline_rate: 0. 21 actions: ["clear_terms","frequency_cap","onboarding_quest"]

12. ۲ سیاست موج سواری

yaml serving:
assigner: "nearest_centroid"  # or gmm_prob p95_latency_ms: 50 min_confidence: 0. 6 unknown_policy: "fallback_rules"
privacy:
pii_in_features: false min_group_size: 50 monitoring:
drift_psi_max: 0. 2 migration_rate_warn: 0. 25

12. گذرنامه خوشه ای 3 (BI)

yaml cluster_id: s_live_social share: 0. 23 kpi:
d30_retention: 0. 42 arppu: 27. 4 behavior:
sessions_evening_share: 0. 68 provider_top: ["Evolution","Pragmatic Live"]
crm:
push_ctr: 0. 11 promo_sensitivity: "medium"
rg_flags: ["cooldown_hint"]

13) نقشه راه پیاده سازی

0-30 روز (MVP)

1. موارد نمایش (7/28/90d) را جمع آوری کنید، استاندارد کنید، PII را قطع کنید.
2. مینی دسته K-معنی برای 5-9 خوشه + HDBSCAN پایه برای «سر و صدا».
3. گذرنامه خوشه ها، اختصاص دهنده آنلاین، داشبورد مهاجرت/رانش.
4. دو آزمایش محصول: پیشنهادات بخش و فرکانس کرک.

30-90 روز

1. GMM برای نرم افزار و لوازم جانبی ؛ انواع مخلوط (K-نمونه های اولیه).
2. جمع آوری خودکار هر N روز، سایه → قناری ؛ هشدار در PSI/مهاجرت.
3. قابلیت تفسیر (کارت های SHAP)، کاتالوگ بخش BI و CRM/توصیه API.

3-6 ماه

1. بخش های جغرافیایی/مستاجر خاص ؛ ترکیب با نمودار دستگاه/پرداخت.
2. گروه های طولانی مدت + ماتریس انتقال (مارکوف) برای برنامه ریزی LTV.

3. سیاست های RG/AML در سطح بخش ؛ ممیزی اخلاقی/حریم خصوصی خارجی

14) ضد الگوهای

انتخاب K «توسط چشم» و ارزیابی تنها شبح بدون چک کسب و کار.
مخلوط کردن PII و ویژگی های رفتاری ؛ عدم وجود k-anonymity در گزارش ها.
هیچ اختصاص دهنده آنلاین → بخش «آویزان» در BI بدون عمل وجود دارد.

بازآموزی برای فصل/سهم ؛ عدم نظارت بر مهاجرت ها

استفاده از خوشه ها برای بازاریابی «تهاجمی» بدون قوانین گارد RG.
مجموعه ای از بخش ها برای همه کشورها/مارک های بدون ویژگی های محلی.

15) RACI

بستر داده (R): ویژگی ویترین، خط لوله، نظارت، ثبت نسخه.
علم داده (R): انتخاب الگوریتم، k/metrics، تفسیر.
محصول/CRM (A): فعالیت های بخش، آزمایش.
ریسک/RG (C): سیاست های محدودیت و HITL برای بخش های «سنگین».
امنیت/DPO (A/R): حریم خصوصی، نشانه گذاری، k-ناشناس بودن.
BI (C): داشبورد، کاتالوگ، اسناد و مدارک.

16) بخش های مرتبط

بخش بندی هدف، سیستم های توصیه، پروفایل بازیکن، کاهش تعصب، معیار عملکرد، تجزیه و تحلیل و معیارهای API، MLOps: بهره برداری از مدل، اخلاق داده و شفافیت.

مجموع

خوشه بندی فقط یک نمودار UMAP نیست، بلکه یک ابزار تولید است: ویژگی های خالص بدون PII، معیارهای پایدار و گذرنامه های قابل درک، تخصیص دهنده آنلاین و اقدامات در CRM/product/RG. هنگامی که به طور منظم حسابرسی و نظارت بر رانش، «هرج و مرج رفتار» را به استراتژی های قابل کنترل برای رشد، ایمنی و مسئولیت تبدیل می کند.