KPI կանխատեսումը

KPI կանխատեսումը

KPI կանխատեսումը ոչ թե «գրաֆիկի առևանգումն» է, այլ կառավարվող բանաձևը. Ճիշտ տվյալները բացատրվում են ռուսական սցենարի համարժեք մոդելը և ռուսական վիրահատական կոդավորման մեկնաբանությունը։ Ներքևում համակարգային չեկի ցուցակն է և ճարտարապետությունը, որոնք մեծանում են պարզ շարքերից մինչև պորտֆելի, հիերարխիկ և հավանական կանխատեսումներ։

1) Առաջադրանքի արտադրումը

Ի՞ նչ ենք կանխատեսում։ , դելտա, քվանտիլ, ռուսական, իրադարձություն (սպայկ)։

Հորիզոն/քայլ 'ժամացույց/օրեր/շաբաթ/ամիս; rolling-պատուհանները կարճաժամկետ վերահսկման համար։

Միավորը 'ապրանք/բրենդ/երկիր/պլատֆորմ/ջրանցք։

Բիզնես կոնտեքստը 'կառավարվող լծակներ (պրոմո, գներ, ածխաջրածիններ) և սահմանափակումներ (SLA, RG/complaens)։

Արժեքներն ու ռիսկերը 'փետուրի/չնախատեսված արժեքը, տուգանքը կեղծ ալերտերի համար։

2) Տվյալները և պատրաստումը

Հացահատիկը և օրացույցը 'մեկ օրացույց (արձակուրդներ/հանգստյան/աշխատավարձային օրեր), ժամանակի բարձրացումը (UTC + տեղական ներկայացումներ)։

Ագրեգատները և կոնսիստենտալությունը ՝ DAU/WAU/MAU, GGR/Net, ARPU, պահպանումը (D7/D30), ձագերի կոնվերսիան, latency p95 - պահեք որպես առանձին վիտրիններ ակնհայտ բանաձևերով։

Ռեգրեսորները (X) 'պրոմո/բոնուսներ, քարոզարշավներ, գնի փոփոխությունը, բովանդակությունը, սպորտային իրադարձությունները, արժեթղթերի դասընթացները, եղանակը (եթե revanto)։

Աննոմալիաներ և բացթողումներ ՝ մարկիրու, չենք հեռացնի կույր։ իրադարձությունների համար '«one-off» դրոշները։

Սխեմաների իրականացումը 'ապրանքի տարբերակների փոփոխման կետերը/գրանցում ենք որպես իրադարձություններ։

3) KPI տեսակները և մոդելավորման հատկությունները

Ադիտիվ ծավալները (եկամուտներ, ավանդներ) 'լավ աշխատում են EFC/ARIMA/GBM/Temensal-NN։

Մասնաբաժիններ և փոխարկումներ 'լոգիթ գծեր, բետա-բինոմալ մոդելներ, ռեգրեսիա սահմանափակումներով [0,1]։

Գործակիցները և հարաբերությունները (ARPPU) 'մոդելավորում ենք թվանշանը և դրոշը առանձին, հետո' 108։

Ինտերակտիվ շարքերը (հազվադեպ իրադարձություններ, chargeback) ՝ Croston/SBA/TSB, zero-inflated մոտեցումներ։

Հիերարխիան (երկիրը ռուսական բրենդը) 'reconciliation: Bottom-Up, Top-Down, MinT։

Կոմպոզիտորական KPI (օրինակ, GGR) 'դիսագրեգիրային վարորդներ' ռուսական հակադարձման հաճախականությունը միջին ստուգում է։

4) Մոդելներ ՝ բազայից մինչև առաջադեմ

Բեյզլիններ ՝ Naive, Seasonal Naive, Drift-ը անհրաժեշտ է ազնիվ գնահատման համար։

Շարքերի դասական 'EFC/ARIMA/SARIMA; Prophet արագ սեզոնային և արձակուրդների համար։

Ռեգրեսորները ՝ ARIMAX/EFC + X, դինամիկ ռեգրեսիաներ, TBATS բազմաթիվ սեզոնների համար։

Gradient Busting/պլանշետային NN: Last GBM/XGBoost/TabNet Lag-Fi, պատուհանների վիճակագրությունները, օրացույցը և պրոմո։

Temporal NN: N-Beats, TFT (Temensal Fusion Transformer) - մուլտֆիլմի շարքի և հարուստ X- ի համար։

Հավանական է 'քվանտային ռեգրեսիա (pinball loss), Gaussian/Student-t, quantile fores.ru/GBM։

Պատճառն ու սցենարները ՝ DiD/SC, պրոմո էֆեկտը գնահատելու համար։ uplift պլանավորման համար «ինչ կլինի, եթե միացնենք»։

5) Դեկոմոզիցիա և նշաններ

T + S + R: միտումը + սեզոնայնությունը (շաբաթվա/ամիս/ժամ) + մնացորդը։

Բայերն ու պատուհանները '"y _ _ e t-1.. t-28 +, որոնք սայթաքում են միջին/std, ռուսական։ հարթեցում; «տոնական պոչեր»։

Կատեգորիկ ՝ երկիր/ջրանցք/OS որպես էմբեդինգներ/one-hot։

Իրադարձությունները 'ֆորումներ/ակցիաներ/բաններ - երկուական/ինտենսիվություն։

Leakage-վերահսկումը 'միայն տեղեկատվությունը «անցյալից»։

6) Գնահատումը և backtesting-ը

Սպլիտներ ՝ rolling/expanding origin; արգելափակում ենք սեզոնայնությունը (կարճ շաբաթներ/ամիսներ)։

Մակարդակների չափումները ՝ MAE, RMSE, MAPE/sMAPE, WAPE (ավելի հուսալի է նրբությունների դեպքում)։

Հավանականության մետրերը ՝ pinball loss (q = 0։ 1/0. 5/0. 9), CRPS, ընդմիջումների տրամաչափը (coverage, SHARP)։

Իրադարձությունների/սպայկների չափումները 'precision/recall «նետման» օրինակով։

Բեյզլին կանոնը 'մոդելը պետք է հաղթի Seasonal Naive-ում։

Մոսկվա 'սեգմենտների/արձակուրդների սխալների ցրումը։ out-of-time (վերջին N շաբաթ)։

7) Հիերարխիկ կանխատեսում և կայունություն

Bottium-Up: Մենք հավաքում ենք «112»; պարզ է, բայց աղմկոտ։

Top-Down: Մենք բաժանում ենք պատմական։

MinT (optimal reconciliation): նվազեցնում է սխալների կովարիզացիան 'լավագույն փոխզիջումը հարուստ «ներքևում»։

Պրակտիկա 'մենք յուրաքանչյուր մակարդակում հիմնական մոդելներ ենք սովորեցնում, ապա կհամաձայնենք։

8) Հավանականության կանխատեսումները և մեկնաբանությունը

Quanali: q10/q50/q90 պլանավորվում է «պեսիմիստ/բազա/լավատես» պլանավորումը։

Ընդմիջումներ 'նպատակային ծածկույթ (օրինակ ՝ 80 %/95%); ստուգում ենք տրամաչափումը։

Ռիսկի արժեքը 'պլանավորեք պայմանական VaR/expected shortfall-ը KPI-ի համար ասիմետրիկ կորուստներով (պահանջարկի անհասանելիությունը ավելի թանկ է, և հակառակը)։

9) Բեմական մոդելավորում

Էկզոգեն սցենարները ՝ «առանց պրոմո/s պրոմո», «դասընթացը 10 տոկոս», «ֆուտբոլային ավարտը»։

What-if: Մենք փոխում ենք X-ը (քարոզարշավների ինտենսիվությունը, լիմիտները, գները) կանխատեսում է KPI կանխատեսումը և վստահելի ընդմիջումները։

Պլանը փաստ է 'կամուրջը (bridge) գործոններ' սեզոնների ներդրումը, պրոմո, գինը, միտումը, ցնցումը/2019։

10) Վիրահատական համակարգը և MLOps-ը

Վերապատրաստման հաճախականությունը 'կարճաժամկետ KPI' ամեն օր/շաբաթ; Ամսական 'T + 1/T + 3։

Շերտեր/արտեֆակտներ ՝ ֆիչաստոր (առցանց/օֆլայնային հավասարություն), մոդելներ, տվյալների տարբերակներ/KPI բանաձևեր։

Տե՛ ս ՝ WAPE/SMAPE սայթաքուն պատուհանի, ընդմիջումների ծածկույթի, նշանների (PSI), ֆիդների ձերբակալման, SLA-ի վրա։

Ալերտներ 'սխալների ավելացում> շեմն է, ոչ ալիբրացված ընդմիջումները, սեզոնայնության ոչնչացումը։

Fail-safe: դեգրադացիան հակադարձվում է Seasonal Naive/ELS-ին։ freeze մոդելները տոնական պիկի մեջ։

Հիստերեևսկին 'տարբեր շեմեր ներառել/անջատել «պրոմո-ռեգրեսորներ», որպեսզի չփորձեն «գաղթել»։

11) Ապրանքային և iGaming-KPI հատկությունները (մոտավոր քարտեզը)

Իսպանիան/ակտիվությունը ՝ DAU/WAU/MAU, հաշվի առնելով խաղերի/խաղերի խաղային օրերը։

Մոնետիզացիա ՝ GGR/Net, դեպոզիտներ, ARPU/ARPPU - ուժեղ սեզոնային «երեկո/հանգստյան/արձակուրդներ»։

Պահպանումը 'D1/D7/D30 - ավելի լավ կանխատեսել որպես հավանականություն (լոգիթ) օրացույցի հետ։

Ռիսկերը ՝ chargeback rate (international), RG-ազդանշաններ (քաղաքականություն/արձակուրդներ), հակաֆրոդ ազդանշաններ։

Վիրահատություններ ՝ latency p95/p99, գործարքների սխալները համատեղելի են անոմալիաների/ածխաջրերի քաուզային ազդեցությունների հետ։

12) Արտեֆակտների օրինակները

A. անձնագիր կանխատեսման KPI

KPI/կոդը ՝ «GGR _ MSR» (բանաձևի տարբերակը)

Հորիզոն/քայլ ՝ 8 շաբաթ, օր

Հիերարխիա ՝ բրենդը ռուսական երկիր ռուսական պլատֆորմը

Ռեգրեսորները ՝ «promo _ spend», «fixtures _ flag», «holiday», «fx _ rate»

Մոդել '«TFT _ v4» (q10/q50/q90) + MinT reconciliation

Մետրիկները ՝ WAPE (Abs 368%), coverage 90% -interval 3685%

SLO 'գեներացիան 10 րոպե հետո 06: 00 լոկից հետո։ տվյալների լագը 241 ժամ է

Սեփականատերերը ՝ Monetization Analytics; ամսաթիվը ՝ 2025-10-15

B. Decision-ready զեկույցը (կմախք)

Վերնագիր ՝ «GGR: Կանխատեսում 8 շաբաթ, q10/q50/q90»

Բանալին այն է, որ 3-րդ շաբաթվա ընթացքում թերագնահատման ռիսկը 22% է (ES = - 24X)

Վարորդներ ՝ + սեզոնային հանգստյան օր, + էֆեկտը պրոմո, www.FX

Առաջարկություններ ՝ բյուջեն վերադարձնել ցածր բյուջեով, բարձրացնել սահմանները A/B ալիքների վրա

: Կեղծ կոդը www.pline (շուտով)

python
1) load data y, X, calendar = load_series_and_regressors()
2) build features ds = make_lags_and_windows(y, X, lags=[1,7,14,28], roll=[7,14,28])
ds = add_calendar_features(ds, calendar) # holidays, dow, month_end
3) split cv = rolling_backtest(ds, folds=6, horizon=28)
4) models m1 = ETSx(). fit(ds. train)         # baseline m2 = LightGBMQuantiles(q=[0. 1,0. 5,0. 9]). fit(ds. train)
5) evaluate scores = evaluate([m1,m2], cv, metrics=['WAPE','pinball'])
6) retrain full + reconcile forecasts = reconcile_minT(train_and_forecast([m2], hierarchy))
7) report + push publish(forecasts, scores, sla=timedelta(minutes=10))

13) Հաճախակի սխալներ և հակատիպեր

MAPE-ը նրբությունների ժամանակ 'օգտագործեք WAPE/sMAPE-ը։

Միջին 'համախմբեք թվանշանները/դրոշակակիրները առանձին։

Արձակուրդների/ֆորումների անտեսումը 'ավելացրեք ռեգրեսորները և «հետպատերազմյան» ամսաթվերը։

Աղվեսներ 'ֆիչին համապատասխան տեղեկատվությամբ (target leakage)։

Չափազանց խելացի մոդելներ առանց բեյսլեյնի. Նախ հաղթեք Seasonal Naive-ին։

Ոչ ալիբրացված ընդմիջումները '«գեղեցիկ, բայց դատարկ», ստուգեք coverage-ը։

Հիերարխիաների անհամաձայնությունը 'առանց reconciliation-ի ընդհանուր պլանը քանդվում է։

Fail-safe-ի բացակայությունը 'արձակուրդների գագաթնակետին մոդելը «կախված է», պլանները փլուզվում են։

14) Եվգենիան վաճառքում է

Որակը 'WAPE rolling, pinball քվանտներով, coverage 80/95 տոկոսը։

Մոսկվա: PSI-ը հիմնական նշաններով, սեզոնայնության դրեյֆը։

Վիրահատություններ ՝ մրցույթի ժամանակը, տվյալների լագը, ֆոլբեկների տոկոսը։

Ալերտներ ՝ «3.8» կանոնը սխալմամբ, SLO խախտումը, հիերարխիաների բաժանումը։

Ռունիբուկ ՝ freeze-ռեժիմը, «աղմկոտ» ռեգրեսորների անջատումը, fors-pertren։

15) Չեկի թուղթը նախքան թողարկումը

• KPI կոդավորումը և տարբերակը (սեմանտիկ շերտ)
• Օրացույցը/արձակուրդները/ռեգրեսորները համաձայնեցված և փորձարկվել են
• Բեյզլայնները (Naive/Seasonal) հաղթում են backtesting-ին։
• Ընտրվել են մետրերը (WAPE/pinball) և ռուսական շեմերը։
• Ընդմիջումները տրամաչափված են. «պեսիմիստ/բազա/լավատես» սցենարները հավաքվել են
• Հիերարխիաները համաձայնվում են (MinT/Top-Down) (MinT/Top-Down)
• MLOps: Ռուսական դասընթացներ, կոմպոզիցիաներ, ալերտներ, fail-safe
• Express: Կանխատեսման անձնագիր, SQL/fice բաղադրատոմսեր, runibuk 2019

Արդյունքը

KPI կանխատեսումը որոշումների ճարտարապետությունն է 'հստակ սահմանումներ, հարուստ օրացույց և ռեգրեսիաներ, ազնիվ բեյզլիններ, հավանական կանխատեսումներ, հիերարխիկ, կայուն MLOps և բեմական պլանավորումներ։ Այս նախաձեռնությունը տալիս է վստահելի սպասումներ, կառավարվող ռիսկեր և «decision-ready» զեկույցներ, որոնք ուղղակիորեն սնուցում են պլանավորումը, մարքեթինգը, վիրահատությունը և ընկերությունը։