Previsione di fuga dei giocatori

Previsione della fuga dei giocatori

Lo scopo della previsione di fuga è di identificare in anticipo i giocatori a rischio di non tornare indietro e avviare le attività gestite (re-attivazione, RG, offerenti personali), massimizzando il valore e riducendo al minimo i danni. Di seguito è riportato un wireframe end-to-end dai dati all'uso.

1) Definizioni e cornici

Unità di contabilità - Utente (user/master _ id) - Impostazione predefinita.
Regola di deflusso (churn rule) - Nessuna attività target di ≥ T giorni (ad esempio 14/30). Attività fissa sessione/tasso/deposito.
Orizzonte di previsione: H giorni (rischio di deflusso nei prossimi 7/14/30 giorni).
Data Cutoff: giorno di formazione del Fiech; le etichette non devono utilizzare più tardi le informazioni cutoff.

2) Etichettatura senza fuoriuscita (Point-in-Time)

Target (classificazione): 'churn _ next _ H = 1', se il giocatore non è mai attivo nella finestra (t, t + H] e continua a rispettare la regola T.
Time-to-event (sopravvivenza): tempo prima del deflusso o della censura; Bene per pianificare caps/code.
Tagli scorrevoli - Generare esempi di apprendimento su date diverse con lame per evitare che il futuro scompaia.
Finestre di verità: attendere la conferma della fuoriuscita T prima di fissare l'etichetta (delayed truth).

3) Fitch e finestre

Recency/Frequency/Monetary: giorni con ultima attività/deposito, intensità per le finestre 7/ 14/30/90, ARPPU/frequenza.
Comportamenti e contenuti: categorie di giochi, varietà, «serie» (run-length), ore del giorno/settimana.
Marketing: apertura di cannoni/lettere, reazioni a offerenti, ferie.
Rischi/RG/frod: bandiere e contatori, con attenzione come guardrail.
Calendario: feste/partite/giorni di stipendio, fitch stagionali (dow, dom, wom).
Identità/dispositivi: piattaforma/OS/cambiamenti di device, stabilità IP/ASN.
Parità online/offline: fichistor con ricette e tempi di taglio identici.

4) Modellazione

4. 1 Classificazione (rischio di fuoriuscita nella finestra H)

Regressione logistica (interpretabile), GBM/Random Forest (basline forti), Taib/Seq-NN.
Le soglie del costo degli errori, non il «bel ROC».

4. 2 Sopravvivenza/Hazard (tempo prima del deflusso)

Kaplan-Meier (forma della curva), Cox PH/AFT, discrete-time hazard (logit per giorni con calendario).
Forniscono probabilità di fluttuazione temporale, permettono di pianificare la frequenza di contatti e gap.

4. 3 Sequenziali e ibridi

RNN/TFT/Trasformer con segni temporali e maschere di omissione.
Il rischio binario e il tempo prima dell'evento sono migliori da prendere.

4. 4 modelli Uplift

Prevedono un aumento della ritenzione dal contatto; Usa se c'è un elenco di azioni/esperimenti.

5) Valutazione e calibrazione

Gli squilibri di classe sono principali: PR-AUC, Recall@FPR≤x%, Precision @ k.
Calibrazione delle probabilità: Brier, reliability plots; Platt/Isotonic.
Tempo: backtesting con fold esplosi in calendario (rolling origin).
Stabilità: spaziare le metriche in segmenti (paese/canale/piattaforma).
Sopravvivenza: errore integrale della curva di rischio, calibrazione S (t).

6) Soglie, isteresi e politica decisionale

• «score _ block» è un intervento forte (personale offer/chiamata)
• È un contatto morbido (perl/e-mail)
• 'score <© _ review', senza azione

Isteresi, la soglia d'ingresso è superiore a quella di uscita per non «lampeggiare».
Cooldown: intervalli minimi di tocchi ripetuti per user/channel.
, , RG, frequenza dei contatti.

Esempio di decision table

7) Economia della soluzione

[
EV = p _ {\text {trattenimento	azione} }\cdot LTV _ {\text {future}}

p _ {\text {danni} }\cdot Harm - Cost
]

Ottimizzare le soglie e l'allocazione dei canali su EV anziché su CR nudo.

8) Esperimenti e causalità

A/B: strategie di contatto/off; la metrica principale è retention uplift (D7/D30), guardrail - lamentele/RG.
Quasi-espatrio: Controllo diD/sintetico per scarichi regionali.
Punteggio Uplift: Qini/AUUC, uplift @ k.

9) Deploy e tracciato online

Skoring: p95, 100-300 ms; Idemoticità delle query, 'correlation _ id'.
Orchestratore: consegna garantita, retry/backoff, DLQ, rate-limit per channel/user.
Il registro delle soluzioni «signal→score→decision→action→outcome» con le versioni del modello/criterio.
Feature parity: identici fici online/offline; tagli temporanei, rigorosamente fino a cutoff.

10) Monitoraggio e deriva

Qualità: PR-AUC/Recall @ FPR, calibrazione; la quota nelle zone block/review.
Deriva: PSI/KL per file chiave, maiusc target, nuovi pattern.
Operazioni latency, timeout,% folback, coda di contatti, lamentele.
Fairness: differenza di errori/soglie per segmento; Un controllo di ragionevolezza.

11) Pseudo-SQL/ricette

A. Forma etichetta churn _ next _ 14 (classificazione)

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. File rolling (7/30/90) con point-in-time

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) Modelli di manufatti

Passaporto modello di uscita (template)

ID/versione: 'CHURN _ 14D _ GBM _ v4'

Target/finestra: 'churn _ next _ 14', tagli PIT giornalieri

Ficci: RFM, contenuti, marketing, calendario, dispositivo

Le metriche sono PRC. 45, Recall@FPR≤1% ≥ 0. 30, Brier≤X

Calibrazione isotonic

Soglie: 'be _ block/© _ review', con isteresi

SLO: ≤ 150 ms p95; generazione di report off-line ≤ 06:00

Proprietari, data di revisione, runbook degrado

Report di risoluzione-ready (scheletro)

Churn 14d: rischio per segmenti, top cause, forecast conversione e-attivazione

Rischio: la quota di high-risk è aumentata nelle piattaforme X/Y (+ P)

Suggerimenti: aumentare il budget dei contatti nel segmento A, cambiare il canale B, i vincoli RG nel segmento C

13) Sicurezza, privacy, etica

Riduzioni PII: tornizzazione degli identificatori RLS/CLS.
Trasparenza: i motivi della soluzione/contatto (top feates/regole) sono disponibili per lo zapport.
Etica/RG: non targare i gruppi vulnerabili con offer aggressivi; cap frequenza dei contatti.

14) Errori frequenti

L'etichetta utilizza il futuro (label leakage), la miscelazione TZ/finestre.
Valutazione ROC-AUC a 1% target senza PR-AUC/Recall @ FPR.
Nessuna calibrazione. Le soglie sono impostate alla cieca.
L'assenza di isteresi/cooldown ha causato «lampeggianti» di contatti e lamentele.
Non è stato associato il rischio a EV/LTV - «curiamo» le persone che non possono essere trattate.
Online/offline rassincrone fich - in vendita la qualità è in calo.

15) Foglio di assegno prima del lancio del tracciato

• Definito T/H/TZ, attività, eccezioni; Procedure PIT compilate
• Dataset senza fuoriuscite; rolling-validation, benchmark e calibrazione
• Criteri di soglia, isteresi, caps e guardrail documentati
• Orchestratore di azioni, idimpotenza, controllo «signal→decision→action»
• Monitoraggio qualità/deriva/fairness, alert e runbooks
• La valutazione Uplift e/o A/B è pronta; Report decection-ready (con EV)
• Versioni modello/fich/metriche, proprietari, sLO prescritto

Totale

La previsione di deflusso funziona solo come sistema: marcatura nitida senza fuoriuscite, fitch informativi, modello appropriato (classificazione e/o sopravvivenza) di metriche, calibrazione e soglie di errore, orchestrazione sicura delle azioni, monitoraggio della deriva e fairness. Questo tracciato fornisce soluzioni, non solo «rischi»: chi, quando e come entrare in contatto per aumentare la ritenzione e LTV.