収益予測
収益予測
収益は、コンテンツ/製品の提供、ユーザーの行動、価格とプロモーション、外部条件（休日、スポーツイベント、為替レート、規制の変更）など、多くの要因の相互作用の結果です。信頼できる予測は1つの「モデル」ではなく、動作する輪郭です。定義→データ→モデル→シナリオ→操作→検証→改善。
1）タスクステートメント
私たちが予測するもの：総収入（GGR）、ネット（Net）、ボーナス/手数料後の収益、基本通貨および現地通貨。
地平線/ステップ：毎日/毎週/毎月；キャッシュギャップ計画-毎日、予算-毎月/四半期。
予測ユニット：ブランド×国×プラットフォーム×チャネル（最小）、続いて階層の調整。
目的：予算編成、交通/コンテンツ調達、インフラ限界、金融契約。
エラー価格：予測下（失われた需要/予測下）vs再予測（過剰購入/再約束）。
2）金融回路との定義と調整
数式：GGR、ネット、控除（税金、ボーナス、afiliatコミッション）-セマンティックレイヤーでバージョン化。
カレンダー：UTCストレージ+ローカルビュー；休日/給与日；スポーツスケジュール（該当する場合）。
FXポリシー：為替レートのソース、変換日（取引日/平均期間）、単一通貨。
和解：会計との必須和解手続き（許容限度内での不一致）。
3）運転者の所得の分解
基本的な式は次のとおりです：[
\text {Revenue} =\text {Traffic }\times\text {Conversion }\times\text {Frequency }\times\text {Average check}
]トラフィック/アクティブ：ユーザー/セッション/ログイン。
コンバージョン：支払いの割合、ターゲットイベントへのCR。
頻度：支払者/期間ごとのトランザクションの数。
平均小切手：平均取引額（ボーナス/割引を考慮してください）。
ドライバを別々に予測し、複合材料を組み立てて因子（プラン・ファクト・ブリッジ）の寄与を確認することをお勧めします。
4）データおよびregressors
時系列：予測単位による日/週の集計。
X regressors：- プロモ/ボーナス（強度、タイプ、カバレッジ）；
- マーケティング費用/インプレッション/クリック;
- コンテンツイベント（リリース、トーナメント、メジャーマッチ）；
- 価格/制限/カタログの変更
- FX/インフレーション、天気/カレンダー（影響を受ける場合）。
- 規制イベント（制限/解凍）。
- 異常/ワンオフ：マーク、「滑らかに」静かにしないでください。
- 顔なし：予測時に利用可能な情報のみを使用します。
5）シミュレーション
5.1ベースライン
ナイーブ/季節のナイーブ/ドリフト-正直な評価に必要です。
5.クラシックロウ×2
ETS/ARIMA/SARIMA、 TBATS（複数の季節性）、預言者（休日の早いスタート）。
5.3リグレッサー
ARIMAX/ETS+X、カレンダーとプロモ/FXで動的な回帰。
5.4マルチシリア/表形式
lags/windows/calendarのLightGBM/XGBoost/linear；
ポートフォリオおよびlong XのためのTemporal NN （TFT、 N-Beats）。
5.5確率的
クオンタイル回帰（ピンボール）、Student-t/Gaussian予測、間隔のクオンタイルアンサンブル（q10/q50/q90）。
5.6階層と和解
strana→brend→kanal→platforma構造のためのボトムアップ/トップダウン/MinT。
6）所得指標の詳細
分数/比率（マージン、手数料）：モデル分子/分母を個別に作成します。
断続的な部品（chargeback、ハイローラー）：Croston/TSB、量子のゼロ膨脹させた、個々の部品。
Cannibalization：新しいアクティビティ/製品を開始するときのモデルのクロスセグメントフロー（複数出力モデルまたは制限付きリグレッサー）。
価格/ボーナスによる弾力性：対数モデル/因果推定（DiD/SC）係数を推定する-what-if。
7）品質評価とバックテスト
分割：季節性の多重度（週/月）で起源を転がり/拡大します。
レベルメトリック：WAPE/sMAPE（ゼロ抵抗）、MAE/RMSE。
確率：ピンボール損失、カバレッジ80/95％-間隔。
安定性：区分/休日/チャネルによるエラー。時間外だ。
ベースラインルール：モデルは主要な地平線でSeasonal Naiveを追い越さなければなりません。
8）シナリオと不確実性
Quantiles： q10/q50/q90→「pessimist/base/optimist」。
シナリオX： 「no promo/s promo」、 「FX ± 10％」、「メジャーイベント」、「規制制限」。
メタパラメータのリスク：伸縮性と季節性の変化に対するストレステスト。
リスクのコスト：条件付きの不足に応じて計画する（予報不足/再予測に対する処罰は非対称です）。
9）実際の計画と要因の貢献（収益ブリッジ）
ブリッジを表示：trend+seasonality+promo+price/limits+FX+shocks/incidents→final deviation。これは信頼を高め、行動を起こすのに役立ちます（予算を追加し、プロモーションを移動し、価格を変更します）。
10） MLOpsおよび操作
スケジュール：毎日の予測-T+1まで06：00ロック。毎週-週にN回；毎月-T+1/T+3。
アーティファクト：fichestor（オンライン/オフラインのパリティ）、モデルのレジスタ、所得数式のバージョン。
モニタリング：ウィンドウによるWAPE/カバレッジ、機能ドリフトPSI、フィード遅延、SLA生成。
アラート：エラーの増加>しきい値、調整されていない間隔、階層の内訳。
フェイルセーフ：ETS/季節のナイーブへのロールバック；ピークの休日の間の凍結モード。
ヒステリシス：「点滅」しないようにプロモーションレグレッサーをオン/オフにするための異なるしきい値。
和解：毎日/毎週財務諸表との和解。
11）アーティファクトパターン
A。収入予測パスポート
KPI： 'NET_REVENUE_EUR_v3'
地平線/ステップ： 8週/日
単位： ブランド×国×プラットホーム×チャネル；和解：MinT
price_index、 'fx_rate'、 'holiday'： 'promo_puse'、 'content_event_flag'、 'price_index'、 'fx_rate'、 'holiday'
モデル： 'ARIMAX_v2'+'LightGBM_Quantiles_v4'（アンサンブル、q10/50/90）
ターゲット： WAPE ≤ 8％（毎日）、カバレッジ90％ -interval ≥ 85％
SLO： 06：00の後の生成≤ 10分；データログ≤ 1時間
オーナー： ファイナンス&成長分析；リビジョンの日付、バージョン
B。 Decision-readyレポート（スケルトン）
見出し： 「収益、予測8週間：q10/q50/q90」
リスク： 週の不足3-21％（予想される不足€X-€Y）
寄与要因： +休日、+コンテンツイベント、FX −、 −プロモーションの撤退
推奨事項： A/B諸国でのプロモーションの増加、在庫の移動、FXヘッジ
パイプラインのC。擬似コード
python
1) load y = load_revenue_series(grain=['brand','country','platform','channel'], step='D')
X = load_regressors(['promo_spend','content_event','price_idx','fx_rate','holiday'])
2) features ds = make_lags(y, lags=[1,7,14,28])
ds = add_rolling_stats(ds, windows=[7,14,28])
ds = join_regressors(ds, X)
3) cv cv = rolling_backtest(ds, folds=6, horizon=28, step=7)
4) models m_baseline = ETS(). fit(ds. train)
m_gbm = LGBMQuantiles(q=[0. 1,0. 5,0. 9]). fit(ds. train)
m_arimax = ARIMAX(). fit(ds. train)
5) evaluate & ensemble scores = evaluate([m_baseline,m_gbm,m_arimax], cv, metrics=['WAPE','pinball'])
best = ensemble_quantiles([m_gbm,m_arimax])
6) reconcile & publish f = reconcile_minT(forecast(best), hierarchy=['country','brand','platform','channel'])
publish(f, sla='06:10', owners=['Finance','Growth'])12）頻繁な間違いおよび反パターン
0/low値のMAPE： WAPE/sMAPEを使用します。
平均：セグメント間でのパーセンテージの平均ではなく、集計分子/分母。
カレンダー/コンテンツ/FXを無視する：リグレッサーなしでは、予測は「フェード」します。
顔：列車の将来またはポストファクトム調整からの特徴。
階層の矛盾-合計は収束しません→和解を適用します。
フェイルセーフなし：休日にモデル"floats'。
調整なし：予測は管理/会計には適合しません。
13）プレリリースのチェックリスト
- 所得と控除の定義は一貫しており、バージョン管理されています
- 接続され、テストされるカレンダー/FX/Regressors
- バックテストで敗北したベースライン；WAPE/カバレッジターゲット
- 間隔は目盛りが付いています；悲観的/ベース/楽観的なシナリオを収集
- 合意された階層予測（MinT/トップダウン）
- MLOps：スケジュール、監視、アラート、フェイルセーフ、runibook
- 毎日/毎週の金融監督/会計との和解が設定されています
- ファクターとレコメンドブリッジによる意思決定の準備ができたレポート
合計
収益予測はコンセンサス定義+ドライバ分解+リグレッサー+確率モデルと階層モデル+シナリオと間隔+規律されたMLOpsと和解です。このようなアウトラインは、「スケジュール占い」を、リスクと透明性の高い行動の理解可能なコストで予算計画、マーケティング、運用のためのツールに変えます。