플레이어의 예측 유출
플레이어의 예측 유출
유출 예측의 목적은 미리 돌아 오지 않을 위험에 처한 플레이어를 식별하고 통제 된 조치 (재 활성화, RG 리미터, 개인 제안) 를 시작하여 가치를 극대화하고 피해를 최소화하는 것입니다. 아래는 데이터에서 작동까지의 엔드 투 엔드 프레임 워크입니다.
1) 정의 및 프레임 워크
회계 단위: 사용자 (user/master _ id) -기본값.
Churn rule: 대상 활동이 없습니다 (예: 14/30). 수정 활동: 3 세션/비율/예금.
예측 지평선: H 일 (다음 7/14/30 일 동안의 유출 위험).
컷오프 날짜: 기능 형성 날짜; 라벨은 컷오프 이전에 정보를 사용해서는 안됩니다.
2) 시간 내 포인트
목표 (분류): 플레이어가 창에서 한 번만 활성화되지 않으면 (t, t + H) T 규칙을 충족하면 'turn _ nether_ H = 1' 입니다.
이벤트 시간 (생존): 유출 또는 검열 시간; 캡/큐 일정에 적합합니다.
슬라이딩 슬라이스: 미래의 흐름을 유지하기 위해 지연과 함께 다른 날짜에 가르치는 예제를 생성합니다.
진실의 창: 마크가 고정 될 때까지 T 유출 확인을 기다리십시오 (진실이 지연됨).
3) 기능과 창문
우발 사태/주파수/통화: 마지막 활동/퇴적 일, 창문 7/14/30/90 이상의 강도, ARPPU/주파수.
행동 및 내용: 게임 카테고리, 다양성, 실행 길이, 시간/주.
마케팅: 보풀/문자 열기, 제안에 대한 반응, 구독하지 않음.
위험/RG/사기: 가드 레일과 같이 깔끔하게 깃발과 카운터.
일정: 공휴일/일치/급여 일, 계절 기능 (dow, dom, wom).
식별/장치: 플랫폼/OS/장치 변경, IP/ASN 안정성.
온라인/오프라인 패리티: 동일한 레시피가 포함 된 가상의 시간.
4) 시뮬레이션
4. 1 분류 (H 창으로의 유출 위험)
물류 회귀 (해석 가능), GBM/랜덤 포레스트 (강한베이스 라인), 탭/Seq-NN.
"아름다운 ROC" 가 아니라 오류 비용에 대한 임계 값.
4. 2 생존/위험 (유출 시간)
Kaplan-Meier (곡선 형태), Cox PH/AFT, 이산 시간 위험 (달력으로 매일 로그).
그들은 시간의 유출 확률을 제공하고 접촉 및 마우스 가드의 빈도를 계획 할 수 있습니다.
4. 3 순차적 및 하이브리드
임시 기능과 마스크를 건너 뛰는 RNN/TFT/Transformer.
하이브리드: 이진 위험 및 이벤트 시간 → 더 나은 의사 결정.
4. 4 개의 향상 모델
접촉 유지 증가가 예상됩니다. 행동/실험 로그가있는 경우 적용하십시오.
5) 평가 및 교정
클래스 불균형: 메인-PR-AUC, 리콜 @ FPR 지정 x%, Precision @ k.
확률 보정: Brier, 신뢰성 플롯; 플래트/동위 원소.
시간: 주름으로 백 테스트하면 캘린더에 퍼집니다 (롤링 원점).
안정성: 세그먼트 (국가/채널/플랫폼) 간의 메트릭 변화.
생존: 위험 곡선의 적분 오류, 교정 S (t).
6) 임계 값, 히스테리시스 및 의사 결정 정책
영역을 분리하십시오:- '점수 확대 _ 블록' → 강력한 개입 (개인 제안/통화)
- (PHP 3 = 3.0.6, PHP 4)
- '점수 <도 _ 검토' → 효과 없음
히스테리시스: 입력 임계 값은 "깜박이지 않도록" 출력 임계 값보다 높습니다.
냉각: 사용자/채널 당 최소 반복 터치 간격.
가드 레일: ROMI
결정 테이블 예
7) 솔루션 경제
예상 값:[
EV = p _ {\텍스트 {uderzhaniya 작업 }\cdot LTV _ {\텍스트 {미래}}
p _ {\텍스트 {vred} }\cdot Harm-비용
]베어 CR이 아닌 EV에 대한 임계 값 및 채널 할당을 최적화하십시오.
8) 실험과 인과 관계
A/B: 연락/제공 전략; 주요 지표-유지 상승 (D7/D30), 난간-불만/RG.
준 실험: 지역 롤아웃 중 DiD/합성 제어.
상승 점수: Qini/AUUC, 상승 @ k.
9) 배포 및 온라인 회로
채점: p95 λ100-300 ms; dempotence를 요청하십시오, 'correlation _ id'.
오케스트레이터: 배송 보장, 재 시도/백오프, DLQ, 채널/사용자 당 요율 제한.
솔루션 로그: 모델/정책 버전의 '신호 → 점수 → 결정 → 행동 → 결과'.
기능 패리티: 온라인/오프라인과 동일한 기능; 타임 슬라이스-엄격하게 컷오프.
10) 모니터링 및 드리프트
품질: 슬라이딩 윈도우의 PR-AUC/Recall @ FPR, 교정; '블록/리뷰' 영역에서 공유합니다.
드리프트: 주요 기능, 대상 공유 이동, "새로운" 패턴별로 PSI/KL.
작업: 대기 시간, 타임 아웃,% 폴백, 연락처 대기열, 불만.
공정성: 세그먼트별로 오류/임계 값의 차별화; 설명 불가능 감사.
11) 의사-SQL/레시피
A. turn _ nether _ 14 라벨링 (분류)
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;현재 시점이있는 <> B. 롤링 기능 (7/30/90)
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) 아티팩트 패턴
유출 모델의 여권 (템플릿)
ID/버전: 'CHURN _ 14D _ GBM _ v4'
대상/창: 'turn _ nether _ 14', PIT 슬라이스
기능: RFM, 컨텐츠, 마케팅, 캘린더, 장치
측정 항목: PR- AUC 45, @ FPR을 리콜 30, 브리 어
교정: 동위 원소
임계 값: 히스테리시스가있는 '
SLO: 스코어 150 ms p95; 오프라인 보고서 생성
소유자, 개정 날짜, 런북 저하
의사 결정 준비 보고서 (골격)
"Churn 14d: 세그먼트 별 위험, 주요 이유, 재 활성화 전환 예측"
위험: X/Y 플랫폼에서 고위험 비율이 증가했습니다 (+
권장 사항: 세그먼트 A의 연락처 예산 증가, 채널 B 변경, 세그먼트 C의 RG 리미터
13) 보안, 개인 정보 보호, 윤리
PII 최소화: 식별자의 토큰 화, RLS/CLS.
투명성-최고 기능을 지원할 수 있습니다.
윤리/RG: 공격적인 제안으로 취약한 그룹을 대상으로하지 마십시오. 접점의 캡 빈도.
14) 빈번한 오류
이 레이블은 미래 (레이블 누출) 를 사용하여 TZ/창을 혼합합니다.
ROC-AUC는 PR-AUC/Recall @ FPR없이 1% 목표를 달성했습니다.
교정 없음-임계 값이 맹목적으로 구성됩니다.
히스테리시스/쿨 다운 부재 → 접촉 및 불만의 "깜박임".
우리는 위험을 EV/LTV와 연관시키지 않았습니다. 우리는 치료하기에 수익성이없는 사람들을 "치료" 합니다.
온라인/오프라인 비 동기화 기능-판매 품질 저하.
15) 루프 릴리스 전에 목록 확인
- T/H/TZ, 활동, 제외 결정; PIT 절차가 완료되었습니
- 누출없는 데이터 세트; 롤링 검증, 벤치 마크 및 교정
- 임계 값 정책, 히스테리시스, 마우스 가드 및 가드 레일 문서
- 액션 오케 스트레이터, dempotence, 신호 → 결정 → 행동 감사
- 품질/드리프트/공정성 모니터링, 경고 및 런북
- 향상 및/또는 A/B가 준비되었습니다. 의사 결정 준비 보고서 (EV 포함)
- 모델/기능/메트릭 버전, 소유자, SLO 등록
합계
유출 예측은 시스템으로 만 작동합니다. 누출이없는 클리어 마크 업 → 유익한 기능 → 적절한 모델 (분류 및/또는 생존) → 오류 비용의 교정, 교정 및 임계 값 → 동작의 안전한 조정 → 드리프트 및 공정성 모니터링. 이러한 회로는 "위험" 뿐만 아니라 유지 및 LTV를 높이기 위해 언제, 어떻게 접촉해야하는지에 대한 솔루션을 제공합니다.