플레이어 유지 분석

유지는 제품 경제의 핵심입니다. 플레이어가 활동을 오래 유지할수록 LTV가 높아지고 수입이 안정적이며 계획이 더 예측 가능해집니다. 아래는 올바른 정의에서 생존 모델 및 재 활성화 회로에 이르기까지 완전한 프레임 워크입니다.

1) 정의 및 회계 단위

단위: 플레이어 (사용자/마스터 _ id) - 기본적으로; 단기 작업의 경우 "계정/장치" 가 허용되지만이를 미터법 여권에 기록하십시오.

활동: 반환 기준 (

보존 Dn: 참조 날짜 이후에 반환되는 코호트의 비율.
롤링/브라켓: 롤링 D7 (1-7 일) vs 정확한 D7 (7 일).
Churn: 10T 일 동안 활동이 없습니다 (예: 14/30). 제품 규칙으로 지정됩니다.
코호트: 등록 날짜/첫 예금/첫 번째 게임-마케팅/제품 작업을 선택하십시오.

💡 황금 규칙: 활동 트리거, 시간대, 참조 날짜 및 이탈 규칙을 미리 수정하십시오.

2) 기본 분석: 코호트 및 보존 곡선

코호트 열맵: D1/D3/D7/D14/D30/D60; 대각선은 릴리스와 캠페인간에 비슷합니다.
생존 곡선: 0 일부터 N 일까지의 활성 비율 (생존 곡선).
커브 지오메트리: 휴일/릴리스의 "단계"; 초기 "붕괴 →" 온 보딩 문제, "긴 꼬리" → 핵심 충성.

의사-SQL: 코호트 D7

sql
WITH regs AS (
SELECT user_id, DATE_TRUNC('day', ts) AS cohort_day
FROM event_register
),
act AS (
SELECT user_id, DATE_TRUNC('day', ts) AS act_day
FROM event_activity
),
d7 AS (
SELECT r. cohort_day,
COUNT(DISTINCT r. user_id)              AS cohort_size,
COUNT(DISTINCT CASE WHEN a. act_day = r. cohort_day + INTERVAL '7 day'
THEN r. user_id END)       AS retained_d7
FROM regs r
LEFT JOIN act a ON a. user_id = r. user_id
GROUP BY 1
)
SELECT cohort_day, cohort_size,
retained_d7::decimal / NULLIF(cohort_size,0) AS cr_d7
FROM d7
ORDER BY cohort_day;

3) 생존 및 위험 모델

Kaplan-Meier: 비 모델 생존 점수 (S (t)); 곡선과 수명 중앙값의 "모양 제거" 에 유용합니다.
콕스 PH/가속 실패 시간: 위험 (유출 위험) 에 대한 특성 (국가, 채널, 플랫폼, 보너스, 내용) 의 영향에 대한 설명 모델.
개별 시간 위험 (로그 별): 제품 분석 및 캘린더 기능에 유연합니다.
재 활성화 이벤트 모델 개별 (경쟁 위험) 또는 Markov 체인의 전환으로.

4) Markov 및 Semi-Markov 모델

새로운 → 활성 → 휴면 → 교회 → 재 활성화.
전환: 기간 당 확률 (일/주).
가치: "활성" 에 머무를 확률에 평균 점검/빈도를 곱하면 LTV에 예상되는 기여도를 얻을 수 있습니다.

5) 번들 보존 및 LTV

LTV 차수 (보존 _ t × ARPU _ t × 할인).
탄성: D7은 X pp → LTV 증가 (과거 데이터/모델에서) Y% 증가합니다.
우선 순위: 조기 보유에 영향을 미치는 개선 (D1-D7) 은 거의 항상 가장 수익성이 높습니다.

6) 보존 세분화

온보드 코호트: 0 일째 첫 콘텐츠/플레이 카테고리/행동 패턴.
지리/플랫폼/채널: UX 및 기대 차이; 달력/공휴일을 조정하십시오.
행동/가치: RFM (비상 주파수-통화), 유출 위험, 수익성.
인센티브에 대한 응답: 제안/알림에 대한 향상 반응 세그먼트.

7) 인과 및 실험

A/B: 온 보딩, 튜토리얼, 푸시 전략; 주요 지표-D7/D14/D30 보존, 가드 레일-불만, 응답 시간, RG.
준 실험: 무작위 화가 불가능한 경우 DiD/합성 제어 (예: 지역 킥아웃).
향상 모델: 활동 확률이 아닌 목표 수익 증가; Qini/AUUC를 평가하십시오.

8) 재 활성화: 트리거 및 정책

신호: 빈도 감소, 예금 N 일 없음, 비정상적으로 낮은 점검, 2 차 세션없이 온 보딩 완료.

결정 테이블 (예)

상태	맥락	행동	쿨 다운	가드 레일
(PHP 3 = 3.0.6, PHP 4) (PHP 3 = 3.0.6, PHP 4) 8`	VIP	개인 제안 L	7d	ROMI
(PHP 3 = 3.0.6, PHP 4)	질량 세그먼트. + 전자 메일 "다시"...	5d	잘로 비
(PHP 3 = 3.0.6, PHP 4)	모든 것	루즈/협의회 RG	1d	FPR Λ1%

히스테리시스: "깜박이지 않도록" 신호에 대한 다른 입력/출력 임계 값입니다.
채널: 인앱, 푸시, 전자 메일, SMS, 콜센터-요율 제한 및 우선 순위.

9) 유지 지표

D1/D7/D30 (롤링/정확한), WAU/MAU, 끈적 끈적함 (DAU/MAU).
생존 중앙값/정량; 간격으로 위험.
재 활성화 속도 (R30), Dormancy 주식.
ROMI 재 활성화, NNT (1 회 반환 당 연락처 수).

공정성: 국가/플랫폼 별 미터법 차이; @ info: whatsthis

10) 보존 대시 보드

코호트 히트 맵 + 트렌드 라인 D1/D7/D30.
세그먼트 별 생존/위험 그래프.
초기 수명 깔때기: → reg → KYC → 1 igra → 1 번째 침전물 설치.
동작 맵: 신호 → resheniye → kanal → iskhod (반환으로 변환).
가드 레일: 데이터의 신선도, 이벤트 적용 범위, 불만, RG 지표.

11) 데이터 및 품질

이벤트: 표준 체계 (UTC, 버전), demempotency, 데드 업.
식별: 사용자/장치/전자 메일/전화-브리지 및 골드 입력.
Windows 및 TZ: UTC + 로컬 뷰에 저장; 공휴일의 단일 달력.
필터: 봇/QA/사기-코호트 및 활동에서 제외됩니다.
버전 지표: 변경 로그가있는 'RET _ D7 _ vN'.

12) 의사-SQL/파이썬 레시피

코호트 별 롤링 D30

sql
WITH base AS (
SELECT user_id, DATE_TRUNC('day', MIN(ts)) AS cohort_day
FROM event_register GROUP BY 1
),
act AS (
SELECT user_id, DATE_TRUNC('day', ts) AS d
FROM event_activity
),
roll30 AS (
SELECT b. cohort_day,
COUNT(DISTINCT b. user_id)                              AS cohort_size,
COUNT(DISTINCT CASE WHEN a. d BETWEEN b. cohort_day AND b. cohort_day + INTERVAL '30 day'
THEN b. user_id END)                      AS any_1_30
FROM base b LEFT JOIN act a ON a. user_id = b. user_id
GROUP BY 1
)
SELECT cohort_day, any_1_30::decimal/cohort_size AS rolling_d30
FROM roll30;

카플란-마이어 (스케치)

python t_i - time to outflow or censorship; e_i - event indicator
S(t) = Π_{t_i ≤ t} (1 - d_i / n_i)

이산 위험 (일별 로그)

python
For each user, create records before the event/censorship by day:
target = 1 if there was an outflow on that day; characteristics: calendar, activity, promo, etc.
Training logistic regression/GBM; forecast p_t - probability of outflow on day t.

13) 향상 타겟팅 유지

구역: 설득력 (연락하면 반환), 확실한 것 (반환 등), 잃어버린 원인, 방해 금지 (접촉 피해).
메트릭: uplift @ k, Qini/AUUC; 정치-우리는 예산을 향상시켜 최고 k에 연락합니다.
가드 레일: 접촉 빈도, RG/윤리, 접촉 원인 설명 불가능.

14) 운영 운영

SLO: 보존 보드 업데이트 위험 점수의 대기 시간 의사 결정 → 행동

모니터링: 세그먼트 별 곡선 이동, 기능 드리프트의 PSI, "이벤트 중단".
룬북: D1 드롭 (온 보드/릴리스), D7 드롭 (컨텐츠/주파수), 로컬 통신 채널 오류.

15) 빈번한 오류

TZ, 활동 창의 단위 혼합 (sessii ² polzovateli).
롤링 및 정확한 지표의 비교는 동일합니다.
봇/사기를 무시하고 → D1/D7을 팽창 시켰습니다.
인과 적 검증없이 상관 관계에 대한 결론.
히스테리시스/쿨 다운 → 접촉 피로가 없습니다.
LTV와는 관련이 없습니다. CR을 최적화하지만 가치는 없습니다.

16) 사전 릴리스 유지 루프 점검표

메트릭 여권 (활동 트리거, 창, TZ, 버전)
세그먼트 별 코호트 보고서 및 생존/위험
유출 및 향상 위험 모델, 카파 및 가드 레일 채널
개입을위한 계획 A/B 및/또는 준 실험
신선도/적용 범위/불만/RG 대시 보드
정책의 사고 런북, 히스테리시스 및 속도 제한
LTV 및 ROMI와의 번들 유지; 예상 값별 우선 순위 지정

합계

보존 분석은 "코호트의 열 맵" 일뿐만 아니라 올바른 정의, 생존/위험 모델, 가치와의 연관, 표적 및 윤리적 개입, 엄격한 효과 평가 및 운영 가드 레일 등 관리 시스템입니다. LTV를 꾸준히 증가시키고 유출을 줄이는 "시계 → 이해 → 결정 → 행위 → 학습" 주기를 구축합니다.

플레이어 유지 분석