수익 예측
수익 예측
수익은 컨텐츠/제품 제공, 사용자 행동, 가격 및 프로모션, 외부 조건 (휴일, 스포츠 이벤트, 환율, 규제 변경) 과 같은 여러 요소의 상호 작용의 결과입니다. 신뢰할 수있는 예측은 하나의 "모델" 이 아니라 작동 된 윤곽입니다. 정의 → 데이터 → 모델 → 시나리오 → 작동 → 확인 → 개선.
1) 작업 진술
우리가 예측 한 것: 총 수익 (GGR), 순 (순), 보너스/수수료 후 수익, 기본 통화 및 현지 통화.
수평선/단계: 매일/매주/매월; 현금 격차 계획 (매일, 예산) 의 경우 월/분기 별.
예측 단위: 브랜드 × 국가 × 플랫폼 × 채널 (최소), 계층 구조 조정.
목적: 예산 책정, 트래픽/컨텐츠 조달, 인프라 제한, 재무 계약.
오류 가격: 예측 중 (수요 손실/예측 대비) 재예측 (과도한 구매/재약속).
2) 금융 회로와의 정의 및 조정
공식: GGR, Net, 공제 (세금, 보너스, afiliat 커미션) -시맨틱 레이어에서 다양합니다.
캘린더: UTC 스토리지 + 로컬보기; 공휴일/급여 일; 스포츠 일정 (관련된 경우).
FX 정책: 환율 소스, 전환 날짜 (거래 날짜/평균 기간 요율), 단일 기본 통화.
조정: 회계에 대한 필수 조정 절차 (허용 가능한 한도 내의 불일치).
3) 운전자에 대한 소득 분해
기본 공식은 다음과 같습니다
[
\ 텍스트 {Revenue} =\텍스트 {Traffic }\times\tects {Frafency }\tects {평균 확인}
]트래픽/활성: 사용자/세션/로그인.
변환: 지불 비율, 이벤트를 대상으로하는 CR.
빈도: 지불 자/기간 당 트랜잭션 수.
평균 수표: 평균 거래 금액 (보너스/할인 고려).
운전자를 개별적으로 예측 한 다음 복합재를 조립하여 요인 (계획 사실 브리지) 의 기여를 확인하는 것이 좋습니다.
4) 데이터 및 회귀 자
시계열: 예측 단위별 주간/주 집계.
X 회귀:- 프로모션/보너스 (강도, 유형, 적용 범위);
- 마케팅 비용/노출/클릭;
- 콘텐츠 이벤트 (릴리스, 토너먼트, 메이저 경기);
- 가격/한도/카탈로그 변경
- FX/인플레이션, 날씨/달력 (영향을받는 경우);
- 규제 이벤트 (제한/해동).
- Anomalies/일회성: 표시하고 조용히 "부드럽게" 하지 마십시오.
- 얼굴이 없음: 예측 시점에 사용 가능한 정보 만 사용하십시오.
5) 시뮬레이션
5. 1 베이스 라인
순진한/계절 순진한/드리프트-정직한 평가에 필요합니다.
5. 2 개의 클래식 행
ETS/ARIMA/SARIMA, TBATS (다중 계절), 선지자 (휴일부터 빠른 시작).
5. 3 구제자
ARIMAX/ETS + X, 캘린더 및 프로모션/FX를 사용한 동적 회귀.
5. 4 다중 시리아/Tabular
지연/창/달력이있는 LightGBM/XGBoost/선형;
포트폴리오 및 긴 X를위한 임시 NN (TFT, N-Beats).
5. 5 확률 론적
양자 회귀 (핀볼), 학생 -t/가우시안 예측, 간격에 대한 양자 앙상블 (q10/q50/q90).
5. 6 계층 구조 및 화해
Strana → brend → kanal → platforma 구조의 상향식/탑다운/민트.
6) 소득 지표의 세부 사항
분수/비율 (마진, 커미션): 분자/분모를 개별적으로 모델 한 다음 구성합니다.
간헐적 인 구성 요소 (chargeback, high-roller): Croston/TSB, 제로 팽창 된 개별 구성 요소가 양자입니다.
식인종 화: 새로운 활동/제품을 시작할 때 모델 교차 세그먼트 흐름 (다중 출력 모델 또는 제한된 회귀 자).
가격/보너스에 따른 탄력성: 계수를 추정하기위한 로그 로그 모델/인과 추정치 (DiD/SC), 즉 What-if.
7) 품질 평가 및 백 테스트
분할: 계절성 다중성 (주/개월) 으로 롤링/확장 원점.
레벨 메트릭: WAPE/sMAPE (제로 저항), MAE/RMSE.
확률: 핀볼 손실, 적용 범위 80/95% - 간격.
안정성: 세그먼트/휴일/채널 별 오류; 시간이 지났습니다.
기준 규칙: 모델은 주요 지평에서 Seasonal Naive를 추월해야합니다.
8) 시나리오와 불확실성
Quantiles: q10/q50/q90 → "비관론 자/기본/낙관론자".
시나리오 X: "프로모션/s 프로모션 없음", "FX λ10%", "주요 이벤트", "규제 제한".
메타 파라 메터의 위험: 탄성 및 계절성 변화에 대한 스트레스 테스트.
위험 비용: 조건부 부족에 따라 계획하십시오 (예측 부족/재예측에 대한 처벌은 비대칭입니다).
9) 계획 실제 및 요인의 기여 (수익 교량)
브리지 표시: 트렌드 + 계절 + 프로모션 + 가격/제한 + FX + 충격/사고 → 최종 편차. 이것은 신뢰를 높이고 조치를 취하는 데 도움이됩니다 (예산 추가, 프로모션 이동, 가격 변경).
10) MLOps 및 작동
일정: 일일 예측-T + 1 ~ 06:00 잠금; 매주-일주일에 N 번; 매월-T + 1/T + 3.
아티팩트: 가상 (온라인/오프라인 패리티), 모델 등록, 수입 공식 버전.
모니터링: 창별 WAPE/적용 범위, 드리프트 PSI, 피드 지연, SLA 생성 기능.
경고: 오류 증가> 임계 값, 보정되지 않은 간격, 계층 구조 분석.
실패: ETS/Seasonal Naive로의 롤백; 성수기 동안 동결 모드.
Hysteresis: "깜박이지 않도록" 프로모션 회귀 기를 켜거나 끄기위한 다른 임계 값입니다.
조정: 재무 제표와의 일일/주간 조정.
11) 아티팩트 패턴
A. 소득 예측 여권
KPI: 'NET _ REVENue _ EUR _ v3'
수평선/단계: 8 주/일
단위: 브랜드 × 국가 × 플랫폼 × 채널; 화해: 민트
'promo _ douve', 'content _ event _ flag', 'price _ indx', 'fx _ rate', 'holiday'
모델: 'ARIMAX _ v2' + 'LightGBM _ Quantiles _ v4' (앙상블, q10/50/90)
목표: WAPE는 8% (일일), 90% -간격은 85% 입니다
SLO: 06:00 이후 10 분의 생성; 데이터 로그 1 시간
소유자: 재무 및 성장 분석; 개정 날짜, 버전
B. 결정 준비 보고서 (골격)
헤드 라인: "수익, 예측 8 주: q10/q50/q90"
위험: 3 주차 부족-21% (예상 부족 € X- € Y)
기여 요인: + 휴일, + 콘텐츠 이벤트, FX-, -프로모션 철회
권장 사항: A/B 국가의 프로모션 증가, 주식 이동, FX 헤지
파이프 라인의 <> C. 의사 코드
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) 빈번한 오류 및 패턴 방지
0/낮은 값의 MAPE: WAPE/sMAPE 사용.
평균: 세그먼트 전체의 평균 백분율이 아닌 분자/분모를 집계하십시오.
달력/내용/FX 무시: 회귀 자없이 예측은 "사라집니다".
얼굴: 기차의 미래 또는 사후 조정 기능.
계층 불일치-총계는 → 조정을 적용하지 않습니다.
안전하지 않음: 휴일에 모델이 "수상" 됩니다.
조정 없음: 예측은 관리/회계와 맞지 않습니다.
13) 시험판 점검표
- 소득 및 공제 정의는 일관되고 다양합니다
- 달력/FX/회귀기 연결 및 테스트
- 바젤 린은 백 테스트에서 패했다. WAPE/적용 범위 목표 달성
- 간격이 교정됩니다. 비관론 자/기본/낙관주의 시나리오 수집
- 계층 적 예측 합의 (MinT/Top-Down)
- MLops: 일정, 모니터링, 경고, 고장 안전, 룬북
- 재무 감독/회계와의 일일/주간 조정 설정
- 요인 및 추천 브리지가있는 의사 결정 준비 보고서
합계
수익 예측은 합의 정의 + 드라이버 분해 + 회귀 + 확률 및 계층 적 모델 + 시나리오 및 간격 + 훈련 된 MLops 및 조정입니다. 이러한 개요는 "일정 점" 을 이해할 수있는 위험 비용과 투명한 행동으로 예산 계획, 마케팅 및 운영을위한 도구로 바꿉니다.