Girdejini çaklamak

Girdeji - köp faktorlaryň özara täsiriniň netijesi: mazmun/önüm teklipleri, ulanyjylaryň özüni alyp barşy, bahalar we mahabat, daşarky şertler (baýramçylyklar, sport-çäreler, walýuta hümmeti, kadalaşdyryjy üýtgeşmeler). Ygtybarly çaklama bir "model" däl-de, dolandyrylýan konturdyr: kesgitlemeler → maglumatlar → model → ssenariler → ekspluatasiýa → deňeşdirmeler → gowulaşmak.

1) Wezipäni goýmak

Nämäni çaklaýarys: jemi girdeji (GGR), arassa girdeji (Net), bonuslardan/komissiýalardan soň, esasy walýuta we ýerli walýutalarda.
Gorizont/ädim: gündelik/hepdelik/aýlyk; nagt boşluklary meýilleşdirmek üçin - gündelik, býudjet üçin - aýlyk/çärýekleýin.
Çaklamanyň birligi: marka × ýurt × platforma × kanal (iň az), soňra iýerarhiýa boýunça ylalaşylýar.
Maksady: býudjetleşdirmek, trafigi/mazmuny satyn almak, infrastrukturanyň çäkleri, maliýe kowenantlary.
Ýalňyşlygyň bahasy: nädogry çaklama (ýitirilen isleg/doly satyn alynmazlyk) vs gaýtadan çaklama (artykmaç satyn almak/täzeden wada bermek).

2) Maliýe kontury bilen kesgitlemeler we ylalaşyklar

Formulalar: GGR, Net, aýyrmalar (salgytlar, bonuslar, afiliýat komissiýalary) - semantik gatlakda wersiýa edilýär.
Senenama: UTC-saklamak + ýerli görkezmeler; baýramçylyklar/aýlyk günleri; sport-meýilnama (degişli bolsa).
FX-syýasat: hümmetleriň çeşmesi, öwrülişik senesi (amal/döwrüň ortaça hümmeti), ýeke-täk esasy walýuta.
Deňeşdirmeler: buhgalteriýa bilen hökmany reconciliation prosedurasy (rugsat edilýän çäklerde tapawut).

3) Sürüjilere girdejiniň dekompozisiýasy

Esasy formula:

[
\ text {Girdeji} =\text {Trafik }\times\text {Conversion }\times\text {Frekans }\times\text {Orta çek}
]

Trafik/Işjeň: Ulanyjylar/Sessiýalar/Girişler.
Konwersiýa: maksatly wakalara töleýänleriň paýy, CR.
Ýygylyk: töleýji/döwür üçin geleşikleriň sany.
Ortaça çek: geleşigiň ortaça mukdary (bonuslary/arzanladyşlary göz öňünde tutuň).

Hereketlendirijileri aýratyn çaklamak, soňra faktorlaryň goşandyny görmek üçin kompozit ýygnamak maslahat berilýär ("meýilnama-hakykat" köprüsi).

4) Maglumatlar we regressorlar

Wagt hatarlary: çaklama birligi boýunça gündelik/hepdelik agregatlar.

X regressorlary:

mahabat/bonuslar (intensiwligi, görnüşi, gurşawy);
marketing çykdajylary/impressiýa/basmalar;
mazmun-wakalar (goýberişler, ýaryşlar, iri oýunlar);
bahalaryň/çäkleriň/katalogyň üýtgemegi;
FX/inflýasiýa, howa/senenama (eger täsir etse);
düzgünleşdiriji wakalar (çäklendirmeler/doňdurmalar).
Anomaliýalar/one-off: bellik ediň, ýuwaşlyk bilen "tekizlemäň".
Ýüzlenmeleriň ýoklugy: diňe çaklama wagtynda elýeterli bolan maglumatlary ulanyň.

5) Modellemek

5. 1 Beýzlaýnlar

Naive/Seasonal Naive/Drift - adalatly baha bermek üçin hökmanydyr.

5. 2 Nusgawy hatarlar

ETS/ARIMA/SARIMA, TBATS (köp möwsümlilik), Prophet (baýramçylyklar bilen çalt başlamak).

5. 3 Regressorlar

ARIMAX/ETS + X, senenama we mahabat/FX bilen dinamiki regressiýalar.

5. 4 Köp siriýaly/tablisaly

LightGBM/XGBoost/lages/penjireler/senenama bilen çyzykly;

Portfeller we uzyn X. üçin wagtlaýyn NN (TFT, N-Beats).

5. 5 Ähtimallyklar

Kwantil regressiýasy (pinball), Student-t/Gaussian çaklamalary, aralyk kwantil ansambllary (q10/q50/q90).

5. 6 Iýerarhiýalar we ylalaşyklar

Bottom-Up/Top-Down/MinT (ýalňyşlyklaryň optimal utgaşdyrylmagy) ýurt gurluşy üçin → marka → kanal → platforma.

6) Girdeji metrikleriniň aýratynlygy

Paýlar/gatnaşyklar (marja, komissiýa): alymy/bölümi aýratyn modelläň, soňra düzüň.
Intermitting komponentleri (chargeback, high-roller): Croston/TSB, zero-inflated, kwantiller bilen aýry-aýry komponentler.
Kannibalizasiýa: Täze mahabat/önüm işe girizilende segmentleriň arasyndaky akymlary modelleşdiriň (köp çykýan modeller ýa-da çäklendirilen regressorlar).
Bahanyň/bonuslaryň elastikligi: koeffisiýentlere baha bermek üçin logog modelleri/kauzal bahalandyrmalar (DiD/SC), soňra - what-if.

7) Hiline baha bermek we backtesting

Split: möwsümliligi (hepdeler/aýlar) bilen rolling/expanding origin.
Dereje ölçegleri: WAPE/sMAPE (nola çydamly), MAE/RMSE.
Ähtimal: pinball loss, coverage 80/95% aralyk.
Durnuklylyk: segmentler/baýramçylyklar/kanallar boýunça ýalňyşlyklar; out-of-time.
Esasy düzgün: model esasy gözýetimlerde "Seasonal Naive" -den öňe geçmeli.

8) Ssenariýalar we näbellilik

Kwantiller: q10/q50/q90 → "pessimist/baza/optimist".
X ssenarileri: "mahabatsyz/mahabat", "FX ± 10%", "uly waka", "kadalaşdyryjy çäklendirmeler".
Metaparametrleriň töwekgelçiligi: elastikligiň we möwsümliligiň üýtgemegi üçin stres-synaglar.
Töwekgelçiligiň bahasy: şertli şortfall boýunça meýilleşdiriň (pes çaklama/gaýtadan çaklama üçin jeza asimmetrikdir).

9) Faktor-meýilnama we faktorlaryň goşandy (girdeji bridge)

Köpri görkeziň: tendensiýa + möwsümlilik + mahabat + baha/çäkler + FX + şok/hadysalar → gutarnykly gyşarma. Bu ynamy artdyrýar we hereket etmäge kömek edýär (býudjet goşmak, mahabaty göçürmek, bahany üýtgetmek).

10) MLOps we ekspluatasiýa

Meýilnama: gündelik çaklamalar - T 1 06:00 lok.; hepdelik - hepdede N gezek; aýlyk - T + 1/T + 3.
Artefaktlar: fichestor (onlaýn/oflayn paritet), modelleriň sanawy, girdeji formulalarynyň wersiýalary.
Gözegçilik: Penjire boýunça WAPE/coverage, alamatlaryň süýşmeginiň PSI, fidalaryň gijikdirilmegi, nesil SLA.
Alertler: ýalňyşlyklaryň ösüşi> bosagasy, kalibrlenmedik aralyklar, iýerarhiýalaryň deňsizligi.
Fil-safe: ETS/Seasonal Naive-a yza gaýdmak; iň ýokary dynç alyş günlerinde freeze-re modeimi.
Gisterezis: "ýakmazlyk" üçin mahabat regressorlaryny açmagyň/öçürmegiň dürli çäkleri.
Deňeşdirmeler: maliýe hasabatlary bilen gündelik/hepdelik reconciliation.

11) Artefaktlaryň şablonlary

A. Girdeji çaklamasynyň pasporty

KPI: `NET_REVENUE_EUR_v3`

Gözýetim/ädim: 8 hepde/gün

Birlikler: marka × ýurt × platforma × kanal; reconciliation: MinT

Регрессоры: `promo_spend`, `content_event_flag`, `price_index`, `fx_rate`, `holiday`

Modeller: 'ARIMAX _ v2' + 'LightGBM _ Quantiles _ v4' (ansambl, q10/50/90)

Maksatlar: WAPE ≤ 8% (gündelik), coverage 90% aralyk ≥ 85%

SLO: 06: 00-dan soň 10 minutdan ≤ nesil; Maglumat aralygy ≤ 1 s

Eýeleri: Finance & Growth Analytics; barlagyň senesi, wersiýasy

B. decision-ready hasabat (skelet)

Sözbaşy: "Girdeji, çaklama 8 hepde: q10/q50/q90"

Töwekgelçilikler: hepdede çaklama 3 - 21% (garaşylýan şortfall € X- € Y)

Faktorlaryň goşandy: + dynç alyş, + mazmun çäresi, − FX, − mahabaty aýyrmak

Teklipler: A/B ýurtlarynda mahabaty artdyrmak, paýy göçürmek, FX hedjisi

C. Payplaynyň psevdo kody

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) Ýygy-ýygydan ýalňyşlyklar we anti-patternler

Nol/Pes MAPE: WAPE/sMAPE ulanyň.
Orta: segmentler boýunça göterimleri ortaça däl-de, alymy/paýy jemläň.
Senenamany/mazmuny/FX: regressorsyz "kör" çaklama.
Liki: Geljekdäki çyzgylar ýa-da traine düzedişden soňky faktum.
Iýerarhiýalaryň gapma-garşylygy: jemleýji mukdar ylalaşmaýar → reconciliation ulanyň.
Fail-safe ýok: dynç alyş günlerinde "ýüzýär".
Deňeşdirmeleriň ýoklugy: çaklama dolandyryş/buhgalteriýa hasaby bilen gabat gelmeýär.

13) Goýberilmezden öň çek-sanawy

Girdejiniň we aýyrmalaryň kesgitlemeleri ylalaşyldy we wersiýa edildi
Senenama/FX/regressorlar birikdirildi we synagdan geçirildi
Aýlawlar backtesting-de ýeňildi; WAPE/coverage maksatlaryna ýetildi
Aralyklar kalibrlendi; "pessimist/baza/optimist" ssenarileri ýygnaldy
Iýerarhiki çaklama ylalaşyldy (MinT/Top-Down)
MLOps: meýilnama, gözegçilik, alertler, fil-safe, runibook
Maliýe gözegçiligi/buhgalteriýa bilen gündelik/hepdelik deňeşdirmeler düzüldi
Faktorlar we teklipler köprüsi bilen "decision-ready" hasabaty

Jemi

Girdeji çaklamasy - ylalaşylan kesgitlemeler + hereketlendiriji dekompozisiýa + regressorlar + ähtimal we iýerarhiki modeller + ssenariler we aralyklar + tertipli MLOps we deňeşdirmeler. Şeýle kontur "meýilnama boýunça çaklamagy" düşnükli töwekgelçilik bahasy we aç-açan hereketler bilen býudjet, marketing we amallary meýilleşdirmek guralyna öwürýär.

Girdejini çaklamak