Gelir tahmini

Gelir Tahmini

Gelir, birçok faktörün etkileşiminin sonucudur: içerik/ürün teklifleri, kullanıcı davranışı, fiyatlar ve promosyonlar, dış koşullar (tatiller, spor etkinlikleri, döviz kurları, düzenleyici değişiklikler). Güvenilir tahmin, bir "model'değil, işletilen kontur: tanımlar - veri - model - senaryolar - operasyon - doğrulamalar - iyileştirme.

1) Görev deyimi

Tahmin ettiğimiz: brüt gelir (GGR), net (Net), ikramiye/komisyonlardan sonra gelir, temel para birimi ve yerel para birimleri ile.
Ufuk/adım: günlük/haftalık/aylık; Nakit boşluğu planlaması için - günlük, bütçe için - aylık/üç aylık.
Tahmin birimi: marka × ülke × platform × kanal (minimum), ardından hiyerarşi mutabakatı.
Amaç: bütçeleme, trafik/içerik alımı, altyapı limitleri, finansal sözleşmeler.
Hata fiyatı: tahmin altında (kayıp talep/tahmin altında) vs yeniden tahmin (aşırı alımlar/yeniden vaatler).

2) Finansal devre ile tanımlar ve koordinasyon

Formüller: GGR, Net, kesintiler (vergiler, ikramiyeler, afiliat komisyonları) - semantik katmanda sürümler.
Takvim: UTC depolama + yerel görünümler; Tatil/maaş günleri; Spor programları (ilgili ise).
FX politikası: döviz kuru kaynağı, dönüşüm tarihi (işlem tarihi/ortalama dönem oranı), tek baz para birimi.
Mutabakatlar: muhasebe ile zorunlu uzlaşma prosedürü (kabul edilebilir sınırlar içinde tutarsızlık).

3) Sürücüler üzerindeki gelirin ayrışması

[
\ text {Revenue} =\text {Traffic }\times\text {Conversion }\times\text {Frequency }\times\text {Average check}
]

Trafik/etkin: kullanıcılar/oturumlar/girişler.
Dönüşüm: Ödeme oranı, CR hedef olaylara.
Sıklık: Ödeme yapan/dönem başına işlem sayısı.
Ortalama kontrol: Ortalama işlem tutarı (bonusları/indirimleri göz önünde bulundurun).

Sürücülerin ayrı ayrı tahmin edilmesi, ardından faktörlerin katkısını görmek için kompozitin monte edilmesi önerilir (plan-fact bridge).

4) Veri ve regresörler

Zaman serisi: Tahmin birimine göre gün/hafta toplamları.

• Promosyon/bonuslar (yoğunluk, tip, kapsam);
• Pazarlama giderleri/gösterimler/tıklamalar;
• İçerik etkinlikleri (yayınlar, turnuvalar, büyük maçlar);
• Fiyat/limit/katalog değişiklikleri
• FX/enflasyon, hava durumu/takvim (etkilenirse);
• Düzenleyici olaylar (kısıtlamalar/buz çözme).
• Anomaliler/bir defaya mahsus: işaret, sessizce "pürüzsüz" yapmayın.
• Yüz yok: Yalnızca tahmin sırasında mevcut olan bilgileri kullanın.

5) Simülasyon

5. 1 Taban çizgileri

Naive/Seasonal Naive/Drift - dürüst değerlendirme için gereklidir.

5. 2 Klasik satır

ETS/ARIMA/SARIMA, TBATS (çoklu mevsimsellik), Peygamber (tatillerle hızlı başlangıç).

5. 3 Regresörler

ARIMAX/ETS + X, takvim ve promo/FX ile dinamik regresyonlar.

5. 4 Çok Suriyeli/Tabular

Gecikmeler/pencereler/takvim ile LightGBM/XGBoost/lineer;

Portföyler ve uzun X için Geçici NN (TFT, N-Beats).

5. 5 Olasılıksal

Nicel regresyon (langırt), Öğrenci-t/Gauss tahminleri, aralıklar için nicem toplulukları (q10/q50/q90).

5. 6 Hiyerarşiler ve uzlaşma

Strana için Aşağıdan Yukarıya/Yukarıdan Aşağıya/MinT> brend> kanal> platform yapısı.

6) Gelir metriklerinin özellikleri

Kesirler/oranlar (marj, komisyon): Model payı/paydası ayrı ayrı, sonra oluşturun.
Aralıklı bileşenler (ters ibrikli, yüksek silindirli): Croston/TSB, sıfır şişirilmiş, nicelikli bireysel bileşenler.
Yamyamlaştırma: Yeni bir etkinliğe/ürüne başlarken çapraz segment akışlarını (çok çıkışlı modeller veya kısıtlı regresörler) modelleyin.
Fiyat/bonuslara göre esneklik: Katsayıları tahmin etmek için log-log modelleri/nedensel tahminler (DiD/SC), sonra - ne-eğer.

7) Kalite değerlendirme ve geri test etme

Splits: Mevsimsellik çokluğu ile orijini yuvarlama/genişletme (haftalar/aylar).
Seviye metrikleri: WAPE/sMAPE (sıfır dirençli), MAE/RMSE.
Olasılıksal: langırt kaybı, kapsama %80/95 - aralıklar.
Kararlılık: segment/tatil/kanala göre hatalar; Zamanın dışında.
Temel kural: model önemli ufuklarda Sezonluk Naif'i geçmelidir.

8) Senaryolar ve belirsizlik

Nicelikler: Q10/q50/q90 "kötümser/temel/iyimser".
Senaryo X: "No promo/s promo", "FX ± 10 %", "major event", "regulatory restrictions".
Metaparametre riski: Elastikiyet ve mevsimsellik değişiklikleri için stres testleri.
Risk maliyeti: Koşullu eksikliğe göre plan yapın (düşük tahmin/yeniden tahmin için ceza asimetriktir).

9) Plan-fiili ve faktörlerin katkısı (gelir köprüsü)

Köprüyü göster: trend + mevsimsellik + promosyon + fiyat/limitler + FX + şoklar/olaylar - son sapma. Bu, güveni arttırır ve harekete geçmeye yardımcı olur (bir bütçe ekleyin, promosyonu taşıyın, fiyatlandırmayı değiştirin).

10) MLOps ve çalışma

Program: Günlük tahminler - T + 1 06:00 kilidi kadar.; Haftalık - Haftada n kez; Aylık - T + 1/T + 3.
Eserler: Fichestor (çevrimiçi/çevrimdışı eşlik), modellerin kaydı, gelir formüllerinin sürümleri.
İzleme: WAPE/pencere ile kapsama, özellik sürüklenme PSI, besleme gecikmesi, SLA üretimi.
Uyarılar: hata büyümesi> eşik, kalibre edilmemiş aralıklar, hiyerarşi bozulması.
Fail-safe: ETS/Seasonal Naive'e geri dönüş; Yoğun tatillerde donma modu.
Histerezis: "Göz kırpmamak" için promo regresörlerini açmak/kapatmak için farklı eşikler.
Mutabakatlar: Finansal tablolarla günlük/haftalık mutabakatlar.

11) Eser desenleri

A. gelir tahmini pasaportu

KPI: 'NET _ REVENUE _ EUR _ v3'

Ufuk/adım: 8 hafta/gün

Birimler: marka × ülke × platform × kanal; Uzlaşma: MinT

Регрессоры: 'promo _ spend', 'content _ event _ flag', 'price _ index', 'fx _ rate', 'holiday'

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

Hedefler: WAPE ≤ %8 (günlük), kapsama %90 -interval ≥ %85

SLO: 06:00'dan sonra 10 dakika ≤ nesil; Veri günlüğü ≤ 1 saat

Sahipler: Finans ve Büyüme Analitiği; revizyon tarihi, versiyon

B. Karara hazır rapor (iskelet)

Başlık: "Gelir, Tahmin 8 Hafta: Q10/q50/q90"

Riskler: 3. Haftada eksiklik - %21 (beklenen eksiklik X- € Y)

Katkıda bulunan faktörler: + tatiller, + içerik etkinliği, FX − − promosyon çekilmesi

Öneriler: A/B ülkelerinde promosyonu artırmak, hisse senedi taşımak, FX hedge

C. Boru hattının sözde kodu

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) Sık hatalar ve anti-desenler

Sıfır/düşük değerlerde MAPE: WAPE/sMAPE kullanın.
Ortalamalar: Segmentler arasında ortalama yüzdeler yerine toplam pay/payda.
Takvim/içerik/FX yok sayma: gerileyiciler olmadan, tahmin "kaybolur".
Yüzler: gelecekten gelen özellikler veya trende factum sonrası ayarlamalar.
Hiyerarşi tutarsızlığı - Toplamlar yakınsamaz - uzlaşma uygular.
Arıza güvenliği yok: model tatillerde "yüzüyor".
Uzlaşma yok: tahmin yönetim/muhasebe ile uyuşmuyor.

13) Yayın öncesi kontrol listesi

• Gelir ve kesintilerin tanımları tutarlı ve sürümlüdür
• Takvim/FX/Regresörler bağlı ve test edilmiş
• Baselines backtesting yenildi; WAPE/kapsama hedefleri karşılandı
• Aralıklar kalibre edilir; Toplanan kötümser/temel/iyimser senaryolar
• Hiyerarşik tahmin kabul edildi (MinT/Top-Down)
• MLOps: zamanlama, izleme, uyarılar, arıza güvenli, runibook
• Finansal denetim/muhasebe ile günlük/haftalık mutabakatlar kurulur
• faktör ve öneri köprüsü ile karara hazır rapor

Toplam

Gelir tahmini, fikir birliği tanımları + sürücü ayrışma + gerileme + olasılıksal ve hiyerarşik modeller + senaryolar ve aralıklar + disiplinli MLOps ve mutabakatlardır. Böyle bir taslak "program kehanetini" bütçe planlaması, pazarlama ve operasyonlar için anlaşılabilir bir risk maliyeti ve şeffaf eylemlerle bir araç haline getirir.