球員外流預測
玩家外流預測
流出預測的目的是提前識別有返回風險的玩家，並啟動托管活動（重新激活，RG限制器，個人離場），最大限度地提高價值並最大程度地減少傷害。下方是從數據到操作的端到端框架。
1）定義和框架
會計單位：用戶（user/master_id）-默認值。
流出規則（churn rule）：≥ T天沒有目標活動（例如14/30）。活動記錄：≥1會議/利率/存款。
預測視野：H天（未來7/14/30天的流出風險）。
Cutoff日期：Fich形成日；標簽不得在以後使用信息。
2）無泄漏標記標記（點對點時間）
目標（分類）：「churn_next_H=1」，除非玩家曾經在窗口（t，t+H）中處於活動狀態，並繼續執行T規則。
時間到事件（生存）：流出或審查之前的時間；適合排隊/排隊。
滑動切片：在不同日期用滯後生成學習示例，以免泄露未來。
真相窗口：等待確認T流出,然後再提交標簽（delayed truth）。
3）Fichi和窗戶
Recency/Frequency/Monetary：最後一次活動/存款的日子，7/ 14/30/90窗口的強度，ARPPU/頻率。
行為和內容：遊戲類別，多樣性，「連續性」（運行時間），白天/周時間。
市場營銷：開槍/信件，對離岸人的反應，退貨。
風險/RG/frod：旗幟和計數器，整齊地像護欄一樣。
日歷：假期/比賽/工資日，季節性狂歡（dow，dom，wom）。
身份/設備：平臺/OS/設備更改, IP/ASN穩定性。
在線/離線平價：具有相同食譜和切片時間的菲切斯特。
4）建模
4.1分類（流出H窗口的風險）
邏輯回歸（可解釋），GBM/Random Forest（強棒線），Tab/Seq-NN。
錯誤成本閾值不是「美麗的ROC」。
4.2生存率/危險度（流出前時間）
Kaplan-Meier（曲線形式），Cox PH/AFT，discrete-time hazard（日記日誌）。
給出時間流失的可能性，允許計劃接觸和引腳的頻率。
4.3順序和混合動力車
帶有臨時標誌和通行證口罩的RNN/TFT/變形金剛。
混合動力：二元風險和事件發生前的時間→更好的決策。
4.4 Uplift型號
預測接觸保留增加；如果有動作/實驗日誌,請應用。
5）評估和校準
類失衡：主要是PR-AUC，Recall@FPR≤x％，Precision@k。
概率校準： Brier，Reliability plots；Platt/Isotonic.
時間：用日歷間隔的折紙進行背試（滾動起源）。
穩定性：按細分（國家/頻道/平臺）分布指標。
存活率：風險曲線積分誤差，S （t）校準。
6）閾值，滯後和決策策略
分區：- '得分≥ τ_block' →強烈的幹預（個人離場/電話）
- 'τ_review ≤分數<τ_block' →軟接觸（pus/e-mail）
- 'score <τ_review' →沒有動作
滯後：輸入閾值高於輸出閾值，以免被「閃爍」。
Culdowns：按用戶/頻道重新接觸的最小間隔。
Guardrails：ROMI≥0，zhaloby≤Kh，RG限制，接觸頻率。
示例決策表
7）解決方案經濟學
預期價值：[
EV=p_{\text{uderzhaniya 行動}\cdot LTV_{\text{future}}
p_{\text{vred} }\cdot Harm-成本
]優化通過EV而不是裸體CR的通道閾值和變位。
8）實驗與因果關系
A/B：聯系/離職戰略；主要指標是retention uplift（D7/D30），guardrails 是投訴/RG。
準實驗：DiD/區域拔模合成控制。
Uplift得分：Qini/AUUC，uplift@k。
9） Deploy和在線輪廓
得分：p95 ≤ 100-300毫秒；請求的等效性，「correlation_id」。
編排器：保證交付,retry/backoff, DLQ, rate-limit per channel/User。
決策日誌：帶有模型/策略版本的「signal→score→decision→action→outcome」。
Feature parity：在線/離線相同的fici；時間切片-嚴格到cutoff。
10）監控和漂移
質量：PR-AUC/Recall@FPR通過滑動窗口，校準；在「塊/審查」區域中的份額。
漂移：PSI/KL按鍵,shift目標份額,「新」模式。
手術：後衛，時空，百分比後衛，聯系隊列，投訴。
Fairness：按段劃分的錯誤/閾值區分；可解釋性審計。
11） Pseudo-SQL/食譜
A. churn_next_14標記的形成（分類）
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;B. Rolling-fichi （7/30/90）與點對點時間
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）工件模板
流出模型護照（模板）
ID/版本： 「CHURN_14D_GBM_v4」
目標/窗口： 「churn_next_14」, PIT切片
Fichi： RFM,內容,營銷,日歷,設備
度量： PR- AUC≥0。45, Recall@FPR≤1% ≥ 0.30, Brier≤X
校準： isotonic
急流： 帶磁滯的「τ_block/τ_review」
SLO： 得分≤ 150 ms p95；離線報告生成≤ 06：00
所有者、修訂日期、退化運行簿
決策就緒報告（骨架）
「Churn 14d： 按細分市場劃分的風險、最高原因、快速重新激活轉化」
風險： X/Y平臺的高風險份額增加（+Δ個百分點）
建議： 增加A部分的聯系人預算，改變C部分的B通道，RG限制器
13）安全、隱私、道德
PII最小化：標識符化，RLS/CLS。
透明度：解決方案/聯系原因（頂級功能/規則）可由sapport使用。
道德/RG：不要以激進的離職者瞄準弱勢群體；cap接觸頻率。
14）常見錯誤
標簽使用未來（標簽泄漏），TZ/窗口的混合。
沒有PR-AUC/Recall@FPR的1％目標的ROC-AUC得分。
沒有校準-閾值設置為「盲目」。
缺乏滯後/停電→接觸和投訴的「閃爍」。
沒有將風險與EV/LTV聯系起來-「治療」那些治療無利可圖的人。
在線/線下rasinchron fich-銷售質量下降。
15）大綱發布前的支票清單
- 確定T/H/TZ、活性、例外；PIT程序正式完成
- 不泄漏的Datasets；滾動驗證，基準和校準
- 閾值策略、滯後、帽子和護欄記錄在案
- 行動管弦樂隊，同步，「signal→decision→action」審計"
- 質量監測/漂移/公平、差和運行手冊
- Uplift評估和/或A/B準備就緒；決策就緒報告（與EV）
- 型號/fich/Metrics版本,所有者,SLO說明
底線
流出預測僅作為系統運行：清晰的免泄漏標記→信息豐富的仙人掌→適當的模型（分類和/或存活）→度量標準，校準和誤差成本閾值→安全的動作編排→漂移監測和公平。這樣的回路提供了解決方案，而不僅僅是「風險」：誰，何時以及如何聯系以增加保留和LTV。