數據聚類
1）為什麼聚類iGaming平臺
無標簽個性化：按行為對玩家進行分組,以定位offers, limits, UX。
操作和風險：我們識別出「精細文件」、非典型支付模式、欺詐集群。
產品和內容：按最喜歡的提供商/機械師（crash/slots/live）,生命周期劃分的細分市場。
分析和戰略洞察力：按市場/活動/季節劃分的細分市場如何變化。
2）數據和特征空間
2.1個來源
遊戲行為：會話頻率/長度，投註/分鐘，波動，最喜歡的類型/提供商。
付款：存款/收款頻率/金額、方法（Papara/PIX/carta）、存款/差額。
營銷/CRM：吸引渠道，對獎金/任務的反應，推桿反應。
設備/平臺：OS、版本、客戶端穩定性、網絡類型。
RG/合規性：自我排斥標誌，限制，轉向sapport（無PII）。
2.2 Engineering Fich
按窗戶分列：7/28/90天；我們按活動日進行配給。
標準化/robast滑板：z-score/robust-scaler（IQR），「長尾巴」的日誌滑板。
類別→ embedding/one-hot：提供商/頻道/國家/地區。
維度還原：用於噪聲和可視化的PCA/UMAP，但要存儲「原始」向量以進行解釋。
Zero-PII：代幣而不是標識符，禁止個人字段。
3）算法以及何時使用
k-means/Mini-Batch k-means是用於大數據的快速基礎；球形假設。
GMM是軟隸屬關系（probilities），對「邊緣」玩家有用。
DBSCAN/HDBSCAN-找到任意形狀的群集和「噪聲」（異常）；對「eps」敏感。
分層（Ward/average）是段的「樹」的樹狀程序，平均值為N。
光譜-用於非球形簇。通往大N的道路。
SOM（Kohonen卡）是行為模式的可解釋的2D卡。
混合類型（混合數據）：k-prototypes，k-modes，Gower距離。
提示：從Mini-Batch k-means（速度）+HDBSCAN（噪音/異常）開始,比較穩定性。
4）如何選擇k和質量評估
內部度量標準是：Silhouette（越高，越好），Davies-Bouldin（更低-更好），Calinski-Harabasz。
穩定性：重新聚類在開銷樣本,蘭德索引/NMI分區之間。
外部有效性：集群之間的KPI（GGR/NET，保留，offer轉換，FPR）可辨別性。
業務解釋：群集必須具有清晰的配置文件和操作。如果沒有-重新定義字節/比率/算法。
5）概況和可解釋
群集配置文件：中位數/分位數,頂級遊戲/提供商,設備,支付方法,渠道。
人口差異：在p點/Δ中σ，「雷達」成像。
本地解釋器：SHAP/Permutation importance用於集群之間的邊界（通過訓練有素的分類器"cluster_id")。
稱集群：「High-rollers crash」，「Bonus-hunters slots」，「Casual weekend live」。
6）運營（在線/離線）
每天/每周一次離線聚類→發布「護照」片段。
在線分配：最近的中心（k-means），概率（GMM），「噪聲」（HDBSCAN）→後退規則。
漂移：監視PSI/KC的關鍵故障、群集之間的遷移、「噪聲」頻率。
生命周期：每1-3個月審計；MAJOR在改變飲食/配給時。
7）集成和行動
個性化：offers/頻率限制，供應商選擇和錦標賽機械師。
CRM/通道：槍聲/回聲頻率，時間窗口，語言/音調。
市場營銷：按部門分列的預算，創意，LTV預測；「nudge」 vs 「value」策略。
RG/風險：風險集群的軟幹預，異常的「手動」審查。
Antifrod：非典型支付途徑/配額集群→得分增加。
8）隱私和合規性
報告的k匿名（每個切片至少N對象）。
Fichy/Logs/dashbords中的Zero-PII，令牌化；代幣上的DSAR刪除。
Geo/tenant隔離：在許可證區域中培訓/存儲數據段。
公平支票：檢查敏感度量的差異（國家/支付方法/設備）。
使用：禁止RG集群（政策）的「侵略性」離岸外包。
9）成功指標
運營：在線歸因比例<X毫秒，中心穩定性，遷移/歸屬不足。
業務：uplift offers轉化，ARPPU/LTV按細分市場，FPR反氟化物降低，RG反應速率。
模型質量：silhouette ↑，DB ↓，穩定性↑，群集之間的KPI可辨別性。
10）管道（基準）
Bronze → Silver → Gold → Serve
1.Ingest事件/付款/設備→清潔/喬伊納。
2.功能商店：店面計算（7/28/90d）,標準化,口罩/令牌。
3.用於可視化（不用於伺服器）的Dim-reduction（PCA/UMAP）。
4.聚類（離線），度量得分，「護照」的生成。
5.Online Assignment API：最近的中心/概率/」噪音」。
6.監視：漂移，遷移，「噪音」頻率，KPI跨段。
7.Release: semver, shadow/canary, rollback;BI中的段目錄。
11）細分市場示例（iGaming）
Bonus-hunters slots：高比率frispin/Cash Back,短會話,很多輸出故障-軟促銷限制,透明條件。
Crash-risk takers：短暫的密集會話,快速加息-頻率限制/冷卻。
實時社交：長時間的夜間直播會議,高的CTR社交活動-策劃流和喜歡的活動。
Thin-file newcomers：1-2存款，很少回合-歡迎圖托裏亞爾，支持KYC。
Anomaly-payments：經常更換錢包/方法，地質賽馬是一種增強的防凍劑。
12）工件模板
12.1片段目錄（片段）
yaml version: 1. 4. 0 segments:
- id: s_high_roller_crash name: "High-rollers crash"
size_share: 0. 07 centroid:
stake_per_min_z: 2. 1 volatility_z: 1. 8 session_len_min: 6. 4 actions: ["limit_bet_growth","vip_care","rg_cooldown_soft"]
- id: s_bonus_hunter_slots name: "Bonus-hunters slots"
size_share: 0. 19 centroid:
bonus_usage_rate: 0. 63 withdraw_decline_rate: 0. 21 actions: ["clear_terms","frequency_cap","onboarding_quest"]12.2瀏覽政策
yaml serving:
assigner: "nearest_centroid" # or gmm_prob p95_latency_ms: 50 min_confidence: 0. 6 unknown_policy: "fallback_rules"
privacy:
pii_in_features: false min_group_size: 50 monitoring:
drift_psi_max: 0. 2 migration_rate_warn: 0. 2512.3集群護照（BI）
yaml cluster_id: s_live_social share: 0. 23 kpi:
d30_retention: 0. 42 arppu: 27. 4 behavior:
sessions_evening_share: 0. 68 provider_top: ["Evolution","Pragmatic Live"]
crm:
push_ctr: 0. 11 promo_sensitivity: "medium"
rg_flags: ["cooldown_hint"]13）實施路線圖
0-30天（MVP）
1.收集店面（7/28/90d）,標準化,切斷PII。
2.5-9群集上的Mini-Batch k-means+用於「噪音」的基本HDBSCAN。
3.集群護照，在線助手，dashboard遷移/漂移。
4.兩個產品實驗是：分段離頻器和槍支頻率。
30-90天
1.GMM用於軟附件；混合類型（k-prototypes）。
2.在N日，影子→金絲雀中重新裝配一次；PSI/遷移警報。
3.可解釋性（SHAP卡），段的BI目錄和CRM/推薦者的 API。
3-6個月
1.Geo/Tenant特定片段；與設備/付款圖合並。
2.LTV規劃的長期隊列+過渡矩陣（Markov）。
3.段級別的RG/AML策略；對隱私/道德的外部審計。
14）反模式
選擇k「眼睛」和僅評分silhouette而無需業務檢查。
PII和行為幻想的混合；報告中缺少k匿名性。
沒有在線助手→ BI中的「掛起」片段沒有動作。
季節/促銷活動的再培訓；缺乏對遷移的監測。
使用集群進行沒有RG加爾達規則的「激進」營銷。
一組針對所有國家/品牌的細分市場，沒有本地功能。
15) RACI
數據平臺（R）：幻燈片店面、管道、監控、版本註冊。
數據科學（R）：選擇算法，k/度量，解釋。
產品/CRM （A）：分段操作,實驗。
風險/RG （C）：限制政策和「重」細分市場的HITL。
安全/DPO（A/R）：隱私，令牌化，k匿名。
BI （C）： dashbords、目錄、文檔。
16）相關部分
分段定位，推薦系統，玩家分析，減少偏見，性能基準，分析和度量API，MLOps：模型操作，數據倫理和透明度。
底線
聚類不僅是UMAP圖形，而且是制造工具：沒有PII的純仙女，可持續的度量標準和可理解的「護照」細分，在線助手以及CRM/產品/RG中的動作。通過定期審核和監測漂移，它將「行為混亂」轉變為可管理的增長，安全和責任策略。