Определение
Модель склонности — предиктивная модель, которая оценивает вероятность того, что конкретный клиент совершит определённое действие в заданном окне — снова внесёт депозит на этой неделе, оттечёт в этом месяце, откликнется на оффер, станет высокоценным или конвертится после бесплатного пробника. Она обучается на исторических данных, где исход известен, узнавая, какие комбинации поведенческих, демографических и контекстных признаков предшествуют действию, затем оценивает текущих клиентов, чтобы активность можно было нацелить на наиболее вероятно откликающихся.
Оценка склонности — вероятность, а не уверенность, и она отражает паттерны в прошлых данных, поэтому может быть неверна для отдельных людей и может переносить смещения в обучающих данных. Она также предсказывает, кто вероятно что-то сделает, а не изменит ли это вмешательство — клиент с высокой оценкой склонности к депозиту может внести депозит и так, поэтому сочетание склонности с мышлением инкрементальности избегает трат на людей, которым не нужен толчок.
В контексте
Для iGaming-операторов модели склонности движут несколько CRM-решений: оценки склонности к оттоку приоритизируют retention-аутрич, оценки склонности к депозиту таймируют reload-офферы, оценки склонности к ценности помечают новых игроков, вероятно станущих значимыми, чтобы онбординг можно было подогнать, а оценки отклика на оффер решают, кто получает данное промо. Использованные хорошо, они делают маркетинг эффективнее, концентрируя усилие там, где оно вероятно важно.
Ограничения ответственной игры строги и специфичны для этого сектора. Те же признаки, что предсказывают ценного, вовлечённого игрока — растущая частота депозитов, более длинные сессии, поведение погони после проигрышей — также предсказывают игровой вред, поэтому высокая оценка склонности к депозиту или ценности может помечать игрока в риске.
Выводы склонности должны гейтиться проверками вреда и affordability: игрок, которого модель оценивает как высоко вероятно снова внесущего депозит, который также показывает индикаторы риска, должен направляться на вмешательство безопасной игры, а не маркетинговый толчок. Самоисключившихся и в-риске игроков надо исключать из всего нацеливания на основе склонности.
Регуляторы критиковали операторов за использование предиктивных моделей для выявления и маркетинга игрокам, чьё поведение указывало на вред. Сделанное ответственно, моделирование склонности улучшает релевантность и эффективность; сделанное без предохранителей, оно оптимизирует к извлечению большего из игроков, наименее способных это выдержать, что и этический провал, и регуляторный.
Для аффилиатов работа со склонностью почти целиком на стороне оператора, но это часть того, почему операторы ценят предсказуемые, устойчивые когорты игроков над волатильными высокотратными.
Разобранный пример
Модель склонности к оттоку оператора помечает 4000 игроков как высокорисковых к уходу в этом месяце. До того как кому-то отправят сообщение, список фильтруется против флагов ответственной игры и affordability; 300 убираются и направляются на проверки благополучия.
Оставшиеся игроки получают лёгкое сообщение реактивации, а холдаут инкрементальности подтверждает истинный эффект кампании.
Связанные термины
Частые вопросы
Смотрите полный глоссарий iGaming и арбитража — сотни терминов EN/RU с примерами.
← Назад к глоссарию