Когортный анализ в iGaming: как не перепутать хороший ретеншн с мусорной выборкой

Когортный анализ в iGaming: как не перепутать хороший ретеншн с мусорной выборкой

Если смотреть только на общий ROI, можно пропустить деградацию трафика. Когорта режет данные по дате первого депозита, GEO, источнику, офферу и продукту. Дальше сравниваем поведение не «в среднем по больнице», а по одинаковым группам игроков.

Смысл метрики — не в количестве регистраций, а в кривой возвратов и повторных депозитов. Проверьте:
— D1/D7/D30 retention по cohort signup/FTD
— долю игроков с повторным депозитом
— lag между депозитом и следующим событием
— отвал после первого бонуса, фриспина или вейджера

Если когорты, пришедшие из одного источника, быстро проседают после FTD, проблема не в CRM, а в качестве входящего трафика или несостыковке ожиданий и ленда. Если же ранние когорты держатся лучше новых при одинаковом GEO, ищем утечку в креативах, прелендах, постбеке или маршрутизации.

Технически это решается одной таблицей: user_id, cohort_date, event_date, event_type, revenue. Дальше SQL-агрегация по неделям жизни когорты, нормализация по размеру группы и визуализация heatmap. Всё, что не автоматизировано — это потенциальный убыток.

Данные не врут, в отличие от байеров: когортный анализ показывает, где именно течет профит.