Когортный анализ ретеншна в iGaming: как отделить живой трафик от мусора

Когортный анализ ретеншна в iGaming: как отделить живой трафик от мусора

Когорта — это не “все игроки за месяц”, а пользователи с одинаковой точкой входа: дата регистрации, первый депозит, первый клик по офферу. Если смешать их в одну кучу, ретеншн превращается в шум. Нужны минимум 3 среза: регистрация → FTD → повторный депозит. Иначе вы меряете не удержание, а случайную активность.

Схема простая: строим cohort_id, считаем D1/D3/D7/D14 retention, отдельно смотрим time-to-FTD и time-to-second-deposit. В нормальной ETL-сборке события должны быть дедуплицированы, а UTC-нормализация — обязательна. Иначе один и тот же игрок уедет в разные когорты из-за часового пояса или дубля postback. Проверяем сходимость дельты в трекере и кабинете.

Что смотреть в разрезе когорт:
— доля игроков, дошедших до FTD;
— доля повторного депозита;
— среднее число сессий до оттока;
— разрыв между early-retention и revenue-retention.
Если D1 красивый, а D7 проваливается — трафик привел “туристов”, а не игроков. Где именно течет профит? Обычно в крео, преленде или источнике с дешёвым, но одноразовым трафиком.

Практика: не сравнивайте все когорты между собой без нормализации по GEO, device и source. Сегментируйте хотя бы по офферу и типу трафика, иначе выводы будут ложными. Для дашборда достаточно матрицы cohorts x retention_days и отдельного графика cumulative revenue per cohort.

Ретеншн в iGaming оценивается не по красивому D1, а по скорости, с которой когорта уходит в повторные действия. Всё, что не автоматизировано — это потенциальный убыток.