<b>Когортный анализ для iGaming: как не перепутать ретеншн с шумом в данных</b>

<b>Когортный анализ для iGaming: как не перепутать ретеншн с шумом в данных</b>

Классическая ошибка байера — смотреть на общий retention и делать выводы по всей воронке. В iGaming это почти всегда ложная картина: разные источники, GEO, плейсменты, бонусные механики и даже дневные окна активации дают разный профиль возврата.

Собираем когорты по дате первого депозита или первой игровой сессии. Дальше фиксируем разрезы:
— source / campaign / creative
— GEO / device / OS
— welcome-offer / no-bonus
— deposit bucket и wagering-порог

Если когорты считать по регистрации, а не по событию монетизации, вы увидите красивый онбординг и плохой LTV. Если считать по FTD, можно отделить мусорный трафик от аудитории, которая реально доходит до игры. Проверяем сходимость дельты между трекером, CRM и кабинетом, иначе ретеншн будет нарисован ETL-ошибкой.

Метрики считаем не только D1/D7/D30, а по цепочке: repeat deposit rate, active days, revenue per retained user, churn curve. Полезно строить матрицу cohort x segment и искать, где проседает повторный депозит: креатив, преленд, бонус, платежка или саппорт. Данные не врут, в отличие от байеров.

Если в когортах виден ранний отвал, режьте гипотезы по этапам: трафик, активация, первый депозит, повторная монетизация. Всё, что не автоматизировано — это потенциальный убыток.