<b>Когортный анализ показывает, где iGaming-ретеншн ломается после первого депозита</b>

<b>Когортный анализ показывает, где iGaming-ретеншн ломается после первого депозита</b>

Когорта — это не “средний LTV по аккаунту”, а срез пользователей по одному событию: регистрации, FTD, квалифицированному депозиту. Если смешать все потоки в одну таблицу, вы потеряете деградацию качества и не увидите, на каком шаге игроки отваливаются.

Собирайте матрицу по дням жизни: D0, D1, D3, D7, D14, D30. Для каждой когорты считайте не только возвраты, но и:
— повторные депозиты;
— активные игровые дни;
— средний депозит на активного;
— долю игроков без депозита после FTD.
Данные не врут, в отличие от байеров: если D1 живой, а D7 пустой — проблема не в крео, а в пост-онбординге, бонусе или качестве источника.

Не сравнивайте когорты только по абсолюту. Нужна нормализация: одинаковый атрибуционный период, одинаковое окно наблюдения, дедупликация по user_id и жесткая привязка к первому значимому событию. Иначе “рост ретеншна” окажется артефактом более длинного окна, а не качества трафика.

В BI лучше держать две витрины: сырые события и агрегированную когортную таблицу. Тогда можно быстро отвечать на вопрос: какой источник дает не просто FTD, а игроков, которые доживают до повторного депозита. Где именно течет профит? Смотрите на D3–D7: там обычно видно, кто приводит одноразовый депозитный мусор, а кто строит долгий LTV.