Churn (Inactividad) Sportsbook Prediction Model (AI-Powered)

Esta página describe cómo funciona nuestro modelo de predicción de Churn (Inactividad) para Sportsbook impulsado por IA, cuáles son los requisitos y las restricciones para habilitarlo en su entorno.

​🖌‍ Redefiniendo Churn (Inactividad) Prevention
Los modelos predictivos ayudan a redefinir la forma en que abordamos las estrategias de Churn (Inactividad). El Churn Prediction Model ya no se centra en Depósitos, sino que evalúa apuestas y victorias agregadas en sesiones. El modelo evalúa factores como la frecuencia de las sesiones, el compromiso con el juego y los indicadores de una experiencia positiva o negativa. Cada 24 horas, los jugadores reciben una puntuación que determina qué tan probable es que abandonen (churn). El enfoque ya no es solo reactivar a los clientes que ya están inactivos o cerca de estarlo, sino también prevenir estos escenarios, lo que te permite reaccionar con rapidez y evitar la inactividad mientras evitas contactos innecesarios e intrusivos.
Puede encontrar más información sobre otros Modelos de Churn (Inactividad) aquí:
  1. ​Churn (Inactividad) Prevention Model (Basic)​
  2. ​Churn (Inactividad) Modelo de predicción de casino (impulsado por IA)​

📩 Cómo funciona el modelo

Primero, el modelo se entrena con al menos seis meses de datos históricos, lo que le permite comprender el comportamiento del Jugador y adaptarse a sus hábitos.
Una vez activado, aquí tienes un ejemplo de cómo funciona:
  1. Un Jugador apuesta frecuentemente en Deportes
  2. La última sesión mostró signos de frustración (p. ej., pérdidas consecutivas, salidas tempranas de la sesión).
  3. El modelo detecta esta experiencia negativa y segmenta al Jugador en consecuencia.
Según tu estrategia, puedes activar después una oferta de reenganche personalizada —como apuestas gratis en sus Sports favoritas o un Bono personalizado— para traerlos de vuelta.

📌 Definición

Definimos a un Jugador como en inactividad cuando tiene al menos 30 días sin apuestas reales o Depósitos. El modelo se aplica una vez al día a cada Jugador inactivo entre 1-29 días para detectar a tiempo posibles riesgos de inactividad y permitir una intervención oportuna.

📈 Segmentación basada en Churn (Inactividad) y el uso

El modelo predictivo asigna a cada Jugador un Churn (Inactividad) % Tasa (p. ej., tasa de abandono del 20 %, tasa de abandono del 30 %) en función de su nivel de riesgo. Esta segmentación permite una estrategia de prevención del abandono más específica y estructurada, lo que permite, por ejemplo:
  1. Escalado de generosidad de la oferta (uso recomendado) – La tasa de Churn (Inactividad) puede determinar la generosidad de los incentivos, donde los jugadores de mayor riesgo reciben ofertas más atractivas. Esto permite estructuras de Campaña dinámicas en las que las promociones se activan en intervalos estratégicos para fomentar la reactivación en momentos críticos.
Resumen de cómo puede funcionar el modelo
Resumen de cómo puede funcionar el modelo
  1. Campañas de prevención de Churn personalizadas – Los jugadores pueden ser incluidos en campañas de retención específicas en función de su probabilidad de abandono, garantizando que los mensajes y los incentivos sean relevantes para su nivel de riesgo.
Al aprovechar estos segmentos de abandono, los operadores pueden ajustar con precisión sus estrategias de interacción, optimizando los esfuerzos de retención mientras minimizan los costes innecesarios en incentivos para jugadores de menor riesgo.
Incorporando Grupos de control Es esencial que en las campañas de Churn (Inactividad) Prevention se mantenga la integridad del modelo, para asegurar que prediga con precisión la tasa de Churn de cada Jugador a lo largo del tiempo.

📊 Requisitos de datos

Para que el Modelo de Predicción de Churn funcione de la manera óptima, deben estar disponibles los siguientes puntos de datos:
  1. ​Eventos de apuestas deportivas – Seguimiento del compromiso general del Jugador y del éxito en las sesiones de juego.
  1. ​Eventos bloqueados – Identificar restricciones de la cuenta que podrían contribuir a la inactividad. (No es obligatorio, pero se recomienda)
  1. Datos históricos – Para garantizar que el modelo sea fiable y produzca resultados precisos, se deben cumplir los siguientes umbrales de datos:
    1. Un mínimo de 6 meses de la Actividad del Jugador
    2. Al menos 10,000 sesiones de Jugador* en total (utilizado para entrenar el modelo)
    ➡️ Como regla general, si tienes 500 jugadores activos únicos (UAP) por mes, es probable que alcances el número requerido de sesiones.
    📌 ¿Por qué importa esto? El modelo necesita suficiente historial de comportamiento para reconocer patrones que indiquen abandono. Los datos insuficientes limitarán su capacidad para identificar tendencias y reducirán la precisión.
    ​
    *¿Qué es una sesión de Jugador?
    Un sesión del Jugador se define como la actividad de juego de un Jugador (por ejemplo, Apuesta), separada por 30 minutos sin actividad.
    1. Si un Jugador está inactivo durante 30 minutos, consideramos que la sesión está cerrada.
    2. La primera Apuesta realizada después de ese período inicia una nueva sesión.
    ​
    ¿Qué pasa si no alcanzas el umbral de UAP?
    Por favor, ten en cuenta: el 10.000 sesiones de jugador son el requisito real para que el modelo funcione eficazmente.
    Incluso si tienes menos de 500 UAPs por mes, tu modelo aún puede funcionar — siempre que estés generando suficientes sesiones de jugador en ընդհանուր.
    Por otro lado, si tú tienes 500+ UAPs pero no alcanzas el número de sesiones, el modelo no tendrá suficientes datos para funcionar con precisión.

🚧 Restricciones

Para garantizar la precisión y la eficacia del modelo, se aplican las siguientes restricciones:
  1. Solo datos de sportsbook – Actualmente, el modelo se aplica exclusivamente a datos de juegos de casino.
  2. Actividad mínima del Jugador – Un Jugador debe tener al menos 4 sesiones de juego registradas.
  3. Duración mínima de la cuenta – El Jugador debe haber estado registrado durante al menos 30 días antes de que puedan ser evaluados.
Para obtener más información sobre los puntos de datos resaltados anteriormente, consulte nuestra Integración Base de conocimientos.

​🏁‍ Primeros pasos

Para ejecutar las comprobaciones de requisitos y habilitar el modelo en su entorno de Fast Track, vaya a FT Singularity Model → Funcionalidades del Jugador. Debajo Funcionalidades del Jugador disponibles, seleccione Churn (Inactividad) Modelo de Predicción.
Funcionalidades del Jugador
Funcionalidades del Jugador
Hacer clic Ejecutar la comprobación de requisitos para iniciar una validación automatizada de sus datos para el modelo. Si se encuentran problemas, se mostrará un resumen de errores.
Resultados de la comprobación
Resultados de la comprobación
Una vez que sus datos estén validados, el sistema generará una nueva Característica del Jugador llamada Churn (Inactividad) Modelo de Predicción. Esta característica incluye lógica preconstruida y asignará automáticamente a cada jugador una clasificación.
Segmentación posible
Segmentación posible
Una vez que el proceso esté completo, un nuevo Segmento campo estará disponible en el Funcionalidades del Jugador sección. Esto le permite Segmento / Segmentación con precisión a los jugadores según su probabilidad de inactividad. Las opciones de Segmento / Segmentación se enumeran a continuación.
​