Modelo de Predicción de Churn (Impulsado por IA)

Esta página describe cómo funciona nuestro Modelo de Predicción de Churn Impulsado por IA, cuáles son los requisitos y las restricciones para habilitarlo en tu entorno.

​🖌‍ Redefiniendo la Prevención del Churn
Los modelos predictivos ayudan a redefinir cómo abordamos las estrategias de churn. El Modelo de Predicción de Churn ya no se centra únicamente en los depósitos, sino que evalúa apuestas y ganancias agregadas en sesiones. El modelo analiza factores como la frecuencia de las sesiones, el compromiso con los juegos e indicadores de una experiencia positiva o negativa. Cada 24 horas, los jugadores reciben una puntuación que determina la probabilidad de que abandonen. El enfoque ya no es solo reactivar a los clientes que ya han churned o están a punto de hacerlo, sino también prevenir estos escenarios, lo que te permite reaccionar con rapidez y evitar el churn mientras se evita un contacto innecesario e intrusivo.
Más información sobre el Modelo Básico de Prevención del Churn se puede encontrar aquí:
  1. ​Modelo de Prevención del Churn (Básico)​

📩 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 hay un ejemplo de cómo funciona:
  1. Un jugador juega con frecuencia a tragamonedas y realiza depósitos
  2. La última sesión mostró signos de frustración (por ejemplo, pérdidas consecutivas, salidas tempranas de la sesión).
  3. El modelo detecta esta experiencia negativa y segmenta al jugador en consecuencia.
Según tu estrategia, puedes entonces disparar una oferta de reenganche personalizada —como tiradas gratis en su juego favorito o un bono personalizado— para traerlo de vuelta.

📌 Definición

Definimos a un jugador como churned 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 riesgos potenciales de churn temprano y permitir una intervención oportuna.

📈 Segmentación Basada en Tasa de Churn y Uso

El modelo predictivo asigna a cada jugador un Porcentaje de Churn (p. ej., 20% de churn, 30% de churn) basado en su nivel de riesgo. Esta segmentación permite una estrategia de prevención de churn más dirigida y estructurada, permitiendo, por ejemplo:
  1. Escalado de Generosidad de Ofertas (uso recomendado) – La tasa de churn puede determinar la generosidad de los incentivos, donde los jugadores de mayor riesgo reciben ofertas más atractivas. Esto permite estructuras de campañas dinámicas donde las promociones se activan en intervalos estratégicos para fomentar el reenganche en momentos críticos.
Resumen de cómo puede funcionar el modelo
Resumen de cómo puede funcionar el modelo
  1. Campañas Personalizadas de Prevención del Churn – Los jugadores pueden colocarse en campañas de retención específicas según su probabilidad de churn, asegurando que los mensajes y los incentivos sean relevantes para su nivel de riesgo.
Al aprovechar estos segmentos de churn, los operadores pueden afinar sus estrategias de compromiso, optimizando los esfuerzos de retención mientras minimizan los costes innecesarios en incentivos para jugadores de menor riesgo.
Incorporar Grupos de Control en las campañas de Prevención del Churn es esencial para mantener la integridad del modelo, asegurando 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 manera óptima, los siguientes puntos de datos deben estar disponibles:
  1. ​Eventos de casino – Seguimiento del compromiso general del jugador y del éxito en las sesiones de juego.
  1. ​Eventos de pago – Monitoreo de depósitos y retiros para comprender el comportamiento financiero.
  1. ​Eventos bloqueados – Identificación de restricciones de cuenta que podrían contribuir al churn. (No obligatorio, pero recomendado)
  1. Datos históricos – Para garantizar que el modelo sea fiable y produzca resultados precisos, deben cumplirse los siguientes umbrales de datos:
    1. Un mínimo de 6 meses de actividad del jugador
    2. Al menos 65,000 sesiones de jugadores* en total (utilizadas para entrenar el modelo)
    ➡️ Como regla general, si tienes 3,000 jugadores activos únicos (UAPs) por mes, es probable que cumplas con el número requerido de sesiones.
    📌 ¿Por qué importa esto? El modelo necesita suficiente historial de comportamiento para reconocer patrones que indiquen churn. Los datos insuficientes limitarán su capacidad para identificar tendencias y reducirán la precisión.
    ​
    *¿Qué es una Sesión de Jugador?
    Un sesión de jugador se define como la actividad de juego de un jugador (p. ej., apostar en un juego), separada por 30 minutos sin actividad.
    1. Si un jugador está inactivo durante 30 minutos, consideramos la sesión cerrada.
    2. La primera apuesta realizada después de ese periodo inicia una nueva sesión.
    ​
    ¿Qué pasa si no cumples el umbral de UAP?
    Tenga en cuenta: las 65,000 sesiones de jugadores son el requisito real para que el modelo opere de manera efectiva.
    Incluso si tienes menos de 3,000 UAPs por mes, tu modelo aún puede funcionar — siempre que estés generando suficientes sesiones de jugadores en general.
    Por otro lado, si tienes más de 3,000 UAPs pero no alcanzas el conteo de sesiones, el modelo no tendrá datos suficientes para desempeñarse con precisión.
    ​

🚧 Restricciones

Para garantizar la exactitud y efectividad del modelo, se aplican las siguientes restricciones:
  1. Solo datos de casino – El modelo actualmente 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 poder ser evaluado.
Para más información sobre los puntos de datos destacados anteriormente, consulte nuestra Integración Base de Conocimientos.

​🏁‍ Empezando

Para ejecutar las comprobaciones de requisitos y habilitar el modelo en tu entorno Fast Track, ve a FT Singularity Model → Player Features. Bajo Funcionalidades de Jugador Disponibles, selecciona Modelo de Predicción de Churn.
Funcionalidades del Jugador
Funcionalidades del Jugador
Haz clic Ejecutar Comprobación de Requisitos para iniciar una validación automatizada de tus 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 tus datos estén validados, el sistema generará un nuevo Funcionalidad del Jugador llamado Modelo de Predicción de Churn. Esta funcionalidad viene con lógica preconstruida y asignará automáticamente a cada jugador a una clasificación.
Segmentación Posible
Segmentación Posible
Una vez completado el proceso, un nuevo Segmento campo estará disponible en la sección Funcionalidades del Jugador . Esto te permite segmentar con precisión a los jugadores según su probabilidad de churn. Las opciones de Segmento se enumeran a continuación.