← Все темы

Retention / когорты

6 записей · 6 проектов

Проекты

Churn Prediction — Leakage-Free Retention Model

Результат
В топ-10% самых рискующих модель ловит 54,4% отточников при lift 5,44×, но на at-risk подгруппе — 1,75×: 69,7% когорты — почти гарантированные негативы по конструкции.
PythonLightGBMscikit-learnpandas / NumPymatplotlibpytestuv

Cohort Analysis Dashboard

Результат
Python внутри Tableau: 4 когортных расчёта на TabPy-сервере и 65 тестов; когортная матрица вместо среднего retention показывает скорость оттока и расхождение монетизации с удержанием
Pythonpandasmatplotlib / seabornJupyter NotebookTableau (Hyper API)

Записи

Гайды Churn + uplift: кому дать скидку (причинный таргетинг)
27 авг. 2026 г.
Предсказать отток — половина задачи. Вторая половина — понять, кого скидка удержит, а кому она не нужна или вредна. Двухуровневый конвейер: churn-диагностика → причинный таргетинг через uplift-модели.
Журнал решений Первая транзакция: как измерить активацию финтех-продукта
27 авг. 2026 г.
60% пользователей нео-банка проходят KYC и больше не возвращаются: пустой счёт без движения денег. Почему активацию надо мерить первой транзакцией, а не регистрацией — и как TTFV предсказывает D7/D30 retention.
Журнал решений Кейс Volta: воронка, A/B и retention на синтетике необанка
20 авг. 2026 г.
обновлено 27 сент. 2026 г.
Полный цикл продуктовой аналитики на синтетическом необанке: где терялась воронка, как CUPED и AA-тест удержали Type I, что показали когортные треугольники и почему 4 сегмента важнее 125 ячеек.
Гайды Когортный анализ удержания
10 апр. 2025 г.
обновлено 25 авг. 2026 г.
Когортная матрица удержания в Pandas: почему агрегат врёт, как строить треугольную таблицу, какие у неё ограничения и что она реально говорит о продукте. С реальным кейсом из volta-banking.