Как я работаю с нейросетями. Часть 2 из 4: предикты по понедельникам
Полное описание инфраструктуры в прошлом посте
Каждый понедельник утром все мои клиенты гарантированно получают предикт - предсказание будущего ROAS за прошлую неделю. Я трачу на это не больше 5 минут.
🎯 Зачем предикт
В любой момент времени мы можем оценить ROAS нулевого дня:
LTV (0 day) * Conversions #
———————————-
Spend
Но D0 ROAS почти ничего не говорит: деньги от подписок и продлений приходят позже. Клиенту нужно знать не “насколько окупилось сегодня”, а “во что это вырастет через месяц-полгода”. Т е нужно что-то вроде:
LTV (180 days) * Conversions #
———————————-
Spend
🧮 На какие метрики смотрю
Как считать LTV в формуле выше - зависит от модели монетизации:
• ARPPU
прямая подписка без триала
* ARPAS
подписка с триалом
Оба параметра есть в чистом виде в Apphud и Adapty.
* Фикс значение
бывают случаи когда проекту 1-2 дня и есть какая-то непонятная гора кампаний. хочется оценить их эффективноть. даже без копания в Revenue Analytics можно оценить предикт просто взяв какой фиксированный LTV. Пример: “мы видим LTV в районе $30, предполагаем что вырастет до $50, т к у конкурентов такое значение. берем $50 как финмальный LTV”.
Это не точно, но лучше сделать плохой предикт чем не иметь вообще никакого.
📈 Как считается предикт
Зависит от возраста когорты:
• Молодая когорта.
Оцениваем рост кривой LTV за прошлый месяц - строим логарифмическую интерполяцию. Задача - построить логарифм, который проходит через все известные точки и обеспечивает экстраполяцию данных. Здесь нейросети раскрываются в полной мере: можно использовать сложные алгоритмы, которые вручную было бы лень считать.
• Старая когорта.
Если когорта достаточно старая, предикт - это один коэффициент. Например: ARPAS на 3-й день - 5, на 180-й - 8. Делим 8 на 5, получаем 1.6. Умножаем ARPAS третьего дня новой когорты на 1.6 - и получаем её LTV на 180-й день.
🔌 Два режима: автоматический и ручной
• Полная автоматизация.
У клиента Meta-аккаунт и Adjust, к обоим подключается MCP. Система сама забирает спенд и когорты и считает предикт без моего участия.
• Ручной режим.
Если аналитику клиента нельзя подключить по API (у него например Apphud или нет доступа до MCP), я делаю выгрузку одного CSV, закидываю его боту - и он строит предикт.
📌 Вывод
AI снимает рутину: сбор данных, расчёт, форматирование, отправку. Понедельник, утро, отчёт у клиента. 5 минут моего времени.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda
Полное описание инфраструктуры в прошлом посте
Каждый понедельник утром все мои клиенты гарантированно получают предикт - предсказание будущего ROAS за прошлую неделю. Я трачу на это не больше 5 минут.
🎯 Зачем предикт
В любой момент времени мы можем оценить ROAS нулевого дня:
LTV (0 day) * Conversions #
———————————-
Spend
Но D0 ROAS почти ничего не говорит: деньги от подписок и продлений приходят позже. Клиенту нужно знать не “насколько окупилось сегодня”, а “во что это вырастет через месяц-полгода”. Т е нужно что-то вроде:
LTV (180 days) * Conversions #
———————————-
Spend
🧮 На какие метрики смотрю
Как считать LTV в формуле выше - зависит от модели монетизации:
• ARPPU
прямая подписка без триала
* ARPAS
подписка с триалом
Оба параметра есть в чистом виде в Apphud и Adapty.
* Фикс значение
бывают случаи когда проекту 1-2 дня и есть какая-то непонятная гора кампаний. хочется оценить их эффективноть. даже без копания в Revenue Analytics можно оценить предикт просто взяв какой фиксированный LTV. Пример: “мы видим LTV в районе $30, предполагаем что вырастет до $50, т к у конкурентов такое значение. берем $50 как финмальный LTV”.
Это не точно, но лучше сделать плохой предикт чем не иметь вообще никакого.
📈 Как считается предикт
Зависит от возраста когорты:
• Молодая когорта.
Оцениваем рост кривой LTV за прошлый месяц - строим логарифмическую интерполяцию. Задача - построить логарифм, который проходит через все известные точки и обеспечивает экстраполяцию данных. Здесь нейросети раскрываются в полной мере: можно использовать сложные алгоритмы, которые вручную было бы лень считать.
• Старая когорта.
Если когорта достаточно старая, предикт - это один коэффициент. Например: ARPAS на 3-й день - 5, на 180-й - 8. Делим 8 на 5, получаем 1.6. Умножаем ARPAS третьего дня новой когорты на 1.6 - и получаем её LTV на 180-й день.
🔌 Два режима: автоматический и ручной
• Полная автоматизация.
У клиента Meta-аккаунт и Adjust, к обоим подключается MCP. Система сама забирает спенд и когорты и считает предикт без моего участия.
• Ручной режим.
Если аналитику клиента нельзя подключить по API (у него например Apphud или нет доступа до MCP), я делаю выгрузку одного CSV, закидываю его боту - и он строит предикт.
📌 Вывод
AI снимает рутину: сбор данных, расчёт, форматирование, отправку. Понедельник, утро, отчёт у клиента. 5 минут моего времени.
А если хотите собрать такой же workflow у себя - именно его настройку с нуля я разбираю в модуле AI в User Acquisition: от получения токенов до первой кампании, запущенной через Claude Code. Модуль можно купить отдельно.
🔗 Подробности: https://t.me/web2app_subscription/118
✍️ Вопросы в личку: @SiberianPaaanda