04

贝叶斯玩家画像

画像不是打标签,而是生成模型 + 在线后验推断。决策用后验期望而非 argmax —— 贝叶斯决策论下期望损失严格更小。

定理 6 · 利润最优 RTP

常弹性需求 \(H(R)=H_0(R/R_0)^\eta\),毛利 \(\Pi(R)=H(R)(1-R)\)。一阶条件 \(\eta(1-R)=R\):

$$\boxed{R^*=\frac{\eta}{1+\eta}}$$
最深刻的推论:在纯破产型玩法里(玩家永不离场),总流水 \(H=B/(1-R)\),于是 \(\Pi=H(1-R)\equiv B\) —— 利润与 RTP 完全无关! 正是流失把平坦的利润函数掰出唯一的峰。所以差异化 RTP 的经济学根据是"留存", 不是"割"。每个画像有自己的 \(\eta_k\),就有自己的 \(R^*_k\)。合规带 clamp 永远优先。

单用户推断沙盘 拖动 6 维特征 · 实时后验 · log-odds 归因

分类器自证 · 混淆矩阵

生成 → 推断 → 对照真值。分析师视角要求任何画像体系必须先自证可分性。

冷启动坍缩

证据缩放 \(\text{scale}=\sqrt{n/n_0}\):观测越少,后验越坍回先验。这是防止早期误判把新用户"判死"的关键。