1. Основна метрика для пріоритизації

Primary Score:

Final_Score = ERPC × Quality_Score × Availability_Factor × Strategic_Factor × DayOfWeek_Factor

Де:

• ERPC (Expected Revenue per Click)

ERPC = Conversion_Rate × Average_Revenue

• Quality_Score — інтегральна оцінка якості трафіку (0–1)
• Availability_Factor — враховує залишки кепів і доступність оффера
• Strategic_Factor — коригує пріоритет під бізнес-політику
• DayOfWeek_Factor — коригує відповідно до денної сезональності

2. Вибіркова сегментація з fallback

Основні сегменти для розрахунків:

• payout_type
• device_type
• country_group
• placement

Тут я хотів би зробити невелику паузу, бо використав я саме такі сегменти, оскільки при аналізі поведінки у Tableau виявив суттєві відмінності в CR (і його стабільності), CPU (Clicks Per User), ARPC (Average Revenue Per Click) і капах між сегментами. Це дозволяє більш точно прогнозувати ERPC і уникати “змішування” різних типів трафіку в одній моделі.

ᵎ!ᵎ Fallback-логіка для малих сегментів

1. Якщо розмір вибірки < 100 унікальних користувачів → автоматично використовуємо більш широкий рівень агрегації:
   • Спочатку прибираємо placement, залишаємо лише payout_type + device_type + country_group .
   • Якщо й далі <100 — дропаємо country_group, залишаємоpayout_type + device_type
   • Якщо й тут <100 — залишаємо тільки payout_type.
   • Якщо знову мало — переходимо на глобальний рівень (усі сегменти разом).