я описал все ровно к этой задаче, у меня она проходит под кодовым названием "энергетический след гостя".

у меня 230+ стран и нет никаких данных о мрот и налоговой, точно также у меня нет менеджера процессов. точнее, наш ревенью-менеджер занимается другими темами и этот запрос на сегментацию от нее как раз и пришел
и на вопрос "как кластеризовать все это добро, с учетом временной динамики" я, к сожалению, в вашем описании затрудняюсь найти решение

само собой, сегменты должны быть достаточно большими, метрики должны быть информативными и так далее
меня интересует более практическая часть, как именно это делать
анализ распределений кажется сложным из-за многомерности поведения, плюс измерение во времени

и я в данном случае не имею теоретической модели. для старта мне достаточно будет черного ящика сегментов, чтобы понять, рыть в эту сторону или нет.

рыть.
можно сначала нарисовать график динамики без факторизации.
просто данные.
с вероятностью 99%. страны можно будет кластеризовать по уровням ARPU.
Для каждого кластера стран вводить свои корзинки.
можно по квантилям — тогда будет релевантно. Можно на 10 корзинок разбить

очень удобный пакет: https://hughjonesd.github.io/santoku/index.html

чесслово, все работает именно в этом кейсе.
многократно пройдено.

хороший мультфильм: https://hughjonesd.github.io/santoku/tutorials/00-visualintroduction.html

давайте более простой вопрос.
разбивать на корзинки в первый из 24 отчетных месяцев, чтобы потом посмотреть динамику этих корзинок в эти 24 месяца?
или разбить пользователей за 24 месяца на 10 корзинок и потом смотреть динамику этих сегментов?

у меня маркетологи когда-то просили такое, сделал им по быстрому RFM сегментацию на дату 6 месяцев назад, потом RFM на вчера - и какие юзеры откуда куда перешли по сегментам. Возможно такой подход подойдет

Мне кажется, второй подход более эффективным должен оказаться

это и есть временнАя динамика. ее можно представлять разными способами.
параллельными координатами рисовать, трейсы собирать и считать  и т.д.

Разбивайте на ABC в каждом месяце (80-15-5 процентов выручки), посмотрите менялось ли количество пользователей в каждом сегменте. Можно сделать быстро, особо не думая. По результатам возникнут новые идеи

Ну я бы для начала построил распределения всех 24 месяцев по суммам оплаты.

Потом бы когортные распределения по LTV с динамикой по сроку жизни.

Системно есть 2 возможных эффекта

1. Пришли новые пользователи с другим поведением - заметим на когоротах в первые же месяцы

2. Пользователи изменили поведение - заметим на когоротах в более поздних сроках

Когороты действительно можно построить по перцентилям доходности

коллеги, у меня странная проблема: графики ggplot в R4.1.0 зажевывает кириллицу... в 4.0.5 все нормально... запускаюсь из под Docker на базе Debian (rocker)... кто-то сталкивался?

Последний rstudio preview + ragg драйвер?

ragg драйвер не ставил

возможно проблема в том, что кодировка R-скрипта не UTF-8, либо в системе нет пользовательского шрифта, используемого в скрипте

кодировка  в UTF-8, сейчас обнаружил что проблема не в версии R ... в  rocker/r-base проблема есть, а в rocker/r-ver ее нет

сохранится ли проблема после

extrafont::font_import()

?

Ребята, вопрос не по Р конкретно, а по прогнозам

Никто ли не сталкивался с предсказанием органического трафика , на который влияет рекламный?
Дело в том что влияние не определено, то есть при росте рекламного трафика , органический может как расти так и падать.

Правильно ли я понимаю, что в таком случае определяющими являются другие факторы?

Либо есть модели, которые могут норм предсказать даже такое влияние?

Данные к сожалению показать не могу, так как не моя задача, но хочу предложить решение чтобы мне её дали