PUBGM — AI Detection Dashboard

Mục tiêu: kéo user mới. Đánh giá qua funnel, retention, và ROAS thực tế + dự đoán. Cột dự đoán trong bảng này dùng Predict theo Cohort (power-law) cố định.

LTV = Revenue ÷ số User (installs) — $/user, khác công thức ROAS (Revenue ÷ Cost). Cả 3 nhóm LTV/Revenue/ROAS dùng chung mốc cohort (Actual D1-D30 + Predict D7-D360).

⏳ = cohort chưa đủ ngày kể từ lần install cuối (chưa mature) → số hiện tại là Predict, tự chuyển thành Actual khi đủ ngày · 🤖 = cột Predict

Không ăn theo filter chung. Mốc D0 = Today-1 = 22/07/2026 (ngày dữ liệu gần nhất), D+1 → D+30 là các ngày lịch tiếp theo. Chuỗi dự báo: Cost → CPI → Install → Revenue → LTV → ROAS. Tất cả đều là Predict, khác nhau ở cách ra số: 🧮 theo công thức (quy tắc hoặc suy ra từ metric khác, vd Cost = TB chi tiêu 7 ngày gần nhất) · 🤖 bằng model (học từ dữ liệu lịch sử) — rê chuột vào tên metric để xem định nghĩa.

Gộp toàn bộ campaign UA theo Audience (trích xuất từ ad group name: GenZ, FPS, Shooting...) để thấy audience nào hiệu quả nhất. Cột dự đoán dùng Predict theo Cohort (power-law) cố định — cùng cấu trúc Actual/Predict như level campaign.

⏳ = cohort chưa đủ ngày kể từ lần install cuối (chưa mature) → số hiện tại là Predict, tự chuyển thành Actual khi đủ ngày · 🤖 = cột Predict · LTV = Revenue ÷ số User (installs) — $/user

Mỗi đường là 1 Audience theo bộ lọc Campaign/Audience của bảng trên — trục X là mốc cohort D1 → D360.

● nét liền + chấm đặc = Actual · ○ nét đứt + chấm rỗng = Predict (tự chuyển thành Actual khi cohort đủ ngày)

Không ăn theo filter chung. Mốc D0 = Today-1 = 22/07/2026 (ngày dữ liệu gần nhất), D+1 → D+30 là các ngày lịch tiếp theo. Chuỗi dự báo: Cost → CPI → Install → Revenue → LTV → ROAS. Tất cả đều là Predict, khác nhau ở cách ra số: 🧮 theo công thức (quy tắc hoặc suy ra từ metric khác, vd Cost = TB chi tiêu 7 ngày gần nhất) · 🤖 bằng model (học từ dữ liệu lịch sử) — rê chuột vào tên metric để xem định nghĩa. Gộp theo Audience đã chọn, có thể lọc bớt theo Campaign cụ thể trong (các) audience đó.

Mục tiêu: kéo user cũ (inactive) quay lại — không phải user mới nên không dùng CPI/NRU. Cột dự đoán dùng Predict theo Cohort (power-law) cố định.

LTV = Revenue ÷ số User (reattributions) — $/user, khác công thức ROAS (Revenue ÷ Cost). Cả 3 nhóm LTV/Revenue/ROAS dùng chung mốc cohort (Actual D1-D30 + Predict D7-D360).

⏳ = cohort chưa đủ ngày kể từ lần install cuối (chưa mature) → số hiện tại là Predict, tự chuyển thành Actual khi đủ ngày · 🤖 = cột Predict

Không ăn theo filter chung. Mốc D0 = Today-1 = 22/07/2026 (ngày dữ liệu gần nhất), D+1 → D+30 là các ngày lịch tiếp theo. Chuỗi dự báo: Cost → CPI → Install → Revenue → LTV → ROAS. Tất cả đều là Predict, khác nhau ở cách ra số: 🧮 theo công thức (quy tắc hoặc suy ra từ metric khác, vd Cost = TB chi tiêu 7 ngày gần nhất) · 🤖 bằng model (học từ dữ liệu lịch sử) — rê chuột vào tên metric để xem định nghĩa.

Sau khi user cũ được reattribute, họ thực sự đi tới đâu — so với trung bình các campaign Recall khác trong bộ lọc hiện tại

Đếm theo unique user (unique adid/device) đạt được bước đó ít nhất 1 lần — không phải tổng số event. Giống cách Adjust User Flow gốc của chị đang dùng ("Unique By: adid"). Khi build thật với MCP, cần đảm bảo query đúng bản distinct-by-adid, không lấy thẳng event count.

Đây là campaign web dẫn về webshop, không phải app campaign — Conversion/CPA đo từ GA4, PU/Revenue nối về từ hệ thống Webshop.

Nhận định mẫu theo khung 7D/14D/30D — bản demo dùng template dựa trên số liệu giả, bản thật cần model/LLM đọc trực tiếp từ MCP + GA4

Gộp toàn bộ campaign Monet đang lọc · vạch vàng đứt nét = mốc ra mắt item/sự kiện · giúp thấy Paid trend có thực sự kéo được submit order hay phần tăng chủ yếu đến từ Organic quanh mốc ra mắt

Template minh hoạ — bản thật cần model đọc trực tiếp lift lịch sử quanh các lần ra mắt tương tự trước đó, không phải con số cố định như dưới đây

Mục tiêu: nhận diện thương hiệu — không đánh giá qua install/ROAS.

Xếp theo hiệu quả CPM / CP Comment ở mức ad content — để đề xuất sản xuất thêm nội dung tương tự

Mỗi bong bóng = 1 nội dung ads · size = Reach · màu = cụm (Ingame/Outgame/Monet/MKT Activities) · góc trái-dưới + bong bóng to = rẻ mà vẫn engagement tốt, nên tăng cường

Detect ở mức creative (không chỉ campaign) — mỗi creative gắn tag mô tả nội dung (Format/Hook/CTA timing/Color tone) để sau này tìm pattern và làm brief cho creative mới

🤖 Các cột Predict ROAS D+1 → D+30 và Tag hiệu suất đều đang dùng Predict tiến tới — ước lượng dựa vào Key Metrics của creative (chi phí, CTR, ROAS Est...), không phải số đo thực hay lấy trực tiếp từ Creative Report thật.

Gộp Score (đã chuẩn hoá theo objective, không phải số tiền tuyệt đối) theo từng giá trị tag — tag nào Score trung bình cao là pattern nên tăng cường

So tần suất tag giữa nhóm Score cao (≥60) và nhóm Score thấp (<40) — tag xuất hiện lệch hẳn về 1 bên là dấu hiệu đáng chú ý

Tự tổng hợp từ pattern hiện có — bản thật nên để model viết brief chi tiết hơn và nối thêm bước tự tạo asset