Perjudian yang bertanggung jawab mempengaruhi kehidupan di mana-mana, tetapi operator tidak dapat mengurangi masalah tanpa teknologi yang tepat, kata Motti Colman, Direktur Senior Penjualan di Optimove. Bagaimana cara kerja model prediktif?
Menurut penelitian oleh gov.uk, diperkirakan 0,5 persen populasi Inggris mencapai ambang batas untuk dianggap penjudi bermasalah, dan diperkirakan 3,8 persen populasi diklasifikasikan sebagai penjudi berisiko. Secara potensial, itu lebih dari 2,5 juta orang.
“Bukti menunjukkan bahwa perjudian berbahaya harus dianggap sebagai masalah kesehatan masyarakat,” penelitian menyimpulkan, “karena dikaitkan dengan kerugian bagi individu, keluarga mereka, rekan dekat, dan masyarakat luas.”
Kerugian terkait perjudian mempengaruhi orang, keluarga, mata pencaharian, dan kehidupan itu sendiri dan memiliki biaya yang cukup besar bagi masyarakat, kemungkinan “lebih dari £ 1,27 miliar [a year],” klaim penelitian. Dalam beberapa tahun terakhir, operator di Inggris telah mengalami pengetatan peraturan dan penegakan, mengakibatkan denda tanggung jawab sosial yang diberikan kepada operator melonjak lebih dari 100 persen dan melebihi £40 juta per tahun.
Jadi masalah perjudian tetap ada di sini, dan, setidaknya dari sudut pandang peraturan, akan lebih terasa daripada di Eropa dibandingkan dengan industri AS yang terdesentralisasi, yang pada akhirnya pasti akan menyusul. Tapi apa yang ada di masa depan? Tentu saja, masalah ini harus diangkat, kesenjangan pengetahuan diatasi, dan kesadaran ditingkatkan, tetapi apakah itu sudah cukup? Untuk menyelesaikan pekerjaan, operator memerlukan alat yang tepat untuk membantu mereka memenuhi tantangan. Segera, memiliki model prediktif akan menjadi suatu keharusan.
Dalam beberapa minggu mendatang, Komisi Perjudian Inggris akan mengharapkan operator untuk “mengambil tindakan tepat waktu di mana indikator kerentanan diidentifikasi.” Dengan kata lain, operator diharapkan untuk menempatkan model prediktif. Bisakah teknologi memainkan peran integral dalam memerangi masalah?
Model prediktif dan cara kerjanya
Kesalahpahaman umum tentang perjudian yang bertanggung jawab adalah bahwa operator hanya dapat bereaksi terhadapnya, bukan memprediksinya. Itu salah, dan kita harus tahu. Model prediktif telah menjadi bagian dari penawaran kami selama bertahun-tahun.
Pemodelan perilaku prediktif adalah ilmu menerapkan teknik matematika dan statistik untuk data historis dan transaksional untuk memprediksi perilaku masa depan pelanggan. Manfaatnya signifikan. Dengan memprediksi pemain berisiko sejak dini, operator dapat:
Buat daftar harian pemain potensial yang berisiko untuk dipantau oleh manajer akun atau tim pendukung. Manfaatkan potensi risiko pemain untuk mengoptimalkan inisiatif pemasaran dan mengurangi jumlah pemain yang mengembangkan perilaku tidak sehat. Buat laporan berkala dan pantau tren.
Model prediksi perjudian yang bertanggung jawab bervariasi tetapi biasanya mencakup garis-garis dasar yang luas ini:
Mendefinisikan pemain berisiko – Dengan menjelajahi data historis dan mengembangkan definisi berdasarkan tren. Misalnya, operator mendefinisikan pemain berisiko mereka dengan menetapkan skor berbobot, dari 1 hingga 10, ke beberapa aktivitas pemain, seperti waktu yang dihabiskan di situs dan penggunaan bonus. Semakin tinggi rata-rata tertimbang, semakin berisiko pemain tersebut.
Memahami data – Semakin banyak data yang tersedia untuk algoritme pembelajaran mesin, semakin akurat hasilnya.
Memilih variabel – Setelah dataset seimbang, proses pemilihan atribut dapat dimulai. Memilih variabel yang benar sangat penting untuk akurasi dan keberhasilan model prediksi.
Dengan mengelompokkan pemain ke dalam grup berdasarkan jumlah kotor atau kemiringan garis tren dari taruhan harian yang dibuat, operator dapat memisahkan pemain menjadi dua grup – yang diprediksi berisiko dan yang memiliki kemungkinan rendah.
Membuat model dan menganalisis hasil – algoritme pembelajaran mesin akan berjalan dan mengidentifikasi pemain yang diprediksi berisiko. Model dapat dioptimalkan sendiri, memungkinkan perubahan preferensi pemain dan tren industri untuk memengaruhi pembuatan model.
Memanfaatkan model prediktif berisiko – mengelompokkan pemain menjadi tiga tingkatan – rendah, sedang, dan tinggi, berdasarkan kemungkinan mereka untuk menjadi berisiko. Pemain dengan tingkat risiko rendah dapat diberikan kampanye promosi sesekali. Sebaliknya, pemain di tingkat risiko menengah dapat menerima 30 persen kampanye promosi seperti yang diterima kelompok berisiko rendah dan pemain dari tingkat risiko tinggi hanya dapat menerima kampanye informatif dan mendidik.
Sabuk pengaman dan perjudian yang bertanggung jawab
Tahukah kamu? Sampai tahun 1966, mobil di Inggris sering dibuat tanpa sabuk pengaman. Banyak pabrikan menawarkan sabuk pengaman sebagai tambahan pada kendaraan. Bagaimana dengan aturan sabuk pengaman? Itu mulai berlaku hanya pada tahun 1983, namun tampaknya sangat logis, bahkan alami. Mengenakan sabuk pengaman adalah kebiasaan.
Hal yang sama berlaku untuk perjudian yang bertanggung jawab di Inggris dan Eropa (AS akan memakan waktu, tetapi akan sampai di sana), dan semua faktor pendukung sudah ada. Algoritme pembelajaran mesin yang dipesan lebih dahulu dapat memberdayakan operator game untuk lebih memahami basis pemain mereka, tren mereka, dan perilaku yang ditunjukkan pemain sebelum menjadi berisiko. Wawasan ini dapat mengoptimalkan strategi pemasaran dan meningkatkan retensi pemain jangka panjang.
Industri semakin sadar akan potensi kerusakan pada pemain dan bisnisnya dan dengan sukarela atau sebaliknya akan bertindak. Ketika mereka melakukannya, teknologi akan siap memainkan peran penting dalam mengatasi masalah tersebut.
