Сегодня сбор данных — основа любого бизнеса, а умение их анализировать и правильно применять — залог его успеха. Онлайн-казино не являются исключением из этого правила: сегментация пользователей, глубокая персонализация и предиктивные алгоритмы для гемблинг-продуктов, возможно, даже важнее, чем для большинства других видов бизнеса.
В нашем первом интервью Мухаммад (Миша) Мурадов, product owner Brofist LTD, уже затрагивал тему математических моделей и сегментации пользователей. В этот раз мы погрузились в нее с головой и узнали, как работают эти алгоритмы, как они предсказывают поведение пользователей и почему без них оператору не выжить. В качестве примера использовались данные онлайн-казино из портфолио Brofist LTD: Dazardbet.com, Dazard.com и BillyBillion.com.
Давайте начнем с самых азов. Для чего вообще казино нужна детальная сегментация игроков? Какую прямую пользу она приносит продукту и как влияет на его финансовые показатели?
Прежде всего, она дает возможность глубокой персонализации, которая, в свою очередь, открывает множество дверей. Это и улучшение опыта взаимодействия с брендом, и увеличенная конверсия в целевое действие, и оптимизация коммуникаций.
Сегментация позволяет нам добиться эффективного распределения ресурсов. Скажем, мы разослали SMS на €10k и увидели, что у какого-то сегмента конверсия с них околонулевая. Дальше мы эти деньги перенаправим на другой сегмент, у которого конверсия, условно говоря, 10%.
А еще сегментация позволяет нам идентифицировать фродеров и бонус-хантеров — их мы выделяем в отдельные группы.
В ваше казино пришел новый игрок. Как его сегментировать, не обладая подробной информацией?
Когда игрок только приходит, мы его сегментируем по ГЕО, полу и возрасту. У разных групп по всем трем критериям значительно отличается ARPU, но больше всего средний объем прибыли от одного игрока зависит от ГЕО — в частности, по нему мы представляем уровень дохода человека. Сегментация по типу устройства тоже важна: пользователи iOS и MacOS приносят больше прибыли, чем те, кто сидит с Android- и Windows-устройств.
Еще большую роль играет источник трафика. С SEO и PPC игроки приходят целенаправленно, их не нужно допушивать, в отличие от, скажем, Facebook- или influence-трафика. И, конечно, есть сегментация по креативам: если человек сконвертился с рекламы Plinko, то нам нужно предлагать ему соответствующий контент.
Какие особенности поведения этих больших групп игроков вы учитываете? Чем они отличаются друг от друга?
От более возрастных игроков мы ожидаем больше денег, а вот пользователи 18–20 лет чаще всего приносят копейки и играют нерегулярно. Мужчин на рынке большинство, но женщины в среднем приносят больше выручки. При этом у них совершенно разные цели.
Как правило, мужчины играют ради стресса и адреналина — они хотят победить. А женщины прежде всего играют ради удовольствия, в качестве увлекательного времяпрепровождения — скоротать время на работе или дома. Стереотип про то, что женщины любят игры вроде «три в ряд», тоже отчасти подтверждается: они как правило предпочитают другие типы автоматов, нежели мужчины.
Достаточно ли этих данных для эффективной сегментации и работы предсказательной модели или нужно что-то еще?
На основе такого малого количества данных мы можем базово сегментировать пользователя, но для предсказания его поведения этого недостаточно. Предиктивной модели нужно знать игровые привычки человека: во что он играет, как часто заходит, какие делает депозиты и ставки.
Именно поэтому мы тратим много денег на бонусы: чтобы простимулировать игрока и посмотреть, что он будет делать. Исходя из этого, он распределяется в более «продвинутые» сегменты, и наши модели уже могут предсказывать его поведение. Чем больше данных мы получаем о пользователе, тем точнее работает вся система.
Нас интересует все:
- сумма депозитов;
- средний депозит;
- время сессии;
- длина сессии;
- локация;
- количество ставок;
- любимый тип игр;
- используемая платежка;
- используемая валюта;
- сумма выигрыша и проигрыша;
- общение с поддержкой;
- реакция на коммуникации;
- наличие или отсутствие ставок на спорт и в слотах;
- и многие другие метрики.
Все данные, кроме тех, что мы узнаем на этапе регистрации, мы собираем уже по ходу игрового процесса.
Вы сделали это и увидели, что юзер редко играет и/или делает маленькие ставки. Соответственно, теперь вы будете тратить меньше денег на бонусы для него?
Да, в этом в том числе смысл сегментации. Мы даем новому игроку бонусы на несколько первых депозитов — обычно, четыре-пять. Но это стадия онбординга: за это время мы узнаем пользователя лучше и, если он мало вносит, то дальше мы будем подбирать для него специальные предложения. Это не значит, что у него будут хуже условия — наоборот, мы будем предлагать ему крутые бонусы за суммы депозитов выше его средних трат.
Нужно ли участие людей в процессе сегментации игроков? Или они подключаются только при работе с хайроллерами?
У нас работают автоматические фильтры, сегментирующие пользователей на разных этапах онбординга. Но и операторы-люди в режиме реального времени отслеживают происходящее — прежде всего размер депозитов. Иногда нужно их вмешательство, чтобы перевести игрока в другой сегмент или привлечь к нему внимание.
Конечно, важно вовремя увидеть хайроллеров, поскольку к ним нужен индивидуальный подход. Многие из них, что называется, знают себе цену и готовы общаться только с VIP-менеджерами. Поэтому главная задача наших операторов — вовремя их обнаруживать.
Не называя конкретных цифр, сколько всего сегментов игроков в вашем казино? Сколько их вообще может быть?
С точки зрения продукта, есть три основные стадии юзера: onboarding, retention и reactivation. Все игроки находятся на одной из них. А уже внутри находятся все остальные сегменты, и их очень много. Сотни и даже тысячи — зависит от того, по каким параметрам мы фильтруем.
Из всех этих сотен сегментов, какой самый распространенный? Иными словами, как выглядит ваш средний пользователь?
Мужчина, тридцать лет и старше. Управленец среднего класса — тот, кто много работает, но и имеет много денег. Его хобби так или иначе связаны с риском: боевые искусства, мотоциклы, выпивка. С точки зрения психологии, такие люди играют ради выбросов адреналина при ставке и дофамина — при победе.
А есть ли специальные сегменты, которые вы создаете с какой-то конкретной целью?
Мы как-то делали отдельный сегмент для отлова фродеров на основе наличия чарджбеков в определенной платежной системе с заданными паттернами. Еще ловили так бонус-хантеров, которые действовали по известным нам стратегиям. И, конечно, у нас есть отдельный сегмент для «high-risk IP» — операторы поймут, о чем я.
В нашем прошлом интервью вы упоминали A/B-тестирование. Как вы используете его для оптимизации работы с сегментами?
Допустим, вышла новая игра от условного Pragmatic Play. Мы проанализировали ее и предположили, что она должна хорошо конвертить. Чтобы это проверить, мы делим аудиторию на две тест-группы: первая получает бонусные фриспины на те же автоматы, что и раньше, а вторая — на новую игру. Так мы проверяем и то, какой вариант принесет лучшую конверсию, и то, как разные сегменты игроков внутри этих групп реагируют на такие предложения.
Чаще всего с помощью A/B-тестирования мы проверяем свои гипотезы и реакцию сегментов пользователей на них. Больше всего мы экспериментируем с бонусами, играми и коммуникациями.
Давайте вернемся к нашему теоретическому новому игроку. Допустим, вы отсегментировали его на этапе регистрации, но его игровое поведение совершенно нетипично для его пола, возраста, ГЕО и так далее. Сколько времени пройдет, прежде чем система исправится и определит его в нужный сегмент?
Сначала игрок попадает в «дефолтный» сегмент, но как только появляются новые данные или происходит триггерное событие, система автоматически перемещает его. Мы периодически проводим срезы аналитики, чтобы удостовериться в правильности сегментации.
Для иллюстрации, у нас был забавный случай. Наши казино работают на Tier 1, но как-то раз у нас зарегистрировался пользователь из страны Tier 3, где мы никак не представлены. Но этот игрок сразу попал в стандартную цепочку, потому что первым же депозитом внес €100 и в целом вел себя точь-в-точь как европеец. Так что он получал те же офферы и бонусы, несмотря на свое ГЕО.
Даже если пользователь резко меняет свое поведение уже по ходу игры — например, год делал маленькие депозиты, а потом неожиданно внес сразу €500 — система отреагирует моментально. У нас есть специальный сегмент для таких игроков, May-Fly. Туда попадают «перспективные» юзеры, которых система распознает как потенциальных VIP-ов.
То есть ваши алгоритмы моментально реагируют на изменения в поведении игроков. А могут ли они, опираясь на собранные данные, предсказать потерю пользователем интереса к казино?
Да, наша предиктивная система предсказывает вероятность совершения депозита конкретным пользователем или сегментом на основе различных факторов. Когда алгоритм полагает, что какой-то игрок потеряет интерес к казино, он перемещает его в новый сегмент и мы со своей стороны начинаем с ним работать, стимулировать.
Если это не помогает, пользователь попадает в следующий сегмент, и так далее. На «отваливающихся» игроков уходят специальные автоматические коммуникации, а в случае с хайроллерами их персональный менеджер меняет подход к коммуникации.
К слову о предиктивных моделях. Как точно и на каком горизонте вы можете предсказать бюджет казино, исходя из данных ваших игроков и прогнозов алгоритмов?
Вообще говоря, мы можем довольно легко прогнозировать свои доходы и расходы и строить планы соответственно. Мы с высокой точностью рассчитываем свой бюджет и приходим к запланированным показателям на год вперед, но это не значит, что эти предсказания в точности сбудутся. Почему?
Дело в том, что мы не можем влиять на математические модели игр. Это теория вероятности: случаются отклонения от «среднего» расклада, причем очень серьезные, которые могут ощутимо пошатнуть месячный бюджет. От этого никто не застрахован — более того, чей-то неожиданный крупный выигрыш может «убить» маленькое казино.
Но для крупного и опытного оператора, который с одной стороны страхуется от таких событий, а с другой — может позволить себе большие расходы, бюджет все равно выравнивается в следующем месяце. Поэтому в долгосрочной перспективе прогнозы работают более точно.
Расскажите, как менялся подход к сегментации игроков в онлайн-казино в последние годы? Какие технологии повлияли на это?
Когда-то сегментации в нынешнем понимании вообще не было — а если была, то сводилась к «есть депозит — нет депозита». Со временем операторы стали смотреть на ГЕО, возраст, пол пользователей, их привычки и поведение. Появились сервисы, которые анализировали социальные сети игроков и собирали информацию о них: кем работают, какие у них хобби и прочая важная информация. Казино поняли, что можно и нужно собирать больше данных для фильтрации, и количество сегментов продолжило увеличиваться.
Со временем появлялось все больше нового софта для улучшения сегментации. Но настоящей революцией стали нейросети и ИИ. Сейчас алгоритмы анализируют огромные массивы данных, составляют коммуникации, выстраивают оптимальный подход к конкретному пользователю.
Скажем, раньше все игроки из Австралии получали коммуникации в одно время, а из Бельгии — в другое. А ИИ стали анализировать, когда каждый отдельный юзер открывает письма, а когда нет, и отправлять рассылки согласно его предпочтениям. То же самое касается и бонусов, и игрового процесса — одним словом, персонализация и автоматизация вышли на принципиально новый уровень.
У вас огромный опыт работы с казино на Tier 1. Допускали ли вы какие-то серьезные ошибки при сегментации, которые обходились казино в крупные суммы?
Действительно жестких ошибок мы не совершали, но есть старый кейс, где мы задали неправильные настройки сегментации CRM-системе. В одной кампании мы должны были давать пользователям 40 фриспинов, если они не играли больше трех дней и имели ровно три депозита на аккаунте. Проблема была в последней части.
Наша система засчитывала любые депозиты, не только успешные. Некоторые игроки поняли это и заабузили механику: они инициировали по три депозита и сразу отменяли их. Такие юзеры все равно попадали в нужный сегмент и получали бесплатные спины. Разумеется, мы обнаружили и устранили эту ошибку и с тех пор более внимательно относились к сегментации пользователей; поэтому и не могу вспомнить более свежих кейсов.
Очень интересные кейсы, спасибо. И заключающий вопрос. Были ли в вашем опыте какие-то параметры сегментации, которые оказались сильно важнее, чем вы изначально считали?
Да, это параметр Spend in Casino. Объясню на примере. Есть игроки, которые делают большие депозиты, но выводят все до копейки. С учетом расходов на бонусы, платежные системы и прочее, такой игрок будет для нас отрицательным, несмотря на его большую сумму депозитов и то, что он считается VIP-клиентом.
Пользователь, который внес условные €10k, не стал их выводить и продолжил использовать для игры, для нас гораздо выгоднее, чем игрок, который задепал €200k и вывел из них €199 900. Поэтому Spend in Casino очень важен, хотя и не интуитивен.
