Esta pesquisa inicia uma exploração aprofundada da personalização de mercado adaptada às preferências dos apostadores, explorando sua popularidade e revelando os fatores que moldam o interesse dos jogadores. Além disso, examina os desafios que impedem a integração dessas apostas, observando sua disponibilidade em esportes tradicionais para eventos importantes.
Inicialmente, selecionamos duas das disciplinas mais populares, como Counter-Strike e League of Legends. Após a implementação de mercados personalizados, o apelo aos jogadores foi analisado, com foco na evolução do interesse ao longo do tempo. Nas primeiras semanas, o engajamento foi mínimo (até 5% de todas as apostas), mas apresentou um crescimento acelerado no terceiro mês, com o volume total de apostas representando mais de 20% de todas as apostas, conforme ilustrado no gráfico anexo.
Isso pode ter acontecido porque os jogadores precisam de tempo para entender e construir confiança em um novo tipo de mercado.
O interesse eventualmente retornará aos níveis anteriores, seguido por um aumento exponencial de até 25%. Esse padrão sugere que a oferta de mercados personalizados de forma consistente começou a ganhar popularidade e continuará aumentando o interesse dos jogadores, permitindo que os apostadores tentem prever resultados ou cenários específicos que se alinhem com seus interesses, preferências ou experiência.
Essa abordagem personalizada aprimora a experiência geral dos jogadores, oferecendo opções que ressoam com suas preferências. Apesar do apelo evidente, ainda há escassez de apostas personalizadas, o que pode ser devido às dificuldades de modelagem.
Um dos principais desafios da modelagem de mercados é que algumas modalidades seguem distribuições diferentes ou não seguem nenhuma distribuição conhecida, o que exige modelagem personalizada. Como exemplo, vamos considerar a distribuição do número de eliminações por equipe no Counter-Strike.
Os picos locais mencionados no gráfico nos pontos 250 e 270 correspondem às rodadas de prorrogação. Também pode ser observado que, mesmo antes da prorrogação, a distribuição não é simétrica. Pode-se pensar que isso pode ser facilmente corrigido combinando a distribuição beta, mas essa abordagem deixa de funcionar perto do final do jogo, especialmente ao considerar jogadores individuais em vez de equipes.
Em cenários onde a primeira equipe tem quase garantia de vencer o jogo, o número de mortes de um jogador da segunda equipe será pelo menos igual ao número de rodadas que eles perdem. Por exemplo, em uma partida com um placar de 11-4, onde a primeira equipe precisa de apenas duas rodadas para vencer, um jogador da segunda equipe morrerá pelo menos duas vezes.
A distribuição real será diferente de uma distribuição normal ou de Poisson porque a probabilidade de morrer menos de duas vezes é praticamente zero, ao contrário dos valores de uma distribuição normal calculados para o número esperado de mortes para um jogador nesta situação, que seria 2,89.
Embora apenas uma situação específica de jogo tenha sido considerada aqui, tais exceções são muito frequentes. Coisas simples como essa contribuem para que cada etapa da modelagem por distribuições a torne inadequada para esta disciplina.
Portanto, a abordagem escolhida para a modelagem é o uso do método da cadeia de Markov, que permite o processamento personalizado de cada estado no jogo e a modelagem do próximo estado a cada rodada.
Também leva em consideração as estatísticas Bayesianas quando o desempenho real de um jogador se desvia do valor esperado e as características do jogador precisam ser ajustadas.
Acima estão os exemplos e problemas encontrados na modelagem de mercados pessoais para Counter-Strike. Em outras modalidades onde não há pontuação fixa, como Dota 2 ou League of Legends, as distribuições normais são bastante adequadas, exceto em situações próximas ao final da partida. Lembre-se de que, para simplificar este artigo, a análise de situações em que um jogador muda de função no jogo ou quando suas coordenadas influenciam diretamente seu valor esperado foi omitida.
A construção de modelos exige uma grande quantidade de estatísticas e uma abordagem de modelagem não convencional. Oferecer esses mercados manualmente é quase impossível, pois as odds nos mercados de jogadores podem mudar abruptamente com base no comportamento e na posição do jogador no jogo, criando desafios adicionais para as casas de apostas.
Apesar das dificuldades de modelar esses mercados, o resultado justifica facilmente o esforço despendido. Operadoras que oferecem mercados personalizados cultivam a fidelidade do cliente, reduzindo as taxas de cancelamento e fortalecendo sua posição no mercado.
Por exemplo, em Counter-Strike, os mercados individuais ficaram entre os cinco primeiros em volume, e em League of Legends, entre os três primeiros nos dois primeiros meses de ofertas regulares. Oferecer esses mercados sem dados oficiais em tempo real é quase impossível, o que explica por que tão poucas casas de apostas têm essas ofertas no mercado. No entanto, à medida que a tecnologia avança, as colaborações estratégicas entre casas de apostas e provedores equipados com as ferramentas relevantes tornam-se cruciais para aproveitar o potencial dos mercados personalizados.
Em conclusão, com a evolução contínua do cenário de apostas em eSports, as casas de apostas devem se adaptar e inovar para atender às demandas dos apostadores experientes. Ao adotar mercados personalizados e fomentar parcerias, as operadoras podem elevar a experiência de apostas, posicionando-se como líderes do setor.