No crescente mundo das apostas, onde as casas de apostas aceitam apostas em uma variedade de eventos, a escassez de mercados personalizados para jogadores, especialmente no âmbito dos esportes eletrônicos, se destaca como uma anomalia intrigante.
Em conversa com a SBC News, Yurii Lysenko, cientista-chefe de dados da DATA.BET, revela o potencial e os desafios dos mercados personalizados, esclarecendo por que as casas de apostas hesitam em entrar nesse território desconhecido.
Esta pesquisa parte de 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 modalidades mais populares, como Counter-Strike e League of Legends. Após a implementação dos 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 obteve um crescimento acelerado no terceiro mês, com o volume total de apostas sendo superior a 20% de todas as apostas, conforme ilustrado no gráfico anexo.
Isso pode ter ocorrido porque os jogadores precisaram de tempo para entender e construir confiança em um novo tipo de mercado.
O interesse eventualmente retornou aos níveis anteriores, seguido por um aumento exponencial de até 25%. Esse padrão sugere que oferecer mercados personalizados de forma consistente começou a ganhar popularidade e aumentará continuamente 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 disciplinas seguem distribuições diferentes ou não seguem nenhuma bem conhecida, o que exige modelagem personalizada. Como exemplo, vamos considerar a distribuição do número de abates por equipe no Counter-Strike.
Os picos locais mencionados no gráfico nos pontos 250 e 270 correspondem às rodadas de prorrogação. Também se pode observar 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 próximo ao final do jogo, especialmente quando se considera jogadores individuais em vez de equipes.
Em cenários em que o primeiro time tem quase a garantia de vencer o jogo, o número de mortes de um jogador do segundo time será pelo menos igual ao número de rodadas perdidas. Por exemplo, em uma partida com placar de 11 a 4, onde o primeiro time precisa de apenas duas rodadas para vencer, um jogador do segundo time 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 de um jogador nessa 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 cada etapa da modelagem por distribuições, tornando-a inadequada para esta disciplina.
Portanto, a abordagem escolhida para a modelagem é o método da cadeia de Markov, que permite o processamento personalizado de cada estado do jogo e a modelagem do próximo estado de rodada para rodada.
Ele também leva em consideração as estatísticas de Bayes 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 os problemas encontrados na modelagem de mercados pessoais fornecidos para Counter-Strike. Em outras disciplinas onde não há pontuação fixa, como Dota 2 ou League of Legends, distribuições normais são bastante adequadas, exceto em situações próximas ao final do jogo. Tenha em mente que, para simplificar este artigo, uma análise de situações em que um jogador muda de papel no jogo ou quando suas coordenadas influenciam diretamente seu valor esperado foi ignorada.
A construção de modelos requer uma grande quantidade de estatísticas e uma abordagem de modelagem não padronizada. Oferecer esses mercados manualmente é quase impossível, pois as probabilidades nos mercados dos jogadores podem mudar abruptamente com base no comportamento do jogador e na posição no jogo, criando desafios adicionais para as casas de apostas.
Apesar das dificuldades de modelar esses mercados, o resultado justifica facilmente o esforço despendido. Operadores que oferecem mercados personalizados cultivam a fidelidade do cliente, reduzindo as taxas de rotatividade e fortalecendo sua posição no mercado.
Por exemplo, no Counter-Strike, os mercados individuais ficaram entre os cinco primeiros em volume, e no League of Legends, entre os três primeiros nos primeiros dois meses de ofertas regulares. Fornecer esses mercados sem dados oficiais em tempo real é quase impossível, o que explica por que tão poucas casas de apostas oferecem esse tipo de serviço no mercado. No entanto, com o avanço da tecnologia, colaborações estratégicas entre casas de apostas e provedores equipados com ferramentas relevantes tornam-se cruciais para aproveitar o potencial dos mercados personalizados.
Concluindo, com a evolução do cenário de apostas em eSports, as casas de apostas precisam se adaptar e inovar para atender às demandas de apostadores experientes. Ao adotar mercados personalizados e promover parcerias, as operadoras podem elevar a experiência de apostas, posicionando-se como líderes no setor.
