Когда букмекеру лучше не давать бонус — интервью с CEO Axom Gaming
CEO Axom Gaming Дэнни Риппон о том, почему использованный бонус ещё не доказывает эффективность кампании

В интервью SBC News, Риппон рассказал о применении искусственного интеллекта в CRM, скрытых расходах на бонусы и планах Axom Gaming на 2027 год. Ниже — перевод вопросов и ответов.
Как бы вы оценили нынешнее использование искусственного интеллекта в индустрии?
Думаю, индустрия добилась заметного прогресса в работе с ИИ, но между возможностями технологии и тем, как её используют сегодня, по-прежнему существует значительный разрыв.
Машинное обучение уже много лет применяется в игровой индустрии для прогнозирования поведения игроков, выявления рисков и поддержки коммерческих решений. В последнее время большие языковые модели расширили эту дискуссию: операторы изучают, как ИИ может повысить внутреннюю эффективность и сократить объём ручной работы.
Оба направления полезны, но, на мой взгляд, главная возможность — связать аналитику с действием.
У операторов есть огромные объёмы данных об игроках и всё более совершенные прогнозные модели. Но знание того, что игрок, вероятно, сделает, полезно лишь тогда, когда оно помогает принять более удачное решение.
Именно на этом, я считаю, индустрии необходимо сосредоточиться. Вместо того чтобы просто использовать ИИ для анализа поведения или автоматизации существующих процессов, операторам стоит изучать, как он может улучшить решения по каждому игроку и обеспечить измеримые коммерческие результаты.
В Axom Gaming мы выбрали именно такой подход. Наше машинное обучение оценивает доступные действия, ожидаемые реакции и стоимость стимулов, чтобы выбрать действие и время, которые с наибольшей вероятностью будут соответствовать стратегии оператора. В том числе система может выбрать отсутствие каких-либо действий. Эти решения реализуются через существующую CRM оператора.
Мы также развиваем диалоговые и агентные возможности, которые помогают командам превращать коммерческие цели в практические действия, сохраняя контроль над стратегией и границами работы ИИ.
Где, по вашему мнению или наблюдениям, компании ошибаются в своих стратегиях и как это исправить?
Одна из ошибок — начинать с технологии, прежде чем определить проблему. Установка «нам нужна стратегия работы с ИИ» может быстро превратиться в набор проектов без чёткой коммерческой цели.
Другая ошибка — предполагать, что более точный прогноз автоматически даёт лучший результат. Полезно знать, кто с высокой вероятностью внесёт депозит. Но, предлагая этим игрокам бонус, вы можете просто оплачивать действие, которое они и так собирались совершить.
Отправной точкой должно стать конкретное решение, которое бизнес хочет улучшить: например, как поддержать вовлечённость на раннем этапе или какое действие выбрать для удержания клиента.
Определите, что считать успехом, установите способ его измерения и обеспечьте практическое внедрение технологии в существующий рабочий процесс. Тогда будет гораздо проще отличить полезный прогресс от впечатляющей демонстрации.
Какие стратегии вы считаете лучшими для максимизации ROI от использования ИИ?
Начните с решений, которые принимаются часто, имеют измеримое финансовое влияние и могут быть улучшены без масштабной перестройки операционной работы. Небольшие улучшения на большой клиентской базе могут в сумме дать существенный эффект.
Затем измеряйте дополнительный результат в сравнении с сопоставимой контрольной группой, к которой применяется существующий подход оператора. Одна лишь выручка кампании не показывает, какой вклад внёс ИИ.
Вам необходимо понимать, что произошло бы без его применения, учитывая расходы на стимулы, плату за технологию и трудозатраты на её использование.
Интеграция тоже имеет значение. Сохранение существующей CRM и добавление интеллектуального компонента к принимаемым в ней решениям может сократить путь до получения результата.
Наконец, продолжайте учиться. Поведение игроков меняется, и система должна использовать результаты для улучшения будущих решений. Окупаемость инвестиций необходимо подтверждать постоянно.
Справедливо ли утверждение, что при использовании этой технологии меньшее зачастую может давать больший результат? Почему?
Да. Если игрок и так собирается вернуться и внести депозит, отправка бонуса может снизить вашу маржу, не изменив его поведения. Вы можете записать кампанию в успешные, потому что игрок воспользовался предложением, но фактически вы оплатили активность, которую получили бы и без этого.
ИИ должен помогать определять, когда расходы или контакт с клиентом улучшат результат, в том числе распознавать ситуации, когда лучше ничего не делать. Для проверки нужна контрольная группа: само по себе использование предложений не позволяет понять, было ли вмешательство оправданным.
При этом принцип «меньше — значит больше» должен быть выводом из результатов, а не универсальной стратегией. Для части игроков стимул создаст достаточно дополнительной ценности, чтобы оправдать затраты. Задача — различать эти ситуации.
Ещё одна важная тема — скрытые расходы на бонусы и вероятность того, что вы раздаёте больше необходимого. Какие механизмы Axom использует, чтобы этого избежать?
Сам по себе факт использования бонуса не доказывает, что он создал ценность. Игрок мог вернуться и без него, либо дополнительная активность может не оправдать расходы на стимул.
Axom Gaming оценивает доступные действия на уровне отдельного игрока, сопоставляя прогнозируемое поведение, ожидаемую реакцию и стоимость стимула с коммерческой стратегией оператора. Среди вариантов могут быть разные стимулы, действие без бонуса или отсутствие вмешательства.
Оператор определяет доступные действия и границы, в которых Axom принимает решения. Полученные результаты затем используются при принятии следующих решений, а сравнение с контрольной группой помогает установить, создаёт ли подход в целом дополнительный NGR после вычета бонусных расходов.
Цель — направлять бонусный бюджет туда, где он создаёт дополнительную ценность, избегая ненужных стимулов.
Конец года стремительно приближается. Чего индустрии ждать от вас в 2027 году?
В 2027 году мы сосредоточимся на том, чтобы сделать принятие индивидуальных решений более автономным, объяснимым и удобным для операторов, а также добавить возможности сценарного планирования по принципу «что, если».
Мы развиваем возможности нашего ИИ-помощника, добавляя диалоговый интерфейс и агентные инструменты. Они помогают командам переходить от коммерческой цели к практическим действиям с меньшим объёмом ручных настроек. Мы также разрабатываем возможность работы с Axom через предпочитаемого оператором ИИ-ассистента.
Для CRM-команд это означает больше времени на создание привлекательного пользовательского опыта и разработку стратегии. При этом Axom будет брать на себя больше индивидуальных решений о том, какой игрок, соответствующий заданным условиям, должен получить определённое предложение или коммуникацию и когда.
Параллельно мы хотим расширять партнёрства с CRM и платформами, делая Axom доступной внутри систем, которыми операторы уже пользуются. Критерий успеха останется коммерческим: более качественные решения, более эффективные расходы на стимулы и подтверждённый дополнительный NGR. При этом контроль над целями и ограничениями сохранится у операторов.
Автор: SBC News
