Manejo del Big Data en la Industria de los Casinos

0
677

El mercado de juegos es altamente competitivo. En el mundo, los casinos han aumentado su gama de ofertas para incluir venta minorista, restaurantes y teatro, los clientes buscan más que solo juegos de mesa y máquinas tragamonedas.

Con una gama tan amplia de opciones para entretenimiento disponibles, los clientes más valiosos ya no son solo aquellos que gastan más en el casino, sino aquellos que distribuyen sus gastos en todas las ofertas (no aplicable para latinoamérica donde aún se vive de la producción de los juegos). Para tener una visión holística del comportamiento de los clientes se requiere una imagen completa de los comportamientos de gasto de todos los clientes y un análisis cuidadoso de sus preferencias.

Por lo tanto, ya no es suficiente para un casino saber quiénes son los grandes apostadores. Deben profundizar en la base de clientes e identificar a aquellos cuyas actividades van más allá del casino, y la única forma en que pueden hacerlo con éxito es a través de análisis.

a.) ¿Cuánto vale un patrón de comportamiento?

b.) ¿Cuánto podemos esperar que un cliente pierda en el futuro?

c.) ¿Quiénes son los patrocinadores más valiosos?

d.) ¿Qué clientes se unen?

e.) ¿Qué clientes tienen más probabilidades de abusar de una oferta?

f.) ¿Qué clientes tienen más y menos probabilidades de responder a una oferta?

g.) ¿Qué ofertas funcionan mejor?

¿CUÁNTO VALE UN PATRÓN?

Esta pregunta es de suma importancia en la industria de los casinos. Predecir el comportamiento futuro de un cliente, no es fácil y requiere una serie de variables, muchas de las cuales no están disponibles para los casinos, y deben adquirirse de datos de terceros. Estas variables pueden incluir ingresos, origen étnico y razones para un viaje (Convención versus vacaciones). Lo anterior para casinos que viven del turismo, pero si se vive de una comunidad residente debe incluir zona donde viven, tipo de trabajo, ingresos, horarios y otros factores.

Una vez que se determina el valor de un cliente, los clientes pueden segmentarse en grupos basados ​​en otros comportamientos y se pueden desarrollar campañas de marketing efectivas en torno a esos comportamientos, es decir, se puede generar un Patrón de comportamiento.

En cuanto al valor del cliente, hay dos componentes: las fuentes financieras de valor (es decir, juegos, hotel u otros consumos) y la unidad de tiempo a la que se refiere (diariamente, semanalmente, mensualmente, etc.). Además, podemos referirnos al valor histórico, que ya se conoce, o al valor futuro, que se desconoce.

El valor también se puede dividir en varias fuentes (es decir, máquinas tragamonedas, mesas, loterías, sportsbook) dependiendo del problema comercial que se esté abordando. La definición de valor depende de cómo se explotará saberlo.

Por ejemplo, el valor del juego diario sería más útil para construir una campaña con una oferta diaria de juego gratis. Por ejemplo, dos clientes separados, cada uno con un valor anual de $ 10,000, tendrán un valor de día completamente diferente si un cliente viene un día al año y el otro viene un día a la semana. Alternativamente, El valor anual podría ser más útil que el valor diario para identificar a los clientes a los que apuntar para un evento exclusivo.

En otras palabras, las medidas agregadas de valor son ideales para identificar a los clientes más valiosos para la empresa en general, mientras que las medidas individuales generalmente son más adecuadas para identificar clientes valiosos para ofertas y campañas específicas.

La mayoría de las fuentes de ingresos son bastante sencillas: los ingresos de las habitaciones son cuánto pagó el cliente por una habitación, los ingresos de los restaurantes es cuánto pagaron por alimentos y bebidas, etc. Sin embargo, los ingresos de los juegos son un poco más complicados porque la probabilidad está involucrada.

Hay dos medidas importantes que se utilizan para evaluar el valor del juego de un cliente: pérdida real y teórica . La pérdida real es la cantidad de dinero que el cliente realmente perdió (o ganó), mientras que la pérdida teórica generalmente se refiere a la cantidad de dinero que se espera que pierda un cliente en función de la cantidad de dinero apostado, el tiempo dedicado a jugar y la probabilidad asociada con el tipo de juegos jugados. Pérdida teórica tiende a depender más del análisis predictivo y es un predictor mucho más fuerte del comportamiento futuro, ya que la pérdida real generalmente se usa para medir el rendimiento y la rentabilidad de la campaña.

A continuación se muestran las fórmulas generales utilizadas para calcular la pérdida teórica para tablas y ranuras:

a.) Pérdida teórica de la mesa = Apuesta promedio x Tiempo jugado x Velocidad del juego x Ventaja de la casa x Nivel de Habilidad (skill level)

b.) Pérdida teórica del slot (máquinas) = Moneda entrante x Porcentaje de retención

PREDECIR EL FUTURO VALOR 

Para que las empresas puedan utilizar la minería de datos para estimar el valor pronosticado en el futuro, necesitan conocer métricas simples basadas en el comportamiento histórico, como la pérdida teórica promedio diaria o la pérdida teórica de viaje promedio que producirán predicciones bastante precisas de valor futuro .

Por ejemplo, un modelo creado para predecir el valor futuro del viaje de juego podría generarse en base a información histórica sobre ganancias teóricas, ganancias reales, línea de crédito y tiempo en el dispositivo, noches de estadía y apuesta promedio. Los modelos también se pueden construir utilizando variables categóricas como predictores, como género, etnia, rango de edad u otras variables demográficas.

IDENTIFICANDO LOS PATRONES MÁS VALIOSOS

Además del modelo de valor futuro del cliente, existen otros métodos analíticos para determinar el valor de un cliente para el negocio. Una forma de identificar a los mejores clientes es tratar de separar a los jugadores expertos de los no calificados.

Eso se puede lograr calculando el porcentaje de viajes donde el jugador realmente perdió dinero. Por ejemplo, ¿un jugador con cuatro viajes perdió dinero en los cuatro viajes? Aunque esto podría ser solo un indicador de que el usuario jugará hasta que se quede sin dinero o tiempo, también es un enfoque bastante simple para identificar a los clientes que no salen como ganadores muy a menudo. Esta es una instancia en la que la pérdida real podría ser un buen indicador de valor, ya que preferiríamos tener estos clientes en el casino. Esto es muy útil para juegos que requieren habilidad, como juegos de mesa y video póker,

Aunque las máquinas tragamonedas no están realmente basadas en habilidades, aún podemos diferenciar entre los usuarios observando las estrategias y comportamientos de los jugadores de tragamonedas.

Una forma rápida y fácil de separar a los usuarios de tragamonedas es comparar la cantidad de juego que tienen en las máquinas de participación con respecto a las propias máquinas. Dado que los casinos tienen que pagar un cierto porcentaje de ganancias o manejar al fabricante de tragamonedas los juegos de participación, los clientes que juegan principalmente juegos de no participación son un poco más ventajosos para el casino.

Una métrica un poco más compleja para los jugadores de tragamonedas es mirar su apuesta promedio en relación con la apuesta máxima en los juegos que juegan. Por lo general, la apuesta máxima debe jugarse para ser elegible para botes y progresivos. Dados dos clientes de valor teórico similar, el que juega más cerca de la apuesta máxima permitida tiene más probabilidades de ganar un premio mayor que el que no lo hace.

Por lo general, el cliente con la apuesta promedio más alta parece ser más valioso, pero dado que el cliente con una apuesta más baja tiene menos probabilidades de ganar un premio mayor, el cliente con una apuesta más baja podría ser un riesgo menor. Esta métrica podría ser informativa por sí sola, o podría usarse como un predictor en un modelo de valor futuro o como un árbol de decisión que predice si un usuario responderá.

IDENTIFICAR PATRONES QUE VAN JUNTOS

Otra consideración importante en la discusión sobre el valor del patrón es el valor del hogar. Esto se relaciona con el valor combinado de múltiples clientes que tienden a hacer sus viajes juntos. Esto puede ser difícil de identificar, ya que estos usuarios pueden permanecer en una habitación o en habitaciones separadas, o un cliente solo puede venir acompañado de otro usuario.

Además, el otro usuario puede hacer viajes sin el primer usuario. Aunque identificar el valor del hogar puede ser complicado, puede pagar grandes dividendos al ayudar a contabilizar los ingresos que parecen dos individuos separados pero que se pueden combinar en un “hogar”. Muchos sistemas de administración de usuarios contienen la funcionalidad de vincular cuentas para que los usuarios que se unen (es decir, parejas casadas) puedan identificarse fácilmente. Desafortunadamente para el analista de casinos,

Sin embargo, la minería de datos se puede utilizar para identificar grupos de usuarios que se unen sin cuentas vinculadas. Primero, necesitamos identificar a los clientes que hacen sus viajes al mismo tiempo. En segundo lugar, podemos usar una combinación de varios cargos de viaje / restaurante / venta minorista (ya sea que tengan cargos de la misma tienda el mismo día).

El método anterior es una excelente manera de identificar a los clientes con viajes durante el mismo período de tiempo que tienen algo en común sobre su comportamiento que podemos usar para estar bastante seguros de que los clientes están juntos.

Para algunas de las medidas más subjetivas (es decir, sala, piso, ciudad, tiempo / tipo de juego) es una buena idea ser más conservador acerca de cuántos viajes superpuestos tienen los clientes. Por ejemplo, dos clientes con un viaje superpuesto y habitaciones una al lado de la otra pueden o no estar en el mismo grupo de “hogares”.

Sin embargo, esos mismos clientes con 5 viajes superpuestos, cada uno con habitaciones una al lado de la otra, son mucho más propensos a estar en el mismo grupo de hogares. De esta manera, la agrupación de hogares puede identificar un grupo de cuatro clientes que son de “mitad del paquete” que valen individualmente, pero únanse y quédense en la misma habitación cada vez y así valen más como grupo. Ahora, podemos ajustar nuestros esfuerzos de marketing y enviar una carta basada en su valor combinado y el conocimiento de que realmente no estamos comercializando a cuatro individuos únicos, sino a un grupo de patrocinadores relacionados.

IDENTIFICAR PATRONES EN RIESGO DE ABUSO 

Algunos factores que probablemente predicen el abuso son la edad (los clientes más jóvenes tienen más probabilidades de abusar), el género y el historial de abuso. Además, los datos de la encuesta (por ejemplo, de encuestas de seguimiento después de la visita de un usuario) que están vinculados a usuarios individuales se pueden utilizar para identificar otros predictores.

Si un cliente piensa que fue tratado injustamente y tuvo una mala experiencia en el pasado, podría aceptar una oferta de habitación gratis como venganza por esa mala experiencia. Cuando entran, toman todas las ventajas disponibles de la oferta y luego cruzan la calle para apostar y gastar dinero para que luego puedan obtener una mejor oferta desde el otro lado de la calle.

Al identificar a los clientes en riesgo de abusar de las ofertas, la empresa puede determinar cómo comercializar a esos clientes riesgosos. Por ejemplo, alguien podría comunicarse con el cliente para tratar de rectificar la situación si tuvo una mala experiencia.

En lugar de enviarlos a la oferta general de una habitación gratuita, se enviarán con una oferta que les exige jugar a un cierto nivel o tendrán que pagar por su habitación. Sin embargo, podría ser mejor ni siquiera darles la opción de obtener una habitación de cortesía. En este caso, es útil saber qué oferta es el mejor tipo de oferta para enviar un cliente y si vale la pena enviarla.

OPTIMIZAR OFERTAS 

Además de predecir el valor futuro de los clientes, es importante comprender qué campañas de marketing son las más efectivas para generar respuesta, ingresos y ganancias. En general, ciertas ofertas son preferibles a otras, y específicamente ciertas ofertas serán mejores para ciertos clientes.

Los componentes comunes del marketing incluyen ofertas de habitaciones, restaurantes, tiendas y juegos (es decir, juegos gratis). Si bien conocer el valor futuro probable de un usuario es crítico para determinar el nivel de reinversión para el cual un cliente es elegible, los comportamientos e intereses de los usuarios pueden usarse para identificar las ofertas que serán más atractivas para cada usuario y generar la mayor cantidad respuesta rentable

Las ofertas que incluyen salas gratuitas y juegos gratuitos son históricamente los impulsores más fuertes de respuesta. Sin embargo, una habitación de cortesía no es la oferta ideal para todos los clientes. Por un lado, algunos clientes no serán elegibles para una habitación libre porque su valor de juego previsto es demasiado bajo para garantizar una habitación libre. Por otro lado, no se debe ofrecer a todos los clientes elegibles para una habitación gratuita una habitación gratuita para responder. Algunos incluso pueden estar dispuestos a pagar por una habitación con descuento o incluso por una habitación a precio completo. Al analizar la probabilidad de que un usuario responda a una determinada oferta u ofertas, los analistas de casino pueden optimizar la oferta que cada cliente recibe para maximizar la cantidad de ingresos y ganancias impulsadas por las campañas de marketing en su conjunto.

Algunos de los enfoques estadísticos más comunes son la regresión logística, los árboles de decisión y las redes neuronales. Esencialmente, estos métodos estadísticos utilizan datos históricos para encontrar los factores que están relacionados con la respuesta del usuario. Estos métodos se han utilizado históricamente en el análisis de marketing directo para identificar los mejores tipos de ofertas y los respondedores más probables. Para construir modelos de respuesta precisos y predictivos, se requieren datos históricos sobre la respuesta. La probabilidad de respuesta podría ser una medida amplia de respuesta que se refiere a la probabilidad de que un usuario responda a cualquier oferta, o podría ser específica a la probabilidad de respuesta a un tipo específico de oferta.

Para construir modelos de respuesta precisos y predictivos, se requieren datos históricos sobre la respuesta. La probabilidad de respuesta podría ser una medida amplia de respuesta que se refiere a la probabilidad de que un usuario responda a cualquier oferta, o podría ser específica a la probabilidad de respuesta a un tipo específico de oferta. Para construir modelos de respuesta precisos y predictivos, se requieren datos históricos sobre la respuesta. La probabilidad de respuesta podría ser una medida amplia de respuesta que se refiere a la probabilidad de que un usuario responda a cualquier oferta, o podría ser específica a la probabilidad de respuesta a un tipo específico de oferta.

Existen al menos tres usos principales del modelado de respuestas que pueden mejorar los resultados de marketing:

  1. Identificar la probabilidad de que los usuarios respondan a la oferta.
  2. Identifique las ofertas a las que los clientes tienen más probabilidades de responder
  3. Predecir cuándo es probable que regrese un usuario

Un modelo de respuesta puede conducir a costos de envío más bajos al identificar a los clientes que es muy poco probable que respondan a una oferta en particular. En el ejemplo anterior, la empresa puede identificar la probabilidad de respuesta de todos los clientes elegibles. Después de eso, pueden identificar a los clientes más valiosos que tienen más probabilidades de responder. Esto le permite a la empresa estimar la respuesta esperada de los clientes más valiosos y eliminar los correos a los clientes que tienen un valor inferior y / o es poco probable que respondan. Si la lista inicial de clientes no tiene en cuenta todos los boletos comprados, entonces se puede contactar a los clientes de menor valor / alta probabilidad de responder.

En lugar de enviar la oferta general a 100,000 clientes como en el año anterior, solo se envían 50,000 clientes y la oferta es redimida por clientes de mayor valor. De vez en cuando, los modelos de probabilidad de respuesta conducirán a decisiones fáciles, como eliminar clientes poco valiosos con una baja probabilidad de responder. Sin embargo, pueden surgir situaciones más complejas ya que los modelos de respuesta nunca son perfectos. No importa cuán buenos sean un modelo y datos históricos, siempre existe la posibilidad de que un cliente identificado como poco probable que responda responda. Esto puede conducir a un segmento de clientes que se identifica como el que tiene menos probabilidades de responder a la oferta en el ejemplo anterior. Sin embargo, este es solo un pequeño segmento de clientes con un alto valor predicho, y si solo uno de los clientes en este segmento responde, se cubrirá el costo total del envío.

No importa cuán buenos sean un modelo y datos históricos, siempre existe la posibilidad de que un cliente identificado como poco probable que responda responda. Esto puede conducir a un segmento de clientes que se identifica como el que tiene menos probabilidades de responder a la oferta en el ejemplo anterior. Sin embargo, este es solo un pequeño segmento de clientes con un alto valor predicho, y si solo uno de los clientes en este segmento responde, se cubrirá el costo total del envío. No importa cuán buenos sean un modelo y datos históricos, siempre existe la posibilidad de que un cliente identificado como poco probable que responda responda.

Esto puede conducir a un segmento de clientes que se identifica como el que tiene menos probabilidades de responder a la oferta en el ejemplo anterior. Sin embargo, este es solo un pequeño segmento de clientes con un alto valor predicho, y si solo uno de los clientes en este segmento responde, se cubrirá el costo total del envío.

ENVÍE LA OFERTA ÓPTIMA PARA CADA PATRÓN  

El departamento de marketing de casinos puede tener una amplia gama de ofertas para las cuales necesitan puntajes de probabilidad con el fin de identificar la mejor oferta a la que es más probable que el cliente responda. Una oferta específica puede ser ir a algún evento o espectáculo de casino, ofrecer una habitación, una oferta de spa, etc. Los análisis pueden ayudar a seleccionar y optimizar las ofertas relevantes y predecir el rendimiento esperado de estas ofertas, teniendo en cuenta que el rendimiento monetario y la probabilidad de La respuesta a menudo se correlaciona negativamente.

Si envía una oferta específica a un cliente, las posibilidades de que él responda son mayores, pero las ganancias son menores que si envía una oferta masiva, y viceversa. Por lo tanto, el modelado de respuestas puede ayudar a identificar qué oferta tiene la mejor oportunidad de generar una respuesta. Si esto se hace para un segmento en su conjunto, podemos maximizar la respuesta y las ganancias al asegurarnos de que la oferta más cara (en términos de reinversión) llegue a los clientes que podrían ser menos propensos a responder. Puede ser tentador ofrecerle al huésped la opción de elegir qué oferta quiere (especialmente si las ofertas tienen el mismo valor), pero hay evidencia que sugiere que reducir las opciones de un huésped es en realidad mejor y más rentable. En este caso, Es una gran idea probar si una oferta específica basada en un modelo de probabilidad funciona mejor que una oferta que le da al cliente una opción entre las ofertas disponibles. Además, puede haber datos disponibles de encuestas o preferencias que informen a la empresa sobre qué tipo de ofertas están interesados ​​en recibir los clientes. Las preferencias del usuario también se pueden usar en modelos de respuesta para determinar si una preferencia establecida es realmente un buen indicador de que un usuario responderá a una oferta dirigida a esos intereses.

IDENTIFICAR CUANDO UN PATRÓN TIENE PROBABILIDAD DE REGRESAR 

Además de saber si es más probable que el usuario responda, sería muy beneficioso saber cuándo volverá, y una forma de tener una idea de eso es mediante la construcción de un modelo predictivo. La clave de dicho modelo son los datos históricos de sus visitas anteriores para ver si hay algún momento o patrones estacionales. Incluso si dichos datos no existen para un cliente específico, conocer su patrón de retorno de grupo de pares podría ser beneficioso, pero es probable que dicha información de proxy dé como resultado un modelo y una predicción más débiles. Los datos históricos pueden ayudar a identificar segmentos de clientes que se espera que realicen viajes semanales, mensuales, trimestrales, anuales, semestrales, etc. El marketing puede integrar información del valor predicho, ofertas óptimas y tiempo para el viaje posterior para maximizar el éxito de la campaña de varias maneras. El negocio puede ahorrar dinero ajustando la frecuencia de las ofertas para clientes que probablemente no regresen por períodos de tiempo más largos. En lugar de enviar ofertas mensuales al cliente, pueden enviar ofertas trimestrales con ventanas válidas más largas que permitan más tiempo para reservar. Por ejemplo, si el cliente solo llega anualmente alrededor de su cumpleaños, es posible que solo enviemos una oferta anualmente alrededor del cumpleaños del usuario. Por el contrario, las campañas podrían crearse con el objetivo de aumentar la frecuencia de visitas de clientes de mayor valor. La comercialización del casino debe tener el objetivo de generar viajes antes de lo esperado y convertir a los clientes en visitantes más frecuentes. Además, el análisis del tiempo para el próximo viaje se puede utilizar para identificar cuándo ha sido demasiado largo y el negocio corre el riesgo de perder al cliente. En este caso, puede ser útil enviar una oferta utilizando el mensaje “última oportunidad” “te extrañamos”. Es posible que la oferta también deba ser un poco mejor que la que recibió el invitado en el pasado. Al saber cuándo es probable que regrese un cliente, podemos ajustar las estrategias de marketing de manera adecuada para ahorrar dinero en costos de envío, retener a los invitados y aumentar la lealtad.

Uno de los beneficios clave del uso de análisis en la industria de los casinos es permitir que los casinos realicen una microsegmentación de su base. Por ejemplo, los grupos que nunca tocan el piso del casino podrían ser tan valiosos si utilizan sus otros puntos de venta que generan ingresos durante los períodos de menor actividad, o si traen consigo a los grandes jugadores. Puede haber segmentos entre semana y una vez al mes, clientes de spa de un mercado de autoservicio que prefieren comer en un restaurante específico, etc. Esta microsegmentación permite que los casinos se centren mucho más en sus esfuerzos de marketing y servicio, y tus clientes sentirán que realmente los entiendes. Además, los nuevos clientes que exhiben un comportamiento similar a sus segmentos valiosos se pueden identificar y nutrir, por lo que los casinos no tienen que construir un historial de usuarios antes de que puedan hacer cualquier análisis. Los indicadores de comportamiento señalan una oportunidad para que el casino tome medidas para alentar o desalentar los comportamientos esperados. Por ejemplo, los modelos de abandono predicen cuándo un usuario individual está en riesgo de irse, por lo que pueden tomar las medidas adecuadas antes de que se dañen. Y una vez que se conoce el valor del cliente, presente y proyectado, sus afinidades y comportamientos, así como sus características demográficas: el casino puede usar el análisis para determinar cuál es la siguiente mejor acción de marketing que debería impulsar su comportamiento, mantener e incrementar su valor, o detener él agitándose a competidor.

Dejar un Comentario

Por favor ingrese su comentario
Por favor entre su nombre aquí