Что такое нейронные сети
Нейронные сети – это одно из направлений исследований в области искусственного интеллекта, основанное на попытках воспроизвести нервную систему человека. Точнее, воспроизвести способность нервной системы обучаться и исправлять ошибки. Это позволяет смоделировать, пусть и не досконально точно, работу человеческого мозга.
Наш мозг представляет собой сложнейшую биологическую нейронную сеть, которая принимает информацию от органов чувств и обрабатывает ее (распознавание лиц, ощущения и прочее). Если же говорить об искусственной нейронной сети, то это структура, которая принимает сигнал, преобразует его (примерно так, как это делают настоящие нейроны), и передает другим нейронам (которые делают то же самое).
Но на этом сходства биологической и искусственной нейронных сетей заканчиваются. Структура человеческого мозга гораздо более сложная, поэтому воспроизвести ее хотя бы более менее точно не представляется возможным.
Ключевое свойство нейронных сетей — способность обучаться
Ключевое свойство нейронных сетей — способность обучаться. «Обучение» заключается в изменении «силы» синаптических связей между нейронами.
Как это работает? Вспомните эксперимент академика Павлова с собакой. При приеме пищи он звонил в колокольчик, и через некоторое время собака научилась ассоциировать этот звук с приемом пищи. Все потому, что синаптические связи между участками головного мозга, ответственными за слух и слюнные железы, усилились.
Что касается искусственных нейронных сетей, то это система соединенных и взаимодействующих между собой простых процессоров (искусственных нейронов). Обучение сети заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение.
Зачем это букмекерам?
Как рассказал «Рейтингу Букмекеров» независимый бизнес-консультант Роман Бут, нейронные сети и алгоритмы машинного обучения помогают БК решать разнообразные задачи, связанные с анализом большого количества данных. Чем больше данных, тем сложнее специалисту, даже с большим опытом, найти зависимости. Обычно сильный аналитик может найти корреляцию между тремя-пятью статистическими параметрами, для обработки большего количества информации уже требуется помощь стороннего софта.
«Очевидно, что нейронные сети и алгоритмы машинного обучения позволяют решать широкий ряд задач: помогают определять коэффициенты, отслеживать на раннем этапе нежелательных игроков, включая фрод, предсказание поведения пользователей (когда прекратят играть, сколько денег могут принести, на какие события будут ставить в будущем)», — подчеркнул г-н Бут.
По словам эксперта, внедрение таких технологий позволяет уменьшить объем ручного труда и максимально эффективно автоматизировать бизнес-процессы. Помимо снижения расходов, это также позволяет минимизировать возможность возникновения «человеческого фактора», то есть ошибок по невнимательности.
«Насколько мне известно, букмекер теряет значительные деньги на нежелательных игроках. Чем раньше вы определяете очередного профессионала и ограничиваете его, тем больше денег вы экономите. В классической игре в «кошки-мышки», в которой одни люди пытаются вычислять других людей, наблюдается постоянная эволюция, в рамках которой нежелательные игроки изменяют свою тактику. Обычно алгоритмы быстрее адаптируются под новые стратегии, что позволяет быстрее реагировать и, опять же, экономить. Конечно, обязательная верификация игроков упрощает жизнь, так как теперь зарегистрировать аккаунт стало значительно сложнее. Но это верно в первую очередь для России, а не других регионов», — добавил специалист.
По мнению бывшего операционного директора международной компании-провайдера программного обеспечения для букмекеров и азартных игр Betconstruct Сергея Ефименко, на данный момент нейронные сети внедрены в букмекерский бизнес на очень примитивном уровне.
«Big Data, Machine Learning, Artificial Intellect — это очень громкие слова, которые все, кому не лень, используют в продажах на рынке, но по факту в большинстве случаев такие заявления у меня лично вызывают ухмылку», — отметил г-н Ефименко.
По словам специалиста, из реально работающих кейсов можно выделить только кейсы маркетинга: предсказание категории игрока с точки зрения маркетинга и его ключевых параметров, а также рекомендательную систему, которая, базируясь на действиях игрока, рекомендует ему сделать ставку с определенными критериями и наиболее подходящими ему параметрами.
Плюсы и минусы нейронных сетей
Основные преимущества нейронных сетей — это точность в предсказаниях, исключение человеческого фактора из бизнес-процессов, а также оптимизация расходов.
«Нейронные сети помогают увидеть то, что не видит человеческий глаз. Почти все, что является общепринятой практикой в букмекерстве, выросло из неких успешных кейсов либо мнения определенных уважаемых специалистов. Далее это мнение переросло в догму, но догмой по факту оно не является. Чтобы проверить эти заявления и допущения, нужно собрать огромное количество статистических данных и провести очень много дорогих аналитических процедур, что для большинства операторов просто экономически нецелесообразно», — подчеркнул Сергей Ефименко.
Преимущества нейронных сетей — это точность в предсказаниях, исключение человеческого фактора и оптимизация расходов.
По словам эксперта, человеческий разум и мозг не может заметить очень многих зависимостей и закономерностей, которые выявляются при обработке огромных массивов данных и применении машинного обучения.
Что касается недостатков, то, по мнению Романа Бута, они связаны с некорректной интеграцией решения или непониманием того, как это использовать.
«Если посмотреть на традиционный e-commerce, то видно, что компании инвестируют миллионы долларов в автоматизацию при помощи нейронных сетей и алгоритмов МЛ. Будущее именно за подобными решениями. С каждым годом задачи, которые решают эти технологии становятся более продвинутыми. Если раньше компьютерному мозгу доверяли простые задачи, вроде подбора рекомендуемых фильмов или книг, то уже сегодня автопилотируемые машины показывают, что на дорогах они безопаснее, чем обычные водители», — подчеркнул бизнес-консультант.
Он также добавил, что с течением времени все больше будет проявляться зависимость успешности бизнеса (его финансовых показателей) от внедрения новых технологий.
Компании, которые своевременно не начнут внедрять нейронные сети в свою работы, в итоге окажутся просто неконкурентноспособными
«Компании, которые своевременно не начнут внедрять нейронные сети в свою работы, в итоге окажутся просто неконкурентноспособными», — заключил эксперт.
Сергей Ефименко отметил, что недостаток нейронных сетей в том, что их внедрение, как и любые фундаментальные исследования, это дорого, долго и зачастую для многих может и не дать возврата серьезных инвестиций на малых оборотах.
Как букмекеры используют нейронные сети сейчас?
Как рассказал Сергей Ефименко, сейчас нейронные сети используются букмекерскими компаниями только в маркетинговой сфере.
«Безусловно, в будущем букмекеры будут применять нейронные сети и в составлении лайв и прематч коэффициентов, и в риск-менеджменте и категоризации игроков, и в антифроде (поведенческие факторы), и в поддержке клиентов», — заявил эксперт.
В будущем букмекеры будут применять нейронные сети и в составлении лайв и прематч коэффициентов, и в риск-менеджменте и категоризации игроков, и в антифроде (поведенческие факторы), и в поддержке клиентов
«Если раньше к маркетингу относились как к «давайте купим рекламу и посмотрим, что случится», то сегодня это сложная наука, тесно связанная с доскональным анализом больших массивом данных. И чем точнее вы понимаете, что будет делать ваш клиент в следующей момент, тем больше денег с него можно заработать», — отметил Роман Бут.
Он также привел простой пример. Уже ни для кого не новость, что успешность реактивации неактивного клиента напрямую связана с тем, сколько времени прошло с момента его ухода. График успешности реактивации можно разделить на три этапа: в рамках первого, весьма короткого, вероятность успешной реактивации снижается постепенно. Второй этап — вероятность снижается резко вниз, то есть каждый день промедления значительно снижает вероятность успеха. А далее идет третий этап, когда вероятность опять же снижается постепенно, но она находится на ничтожно низком уровне.
Казалось бы, все просто — как только игрок прекратил играть, нужно сразу взаимодействовать с ним для реактивации. Но такой подход не работает. Ведь у каждой реактивации есть своя стоимость: это или потраченное время менеджера, или стоимость бонуса. Если реактивировать каждого клиента через четыре дня неактивности, бизнес не принесет прибыли, более того, выяснится, что далеко не каждого клиента нужно было реактивировать.
У каждого игрока свой жизненный цикл. Один человек делает ставки только по понедельникам, после чего всю неделю отдыхает. А другой — делает ставки каждый день. В этом примере, если предложить первому человеку бонус, поскольку он не делал ставки несколько дней, то очевидно, что это поспешный вывод. Скорее всего, он бы сделал очередную ставку и без бонуса в следующий понедельник. Если предложить ему бонус, он согласится, но маржинальность бизнеса уменьшится.
В случае со вторым игроком, четыре дня неактивности — это, возможно, уже много, поскольку игрок мог начать делать ставки у другого букмекера. Человек делает ставки каждый день, для него четыре дня простоя — это целая вечность, поэтому с таким клиентом необходимо было связаться уже через день, чтобы сохранить высокую вероятность успешной реактивации.
Как показывает практика — люди не очень любят работать
«Данный пример наглядно иллюстрирует необходимость индивидуального подхода к каждому клиенту. Только представьте себе, какой это объем ручной работы для менеджера. А как показывает практика — люди не очень любят работать. Соответственно, рутинная работа будет делаться в лучшем случае через раз, а компания будет терять деньги», — заключил эксперт.
Кроме того, г-н Бут сообщил, что на сегодняшний день вопрос удержания клиентов стоит более остро, чем вопрос привлечения. При этом по статистике стоимость удержания клиентов значительно дешевле, чем привлечения новых клиентов.
Насколько развиты сейчас нейронные сети в букмекерстве?
Российские букмекеры начинают осваивать эти технологии, однако пока они находятся, скорее, на начальном уровне исследований.
«Начали использовать нейронные сети и машинное обучение в 2017 году, переписали некоторые внутренние аналитические инструменты. Что-то стало работать быстрее, появилось пространство для более точных вычислений и большей оперативности. Довольны результатами, планируем продолжать«, — рассказали «Рейтингу Букмекеров» в БК «Балтбет».
В БК «1x ставка» сообщили, что нейронные сети находятся в списке технологических инноваций. В компании отметили, что работы по их внедрению проходят не так быстро, как хотелось бы, но постоянно ведутся работы по оптимизации.
«У нас есть штат математиков и дата-сайентистов, которые применяют машинное обучение и в трейдинге, и в проектах по анализу эффективности рекламы. Качественный CRM также невозможен без машинного обучения», — подчеркнули в БК «Фонбет».
По мнению Романа Бута, новые технологии в работе в основном применяют иностранные компании, в России и СНГ уровень технологического прогресса отстает. При этом эксперт отметил, что на объективность информации влияет такой фактор, как нежелание большинства компаний делиться информацией о том, как устроена их внутренняя кухня.
«И у нас, и на западе это направление просто меганедоразвито, если сравнивать игорный бизнес с теми же биржами или лучшими примерами e-commerce. Достаточно принять, что пока что это будущее, к которому многие стремятся и идут, но наша индустрия очень слабо консолидирована, каждый пытается сделать свою платформу, не думая о том, что платформа, сделанная под собственное оперирование (B2C), просто непродаваема», — заявил Сергей Ефименко.
Эксперт также отметилл, что за такие затраты на содержание собственной разработки (от €200 тыс. в месяц) можно позволить в наши дни практически любое B2B решение, которое будет дешевле и эффективнее.
«Намного дешевле и эффективнее как в той же авиации, консолидировать усилия, оставив несколько наиболее успешных кейсов, и инвестировать в их развитие. Иначе просто нет смысла в фундаментальных исследованиях и раздувании и без того огромных разработчицких бюджетов на то, что в итоге зачастую намного примитивнее, чем существующие B2B решения. Поэтому я вижу в будущем развитие таких технологий именно в B2B рынке, либо же в случаях огромных гигантов закрытого типа», — заключил эксперт.
Итог
На сегодня нейронные сети у букмекеров пока не получили широкого применения. Но в компаниях о них знают и пробуют внедрять. С каждым годом объемы внедрения становятся все больше, а это значит только одно. В скором времени выжить без подобной разработки в букмекерском бизнесе будет нелегко, если вообще возможно. Ну а игрокам предстоит «соперничать» не с человеком, а с искусственным интеллектом в стремлении разорить букмекера.
Читать далее
