Система предназначена для того, чтобы снижать убытки букмекера из-за клиентов, которые умеют его обыгрывать, среди таких клиентов, например: боты, вилочники, “умные” разбирающиеся в спорте, опережающие букмекера в скорости реакции на изменения.
Система получает на вход данные об активности клиентов на сайте букмекера, а на выходе выдает список подозрительных клиентов в виде таблицы:
- ID клиента
- Прогноз убытков от клиента в ближайшее время
- Набор правил для интерпретации (паттерны действий и признаков клиентов, которые подтверждают наше решение)
- Набор видов спорта/чемпионатов/котировок, которые мы ограничиваем (могут быть пары, например, запрещаем ставки на “угловые (вид котировки) в футболе (вид спорта)”)
Также система сама умеет проставлять необходимые ограничения клиента в системе букмекера. Т.е. на выходе системы также “тумблер” запрета определенных ставок для выбранных клиентов.
Система внутри состоит из компонент:
- Выгрузка и предобработка данных клиентов
- Обучение ML-модели и расчет бизнес-правил
- Скоринг-предсказание убытков от клиентов ML-моделью
- Интерпретация модели
- Определение видов спорта/чемпионатов/котировок для ограничения ставок
Ситуация эксплуатации системы.
- Система представляет из себя код, который работает на выделенном сервере, который обновляет данные о клиентах и выдает результат с заданной частотой (день/час)
Польза эксплуатации в снижении убытков от невыгодных клиентов, что может повысить чистую прибыль букмекера в случае успеха на 10% и более.
Действия по созданию:
- Предварительная аналитика данных, определение ключевых метрик, предварительное исследование убыточных сегментов
- Разработка предсказательной модели на исторических данных
- Разработка сегментации и интерпретации поведения подозрительных клиентов, исследование-определение паттернов, по которых клиенты нас обыгрывают
- Разработка алгоритма определения видов спорта/чемпионатов/котировок для ограничения ставок
- Тестовые запуски в “песочнице” вместе с бизнес-экспертами
- Вывод системы в промышленную эксплуатацию, тестирования
- Разработка и вывод метрик в дашборд для мониторинга работы системы
- Проведение АБ-теста при работе в боевой среде
- Работы по повышению качества системы
Создатели системы:
- CTO, как главные заказчик, для команды ML и аналитики
- Руководитель команды ML и аналитики (я), отвечает за архитектуру системы и организацию процесса исследований-разработки
- ML-исследователь, три Data-аналитика (готовят данные и исследуют их)
- Два Python-разработчика с компетенциями в ML
- Эксперты службы безопасности и эксперты в беттинге (как консультанты, помощники в валидации и интерпретации)