背景 (Background):
现行电竞产品开发模式，开发人员只能获得数据商提供的赔率，而非数据商对于盘口投注选项真实机率的评估。当需要回推真实机率时，行之有年的方式，是直接用返还率与赔率推导出机率。然而此种回推机率的方式，不一定最能有效反映数据商对于真实机率的评估。因此提出Power method的调盘方法，先将数据商提供的赔率，转换成数据商对于真实机率的评估，在将此机率转换成赔率提供给玩家。
目标 (Mission):
将数据商提供的赔率进行加工处理，获得比原本赔率更高的利润率。
方法介绍 (Methodology):
1. 原理及操作流程:
一般計算真實勝率的方式
- 平均法：將隱含勝率平均分配於各球頭
- 正規法：將隱含勝率按照比例分配於各球頭
本文討論的方式
- Power Method ： 使用冪方法將隱含勝率分配於各球頭
2. 潜在问题:
- 经调整后赔率会与其他竞品过水，造成公司亏损。
- 在实际投注时，玩家受到赔率调整而改变投注行为，损害Power method提升获利能力。
3.解决问题 (Solution):
问题1: 经调整后赔率会与其他竞品过水
解决方法
- 选择适合演算法，避免转换后赔率的返还率出现大幅变动。
- 根据”理论转换赔率”与真”实赔率转换统计”，并初步假设”赔率变动结果<0.1”，不会造成玩家投注行为改变决定适合使用的区间。
*理论转换赔率表
| 原始赔率组 | 返还率 | 转换后赔率组 | 转换后赔率返还率 | 赔率转换后变化 | 返还率转换后变化 |
|---|---|---|---|---|---|
| [1.44 , 2.79] | 0.950 | [1.46 , 2.67] | 0.944 | [ 0.02 , -0.12] | -0.006 |
| [1.45 , 2.75] | 0.950 | [1.47 , 2.66] | 0.947 | [ 0.02 , -0.09] | -0.003 |
| [1.46 , 2.72] | 0.950 | [1.48 , 2.64] | 0.948 | [ 0.02 , -0.08] | -0.002 |
*真实赔率转换统计资料
| 较低赔率区间 | 总投注额 | 返还率 | 较高水位赔率的平均变化 |
|---|---|---|---|
| [ 1.40 , 1.45 ) | 3,187,884 | [0.92 , 0.93 ] | 0.127 |
| [ 1.40 , 1.45 ) | 4,260,727 | [0.94 , 0.95 ] | 0.110 |
| [ 1.45 , 1.50 ) | 3,882,500 | [0.92 , 0.93 ] | 0.093 |
| [ 1.45 , 1.50 ) | 1,083,579 | [0.94 , 0.95 ] | 0.078 |
小结: 在 1.45 ~ 2.75 的区间内，不论是理论转换赔率，或是根据数据商提供赔率转换后进行统计的结果，都符合先前的”赔率变动结果 < 0.1” ，故使用1.45 ~ 2.75 区间作为调盘范围，其余赔率范围会维持数据商提供的赔率。
检验结果:
- 观察其他区间，赔率转换性质
| 原始赔率组 | 返还率 | 转换后赔率组 | 转换后赔率返还率 | 赔率转换后变化 | 返还率转换后变化 |
|---|---|---|---|---|---|
| [1.82 , 1.82] | 0.910 | [1.82 , 1.82] | 0.910 | [0 , 0] | 0 |
| [1.85 , 1.80] | 0.912 | [1.85 , 1.80] | 0.912 | [0 , 0] | 0 |
| [1.85 , 1.85] | 0.925 | [1.85 , 1.85] | 0.925 | [0 , 0] | 0 |
| [1.85 , 1.90] | 0.938 | [1.85, 1.90] | 0.938 | [0 , 0] | 0 |
小结: 平水时，赔率不会调整；在赔率接近时，赔率调整幅度也会相对较小。
比较竞品赔率
- 针对特定赔率随机抽样竞品数据比较 :
- 赔率接近的盘口:
| 盘口资讯 | 资讯 |
|---|---|
| 游戏种类 | Dota 2 |
| 联赛名称 | i-League |
| 比赛时间 | 2021 / 4 / 28 / 17:00:00 |
| 盘口类型 | 独赢盘 |
| 收集时间 | 2021 / 4 / 28 / 10:46:10 |
*赔率资讯整理:
| 队伍 | Power method_GB | 竞品_GB | 竞品_IM | 竞品_SABA | 竞品_雷火 |
|---|---|---|---|---|---|
| 主队 PSG.LGD | 1.95 | 1.95 | 1.885 | 1.85 | 1.85 |
| 客队 Invictus Gaming | 1.82 | 1.82 | 1.852 | 1.85 | 1.91 |
| 返还率 | 94.1% | 94.1% | 93.4% | 92.5% | 94.0% |
*最佳赔率资讯:
| 队伍 | 最佳赔率组合 | 返还率 |
|---|---|---|
| 主队 PSG.LGD (GB) | 1.95 | 96.5% |
| 客队 Invictus Gaming (雷火) | 1.91 | 96.5% |
赔率边界的盘口:
| 盘口资讯 | 资讯 |
|---|---|
| 游戏种类 | CSGO |
| 联赛名称 | 甜蜜春季 - 第一季 |
| 比赛时间 | 2021 / 4 / 28 / 15:00:00 |
| 盘口类型 | 独赢盘 |
| 收集时间 | 2021 / 4 / 28 / 11:07:30 |
*赔率资讯整理:
队伍
| Power method_GB | 竞品_GB | 竞品_IM | 竞品_SABA | 竞品_雷火 |
|---|---|---|---|---|---|
| 主队 Case | 2.64 | 2.75 | 2.800 | 2.66 | 2.63 |
| 客队 Young Ninjas | 1.46 | 1.43 | 1.402 | 1.42 | 1.45 |
| 返还率 | 94.0% | 94.1% | 93.4% | 92.6% | 93.5% |
*最佳赔率资讯:
| 队伍 | 最佳赔率组合 | 返还率 |
|---|---|---|
| 主队 Case (IM) | 2.800 | 96.0% |
| 客队 Young Ninjas (GB) | 1.46 | 96.0% |
小结: 针对指定的赔率区间(1.45 ~ 2.75)，使用Power method转换赔率，不论在接近平水(1.85 v.s 1.85)的盘口，或者在接近区间极值赔率(1.45 v.s 2.75)的盘口，都不会造成过水的现象，让玩家有套利的机会。
問題1 - 结论:
- 在控制高赔率最高调整幅度的阀值(<0.1)，加上适用的赔率转换区间(1.45 ~ 2.75)，Power method转换后的赔率不会与其他竞品过水。
问题2: 玩家受到赔率调整会影响投注行为
解决方法:
- 模拟玩家投注行为，检验方法的稳健性。
模拟方法:
- 预想情境: 玩家会因Power Method提升低水赔率，造成投注金额增加；降低高水赔率，造成投注金额减少。
- 实际操作: 设定玩家交易单的抽样比例、下注金额的调整比例，模拟玩家投注的变化。
- 结果比较: 当玩家受到赔率调整而影响下注金额，整体需要变化到怎样的比例，Power method才无法比原始数据商提供赔率带来更好的效益。
检验结果:
- 以Power method赔率升降为高低水分界
- 使用Power method转换后，赔率若较原数据商陪率提升为低水，赔率若降低为高水。
- 图中每笔资料为相同参数模拟100次后的平均结果。
- Y轴数值为，Power method相比数据商赔率所提升的获利率。
Prematch:
- New_power_method_increment_mean = 0.064 - 0.040* low_high_ratio_mean
- Power method 获利提升率 = 0.064 - 0.040* 总投注额比例
- R square = 0.834
- 在Prematch的盘口中，若玩家因为Power method调整赔率，增加投注金额於因Power method调整而变好的赔率（简称A金额），减少投注金额於因Power method调整变差的赔率（简称B金额），每当A金额比B金额增加1倍，Power method的获利提升率会下降4.0%。
Live:
- New_power_method_increment_mean = 0.571 - 0.423* low_high_ratio_mean
- Power method 获利提升率 = 0.571 - 0.423 * 总投注额比例
- R square = 0.85
- 在Live的盘口中，若玩家因为Power method调整赔率，增加投注金额於因Power method调整而变好的赔率（简称A金额），减少投注金额於因Power method调整变差的赔率（简称B金额），每当A金额比B金额增加1倍，Power method的获利提升率会下降42.3%。
综合结果:
| 比赛种类 | 原始资料 Power method 获利提升率 | 原始资料 赔率调升 vs 赔率调降 总投注额比例 | 当Power method 获利提升率 = 0%， 赔率调升 vs 赔率调降 总投注额比例 |
|---|---|---|---|
| Prematch | 4.5% | 0.57 | 1.40 |
| Live | 57.4% | 0.62 | 1.08 |
小结:
- 在Live的比赛中，当玩家因为Power method调整水位，使得有些赔率会比玩家预期的还要高，产生投注此赔率的金额增加，当增加到1.08的比例时，Power method无法在调盘上获得利润的增加。
- 然而玩家投注行为，从原本0.62变动到1.08的下注比例，是非常显著的变动，在先前已严格限制赔率调整的幅度，因此可以合理推估玩家不会因为此赔率调整而造成如此显著地改变行为，进一步验证Power method调盘方法不管在Prematch还是Live的应用都能稳定的发挥效果。
問題2 - 结论:
- 经过模拟玩家投注行为变化，可推论需要经过极度异常的投注变化，Power method才无法在提升获利效果，因此假如玩家投注行为没有大幅改变的话，Power method确实能提升获利。
4.方法验证 (Validation):
建立严谨的验证流程，区分”方法训练资料”，与”最终测试资料”，所有方法测试只能运用在方法训练资料，一旦确立最终方法，则将此方法套用在”最终测试资料”，其结果可视为最终上线结果的估计。
方法训练资料: 2020-整年度-玩家投注资料
资料说明:
| 资讯类别 | 资讯 |
|---|---|
| 资料说明 | 玩家投注资料 |
| 时间 | 2020/1/1 ~ 2020/12/31 |
| 资料笔数 | 432,995 |
测试结果:
| 盘口分类 | 数据商赔率损益 | Power Method赔率损益 | 损益变化 | 变化百分比 |
|---|---|---|---|---|
| 早盘 | 2,150,491 | 2,206,863 | 56,372 | +2.6% |
| 走地 | 1,698,387 | 1,908,768 | 210,381 | +13.4% |
| 总和 | 3,848,878 | 4,115,631 | 266,753 | +7.0% |
最终测试资料: 2021-Q1-玩家投注资料
资料说明:
| 资讯类别 | 资讯 |
|---|---|
| 资料说明 | 玩家投注资料 |
| 时间 | 2021/1/1 ~ 2021/3/31 |
| 资料笔数 | 180,115 |
测试结果:
| 盘口分类 | 数据商赔率损益 | Power Method赔率损益 | 损益变化 | 变化百分比 |
|---|---|---|---|---|
| 早盘 | -1,408,156 | -1,384,810 | 23,346 | +2.4% |
| 走地 | 1,678,009 | 1,795,062 | 117,053 | +7.0% |
| 总和 | 269,853 | 410,252 | 140,399 | +52.0% |
5.总结 (Summary):
(Why) 为何使用Power method能获利?
- 数据商提供的赔率，无法有效反应真实盘口发生的机率，也没有根据玩家投注偏好进行利润分配，因此使用Power method能考虑上述因素提升获利能力。
(How) 如何使用Power method?
- 将数据商提供的原始赔率，进行条件筛选，符合条件的赔率组合，使用Power method核心参数K值进行转换，即可回传转换后赔率提供玩家下注。
(How) 如何避免使用Power method后，产品赔率与其他竞品赔率过水?
- 利用演算法限制转换后的返还率
- 选择合适的赔率使用区间
(When) 何种情况下会影响Power method的获利能力?
- 在玩家投注行为发生极端改变，意即将原本投注的较低水位(1.45 ~ 1.8)金额提升1倍等程度，Power method获利表现才有可能会输给原始数据商赔率。
(Value) Power method约能提升多少获利?
- 根据最终资料验证结果，推估Power method在每季，能比原始数据商赔率提升10%的获利。
(Value)跟”电竞赔率优化 - 多数据源综合开盘”相比，优势在哪?
- 成本: 只需要接入一间数据商，即可优化赔率，达到获利效果。
- 资料佐证: 以真实资料佐证，建立严格的机制，区分训练资料与验证资料，最终使用2021资料，能达到获利效果。
- 上线成本: 与开发同人沟通后，目前的方法，不会造成上线流程的负担。