Trabalho com dados o suficiente para saber o quanto um comportamento registrado com consistência revela sobre uma pessoa. Horário em que ela aposta, quanto tempo depois de uma perda ela volta a apostar, se aumenta o valor após um resultado ruim — cada um desses sinais é registrado, e em plataformas de apostas, é usado para personalizar estímulo, não para proteger o usuário.
O que esse dado permite prever
Um sistema que acompanha esse tipo de comportamento de jogo problemático consegue identificar, com razoável precisão, quando um usuário está mais vulnerável — perdendo seguido, apostando fora do padrão, aumentando valor de forma impulsiva. A pergunta que caberia a qualquer engenheiro responsável é: o que o sistema faz com essa informação? Na maioria das plataformas, a resposta é: usa para oferecer bônus e notificação no momento exato em que a pessoa está mais suscetível a continuar.
A diferença entre personalização boa e exploração
Uso dado comportamental no meu próprio trabalho para entender o que engaja um usuário legitimamente — qual conteúdo ele lê, qual funcionalidade ele usa mais. A linha que separa isso de exploração é a intenção por trás da personalização: ajudar o usuário a atingir um objetivo dele, ou explorar um momento de fragilidade para gerar receita. Tecnicamente, os dois usam a mesma infraestrutura de dados; eticamente, são opostos.
Prova em código, não só em teoria
Até aqui, expliquei o mecanismo matemático e comportamental. No próximo post, saio da teoria e mostro em código: uma simulação simples provando que, estatisticamente, a matemática nunca fecha a favor do apostador no longo prazo.
