KSA mapuje ryzykowne zachowania hazardowe w badaniu Markers of Risk

Badania i Raporty
Wiktor Czerwiński 13:53 28/01/2025

Ostatnia aktualizacja: 28 stycznia 2025

Holenderski Urząd ds. gier hazardowych Kansspelautoriteit (KSA) wykorzystał zebrane (zanonimizowane) dane graczy do zidentyfikowania wskaźników ryzykownego zachowania hazardowego. Wyniki badania pozwolą organowi nadzorczemu porównać różnych posiadaczy licencji pod kątem innych aspektów niż tylko ekstremalne straty.

Problemy związane z hazardem i nadmiernym graniem często kojarzą się z utratą dużych sum pieniędzy. Strata dużych kwot rzeczywiście może być wskaźnikiem ryzykownego zachowania hazardowego, ale także inne wskaźniki odgrywają ważną rolę w wykrywaniu problematycznych graczy, takie jak czas spędzony na grze czy zmiany w zachowaniu gracza (np. coraz częstsze lub granie o nietypowych porach).

Operatorzy gier hazardowych posiadający licencję muszą przechowywać dane w obowiązkowej skarbcu danych (CDB), w którym przechowywane są zanonimizowane dane graczy i transakcji. KSA przeanalizowała te dane w celu zidentyfikowania ryzykownego zachowania hazardowego, oceny (przydatności) zastosowanych interwencji przez operatorów oraz porównania różnych operatorów.

Badanie obejmowało różne wskaźniki problematycznego hazardu: intensywność (częste granie lub duże straty), utrata kontroli (liczba wpłat dziennie), wzrost w zachowaniach hazardowych (częstsze lub dłuższe granie, wydawanie więcej pieniędzy), wybór gry (np. zakłady sportowe vs automaty do gry) oraz interwencje operatora. Analizy zostały przeprowadzone na podstawie rocznych danych z CDB.

Porównując różne wskaźniki lub łącząc je, KSA uzyskała wiele nowych, interesujących spostrzeżeń. Na przykład granie w nocy jest ogólnie uważane za ważny wskaźnik ryzykownego zachowania hazardowego. Z danych wynika, że gracze częściej grają w kasynowe gry w nocy niż zawierają zakłady sportowe. Może to oznaczać, że gry kasynowe są bardziej ryzykowne niż zakłady sportowe. Jednocześnie może to oznaczać, że zawieranie zakładów sportowych w nocy jest silniejszym wskaźnikiem ryzykownego zachowania: zdarza się to rzadziej i mocniej odbiega od normy.

KSA teraz bada, w jaki sposób to badanie i uzyskane wnioski mogą zostać wykorzystane przez organ nadzorczy, aby lepiej zrozumieć potencjalnych problematycznych graczy i opracować skuteczniejszą metodę ich monitorowania. Dodatkowo rozważa, jak uzyskane spostrzeżenia mogą zostać wykorzystane w innych celach w celu poprawy nadzoru.


Oryginalny raport w języku angielskim o długości 17 stron znajduje się tutaj. Jego pełne tłumaczenie, bez przypisów, znajduje się poniżej.

  1. Wprowadzenie

Hazard online w Holandii został uregulowany w 2021 roku. Jednym z wymagań dla licencjonowanych operatorów jest przechowywanie danych dotyczących gry w cyfrowym sejfie (zdalny sejf danych hazardowych). Dane te są bogate i zawierają informacje o transakcjach (wpłatach, wypłatach, stawkach i wygranych), rodzaju gier, zmianach w ustalonych limitach graczy oraz interwencjach podejmowanych przez operatorów. Dane zawierają również zanonimizowane kody graczy, informacje o wieku gracza oraz jego statusie u danego operatora, ale nie zawierają innych danych osobowych. Zasadniczo dane te mogą być legalnie dostępne tylko dla Holenderskiego Urzędu ds. Hazardu (Kansspelautoriteit, Ksa) w celu nadzoru, aby monitorować i zapewnić zgodność z obowiązującymi przepisami.

Celem tego projektu było wykorzystanie tych danych na rzecz efektywnego nadzoru w celu zapobiegania uzależnieniu od hazardu. Głównym celem było opracowanie narzędzia, które mogłoby być używane (i) do porównywania operatorów pod względem ryzykownego zachowania ich graczy, (ii) do oceny zakresu interwencji podejmowanych przez operatorów oraz (iii) skuteczności tych interwencji. Celem nie było ocenianie ryzyka na poziomie indywidualnych graczy, ale raczej zachowań na poziomie operatorów.

Naszym celem było rozszerzenie podejścia, aby skupić się na przypadkach nie tylko związanych z ekstremalnymi stratami, ponieważ gracze, którzy ponoszą takie straty, stanowią grupę nietypową. Niektórzy z nich pochodzą z wyższej klasy dochodowej, a inni podejmują nadzwyczajne działania, aby finansować swój hazard (Focal Research, 2022). Chociaż koszty hazardu i problemy z hazardem są ze sobą powiązane, nie oznacza to, że problemy z hazardem muszą być charakteryzowane przez wysokie koszty. W rzeczywistości większość graczy z problemami hazardowymi nie traci nadmiernych kwot pieniędzy (Kesaite, Wardle i Rossow, 2024). W tym projekcie opracowaliśmy narzędzie do porównywania operatorów w szerokim zakresie wskaźników ryzykownego zachowania – w tym, ale nie ograniczając się do strat.

Niniejszy dokument wyjaśnia kroki, które podjęliśmy, oraz główne obserwacje, które poczyniliśmy do tej pory. Główne pytania związane z nadzorem i monitorowaniem zmieniają się na bieżąco w związku z nowymi spostrzeżeniami oraz wprowadzeniem nowych przepisów. W rezultacie nasze narzędzie i metodologia również stale się rozwijają. Z tego powodu ten dokument koncentruje się bardziej na ogólnym podejściu i spostrzeżeniach z naszych analiz eksploracyjnych, a nie na podsumowaniu dokładnych specyfikacji, które mogą zostać dopracowane w przyszłości.

Raport jest strukturalnie podzielony w następujący sposób. W sekcji 2 krótko podsumowujemy literaturę oraz wyjaśniamy, jak zorganizowaliśmy warsztaty z Focal Research i jakie lekcje wynieśliśmy. W sekcji 3 przedstawiamy różne obserwacje z naszych analiz eksploracyjnych skupiających się na takich tematach jak intensywność, utrata kontroli, wzrost hazardu, rozróżnianie rodzajów gier oraz interwencje. Na koniec, wnioskujemy z końcowymi uwagami dotyczącymi poprawy metodologii i wykorzystania spostrzeżeń w celu ułatwienia ustalania sensownych norm zarówno dla branży, jak i regulatorów.

2 Lekcje wyniesione z literatury i warsztatów

Naszym punktem wyjścia była istniejąca literatura na temat wskaźników ryzykownego zachowania, a następnie seria warsztatów.

2.1 Literatura

Przegląd Delfabbro, Parke i Catania (2023) przedstawia przegląd 58 opublikowanych badań z ostatnich piętnastu lat. Główna lekcja wynikająca z analizowanych prac to fakt, że wyżsi gracze ryzykowni są często powiązani z wyższymi poziomami intensywności gry, częstszymi i większymi wpłatami, większą liczbą odwróconych wypłat oraz częstszym graniem późno w nocy. Gracze zagrożeni zwykle korzystają z kombinacji różnych produktów hazardowych (np. zakłady sportowe i automaty) i często angażują się w szybsze, bardziej ciągłe gry. Są to dość ogólne obserwacje, a jednocześnie brak jest konsensusu co do względnej wagi tych wskaźników. Istnieje wiele powodów takiego stanu rzeczy, a każdy z nich wnosi ważną lekcję do naszego projektu.

Po pierwsze, każde badanie obejmuje inny zestaw wskaźników. W związku z tym niektóre wskaźniki były badane szerzej, podczas gdy inne tylko kilkakrotnie. Przykłady wskaźników, które występują w wielu badaniach to straty, liczba dni gry i liczba wpłat. Przykłady wskaźników, które były badane rzadziej, to uczestnictwo w zakładach na żywo i zmienność wysokości stawek. W wyniku tego dla niektórych wskaźników istnieją solidne dowody na to, że są one powiązane z problematycznym hazardem, podczas gdy dla innych dowody są ograniczone. Te różnice niekoniecznie odzwierciedlają różnice w sile związku między wskaźnikiem a problematycznym hazardem, ale raczej różnice w ich uwzględnieniu w badaniach. Nawet gdy wskaźniki były badane kilkakrotnie, były one często operacjonalizowane w różny sposób, co utrudnia porównania.

Lekcją, którą wynieśliśmy z tego doświadczenia, jest to, że warto zacząć od zestawu wskaźników, które zostały uznane za istotne w literaturze, ale badanie nowych wskaźników powinno być procesem ciągłym. Kolejną lekcją jest to, że musimy dokładnie przemyśleć, jak operacjonalizować wskaźniki.

Drugim problemem istniejącej literatury jest to, że tylko nieliczne badania łączą obiektywne zachowanie graczy z niezależnymi ocenami ryzyka graczy. Choć niektóre badania stosują pytania przesiewowe w ankietach, oparte na przykład na Problem Gambling Severity Index (PGSI), status ryzyka często mierzony jest za pomocą wskaźników takich jak samo-wykluczenie. Jednak nie wszyscy gracze, którzy się wykluczają, są graczami ryzykownymi, a wielu graczy ryzykownych się nie wyklucza (Lischer, 2016). Dlatego samo-wykluczenie nie jest preferowaną miarą statusu ryzyka.

Chociaż nasze dane są rozległym źródłem informacji na temat obiektywnego zachowania graczy, brakuje nam niezależnego walidatora statusu ryzyka graczy, jak ma to miejsce w wielu innych projektach. Niemniej jednak, możemy opisać wzorce i porównać operatorów lub sygnalizować (nagle) zmiany w czasie.

Trzecim powodem braku konsensusu w literaturze jest to, że wiele badań korzystało z danych pochodzących od jednego operatora i z jednej jurysdykcji. Różnice w typach oferowanych produktów, różnice w przepisach i różnice kulturowe utrudniają stosowanie wyników z jednego operatora i kraju do innych.

Różnice w wynikach podkreślają konieczność analizy danych pochodzących od kilku operatorów oferujących różne produkty, co dokładnie realizuje nasz projekt. Stosowane techniki mogą być interesujące dla innych regulatorów, podczas gdy dokładne wyniki mogą mieć znaczenie jedynie w holenderskim kontekście regulacyjnym i kulturowym.

Ostatnią ograniczeniem jest to, że badania wykorzystujące dane o grze mogą być prowadzone tylko na danych dostarczonych przez operatorów. Nie istnieją infrastruktury pozwalające badaczom na dostęp do tych danych bez zależności od operatorów. Dla regulatorów jest to trudne, aby ocenić wpływ, jaki operatorzy mają na pytania badawcze, wybraną próbę i decyzję o publikacji wyników. Ponadto niektórzy badacze pracujący z danymi operatorów mają konflikty interesów, ponieważ otrzymują finansowanie od przemysłu hazardowego.

Istnienie sejfu danych pozwala Ksa na przeprowadzanie własnych analiz w celu nadzoru.

2.2 Warsztaty

Aby kontynuować zwiększanie naszej wiedzy na temat identyfikowania ryzykownej gry, poprosiliśmy o pomoc specjalistów od danych dotyczących hazardu, którzy wcześniej pracowali z danymi wzbogaconymi o dane z ankiet. Seria wnikliwych warsztatów i konsultacji prowadzonych przez Prof. Dr Tony’ego Schellincka i Tracy Schrans z Focal Research Consultants pomogła nam poprawić nasze zrozumienie tego, co stanowi ryzykowną grę.

Warsztaty koncentrowały się na zrozumieniu ryzykownej gry oraz konsekwencji różnych wyborów metodologicznych, opartych na wcześniej opublikowanej pracy zarówno Focal Research, jak i innych badaczy. Z powodu ograniczeń prawnych Ksa nie udostępniała żadnych danych ani (wstępnych) wyników Focal Research. Podobnie Focal Research również nie dzieliła się z nami żadnymi zbiorami danych. Dyskusje miały charakter wyłącznie metodologiczny, z użyciem symulowanych zbiorów danych do celów wyjaśniających i testowania hipotez.

W trakcie warsztatów poruszono szeroki zakres tematów. Na przykład nauczyliśmy się, że nie powinniśmy koncentrować się na markerach szkód, ale raczej na markerach ryzyka. Gdy szkoda już występuje, jest za późno. Dogłębnie omawialiśmy, jak myśleć o ryzykownej grze i jak wykrywać charakterystyczne oznaki, że ktoś traci kontrolę, co może się wydarzyć na wiele różnych sposobów. W rezultacie powstaje długa lista wskaźników, które są istotne w przypadku gonienia strat lub ryzykownego bądź zmieniającego się zachowania.

Po drugie, omówiliśmy cel naszego modelu. Zamiast obliczać ryzyko dla indywidualnych graczy, zdecydowaliśmy się skupić na wskaźnikach, które pozwalają nam porównać stopień ryzykownej gry między operatorami. Wszystkie wskaźniki zostały więc zagregowane według operatora, a naszym celem nie było obliczanie wyników ryzyka dla poszczególnych graczy.

Markery ryzykownego zachowania mogą także różnić się w zależności od podgrup. Jednym z przykładów jest rozróżnienie między nadmiernymi wydatkami a graczami o wysokich stawkach. Zgodnie z badaniami Indeksu Przystępności Focal, osoby wydające więcej niż mogą sobie pozwolić mają ograniczony budżet. Zwykle nie znajdują się w górnej części rozkładu strat, ale mają charakterystyczne właściwości, ponieważ grają rzadziej, ale z wysokimi stawkami, zwykle w momentach, kiedy brakuje im zasobów, na przykład w dniach poprzedzających wypłatę (Focal Research, 2022). Podobnie, markery mogą się różnić w zależności od rodzaju gier. Czas gry lub zachowanie w trakcie sesji są istotnymi wskaźnikami w przypadku automatów. Jednak w przypadku zakładów sportowych powinniśmy uwzględnić inne wskaźniki, takie jak zakłady na długie kursy, zakłady łączone lub zakłady na nietypowe gry.

Ostatnią lekcją było to, że średnie wartości nie są zbyt pomocne. Problematyczny hazard często charakteryzuje się ekstremalnymi wartościami w określonych dniach, a nie zachowaniem w przeciętnym dniu. Maksima są zatem również użytecznymi miarami w tym projekcie. W sekcji 3.2, na przykład, omawiamy maksymalną liczbę wpłat, jakie gracze dokonują w ciągu jednego dnia.

3 Kluczowe spostrzeżenia z analiz danych hazardowych

Na podstawie literatury oraz warsztatów dokonaliśmy początkowego wyboru wskaźników, które można pogrupować w różne kategorie:

  •  Intensywność
  • Utrata kontroli
  • Wzrost hazardu
  • Zachowanie operatorów
  • Cechy gier

W tym paragrafie ilustrujemy nasze podejście, korzystając z danych z października 2023 do września 2024 dla dwudziestu pięciu operatorów z łączną liczbą 2.624.676 unikalnych kont graczy (średnio 218.723 miesięcznie). W Załączniku A znajduje się lista definicji wszystkich wskaźników wymienionych w tekście i wykresach.

W tym raporcie wszystkie wykresy są zagregowane według operatorów i miesięcy kalendarzowych. Dla celów nadzorczych obliczamy wskaźniki dla każdego operatora. Dzięki temu możemy porównać operatorów.

W większości sekcji wykluczamy graczy, którzy mają niskie prawdopodobieństwo bycia graczami ryzykownymi, innymi słowy, graczy incydentalnych. Definiujemy graczy incydentalnych jako osoby, które grają mniej niż pięć dni w miesiącu i tracą mniej niż 300 euro miesięcznie. Gracze incydentalni stanowią 49% wszystkich graczy. Wykluczenie tej grupy sprawia, że operatorzy są bardziej porównywalni. Operator z dużą liczbą graczy incydentalnych uzyskałby znacznie lepsze wyniki w niektórych wskaźnikach, niezależnie od wysiłków operatora w celu zapobiegania szkodom związanym z hazardem. Ponieważ nasza definicja graczy incydentalnych opiera się na stratach i liczbie dni gry, przedstawiamy dane dotyczące tych dwóch wskaźników dla całej populacji graczy.

3.1 Intensywność

Wskaźniki intensywności mierzą wolumen hazardu. Przykłady wskaźników w tej kategorii to straty, liczba dni gry i suma stawek. Intensywność hazardu jest jednym z najbardziej badanych aspektów hazardu. Media również regularnie informują o graczach, którzy stracili ogromne sumy pieniędzy, spędzili ekstremalną ilość czasu i doświadczyli problemów, takich jak zadłużenie.

3.1.1 Straty

Nasze analizy danych dotyczących gry pokazują, że większość graczy nie traci dużych kwot pieniędzy. Mediana straty na konto na miesiąc wynosiła 35 euro. Oznacza to, że strata jest wyższa niż 35 euro dla połowy kont, a niższa dla drugiej połowy.

Jednak wykres 3.1 pokazuje, że straty mają dużą zmienność. Rozkład jest również prawoskośny, ponieważ więcej graczy traci pieniądze, niż je wygrywa, a straty są większe niż wygrane. W rezultacie średnia strata jest znacznie wyższa niż mediana, wynosząc 137 euro. Dla młodszych dorosłych mediana (29 euro) i średnia (63 euro) są znacznie niższe niż dla starszych graczy.

Gracze wygrywają pieniądze za pomocą około 20% kont. W przypadku 68% kont (około 700.000 miesięcznie) tracona kwota wynosi 100 euro lub mniej miesięcznie. W przypadku 6,4% kont (około 66.000 kont miesięcznie) tracona kwota przekracza 700 euro. Ponad 2500 euro straciło 1% kont. Jest to mniej więcej miesięczny dochód netto w Holandii (CBS, 2023) i stanowi więcej niż 10.000 kont graczy miesięcznie.

Alternatywnym sposobem przedstawienia rozkładu strat jest spojrzenie na wkład poszczególnych kategorii strat w całkowity dochód z gier hazardowych (GGR, całkowita kwota utraconych pieniędzy). Pokazuje to wykres 3.2. Chociaż tylko 1 procent graczy traci 2500 euro lub więcej miesięcznie, ich straty stanowią 43 procent GGR. Gracze, którzy stracili od 0 do 100 euro miesięcznie, odpowiadają za 11 procent GGR, mimo że stanowią 48 procent graczy. 1 procent graczy młodych dorosłych odpowiada za 33 procent GGR w tej grupie wiekowej. Oznacza to, że dochody operatorów w dużej mierze zależą od małej części ich graczy.

Rysunek 3.2: Procent GGR przypadający na graczy z różnymi stratami. Na podstawie danych z bazy danych o grach hazardowych na odległość (CDB) Gracze przypadkowi i nieprzypadkowi

Rozkład strat, o którym mowa, może się zmienić w wyniku nowych zasad polityki, które weszły w życie od 1 października 2024 roku. Zasadniczo Ksa uznaje neto wpłaty przekraczające 700 euro (300 euro dla młodych dorosłych) za sygnał ryzykownego zachowania. W takich sytuacjach KSA uznaje tymczasową blokadę wpłat za odpowiednią interwencję, chyba że gracz udowodni, że jego sytuacja finansowa pozwala na dokonanie wyższej wpłaty.

3.1.2 Częstotliwość hazardu

Innym wskaźnikiem intensywności hazardu jest częstotliwość gry. Wykres 3.3 pokazuje rozkład liczby dni gry w miesiącu dla wszystkich graczy. Uwzględnione są wszystkie dni, w których dokonano przynajmniej jednej stawki. Mediana liczby dni gry wynosiła 4, a średnia 7.

Rysunek 3.3: Rozkład liczby dni gry w miesiącu

 

3.2 Utrata kontroli

Drugą kategorią jest utrata kontroli. Pewne zachowania mogą wskazywać, że gracze nie są już w stanie kontrolować swojej chęci do hazardu, co jest jednym z charakterystycznych elementów ryzykownej gry. Gracze, którzy mają mniej kontroli nad swoim hazardem, mogą wpłacać częściej, grać częściej w nocy i wielokrotnie podnosić swoje limity.

Jako przykład, wykres 3.4 pokazuje rozkład liczby wpłat dziennie dla graczy, którzy nie są incydentalni. Gracze są zachęcani do wcześniejszego określenia, ile pieniędzy chcą wydać na hazard. Częste dokonywanie wpłat tego samego dnia może sugerować, że gracz nie podjął tej decyzji z wyprzedzeniem lub ma trudności z trzymaniem się swojego budżetu. Dla każdego gracza wybrano dzień z największą liczbą wpłat w miesiącu, który został uwzględniony na wykresie. Gracze, którzy grają przez kilka miesięcy, pojawiają się wielokrotnie na wykresie.

Mediana wynosiła 2 wpłaty dziennie, a średnia 3,6. W przypadku 32 procent kont non-incydentalnych, w danym miesiącu dokonano nie więcej niż jednej wpłaty dziennie. 10 lub więcej wpłat w jednym dniu miało miejsce w przypadku 7 procent kont.

Rysunek 3.4: Dystrybucja maksymalnej liczby depozytów na dzień

3.3 Zwiększony hazard w czasie

Zwiększenie intensywności hazardu to trzecia kategoria wskaźników. Problemy z hazardem często rozwijają się z upływem czasu. Zmiany w zachowaniu, a zwłaszcza wzrost intensywności hazardu, mogą wskazywać, że dana osoba rozwija problem. Przykładami wskaźników są wzrost liczby wpłat i wysoka zmienność wielkości stawek.

Wykres 3.5 pokazuje procent graczy non-incydentalnych, którzy zwiększyli liczbę dni gry przez dwa kolejne miesiące. Ponownie uwzględnione są wszystkie dni, w których dokonano przynajmniej jednej stawki. Wśród graczy non-incydentalnych, którzy grali w kolejnym miesiącu, większość nie zmieniła liczby dni gry o więcej niż 50 procent. Jest więcej graczy z wyraźnym spadkiem liczby dni gry niż graczy z wyraźnym wzrostem.

Rysunek 3.5: Zmiana liczby dni gry w porównaniu do poprzedniego miesiąca – procent graczy niebędących graczami okazjonalnymi.

3.4 Rodzaje gier

Jak wspomniano wcześniej, markery ryzykownego zachowania mogą się znacznie różnić w zależności od rodzaju gry, zarówno pod względem częstotliwości występowania, jak i istotności. Aby to zilustrować, wykres 3.6 pokazuje różnice między grami kasynowymi a zakładami sportowymi pod względem średnich strat, liczby dni gry i procentu graczy, którzy regularnie grają w nocy. Ponieważ są to wszystko wskaźniki intensywności, wykres przedstawia dane dla całej populacji graczy (graczy incydentalnych i non-incydentalnych).

Gra w nocy jest szeroko uznawana w literaturze za dobry wskaźnik ryzykownego zachowania. Na wykresie 3.6 gra w nocy definiowana jest jako procent graczy, którzy grali przez pięć lub więcej nocy lub którzy stracili więcej niż 300 euro w nocy. Chociaż gracze kasynowi zwykle częściej grają w nocy, warto zauważyć, że zakłady na noc są dość nietypowe i na poziomie indywidualnym mogą stanowić silniejszy wskaźnik ryzyka niż gra w kasynie w nocy. Temat ten będziemy zgłębiać w przyszłych projektach.

Rysunek 3.6: Zachowanie graczy w grach kasynowych i zakładach sportowych

Oprócz ogólnego rozróżnienia między grami kasynowymi a zakładami sportowymi, możliwe jest kilka bardziej precyzyjnych klasyfikacji gier. Dane pozwalają na rozróżnienie gier kasynowych rozgrywanych przeciwko operatorowi a gier przeciwko innym graczom. Dane pozwalają także na jeszcze bardziej szczegółowe rozróżnienia, takie jak między ruletką, blackjackiem i różnymi rodzajami automatów. Podobnie, oprócz głównego rozróżnienia między wyścigami konnymi a zakładami sportowymi, można rozważyć zakłady na różne rodzaje sportów, konkurencji czy nawet zakładów. Pytania, które planujemy rozważyć w przyszłości to:

  • W jakie gry grają gracze o różnych profilach ryzyka?
  • W jakie gry grają nowi gracze i czy rodzaje gier zmieniają się, gdy gracze grają przez dłuższy czas?
  • W jakie gry grają tzw. High Rollers?

3.5 Zachowanie operatorów

Zgodnie z holenderskim prawem, operatorzy gier hazardowych muszą reagować odpowiednimi interwencjami, gdy pojawią się oznaki nadmiernego hazardu lub ryzyka uzależnienia od hazardu. Operatorzy muszą również raportować te interwencje w sejfie danych. Jednak obecnie istnieją duże różnice w sposobie raportowania interwencji przez operatorów. Niektórzy operatorzy raportują interwencje niższego poziomu w swoim sejfie danych, podczas gdy inni operatorzy mogą raportować tylko interwencje wyższego poziomu. To utrudnia interpretację progów, przy których operatorzy podejmują interwencje. Ponieważ planujemy zająć się tym problemem w przyszłości, w tej sekcji nie podajemy rzeczywistych liczb. Zamiast tego koncentrujemy się na metodologii, którą stosujemy do oceny, czy operatorzy podejmują interwencje w odpowiednim czasie i w odpowiedni sposób.

Aby ocenić terminowość interwencji, możemy na przykład obliczyć całkowitą stratę do momentu przeprowadzenia pierwszej interwencji w odniesieniu do konkretnego gracza, jeśli jakakolwiek interwencja miała miejsce. Następnie możemy porównać średnią całkowitą stratę do pierwszej interwencji między operatorami. To podejście można rozszerzyć na inne wskaźniki, takie jak liczba dni gry lub liczba wpłat do pierwszej interwencji.

Aby ocenić skuteczność interwencji, porównujemy miesięczną stratę w miesiącu interwencji z miesiącami po interwencji. Jest to zilustrowane za pomocą danych syntetycznych w lewej części wykresu 3.7. Niebieska linia pokazuje średnią stratę graczy, którzy byli poddani pierwszej interwencji w miesiącu interwencji (kwiecień) oraz w miesiącach po (maj – lipiec). W miesiącu po interwencji ich straty zmniejszyły się. Na pierwszy rzut oka interwencja wydaje się skuteczna. Jednak jak pokazuje wykres 3.5, wielu graczy gra mniej lub nawet rezygnuje z hazardu w kolejnym miesiącu. Aby wyciągnąć wnioski na temat skuteczności interwencji, musimy porównać zmniejszenie strat z grupą kontrolną, innymi słowy, grupą graczy o podobnym poziomie strat, którzy nie byli poddani interwencji.

Aby to zrobić, musimy dopasować graczy, którzy byli poddani interwencji, do graczy, którzy mieli podobne cechy, ale nie byli poddani interwencji. Linie w prawej części wykresu 3.7 przedstawiają różne hipotetyczne scenariusze. Linie przedstawiają graczy, którzy nie byli poddani interwencji, ale mieli podobną stratę w kwietniu do graczy z lewej części wykresu. Zielona linia pokazuje spadek strat po kwietniu, ale spadek ten jest mniejszy niż dla graczy, którzy byli poddani interwencji. Doświadczenie dużej straty może skłonić graczy do zmiany zachowania, nawet jeśli operator nie interweniuje. To samo może również wystąpić z powodu regresji do średniej. Innymi słowy, losowe wahania w stratach mogą oznaczać, że gracze, którzy mieli duże straty w kwietniu, będą mieli niższy poziom strat, nawet jeśli nie zmienią swojego zachowania. Aby ocenić skuteczność interwencji, porównamy więc zmniejszenie strat w grupie z interwencją z grupą bez interwencji. Zielona linia reprezentuje scenariusz, w którym interwencje prowadzą do zmniejszenia strat. Jednak fioletowa linia ilustruje scenariusz, w którym spadek strat jest równie silny w sytuacji z interwencją, jak i bez interwencji. Wniosek z tego drugiego scenariusza byłby taki, że interwencja jest nieskuteczna.

Aby ocenić skuteczność interwencji, porównujemy różnice między graczami z interwencjami a graczami bez interwencji dla każdego operatora. Aby stworzyć porównywalne grupy, dopasowujemy graczy nie tylko na podstawie strat, ale również na szerszym zestawie wskaźników.

Rysunek 3.7: Strata w miesiącu pierwszej interwencji i kolejnych miesiącach. Dla graczy z interwencją i dopasowanych graczy bez interwencji.
Dane syntetyczne. Kolory oznaczają różne hipotetyczne scenariusze.

Tutaj przedstawiliśmy ilustrację tego, jak porównujemy terminowość i skuteczność interwencji operatorów w odniesieniu do strat. To podejście można oczywiście rozszerzyć na inne wskaźniki niż straty.

4. Plany na przyszłość

Celem projektu było opracowanie metody monitorowania operatorów pod kątem ryzykownego zachowania ich graczy. Dzięki temu projektowi jesteśmy teraz w stanie porównywać operatorów na podstawie szerokiego zakresu wskaźników, identyfikować skrajności między operatorami, sygnalizować nagłe zmiany i ogólnie badać wpływ interwencji.

Nasze podejście, które polega na pracy na poziomie operatorów, jest istotne dla nadzoru, ponieważ pomaga nam priorytetowo traktować operatorów, na których powinniśmy się skoncentrować w naszych dogłębnych badaniach. Zamiast flagować poszczególnych graczy jako będących w ryzyku, opracowaliśmy zestaw wskaźników do oceny stopnia ryzykownej gry wśród wszystkich (non-incydentalnych) graczy związanych z danym operatorem. Obecnie badamy, jak najlepiej wykorzystać to narzędzie w praktyce, a nowe spostrzeżenia z tego procesu będą wykorzystywane do dopracowania naszych metod. Rozszerzamy także naszą uwagę na poziom indywidualnych graczy, aby identyfikować graczy będących w ryzyku. Pozwoli to ocenić, czy operatorzy skutecznie wykorzystują narzędzia odpowiedzialnego hazardu w przypadku graczy w ryzyku.

Opracowane przez nas narzędzia są także użyteczne do oceny polityki. Jeden z naszych obecnych projektów polega na monitorowaniu wpływu nowych holenderskich regulacji dotyczących odpowiedzialnego hazardu, które zostały wprowadzone na początku tego roku.

Istnieje kilka możliwości dalszej poprawy. Po pierwsze, Ksa planuje zaktualizować model danych, w którym określimy dane, które operatorzy muszą przesyłać oraz format, szczególnie w odniesieniu do interwencji. Obecne definicje nie oddają tego, co operatorzy robią w praktyce, co powoduje różnice w raportowaniu między operatorami. W aktualizacji dostarczymy bardziej szczegółowe kategorie, które będą lepszym odzwierciedleniem tego, jak interwencje są realizowane w praktyce.

Po drugie, możliwość śledzenia graczy między operatorami pozwoliłaby na uzyskanie lepszych spostrzeżeń. Na chwilę obecną możemy śledzić graczy tylko w ramach jednego operatora. Jednak szacujemy, że połowa graczy korzysta z więcej niż jednego konta w okresie sześciu miesięcy (patrz Monitoringsrapportage Online Kansspelen najaar 2024). Wszystkie wyniki przedstawione powyżej należy oceniać i interpretować w kontekście kont graczy, a nie samych graczy.

Po trzecie, włączenie niezależnej miary problematycznego hazardu (takiej jak wynik PGSI) do sejfu danych pozwoliłoby nam przetestować wyjaśniającą moc wskaźników i poprawić sposób testowania modeli oraz formułowania norm.

0 komentarzy

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

E-PLAY.PL