Por qué los operadores de iGaming siguen fallando con los datos en tiempo real
Mientras los operadores de iGaming continúan invirtiendo en inteligencia artificial (IA), automatización de gestión de relaciones con clientes (CRM) y tecnologías de engagement de jugadores, la industria pone cada vez más el foco en cómo los datos pueden utilizarse para mejorar la adquisición, la retención y el valor del jugador a largo plazo. En todo el sector, los operadores avanzan hacia estrategias de engagement más personalizadas y predictivas, al tiempo que enfrentan desafíos relacionados con sistemas fragmentados, latencia de datos, aumento de costes de infraestructura y un creciente escrutinio regulatorio en torno a la protección del jugador y el juego responsable.
En una conversación exclusiva con SiGMA News, Christoffer Feldt-Sørensen, director comercial ( de Symplify, una plataforma sueca de interacción de clientes y automatización de marketing, explica por qué muchos operadores de iGaming todavía malinterpretan el concepto de “datos en tiempo real” y por qué el flujo continuo de datos se está volviendo más importante para el engagement y la retención de jugadores. La entrevista también analiza herramientas de retención impulsadas por inteligencia artificial, prevención predictiva del abandono, datos de comportamiento, estrategias de adquisición basadas en bonos y el papel del juego responsable en las operaciones basadas en datos.
SiGMA News: Todo el mundo en el iGaming afirma utilizar datos en tiempo real. ¿Qué están haciendo realmente mal los operadores cuando hacen esa afirmación en la práctica?
Christoffer Feldt-Sørensen: “Los ‘datos en tiempo real’ se han utilizado mal durante tanto tiempo que los operadores han perdido totalmente la confianza en el término, y con razón. Lo que la mayoría de proveedores llama tiempo real es en realidad casi tiempo real, con latencia incorporada. El foco ahora se está desplazando hacia el flujo de datos, donde los datos transaccionales se mueven instantáneamente en lugar de hacerlo en lotes retrasados. Piensa en Netflix. Si tu conexión funciona, la película simplemente se reproduce. Sin buffering. Eso significa que las interacciones del jugador pueden activarse en el mismo momento en que ocurre algo, y no segundos o minutos después. La diferencia parece pequeña, pero el impacto comercial es significativo”.
SiGMA News: A medida que los operadores invierten más en infraestructura de datos, las expectativas en torno a las capacidades en tiempo real aumentan. ¿Qué deberían priorizar ahora para que estos sistemas realmente aporten valor?
Feldt-Sørensen: La inversión en infraestructura no significa nada si el equipo de CRM todavía tiene que abrir un ticket y esperar una semana cada vez que quiere crear un nuevo segmento. Esa dependencia del equipo técnico es donde se pierde el valor. Los operadores deben poner más control directamente en manos de las personas más cercanas a los jugadores. Un equipo de CRM debería poder definir un segmento en una reunión matutina y tenerlo activo el mismo día sin intervención técnica.
Una vez que eso está implementado, los operadores pueden pasar de recorridos amplios de jugadores a recorridos altamente específicos, a veces involucrando solo de cinco a siete jugadores. Puede sonar contradictorio hasta que entiendes que normalmente se trata de jugadores VIP y de alto valor, donde la retención y el engagement pueden tener el mayor impacto comercial.
SiGMA News: La IA y los datos en tiempo real suelen presentarse como soluciones para la industria. ¿Dónde está la mayor brecha entre lo que promete la IA y lo que realmente ofrece?
Feldt-Sørensen: La brecha no está en la tecnología. Casi siempre está en la base sobre la que se construye. Los equipos técnicos llegan confiados, diciendo que tienen todo cubierto, y luego se encuentran con problemas cuando llega la realidad. Las herramientas de prevención de abandono son un buen ejemplo. En lugar de esperar un análisis retrospectivo de 30 días, funcionan día a día, identificando jugadores con probabilidad de abandonar mucho antes de que el análisis manual lo haría.
Sin embargo, en las primeras etapas, el proceso es más lento porque el sistema todavía está aprendiendo. Los resultados mejoran con el tiempo y no de la noche a la mañana. Los operadores que terminan decepcionados con la IA suelen ser aquellos que se saltaron el trabajo previo, como resolver datos desordenados, sistemas desconectados y estrategias poco claras, esperando que la tecnología arregle todo por sí sola. La IA amplifica lo que ya existe. Si la base es débil, la IA simplemente acelera el problema.
SiGMA News: La mayoría de las estrategias de adquisición siguen dependiendo mucho de bonos y promociones. ¿Cómo sería un modelo de adquisición verdaderamente impulsado por datos sin depender de bonos?
Feldt-Sørensen: El modelo de adquisición basado en bonos es un poco una trampa. Es fácil, convierte y los números se ven bien el primer día, pero los operadores están adquiriendo en gran medida jugadores que están allí por el bono y no por la marca. Cuando el bono se acaba, ellos también se van, y los operadores vuelven al punto de partida con el presupuesto de adquisición.
Un enfoque realmente impulsado por datos empieza haciendo una pregunta diferente: no “¿Cómo conseguimos que los jugadores se registren?”, sino “¿Qué tipo de jugadores queremos realmente y dónde los encontramos?”. Eso significa utilizar datos de comportamiento y demográficos para construir un perfil de jugadores valiosos a largo plazo y luego diseñar la estrategia de adquisición para atraer a más perfiles similares mediante contenido relevante, los canales adecuados y mensajes que reflejen lo que realmente valoran.
El equipo de CRM y el equipo de marketing necesitan trabajar con los mismos datos y los mismos objetivos desde el primer día, en lugar de limitarse a entregar un registro convertido y esperar lo mejor. La adquisición solo es tan fuerte como lo que ocurre después.
SiGMA News: ¿Puede compartir una situación donde el engagement en tiempo real o impulsado por datos mejore claramente la retención, y otra donde conduzca a una peor experiencia para el jugador?
Feldt-Sørensen: Un ejemplo positivo sería un jugador que encadena 18 pérdidas consecutivas en una tragamonedas. Utilizando flujo de datos, puede activarse inmediatamente una ventana emergente personalizada ofreciendo cinco giros gratis. El jugador continúa, la sesión se prolonga, aumentan los ingresos brutos del juego (GGR) y el jugador siente que la marca lo entiende. Ese es un ejemplo de engagement en tiempo real funcionando de forma eficaz.
Un ejemplo negativo es la sobreautomatización entre canales. Muchos jugadores reciben el mismo mensaje por correo electrónico y luego nuevamente mediante una notificación push pocos momentos después. Cuando la automatización no está gobernada por reglas claras de frecuencia y lógica de preferencias de canal, se convierte en ruido en lugar de engagement. El jugador se siente acosado en vez de valorado. La responsabilidad no debería recaer en el jugador para corregir esa experiencia por sí mismo.
SiGMA News: Los operadores recopilan grandes volúmenes de datos de jugadores a través de múltiples puntos de contacto. ¿Cuál es la mayor brecha entre los datos que recopilan y los datos que realmente utilizan de forma eficaz?
Feldt-Sørensen: Los operadores suelen ser fuertes cuando se trata de datos transaccionales, como apuestas, ganancias y pérdidas, porque la conexión con los ingresos es evidente. Sin embargo, la capa de comportamiento que se encuentra encima de eso sigue estando en gran medida desaprovechada. ¿Qué está mirando el jugador antes de realizar un depósito? ¿En qué punto abandona? ¿Qué revelan sus patrones de navegación sobre lo que realmente quiere jugar? Esos datos ya existen, pero gran parte de ellos sigue sin utilizarse.
Las herramientas de recomendación de juegos impulsadas por inteligencia artificial se utilizan cada vez más para presentar a los jugadores juegos adaptados a su comportamiento, y el impacto en los ingresos brutos del juego (GGR) puede ser significativo. Los operadores que no utilizan este tipo de datos no tienen problemas porque sus datos transaccionales sean inexactos. Tienen problemas porque siguen tratando a todos los jugadores de la misma manera una vez que entran en el sitio.
SiGMA News: Muchas plataformas se presentan como predictivas e impulsadas por inteligencia artificial. ¿Qué capacidad deben tener los operadores antes de que los sistemas predictivos y basados en IA puedan funcionar?
Feldt-Sørensen: Flujo continuo de datos. No datos casi en tiempo real ni datos procesados por lotes, sino flujo de datos real. Todo lo demás se construye sobre esa base. Si los datos llegan con latencia, los sistemas de inteligencia artificial están haciendo predicciones utilizando información desactualizada y los activadores se ejecutan demasiado tarde como para tener impacto.
Otro factor importante, que a menudo se pasa por alto, es que el equipo de CRM necesita autonomía para actuar sobre lo que identifica la IA sin pasar por un cuello de botella técnico. Los modelos de detección de abuso de bonos, por ejemplo, pueden señalar a un jugador dentro de los primeros cinco minutos después del registro y eliminar automáticamente la comunicación promocional del recorrido de ese jugador. Eso solo funciona si el sistema, los datos y el equipo están alineados y operan a la misma velocidad.
SiGMA News: ¿En qué momento la ejecución en tiempo real o impulsada por datos empieza a fallar para los operadores, ya sea por costes, complejidad o limitaciones de infraestructura?
Feldt-Sørensen: Hay dos puntos principales en los que comienza a fallar. El primero es el coste. El flujo continuo de datos transaccionales a gran escala tiene un precio considerable, y los operadores que todavía no han visto el retorno suelen mostrarse reacios a realizar esa inversión.
El segundo son las carencias internas de conocimiento. Los equipos técnicos suelen sobreestimar su preparación, se encuentran con dificultades durante la implementación y el proceso se estanca. Un enfoque gradual suele ser más eficaz: comenzar con flujos básicos, generar confianza en la tecnología y luego añadir complejidad progresivamente. Los operadores que intentan escalarlo todo desde el primer día suelen tener dificultades.
SiGMA News: Las estrategias impulsadas por datos suelen estar vinculadas a métricas de ingresos como los ingresos brutos del juego (GGR) y los ingresos netos del juego (NGR). ¿Dónde están sobreestimando los operadores el impacto comercial de estas herramientas?
Feldt-Sørensen: Los operadores suelen sobreestimar el impacto cuando compran una plataforma y asumen que el trabajo ya está hecho. Los operadores que realmente están mejorando sus cifras de GGR y NGR son aquellos que invierten tiempo en entender a sus jugadores, y no solo sus datos. Hay una diferencia. Los datos te dicen qué ocurrió. La comprensión te dice por qué ocurrió y qué hacer después.
Los operadores que tienen dificultades normalmente persiguen resultados rápidos, ejecutan un pequeño número de recorridos amplios para jugadores y se preguntan por qué el rendimiento no mejora. En cambio, los operadores que dedican tiempo a perfeccionar segmentos, volverse más específicos y permitir que recorridos más pequeños funcionen durante periodos más largos suelen ser los que consiguen una retención más fuerte y una interacción más significativa con los jugadores.
SiGMA News: Existe una presión creciente en torno al juego responsable y la privacidad de los datos. ¿La personalización impulsada por datos puede realmente apoyar la protección del jugador o sigue utilizándose principalmente para generar ingresos?
Feldt-Sørensen: La personalización impulsada por datos puede apoyar tanto la protección del jugador como el rendimiento comercial. Los operadores que tratan esos objetivos como opuestos están perdiendo el punto central. El mismo flujo continuo de datos utilizado para activar una oferta de giros gratis en el momento adecuado también puede identificar señales de riesgo, como un aumento repentino en los depósitos, sesiones que duran mucho más allá del patrón normal de un jugador o comportamientos que difieren significativamente de su actividad previa.
Cuando aparecen esos indicadores, la comunicación promocional puede pausarse automáticamente y, en su lugar, el jugador puede ser dirigido hacia un recorrido de juego responsable. El cumplimiento normativo se está volviendo cada vez más importante en los mercados regulados, y los operadores que dependen de la personalización únicamente para el crecimiento de ingresos a corto plazo probablemente enfrentarán un mayor escrutinio regulatorio. Un enfoque más sostenible consiste en construir sistemas donde la protección del jugador y el rendimiento comercial trabajen juntos.
SiGMA News: Desde su perspectiva en Symplify, con visibilidad sobre múltiples operadores, ¿cuál es un hábito de la industria relacionado con los datos o el CRM que necesita desaprenderse o cambiarse de forma fundamental?
Feldt-Sørensen: El pensamiento retrospectivo. La gran mayoría de operadores todavía realiza análisis de abandono mirando 30 días hacia atrás y reaccionando ante jugadores que ya se han ido. Eso no es retención. Es rescate.
El hábito que debe cambiar es esperar señales que ya son evidentes. Los operadores que lideran la industria utilizan cada vez más la inteligencia artificial para identificar riesgos de abandono días o semanas antes de que ocurran e intervenir cuando todavía existe una relación que preservar. Pasar de sistemas reactivos a sistemas predictivos no es solo una mejora tecnológica. También es un cambio más amplio en la forma en que los operadores entienden el valor del jugador.
Suscríbete AQUÍ al top 10 de noticias y al boletín semanal de SiGMA para mantenerte al día con las últimas noticias de la autoridad mundial del iGaming y obtener beneficios exclusivos para suscriptores.
