AI-система персонализации игрового опыта в казино/букмекерских платформах

AI-система персонализации iGaming опыта

iGaming персонализация — это не только рекомендация игр. Это адаптация лобби, бонусных предложений, порогов ответственной игры и интерфейса под индивидуальный профиль каждого игрока. При этом RG (Responsible Gambling) инструменты — не опциональная функция, а регуляторный стандарт.

Персонализация игрового лобби

import numpy as np
import pandas as pd
from sklearn.ensemble import GradientBoostingClassifier
from anthropic import Anthropic
import json

class iGamingPersonalizationEngine:
    """Персонализация для онлайн-казино и ставок"""

    GAME_CATEGORIES = ['slots', 'live_casino', 'table_games', 'poker', 'sports_betting', 'virtual_sports']

    def build_player_preferences(self, session_history: pd.DataFrame,
                                   player_id: str) -> dict:
        """Профиль предпочтений игрока"""
        player_sessions = session_history[session_history['player_id'] == player_id]

        if player_sessions.empty:
            return {'player_id': player_id, 'is_new': True}

        # Предпочтения по категориям (взвешенные по времени игры)
        category_time = player_sessions.groupby('game_category')['session_duration_min'].sum()
        total_time = category_time.sum()
        category_preferences = (category_time / max(total_time, 1)).to_dict()

        # Предпочтения по ставкам
        bet_sizes = player_sessions['avg_bet_size'].dropna()

        # Сессионные паттерны
        return {
            'player_id': player_id,
            'category_preferences': category_preferences,
            'top_game_category': category_time.idxmax() if len(category_time) > 0 else 'slots',
            'avg_bet_size': bet_sizes.mean() if len(bet_sizes) > 0 else 0,
            'avg_session_duration_min': player_sessions['session_duration_min'].mean(),
            'preferred_session_time': int(player_sessions['session_start_hour'].mode().iloc[0]) if len(player_sessions) > 0 else 19,
            'device_preference': player_sessions['device'].mode().iloc[0] if 'device' in player_sessions.columns else 'mobile',
            'total_sessions': len(player_sessions),
            'volatility_preference': self._infer_volatility_preference(player_sessions),
        }

    def _infer_volatility_preference(self, sessions: pd.DataFrame) -> str:
        """Предпочтение волатильности из паттернов игры"""
        if 'game_volatility' not in sessions.columns:
            return 'medium'
        preferred_vol = sessions.groupby('game_volatility')['session_duration_min'].sum().idxmax()
        return preferred_vol if preferred_vol else 'medium'

    def personalize_lobby(self, player_profile: dict,
                           available_games: pd.DataFrame,
                           n_featured: int = 6) -> dict:
        """Персонализация лобби казино"""
        if player_profile.get('is_new'):
            return self._default_lobby(available_games, n_featured)

        top_category = player_profile.get('top_game_category', 'slots')
        vol_pref = player_profile.get('volatility_preference', 'medium')

        games = available_games.copy()

        # Скоринг игр
        games['score'] = 0.0

        # Категорийный матч
        cat_prefs = player_profile.get('category_preferences', {})
        games['score'] += games['category'].map(cat_prefs).fillna(0.05) * 0.40

        # Волатильность
        games['score'] += (games.get('volatility', 'medium') == vol_pref).astype(float) * 0.20

        # Новинки и популярные
        games['score'] += games.get('is_new', False).astype(float) * 0.10
        games['score'] += (games.get('popularity_rank', 100) < 20).astype(float) * 0.15

        # Джекпоты для высокорисковых игроков
        if vol_pref == 'high':
            games['score'] += games.get('has_jackpot', False).astype(float) * 0.15
        else:
            games['score'] += 0.15  # Равномерный бонус для обычных игр

        featured = games.nlargest(n_featured, 'score').to_dict('records')

        return {
            'featured_games': featured,
            'recommended_category': top_category,
            'personalized_banner': self._get_personalized_banner(player_profile),
            'bonus_offer': self._select_bonus(player_profile)
        }

    def _default_lobby(self, games: pd.DataFrame, n: int) -> dict:
        return {
            'featured_games': games.nlargest(n, 'popularity_rank').to_dict('records'),
            'recommended_category': 'slots',
            'personalized_banner': None,
            'bonus_offer': {'type': 'welcome_bonus'}
        }

    def _get_personalized_banner(self, profile: dict) -> dict:
        """Персонализированный баннер в лобби"""
        if profile.get('total_sessions', 0) > 50:
            return {'type': 'loyalty_status', 'message': 'VIP игрок — эксклюзивные турниры'}
        elif profile.get('top_game_category') == 'live_casino':
            return {'type': 'live_tables', 'message': 'Новые live столы уже доступны'}
        return {'type': 'general_promo'}

    def _select_bonus(self, profile: dict) -> dict:
        """Подбор бонусного предложения под профиль"""
        avg_bet = profile.get('avg_bet_size', 10)
        category = profile.get('top_game_category', 'slots')

        if category == 'sports_betting':
            return {'type': 'free_bet', 'amount': round(avg_bet * 5, -1)}
        elif category == 'live_casino':
            return {'type': 'cashback', 'percentage': 10}
        elif avg_bet > 50:
            return {'type': 'high_roller_bonus', 'amount': round(avg_bet * 10, -1)}
        else:
            return {'type': 'free_spins', 'count': 20}


class ResponsibleGamblingMonitor:
    """
    Мониторинг признаков проблемного игрового поведения.
    ОБЯЗАТЕЛЕН по регуляторным требованиям (MGA, UKGC, Роскомнадзор).
    """

    RG_INDICATORS = {
        'session_duration_spike': 'Значительный рост длительности сессий',
        'deposit_frequency_increase': 'Учащение депозитов',
        'loss_chasing': 'Погоня за потерями (рост ставок после проигрыша)',
        'time_of_day_shift': 'Ночные сессии (после 01:00)',
        'multiple_sessions_per_day': 'Более 3 сессий в день',
    }

    def compute_rg_risk_score(self, player_behavior: dict) -> dict:
        """Оценка риска проблемного игрового поведения"""
        risk_score = 0.0
        triggered_indicators = []

        if player_behavior.get('avg_session_duration_change_pct', 0) > 50:
            risk_score += 0.25
            triggered_indicators.append(self.RG_INDICATORS['session_duration_spike'])

        if player_behavior.get('deposit_frequency_7d', 0) > 5:
            risk_score += 0.20
            triggered_indicators.append(self.RG_INDICATORS['deposit_frequency_increase'])

        if player_behavior.get('avg_bet_after_loss', 0) > player_behavior.get('avg_normal_bet', 10) * 2:
            risk_score += 0.30
            triggered_indicators.append(self.RG_INDICATORS['loss_chasing'])

        if player_behavior.get('night_session_ratio', 0) > 0.30:
            risk_score += 0.15
            triggered_indicators.append(self.RG_INDICATORS['time_of_day_shift'])

        rg_level = 'high' if risk_score > 0.6 else 'medium' if risk_score > 0.3 else 'low'

        return {
            'rg_risk_score': round(min(risk_score, 1.0), 2),
            'rg_level': rg_level,
            'triggered_indicators': triggered_indicators,
            'recommended_action': (
                'mandatory_interaction' if rg_level == 'high'
                else 'soft_limit_suggestion' if rg_level == 'medium'
                else 'none'
            )
        }

Персонализация лобби повышает session depth (количество игр за сессию) на 15-25% и retention rate на 10-15%. Обязательное условие: RG-мониторинг должен работать параллельно с персонализацией — повышение engagement и защита уязвимых игроков не противоречат друг другу при правильной реализации.