Esports is datagedreven als geen andere sport.
Met een goede gegevensbron is het mogelijk om op elk moment volledige informatie over een wedstrijd te hebben, maar het creëren van goede betrouwbare kansspel-kansen voor esports blijft een uitdaging in de branche, schrijft Darina Goldin, directeur Data Science bij Bayes Esports.
Een deel daarvan kan worden toegeschreven aan de relatieve nieuwheid van esports handelaren die bekend zijn met de games zijn nog steeds moeilijk te vinden.
Esports-kansen vallen dus vaak in handen van bookmakers die alleen traditionele sportervaring hebben of datawetenschappers die slechts een beperkt begrip hebben van de gokmarkt, we hebben bedrijven als Bayes Esports nodig die ervoor zorgen dat partijen samenwerken.
Alleen dan wordt het mogelijk om esports-kansen te creëren die eerlijk, vermakelijk en uiteindelijk winstgevend zijn.
De eerste stap bij het creëren van kansen is het creëren van een model dat de gamestatus correct weergeeft.
Meestal wordt een esports-wedstrijd gespeeld als een set kaarten (vergelijkbaar met sets in tennis) en beginnen we met de kaart of wedstrijd winnaarsmarkt.
Gezien alle momenteel beschikbare informatie, willen we de kansen voor elk team om de kaart te winnen correct inschatten.
Uit deze waarschijnlijkheid kunnen afgeleide markten worden berekend: de winkansen van de wedstrijd, evenals de juiste uitkomsten en handicaplijnen.
Dan kunnen we ons wenden tot zijmarkten die erg titelspecifiek zijn.
In FPS zoals Counter-Strike willen we onder andere kansen bieden voor ronde-overwinningen, bominstallaties en onschadelijkheden, headshot en aastellingen.
In MOBA-titels zullen we ons concentreren op doelstellingen, zoals het team dat de eerste toren laat vallen, of het doden van een significant neutraal monster zoals Roshan in Dota 2.
Hier stuiten we al op de eerste moeilijkheid bij het voorspellen binnen esports.
Zijmarkten zijn niet altijd gerelateerd aan de kaartwinnaar Sommige zijmarkten zijn zeer indicatief voor de kaartwinnaar – het winnen van de pistoolronde in CS:GO bepaalt gemakkelijk de uitkomst van de volgende twee rondes en het krijgen van de eerste Baron in League of Legends betekent dat je zeer waarschijnlijk de kaart zult winnen.
Andere doelstellingen zijn echter meer willekeurig of onderhevig aan verschillende teamstrategieën, First Blood is zo’n markt.
Deze markt wordt gewonnen door het team dat de eerste kill krijgt, misschien vergelijkbaar met de eerste basket in basketbal.
Bij het voorspellen van de eerste basket houden we rekening met de kans dat elk team de fooi wint, wat meer afhangt van de grootte van hun langste speler dan van de vaardigheid van het team als geheel.
Dus hoewel het behalen van de eerste basket je ongetwijfeld een voordeel geeft om de wedstrijd te winnen, kunnen we eindigen met zeer verschillende kansen voor de twee markten.
Hetzelfde geldt voor first blood, vooral in MOBA’s, waar de correlatie tussen het behalen van de eerste kill en het winnen van de kaart ongeveer 0,22 is.
Soms heeft een team een betere opzet om de eerste kill te krijgen, omdat ze een vroege spelstrategie spelen.
Soms is de eerste moord gewoon willekeurig. Vergelijk dat eens met de eerste vermoorde baron, die in de huidige patch een correlatie van 0,78 heeft met de kaartwinnaar!
Het strategieargument is nog overtuigender als het gaat om de eerste Dragon in League of Legends.
Ook hier ligt de correlatie tussen het krijgen van de draak en het winnen van de wedstrijd momenteel op ongeveer 0,21.
Het is een voordeel, maar veel teams winnen zonder de eerste draak te hoeven of te plannen!
Sterker nog, in Dota 2 kun je soms voorspellen wie de eerste Roshan zal krijgen door simpelweg naar de teamsamenstellingen te kijken.
Ursa in het team hebben, bijvoorbeeld, is een hoge indicator van een Roshan-spel.
Uiteindelijk, of het team het probeert te doden, is een tactische vraag die enigszins los staat van het algemene doel om de kaart te winnen.
Om in deze situaties correct te voorspellen, is een grote hoeveelheid spelkennis vereist, zoals we bij het basketbalvoorbeeld zagen, is dit niet iets dat alleen in esports gebeurt.
Maar hoe vaak is de kans het grootst dat het voetbalteam wint, en niet degene die naar verwachting de meeste corners zal krijgen?
In traditionele sporten zijn deze situaties uitzonderingen op de regel, in esports IS het de regel.
Dit is iets dat heel duidelijk is voor iedereen die bij Bayes Esports werkt, maar het blijft moeilijk om te communiceren met doelgroepen die esports niet goed begrijpen en verwachten dat het favoriete team ook de favoriet is voor alle zijmarkten.
Het maakt het modelleren ook moeilijker in plaats van te kijken naar eenvoudige winstindicatoren zoals het huidige vermogen of het aantal doden, moeten we rekening houden met de eigenschappen van de geselecteerde helden, de vaardigheden en voorkeuren van individuele teams en spelers, enzovoort, vind je prematch odds op Twitter.
Over vaardigheden en voorkeuren gesproken – een veelvoorkomend probleem in esports is het bijhouden van teams!
Er is niet één bron van informatie – er zijn zelfs geen consistente naamgevingsconventies voor teams, een onderwerp dat Bayes Esports in onze laatste whitepaper heeft onderzocht.
Het is gebruikelijk dat teams zich hervormen onder nieuwe organisaties, een aanzienlijk aantal spelers verwisselen of eenvoudigweg door twee verschillende bronnen anders worden genoemd.
Ondanks dat de games bijna volledig online plaatsvinden, vereist het bijhouden van professionele teams momenteel nog steeds een aanzienlijke handmatige inspanning.
Bovendien bestaan er geen definitieve ranglijsten voor esports-teams.
U kunt enkele pogingen tot rangschikking vinden, zoals de topteams van HTLV of Datdota, maar dit zijn niet-officiële bronnen van derden.
Als je een goed idee wilt hebben van teamvaardigheden, heb je geen andere keuze dan je eigen records bij te houden en de teams zelf te volgen, waarbij je twitter zoekt voor de meest recente ontwikkelingen.
Diepgang is alles Een veelvoorkomend pijnpunt bij het creëren van live odds voor met name MOBAgames is het omgaan met de conceptfase.
Aan het begin van elke kaart zullen de teams helden verbannen en kiezen uit een pool van meer dan 100 verschillende opties, totdat elk team er vijf heeft. Alle helden hebben verschillende sterke en zwakke punten en synergieën met elkaar.
Meestal is de strategie van elk team al zichtbaar in de heldenselectie: spelen ze het lange spel of hebben ze helden geselecteerd die het meest effectief zijn in de eerste tien minuten van de wedstrijd?
Zijn ze van plan gebouwen of neutrale monsters zwaar aan te vallen?
Zullen ze in staat zijn om het andere team met succes te counteren?
Al deze vragen hebben invloed op de kansen van de teams in de openingsminuten van de wedstrijd.
Maar hoe beoordeel je het concept geautomatiseerd?
Het enorme aantal combinaties dat je kunt hebben, maakt het onmogelijk om elke mogelijke heldencombinatie statistisch te waarderen.
Voeg hieraan toe dat sommige spelers veel beter zijn in het kiezen van bepaalde helden dan bij anderen, en je kunt een idee krijgen van de moeilijkheden die dit probleem met zich meebrengt bij het modelleren.
Daarom moeten bedrijven zoals Bayes Esports vertrouwen op modelleringstrucs of de mening van experts om de teamsterkte na de selectiefase nauwkeurig te kunnen beoordelen.
Beide benaderingen zijn notoir onbetrouwbaar. Dit geldt met name voor zijmarkten, die erg kwetsbaar zijn voor veranderingen in metagames.
Het is moeilijk om het algoritme het werk zelf te laten doen als je veilig wilt zijn, heb je een handelaar nodig en de handelaar moet begrijpen wat er aan de hand is.
Zeer weinig handelaren zullen het spel echter tot het gewenste niveau kunnen begrijpen en er is maar één slimme gokker nodig om aanzienlijke verliezen te veroorzaken.
Een soortgelijk, maar niet zo moeilijk, probleem doet zich voor met de kaartselectie in CS:GO.
Sommige teams zijn beter in bepaalde kaarten, of zelfs aan één kant van bepaalde kaarten, dit is iets waar we rekening mee moeten houden als we de best mogelijke kansen willen bieden.
Aangezien er geen volledige, officiële database met Counter-Strike-resultaten bestaat, wordt er veel handmatig gedaan om deze informatie te verkrijgen.
Patches, patches, patches nu is hier iets dat je in traditionele sporten nauwelijks zult ervaren: patchen.
Uitgevers houden hun games interessant en evenwichtig door ze regelmatig te patchen.
Patches kunnen kleine veranderingen met zich meebrengen, zoals itemprijs of afkoelduur of ze kunnen nieuwe helden introduceren, gebouwen toevoegen of verwijderen en een aantal andere tweaks.
Vaker wel dan niet, zullen patches de spelregels aanzienlijk veranderen.
Teams zullen de beste manier moeten vinden om onder deze nieuwe regels te spelen en wie zich sneller aan deze regels aanpast, krijgt een concurrentievoordeel.
Dit leidt vaak tot veranderingen in de zogenaamde meta-game – de set van strategieën die op het hoogste niveau van de sport worden gespeeld, we zien patches het vaakst voorkomen in nieuwe titels zoals Valorant en Overwatch.
Deze games worden nog steeds ontwikkeld als een esport en zullen ongetwijfeld drastisch blijven veranderen.
Maar zelfs de langlopende Counter-Strike is niet vrijgesteld, zoals we twee jaar geleden waren toen Valve de economische dynamiek in het spel veranderde.
Het is niet te zeggen wanneer ze zullen beslissen om het weer te veranderen, in League of Legend en Dota 2 zijn patches gewoon een onderdeel van het leven je kunt er minstens één keer per maand een verwachten en je goed aanpassen maakt deel uit van de competitieve vaardigheden.
Dit is de manier van de uitgevers om hun games fris en interessant te houden, ondanks het feit dat ze slechts één kaart en spelmodus bieden.
Als je datagestuurde odds wilt maken, zijn patches de vloek van je bestaan, kijk maar naar de conceptfase!
We hebben zojuist uitgelegd hoe belangrijk het is om het correct te waarderen.
Als een patch bepaalde helden verandert, verandert hun functie in teams dienovereenkomstig en moet je hele onderzoek opnieuw worden gedaan.
Vaak is het niet alleen oud onderzoek, maar oude data die onbruikbaar wordt gemaakt door een patch.
Bijvoorbeeld Dota 2 die eerst heiligdommen introduceerde, vervolgens bewoog en vervolgens verwijderde.
Dit maakte niet alleen de dataset ongeldig, maar vereiste ook dat datawetenschappers van Bayes Esports eerst de zijmarkt eerste heiligdom moesten toevoegen en vervolgens verwijderen.
Na een grote update kunnen zelfs de pro-spelers niet volledig inschatten hoe de meta-game zich zal ontwikkelen en wie er de eerste weken als beste uit de bus zal komen.
Dus hoe kan een bookmaker dat weten?
In deze situaties hebben we geen andere keuze dan onze algoritmen te pauzeren en handmatig te handelen totdat een nieuwe standaard is bereikt.
In het ergste geval vernietigt de patch niet alleen je odds-modellen, maar zelfs je ontledingstechnologie.
Dit gebeurde bijvoorbeeld toen Dota 2 van Source naar Source 2-engine ging, wat van invloed was op alle parsers.
Het patchprobleem is zo inherent en uniek aan esports dat het zijn eigen oplossingen vereist.
Wie als eerste een robuuste manier vindt om met de steeds veranderende metagame om te gaan, heeft een enorm concurrentievoordeel in de wereld van esports-kansen.
De behoefte aan meer talent we hebben het al eerder gezegd en we zeggen het nog een keer: er zijn gewoon niet genoeg handelaren die esports goed genoeg begrijpen om ze te verhandelen.
Het is zelfs verkeerd om te spreken van handelaren die kennis hebben van esports dat is hetzelfde als zeggen handelaren die verstand hebben van sport.
We verwachten niet dat dezelfde persoon even goed in voetbal, boksen en cricket kan handelen, en hetzelfde geldt voor iemand die Dota 2, League of Legends en Counter-Strike verhandelt.
Elke esport-titel is een heel andere game met zijn eigen nuances, elk vereist heel andere kennis, gelukkig is het rauwe talent er al.
We hebben nu een hele generatie die is opgegroeid met het kijken en spelen van esports.
Maar slechts weinigen van deze mensen zijn zich ervan bewust dat esports weddenschappen bestaan en dat er carrièremogelijkheden zijn in deze markt.
De industrie moet deze mensen beter bereiken.
De enige manier om vooruit te komen, is door een nieuwe generatie toegewijde esports-traders op te voeden en op te leiden.
Het is niet genoeg om alleen een vacature op je website te plaatsen je moet deze vacatures adverteren tijdens grote evenementen en je moet ze op instapniveau maken.
