Dieser Beitrag wurde gemeinsam mit Darren Demicoli von The Mill Adventure geschrieben.

Das Mühlen-Abenteuer ist ein Wegbereiter der iGaming-Branche, der B2B-Partnern anpassbare, schlüsselfertige Lösungen und seinen B2C-Partnern kundenspezifische Branding-Möglichkeiten bietet. Sie bieten eine komplette Gaming-Plattform, einschließlich Lizenzen und Betrieb, für eine schnelle Bereitstellung und den Erfolg von iGaming und setzen sich dafür ein, das iGaming-Erlebnis zu verbessern, indem sie sich durch Innovation von anderen abheben. The Mill Adventure bietet seine Dienste bereits einer Reihe von iGaming-Marken an und strebt danach, kontinuierlich in den Reihen der Branche zu wachsen.

In diesem Beitrag zeigen wir, wie The Mill Adventure seinen Partnern hilft, geschäftskritische iGaming-Fragen zu beantworten, indem es eine Datenanalyseanwendung mit moderner Datenstrategie unter Verwendung von AWS erstellt. Dieser moderne Datenstrategieansatz hat zu Hochgeschwindigkeitsinnovationen geführt und gleichzeitig die Gesamtbetriebskosten gesenkt.

Mit einem Bruttomarktumsatz von über 70 Milliarden US-Dollar und einer globalen Spielerbasis von rund 3 Milliarden Spielern (laut einer aktuellen imarc Marktübersicht 2022-2027) hat die iGaming-Branche in den letzten Jahren zweifellos einen Boom erlebt. Dies stellt eine lukrative Gelegenheit für eine ständig wachsende Liste von Unternehmen dar, die den Markt erschließen und einen größeren Anteil als ihr Publikum gewinnen möchten. Natürlich ist es eine große Herausforderung, in diesem etwas gesättigten Markt wettbewerbsfähig zu bleiben. Das Treffen datengesteuerter Entscheidungen ist entscheidend für das Wachstum und den Erfolg von iGaming-Unternehmen.

Geschäftliche Herausforderungen

Glücksspielunternehmen generieren in der Regel eine riesige Menge an Daten, die potenziell aussagekräftige Erkenntnisse ermöglichen und geschäftskritische Fragen beantworten könnten. Einige der kritischen und allgemeinen geschäftlichen Herausforderungen in der iGaming-Branche sind:

• Was beeinflusst den Umsatz der Marke – ihre neuen Spieler, ihre Stammspieler oder eine Mischung aus beidem?
• Wie bewertet man die Effektivität einer Marketingkampagne? Soll eine Kampagne wieder aufgenommen werden? Welche Spiele sollen über Kampagnen beworben werden?
• Welche Affiliates fördern erstklassige Spieler mit besseren Konversionsraten? Welche Paid-Traffic-Kanäle sollten eingestellt werden?
• Wie lange bleibt der typische Player innerhalb einer Marke aktiv? Was ist die lebenslange Einzahlung eines Spielers?
• Wie kann die Registrierung für Ersteinzahlungsprozesse verbessert werden? Was sind die dringendsten Probleme, die sich auf die Spielerumwandlung auswirken?

Obwohl ausreichend Daten erfasst wurden, stellte The Mill Adventure zwei zentrale Herausforderungen in ihrer Fähigkeit fest, umsetzbare Erkenntnisse zu generieren:

• Mangel an analysefertigen Datensätzen (nicht rohe und unbrauchbare Datenformate)
• Fehlender zeitnaher Zugriff auf geschäftskritische Daten

Beispielsweise generiert The Mill Adventure täglich über 50 GB an Daten. Seine Partner haben Zugriff auf diese Daten. Da die Daten jedoch in Rohform vorliegen, sind sie für die Beantwortung ihrer geschäftskritischen Fragen von geringem Wert. Dies wirkt sich auf ihre Entscheidungsprozesse aus.

Um diesen Herausforderungen zu begegnen, entschied sich The Mill Adventure für den Aufbau einer modernen Datenplattform auf AWS, die nicht nur zeitnahe und aussagekräftige Geschäftseinblicke für die iGaming-Branche liefern konnte, sondern auch effizient verwaltbar, kostengünstig, skalierbar und sicher war.

Moderne Datenarchitektur

The Mill Adventure wollte eine Datenanalyseplattform mit einer modernen Datenstrategie aufbauen, die mit dem Wachstum des Unternehmens wachsen würde. Die wichtigsten Grundsätze dieser modernen Datenstrategie sind:

• Erstellen Sie eine moderne Geschäftsanwendung und speichern Sie Daten in der Cloud
• Vereinheitlichen Sie Daten aus verschiedenen Anwendungsquellen in einem gemeinsamen Data Lake, vorzugsweise in seinem nativen Format oder in einem offenen Dateiformat
• Führen Sie Innovationen mithilfe von Analysen und maschinellem Lernen ein, wobei die übergreifende Notwendigkeit besteht, Sicherheits- und Governance-Compliance-Anforderungen zu erfüllen

Eine moderne Datenarchitektur auf AWS wendet diese Grundsätze an. Zwei Schlüsselfunktionen, die die grundlegende Grundlage einer modernen Datenarchitektur auf AWS bilden, sind Serverless und Microservices.

Die Mill Adventure-Lösung

The Mill Adventure hat eine serverlose iGaming-Datenanalyseplattform entwickelt, die es seinen Partnern ermöglicht, schnell und einfach auf ein Dashboard mit Datenvisualisierungen zuzugreifen, die von den verschiedenen Quellen von Spieldaten, einschließlich Echtzeit-Streaming-Daten, gesteuert werden. Mit dieser Plattform können Stakeholder Daten verwenden, um Strategien zu entwickeln und zukünftiges Wachstum auf der Grundlage vergangener Leistungen zu planen, Ergebnisse zu bewerten und flexibler auf Marktereignisse zu reagieren. Die Möglichkeit, zeitnah auf aufschlussreiche Informationen zuzugreifen und umgehend zu reagieren, hat erhebliche Auswirkungen auf den Umsatz und die Einnahmen des Unternehmens.

Eine serverlose iGaming-Plattform auf AWS

Beim Aufbau der iGaming-Plattform hat The Mill Adventure schnell die Vorteile einer serverlosen Microservice-Infrastruktur erkannt. Wir wollten Zeit für Innovationen und den Aufbau neuer Anwendungen aufwenden, nicht für die Verwaltung der Infrastruktur. AWS-Dienste wie z Amazon API-Gateway, AWS Lambda, Amazon DynamoDB, Amazon Kinesis-Datenströme, Amazon Simple Storage-Service (Amazon S3), Amazonas Athena und Amazon QuickSight bilden den Kern dieser Datenplattformlösung. Der Wechsel zu serverlosen AWS-Services hat Zeit gespart, Kosten gesenkt und die Produktivität verbessert. Eine Microservice-Architektur hat es uns ermöglicht, die Time-to-Value zu verkürzen, die Innovationsgeschwindigkeit zu erhöhen und die Notwendigkeit für eine neue Plattform, Refactoring und Rearchitect in der Zukunft zu reduzieren.

Das folgende Diagramm veranschaulicht den Datenfluss von der Spielplattform zu QuickSight.

Der Datenfluss umfasst die folgenden Schritte:

1. Wenn Spieler auf das Spielportal zugreifen, erfassen zugehörige Geschäftsfunktionen wie Spielaktivität, Zahlung, Bonus, Kontoverwaltung und Sitzungsverwaltung die relevanten Spieleraktionen.
2. Jede Geschäftsfunktion hat einen entsprechenden Lambda-basierten Microservice, der die Aufnahme der Daten von dieser Geschäftsfunktion handhabt. Beispielsweise übernimmt der Sitzungsdienst die Verwaltung von Spielersitzungen. Der Zahlungsdienst wickelt Spielergelder ab, einschließlich Ein- und Auszahlungen von Spielergeldbörsen. Jeder Microservice speichert Daten lokal in DynamoDB und verwaltet die Aufgaben zum Erstellen, Lesen, Aktualisieren und Löschen (CRUD) für die Daten. Einzelheiten zur Implementierung von Event Sourcing finden Sie unter Wie The Mill Adventure Event Sourcing mit DynamoDB in großem Maßstab implementiert hat.
3. Aus den CRUD-Ausgaben resultierende Datensätze werden in Echtzeit in Kinesis Data Streams geschrieben, das die primäre Datenquelle für die Analyse-Dashboards der Plattform bildet.
4. Amazon S3 bildet den zugrunde liegenden Speicher für Daten in Kinesis Data Streams und bildet den internen Echtzeit-Data Lake, der Rohdaten enthält.
5. Die Rohdaten werden durch benutzerdefinierte Extraktions-, Transformations- und Lade-(ETL-)Pipelines transformiert und optimiert und in einem anderen S3-Bucket im Data Lake gespeichert.
6. Sowohl Rohdaten als auch verarbeitete Daten stehen sofort für die Abfrage über Athena und QuickSight zur Verfügung.

Rohdaten werden transformiert, optimiert und als verarbeitete Daten mithilfe einer stündlichen Datenpipeline gespeichert, um die Anforderungen an Analyse und Business Intelligence zu erfüllen. Die folgende Abbildung zeigt ein Beispiel für die Anzahl der Datensätze und die Größe der Daten, die in Kinesis Data Streams geschrieben werden, die schließlich aus dem Data Lake verarbeitet werden müssen.

Diese Datenpipeline-Jobs können grob in sechs Hauptphasen eingeteilt werden:

• Aufräumen – Herausfiltern ungültiger Datensätze
• Deduplizieren – Entfernen doppelter Datensätze
• Aggregation auf verschiedenen Ebenen – Gruppieren von Daten auf verschiedenen Aggregationsebenen von Interesse (z. B. pro Spieler, pro Sitzung oder pro Stunde oder Tag)
• Optimieren – Schreiben von Dateien in Amazon S3 im optimierten Parquet-Format
• Profil melden – Auslösen von Konnektoren mit aktualisierten Daten (z. B. Aktualisierungen von Affiliate-Anbietern und Compliance)
• Aufnehmen – Auslösen eines Ereignisses zum Erfassen von Daten in QuickSight für Analysen und Visualisierungen

Die Ausgabe dieser Datenpipeline ist zweigeteilt:

• Ein transformierter Data Lake, der für eine schnelle Abfrageleistung konzipiert und optimiert ist
• Eine aktualisierte Ansicht der Daten für alle QuickSight-Dashboards und Analysen

Kultivieren Sie mit QuickSight eine datengesteuerte Denkweise

Die Partner von The Mill Adventure greifen sicher über QuickSight-Datensätze auf ihre Daten zu. Diese Datensätze sind gezielt kuratierte Ansichten auf dem transformierten Data Lake. Jeder Partner kann sofort auf seine Daten zugreifen und diese visualisieren. Mit QuickSight können Partner nützliche Dashboards erstellen, ohne über tiefgreifende technische Kenntnisse oder Vertrautheit mit der internen Struktur der Daten zu verfügen. Dieser Ansatz reduziert den erforderlichen Zeit- und Arbeitsaufwand erheblich und beschleunigt den Zugriff auf wertvolle Gaming-Einblicke für die geschäftliche Entscheidungsfindung.

The Mill Adventure stellt jedem Partner außerdem eine Reihe leicht verfügbarer Dashboards zur Verfügung. Diese Dashboards bauen auf der jahrelangen Erfahrung von The Mill Adventure in der iGaming-Branche auf, decken die gängigsten Business-Intelligence-Anforderungen ab und treiben eine datengesteuerte Denkweise voran.

In den folgenden Abschnitten bieten wir einen allgemeinen Überblick über einige der The Mill Adventure iGaming-Dashboard-Funktionen und wie diese verwendet werden, um die Anforderungen der iGaming-Geschäftsanalyse zu erfüllen.

Leistungsindikatoren

Diese Analyse bietet einen umfassenden Satz von iGaming Key Performance Indicators (KPIs) über verschiedene Funktionsbereiche hinweg, einschließlich, aber nicht beschränkt auf Zahlungsaktivität (Einzahlungen und Auszahlungen), Spielaktivität (Wetten, Bruttospielgewinne, Rückkehr zum Spieler) und Konversionsmetriken (aktiv Kunden, aktive Spieler, einzelne Einzahlungskunden, neu registrierte Kunden, neue Einzahlungskunden, erstmalige Einzahler). Diese werden sowohl in quantitativer als auch in visueller Form prägnant dargestellt.

Im folgenden Beispiel-KPI-Bericht können wir sehen, wie wir durch die Darstellung verschiedener iGaming-Metriken für Schlüsselperioden und Lebensdauer die Gesamtleistung der Marke identifizieren können.

Affiliate-Analyse

Diese Analyse zeigt Metriken in Bezug auf die Aktivität, die von Spielern generiert wird, die über Affiliates erworben wurden. Affiliates machen in der Regel einen großen Teil des Traffics aus, der auf Glücksspielseiten gelenkt wird, und ein solcher Bericht hilft dabei, die effektivsten Affiliates zu identifizieren. Es informiert über Leistungstrends pro Affiliate und vergleicht verschiedene Affiliates. Durch die Kombination von Daten aus mehreren Quellen über datenquellenübergreifende QuickSight-Joins können Affiliate-Anbieter-bezogene Daten wie Einnahmen und Klicks zusammen mit anderen wichtigen Gaming-Plattform-Metriken präsentiert werden. Indem wir diese Metriken nach Affiliate aufschlüsseln lassen, können wir bestimmen, welche Affiliates am meisten zur Marke beitragen, wie in der folgenden Beispielabbildung gezeigt.

Kohortenanalyse

Kohortenanalysen verfolgen die Entwicklung von KPIs (z. B. durchschnittliche Einzahlungen) über einen bestimmten Zeitraum für Gruppen von Spielern nach ihrem ersten Einzahlungstag. In der folgenden Abbildung werden die durchschnittlichen Einzahlungen pro Benutzer (ADPU) für Spieler dargestellt, die sich in den letzten 2 Jahren in verschiedenen Quartalen registriert haben. Indem wir uns horizontal entlang jeder Reihe in der Grafik bewegen, können wir sehen, wie sich der ADPU für aufeinanderfolgende Quartale für dieselbe Spielergruppe ändert. Im folgenden Beispiel sinkt der ADPU erheblich, was auf eine höhere Spielerabwanderung hinweist.

Mithilfe von Kohortenanalysen können wir die Churn Rate (Rate der Spieler, die inaktiv werden) berechnen. Darüber hinaus können Sie durch Mittelung der ADPU-Zahlen aus dieser Analyse den Lifetime Value (LTV) der ADPU extrahieren. Dies zeigt die durchschnittliche Einzahlung, die von Spielern im Laufe ihres Lebens bei der Marke erwartet werden kann.

Onboarding-Reise des Spielers

Das Onboarding von Spielern ist kein einstufiger Prozess. Insbesondere erfordern gesetzliche Anforderungen eine Reihe von Compliance-Prüfungen, die in verschiedenen Phasen während des Registrierungsablaufs erfüllt werden müssen. All dies sowie andere Schritte bei der Registrierung (z. B. die E-Mail-Bestätigung) könnten potenzielle Fallstricke für Spieler darstellen, die dazu führen, dass sie die Registrierung nicht abschließen. Das Anzeigen dieser Schritte in QuickSight-Trichtergrafiken hilft, solche Probleme zu identifizieren und Engpässe in solchen Abläufen zu lokalisieren, wie im folgenden Beispiel gezeigt. Darüber hinaus werden Sankey-Visuals verwendet, um die Spielerbewegung über Registrierungsschritte hinweg zu überwachen und Schritte zu identifizieren, die optimiert werden müssen.

Analyse der Kampagnenergebnisse

Bonuskampagnen sind eine wertvolle Werbetechnik, die verwendet wird, um Spieler zu belohnen und das Engagement zu steigern. Kampagnen können Umsatz und Einnahmen steigern, sind jedoch immer mit inhärenten Kosten verbunden. Es ist wichtig, die Leistung von Kampagnen zu bewerten und das Nettoergebnis zu bestimmen. Wir haben eine spezielle Analyse erstellt, um die Bewertung dieser Werbeaktionen zu vereinfachen. Eine Reihe von Schlüsselmetriken in Bezug auf Spieler, die durch Kampagnen aktiviert wurden, sind verfügbar. Dazu gehören sowohl monetäre Anreize für Spielaktivitäten und Einzahlungen als auch andere Details im Zusammenhang mit demografischen Merkmalen der Spieler (wie Land, Altersgruppe, Geschlecht und Kanal). Die Performance einzelner Kampagnen wird analysiert und leistungsstarke werden identifiziert.

Im folgenden Beispiel zeigt die Abbildung links eine Zeitreihenverteilung von Einzahlungen aus Kampagnen im Vergleich zu den globalen Einzahlungen. Die Abbildung rechts zeigt eine geografische Darstellung von Spielern, die von ausgewählten Kampagnen aktiviert wurden.

Demografische Verteilungsanalyse

Marken können versuchen, das Engagement und die Bindung von Spielern zu verbessern, indem sie ihre Inhalte auf ihre Spielerbasis zuschneiden. Sie müssen Informationen über die Demographie ihrer Spieler sammeln und verstehen. Die demografische Verteilung der Spieler variiert von Marke zu Marke, und das Ergebnis von Maßnahmen, die bei verschiedenen Marken ergriffen werden, wird aufgrund dieser Verteilung variieren. Diese demografische Verteilung (Alter, Land, Geschlecht) im Auge zu behalten, hilft dabei, eine Markenstrategie so zu gestalten, dass sie der Spielerbasis am besten entspricht, und hilft bei der Auswahl der richtigen Werbeaktionen, die das Publikum am meisten ansprechen.

Mithilfe von Visualisierungen wie dem folgenden Beispiel ist es möglich, die Verteilung der ausgewählten Metrik entlang verschiedener demografischer Kategorien schnell zu analysieren.

Darüber hinaus zeigt die Gruppierung von Spielern nach der Anzahl der Tage seit der Registrierung, welche Spieler einen höheren Beitrag zum Umsatz leisten, ob es sich um bestehende oder neu registrierte Spieler handelt. In der folgenden Abbildung sehen wir, dass Spieler, die sich in den letzten 3 Monaten registriert haben, kontinuierlich den höchsten Beitrag zu Einzahlungen leisten. Außerdem nimmt der Anteil der Einzahlungen von den anderen beiden Spielergruppen nicht zu, was auf ein Problem mit der Spielerbindung hindeutet.

Compliance und verantwortungsvolles Spielen

The Mill Adventure behandelt den Spielerschutz mit höchster Priorität. Jeder regulierte iGaming-Markt hat seine eigenen Regeln, die von den Glücksspielbetreibern befolgt werden müssen. Dazu gehören eine Reihe von Compliance-Berichten, die regelmäßig an die Behörden in den jeweiligen Rechtsordnungen gesendet werden müssen. Dieser Prozess wurde für neue Marken vereinfacht, indem eine gemeinsame Berichtsvorlage erstellt und die Berichterstellung in QuickSight automatisiert wurde. Dies hilft neuen B2B-Marken, diese Meldepflichten schnell und mit minimalem Aufwand zu erfüllen.

Darüber hinaus gibt es eine Reihe von Kontrollberichten, die verschiedene Bereiche des Spielerschutzes hervorheben. Wie im folgenden Beispiel gezeigt, helfen Berichte zum verantwortungsbewussten Spielen, z. B. solche, die Verhaltensabweichungen von Spielern beschreiben, Konten mit problematischem Spielverhalten zu identifizieren.

Spieler, deren Spielmuster von der identifizierten Norm abweicht, werden zur Überprüfung gekennzeichnet. Dies ist nützlich, um Spieler zu identifizieren, die möglicherweise eingreifen müssen.

Bewertung von Gameplay und Veröffentlichungen

Es ist wichtig, die Leistung und Beliebtheit neuer Spiele nach der Veröffentlichung zu messen. Metriken wie die Teilnahme einzelner Spieler und Spielereinsätze werden in den ersten Tagen nach der Veröffentlichung überwacht, wie in den folgenden Abbildungen dargestellt.

Dies hilft nicht nur bei der Bewertung des gesamten Spielerengagements, sondern kann auch einen klaren Hinweis darauf geben, wie diese Spiele in Zukunft abschneiden werden. Durch die Identifizierung beliebter Spiele kann sich eine Marke dafür entscheiden, Marketingkampagnen auf diese Spiele zu konzentrieren und so sicherzustellen, dass sie Spiele bewirbt, die ihre Spielerbasis ansprechen.

Wie in diesen Beispiel-Dashboards gezeigt, können wir QuickSight verwenden, um Einblicke in die Geschäftsanalyse der iGaming-Daten zu entwerfen und zu erstellen. Dies hilft uns, geschäftskritische Fragen aus dem wirklichen Leben zu beantworten und anhand dieser Erkenntnisse messbare Maßnahmen zu ergreifen.

Zusammenfassung

In der iGaming-Branche sind Entscheidungen, die nicht durch Daten gestützt werden, wie ein Versuch, mit verbundenen Augen ins Schwarze zu treffen. Mit QuickSight befähigt The Mill Adventure seine B2B-Partner und Kunden, Daten zeitnah und bequem zu nutzen und die Entscheidungsfindung mit erfolgreichen Strategien zu unterstützen. Letztendlich wird eine verbesserte Entscheidungsfindung nicht nur einen Wettbewerbsvorteil bei der Maximierung von Umsatzmöglichkeiten erzielen, sondern auch zu einem verbesserten Spielerlebnis führen.

Greifen Sie zu Das Mühlen-Abenteuer und starten Sie noch heute Ihre iGaming-Reise.

Erkunden Sie ein umfangreiches Set an sofort einsatzbereitem Amazon QuickSight ML Einblicke. Amazon QuickSightQ ermöglicht Dashboards mit Abfragefunktionen in natürlicher Sprache. Weitere Informationen und Ressourcen zu den ersten Schritten mit der kostenlosen Testversion finden Sie unter Amazon QuickSight.

Über die Autoren

Darren Demicoli ist Senior Devops and Business Intelligence Engineer bei The Mill Adventure. Er war in verschiedenen Rollen in der technischen Infrastruktur, Softwareentwicklung und Datenbankverwaltung tätig und baut seit einigen Jahren Lösungen für den iGaming-Bereich. Außerhalb der Arbeit reist er gerne, erkundet gutes Essen und verbringt Zeit mit seiner Familie.

Padmaja Suren ist ein Technical Business Development Manager, der die Public Sector Field Community im Bereich Market Intelligence on Analytics betreut. Sie verfügt über mehr als 20 Jahre Erfahrung im Aufbau skalierbarer Datenplattformen mit einer Vielzahl von Technologien. Bei AWS war sie als Specialist Solution Architect für Dienste wie Database, Analytics und QuickSight tätig. Vor AWS hat sie in ihrer Funktion als Datawarehouse und BI-Architektin erfolgreiche Daten- und BI-Initiativen für verschiedene Branchen implementiert. Sie widmet ihre Freizeit ihrem Leidenschaftsprojekt SanghWE, das psychosoziale Aufklärung für Überlebende sexueller Traumata bietet, um zu heilen und sich zu erholen.

Deepak Singh ist Solution Architect bei AWS mit Spezialisierung auf Business Intelligence und Analytics. Deepak hat in einer Reihe von Branchenvertikalen wie Finanzen, Gesundheitswesen, Versorgungsunternehmen, Einzelhandel und Hightech gearbeitet. Im Laufe seiner Karriere hat er sich darauf konzentriert, komplexe Geschäftsprobleme zu lösen, um Kunden dabei zu helfen, mithilfe von Applied Intelligence-Lösungen und -Services wirkungsvolle Geschäftsergebnisse zu erzielen.