Cómo las recomendaciones personalizadas mejoraron la experiencia del jugador en Boost Casino
ZingBrain AI ayudó a Boost Casino a pasar de una experiencia de lobby estática a recomendaciones personalizadas y descubrimiento de juegos similares, lo que aumentó la interacción de los jugadores y redujo el trabajo manual en el lobby.
Uno de los grupos de juego más grandes del mundo, que opera exclusivamente en mercados de juego online y minorista regulados o en proceso de regulación.
Una marca de juegos nórdico-báltica que ofrece una experiencia de «pago y juego» dentro de la familia Entain.
Descripción general
Boost Casino buscaba pasar de un lobby estático y gestionado manualmente a una disposición de juegos personalizada y adaptable. El objetivo era mejorar los indicadores clave de rendimiento y, al mismo tiempo, reducir la carga de trabajo manual constante.
En estrecha colaboración, ambos equipos introdujeron dos funciones principales de personalización: una sección de recomendaciones en la página principal del casino y una ventana emergente de "juegos similares" que aparece cuando un jugador cierra un juego.
Para medir el impacto con precisión, los equipos realizaron una prueba A/B: un grupo de jugadores siguió viendo el lobby original, mientras que el otro recibió la experiencia personalizada.
Durante el experimento, la marca observó un aumento tanto en el volumen de apuestas como en el GGR por jugador. Una métrica representativa clave —el número de juegos únicos jugados por usuario— también mostró un ligero incremento. Tras finalizar la prueba A/B, ambos equipos continuaron supervisando el rendimiento y el aumento se mantuvo estable durante los meses siguientes. Con el tiempo, los jugadores se inclinaron cada vez más hacia los módulos de recomendación, que se convirtieron en la principal fuente de descubrimiento de juegos en la marca.
Colaboración
El objetivo principal de Boost Casino era dejar atrás su sistema único y uniforme de clasificación de juegos en el lobby para ofrecer contenido más relevante a cada jugador. Este enfoque buscaba ampliar el catálogo de juegos de los usuarios, fortalecer la lealtad a la marca y mejorar las métricas financieras clave.
Gracias a la estrecha colaboración entre ambos equipos de producto, las empresas encontraron la forma óptima de introducir la personalización en el lobby existente sin alterar la sólida experiencia de usuario (UX) de la marca. Al mismo tiempo, las secciones personalizadas se ubicaron en posiciones de alta visibilidad para maximizar el impacto.
Utilizando las herramientas de back-office de Zing, el socio comprendió rápidamente la estructura de la API, los resultados personalizados y los datos necesarios. Su equipo técnico también facilitó un acceso fluido para el control de calidad, lo que permitió realizar pruebas exhaustivas antes del lanzamiento.
A pesar de una arquitectura interna compleja y múltiples dependencias de plataforma, el éxito fue posible gracias a la estrecha cooperación entre los equipos. La integración se completó rápidamente y se implementó sin problemas críticos que pudieran afectar la experiencia del jugador.
La etapa final se centró en la evaluación de resultados. Un análisis profundo —que incluyó análisis basados en percentiles y el método CUPED— demostró claramente el crecimiento y ayudó al socio a tomar la decisión objetiva de continuar la colaboración y ampliar aún más la personalización en todo el producto.
Descripción de la solución
Se introdujeron dos módulos de personalización en la marca para cubrir tanto el descubrimiento en el lobby como la continuidad de juego durante la sesión.
La IA de ZingBrain sigue clasificando los juegos según la relevancia para el jugador, pero utiliza ajustes de prioridad como señal de negocio adicional. Los equipos pueden validar el impacto mediante pruebas A/B y análisis de datos.
Sección principal de recomendaciones
Este es el módulo personalizado central que refleja las preferencias clave de cada jugador. Combina títulos familiares que el usuario ya disfruta con juegos nuevos que aún no ha descubierto.
Para cada jugador, el sistema calcula una puntuación de descubrimiento (Discovery Score) —una medida de su disposición a probar juegos nuevos— y adapta la proporción de títulos nuevos frente a los conocidos en consecuencia.
También se aplica un procesamiento posterior para garantizar que las recomendaciones se mantengan frescas y no se repitan con demasiada frecuencia.
Ventana emergente de juegos similares al salir
Cuando un jugador cierra un juego, antes de regresar al lobby, ve una ventana emergente con títulos similares al que acaba de jugar.
La similitud se calcula utilizando una amplia gama de parámetros, que incluyen el tipo de juego, las funciones, la temática, la volatilidad y las señales de filtrado colaborativo.
Esto permite que el sistema muestre las alternativas más relevantes para cada juego disponible en la marca.
Análisis de resultados
Dado que el volumen de apuestas y el GGR son métricas altamente volátiles, era importante abordar el análisis de manera integral y aislar el impacto real de la personalización, independientemente de la estacionalidad, las fluctuaciones del tráfico u otros factores externos.
La consistencia de este incremento y su estabilidad durante un período prolongado demostraron que la personalización genera un efecto positivo, lo que llevó al socio a continuar y ampliar la colaboración.
Se utilizaron varios métodos analíticos: recorte de grupos por percentiles, aplicación del método CUPED, revisión de los valores medianos por jugador para los usuarios a largo plazo y verificación de la significancia estadística mediante valores p.
Basándose en el análisis conjunto realizado por ambos equipos de analítica, la conclusión fue clara: hubo un incremento tanto en el volumen de apuestas como en el GGR por jugador. La métrica representativa clave, el número de juegos únicos jugados por jugador, también mostró un ligero aumento.
Conclusión y próximos pasos
La introducción de recomendaciones personalizadas resultó ser un paso adelante significativo para Boost Casino, al ofrecer un incremento claro y sostenido en las métricas clave de rendimiento y fortalecer la experiencia general del jugador. La colaboración entre los equipos demostró que la personalización puede integrarse de forma rápida, segura y con un impacto medible, incluso dentro de una estructura de plataforma compleja.
De cara al futuro, ambas partes planean ampliar la personalización a otros puntos de contacto, explorar nuevas señales en tiempo real y probar escenarios de descubrimiento más avanzados. Estos próximos pasos tienen como objetivo lograr una mayor participación y crear una experiencia de casino centrada en el jugador que evolucione continuamente.
