Magma
30.04.2019
Midt i februar 2019 hentet Tanja Sveen seg en kopp te i Norsk Tippings kantine, satte seg ved et vindu med utsikt mot Mjøsa, og tenkte over hvilken underlig jobb hun egentlig hadde.
Norsk Tipping var Norges største leverandør av pengespill, men hennes ansvar var å forhindre at noen av kundene - de som var, eller kunne bli, spilleavhengige - brukte produktene deres. Som rådgiver for ansvarlig spill var det hennes jobb å finne ut hvem som ikke burde spille - og nå hadde hun brukt over et år på å lage en maskinlæringsmodell for å gjøre nettopp det.
NORSK TIPPING OG SPILLMARKEDET I NORGE
Det norske pengespillmarkedet var strengt regulert. Pengespill var i utgangspunktet forbudt, med unntak av tre områder: Norsk Tipping hadde enerett på å tilby en bred portefølje av pengespill, Norsk Rikstoto hadde enerett på hestespill, og i tillegg ble det gitt tillatelser til mindre lotterier til inntekt for gode formål.
Norsk Tipping var regulert av lov om pengespill, der paragraf 1 stadfestet som selskapets viktigste formål å forebygge negative konsekvenser av spill. I tillegg skulle overskuddet fra pengespill fordeles på gode formål. Norsk Tippings eier, Kulturdepartementet, fulgte opp selskapet på målsettingene om å forebygge spilleproblemer og redusere andel inntekter fra spillere med risikofylt spilleatferd.
Norsk Tipping hadde i overkant av 2 millioner kunder og tilbød en bred portefølje av pengespill: sju lotterispill (hvorav Lotto var det mest populære), fire sportsspill (med Oddsen som det største), to typer terminalspill, nettbasert kasino, bingo og skrapespill. Alle spill (bortsett fra fysiske Flax-lodd) var identifisert, som betød at hver kunde var kjent. Spillene ble solgt gjennom fysiske kanaler (som butikker, kiosker, og bingohaller) og digitale (mobilapp og websider.) Bruttoinntekten i 2017 var 36 916 milliarder kroner, inntekt etter premieutbetaling 7 835 milliarder kroner, og av dette gikk 5 251 milliarder til gode formål. Firmaet hadde cirka 400 ansatte og hovedkontor på Hamar.
ANALYSE OG MODELLERING I EN DIGITAL VERDEN
Fra begynnelsen av 2000-tallet hadde en stadig økning i datamaskiners evne til å lagre og prosessere data, koblet med at kunder i en digital verden kontinuerlig legger igjen spor av hva de gjør, ført til at der man før stort sett var avhengig av å hente inn data gjennom utvalg, som kundeundersøkelser, kunne man nå i langt større grad analysere på hva kundene - alle sammen - faktisk gjorde (Stephens-Davidowitz, 2017).
Digitalt baserte selskaper som Amazon og Netflix bygget opp anbefalingssystemer som kunne gi hver enkelt kunde relevante anbefalinger basert på kundens atferd og interesser. Resultatet var at kundene opplevde et mer relevant tilbud, mens selskapene oppnådde mer- og gjensalg. Disse anbefalingssystemene ble i stor grad laget ved hjelp av maskinlæring (Siegel, 2016), i hovedsak teknikker der man bruker algoritmer for å lære fra data, gjennom å finne mønstre og dermed informasjon i store datamengder uten eksplisitt programmering og uten forhåndsformulerte hypoteser - en utvikling som ikke bare krever kunnskap om datateknologien, men også at organisasjonen ble datadrevet. Å bli en datadrevet organisasjon innebærer å ta de fleste beslutninger basert på innsikt og læring fra data heller enn ut fra sedvane, teori og egne erfaringer (Andersen mfl., 2018).
For Norsk Tipping, som gjennom sitt arbeid med utvikling av spillalgoritmer og sannsynlighetsmodeller hadde lang erfaring med avansert databehandling, ble det et spørsmål om ikke en datadrevet og kundetilpasset tilnærming også brukes til å påvirke til «sunn» forbrukeratferd. Norsk Tipping hadde et tydelig oppdrag om å forebygge spilleproblemer. Kunne selskapet bruke datadreven læring for å lykkes bedre med dette oppdraget?
OPPDRAG: Å FOREBYGGE SPILLEPROBLEMER
En befolkningsundersøkelse om pengespill i Norge (Pallesen mfl., 2016) viste at 0,9 % av befolkningen var problemspillere mens 2,3 % var såkalt moderate risikospillere, et omfang som kvalifiserte spilleproblemer som et folkehelseproblem.
Alt spill hos Norsk Tipping var identifisert og registrert, og dette dannet grunnlaget for arbeidet med å forebygge spilleproblemer. Selskapet visste hvor mye hver enkelt kunde spilte og kunne bruke disse dataene til å identifisere kunder som var i faresonen.
Et bredt spekter av tiltak var utviklet for å hjelpe kunder å forholde seg til problematisk spilleatferd. Kunden kunne for eksempel tilbys verktøy som å sette spillegrenser (tid og penger), spillepauser og utestenging, spillregnskap (oversikt over forbruk) og tilbakemelding om risikostatus basert på analyse av spilleatferd. Hensikten var å gi kunden god oversikt og kontroll over eget spill.
Norsk Tipping hadde over flere år brukt et system - Playscan-modellen - til å overvåke hver enkelt kundes spilling for å avdekke risikofylt spilleatferd. Playscanmodellen var utviklet basert på et stort datasett fra kunder som hadde tatt en selvtest for spilleproblemer. Spilledata siste fem uker før selvtesten ble tatt, ble deretter brukt til å lage en modell som predikerte risikofylt spillemønster.
Et neste skritt vil kunne være at man også bruker en datadreven tilnærming til å følge opp kundene - slik at man kan følge opp kunder individuelt, basert på hvilken oppfølging hver enkelt kunde responderer positivt på.
PROAKTIVE SAMTALER
Et av de nyeste spillansvarstiltakene var en såkalt proaktiv samtale, som er en oppfølgingssamtale over telefon med kunder som hadde en risikofylt spilleatferd og hadde tapt mye penger på spill. Ideen til dette tiltaket kom etter en fagdag for de ansatte. Man hadde fått besøk av Rolf Brumoen, som jobbet med behandling av spilleavhengighet for Blå Kors, og en anonym pasient kalt Ivar, som fortalte om sine problemer med spilleavhengighet. «Ivar» ble spurt om hva Norsk Tipping kunne ha gjort for å hjelpe ham, og svarte at noe som kanskje hadde hjulpet, var «hvis noen hadde ringt meg i stedet for å sende stadig sintere brev, som kreditorene gjør». Tanja syntes dette var en god idé, men var usikker på hvordan kundene ville reagere om de ble oppringt.
Proaktive samtaler ble først startet opp som en begrenset pilot i 2015 for å teste om tiltaket hadde noe for seg. Det var stor spenning knyttet til hvordan kundene ville reagere - ville de være negative, bli provoserte og sinte? Erfaringen har vært at et «stort, stort flertall» av kundene var positive til å bli ringt opp - og kundeundersøkelser gjennomført i etterkant viste at kundene opplevde at samtalene ble gjennomført på en respektfull måte.
Man utviklet etter hvert en protokoll for å gjennomføre slike samtaler: Etter å ha presentert seg spurte man om kunden hadde tid til en samtale, og fortalte raskt om hvorfor: «Vi ringer for å følge opp kunder som har tapt mye penger på spill hos oss det siste året, og du er en av dem.» Nokså tidlig i samtalen ble kunden spurt hvor mye penger han selv trodde han (netto) hadde brukt på spill det siste året. De fleste kundene gjorde et estimat - vanligvis langt lavere enn det reelle tapet. Et vanlig eksempel var at kunden trodde han hadde brukt 30 000 kroner, mens han i realiteten hadde tapt 80 000 kroner. Etter at kunden hadde gitt sitt estimat, opplyste man om det reelle tapet, og spurte kunden hva han tenkte om det. Mange kunder fikk et lite sjokk når de fikk høre summen.
Deretter fulgte man opp med spørsmål og lyttet etter såkalt endringsprat - at kunden kom med utsagn som tydet på at han ønsket en endring. Et typisk utsagn var «nå skjønner jeg hvorfor vi ikke har hatt råd til å reise på ferie». Når kunden ga uttrykk for at summen var for høy, og kom med slike endringsutsagn, tok man tak i det for å forsterke motivasjonen for endring. Man forsøkte å få avtalt minst ett konkret tiltak med kunden (for eksempel å senke og låse spillegrense eller innføre utestenging fra enkeltspill som trigget mest). Dersom det framkom i samtalen at kunden hadde problemer med spill, informerte man om hjelpe- og behandlingstilbudet.
Erfaringen var at kundene i all hovedsak var positive til å bli kontaktet, og de første analysene viste at kundene reduserte forbruket etter samtalen. På grunnlag av disse positive funnene ble tiltaket videreført i en prosjektfase med to ansatte på fulltid.
I 2017 ble det gjennomført en stor studie for å undersøke effektene av to ulike intervensjoner sammenlignet med ingen intervensjon (kontroll) (Jonsson mfl., 2018). Studien ble satt opp som et randomisert eksperiment. 1 000 statistiske trillingsett (matchet på kjønn, alder og forbruk) ble tilfeldig trukket fra de 10 000 kundene som hadde tapt mest på pengespill det siste året. Hvert trillingsett ble så tilfeldig fordelt på én av tre betingelser: proaktiv samtale, informasjon i brev, og kontroll (ingen påvirkning). Brevene inneholdt samme informasjon som ble gitt i samtalen.
Effektene ble målt som endring i innsats og teoretisk tap ved å sammenligne de siste tolv ukene før samtaledato med tolv uker etter samtalen. Samtalene førte til størst reduksjon i innsats og teoretisk tap, og effekten var signifikant sammenlignet med brev og kontroll. Brevet hadde også en signifikant reduksjon i innsats og teoretisk tap sammenlignet med kontroll.
Gå til medietNORSK TIPPING OG SPILLMARKEDET I NORGE
Det norske pengespillmarkedet var strengt regulert. Pengespill var i utgangspunktet forbudt, med unntak av tre områder: Norsk Tipping hadde enerett på å tilby en bred portefølje av pengespill, Norsk Rikstoto hadde enerett på hestespill, og i tillegg ble det gitt tillatelser til mindre lotterier til inntekt for gode formål.
Norsk Tipping var regulert av lov om pengespill, der paragraf 1 stadfestet som selskapets viktigste formål å forebygge negative konsekvenser av spill. I tillegg skulle overskuddet fra pengespill fordeles på gode formål. Norsk Tippings eier, Kulturdepartementet, fulgte opp selskapet på målsettingene om å forebygge spilleproblemer og redusere andel inntekter fra spillere med risikofylt spilleatferd.
Norsk Tipping hadde i overkant av 2 millioner kunder og tilbød en bred portefølje av pengespill: sju lotterispill (hvorav Lotto var det mest populære), fire sportsspill (med Oddsen som det største), to typer terminalspill, nettbasert kasino, bingo og skrapespill. Alle spill (bortsett fra fysiske Flax-lodd) var identifisert, som betød at hver kunde var kjent. Spillene ble solgt gjennom fysiske kanaler (som butikker, kiosker, og bingohaller) og digitale (mobilapp og websider.) Bruttoinntekten i 2017 var 36 916 milliarder kroner, inntekt etter premieutbetaling 7 835 milliarder kroner, og av dette gikk 5 251 milliarder til gode formål. Firmaet hadde cirka 400 ansatte og hovedkontor på Hamar.
ANALYSE OG MODELLERING I EN DIGITAL VERDEN
Fra begynnelsen av 2000-tallet hadde en stadig økning i datamaskiners evne til å lagre og prosessere data, koblet med at kunder i en digital verden kontinuerlig legger igjen spor av hva de gjør, ført til at der man før stort sett var avhengig av å hente inn data gjennom utvalg, som kundeundersøkelser, kunne man nå i langt større grad analysere på hva kundene - alle sammen - faktisk gjorde (Stephens-Davidowitz, 2017).
Digitalt baserte selskaper som Amazon og Netflix bygget opp anbefalingssystemer som kunne gi hver enkelt kunde relevante anbefalinger basert på kundens atferd og interesser. Resultatet var at kundene opplevde et mer relevant tilbud, mens selskapene oppnådde mer- og gjensalg. Disse anbefalingssystemene ble i stor grad laget ved hjelp av maskinlæring (Siegel, 2016), i hovedsak teknikker der man bruker algoritmer for å lære fra data, gjennom å finne mønstre og dermed informasjon i store datamengder uten eksplisitt programmering og uten forhåndsformulerte hypoteser - en utvikling som ikke bare krever kunnskap om datateknologien, men også at organisasjonen ble datadrevet. Å bli en datadrevet organisasjon innebærer å ta de fleste beslutninger basert på innsikt og læring fra data heller enn ut fra sedvane, teori og egne erfaringer (Andersen mfl., 2018).
For Norsk Tipping, som gjennom sitt arbeid med utvikling av spillalgoritmer og sannsynlighetsmodeller hadde lang erfaring med avansert databehandling, ble det et spørsmål om ikke en datadrevet og kundetilpasset tilnærming også brukes til å påvirke til «sunn» forbrukeratferd. Norsk Tipping hadde et tydelig oppdrag om å forebygge spilleproblemer. Kunne selskapet bruke datadreven læring for å lykkes bedre med dette oppdraget?
OPPDRAG: Å FOREBYGGE SPILLEPROBLEMER
En befolkningsundersøkelse om pengespill i Norge (Pallesen mfl., 2016) viste at 0,9 % av befolkningen var problemspillere mens 2,3 % var såkalt moderate risikospillere, et omfang som kvalifiserte spilleproblemer som et folkehelseproblem.
Alt spill hos Norsk Tipping var identifisert og registrert, og dette dannet grunnlaget for arbeidet med å forebygge spilleproblemer. Selskapet visste hvor mye hver enkelt kunde spilte og kunne bruke disse dataene til å identifisere kunder som var i faresonen.
Et bredt spekter av tiltak var utviklet for å hjelpe kunder å forholde seg til problematisk spilleatferd. Kunden kunne for eksempel tilbys verktøy som å sette spillegrenser (tid og penger), spillepauser og utestenging, spillregnskap (oversikt over forbruk) og tilbakemelding om risikostatus basert på analyse av spilleatferd. Hensikten var å gi kunden god oversikt og kontroll over eget spill.
Norsk Tipping hadde over flere år brukt et system - Playscan-modellen - til å overvåke hver enkelt kundes spilling for å avdekke risikofylt spilleatferd. Playscanmodellen var utviklet basert på et stort datasett fra kunder som hadde tatt en selvtest for spilleproblemer. Spilledata siste fem uker før selvtesten ble tatt, ble deretter brukt til å lage en modell som predikerte risikofylt spillemønster.
Et neste skritt vil kunne være at man også bruker en datadreven tilnærming til å følge opp kundene - slik at man kan følge opp kunder individuelt, basert på hvilken oppfølging hver enkelt kunde responderer positivt på.
PROAKTIVE SAMTALER
Et av de nyeste spillansvarstiltakene var en såkalt proaktiv samtale, som er en oppfølgingssamtale over telefon med kunder som hadde en risikofylt spilleatferd og hadde tapt mye penger på spill. Ideen til dette tiltaket kom etter en fagdag for de ansatte. Man hadde fått besøk av Rolf Brumoen, som jobbet med behandling av spilleavhengighet for Blå Kors, og en anonym pasient kalt Ivar, som fortalte om sine problemer med spilleavhengighet. «Ivar» ble spurt om hva Norsk Tipping kunne ha gjort for å hjelpe ham, og svarte at noe som kanskje hadde hjulpet, var «hvis noen hadde ringt meg i stedet for å sende stadig sintere brev, som kreditorene gjør». Tanja syntes dette var en god idé, men var usikker på hvordan kundene ville reagere om de ble oppringt.
Proaktive samtaler ble først startet opp som en begrenset pilot i 2015 for å teste om tiltaket hadde noe for seg. Det var stor spenning knyttet til hvordan kundene ville reagere - ville de være negative, bli provoserte og sinte? Erfaringen har vært at et «stort, stort flertall» av kundene var positive til å bli ringt opp - og kundeundersøkelser gjennomført i etterkant viste at kundene opplevde at samtalene ble gjennomført på en respektfull måte.
Man utviklet etter hvert en protokoll for å gjennomføre slike samtaler: Etter å ha presentert seg spurte man om kunden hadde tid til en samtale, og fortalte raskt om hvorfor: «Vi ringer for å følge opp kunder som har tapt mye penger på spill hos oss det siste året, og du er en av dem.» Nokså tidlig i samtalen ble kunden spurt hvor mye penger han selv trodde han (netto) hadde brukt på spill det siste året. De fleste kundene gjorde et estimat - vanligvis langt lavere enn det reelle tapet. Et vanlig eksempel var at kunden trodde han hadde brukt 30 000 kroner, mens han i realiteten hadde tapt 80 000 kroner. Etter at kunden hadde gitt sitt estimat, opplyste man om det reelle tapet, og spurte kunden hva han tenkte om det. Mange kunder fikk et lite sjokk når de fikk høre summen.
Deretter fulgte man opp med spørsmål og lyttet etter såkalt endringsprat - at kunden kom med utsagn som tydet på at han ønsket en endring. Et typisk utsagn var «nå skjønner jeg hvorfor vi ikke har hatt råd til å reise på ferie». Når kunden ga uttrykk for at summen var for høy, og kom med slike endringsutsagn, tok man tak i det for å forsterke motivasjonen for endring. Man forsøkte å få avtalt minst ett konkret tiltak med kunden (for eksempel å senke og låse spillegrense eller innføre utestenging fra enkeltspill som trigget mest). Dersom det framkom i samtalen at kunden hadde problemer med spill, informerte man om hjelpe- og behandlingstilbudet.
Erfaringen var at kundene i all hovedsak var positive til å bli kontaktet, og de første analysene viste at kundene reduserte forbruket etter samtalen. På grunnlag av disse positive funnene ble tiltaket videreført i en prosjektfase med to ansatte på fulltid.
I 2017 ble det gjennomført en stor studie for å undersøke effektene av to ulike intervensjoner sammenlignet med ingen intervensjon (kontroll) (Jonsson mfl., 2018). Studien ble satt opp som et randomisert eksperiment. 1 000 statistiske trillingsett (matchet på kjønn, alder og forbruk) ble tilfeldig trukket fra de 10 000 kundene som hadde tapt mest på pengespill det siste året. Hvert trillingsett ble så tilfeldig fordelt på én av tre betingelser: proaktiv samtale, informasjon i brev, og kontroll (ingen påvirkning). Brevene inneholdt samme informasjon som ble gitt i samtalen.
Effektene ble målt som endring i innsats og teoretisk tap ved å sammenligne de siste tolv ukene før samtaledato med tolv uker etter samtalen. Samtalene førte til størst reduksjon i innsats og teoretisk tap, og effekten var signifikant sammenlignet med brev og kontroll. Brevet hadde også en signifikant reduksjon i innsats og teoretisk tap sammenlignet med kontroll.
