Экосистема покера онлайн, влияние рейка

Экосистема покера

С экономической точки зрения покерный сайт — это сложный механизм. И чем он больше, тем лучше. Когда магазин поднимает цену товара, вы можете ожидать падения спроса и наоборот. Это не относится к покерному руму, потому что пользователи не работают независимо, а взаимодействуют друг с другом сложными способами. По этой причине может быть трудно понять такие вещи, как рейк на микролимитах. Возмущение игроков, которые играют в минус достаточно предсказуемы, как и их заявления о том, что они бросят играть, если не будут получать прибыль. Чтобы лучше понять этот процесс, я решил создать простую компьютерную модель, которая поможет взглянуть на действующие внутри экономические факторы. В общем это и есть экосистема покера онлайн.

В частности, есть один вопрос, на который я хотел бы найти ответ: может ли повышение рейка с низкими ставками быть полезным для всех?

О компьютерной модели

Как и большинство экономических моделей, этот прототип в значительной степени опирается на упрощения и допущения. Для начала я предположил, что есть только два уровня игры — высокие и низкие лимиты. Рейк устанавливается независимо для двух ступеней, но на высоких ставках разыгрываются в 5 раз больше денег. Вся игра ведется в хедз ап.

Аналогично, в моей модели есть только два вида игроков: акулы и рыбы. Каждый выигрывает 50/50 против другого оппонента того же типа, и акулы получают регулируемое преимущество над фишами. В каждом цикле все участники играют со случайными другими игроками из уровня своего колла, которые могут оказаться акулами или рыбой, с вероятностью, основанной на распределении населения.

Экономическая система онлайн покер рума

На низких лимитах фиши входят в игру с постоянной скоростью. Тут они могут выигрывать и подниматься вверх по ставкам (и опускаться вниз). Плюс ко всему рыба может обанкротиться. Для нашей модели я позволил докупаться фиш-игрокам, которые когда-либо превышали определенный порог банкролла. И полностью выходить из игры, тем кто не смог хоть немного добиться результата.

Акулы, с другой стороны, следуют за деньгами. Они требуют определенной прибыли на 100 игр. Соответственно больше катал будет входить в каждый лимит, пока эта прибыль достижима. Если регов слишком много или рейк чересчур велик и эта прибыль больше не достижима, некоторые выпадают до тех пор, пока оставшаяся часть не получит необходимый доход еще раз.

Параметры модели

Помимо критериев для каждого уровня, программа принимает ряд параметров. Поскольку у меня нет доступа к подробным данным о поведении пользователей, я экспериментировал, пока не нашел значения, дающие достаточно разумные результаты. Параметры следующие:

  • Приток рыбы — количество новых игроков, которые заходят на нижние лимиты за цикл.
  • Рыбный банкролл — средний банкролл рыбы в любой момент времени, измеренный в бай-инах с низкими ставками.
  • Рыбная инертность — это настройка показывает насколько подвижна рыба между низкими и высокими ставками. По сути, это количество игр, которые рыба должна выиграть/проиграть подряд, чтобы решить двигаться вверх/вниз.
  • Рыбное стремление — скорость восстановления фиш-игрока. Другими слова это множитель основного банкролла рыбы — пороговое значение, которое необходимо достичь в какой-то момент перед обнулением, чтобы игрок решил использовать повторную попытку.
  • Прибыль акулы /100 — cколько прибыли требуют опытные геймеры, чтобы продолжить игру.
  • Акула vs Рыба — как часто акула бьет рыбу, когда они сталкиваются друг с другом.
  • Базовый показатель отсева — процент фишей, которые бросают играть после каждого круга, независимо от того, обанкротились они или нет.

Играя со значениями этих параметров и используя рейки 6% и 4% для игр с низкими и высокими ставками соответственно, я получил модель «сайта» с 2240 пользователями, получая прибыль в 259 единиц за серию. 1417 юзеров были фиш-игроками (63%). На низких лимитах осталось 1190 (84%). Остальные 37% были реги. Из них 81% играли высоко, а оставшиеся 18% (153) покоряли низа вместе с рыбой (1190).

Результаты и достижения при повышении/понижении рейка

Начав с вышеуказанных значений, я попытался повысить и понизить рейк в играх с высокими и низкими лимитами на одно очко.

Самое интересное, что я обнаружил, заключается в том, что, примерно 2/3 прибыли моего модельного сайта приходилось на игры с высокими взносами (при начальных значениях рейка). Эта общая прибыль была гораздо более чувствительной к корректировкам в рейке с низкими ставками, чем к высоким. Кроме того, на общую численность рума сильно повлияли изменения рейка с высокими взносами. И на удивление при регулировании рейка с низкими лимитами количество людей практически не изменилось.

Снижение рейка с высокими ставками до 3% привело к увеличению количества акул в верхнем ярусе и не повлияло на рыбу вообще. Тем не менее, прибыль немного снизилась, так как регам не хватало фиш-игроков. И наоборот, повышение до 5% привело к аналогичному сокращению популяции акул, но немного к увеличению прибыли.

Изменение рейка на нижних лимитах

Коррекция низких ставок привела к гораздо более драматичным и интересным эффектам. Увеличение рейка до 7% оказало огромное влияние на популяцию акул с низкими ставками, снизив ее на 38% до 95. Это в свою очередь повлияло на увеличение числа фишей из-за уменьшения хищничества на низких ставках. Это прибавление было замечено в играх с высокими взносами, так как фиш-игроки получили возможность поднять свой бр и пойти вверх.

Экосистема покера, повышение/понижение рейка

Все эти факторы дали возможность процветать большему количеству акул — почти столько же, сколько бросило низкие ставки. Общая численность игроков с высокими заходами выросла с 897 до 960. Благодаря этому увеличилась сумма игр от этих людей и соответственно возросла прибыль моего сайта.

Уменьшение рейка с низкими ставками дало качественно противоположный эффект — число акул возросло, но на игры с высокими ставками отрицательно повлияло отсутствие подвижности рыбы вверх. Прибыль упала, но незначительно. Мой вывод из этого заключается в следующем что — существует пороговый рейк, точное значение которого зависит от стремления акул к прибыли и их относительного преимущества над рыбой, при котором вы вытесняете их большинство на низких лимитах. После чего игра на верху становится более прибыльной.

Недостатки моего покерного сайта

У этой модели есть несколько довольно существенных недостатков. Наиболее очевидным является то, что рыба совершенно наивна в отношении рейка. Это означает, что вы можете установить нелепый рейк (20%, 50%, 100%) на любом уровне ставок и увидеть, как увеличивается прибыль. Акулы полностью исчезают, но рыба продолжает появляться и дает вам свои деньги. Это нереально — более надежная модель должна учитывать конкуренцию с другими сайтами и другие формы азартных игр. И фиши в реале возможно не видят разницы между 4-5% рейка, но между 4-20% разница безусловно будет.

Другим недостающим аспектом является мультитейблинг. Мы могли бы увидеть другой результат, если акулы в нашей модели выбирали более одной игры за цикл за счет уменьшения своего преимущества. Во всяком случае, я подозреваю, что это сделало бы эффект регулировки рейка с низкими ставками еще более драматичным.

Наконец модель игнорирует тильт игроков. В основном опытные игроки ведут себя рационально, но вот фиши очень часто лезут на верхние лимиты, чтобы восполнить свои потери. И когда остынут возвращаются вниз. Было бы сложно точно смоделировать такие действия, и я не знаю, какое влияние это окажет на общие результаты.

Экосистема покера в заключении

Исходя из модели в ее нынешнем виде, нельзя сказать, что повышение рейка с низкими ставками могло бы помочь всем, но и никому не повредит. Это определенно помогает сайту, подталкивая людей в более высокие игры. И даже немного увеличивает количество рыбы. Акулы низких лимитов страдают сильнее, но благодаря этому, те которые не уходят с сайта, осаживаются на верхах и находят там свою игру, не подозревая об этом ранее.

Будет ли более надежная модель, учитывающая факторы, упомянутые выше, давать разные результаты? это трудно понять, не пытаясь сделать. Но я подозреваю, что решения таких больших покер румов, как PokerStars основаны именно на таком прототипе — и на котором используются реальные пользовательские данные, а не произвольная подстройка параметров. Несмотря на протесты, я вполне уверен, что покер комнаты точно знают, что они делают, и мотивы основаны на принципах, аналогичных тому, что мы видели здесь.

Поделиться:

Author: pokkker

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *