የ AI እግር ኳስ ትንበያዎች እንዴት ይሠራሉ

ምንም አስማት የለም፣ ስሌት ብቻ ነው

ከማንኛውም እግር ኳስ ትንበያ ሞዴል — የኛንም ጨምሮ — ማርኬቲንጉን ካስወገዱ የቀረው የተደራጀ ስሌት ነው፦ ቡድኖች ምን ያህል ጊዜ ግብ እንደሚያስቆጥሩ፣ ምን ያህል ጊዜ ግብ እንደሚቀበሉ፣ ለቅርብ ግጥሚያዎች ክብደት ተሰጥቶ፣ ለተቀናቃኝ እና ለሜዳ ተስተካክሎ። ከእነዚያ ተመኖች ውጤት ዕድል ስርጭቶች በሂሳብ ይከተላሉ።

'AI' የሚለው ቃል በዚህ ላይ ምንም አስማት አይጨምርም። የአንድ ሞዴል ዋጋ ያለው በተግሣጽ የተሞላ ግምት እና ታማኝ ካሊብሬሽን ላይ ነው፣ በስያሜው ላይ አይደለም። 'አልጎሪዝሜ ውጤቱን ያውቃል' የሚል ማንኛውም ሰው የሆነ ነገር እየሸጠ ነው።

በኛ ሞዴል ውስጥ በተጨባጭ

የኛ v2 ሞዴል የእያንዳንዱን ቡድን የጥቃት እና የመከላከል ጥንካሬ በጊዜ-ተለዋዋጭ (time-decayed) Poisson ፍሬምወርክ ይገመግማል፦ የቅርብ ግጥሚያዎች የበለጠ ክብደት ይይዛሉ (የግማሽ ዕድሜ በግምት 240 ቀናት)፣ ትንንሽ ናሙናዎች ከመጠን በላይ ምላሽ እንዳይሰጡ ወደ ሊግ አማካይ ይሰበሰባሉ፣ እና ቡድኖች ተመኖቻቸው እንዲታመኑ ከመድረሳቸው በፊት ዝቅተኛ የግጥሚያ ብዛት ያስፈልጋቸዋል።

እነዚያ ተመኖች በእያንዳንዱ ግጥሚያ የውጤት ስርጭት ያመነጫሉ፣ በዚህም ለምንሸፍናቸው ገበያዎች ሁሉ ዕድሎችን ይሰጣል። ከዚያም የሞዴሉን ዕድሎች ከገበያው ውስጣዊ ዕድሎች ጋር እንቀላቅላለን (በግምት 40/60) — ይህ በስሌቱ ውስጥ የተካተተ አምኖ መቀበል ነው፣ ገበያው የኛ ውሂብ የማያውቀውን ነገር እንደሚያውቅ፦ ጉዳት፣ ተነሳሽነት፣ የአየር ሁኔታ፣ የቡድን አሰላለፍ።

አንድ ምርጫ 'ኦፊሴላዊ' ተብሎ የሚታተመው የተቀላቀለው ዕድል ከዋጋው በላይ በተጨባጭ ልዩነት ሲያልፍ እና ምክንያታዊ የኦድስ ገደቦች ሲኖሩ ብቻ ነው። አብዛኞቹ ግጥሚያዎች ኦፊሴላዊ ምርጫ አያመነጩም፤ ሙሉው ዘዴ፣ የስሪት ታሪክ እና የታወቁ ገደቦች በሞዴል ገፃችን ላይ ይገኛሉ።

ሞዴሎች ማድረግ የማይችሉት

አንድ ሞዴል አሰልጣኝ ዋና አጥቂውን እንዳሳረፈ፣ አንድ ቡድን ከዋንጫ ግጥሚያ ከምሽቱ 4 ሰዓት እንደተመለሰ፣ ወይም ዝናብ ሜዳውን እንደጨቀየ ማወቅ አይችልም። ታሪክን ወደ ተመኖች ይጨምቃል፤ ከታሪክ ውጪ ያለው ማንኛውም ነገር ለእሱ የማይታይ ነው።

የበለጠ መሠረታዊ ጉዳይ፦ ፍጹም የሆነ ዕድል እንኳን የአንድ ግጥሚያ ትንበያ አይደለም። 60% ምርጫ በአስር ውስጥ በአራት ጊዜ ይሸነፋል፣ ይህ በስሌት የተነደፈ ነው። ሞዴሎች ዋጋቸውን የሚያገኙት ወይም የሚያጡት በመቶዎች የሚቆጠሩ ውርርዶች ላይ፣ በካሊብሬሽን ውስጥ ነው — 60% ምርጫዎች በግምት 60% ጊዜ ይሳካሉ? — በማንኛውም ደማቅ ቪዲዮ ውስጥ አይደለም።

የማንኛውንም ትንበያ እንዴት መመዘን ይቻላል፣ የኛንም ጨምሮ

ሙሉ የተጠናቀቀ መዝገብ ጠይቁ (ሁሉንም ምርጫ፣ የተመረጠ ወር ብቻ አይደለም)፣ ውጤቶች በተስተካከለ የውርርድ መጠን (flat-staked) ክፍሎች፣ በመቶዎች የሚቆጠሩ የናሙና መጠኖች፣ እና — ከሁሉ የላቀ ፈተና — Closing Line Value (CLV)፦ ምርጫዎች በተከታታይ ገበያው በዘጋበት ዋጋ ላይ የተሻለ ውጤት ያመጣሉ ወይ የሚለውን። CLV ችሎታን ከዕድል ከትርፍ ኩርባዎች በበለጠ ፍጥነት ይለያል።

ከላይ የተጠቀሱትን ሁሉ፣ የተሸናፊ ተከታታይ ውጤቶችን ጨምሮ፣ በውጤት ገፆቻችን ላይ እናትማለን — የኛ የመጀመሪያ መዝገብ አስተማሪ የሆነ ጊዜ ያካትታል፣ ትልቅ ኦድስ ያላቸው ምርጫዎች 0-ከ-8 ውጤት ያገኙበት እና ሞዴል ክለሳ ያስፈለገበት። ድሎችን ብቻ የሚያሳይ ማንኛውም ትንበያ ሰጪ ማርኬቲንግ እያሳየዎት ነው።

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

የእግር ኳስ ትንበያ ሞዴሎች ምን ያህል ትክክለኛነት ያገኛሉ?

በሶስት-መንገድ ግጥሚያ ኦድስ ላይ፣ ከፍተኛ ሞዴሎች ትክክለኛ ውጤትን በግምት 50–55% ጊዜ ያገኛሉ — ከሁልጊዜ ተመራጩን ከመደገፍ ትንሽ ብቻ በላይ። ትክክለኛነት በራሱ የተሳሳተ መለኪያ ነው፤ ካሊብሬሽን እና ከዋጋዎች ጋር ያለው ዋጋ ናቸው የሚከፍሉት፣ ለዚህም ነው ከዚያ ይልቅ ክፍሎችን እና CLVን የምናቀርበው።

ሞዴሉ አንዳንድ ጊዜ ከግልጽ ፎርም ጋር የማይስማማው ለምንድን ነው?

ምክንያቱም 'ግልጽ ፎርም' አብዛኛውን ጊዜ የአምስት ግጥሚያዎች ጫጫታ ነው፣ ሞዴሉ ግን የሁለት ወቅት ተመኖችን ይመዝናል። ሲጋጩ፣ ረዘም ያለው ናሙና ብዙ ጊዜ ትክክል ነው — ሁልጊዜ አይደለም፣ ብዙ ጊዜ ብቻ፣ ይህም ሞዴል የሚናገረው ብቻ ነው።

Machine Learning ትጠቀማላችሁ?

ዋናው ክላሲካል ስታትስቲክስ ነው፦ ጊዜ-ተለዋዋጭ የ Poisson ተመኖች ከመቀነስ (shrinkage) ጋር፣ ከገበያ ዋጋዎች ጋር ተቀላቅሎ። ግልፅ፣ ማረም የሚቻል እና የታተመ ነው። የበለጠ ውስብስብ አርክቴክቸሮች ግልፅነትን ይጨምራሉ ከእግር ኳስ ትክክለኛነት ይልቅ በኛ የውሂብ መጠን ደረጃ በፍጥነት።