A maior parte dos sportsbooks entrega os mesmos eventos para a maior parte da audiência. A Turbo Sports substitui essa lógica de transmissão por um feed de relevância por apostador: cada usuário vê eventos escolhidos entre um pool grande de sinais comportamentais, contextuais e de precificação. Medido contra uma coorte before/after do mesmo apostador, com controle por difference-in-differences, o feed elevou apostas e turnover por apostador por dia de forma material, enquanto a coorte de controle nos mesmos mercados perdeu boa parte de sua receita por apostador para a sazonalidade. A receita por apostador ficou praticamente estável dentro da coorte tratada — ou seja, a feature defendeu a receita contra um mercado em queda. Sem canibalização do restante do book. Por política de publicação, os percentuais exatos são compartilhados com operadores prospectivos junto com a metodologia, não publicados.
Este case study descreve uma feature de personalização implantada dentro do sportsbook Turbo Sports e medida em tráfego de produção em múltiplas marcas de operador. Todas as observações são relativas — movimentos por apostador por dia e diferenças entre coortes tratada e de controle — e reportadas aqui de forma qualitativa. A metodologia foi desenhada para ser reprodutível nos próprios dados do operador: o ponto do estudo é o formato do lift, não o tamanho do book de uma marca específica. Para o mercado brasileiro em 2026, com 87 operadoras licenciadas concorrendo pelo mesmo apostador de ticket médio de aproximadamente R$ 100/mês, defender receita por jogador em ambiente de aperto regulatório e alta de CAC (o benchmark Betano-Flamengo em R$ 268,5M/ano recalibrou a base do setor) é a métrica que decide P&L mensal.
O problema da vitrine única
A home padrão de um sportsbook funciona como vitrine única: o mesmo carrossel de "top events", a mesma faixa de "populares agora", os mesmos mercados-manchete ordenados por prioridade editorial e volume aberto. Otimiza para o apostador mediano. Para uma parcela grande da audiência, o apostador mediano simplesmente não existe — é uma média estatística que não descreve nenhum usuário real: um jogador de Dota 2 vê um card de Champions League, um seguidor de vôlei de liga menor vê um Grand Slam de tênis, um apostador exclusivamente ao vivo vê uma faixa pré-jogo. O catálogo está certo; a superfície está errada.
A alternativa não é "mais eventos" — é menos eventos por apostador, escolhidos contra um sinal por apostador. Esse reenquadramento é todo o escopo da feature descrita abaixo. No contexto brasileiro isso pesa dobrado: o apetite do apostador do Nordeste (mercado onde a Pixbet cresceu forte) não é o mesmo do apostador do Sul; um catálogo único para o país inteiro subutiliza um público que, na prática, é cinco mercados regionais.
O que a feature faz
O módulo justForYou na Turbo Sports pontua cada evento candidato para cada apostador ativo contra um pool de características, e depois renderiza um feed de eventos por usuário no lugar de um carrossel compartilhado. Os sinais incluem:
- Comportamentais — esportes, ligas, times e tipos de mercado em que o apostador já apostou; faixa média de stake; preferência live vs pré-jogo; duração típica de sessão.
- Precificação e liquidez — profundidade do evento, volatilidade da linha, se o preço se moveu na direção do lado histórico do apostador.
- Contextuais — localidade, dispositivo, horário do dia, estado in-play, e se o apostador está dentro de um ciclo de wager de bônus ativo.
- Balanceamento de portfólio — variedade suficiente para que o feed não colapse em um único esporte; eventos novos com sinal compatível são semeados mesmo que o apostador ainda não tenha apostado neles.
A saída não é uma "aposta recomendada". É uma seleção curta de eventos considerados relevantes o bastante para ocupar o espaço de destaque que o carrossel padrão ocupava. O apostador continua escolhendo mercado, odd e stake.
Resultado principal — coorte before/after com controle
A leitura limpa é a coorte do mesmo apostador nos principais mercados por adoção da feature. Os mesmos apostadores são observados nas duas janelas, então os números não são movidos por novo mix de jogadores; a janela de observação é normalizada por apostador por dia, então densidade de fim de semana e dia útil é neutralizada.
Três movimentos definem o resultado. Apostas por apostador por dia subiram de forma material na coorte tratada enquanto o controle pareado caiu. Turnover por apostador por dia subiu enquanto o controle recuou com o mercado. E receita por apostador por dia ficou praticamente estável na coorte tratada, enquanto o controle perdeu boa parte da mesma métrica para sazonalidade e desaceleração de mercado. Uma coorte tratada que fica estável enquanto seu controle cai fortemente é um resultado defensivo precificado na moeda que o operador realmente se importa — a margem por aposta comprimiu levemente dentro da coorte tratada, porque os apostadores fizeram mais apostas e de valor maior, mas a expansão de volume manteve a receita inteira.
Segmentação: o que mudou por baixo do agregado
O movimento agregado esconde segmentos indo em direções diferentes. Cortar por coorte de aquisição esclarece onde a feature está fazendo qual trabalho.
| Segmento | O que o segmento mostrou |
|---|---|
| Apostadores existentes (base pré-lançamento) | A maior parte do stake da feature em margem aproximadamente igual à normal da plataforma — é a linha de defesa do resultado principal. |
| Apostadores adquiridos durante o roll-out | A menor parcela de stake em margem materialmente acima da normal da plataforma: novos apostadores caindo direto numa superfície personalizada convertem para aposta mais rápido do que os que caem numa home de transmissão. |
| Ativados recentemente (semanas antes do lançamento) | Uma parcela intermediária, um pouco acima da normal da plataforma — apostadores ainda formando hábito são os que mais se beneficiam de um feed que responde "no que eu aposto hoje?" |
Participações de segmento e margens são declaradas em relação à linha de base sem-feature da plataforma na mesma janela, com filtro de whale onde indicado, e reportadas qualitativamente para preservar confidencialidade do operador; o formato da segmentação é o ponto da leitura.
Para operadores BR isso desenha um caminho claro: KTO, com seu depósito de R$ 1, captura em massa apostadores em formação de hábito — exatamente o segmento onde a superfície personalizada mais converte. Betano, com base VIP existente fortalecida pós-Flamengo, tem seu ROI na linha de defesa da base pré-lançamento. O mesmo feed atende dois modelos de operador distintos, e a leitura por segmento diz para cada um onde puxar a alavanca primeiro.
Um segundo corte que vale fazer é por tipo de ticket: apostas simples (single) carregam a faixa de margem normal da plataforma, enquanto pernas de expresso selecionadas do feed personalizado carregam margem bem mais fina. Isso é esperado — múltiplas diluem a margem de seleção individual — mas vale destacar para quem lê o agregado: as apostas simples são onde a feature gera o retorno econômico, e qualquer operador adotando superfície parecida deve separar o reporting nesse eixo desde o dia um.
O mix de esportes que a feature realmente serve
Uma superfície de personalização vale o quanto o catálogo do qual ela puxa. No roll-out observado, cerca da metade das apostas via feature caíram em futebol, com o restante espalhado por esports, vôlei, tênis e basquete; esports coletivamente responderam por uma parcela substancial das linhas de aposta via feature. O sinal é que um feed por apostador não é amplificador de futebol — ele se espalha na cauda longa assim que o sinal comportamental subjacente permite, e a parcela de esports em particular seria estruturalmente invisível num carrossel padrão calibrado para a audiência mediana. Para operadores BR, isso importa duplamente: com FURIA, MIBR e LOUD movendo volume em CS2, LoL e Valorant, o esports representa uma cauda que o carrossel padrão simplesmente não enxerga. E há também o recorte regional: o apostador do Sul (Grenal, Champions League top-5) e do Nordeste (Vitória, Sport, Ceará, futebol nacional) pedem catálogos distintos — a Pixbet cresceu no Nordeste justamente por atender esse recorte antes dos concorrentes. Um carrossel único para o país inteiro subutiliza um público que, na prática, é cinco mercados regionais.
Sem canibalização do restante do book
A preocupação óbvia com qualquer superfície nova é que ela roube stake do restante do sportsbook em vez de somar. O teste de coorte responde direto: apostas feitas fora do feed personalizado pela mesma coorte tratada subiram na janela after em comparação com a before. As apostas via feature ficaram em uma parcela pequena do volume total de apostas da coorte tratada — a superfície personalizada é aditiva, não redistribuição.
Esse é o padrão certo para procurar ao auditar esse tipo de feature em qualquer book. Se a atividade total da coorte tratada sobe e a atividade não-feature se mantém ou cresce, a superfície está fazendo trabalho novo. Se a atividade total se mantém enquanto o stake via feature sobe, a superfície apenas moveu stake existente de lado e precisa ser reprecificada contra o custo operacional.
Metodologia — como a leitura foi construída
O desenho da medição importa tanto quanto a feature. As observações acima são defensáveis apenas porque cada um dos passos abaixo foi fixado com antecedência e aplicado uniformemente:
| Passo | O que fizemos | Por que importa |
|---|---|---|
| 1. Coorte do mesmo apostador | Toda métrica compara os mesmos apostadores nas janelas before e after. Apostadores presentes em apenas uma janela são excluídos da matemática da coorte. | Remove efeitos de mix — aquisição de novos apostadores, reativação de dormentes e churn sazonal não podem inflar ou deflacionar o lift reportado. |
| 2. Controle difference-in-differences | Junto com a coorte tratada, uma coorte de controle é construída a partir de apostadores nos mesmos mercados que nunca receberam o feed personalizado na janela after. | Isola o efeito da feature do drift de mercado subjacente. Sem controle, "receita por apostador estável" lê como falha; com um controle que caiu fortemente, lê como defesa. |
| 3. Normalização por apostador por dia | Toda métrica é dividida por (apostadores ativos × dias ativos) dentro de sua janela. Nunca por tickets, nunca por sessões. | Neutraliza diferenças na duração da janela, densidade de dia da semana e mudanças de contagem de apostadores entre janelas. |
| 4. Filtro de whale | A fatia superior de apostadores por stake é removida de ambas as coortes antes de os ratios serem calculados. | Um punhado de apostadores de alto valor pode virar uma média em dezenas de pontos percentuais. Removê-los faz do lift uma afirmação sobre a base ampla de apostadores, não sobre quatro contas. |
| 5. Margem por seleção | Stake e receita são atribuídos no nível de seleção da aposta, não no nível do ticket. Apenas apostas liquidadas são contadas. | Um ticket de expresso pode conter pernas via feature e não-feature. Atribuição no nível de ticket creditaria o stake inteiro para a feature. Atribuição por seleção reflete como a margem é de fato ganha. |
| 6. Janela do torneio excluída | Um evento esportivo grande começou durante a janela after e elevou fortemente o tráfego geral. Os dias do início dele até a data do report são retirados da comparação DiD. | O torneio amplificou ambas as coortes, então incluir esses dias atribuiria um lift externo compartilhado à feature. Excluí-los mantém o DiD interpretável. |
Cada passo é reproduzível a partir das próprias tabelas de wallet, histórico de apostas e CRM do operador — nenhuma definição proprietária de métrica é necessária. O ponto de publicar a receita é que um operador prospectivo possa rodar a mesma leitura nos próprios dados antes de tomar decisão de plataforma.
O que "personalização" exige da plataforma
Os resultados acima não são portáveis para qualquer book copiando uma mensagem de marketing. Eles exigem que a plataforma exponha, em tempo real:
- Histórico comportamental por apostador acoplável a um catálogo de eventos ao vivo (não uma exportação noturna).
- Sinais de precificação e liquidez por evento, para que o ranker possa ponderar relevância contra profundidade.
- Um slot de renderização na home ocupado pelo ranker, não por um calendário editorial.
- Reporting que consegue cortar por exposição à feature, coorte e tipo de ticket — porque se o operador não consegue rodar o DiD por conta própria, não consegue governar a feature.
Essas são propriedades de plataforma, não propriedades de campanha. Se qualquer uma das quatro falta, a feature vira uma transmissão com latência extra. É o motivo pelo qual personalização nessa qualidade tende a viver dentro do stack do sportsbook em vez de ser um módulo bolt-on — veja a arquitetura mais ampla da Turbo Sports e a camada de plataforma que a alimenta.
Como ler o resultado
A leitura mais importante é que o ganho aqui é defensivo. A personalização não gerou um pico de receita do mesmo catálogo; o negócio das apostas esportivas não opera assim. O que fez foi segurar a receita por apostador de uma coorte tratada contra um mercado que estava tomando uma boa parte da mesma métrica em outros lugares. No P&L mensal, "estável enquanto o resto cai" é o formato das features de mais alto valor que um operador entrega. O lift de volume é o mecanismo pelo qual a defesa se realiza — e é o movimento que se deve checar primeiro em qualquer operador considerando a feature, porque se o turnover por apostador não estiver se mexendo, a defesa da receita não se materializa.
A segunda leitura é para quem estiver auditando um fornecedor de personalização: peça o DiD. Peça a coorte do mesmo apostador. Peça o filtro de whale e a exclusão do torneio. Um fornecedor que reporta uplift sem controle está reportando o mercado, não a feature.
Onde isso se encaixa no roadmap da Turbo Sports
A superfície de eventos personalizados é uma de várias superfícies ranker-driven no roadmap; a mesma disciplina de medição descrita acima é o padrão contra o qual mantemos cada uma antes de recomendar que um operador ligue. Se você quer ver a feature rodando contra seu próprio catálogo de eventos, ou comparar a leitura DiD do seu book contra o que você tem hoje, a página de operadores é o lugar certo para começar. Para a solução de sportsbook Turbo Sports subjacente e a camada de reporting que produz as leituras acima, consulte a documentação da plataforma.