最好的投資標的就是問題賭客：解剖 DraftKings 的 AI 精準行銷機器

9 月 19 日，《紐約時報》刊出了一篇 AI 產業界常常在抽象層面討論、卻極少在現實中親眼看到的調查報導：一家大型消費企業打造了一個機器學習模型，其明確目的就是找出「最可能輸錢」的客戶——然後把整個促銷預算精準地砸向他們。

這家公司是 DraftKings，總部位於波士頓的體育博彩與每日幻想運動巨頭。這個於 2023 年以公司自有客戶投注紀錄訓練的模型，為每一位用戶回答一個問題：誰最可能在收到促銷之後下注更多——並且輸得更多？客戶的分數越高，DraftKings 每花一美元促銷費所能收回的營收就越多。免費投注、紅利點數與個人化優惠，於是源源不絕地流向分數最高的那一群人。

模型到底量測了什麼

根據《紐約時報》的報導——並由六位前員工佐證——這個模型讀入了一組行為特徵，任何做過成長行銷或信用風控的人對這些特徵都不陌生：

• 投注頻率——客戶多常下注、節奏是否正在加快
• 帳戶餘額——帳戶裡有多少錢、有多少資金持續流入
• 虧損佔投注比——客戶押注的金額中，有多少比例有贏回來
• 流失機率——對「這位用戶是否可能從此不再賭博」的獨立估計

這些特徵個別來看都是正當的行銷指標。但組合起來，它們構成了某種更尖銳的東西：一份「脆弱性預測側寫」。一位投注頻繁、輸掉押注金額的大部分、不斷儲值、而且毫無退出跡象的客戶，在模型的語言裡就是高分帳戶。而在人類的語言裡，這份側寫描述的正是正滑向問題性賭博的人。

整篇調查中最刺骨的一句話，來自曾負責這批資料的前 DraftKings 資料分析師 Jayden Butts：「我們在找可以鎖定的特徵，用來判斷誰是好的投資標的。最好的投資標的，就是問題賭客。」另一位前分析師說得更直白：「它聽起來多掠奪性，實際上就有多掠奪性。你輸得越多，我們就給你越多，好讓你繼續玩下去。」

DraftKings 否認這種定性。該公司向《紐約時報》表示「拒絕任何暗示其行銷不公平鎖定客戶」的說法，並稱促銷是發給展現「持續、深度參與」的用戶。公司還指出 Butts 的測試分析「看來屬初步且未有結論」，其觀點不代表 DraftKings 對促銷投資的做法。然而，「深度參與的用戶」與「被預測會輸最多的用戶」之間的重疊程度，恰恰就是問題所在——而這個重疊由模型自身的特徵權重決定，決定權全在公司手裡。

高階主管引以為傲的數字

讓這則報導更難被 DraftKings 輕輕帶過的，是公司自己曾公開慶祝這套資料科學機制的商業成果。高階主管向《紐約時報》表示，資料科學與分析在 2025 年將促銷驅動的運動博彩利潤率提升了約 13%，而且 AI 協助個人化了數億美元的促銷支出。

這是一個驚人的數字。歸因於促銷定向的 13 個百分點利潤率改善並非統計誤差——它是消費科技領域中，應用機器學習所創造的最大且有文獻可考的回報之一。而根據前員工的說法，它的達成方式，是把促銷預算最佳化到「預期虧損最大」的那群客戶身上。

被擱置的那個模型

整篇調查最沉重的部分，不是 DraftKings 蓋了什麼，而是它選擇不完成什麼。前員工告訴《紐約時報》，另一個獨立計畫——旨在找出出現問題賭博徵兆之客戶的風險評分模型——遭到拖延或擱置，即便用來建造它的底層資料基礎設施早已存在。同一套管線本來可以往兩個方向看；最終只有一個方向被做成了產品。

DraftKings 的責任博彩長（chief responsible gaming officer）Lori Kalani 向《紐約時報》表示，公司確實會監控客戶的高風險行為，並說 DraftKings 之所以沒有部署風險預測技術，是因為它「證據基礎還不夠充分」。公司公開的責任博彩承諾包括：與 Mindway AI 的 Gamalyze 工具合作、擴充客戶教育資源，以及與 IC360 在誠信與合規監控上的夥伴關係。仍未被回答的問題是：這些工具是否真能做到那個被擱置的模型原本要做的事——用驅動促銷引擎的同一批行為訊號，主動為高風險用戶評分並介入。

為什麼這件事遠超出賭博產業的範圍

這篇報導落地於近年記憶中最喧囂的 AI 安全週——前沿實驗室 CEO 們呼籲放慢腳步、國會辯論緊急斷路機制（kill switch）、還有一樁針對「協調放慢開發」的新反壟斷訴訟。在這樣的背景下，DraftKings 調查是一記及時的提醒：最切身的 AI 傷害不是假設性的超級智慧，而是那些默默把「沒有任何監管者核准過的指標」推向極大化的最佳化系統。

如今每一個大型消費平台手中都有 DraftKings 曾經擁有的原料：緻密的行為遙測資料、一個預測模型、一個參與度目標。《紐約時報》記錄下來的這個模式——把營收極大化的模型建好、把傷害偵測的模型擱置——是一個治理失敗，而不是技術失敗。被擱置的風險評分模型在技術上並不比虧損預測模型更難建造，它只是比較不賺錢而已。

對立法者與各州博彩監管機關而言，這篇調查提供了比「對產業的一般性疑慮」更具體的東西：具名消息來源、一個特定的 2023 年模型、量化的利潤率效果，以及一段如今可以被檢驗的公司否認。已有數個州在調查運動博彩業的促銷手法；一份「按預期虧損為客戶排名」的內部模型紀錄，同時給了監管者動機與素材。

而對用戶來說，實際的啟示並不舒服，卻很簡單：你信箱裡那筆免費投注，不一定是忠誠度回饋。它可能是一個模型的輸出——那個模型已經悄悄為你評了分，並且判定你「值得投資」。

《紐約時報》報導內部最令人不安的真相是：這個模型確實有效。它找到了輸家，虧損擴大了，利潤率以兩位數百分比改善。現在，每一個部署行為 AI 系統的經營者都應該預期被問到的問題不再是「你的模型做什麼？」，而是「你決定不建造什麼？」