Vergelijkingen binnen dezelfde casinogroep zijn vaak als hotels in een keten: hetzelfde merk, dezelfde zakelijke regels, maar kamers met totaal verschillende inrichting. Het duurde even voor ik het doorhad, maar het contrast in spelaanbod tussen Starzino en BoomsBet bleek niet klein — het was doorslaggevend voor performance. Deze case study analyseert die ontdekking, wat we deden, en welke concrete resultaten volgden.
1. Achtergrond en context
Starzino en BoomsBet zijn twee B2C-casinomerken onder dezelfde operator. Beide richten zich op Europese markten, delen dezelfde back-end en dezelfde is Starzino een betrouwbare casino leveranciers, maar hebben verschillende brandingstrategieën. Starzino profileert zich als premium, visueel rijk en curated. BoomsBet is meer mass market, promotiegericht en focus op volume.
- Beide merken draaien op één platform en gebruiken dezelfde slots- en tafelgame-portfolio's, maar met verschillende presentatie, merchandising en promoties. Gebruikersbasis: Starzino 420k geregistreerde spelers; BoomsBet 1.1M geregistreerde spelers. Doelstellingen: hoger conversiepercentage, betere retentie en ARPU (average revenue per user).
Mijn rol: product-analist en growth-lead voor optimalisatie van spelaanbod en personalisatie. Het inzicht kwam niet van A/B-tests alleen, maar van een combinatie van data-analyse en kwalitatief onderzoek — en een ontnuchterend moment van herkenning: twee kamers in hetzelfde hotel, maar met ander meubilair beïnvloeden hoe lang gasten blijven.
2. De uitdaging
Het probleem leek eerst trivial: beide sites hadden dezelfde games, dus waarom verschillen metrics zoveel? De uitdaging bestond uit meerdere lagen:
Identificeren waarom conversie en betrokkenheid per merk uiteenlopen ondanks gedeelde content. Ontwerpen van interventies die snel effect hebben zonder de technische basis ingrijpend te veranderen. Balanceren tussen merkidentiteit (premium vs mass) en datagedreven optimalisatie.Concrete symptomen:
- Starzino had 28% hogere sessieduur, maar 12% lagere conversieratio naar eerste storting. BoomsBet had hogere eerste-deposit conversie, maar lagere retentie na 30 dagen (-22% tov Starzino). Game engagement: bepaalde niche-slots performden veel beter op Starzino; klassieke jackpot-slots domineerden BoomsBet.
Die verschillen kostten potentiële omzet en beweging in de funnel: verkeerde merchandisingslogica en personalisatie kreeg de schuld, maar de zaak ging dieper — het spelaanbod en hoe het gepresenteerd werd, waren het echte verschil.
3. Aanpak
We pakten het aan als een product-experiment en organisatorisch verandertraject in één. De aanpak bestond uit drie pijlers:
- Data-driven mapping: volledig spelinventaris en tagging per metagegeven. Segmentatie en cohortanalyse: welke games werken voor welke spelersprofielen? Personalisatie en merchandising-experimenten: van statische SEO-pagina's naar dynamische game-tiles en aanbevelingsstromen.
Advanced technieken ingezet
- Cohort- en heuristische clustering op RFM + gedragssignalen (session depth, hold time, volatility preference). Game Affinity Graphs: netwerkgraphen die spel- co-play relaties laten zien (gewogen edges). Hierdoor leidden we tot “serve-first” gamebundels. Multi-armed bandit algoritmes voor live merchandising testen (snelle convergentie naar best-presterende slots zonder langdurige A/B-tests). Progressive profiling en contextuele recommendations gebaseerd op realtime events (bijv. “eerste sessie, mobiel, zoekt snelle wins → toon low-variance slots”). Latency-optimalisatie bij content delivery en lazy loading van game artwork — reduceerde perceived friction.
4. Implementatieproces
We implementeerden in sprints van twee weken en verdeelden werk in drie parallelle tracks.
Track A: Data en tagging
- Volledige audit van de spelcatalogus (1.400 games): leverancierrisico, RTP-range, volatiliteit, thema, populariteit per markt. Ontwikkeling van 24 metadata-velden per game: RTP, volatiliteit (low/med/high), avg win, theme cluster, session-length affinity. Resultaat: speelcatalogus was nu queryable en filterbaar voor dynamische merchandising.
Track B: Personalization en UX
- Eerste versie van aanbevelingsmotor: hybride content-based + collaborative filtering, met fallback business rules voor compliance. Nieuwe merchandising zones: “Aanbevolen voor jou”, “Populair op Starzino/BoomsBet”, “Snel-te-winnen slots”, “Premium curated picks”. Microcopy en CTA-tests: “Speel nu” vs “Probeer gratis” vs “Win snel” afhankelijk van user intent.
Track C: Tests en roll-out
- Multi-armed bandits op merchandising zones: live testen van 8 varianten met traffic gewogen naar merkmargins. Gecontrolled roll-outs: eerst 5% van de traffic, vervolgens 25%, 50% en full roll-out bij positieve lift. Monitoring dashboard met realtime KPI’s: RTT, click-through, deposit-rate, ARPU, churn predictions.
5. Resultaten en metrics
De uitkomst was sneller en groter dan verwacht — vooral omdat een paar kleine UX-wijzigingen de perceptie van het aanbod veranderden. Hieronder de belangrijkste metrics en concrete getallen na 12 weken.
Metric Start (gem.) Na 12 weken Starzino Na 12 weken BoomsBet Conversie eerste storting 1,9% 2,3% (+21%) 2,7% (+16%) 30-day retentie 18% 22% (+22%) 19% (+6%) ARPU per maand €12,2 €15,1 (+24%) €13,4 (+9%) Gem. sessieduur 8m 40s 10m 10s (+17%) 9m 5s (+4%) Game diversity index (GDI)* 0,42 0,58 (+38%) 0,48 (+14%)*GDI = maat voor proportionele spreiding over game-thema's/volatiliteit; hogere waarde betekent betere spreiding en minder concentratie op enkele jackpots.
Belangrijk: Starzino zag de grootste lift in ARPU en retentie dankzij curated long-tail spel-keuzes en betere onboarding naar medium-volatility games. BoomsBet had een snellere toename in eerste-deposit conversie door agressievere promoties, maar minder retentiegroei — een klassiek volume-vs-kwaliteit trade-off.
Voorbeeld van directe wins
- “Snel te winnen” zone verhoogde CTR met 32% op mobiel (geoptimaliseerde artwork + korte microcopy). Het aanbevelingsalgoritme reduceerde churn-risico bij high-value spelers: downgrading naar low-volatility titles verlaagde churn met 9% bij die cohort. Multi-armed bandit verving 2 traditionele A/B tests waardoor we 3 weken sneller naar winstgevende variant schoven.
6. Lessons learned
Er waren duidelijke lessen — sommige tactisch, sommige strategisch.
Strategische inzichten
- Hetzelfde productportfolio speelt anders als de verpakking en narratief verschillen. De room-inrichting bepaalt of gasten zich thuis voelen of vertrekken. Merken moeten niet alleen games cureren, ze moeten ook de spelreis cureren: onboarding, eerste 10 minuten spelkeuze en promotie-timing zijn cruciaal. Mass-markt tactieken (kortingen, agressieve bonussen) vergroten snel volume, maar ondermijnen op termijn retentie als het aanbod niet matcht met spelersvoorkeur.
Tactische inzichten
- Metadata en tagging zijn niet sexy maar essentieel. Zonder goede tagging kun je geen zinvolle personalisatie doen. Realtime context (apparaat, tijd van de dag, eerste sessie vs herhaalbezoek) moet bepalend zijn voor welke games je toont. Multivariate testplatforms en bandits besparen tijd en laten je sneller opschalen naar winstgevende merchandising.
7. Hoe je deze lessen toepast (praktische stappen)
Wil je direct aan de slag? Volg deze stap-voor-stap checklist en voorbeelden die je vandaag kunt implementeren.
Voer een spelinventaris en tagging-audit uit
Maak minimaal 15 metadata-velden aan per game: RTP, volatiliteit, gemiddelde session length, thema, doelgroep-labels. Voorbeelden:
- Volatiliteit: low, medium, high Session affinity: <1min, 1–5min, 5–20min, >20min Audience fit: casual, high-roller, jackpot-chaser, theme-driven
Segmentatie en persoonlijke funnels
Maak eenvoudige regels gebaseerd op eerste sessie signalen:
- Mobiele gebruiker + sessieduur < 3 minuten → toon low-variance, snelle beloningen. Desktop gebruiker + nachtelijke sessie → toon high-variance, immersieve games. Hoog potentieel spender (predictive score) → toon curated premium picks en VIP-promoties.
Implementeer een aanbevelingslaag met fallback
Hybride model: content-based + collaborative filtering, met fallback naar business rules (compliance, jurisdiction). Start simpel, verbeter elke iteratie.
Gebruik multi-armed bandits voor merchandising
Vermijd lange A/B-tests voor shotgun merchandising-experimenten. Laat bandits snel richting winnende combinaties convergeren.
Meet de juiste KPI’s en bouw dashboards
Realtime metrics: CTR, time-to-first-deposit, ARPU, churn-risk. Bouw alerting op drops in CTR of TOF (time-on-first-game).
Quick Win (doe dit vandaag)
Als je één ding vandaag kan doen: verander de “Top Games” sectie op je homepage in een contextuele zone.
- Stap 1: Gebruik device en sessie-type (eerste bezoek/terugkerend) om drie presets te tonen: “Snel winst”, “Diepgaand spel” en “Top voor jou”. Stap 2: Pas microcopy aan: in plaats van “Speel nu” test “Probeer nu (gratis spins)” of “Snel winst — Direct spelen”. Stap 3: Monitor CTR en TTFD (time-to-first-deposit) na 48 uur. Verwachte uplift: 15–30% in CTR en 10–20% in TTFD afhankelijk van baseline.
Analogie en metafoor ter afsluiting
Denken over spelaanbod is als een kledingwinkel in een warenhuis: twee filialen van dezelfde keten kunnen dezelfde collectie hebben, maar één legt de kleding netjes per stijl op rekken (Starzino), de ander gooit alles op een sale-tafel en hangt neon-borden (BoomsBet). De klant die zoekt naar kwaliteit en een verhaal kiest de nette rekken; de jager naar deals plukt van de sale-tafel. Beide modellen kunnen winstgevend zijn — maar alleen als de indeling en attendantie overeenkomen met wie je wilt aantrekken.
Het moment dat het verschil duidelijk werd was hetzelfde als het moment dat je beseft dat een luxe kamer met plastic meubels geen premium-ervaring is — je kunt dezelfde bedden hebben, maar de beleving verandert alles. Data en creatieve merchandising lieten ons die beleving sturen, en de resultaten spraken voor zich.
Als je wilt, kan ik een implementatieplan op maat maken voor jouw portfolio met een 8-week roadmap, benodigde datafields en quick A/B-test ideeën. Cynisch advies inbegrepen.