Beyond aggregate spending: a behavioural typology of online gambling and its neighbourhood patterning in Great Britain

기술 요약: 총 지출 집계 그 이상: 영국의 온라인 도박에 대한 행동 유형론 및 그 이웃 패턴화

문제 제기
영국(GB)의 온라인 도박 피해에 관한 현재의 실증 문헌은 주로 개인-인지적 프레임워크(예: 충동성, 자기 효능감)와 총 지출 집계 지표에 과도하게 의존하고 있다. 기존 데이터 소스는 다음과 같은 중대한 한계를 지닌다:

• 자기 보고식 설문조사: 이웃 수준의 추론을 위한 세밀함이 부족하며, 회상 및 보고 편향에 취약하다.
• 오픈 뱅킹 데이터: 가맹점으로 유입되고 유출되는 금융 흐름은 정확히 기록하지만, 내부 구조적 세부 사항(예: 단일 고액 베팅과 다수의 저액 세션 구분, 또는 슬롯 대 스포츠 베팅과 같은 특정 제품 유형 식별)은 결여되어 있다. 또한, "총 지출 대비 도박 비중"과 같은 지표는 소득 탄력성에 의해 혼란을 겪을 수 있어, 저소득층 집단에서의 강도를 오해하게 만들 가능성이 있다.
• 운영사 데이터: 거래 세부 정보(베팅 슬립, 세션 깊이, 타이밍 등)는 풍부하지만, 독립적인 분석을 위해 연결되거나 이웃 맥락과 연계된 사례가 드물다.

본 연구가 다루는 핵심 문제는, 어떻게 도박이 구조화되고 분포되는지를 이해하기 위해 고해상도 운영사 거래 기록을 사회적 및 공간적 맥락과 통합하는 데이터 기반의 인구 규모 행동 유형론이 부재하다는 점이다.

방법론
본 연구는 영국의 5대 대형 온라인 도박 운영사 중 한 곳의 1년치(2022년) 전체 거래 기록을 활용한다.

• 코호트: 여러 계정을 고유한 개인으로 정제 및 연결한 결과, 분석 코호트는 1,184,905명의 검증된 영국 거주 고객으로 구성되었다. 이는 "활성(Active)"(796,378명) 그룹과 "휴면(Dormant)"(388,527명) 그룹으로 분할되었다. 활성 도박꾼은 동일 조건 비교를 위해 세 그룹(베팅 및 게임 병행(BG), 베팅 전용(B), 게임 전용(G))으로 다시 층화되었다.
• 특징 공학(Feature Engineering): 고객당 빈도, 강도, 위험성, 변동성의 네 가지 영역에 걸쳐 37개의 행동 특징을 산출하였다. 결정적으로, 사회적 또는 시간적 맥락이 행동 도출 과정에 미리 개입되는 것을 방지하기 위해, 무엇을 플레이했는지와 언제(스포츠 일정과 관련하여)에 대한 지표는 클러스터링 입력값에서 제외하였다.
• 클러스터링 과정:
  1. 전처리: 왜도(skewness)를 해결하기 위해 역 쌍곡 정현 함수(inverse hyperbolic sine)를 적용하고, 좌편향 변수는 반사(reflection)를 적용한 후, [0, 100] 범위로 최소-최대 스케일링을 수행하였다.
  2. 차원 축소: 공선성을 줄이기 위해 각 그룹(BG, B, G)에 대해 별도로 주성분 분석(PCA)을 적용하였다.
  3. 클러스터링: 보존된 주성분에 대해 k-means 클러스터링(k-means++ 초기화 및 10,000회 시행)을 수행하였다. 클러스터 수는 클러스터그램(clustergrams)을 통해 결정되었으며, 그 결과 BG 그룹에서 6개, B 그룹에서 2개, G 그룹에서 3개(총 11개의 활성 유형)가 도출되었고, 휴면 카테고리가 추가되었다.
• 맥락적 프로파일링: 클러스터링에 사용되지 않은 5가지 맥락적 층위(인구통계, 제품 선호도, 시간적 리듬, 출력 구역 분류(Output Area Classification, 지리적 인구 통계), 다중 결핍 지수(IMD))를 대상으로 사후 분석을 실시하였다.
• 공간적 투영: 도출된 유형을 십분위 순위 가중 소영역 추정 절차를 사용하여 영국의 43,064개 하위 레이어 슈퍼 출력 구역(LSOAs)에 투영하였으며, 운영사의 시장 점유율을 기준으로 국가 추정치로 환산하였다.

주요 결과
분석을 통해 빈도, 강도, 위치 사이의 유의미한 괴리를 드러내는 12가지 별도 범주(11개 활성 유형 + 휴면)가 식별되었다:

1. 빈도와 강도의 괴리: 참여 빈도가 거의 동일한 유형이라도 재정적 노출 정도는 극명하게 다를 수 있다. 예를 들어, "심의적 엔터테인먼트 추구자(Mindful Entertainment Seekers)"(BG4)는 50% 이상의 날에 도박을 하지만 낮은 판돈과 높은 수익률을 보이는 반면, "고빈도 고액 손실자(High-Frequency High-Stake Losers)"(BG5)는 유사한 일수에 도박을 하지만 입금액은 18배 더 많고 수익률은 현저히 낮다. 표준적인 회전 빈도 모니터링 임계값은 이러한 위험 프로필을 구분해내지 못할 것이다.
2. 이웃 취약성의 비선형성: 행동의 극단성이 반드시 이웃의 취약성을 예측하는 것은 아니다.
   • "빈곤 지역의 심의적 저액 플레이어(Mindful Low-Rollers from Deprived Communities)"(G2)는 보수적인 베팅 규모와 높은 수익률을 보이지만, 가장 결핍된 지역에 밀집되어 있다.
   • 반대로, "젊은 간헐적 폭발적 플레이어(Young Occasional Binge Players)"(BG6)는 변동성이 크고 손실이 많은 심야 시간대의 폭발적 플레이를 보이지만, 결핍 지역에 집중되어 있지는 않다.
   • 이는 행동 지표에만 의존할 경우 결핍 지역의 위험을 과소평가하게 되고, 결핍 지표에만 의존할 경우 부유한 지역의 고위험 행동 패턴을 놓칠 수 있음을 시사한다.
3. 시간적 이질성: 시간적 구조는 체계적으로 다양하게 나타난다. 어떤 유형은 이벤트 중심적(주요 스포츠 경기 전후로 급증)인 반면, 어떤 유형은 습관적(고르게 분포)이며, 또 다른 유형은 이벤트 기반 베팅과 게임 폭발이 결 조합된다. 월간 집계에 맞춰진 모니터링 시스템은 좁은 시간 창 내에서 노출이 급증하는 이벤트 중심형 유형의 피해를 감지하기에 부적합하다.
4. 공간적 패턴: 온라인 도박은 장소의 제약을 받지 않는 것이 아니다. 게임 전용 유형은 결핍된 포스트 산업 도시(예: 북동부, 머서티드필)에 집중되어 있는 반면, 베팅 전용 유형은 더 광범위하게 퍼져 있다. 런던과 남동부 지역은 대부분의 유형에서 침투율이 낮게 나타난다.

의의 및 주장
본 논문은 영국의 온라인 도박 거버넌스가 개인-인지 모델과 총 지출 집계 지표에서 벗어나, 행동 구조와 이웃 맥락을 결합한 다층적 접근 방식으로 전환해야 한다고 주장한다.

• 총 지출 집계 그 이상: 본 연구는 운영사 데이터가 오픈 뱅킹 데이터가 갖지 못한 구조적 세부 사항(베팅 슬립 구성, 세션 깊이)을 제공하는 동시에, 오픈 뱅킹은 단일 운영사 데이터가 제공하지 못하는 인구 규모의 금융 맥락을 제공함을 입증한다.
• 맥락적 해석: 행동 분류는 장소에 근거할 때에만 해석적 가치를 얻는다. 결핍 지역의 "겸손한" 베팅 규모(G2)는 부유한 지역의 동일한 프로필과는 다른 정책적 주의를 요할 수 있으며, 이는 금융적으로 안정된 맥락에서의 고빈도 플레이(BG4)가 취약한 맥락에서의 유사한 플레이와 위험의 성격이 다르듯 마찬가지이다.
• 정책적 시사점: 이 유형론은 "장소 민감형(place-sensitive)" 도박 거버넌스를 지원한다. 이는 지방 자치 단체와 공중 보건 팀이 특정 형태의 도박(예: 고손실 게임 vs 이벤트 기반 베팅)이 축적되는 특정 이웃을 식별할 수 있게 하여, 국가 평균이나 단순한 빈도 임계값에 의존하는 대신 타겟팅된 개입을 가능하게 한다.
• 한 خلال(Limitations): 저자들은 본 분석이 단일 운영사에 기반했다는 점(선택 편향 가능성), 단일 연도를 다루었다는 점(장기적 궤적 누락), 추론적 소영역 추정 방식에 의존한다는 점, 그리고 행동 지표를 직접적인 피해 측정치가 아닌 피해의 대리 지표로 취급했다는 점을 인정한다.

본 연구는 디지털 시장이 지리적 요소를 지우지 못한다는 결론을 내린다. 온라인 도박의 피해가 축적되는 이웃은 포스트 산업 구조조정과 경제적 불이익을 겪은 지역과 상당 부분 겹치며, 따라서 개인 모니터링과 이웃 규모의 증거를 통합하는 거버넌스 프레임워크가 필요하다.