Ej redovisad betald marknadsföring är inget undantagsfall inom iGaming-marknadsföring – det är ett återkommande mönster i tillsynsärenden. Vår NLP-baserade ”shill-detektor” fastställer inte juridisk skuld – det kan bara tillsynsmyndigheter göra. Istället poängsätter den publicerat innehåll om kasinon och sportsbookar utifrån samma kännetecken som upprepade gånger dykt upp i bekräftade fall av dold marknadsföring: undangömd upplysning, språk kopplat till ekonomiska incitament, skriptade formuleringar som upprepas mellan konton, samt publiceringsrusningar som sammanfaller med sponsringsperioder. Resultatet är en sannolikhetsviktning som används i vår poängsättningspipeline – inte ett offentligt anklagande mot någon enskild skapare.
Viktiga slutsatser
- FTC:s första ärende mot enskilda influencers på sociala medier gällde en ej redovisad ägarandel i ett spelbolag samt betalningar på upp till 55 000 dollar till andra skapare för att marknadsföra en spelsajt.
- Brittiska tillsynsmyndigheter kan nu bötfälla dold reklam direkt: sedan april 2025 kan CMA utdöma böter på upp till 10 % av ett företags globala årsomsättning utan att gå till domstol.
- ASA:s AI-assisterade granskning av mer än 50 000 influencer-inlägg visade att endast cirka 57 % av sannolika annonser hade tillräcklig upplysning enligt 2025 års granskning.
- Ekonomin kring spelstreaming skapar ett strukturellt incitament att undvika upplysning: rapporterade plattformskontrakt för toppkasinostreamer uppgår till tiotals miljoner dollar.
- Akademisk stilometrisk forskning visar att vilseledande och sponsrat text bär mätbara språkliga markörer, vilket utgör grunden för automatiserad detektion i stor skala.
Innehållsförteckning
Varför shill-detektion är viktigt i stor skala
Spelarriktat innehåll om kasinon och sportsbookar kommer nu från tre överlappande källor: betalda influencers, affiliatemarknadsförare och organiska communitymedlemmar. Att skilja dem åt manuellt är inte skalbart – en enda operatör kan ha hundratals affiliatepartners och dussintals streamingavtal igång samtidigt. Det är samma grundläggande problem vi tar itu med i vårt arbete med att identifiera falska spelarrecensioner på Reddit och Trustpilot, men shill-detektion riktar sig mot en annan aktör: inte en botfarm som blåser upp stjärnbetyg, utan en verklig, identifierbar person eller ett konto som ersätts för att forma opinion utan att säga det.
Vad som står på spel är inte abstrakt.
Federal Trade Commission:s första ärende någonsin mot enskilda influencers på sociala medier hävdade att två onlinespelare rekommenderade en onlinespeltjänst utan att informera sina följare om att de ägde företaget.
Samma anmälan hävdade att de två betalade andra populära influencers upp till 55 000 dollar för att marknadsföra spelsajten, samtidigt som de avtalsenligt förbjöd dem att publicera negativa kommentarer – och utan att redovisa betalningen.
Det ärendet är nu nästan ett decennium gammalt, men mönstret det avslöjade – ägarskap eller betalning dolt bakom en fernissa av organiskt engagemang – är strukturellt identiskt med vad vår algoritm letar efter i innehåll från 2026.
Vad som juridiskt räknas som ej redovisad marknadsföring
Innan vi beskriver detektionslogiken är det bra att definiera målet. Tillsynsmyndigheter på de två största engelskspråkiga iGaming-marknaderna har båda formaliserat vad ”tillräcklig upplysning” innebär, och båda har konstaterat att de flesta skapare fortfarande inte lever upp till det.
USA: FTC:s riktlinjer för rekommendationer
I CSGOLotto-ärendet
publicerade en av influencers minst sju reklamvideor där han visade sig spela på sajten, vilka tillsammans fick mer än 5,7 miljoner visningar, utan att i någon av dem redovisa att han var ägare.
Där en upplysning faktiskt förekom
fann FTC att den enbart dök upp i videobeskrivningen ”nedanför viken”, där den inte skulle vara synlig utan att en tittare klickade vidare och scrollade.
Det mönstret med ”tekniskt befintlig men praktiskt osynlig” upplysning är fortfarande en av de tydligaste, mest maskindetekterbara varningssignalerna: en etikett som finns i metadata men aldrig visas i den primärtext som en läsare eller tittare faktiskt ser.
Tillsynen har inte stått stilla sedan 2017.
I november 2023 utfärdade FTC ytterligare varningsbrev riktade mot influencers på sociala medier och de branschorganisationer som betalar dem, med betoning på att överträdelser kan resultera i böter överstigande 50 000 dollar per inlägg.
Formuleringen med böter per inlägg är viktig för innehåll i stor skala som spelstreams, där en enskild skapare kan publicera dussintals monetiserade klipp i veckan.
Storbritannien: ASA:s och CMA:s regler
Den brittiska regleringen har gått längre och snabbare än sin amerikanska motsvarighet, delvis för att spel är en ”sektorsspecifik” kategori i CAP Code med egna regler. Två händelser sticker ut. För det första
behandlar Advertising Standards Authority alla som tillhandahåller en affiliatelänk som sekundär annonsör, och håller både varumärket och affiliaten gemensamt ansvariga för innehållet i annonser som innehåller den länken – även när varumärket inte hade kontroll över inlägget eller inte skänkt något.
För det andra har tillsynen nu verkliga ekonomiska konsekvenser:
enligt Digital Markets, Competition and Consumers Act kan Competition and Markets Authority avgöra ärenden och utdöma böter på upp till 10 % av ett företags globala årsomsättning – utan att gå till domstol.
Storleken på efterlevnadsgapet är mätbar eftersom ASA har automatiserat sin egen övervakning.
I sin andra AI-ledda granskning av influencer-innehåll, publicerad i maj 2025 och som täckte mer än 50 000 inlägg på Instagram och TikTok, fann ASA att cirka 57 % av sannolika annonser var tydligt redovisade, upp från 35 % år 2021 men fortfarande under förväntningarna.
Många ej redovisade inlägg använde mjuka etiketter som ”gifted” (gåva), vilket tillsynsmyndigheter inte anser vara tillräckligt, och ASA:s vägledning är att endast framträdande identifierare som ”Ad” eller ”#ad” uppfyller kravet.
Spelreklam har ett extra lager:
uppdaterad ASA-vägledning antyder nu att en influencer med över 100 000 följare registrerade som under 18 år kan anses ha ”starkt tilltal” för unga målgrupper oavsett vilken produkt som marknadsförs.
Det tröskelvärdet ger vår pipeline en ytterligare, licensrelevant signal att kontrollera vid sidan av upplysningskvaliteten – se vår relaterade täckning av licens- och jurisdiktionskrav för hur dessa överlappande regler samverkar.
Ekonomin bakom incitamentet att dölja betalning
Upplysningsluckor är lättare att förklara när storleken på de inblandade pengarna blir synlig. Direktsänd kasinoinnehåll migrerade nästan helt till en plattform efter en policyändring:
Twitchs policyuppdatering 2022 förbjöd streaming av sajter inklusive slots, roulette och tärningsspel som inte är licensierade i USA eller andra jurisdiktioner med tillräckligt konsumentskydd, med verkan från oktober det året.
Förbudet följde en streamer-skandal där en Twitch-profil uppgavs ha vilselett fans och andra skapare för att finansiera ett spelberoende, vilket utlöste ett ramaskri från några av plattformens största namn.
Tomrummet fylldes av en rivaliserande plattform grundad med fokus på lösare moderering, högre intäktsandelar och inkludering av onlinespelinnehåll som hade förbjudits på andra håll.
Kontrakten som följde illustrerar varför upplysning kan bli en eftertanke när det underliggande avtalet är värt långt mer än de annonsintäkter det döljer.
En av plattformens mest uppmärksammade signeringar involverade ett tvåårigt avtal rapporterat till 70 miljoner dollar, med prestationsincitament som kunde höja totalsumman till 100 miljoner dollar.
När en enda sponsring överstiger vanliga annonsintäkter med storleksordningar ökar det kommersiella trycket att framställa betalt spelande som spontant personligt nöje – snarare än kontrakterat arbete – i motsvarande grad. Det är precis den ekonomiska bakgrunden som vår täckning av iGamings makroekonomi följer, och det är därför shill-detektion ingår i vårt bredare arbetsflöde för fair play och bedrägeridetektering snarare än som en fristående nyhetsfunktion.
Hur vår NLP-pipeline identifierar shill-mönster
Vår detektor kombinerar tre typer av signaler. Ingen behandlas som bevis på egen hand; var och en bidrar med en viktad poäng som kombineras med metadata på kontonivå (publiceringshistorik, plattform, tidigare upplysningsbeteende) innan ett innehållsobjekt flaggas för mänsklig redaktionell granskning.
Språkliga och stilometriska markörer
Den underliggande premissen kommer från bedrägeridetekteringsforskning:
ett vanligt antagande inom stilometristudier är att bedrägeri lämnar ett stilistiskt spår jämförbart med en författares ”stylome”, vilket skulle möjliggöra detektering av bedrägerlighet enbart utifrån text.
Tillämpat specifikt på recensioner
fann forskning som analyserade psykolingvistiska egenskaper i falska kontra äkta recensioner distinkta markörer inklusive förhöjt kognitivt processspråk och emotionell överdrift, där transformerbaserade modeller presterade bättre än enklare klassificerare på att skilja de två åt.
För detektion av betald marknadsföring anpassar vi detta till spelspecifikt ordförråd: upprepade superlativpåståenden om utbetalningshastighet eller bonusgenerositet, frånvaro av negativa kvalificerare i en skapares hela produktion, och formuleringar som nästan ordagrant speglar en operatörs egna marknadsföringstexter.
Kontroll av upplysningens placering och synlighet
Med utgångspunkt i ”nedanför viken”-prejudikatet från CSGOLotto-ärendet kontrollerar vår pipeline inte bara om en upplysningstoken finns (#ad, ”sponsored”, ”paid partnership”) utan var den befinner sig i förhållande till primärinnehållet: första meningen kontra begravd i en beskrivning, statisk bio-länk kontra etikett per inlägg.
Regulatorisk vägledning är tydlig med att en stående upplysning i en bio inte täcker enskilda inlägg, eftersom inlägg ofta visas isolerat från den profil som innehåller dem.
Ett inlägg som enbart förlitar sig på en ansvarsfriskrivning på profilnivå poängsätts annorlunda än ett som bär en inbäddad etikett.
Nätverks- och tidsanalys
Analys av enskilda inlägg missar samordnade kampanjer.
Eftersom astroturfing orsakar mer konsumentskada när det involverar flera medbrottslingar som agerar i ett kollektivt samarbete, inkorporerar ett detektionsangreppssätt ett grafneuralt nätverk som kombinerar en ursprunglig publicerares stilometriska mönster med deras relationer till andra konton.
Vi tillämpar samma relationella logik i mindre skala: kluster av konton som publicerar nästan identiska lovord om samma operatör inom ett snävt tidsfönster, eller en burst av positiva omnämnanden som sammanfaller med ett offentligt rapporterat sponsringsstartdatum, höjer båda det sammansatta shill-poänget även när inget enskilt inlägg ser misstänkt ut isolerat. Detta kompletterar burst-och-kluster-analysen som beskrivs i vår sentimentanalysmetodik, som byggdes för att isolera äkta klagomålstoppar från fabricerade sådana.
| Signalkategori | Vad den fångar | Exempel på varningssignal |
|---|---|---|
| Lexikal/stilometrisk | Ordval, sentimentenhetlighet, superlativtäthet | Noll negativa kvalificerare i dussintals inlägg om en operatör |
| Upplysningens placering | Position och synlighet för sponsringsetiketter | ”#ad” förekommer enbart i en bio-länk, aldrig i inläggstexten |
| Nätverk/timing | Likhet mellan konton och publiceringsrusningar | Flera konton publicerar nästan identiska formuleringar inom timmar efter ett sponsringsmeddelande |
| Språk kopplat till ekonomiska incitament | Hänvisningar till referenskoder, ”house money” eller täckta saldon | Omnämnanden av en täckt eller ersatt förlust utan åtföljande upplysning |
Begränsningar, falska positiva och vad poängen inte är
Stilometriska angreppssätt har kända begränsningar.
Forskare som studerade maskingenerad text fann att språkmodeller producerar stilistiskt konsekvent output oavsett bakomliggande motiv, så stilometri kan identifiera textens ursprung men misslyckas med att skilja legitima användningar av generativa verktyg från vilseledande sådana.
Det fyndet är direkt relevant nu när en växande andel kasinorelaterat innehåll – recensioner, sociala inlägg, till och med chattsvar – är AI-assisterat snarare än rent mänskligt skrivet. En skapare som använder ett AI-skrivverktyg för legitim, redovisad marknadsföringskopia kan utlösa samma stilistiska enhetlighetsflaggor som en ej redovisad shill-kampanj, vilket är anledningen till att vårt system behandlar ett högt språkpoäng som en trigger för granskning, inte ett automatiskt straff.
Äkta entusiasm ser också mycket ut som betald entusiasm. En spelare som haft en riktig vinstsvit skriver också i superlativ. Vår redaktion korskontrollerar flaggade konton mot offentliga upplysningsregister, kända sponsringsmeddelanden och – där det är tillgängligt – en operatörs affiliateprogramlistor innan någon poängjustering tillämpas på våra publicerade rankningar. Detektorn minskar granskningskön; den ersätter den inte. För en djupare titt på hur dessa enskilda signaler matas in i en operatörs övergripande betyg, se vår förklaring av poängsystemet och algoritmiska vikter.
Vanliga frågor
Innebär ett högt shill-poäng att en skapare har brutit mot lagen?
Nej. Det innebär att innehållet delar statistiska egenskaper med bekräftade fall av ej redovisad betald marknadsföring. Endast en tillsynsmyndighet som FTC, ASA eller CMA kan göra ett juridiskt konstaterande av en upplysningsöverträdelse; vårt poäng är en intern redaktionell signal som används för att vikta eller utesluta innehåll från operatörspoängsättning.
Behandlas affiliatelänkar automatiskt som shilling?
Personer som tillhandahåller affiliatelänkar agerar i praktiken som sekundära annonsörer, eftersom de tjänar pengar i direkt proportion till det intresse de genererar för en produkt
, så en länk ensam höjer signalen för upplysningsgranskning. Den flaggas inte automatiskt som vilseledande om upplysningen är tydlig, framträdande och placerad i själva inlägget snarare än i en bio.
Räcker det att märka ett inlägg som ”gifted” eller ”affiliate” som upplysning?
Tillsynsmyndigheter säger nej.
Vissa ej redovisade annonser som granskades av ASA försökte använda etiketter som ”gifted”, ”pr trip” eller ”affiliate”, men ASA och Competition and Markets Authority har meddelat att sådan terminologi inte tillräckligt identifierar ett inlägg som reklam.
Vår pipeline flaggar dessa mjuka etiketter på samma sätt som den flaggar en frånvarande upplysning.
Varför får spelstreamer extra granskning?
För att avtalen är stora och innehållsvolymen är hög. Rapporterade fleråriga streamingkontrakt för toppkasinoskapare uppgår till åttasiffriga belopp, vilket skapar starka kommersiella incitament att framställa sponsrat spelande som spontant personligt nöje. Hög produktionsvolym gör också manuell upplysningsgranskning opraktisk, vilket är precis det skalningsproblem som NLP-detektion är byggd för att hantera.
Metodnotering
GamblScout.com:s shill-detektionsmodul hämtar in offentliga inlägg, videobeskrivningar och streamtranskript kopplade till en given operatör och poängsätter dem sedan utifrån lexikal/stilometrisk likhet med känt betalt innehåll, upplysningens placering och synlighet, tidskluster mellan konton samt ordförråd kopplat till ekonomiska incitament (referenskoder, täckta saldon). Poängen matas in i samma viktningssystem som används i hela vårt NLP- och sentimentanalysarbete och granskas av en redaktör innan någon operatörsinriktad poäng justeras.
Spelande innebär risk. Spela bara för pengar du har råd att förlora och använd de insättningsgränser och självexkluderingsverktyg som finns tillgängliga i din jurisdiktion.
