Er is een bepaald type tipster dat geleerd heeft wetenschappelijk te klinken. Ze hebben het over een "AI engine", "duizenden datapunten", "machine learning models" en een team van "data scientists with PhDs". En — dat moeten we ze nageven — sommigen publiceren hun volledige record openlijk, elke voorspelling gelogd, winst of verlies, downloadbaar als één bestand.
We namen een van de grotere partijen op hun woord, laadden de publieke dataset binnen en analyseerden 25,890 wedstrijden uit één jaar. Dit is wat de cijfers zeggen — allemaal van hen, niet van ons.
Het eerste wat je bij elk model controleert, is of het iets doet wat een vrije prijs niet al doet. Daarom vergeleken we voor elke wedstrijd de keuze van de tipster met de simpelste mogelijke baseline: de favoriet van de bookmaker — het team met de laagste odds.
Ze kwamen in 83% van de gevallen overeen.
Met andere woorden: vier van de vijf keer kiest de "AI engine" simpelweg degene die de bookmaker al tot favoriet heeft gemaakt. Dat is geen model dat verborgen value vindt. Dat is de odds lezen en kopiëren.
Het gaat verder. Elke keuze krijgt een "trust"- of "confidence"-score mee, gepresenteerd als output van het algoritme. We zetten die af tegen de door de odds geïmpliceerde kans — en die volgen elkaar bijna perfect (correlatie 0.61, hoger bij de zelfverzekerde picks). De "confidence score" is bij benadering gewoon de eigen prijs van de bookmaker in een laborjas.
Dit is het getal waarmee hun marketing begint: op hun picks met de hoogste confidence zitten ze in ongeveer 73% van de gevallen goed. Dat klinkt uitstekend. Het is ook waardeloos, en hier is precies waarom.
Die high-confidence picks zijn zware favorieten met een gemiddelde odd van 1.40. Reken uit waar een bettor echt om geeft: win 73% van je bets tegen odds van 1.40 en je haalt 0.73 × 1.40 = 1.02 op voor elke 1.00 die je inzet — nog vóór de marge van de bookmaker de rest opeet. Het resultaat is een rendement van ongeveer −0.1%. Je wint bijna elke bet en je gaat langzaam failliet.
Over alle 25,890 gepubliceerde picks heen levert alles backs aan de weergegeven odds −5.6% op. Niet op ons model. Op het hunne.
De meest onthullende test is de 17% van de wedstrijden waar de keuze van de tipster afwijkt van de favoriet van de bookmaker — de enige plek waar een echt model een edge zou kunnen tonen. Als het algoritme iets weet wat de markt niet weet, dan verdient het hier zijn abonnement terug.
Dat doet het niet. Op die wedstrijden zijn de picks in 28.7% van de gevallen juist en leveren ze −9.95% op. Blind backen van de favoriet had minder verlies gegeven. De "intelligence" trekt value af in plaats van toe te voegen.
We noemen de dienst niet bij naam. Het punt is niet één bedrijf — het gaat om het hele format. "67% accuracy", "AI-powered", "verified results": geen van deze cijfers betekent wat ze geacht worden te laten voelen, omdat accuracy tegen lage odds geen winst is, en een model dat de favoriet kopieert geen model is.
Dit is ook een spiegel die we graag op onszelf richten. Daarom verkoopt TipsAudit geen accuracy-cijfer. We publiceren de faire prijs met de bookmaker-marge eruit, we markeren value alleen waar een zachtere bookmaker een wedstrijd aantoonbaar verkeerd prijst, en het hoofdcijfer op onze track record is closing line value — de metric die daadwerkelijk correleert met een langetermijn-edge — weergegeven op elke pick, vóór de aftrap, inclusief verliezen.
De ongemakkelijke waarheid in de data hierboven is dat je die tipster zelf had kunnen auditen. Het bestand was de hele tijd publiek. De meeste mensen openen het nooit, omdat een muur van groene screenshots overtuigender voelt dan een spreadsheet. Wij vinden dat het andersom zou moeten zijn.
Data: een openbare dataset met tipsterresultaten, 25,890 wedstrijden met odds en uitkomsten uit één seizoen, geanalyseerd op overeenstemming tussen pick en favoriet, accuracy per confidence-band en return on investment tegen de weergegeven odds. Niets hier is betting advice; gokken brengt reëel financieel risico met zich mee. 18+, speel verantwoord.