Čtyři způsoby, jak AI pomáhá vyvíjejícím se e-commerce platformám soutěžit s velkými distributory her

Za posledních 12 let prošla strategie distribuce počítačových a videoher zásadním posunem. Prodej digitálních her poprvé překonal prodej fyzických kopií v roce 2013, a tento trend byl dále urychlen uzávěrkami v roce 2020. V Itálii, například, vedl první týden uzávěry k nárůstu digitálních stažení her o 174,9%.

Pohledem do budoucna je trh připraven pokračovat ve svém růstu, neboť Statista předpovídá, že do roku 2027 poroste tempem 5,76% a dosáhne objemu trhu 25,4 miliardy dolarů do konce tohoto roku.

Navzdory tomu zůstává konkurence velmi silná. Trh s digitálními hrami je ovládán pouze několika málo platformami a s 94% výdajů, které probíhají digitálně, zůstává velmi málo prostoru pro nové účastníky. Zavedení hráči — jako je Steam a Epic Games Store v oblasti PC — využívají této situace a uvalují na vydavatele vysoké poplatky.

Pro tyto velké subjekty je integrace AI do jejich operací samozřejmostí. Avšak pro menší, vyvíjející se platformy, může AI být skutečným game-changerem — tím, který jim umožní vyvíjet se a konkurovat zavedeným hráčům.

Zatímco replikace úspěšných implementací AI vyžaduje pečlivé zvažování specifických charakteristik platformy a provozního kontextu, zde jsou čtyři způsoby, jak AI může pomoci začínajícím e-commerce společnostem soutěžit s digitálními distributory.

#1: Vylepšení detekce podvodů

Na herních platformách se podvody vyskytují ve větším měřítku — a častěji — než v jiných e-commerce oblastech. Díky své schopnosti zpracovávat a analyzovat velké množství transakčních dat, mohou algoritmy AI rychle identifikovat podezřelé vzorce nebo anomálie.

Procházením rozsáhlých transakčních databází, mohou algoritmy strojového učení přizpůsobit a rozpoznat podvodné operace, sahající od neobvyklého chování uživatelů až po nepravidelné platební schéma a nákupy z atypických geografických oblastí.

V tradičních pravidlových systémech by některé z těchto indikátorů mohly zůstat nezjištěné, což by bránilo společnosti v detekci podvodů a vystavilo by ji potenciálním finančním ztrátám.

V naší společnosti, implementací AI poháněného softwaru — vyvinutého třetí stranou — jsme zabránili přibližně 95% podvodných transakcí. Také úzce spolupracujeme s technologií. Jakmile je operace označena jako pochybná, náš manažer ji osobně přezkoumá. Digitální herní klíče nejsou uvolněny kupujícímu, dokud nákup není ručně schválen našim manažerem.

#2: Zefektivnění dotazů zákaznické podpory

V e-commerce, AI poháněné chatboty jsou jedním z nejčastějších aplikací umělé inteligence.

Pоскольку existuje mnoho řešení na trhu, jsou chatboty relativně snadno implementovatelné, i bez historických dat. Díky tomu, že se mohou učit z interakcí uživatelů, chatboty poskytují výsledky prakticky okamžitě a pomáhají společnostem snížit potřebu zákaznické podpory.

Navíc, uvolňují čas pro stávající zákaznickou podporu.

Z naší zkušenosti vyplývá, že většina dotazů, které dostáváme — kolem 70% — jsou poměrně jednoduché a opakující se. Příklady zahrnují:

• Je hra dostupná pro nákup?
• Kdy mohu obdržet herní klíč?
• Jak aktivuji svou licenční klíč?
• Jaký je stav mé objednávky?

V 80% těchto případů, naše AI boty byly poměrně úspěšné v pomoci našim uživatelům bez potřeby převést je na živého operátora. Proto můžeme říci, že naše boty pokrývají přibližně 56% našich příchozích požadavků na podporu, uvolňují cenné zdroje, které byly dříve vynaloženy na podporu, aby je mohli využít jinde ve společnosti pro zlepšení našeho růstu.

#3: Identifikace vzorců, které pohánějí konverze UX

Společný dilema, se kterým se potýkají majitelé e-commerce podniků, je identifikace faktorů, které úspěšně pohánějí konverze a těch, které ne.

Toto je další oblast, ve které může AI pomoci, shromažďováním uživatelských dat, která identifikují opakující se behaviorální vzorce, které buď vedou nebo odrazují konverze. Na základě těchto dat, mohou společnosti provést UX-orientované úpravy na svých webových stránkách.

Navíc, AI může vytvořit zákaznické segmenty, které zvyšují účinnost marketingových úsilí. Protože může vytvářet uživatelské profily napříč různými dimenzemi, AI může odhalit spojení a seskupit podobné segmenty, které by mohly být jinak nezřetelné při manuálních kontrolách. Například, zákazníci, kteří kupují GTA 5, mohou být také zájemci o hry z jiného žánru, který principiálně nemá žádný vztah k GTA 5.

K tomu jsme implementovali třetí stranu AI personalizační řešení od Retail Rocket. Díky využití historických zákaznických nákupních dat, toto nástroj pomáhá nám dosáhnout několika úkolů, jako je poskytování personalizovaných produktových doporučení — jak na našich webových stránkách, tak prostřednictvím e-mailu — a identifikace vztahů mezi produkty, umožňující nám navrhnout doplňkové nákupy.

Navíc, můžeme také načasovat další potenciální nákup našich zákazníků. To také zlepšuje naši časování marketingových zpráv. Celkově můžeme říci, že tyto úsilí zvýšila naše prodejní výsledky prostřednictvím marketingových kanálů o přibližně 15%.

#4: Předpověď prodeje

Vzhledem k časově citlivé povaze herního průmyslu — například, Steam ukládá omezení počtu klíčů, které mohou vydavatelé generovat — efektivní předpověď je klíčová.

Zde jsme implementovali jednoduchý AI model, který je založen na dvou primárních metodách: časové řady předpovědi a regresní analýzy.

Detekcí vzorců, pomáhá nám první metoda předpovídat budoucí prodejní čísla a přizpůsobit se sezónnosti, která je důležitým faktorem v herním poli. Na druhé straně, druhá metoda pomáhá našemu týmu stanovit vztahy mezi prodejními daty a dalšími proměnnými — demografií, cenou, kategorií produktů a více.

Pоскольку existují velké rozdíly v těchto parametrech — například, existují sportovní hry vydávané ročně, jako ty od EA Sports, a jiné strategické hry, které trvají po desetiletí — je získání těchto kritických faktorů správně velmi důležité pro přesnou předpověď.

Poprvé jsme s tím začali na jaře 2024, takže, jak je tomu nyní, naše výsledky jsou podobné jako ty, které jsme dosahovali bez AI. Avšak očekáváme, že jak budeme dále kalibrovat a vylepšovat náš model a shromažďovat více historických dat, naše přesnost se významně zlepší v průběhu času.

Závěrečné myšlenky

V některých oblastech, jako je herní průmysl, může AI stát se demokratizačním faktorem — tím, který umožňuje vyvíjejícím se, perspektivním platformám soutěžit s zavedenými giganty.

Řekli jsme, že k plnému využití jeho potenciálu, nejde tolik o jednoduchou integraci AI, ale o to, udělat to správně.

Pro menší společnosti, které si nemohou dovolit udržovat vnitřní tým AI specialistů, je životaschopným řešením využití stávajícího softwaru třetích stran. Některé z těchto hotových řešení mohou být použity běžnými vývojáři, i když nejsou specializováni na AI.

Moje doporučení je, abyste nepřevedli celou svou zátěž najednou na AI. Místo toho, postupujte postupně. Například, požádejte AI, aby zpracovávalo 10% uživatelských dotazů, nebo aby dynamicky stanovilo ceny 10% vašich produktů.

Nakonec, zachovejte lidský přístup. Mít lidi, kteří kontrolují kvalitu podpory AI, může být velmi prospěšné. Jakmile AI prokáže svou hodnotu, můžete rozšířit jeho rozsah ve vaší organizaci.