Τέσσερις Τρόποι με τους οποίους το AI Βοηθά τις Αναδυόμενες Εμπορικές Πλατφόρμες να Ανταγωνίζονται τους Μεγάλους Διανομείς Παιχνιδιών

Τους τελευταίους 12 χρόνια, οι στρατηγικές διανομής υπολογιστικών και βιντεοπαιχνιδιών έχουν υποστεί μια σεισμική μετατόπιση. Οι πωλήσεις ψηφιακών παιχνιδιών ξεπέρασαν τις πωλήσεις φυσικών αντιτύπων για πρώτη φορά το 2013, και η τάση ενισχύθηκε περαιτέρω από τις κλεισούρες του 2020. Στην Ιταλία, για παράδειγμα, την πρώτη εβδομάδα της απομόνωσης, οι ψηφιακές λήψεις παιχνιδιών αυξήθηκαν κατακόρυφα κατά 174,9%.

Προβλέποντας το μέλλον, η αγορά είναι έτοιμη να συνεχίσει να αυξάνεται, με την Statista να προβλέπει ότι θα αυξηθεί με ετήσιο ρυθμό 5,76% μέχρι το 2027, φτάνοντας τελικά σε όγκο αγοράς 25,4 δισεκατομμυρίων δολαρίων μέχρι το τέλος του έτους.

Παρά τούτο, ο ανταγωνισμός παραμένει έντονος. Η ψηφιακή αγορά παιχνιδιών κυριαρχείται από μόνο quelques πλατφόρμες, και με 94% των δαπανών να πραγματοποιούνται ψηφιακά, αυτό αφήνει πολύ λίγο χώρο για νέους είσοδους. Οι καθιερωμένοι παίκτες — όπως η Steam και το Epic Games Store στη σφαίρα των υπολογιστών — επωφελούνται από αυτό για να επιβάλλουν υψηλές προμήθειες στους εκδότες.

Για αυτές τις μεγάλες οντότητες, η ενσωμάτωση του AI στις επιχειρήσεις τους είναι δεύτερη φύση. Ωστόσο, για τις μικρότερες, αναδυόμενες πλατφόρμες, το AI μπορεί να είναι ένα παιχνίδι-αλλαγή — ένα που τους επιτρέπει να προκλήσουν την καθιερωμένη ολιγοπωλία.

Ενώ η αναπαραγωγή επιτυχημένων εφαρμογών AI απαιτεί προσεκτική εξέταση των ιδιαίτερων χαρακτηριστικών και των επιχειρησιακών контекστων, εδώ είναι τέσσερις τρόποι με τους οποίους το AI μπορεί να βοηθήσει τις αναδυόμενες εμπορικές εταιρείες να ανταγωνιστούν τους ψηφιακούς γίγαντες διανομής.

#1: Βελτιώνοντας την ανίχνευση απάτης

Στις πλατφόρμες παιχνιδιών, η απάτη συμβαίνει σε πολύ μεγαλύτερο βαθμό — και πιο συχνά — από ότι σε άλλους εμπορικούς τομείς. Δεδομένου του ότι μπορεί να επεξεργαστεί και να αναλύσει τεράστιες ποσότητες δεδομένων συναλλαγών, τα αλγόριθμοι του AI μπορούν να αναγνωρίσουν γρήγορα υποψήφιους σχηματισμούς ή ανωμαλίες.

Σκάνωντας τις εκτενείς βάσεις δεδομένων συναλλαγών, τα αλγόριθμοι μηχανικής μάθησης μπορούν να προσαρμοστούν και να αναγνωρίσουν τις απάτες, που κυμαίνονται από ασυνήθιστες συμπεριφορές χρηστών σε μη τυπικές μεθόδους πληρωμής και αγορές από μη τυπικές γεωγραφικές περιοχές.

Στις παραδοσιακές βασισμένες σε κανόνες συστήματα, κάποιοι από αυτούς τους δείκτες μπορεί να μην ανιχνεύονται, εμποδίζοντας την ικανότητα μιας εταιρείας να ανιχνεύσει απάτες και την εκθέτοντας σε πιθανές οικονομικές απώλειες.

Στην εταιρεία μας, με την εφαρμογή του AI-ενισχυμένου λογισμικού — που αναπτύχθηκε από τρίτο μέρος — έχουμε αποτρέψει περίπου το 95% των απάτων συναλλαγών. Επίσης, συνεργαζόμαστε στενά με την τεχνολογία. Όταν μια συναλλαγή σημειώνεται ως αμφίβολη, ο διευθυντής μας την επανεξετάζει προσωπικά. Οι ψηφιακές κλειδιά παιχνιδιών δεν εκδίδονται στον αγοραστή μέχρι να εγκριθεί η αγορά από τον διευθυντή μας.

#2: Ροής των ερωτημάτων υποστήριξης πελατών

Στον εμπορικό τομέα, τα chatbots που ενισχύονται από το AI είναι μια από τις πιο συχνές εφαρμογές της τεχνητής νοημοσύνης.

Καθώς υπάρχουν πολλές λύσεις στην αγορά, τα chatbots είναι tương đối εύκολο να εφαρμοστούν, ακόμη και χωρίς ιστορικά δεδομένα. Επειδή μπορούν να μάθουν από τις αλληλεπιδράσεις των χρηστών, τα chatbots παράγουν αποτελέσματα σχεδόν αμέσως και βοηθούν τις εταιρείες να μειώσουν την ανάγκη για προσωπικό υποστήριξης πελατών.

Επιπλέον, απελευθερώνουν χρόνο για το υπάρχον προσωπικό υποστήριξης πελατών.

Σύμφωνα με την εμπειρία μας, οι περισσότερες ερωτήσεις που λαμβάνουμε — γύρω στο 70% — είναι khá απλές και επαναλαμβανόμενες. Παραδείγματα περιλαμβάνουν:

• Είναι το παιχνίδι διαθέσιμο για αγορά;
• Πότε μπορώ να λάβω το κλειδί του παιχνιδιού;
• Πώς μπορώ να ενεργοποιήσω το κλειδί άδειας χρήσης;
• Τι είναι η κατάσταση της παραγγελίας μου;

Στο 80% αυτών των περιπτώσεων, τα bots μας έχουν υπάρξει khá επιτυχημένα στο να βοηθούν τους χρήστες μας χωρίς να χρειάζεται να τους μεταφέρουν σε ζωντανό оператор. Έτσι, μπορούμε να πούμε ότι τα bots μας καλύπτουν περίπου το 56% των εισερχόμενων αιτημάτων υποστήριξης, απελευθερώνοντας πολύτιμους πόρους που προηγουμένως χάναγαν στην υποστήριξη, ώστε να μπορούμε να τους χρησιμοποιήσουμε αλλού στην εταιρεία για να ενισχύσουμε την ανάπτυξή μας.

#3: Αναγνώριση μοτίβων που οδηγούν σε μετατροπή

Ένα κοινό δίλημμα που αντιμετωπίζουν οι ιδιοκτήτες επιχειρήσεων είναι η αναγνώριση των παραγόντων που οδηγούν σε μετατροπή και αυτών που δεν οδηγούν.

Αυτός είναι ένας άλλος τομέας όπου το AI μπορεί να βοηθήσει, συλλέγοντας δεδομένα χρηστών που δείχνουν επαναλαμβανόμενους συμπεριφορικούς μοτίβους που οδηγούν ή αποτρέπουν μετατροπές. Βασισμένοι σε αυτά τα δεδομένα, οι εταιρείες μπορούν να κάνουν προσαρμογές στην εμπειρία χρήστη του ιστοτόπου τους.

Επιπλέον, το AI μπορεί να δημιουργήσει τμήματα πελατών που αυξάνουν την αποτελεσματικότητα των маркетινγκ προσπαθειών. Καθώς μπορεί να δημιουργήσει προφίλ χρηστών σε διάφορες διαστάσεις, το AI μπορεί να ανακαλύψει συνδέσεις και να ομαδοποιήσει ομοιόμορφους τομείς που μπορεί να μην είναι εμφανείς μέσω χειροκίνητων αναθεωρήσεων. Για παράδειγμα, οι πελάτες που αγοράζουν το GTA 5 μπορεί να ενδιαφέρονται επίσης για παιχνίδια από διαφορετικά είδη που, αρχικά, δεν έχουν καμία σχέση με το GTA 5.

Για να διευκολύνουμε αυτό, έχουμε εφαρμόσει μια λύση προσωποποίησης AI από την Retail Rocket. Χρησιμοποιώντας ιστορικά δεδομένα αγορών πελατών, αυτό το εργαλείο μας βοηθά να επιτύχουμε διάφορες εργασίες, όπως να παρέχουμε προσωποποιημένες συστάσεις προϊόντων — και στον ιστοτόπο μας και μέσω email — και να αναγνωρίζουμε σχέσεις μεταξύ προϊόντων, μας επιτρέποντας να προτείνουμε συμπληρωματικές αγορές.

Επιπλέον, μπορούμε να χρονοθετήσουμε την επόμενη πιθανή αγορά των πελατών μας. Αυτό επίσης βελτιώνει τον χρονισμό των μηνυμάτων μάρκετινγκ. Συνολικά, μπορούμε να πούμε ότι αυτές οι προσπάθειες έχουν ενισχύσει τις πωλήσεις μας μέσω των καναλιών μάρκετινγκ κατά περίπου 15%.

#4: Προβλέποντας τις πωλήσεις

Λόγω της χρονικής φύσης της βιομηχανίας παιχνιδιών — για παράδειγμα, η Steam επιβάλλει περιορισμούς στο πόσα κλειδιά μπορεί να δημιουργήσει ένας εκδότης — η αποτελεσματική πρόβλεψη είναι κρίσιμη.

Εδώ, έχουμε εφαρμόσει ένα απλό μοντέλο AI που βασίζεται σε δύο основные μεθόδους: πρόβλεψη χρονοσειρών και αναλυτική παλινδρόμηση.

Αναγνωρίζοντας μοτίβους, η πρώτη μας βοηθά να προβλέψουμε μελλοντικές πωλήσεις και να προσαρμοστούμε στη σεζονικότητα, η οποία είναι ένας σημαντικός παράγοντας στο πεδίο των παιχνιδιών. Από την άλλη πλευρά, η δεύτερη βοηθά την ομάδα μας να καθορίσει σχέσεις μεταξύ δεδομένων πωλήσεων και άλλων متαβλητών — δημογραφικών, τιμών, κατηγοριών προϊόντων και περισσότερων.

Καθώς υπάρχουν μεγάλες αποκλίσεις σε αυτά τα παράμετρος — για παράδειγμα, υπάρχουν αθλητικά παιχνίδια που κυκλοφορούν ετησίως, όπως αυτά της EA Sports, και άλλα στρατηγικά παιχνίδια που διαρκούν δεκαετίες — το να πάρουμε αυτά τα κρίσιμα στοιχεία σωστά είναι της υψίστης σημασίας για την ακριβή πρόβλεψη.

Ξεκινήσαμε αυτό την άνοιξη του 2024, οπότε, μέχρι τώρα, τα αποτελέσματά μας είναι παρόμοια με αυτά που επιτύχαμε χωρίς το AI. Ωστόσο, περιμένουμε ότι καθώς θα συνεχίσουμε να καλιμπράρουμε και να βελτιώνουμε το μοντέλο μας και να συλλέγουμε περισσότερα ιστορικά δεδομένα, η ακρίβεια μας θα βελτιωθεί σημαντικά με τον καιρό.

Τελικές σκέψεις

Σε ορισμένους τομείς, όπως τα παιχνίδια, το AI μπορεί να γίνει ένας δημοκρατικός παράγοντας — ένας που επιτρέπει στις αναδυόμενες, υψηλού δυναμικού πλατφόρμες να ανταγωνίζονται τις καθιερωμένες γίγαντες.

Λέγοντας αυτό, για να πραγματοποιήσουμε πλήρως το δυναμικό του, δεν είναι τόσο για να ενσωματώσουμε απλώς το AI για το δικό του χάριν, αλλά για να το κάνουμε σωστά.

Για τις μικρότερες εταιρείες που δεν μπορούν να διατηρήσουν μια εσωτερική ομάδα ειδικών του AI, μια βιώσιμη λύση είναι να χρησιμοποιήσουν υπάρχοντα λογισμικό τρίτων. Κάποιες από αυτές τις έτοιμες λύσεις μπορούν να χρησιμοποιηθούν από κανονικούς προγραμματιστές, ακόμη και αν δεν είναι εξειδικευμένοι στο AI.

Η πρόταση μου είναι να μην μεταφέρετε όλη τη φόρτωση σας αμέσως στο AI. Αντίθετα, ακολουθήστε μια σταδιακή προσέγγιση. Για παράδειγμα, ζητήστε από το AI να χειριστεί το 10% των ερωτημάτων των χρηστών ή να دينάμικα να τιμολογεί το 10% των προϊόντων σας.

Τέλος, διατηρήστε την ανθρώπινη επαφή. Το να έχετε ανθρώπους να αναθεωρούν την ποιότητα της υποστήριξης του AI μπορεί να είναι πολύ ωφέλιμο. Όσο το AI αποδεικνύει την αξία του, μπορείτε να επεκτείνετε το πεδίο του εντός της οργάνωσής σας.