Τέσσερις Τρόποι με τους οποίους το AI Βοηθά τις Αναδυόμενες Πλατφόρμες Ηλεκτρονικού Εμπορίου να Ανταγωνιστούν 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 αντιγράφων για πρώτη φορά το 2013, και η τάση ενισχύθηκε περαιτέρω από τους αποκλεισμούς του 2020. Για παράδειγμα, στην Ιταλία, η πρώτη εβδομάδα απομόνωσης οδήγησε τις ψηφιακές λήψεις παιχνιδιών να αυξήσουν κατακόρυφα κατά 174,9%.

Προβλέποντας το μέλλον, η αγορά είναι έτοιμη να συνεχίσει να αυξάνεται, με τη Statista να προβλέπει ότι θα αυξηθεί με ετήσιο ρυθμό ανάπτυξης 5,76% μεταξύ τώρα και 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 μόνο από 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 του PC — 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 ένας game-changer — ένας που τους επιτρέπει να προκλήσουν την καθιερωμένη ολιγοπωλία.

Ενώ η αναπαραγωγή επιτυχημένων εφαρμογών του AI απαιτεί προσεκτική εξέταση των ιδιαίτερων χαρακτηριστικών και των επιχειρηματικών контέκστ, εδώ είναι τέσσερις τρόποι με τους οποίους το AI μπορεί να βοηθήσει τις αναδυόμενες εταιρείες ηλεκτρονικού εμπορίου 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 ό,τι σε άλλους τομείς ηλεκτρονικού εμπορίου. Δεδομένου του ότι μπορεί να επεξεργαστεί και να αναλύσει τεράστιες ποσότητες δεδομένων συναλλαγών, τα αλγόριθμοι του AI μπορούν να αναγνωρίσουν γρήγορα υποψία patterns ή ανωμαλίες.

Με την αναζήτηση σε εκτεταμένες βάσεις δεδομένων συναλλαγών, τα αλγόριθμοι машинικής μάθησης μπορούν να προσαρμοστούν και να αναγνωρίσουν απαιτήσεις, που варίουν από ασυνήθιστες συμπεριφορές χρηστών σε μη τυπικές μεθόδους πληρωμής και αγορές από ατυπικές γεωγραφικές περιοχές.

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

Στην εταιρεία μας, με την εφαρμογή του AI-ενεργοποιημένου λογισμικού — που αναπτύχθηκε από τρίτο μέρος — έχουμε αποτρέψει περίπου το 95% των απαιτήσεων απάτης. Επίσης, εργαζόμαστε χέρι-χέρι με την τεχνολογία. Μόλις μια λειτουργία σημειωθεί ως αμφίβολη, ο διευθυντής μας την επανεξετάζει προσωπικά. Οι ψηφιακές κλειδιά παιχνιδιών δεν αποδίδονται στον αγοραστή μέχρις ότου η αγορά έχει εγκριθεί χειροκίνητα από τον διευθυντή μας.

#2: Βελτιώνοντας τις ερωτήσεις υποστήριξης πελατών

Στο ηλεκτρονικό εμπόριο, τα chatbots που ενεργοποιούνται από το AI είναι μια από τις πιο κοινοί εφαρμογές του τεχνητού νοήματος.

Καθώς υπάρχουν πολλές λύσεις στην αγορά ήδη, τα chatbots είναι σχετικά 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.

Στην 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 μου;
• Τι είναι η κατάσταση της παραγγελίας μου;

Στις 80% αυτών των περιπτώσεων, τα bots μας έχουν sido khá επιτυχημένα στο να βοηθήσουν τους χρήστες μας χωρίς να χρειάζεται να τους μεταφέρουν σε ζωντανούς χειριστές. Έτσι, podemos decir ότι τα bots μας καλύπτουν περίπου το 56% των εισερχόμενων αιτημάτων υποστήριξης, απελευθερώνοντας πολύτιμους πόρους που χρησιμοποιούνταν προηγουμένως για το προσωπικό υποστήριξης, ώστε να μπορούμε να τους χρησιμοποιήσουμε αλλού στην εταιρεία για να βελτιώσουμε την ανάπτυξή μας.

#3: Αναγνώριση μοτίβων που οδηγούν σε μετατροπή UX

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

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 UX-κεντρικές στο网站 τους.

Επιπλέον, το AI μπορεί να δημιουργήσει τμήματα πελατών που αυξάνουν την αποτελεσματικότητα των маркетινγκ προσπαθειών. Δεδομένου ότι μπορεί να δημιουργήσει προφίλ χρηστών σε διάφορες διαστάσεις, το AI μπορεί να ανακαλύψει συνδέσεις και ομοιόμορφα τμήματα που μπορεί να μην είναι εμφανή μέσω χειροκίνητων αναθεωρήσεων. Για παράδειγμα, οι πελάτες που αγοράζουν GTA 5 μπορεί επίσης να ενδιαφέρονται για παιχνίδια από διαφορετικό είδος που, αρχικά, δεν έχει καμία σχέση με το GTA 5.

Για να διευκολύνουμε αυτό, έχουμε εφαρμόσει μια λύση προσωποποίησης AI τρίτου μέρους από την Retail Rocket. Με την αξιοποίηση ιστορικών δεδομένων αγορών πελατών, αυτό το εργαλείο μας βοηθά να επιτύχουμε διάφορες εργασίες, όπως να παρέχουμε προσωποποιημένες συστάσεις προϊόντων — και στο website μας και μέσω email — και να αναγνωρίζουμε σχέσεις μεταξύ προϊόντων, μας επιτρέποντας να προτείνουμε συμπληρωματικές αγορές.

Επιπλέον, μπορούμε επίσης να χρονομετρήσουμε την επόμενη πιθανή αγορά των πελατών μας. Αυτό επίσης βελτιώνει τον χρονοπρογραμματισμό 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

Δεδομένου του χρόνου-ευαίσθητου χαρακτήρα της βιομηχανίας παιχνιδιών — για παράδειγμα, η Steam επιβάλλει περιορισμούς στο πόσο κλειδιά μπορεί να δημιουργήσει ένας εκδότης — η αποτελεσματική πρόβλεψη είναι κλειδί.

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

Με την ανίχνευση μοτίβων, η πρώτη μας βοηθά να προβλέψουμε μελλοντικές πωλήσεις και να προσαρμοστούμε στη εποχικότητα, που 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 μεταβλητών — δημογραφικών, τιμών, κατηγοριών προϊόντων και άλλα.

Δεδομένου ότι υπάρχουν ευρείες αποκλίσεις σε αυτά τα παράμετροι — για παράδειγμα, υπάρχουν αθλητικά παιχνίδια που κυκλοφορούν κάθε χρόνο, όπως αυτά της EA Sports, και άλλα στρατηγικά παιχνίδια που διαρκούν δεκαετίες — η σωστή πρόβλεψη αυτών των κρίσιμων παραγόντων είναι εξαιρετικά σημαντική 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 θα συλλέξουμε περισσότερα ιστορικά δεδομένα, η ακρίβειά μας θα βελτιωθεί σημαντικά με τον καιρό.

Τελικές σκέψεις

Σε ορισμένα πεδία, όπως τα παιχνίδια, το AI μπορεί να γίνει ένας δημοκρατικός παράγοντας — ένας που επιτρέπει στις αναδυόμενες, υψηλού потенταλίου πλατφόρμες να ανταγωνιστούν τις καθιερωμένες γίγαντες.

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

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

Η πρότασή μου είναι να μην μεταφέρετε όλο το φόρτο εργασίας σας αμέσως στο AI. Αντίθετα, πάρτε μια σταδιακή προσέγγιση. Για παράδειγμα, ζητήστε από το AI να χειριστεί το 10% των ερωτήσεων χρηστών ή να δυναμικά να τιμολόγησει το 10% των προϊόντων σας.

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