Cuatro formas en que la IA ayuda a las plataformas de comercio electrónico emergentes a competir con los principales distribuidores de juegos

En los últimos 12 años, las estrategias de distribución de juegos de computadora y videojuegos han experimentado un cambio sísmico. Las ventas de juegos digitales superaron a las de copias físicas por primera vez en 2013, y la tendencia se aceleró aún más con los bloqueos de 2020. En Italia, por ejemplo, la primera semana de confinamiento llevó las descargas de juegos digitales a aumentar un 174,9%.

Mirando hacia adelante, el mercado está en condiciones de seguir creciendo, con Statista proyectando que crecerá a una tasa de crecimiento anual del 5,76% entre ahora y 2027, alcanzando finalmente un volumen de mercado de $25.4 mil millones al final de ese año.

A pesar de esto, la competencia sigue siendo feroz. El mercado de juegos digitales está dominado por solo un puñado de plataformas, y con 94% del gasto realizado de forma digital, eso deja muy poco espacio para los nuevos entrantes. Los jugadores establecidos —como Steam y Epic Games Store en la esfera de PC— se aprovechan de esto para imponer tarifas elevadas a los editores.

Para estas grandes entidades, integrar la IA en sus operaciones es algo natural. Sin embargo, para las plataformas más pequeñas y emergentes, la IA podría ser un juego cambia —uno que les permita desafiar a la oligopolio incumbente.

Si bien replicar implementaciones de IA exitosas requiere una consideración cuidadosa de las características y contextos operativos específicos de la plataforma, aquí hay cuatro formas en que la IA puede ayudar a las empresas de comercio electrónico en ciernes a competir con los gigantes de la distribución digital.

#1: Mejorando la detección de fraude

En las plataformas de juegos, el fraude ocurre a una escala mucho mayor —y con más frecuencia— que en otros verticales de comercio electrónico. Dada su capacidad para procesar y analizar grandes cantidades de datos de transacciones, los algoritmos de la IA pueden identificar rápidamente patrones sospechosos o anomalías.

Al buscar en bases de datos de transacciones extensas, los algoritmos de aprendizaje automático pueden adaptarse y reconocer operaciones fraudulentas, que van desde comportamientos de usuario inusuales hasta esquemas de pago irregulares y compras de regiones geográficas atípicas.

En los sistemas tradicionales basados en reglas, algunos de estos indicadores podrían pasar desapercibidos, lo que obstaculiza la capacidad de una empresa para detectar el fraude y la expone a posibles pérdidas financieras.

En nuestra empresa, al implementar software de IA impulsado por un tercero, hemos prevenido aproximadamente el 95% de las transacciones fraudulentas. También trabajamos de la mano con la tecnología. Una vez que se marca una operación como sospechosa, nuestro gerente la revisa personalmente. Las claves de juego digitales no se entregan al comprador hasta que la compra ha sido aprobada manualmente por nuestro gerente.

#2: Simplificando las consultas de soporte al cliente

En el comercio electrónico, los chatbots impulsados por IA son una de las aplicaciones más comunes de la inteligencia artificial.

Dado que hay muchas soluciones en el mercado, los chatbots son relativamente fáciles de implementar, incluso sin datos históricos. Como pueden aprender de las interacciones de los usuarios, los chatbots producen resultados prácticamente de inmediato y ayudan a las empresas a reducir su necesidad de personal de soporte al cliente.

Además, liberan tiempo para los agentes de soporte al cliente existentes.

En nuestra experiencia, la mayoría de las consultas que recibimos —alrededor del 70%— son bastante simples y repetitivas. Ejemplos incluyen:

• ¿Está disponible el juego para compra?
• ¿Cuándo puedo recibir la clave del juego?
• ¿Cómo activo mi clave de licencia?
• ¿Cuál es el estado de mi pedido?

En el 80% de estos casos, nuestros bots de IA han sido bastante exitosos en ayudar a nuestros usuarios sin necesidad de transferirlos a un operador en vivo. Por lo tanto, podemos decir que nuestros bots cubren aproximadamente el 56% de nuestras solicitudes de soporte entrantes, liberando recursos valiosos que anteriormente se vertían en el personal de soporte para que podamos utilizarlos en otra parte de la empresa para mejorar nuestro crecimiento.

#3: Identificando patrones de conversión impulsados por la UX

Un dilema común que enfrentan los propietarios de negocios orientados al comercio electrónico es identificar los factores que impulsan con éxito la conversión y aquellos que no.

Este es otro área en la que la IA puede ayudar, recopilando datos de usuario que señalan patrones de comportamiento recurrentes que conducen o desalientan las conversiones. En función de estos datos, las empresas pueden realizar ajustes centrados en la UX en su sitio web.

Además, la IA puede crear segmentos de clientes que mejoren la eficacia de los esfuerzos de marketing. Como puede crear perfiles de usuario en varias dimensiones, la IA puede descubrir conexiones y agrupar segmentos similares que pueden no ser obvios a través de revisiones manuales. Por ejemplo, los clientes que compran GTA 5 también pueden estar interesados en juegos de un género diferente que, en principio, no tiene relación con GTA 5.

Para facilitar esto, hemos implementado una solución de personalización de IA de terceros de Retail Rocket. Al aprovechar los datos históricos de compras de los clientes, esta herramienta nos ayuda a realizar varias tareas, como proporcionar recomendaciones de productos personalizados —tanto en nuestro sitio web como a través de correo electrónico— e identificar relaciones entre productos, lo que nos permite sugerir compras complementarias.

Además, también podemos programar la próxima compra potencial de nuestros clientes. Esto también mejora nuestro momento para los mensajes de marketing. En general, podemos decir con orgullo que estos esfuerzos han fortalecido nuestras ventas a través de canales de marketing en aproximadamente un 15%.

#4: Pronosticando las ventas

Dada la naturaleza sensible al tiempo de la industria de los juegos —por ejemplo, Steam impone restricciones sobre la cantidad de claves que los editores pueden generar—, la previsión efectiva es clave.

Aquí, hemos implementado un modelo de IA sencillo que se basa en dos métodos principales: previsión de series temporales y análisis de regresión.

Al detectar patrones, el primero nos ayuda a predecir las cifras de ventas futuras y adaptarnos a la estacionalidad, que es un factor importante en el campo de los juegos. Por otro lado, el segundo ayuda a nuestro equipo a establecer relaciones entre los datos de ventas y otras variables —demografía, precios, categorías de productos y más.

Dado que hay grandes divergencias en estos parámetros —por ejemplo, hay juegos de deportes lanzados anualmente, como los de EA Sports, y otros juegos de estrategia que abarcan décadas—, obtener estos factores críticos correctos es de suma importancia para una previsión precisa.

Empezamos con esto en la primavera de 2024, así que, hasta ahora, nuestros resultados son similares a lo que estábamos logrando sin IA. Sin embargo, esperamos que a medida que calibremos y perfeccionemos nuestro modelo, y acumulemos más datos históricos, nuestra precisión mejorará significativamente con el tiempo.

Pensamientos finales

En algunos campos, como los juegos, la IA puede convertirse en un factor democratizador —uno que permite a las plataformas emergentes y con gran potencial competir con los gigantes establecidos.

Habiendo dicho esto, para realizar plenamente su potencial, no se trata solo de integrar la IA por el sake de hacerlo, sino de hacerlo correctamente.

Para las empresas más pequeñas que no pueden permitirse mantener un equipo interno de especialistas en IA, una solución viable es utilizar software de terceros existente. Algunas de estas soluciones listas para usar pueden ser utilizadas por desarrolladores regulares, incluso si no son especialistas en IA.

Mi sugerencia es que no transfieras toda tu carga de trabajo de inmediato a la IA. En su lugar, toma un enfoque gradual. Por ejemplo, pide a la IA que maneje el 10% de las consultas de los usuarios, o que establezca dinámicamente el precio del 10% de tus productos.

Por último, pero no menos importante, mantén el toque humano. Tener a personas que revisen la calidad del soporte de la IA puede ser muy beneficioso. A medida que la IA demuestra su valía, puedes expandir su alcance dentro de tu organización.