Neljä tapaa, joilla tekoäly auttaa nousussa olevia e-commerce-alustoja kilpailemaan suurten pelien jakelijoiden kanssa

Viimeisen 12 vuoden aikana tietokone- ja videopelien jakelustrategiat ovat kokeneet merkittävän muutoksen. Digitaalisten pelien myynti ylitti fyysisten kopioiden myynnin ensimmäisen kerran vuonna 2013, ja trendi kävi entistä voimakkaammaksi vuoden 2020 lukitusten aikana. Italiassa, esimerkiksi, ensimmäisen eristysviikon aikana digitaalisten pelien lataukset kasvoivat 174,9%.

Tulevaisuuden näkymät ovat myönteisiä, ja Statista ennustaa, että markkinat kasvavat 5,76 prosentin vuosittaisella kasvuvauhtia vuoteen 2027 mennessä, ja markkinavolyymi saavuttaa lopulta 25,4 miljardia dollaria vuoden 2027 lopussa.

Kilpailu on kuitenkin edelleen kovaa. Digitaalisten pelien markkinoita hallitsee vain muutamia suuria toimijoita, ja 94% kulutuksesta tapahtuu digitaalisesti, jolloin uusille toimijoille jää vain vähän tilaa. Vakiintuneet toimijat — kuten Steam ja Epic Games Store PC-puolella — hyödyntävät tätä ja asettavat kustantajille suuria maksuja.

Näille suurille toimijoille tekoälyn integrointi on luonnollista. Pienemmille, nousussa oleville alustoille tekoäly voi kuitenkin olla pelinmuuttaja — se, joka mahdollistaa heidän haastaa vallitsevan oligopolin.

Vaikka onnistuneiden tekoälyratkaisujen toistaminen edellyttää huolellista harkintaa alustakohtaisista ominaisuuksista ja toimintaympäristöistä, tässä on neljä tapaa, joilla tekoäly voi auttaa nousussa olevia e-commerce-yrityksiä kilpailemaan digitaalisten jakelijoiden kanssa.

#1: Petosten havaitsemisen parantaminen

Peli-alustoilla petokset tapahtuvat paljon suuremmassa mittakaavassa — ja useammin — kuin muilla e-commerce-aloilla. Tekoälyn algoritmien kykyä prosessoida ja analysoida laajoja määriä transaktiodataa voidaan käyttää havaitsemaan epäilyttäviä malleja tai poikkeamia.

Laajojen transaktiotietokantojen läpikäymisen avulla koneoppimisalgoritmit voivat sopeutua ja tunnistaa petollisia toimia, kuten epätavallisia käyttäjän käyttäytymismalleja, epäsäännöllisiä maksujärjestelyjä ja ostoja epätyypillisistä maantieteellisistä alueista.

Perinteisissä sääntöpohjaisissa järjestelmissä jotkut näistä osoittimista saattavat jäädä huomaamatta, mikä haittaa yrityksen kykyä havaita petoksia ja altistaa sitä mahdollisille taloudellisille tappioille.

Yrityksessämme olemme toteuttaneet tekoälyohjelmiston — jonka on kehittänyt kolmas osapuoli — ja estäneet noin 95% petollisista transaktioista. Työskentelemme myös tekniikan kanssa. Kun toiminta on merkitty epäilyttäväksi, johtajamme tarkistaa sen henkilökohtaisesti. Digitaalisia peliavaimia ei julkaista ostajalle, ennen kuin johtajamme on hyväksynyt ostoksen manuaalisesti.

#2: Asiakastuen pyynnön sujuvoittaminen

E-commerce-toiminnassa tekoälypohjaiset chatbotit ovat yksi tekoälyn yleisimmistä sovelluksista.

Koska markkinoilla on jo monia ratkaisuja, chatbotit ovat suhteellisen helppoja toteuttaa, vaikka historiallista dataa ei olisi. Koska ne voivat oppia käyttäjien kanssa vuorovaikutuksen kautta, chatbotit tuottavat tuloksia käytännössä heti, ja auttavat yrityksiä vähentämään asiakastukihenkilöstön tarvetta.

Lisäksi ne vapauttavat aikaa olemassa oleville asiakastukihenkilöille.

Kokemuksemme mukaan suurin osa pyynnöistä — noin 70% — on melko yksinkertaisia ja toistuvia. Esimerkkejä:

• Onko peli ostettavissa?
• Milloin voin saada peliavaimen?
• Miten aktivoitan lisenssivainani?
• Mikä on tilaukseni tila?

Noin 80% näistä tapauksista tekoälybotit ovat onnistuneet auttamaan käyttäjiämme ilman, että heidän olisi tarvidon siirtää heitä live-operaattorille. Voimme siis sanoa, että botit kattavat noin 56% saapuvista tukipyynnöistämme, vapauttaen arvokkaita resursseja, jotka olivat aiemmin käytössä tukihenkilöstössä, jotta voimme käyttää niitä muualla yrityksessä kasvumme edistämiseksi.

#3: Käyttöliittymän muodon havaitseminen

Yleinen dilemma e-commerce-yritysten omistajille on tunnistaa ne tekijät, jotka johtavat onnistuneeseen muodonmuutokseen ja ne, jotka eivät.

Tässä on toinen alue, jossa tekoäly voi auttaa, keräämällä käyttäjien dataa, joka osoittaa toistuvia käyttäytymismalleja, jotka johtavat tai estävät muodonmuutoksia. Tämän datan perusteella yritykset voivat tehdä käyttöliittymään muutoksia.

Lisäksi tekoäly voi luoda asiakassegmenttejä, jotka tehostavat markkinointiponnistelujen tehokkuutta. Koska se voi luoda käyttäjäprofiileja useiden ulottuvuuksien yli, tekoäly voi paljastaa yhteydet ja ryhmitellä samankaltaisia segmenttejä, jotka eivät ole ilmeisiä manuaalisten tarkastusten kautta. Esimerkiksi asiakkaat, jotka ostavat GTA 5, saattavat myös olla kiinnostuneita peleistä, jotka eivät kuulu GTA 5:een.

Toteuttaaksemme tämän, olemme toteuttaneet kolmannen osapuolen tekoälyhenkilöitymisen ratkaisun Retail Rocketista. Hyödyntämällä historiallista asiakasostodataa tämä työkalu auttaa meitä suorittamaan useita tehtäviä, kuten tarjoamaan henkilökohtaisia tuotesuositeltuja — sekä verkkosivustollamme että sähköpostitse — ja tunnistamaan tuotteiden välisiä suhteita, jotta voimme ehdottaa täydentäviä ostoja.

Lisäksi voimme myös ajoittaa asiakkaiden seuraavan mahdollisen ostoksen. Tämä parantaa myös markkinointiviestien ajoitusta. Kaiken kaikkiaan voimme sanoa, että nämä pyrkimykset ovat vahvistaneet myyntiämme markkinointikanavien kautta noin 15%.

#4: Myyntien ennustaminen

Peli-alalla on aikakriittinen luonne — esimerkiksi Steam asettaa rajoituksia siitä, kuinka monta avainta kustantajat voivat luoda — tehokas ennustaminen on avainasemassa.

Tässä olemme toteuttaneet yksinkertaisen tekoälymallin, joka perustuu kahteen päämenetelmään: aikasarjaennustamiseen ja regressioanalyysiin.

Ennustamalla malli auttaa meitä ennustamaan tulevia myyntilukuja ja sopeutumaan sesonkiin, joka on tärkeä tekijä pelialalla. Toisaalta regressioanalyysi auttaa tiimimme luomaan suhteita myyntidatan ja muiden muuttujien — demografioiden, hinnoittelun, tuoteryhmien ja muun — välille.

Koska näissä parametreissa on laajoja eroja — esimerkiksi urheilupelejä julkaistaan vuosittain, kuten EA Sports, ja muita strategiapelejä, jotka kestävät vuosikymmeniä — näiden kriittisten tekijöiden oikea arvio on ensiarvoisen tärkeää tarkalle ennustamiselle.

Aloimme tämän keväällä 2024, joten tuloksemme ovat samankaltaisia kuin mitä saavutimme tekoälyn kanssa. Odotamme kuitenkin, että kun kalibroimme ja hienosäätämme malliamme ja keräämme enemmän historiallista dataa, tarkkuutemme paranee merkittävästi ajallaan.

Lopputulet

Joissakin aloissa, kuten pelaamisessa, tekoäly voi olla demokratisoiva tekijä — se, joka mahdollistaa nousussa olevien, lupaavien alustojen kilpailemisen vakiintuneiden jättiläisten kanssa.

Sanottuasi tämän, tekoälyn täysimääräinen potentiaali voidaan toteuttaa, kun se toteutetaan oikein.

Pienemmille yrityksille, jotka eivät voi maksaa tekoälyasiantuntijoiden palkkaamisesta, yksi ratkaisu on käyttää olemassa olevia kolmannen osapuolen ohjelmistoja. Jotkut näistä valmiista ratkaisuista voidaan käyttää jopa sellaisilla kehittäjillä, jotka eivät ole erikoistuneet tekoälyyn.

Suosittelen, että et siirrä kaikkea työtäsi tekoälylle heti. Sen sijaan tee se askelittain. Esimerkiksi pyydä tekoälyä käsittelemään 10% asiakastuesta, tai dynaamisesti hinnoittele 10% tuotteistasi.

Lopuksi, pidä ihmiskosketus. Tekoälyn laadun tarkastaminen ihmisten toimesta voi olla hyvin hyödyllistä. Kun tekoäly osoittaa arvonsa, voit laajentaa sen roolia organisaatiossasi.