Empat Cara AI Membantu Platform E-Commerce Muncul Bersaing dengan Distributor Utama

Selama 12 tahun terakhir, strategi distribusi komputer dan video game telah mengalami perubahan besar. Penjualan game digital melebihi penjualan salinan fisik untuk pertama kalinya pada tahun 2013, dan tren ini dipercepat lebih lanjut oleh lockdown pada tahun 2020. Di Italia, misalnya, minggu pertama karantina menyebabkan unduhan game digital melonjak sebesar 174,9%.

Menghadap ke depan, pasar ini diprediksi akan terus tumbuh, dengan Statista memperkirakan bahwa pasar ini akan tumbuh dengan tingkat pertumbuhan tahunan sebesar 5,76% antara sekarang dan 2027, dan pada akhirnya akan mencapai volume pasar sebesar $25,4 miliar pada akhir tahun tersebut.

Meskipun demikian, persaingan tetap sengit. Pasar game digital didominasi oleh hanya beberapa platform, dan dengan 94% dari pengeluaran yang terjadi secara digital, itu meninggalkan sedikit ruang bagi pendatang baru. Pemain yang sudah mapan — seperti Steam dan Epic Games Store di bidang PC — memanfaatkan ini untuk mengenakan biaya yang besar kepada penerbit.

Bagi entitas besar ini, mengintegrasikan AI ke dalam operasional mereka adalah hal yang biasa. Namun, bagi platform yang lebih kecil dan muncul, AI bisa menjadi perubahan besar — satu yang memungkinkan mereka untuk menantang oligopoli yang sudah ada.

Sementara mereplikasi implementasi AI yang sukses memerlukan pertimbangan yang cermat tentang karakteristik platform dan konteks operasional, berikut adalah empat cara di mana AI dapat membantu perusahaan e-commerce yang baru muncul bersaing dengan raksasa distribusi digital.

#1: Meningkatkan Deteksi Penipuan

Di platform game, penipuan terjadi dalam skala yang jauh lebih besar — dan lebih berulang — daripada di vertikal e-commerce lainnya. Dengan kemampuan untuk memproses dan menganalisis sejumlah besar data transaksi, algoritma AI dapat segera mengidentifikasi pola atau anomali yang mencurigakan.

Dengan menyelidiki basis data transaksi yang luas, algoritma pembelajaran mesin dapat beradaptasi dan mengenali operasi penipuan, mulai dari perilaku pengguna yang tidak biasa hingga skema pembayaran yang tidak biasa dan pembelian dari wilayah geografis yang tidak biasa.

Dalam sistem berbasis aturan tradisional, beberapa indikator ini mungkin tidak terdeteksi, menghambat kemampuan perusahaan untuk mendeteksi penipuan dan memaparkan mereka pada potensi kerugian keuangan.

Di perusahaan kami, dengan mengimplementasikan perangkat lunak AI yang dikembangkan oleh pihak ketiga, kami telah mencegah sekitar 95% transaksi penipuan. Kami juga bekerja sama dengan teknologi. Setelah operasi ditandai sebagai mencurigakan, manajer kami secara pribadi meninjauinya. Kunci game digital tidak dirilis kepada pembeli sampai pembelian telah disetujui secara manual oleh manajer kami.

#2: Mempermudah Pertanyaan Dukungan Pelanggan

Di e-commerce, chatbot yang dipowered oleh AI adalah salah satu aplikasi AI yang paling umum.

Karena ada banyak solusi di pasar yang sudah ada, chatbot relatif mudah diimplementasikan, bahkan tanpa data historis. Karena mereka dapat belajar dari interaksi pengguna, chatbot menghasilkan hasil hampir seketika, dan membantu perusahaan mengurangi kebutuhan akan staf dukungan pelanggan.

Selain itu, mereka juga membebaskan waktu bagi agen dukungan pelanggan yang ada.

Dalam pengalaman kami, sebagian besar pertanyaan yang diterima — sekitar 70% — cukup sederhana dan berulang. Contohnya termasuk:

• Apakah game tersedia untuk dibeli?
• Kapan saya bisa menerima kunci game?
• Bagaimana saya mengaktifkan kunci lisensi saya?
• Apa status pesanan saya?

Dalam 80% kasus ini, bot AI kami cukup sukses dalam membantu pengguna kami tanpa perlu memindahkan mereka ke operator langsung. Dengan demikian, kami dapat mengatakan bahwa bot kami mencakup sekitar 56% dari permintaan dukungan yang masuk, membebaskan sumber daya yang berharga yang sebelumnya digunakan untuk staf dukungan sehingga kami dapat menggunakannya di tempat lain di perusahaan untuk meningkatkan pertumbuhan kami.

#3: Mengidentifikasi Pola Pengguna yang Mengarah pada Konversi

Suatu dilema yang dihadapi oleh pemilik bisnis e-commerce adalah mengidentifikasi faktor-faktor yang berhasil mengarah pada konversi dan yang tidak.

Ini adalah area lain di mana AI dapat membantu, dengan mengumpulkan data pengguna yang menunjukkan pola perilaku yang berulang yang baik mengarah pada konversi atau tidak. Berdasarkan data ini, perusahaan dapat membuat penyesuaian yang berfokus pada pengalaman pengguna (UX) pada situs web mereka.

Selain itu, AI dapat membuat segmen pelanggan yang meningkatkan efektivitas upaya pemasaran. Karena AI dapat membuat profil pengguna di berbagai dimensi, AI dapat menemukan koneksi dan mengelompokkan segmen yang serupa yang mungkin tidak jelas melalui tinjauan manual. Misalnya, pelanggan yang membeli GTA 5 mungkin juga tertarik pada game dari genre yang berbeda yang, pada prinsipnya, tidak terkait dengan GTA 5.

Untuk memfasilitasi ini, kami telah mengimplementasikan solusi personalisasi AI dari Retail Rocket. Dengan menggunakan data pembelian pelanggan sebelumnya, alat ini membantu kami melakukan beberapa tugas, seperti memberikan rekomendasi produk yang dipersonalisasi — baik di situs web kami maupun melalui email — dan mengidentifikasi hubungan antara produk, sehingga kami dapat menyarankan pembelian tambahan.

Selain itu, kami juga dapat menentukan waktu untuk pembelian berikutnya dari pelanggan kami. Ini juga memperbaiki waktu untuk pesan pemasaran kami. Secara keseluruhan, kami dapat dengan bangga mengatakan bahwa upaya ini telah meningkatkan penjualan kami melalui saluran pemasaran sebesar 15%.

#4: Memprediksi Penjualan

Mengingat sifat waktu yang sensitif dari industri game — misalnya, Steam mengenakan batasan pada jumlah kunci yang dapat dibuat oleh penerbit — peramalan yang efektif adalah kunci.

Di sini, kami telah mengimplementasikan model AI yang sederhana yang berdasar pada dua metode utama: peramalan seri waktu dan analisis regresi.

Dengan mendeteksi pola, yang pertama membantu kami memprediksi angka penjualan di masa depan dan beradaptasi dengan musim, yang merupakan faktor penting di bidang game. Di sisi lain, yang kedua membantu tim kami membangun hubungan antara data penjualan dan variabel lain — demografi, harga, kategori produk, dan lain-lain.

Karena ada perbedaan besar dalam parameter ini — misalnya, ada game olahraga yang dirilis setiap tahun, seperti yang dibuat oleh EA Sports, dan game strategi yang melintasi beberapa dekade — mendapatkan faktor-faktor kritis ini dengan benar sangat penting untuk peramalan yang akurat.

Kami pertama kali memulai ini pada musim semi 2024, sehingga, sampai sekarang, hasil kami masih sama dengan apa yang kami capai tanpa AI. Namun, kami berharap bahwa ketika kami lebih memperhalus dan memperbarui model kami, dan mengumpulkan lebih banyak data sejarah, akurasi kami akan meningkat secara signifikan seiring waktu.

Pemikiran Terakhir

Di beberapa bidang, seperti game, AI dapat menjadi faktor demokratisasi — satu yang memungkinkan platform yang muncul dan berpotensi besar untuk bersaing dengan raksasa yang sudah mapan.

Setelah dikatakan, untuk sepenuhnya merealisasikan potensinya, bukan tentang mengintegrasikan AI hanya untuk kepentingan itu, tetapi tentang melakukannya dengan benar.

Bagi perusahaan yang lebih kecil yang tidak dapat mempertahankan tim internal spesialis AI, solusi yang layak adalah menggunakan perangkat lunak pihak ketiga yang sudah ada. Beberapa solusi siap pakai ini dapat digunakan oleh pengembang biasa, bahkan jika mereka tidak spesialis AI.

Saran saya adalah jangan langsung memindahkan semua beban kerja Anda ke AI. Sebaliknya, ambil pendekatan bertahap. Misalnya, minta AI untuk menangani 10% dari pertanyaan pengguna, atau untuk menentukan harga dinamis 10% dari produk Anda.

Terakhir, jangan lupa untuk mempertahankan sentuhan manusia. Memiliki orang-orang yang meninjau kualitas dukungan AI dapat sangat bermanfaat. Ketika AI membuktikan nilainya, Anda dapat memperluas cakupannya dalam organisasi Anda.