Quattro modi in cui l’AI aiuta le piattaforme di e-commerce emergenti a competere con i grandi distributori di giochi

Negli ultimi 12 anni, le strategie di distribuzione di computer e videogiochi hanno subito un cambiamento epocale. Le vendite di giochi digitali hanno superato quelle delle copie fisiche per la prima volta nel 2013, e la tendenza è stata ulteriormente accelerata dalle lockdown del 2020. In Italia, ad esempio, la prima settimana di confinamento ha portato i download di giochi digitali a aumentare del 174,9%.

Guardando al futuro, il mercato è pronto a continuare a crescere, con Statista che prevede una crescita del 5,76% tra ora e il 2027, raggiungendo un volume di mercato di 25,4 miliardi di dollari entro la fine di quell’anno.

Nonostante ciò, la concorrenza rimane feroce. Il mercato dei giochi digitali è dominato da solo un pugno di piattaforme, e con il 94% delle spese che avvengono digitalmente, ciò lascia molto poco spazio per i nuovi entranti. I giocatori stabiliti – come Steam ed Epic Games Store nella sfera PC – approfittano di ciò per imporre tasse pesanti agli editori.

Per queste grandi entità, integrare l’AI nelle loro operazioni è una seconda natura. Tuttavia, per le piattaforme più piccole e emergenti, l’AI potrebbe essere un fattore di cambiamento – uno che consente loro di sfidare l’oligopolio dominante.

Mentre replicare implementazioni di AI di successo richiede una attenta considerazione delle caratteristiche specifiche della piattaforma e dei contesti operativi, ecco quattro modi in cui l’AI può aiutare le aziende di e-commerce emergenti a competere con i giganti della distribuzione digitale.

#1: Migliorare la rilevazione delle frodi

Sulle piattaforme di gioco, le frodi avvengono su una scala molto più grande – e più ricorrente – che in altri settori di e-commerce. Data la sua capacità di elaborare e analizzare grandi quantità di dati di transazione, gli algoritmi dell’AI possono prontamente identificare modelli sospetti o anomalie.

Cercando attraverso estesi database di transazioni, gli algoritmi di apprendimento automatico possono adattarsi e riconoscere operazioni fraudolente, che vanno da comportamenti insoliti degli utenti a schemi di pagamento irregolari e acquisti da regioni geografiche atipiche.

Nei sistemi tradizionali basati su regole, alcuni di questi indicatori potrebbero passare inosservati, ostacolando la capacità di una società di rilevare le frodi e esponendola a potenziali perdite finanziarie.

Nella nostra azienda, implementando un software alimentato da AI – sviluppato da un terzo – abbiamo prevenuto circa il 95% delle transazioni fraudolente. Lavoriamo anche a stretto contatto con la tecnologia. Una volta che un’operazione è segnalata come sospetta, il nostro responsabile la esamina personalmente. Le chiavi del gioco digitale non vengono rilasciate all’acquirente fino a quando l’acquisto non è stato manualmente approvato dal nostro responsabile.

#2: Ottimizzare le richieste di supporto clienti

Nel settore dell’e-commerce, i chatbot alimentati da AI sono una delle applicazioni più comuni dell’intelligenza artificiale.

Poiché ci sono molte soluzioni sul mercato, i chatbot sono relativamente facili da implementare, anche senza dati storici. Poiché possono imparare dalle interazioni degli utenti, i chatbot producono risultati praticamente subito, aiutando le aziende a ridurre il loro bisogno di personale di supporto clienti.

Inoltre, liberano tempo per gli agenti di supporto clienti esistenti.

Nella nostra esperienza, la maggior parte delle richieste che riceviamo – circa il 70% – sono abbastanza semplici e ripetitive. Esempi includono:

• Il gioco è disponibile per l’acquisto?
• Quando posso ricevere la chiave del gioco?
• Come attivo la mia chiave di licenza?
• Qual è lo stato del mio ordine?

Nell’80% di questi casi, i nostri bot AI sono stati abbastanza efficaci nell’aiutare i nostri utenti senza doverli trasferire a un operatore live. Quindi, possiamo dire che i nostri bot coprono circa il 56% delle nostre richieste di supporto in entrata, liberando risorse preziose che erano precedentemente destinate al personale di supporto in modo che possiamo utilizzarle altrove nell’azienda per migliorare la nostra crescita.

#3: Identificare modelli di conversione guidati dall’esperienza utente

Un dilemma comune che i proprietari di aziende di e-commerce devono affrontare è identificare quei fattori che guidano con successo la conversione e quelli che non lo fanno.

Questo è un’altra area in cui l’AI può aiutare, raccogliendo dati utente che individuano modelli comportamentali ricorrenti che portano o allontanano le conversioni. Sulla base di questi dati, le aziende possono apportare modifiche centrate sull’esperienza utente al loro sito web.

Inoltre, l’AI può creare segmenti di clienti che aumentano l’efficacia degli sforzi di marketing. Poiché può creare profili utente su varie dimensioni, l’AI può scoprire collegamenti e raggruppare segmenti simili che potrebbero non essere ovvi attraverso revisioni manuali. Ad esempio, i clienti che acquistano GTA 5 potrebbero anche essere interessati a giochi di un altro genere che, in principio, non ha alcuna relazione con GTA 5.

Per facilitare ciò, abbiamo implementato una soluzione di personalizzazione AI di terze parti di Retail Rocket. Sfruttando i dati storici degli acquisti dei clienti, questo strumento ci aiuta a svolgere diversi compiti, come fornire raccomandazioni di prodotti personalizzati – sia sul nostro sito web che tramite e-mail – e identificare relazioni tra prodotti, consentendoci di suggerire acquisti complementari.

Inoltre, possiamo anche pianificare il prossimo potenziale acquisto dei nostri clienti. Ciò migliora anche il nostro timing per i messaggi di marketing. In generale, possiamo affermare con orgoglio che questi sforzi hanno aumentato le nostre vendite attraverso canali di marketing di circa il 15%.

#4: Prevedere le vendite

Data la natura sensibile al tempo dell’industria dei giochi – ad esempio, Steam impone vincoli su quanti chiavi i publisher possono generare – la previsione efficace è fondamentale.

Qui, abbiamo implementato un modello AI semplice basato su due metodi principali: previsione delle serie temporali e analisi di regressione.

Rilevando modelli, il primo ci aiuta a prevedere future cifre di vendita e adattarci alla stagionalità, che è un fattore importante nel campo dei giochi. D’altra parte, il secondo aiuta il nostro team a stabilire relazioni tra dati di vendita e altre variabili – demografia, prezzi, categorie di prodotti e altro.

Poiché ci sono grandi divergenze in questi parametri – ad esempio, ci sono giochi sportivi pubblicati annualmente, come quelli di EA Sports, e altri giochi di strategia che si estendono per decenni – ottenere questi fattori critici giusti è di importanza fondamentale per una previsione accurata.

Abbiamo iniziato con questo nel marzo del 2024, quindi, al momento, i nostri risultati sono simili a quelli che stavamo raggiungendo senza AI. Tuttavia, ci aspettiamo che, man mano che calibriamo e raffiniamo ulteriormente il nostro modello e accumuliamo più dati storici, la nostra accuratezza migliorerà notevolmente nel tempo.

Pensieri finali

In alcuni campi, come i giochi, l’AI può diventare un fattore di democratizzazione – uno che consente alle piattaforme emergenti e ad alto potenziale di competere con i giganti stabiliti.

Detto questo, per realizzare appieno il suo potenziale, non è tanto questione di integrare semplicemente l’AI per il suo sake, ma di farlo nel modo giusto.

Per le aziende più piccole che non possono permettersi di mantenere un team interno di specialisti AI, una soluzione fattibile è utilizzare software di terze parti già esistenti. Alcune di queste soluzioni pronte all’uso possono essere utilizzate da sviluppatori regolari, anche se non sono specializzati in AI.

La mia suggerimento è che non trasferiate tutto il vostro carico di lavoro subito all’AI. Invece, adottate un approccio graduale. Ad esempio, chiedete all’AI di gestire il 10% delle query degli utenti o di prezzare dinamicamente il 10% dei vostri prodotti.

Infine, mantenete il tocco umano. Avere persone che esaminano la qualità del supporto dell’AI può essere molto benefico. Man mano che l’AI dimostra il suo valore, potete espandere la sua portata all’interno della vostra organizzazione.