Cztery sposoby, w jakie AI pomaga wschodzącym platformom e-commerce konkurować z dużymi dystrybutorami gier

W ciągu ostatnich 12 lat strategie dystrybucji gier komputerowych i wideo przeszły znaczącą transformację. Sprzedaż gier cyfrowych przewyższyła sprzedaż kopii fizycznych po raz pierwszy w 2013 roku, a trend ten został dodatkowo przyspieszony przez lockdowny w 2020 roku. W Italii, na przykład, pierwszy tydzień izolacji spowodował, że pobieranie gier cyfrowych wzrosło o 174,9%.

Patrząc w przyszłość, rynek jest gotowy do dalszego wzrostu, a według prognoz Statisty, do 2027 roku rynek ten będzie rósł w tempie 5,76% rocznie, osiągając wartość 25,4 miliarda dolarów do końca tego roku.

Pomimo tego, konkurencja pozostaje zacięta. Rynek gier cyfrowych jest zdominowany przez tylko kilka platform, a ponieważ 94% wydatków ma miejsce w formie cyfrowej, pozostawia to niewiele miejsca dla nowych graczy. Ustanovione podmioty, takie jak Steam i Epic Games Store w sferze PC, wykorzystują tę sytuację do narzucania wydawcom wysokich opłat.

Dla tych dużych podmiotów integracja AI z ich operacjami jest czymś naturalnym. Jednak dla mniejszych, wschodzących platform, AI może być czynnikiem, który pozwoli im wyzwolić się na dużych graczy.

Chociaż replikowanie udanych wdrożeń AI wymaga starannego rozważenia cech platformy i kontekstów operacyjnych, oto cztery sposoby, w jakie AI może pomóc młodym firmom e-commerce konkurować z gigantami dystrybucji cyfrowej.

#1: Poprawa wykrywania oszustw

Na platformach gier oszustwa występują na znacznie większą skalę i częściej niż w innych branżach e-commerce. Dzięki możliwości przetwarzania i analizy ogromnych ilości danych transakcyjnych, algorytmy AI mogą szybko identyfikować podejrzane wzorce lub anomalie.

Przeszukując obszerne bazy danych transakcyjnych, algorytmy uczenia maszynowego mogą dostosowywać się i rozpoznawać operacje oszustw, od niezwykłych zachowań użytkowników po nietypowe schematy płatności i zakupy z nietypowych regionów geograficznych.

W tradycyjnych systemach opartych na regułach niektóre z tych wskaźników mogą pozostać niezauważone, utrudniając firmom wykrywanie oszustw i narażając je na potencjalne straty finansowe.

W naszej firmie, dzięki wdrożeniu oprogramowania zasilanego przez AI – opracowanego przez stronę trzecią – udało nam się zapobiec około 95% transakcjom oszustw. Również współpracujemy z technologią. Gdy operacja zostanie oznaczona jako wątpliwa, nasz menedżer osobiście ją sprawdza. Klucze gier cyfrowych nie są wydawane kupującemu, dopóki transakcja nie zostanie ręcznie zatwierdzona przez naszego menedżera.

#2: Uproszczenie zapytań wsparcia klienta

W e-commerce, boty czatu zasilane przez AI są jednym z najczęstszych zastosowań sztucznej inteligencji.

Ponieważ istnieje wiele rozwiązań na rynku, boty są dość łatwe do wdrożenia, nawet bez danych historycznych. Ponieważ mogą uczyć się z interakcji z użytkownikami, boty dają rezultaty niemal natychmiast, pomagając firmom zmniejszyć potrzebę personelu wsparcia klienta.

Ponadto, zwiększają czas dla istniejących agentów wsparcia klienta.

W naszym doświadczeniu, większość otrzymanych zapytań – około 70% – jest dość prosta i powtarzalna. Przykłady obejmują:

• Czy gra jest dostępna do kupienia?
• Kiedy mogę otrzymać klucz gry?
• Jak aktywować mój klucz licencyjny?
• Jaki jest status mojego zamówienia?

W 80% tych przypadków nasze boty AI były dość skuteczne w pomocy użytkownikom bez potrzeby transferu do żywego operatora. Możemy więc powiedzieć, że nasze boty pokrywają około 56% naszych przychodzących zapytań wsparcia, uwalniając cenne zasoby, które wcześniej były wykorzystywane do wsparcia, abyśmy mogli je wykorzystać gdzie indziej w firmie do zwiększenia naszego wzrostu.

#3: Identfikowanie wzorców konwersji UX

Typowy dylemat, z którym borykają się właściciele firm e-commerce, to identyfikacja czynników, które skutecznie napędzają konwersję, a tych, które nie.

To kolejna dziedzina, w której AI może pomóc, zbierając dane użytkowników, które wskazują na powtarzające się wzorce zachowań, które albo prowadzą, albo odstraszają konwersje. Na podstawie tych danych, firmy mogą dokonywać dostosowań UX na swojej stronie.

Ponadto, AI może tworzyć segmenty klientów, które zwiększają skuteczność wysiłków marketingowych. Ponieważ może tworzyć profile użytkowników w różnych wymiarach, AI może odkryć połączenia i grupy podobnych segmentów, które mogą nie być oczywiste podczas ręcznych przeglądów. Na przykład, klienci, którzy kupują GTA 5, mogą również być zainteresowani grami z innego gatunku, które zasadniczo nie mają żadnego związku z GTA 5.

Aby to ułatwić, wdrożyliśmy rozwiązanie personalizacji AI od Retail Rocket. Wykorzystując historyczne dane zakupów klientów, ten narzędzie pomaga nam wykonać kilka zadań, takich jak dostarczanie spersonalizowanych rekomendacji produktów – zarówno na naszej stronie, jak i za pośrednictwem e-maila – oraz identyfikowanie relacji między produktami, umożliwiając nam sugerowanie uzupełniających zakupów.

Ponadto, możemy również ustalić czas następnego potencjalnego zakupu naszych klientów. To również poprawia nasze terminy dla wiadomości marketingowych. Wszystko wzięte razem, możemy powiedzieć, że te wysiłki zwiększyły nasze sprzedaże za pośrednictwem kanałów marketingowych o około 15%.

#4: Prognozowanie sprzedaży

Biorąc pod uwagę czasochłonny charakter branży gier – na przykład, Steam nakłada ograniczenia na liczbę kluczy, które wydawcy mogą wygenerować – skuteczne prognozowanie jest kluczowe.

Tutaj wdrożyliśmy prosty model AI oparty na dwóch podstawowych metodach: prognozowaniu szeregów czasowych i analizie regresji.

Poprzez wykrywanie wzorców, pierwsza metoda pomaga nam przewidywać przyszłe dane sprzedaży i dostosowywać się do sezonowości, która jest ważnym czynnikiem w branży gier. Z drugiej strony, druga metoda pomaga naszemu zespołowi ustalić relacje między danymi sprzedaży a innymi zmiennymi – demografią, cenami, kategoriami produktów i więcej.

Ponieważ istnieją duże rozbieżności w tych parametrach – na przykład, są gry sportowe wydawane co roku, takie jak te od EA Sports, i inne gry strategiczne, które trwają przez dekady – uzyskanie tych krytycznych czynników jest bardzo ważne dla dokładnego prognozowania.

Po raz pierwszy zaczęliśmy to robić wiosną 2024 roku, więc na razie nasze wyniki są podobne do tych, które osiągaliśmy bez AI. Jednak spodziewamy się, że w miarę dalszego kalibrowania i doskonalenia naszego modelu oraz gromadzenia większej ilości danych historycznych, nasza dokładność znacznie się poprawi w czasie.

Podsumowanie

W niektórych dziedzinach, takich jak gry, AI może stać się czynnikiem demokratyzującym – umożliwiającym wschodzącym, pełnym potencjału platformom konkurować z ustanowionymi gigantami.

Mówiąc to, aby w pełni zrealizować swój potencjał, nie chodzi tylko o to, aby po prostu zintegrować AI dla samego faktu, ale o to, aby to zrobić prawidłowo.

Dla mniejszych firm, które nie mogą pozwolić sobie na utrzymanie wewnętrznego zespołu specjalistów od AI, rozwiązaniem jest wykorzystanie istniejącego oprogramowania zewnętrznego. Niektóre z tych gotowych rozwiązań mogą być wykorzystywane przez zwykłych programistów, nawet jeśli nie są specjalistami od AI.

Moja sugestia jest taka, aby nie przenosić całego obciążenia pracy na AI od razu. Zamiast tego, podejdź do tego stopniowo. Na przykład, poproś AI, aby zajęło się 10% zapytań użytkowników lub dynamicznie ustalało ceny 10% Twoich produktów.

Na koniec, zachowaj ludzki kontakt. Posiadanie ludzi, którzy sprawdzają jakość wsparcia AI, może być bardzo korzystne. Gdy AI udowodni swoją wartość, możesz rozszerzyć jego zakres w swojej organizacji.