Quatro Maneiras pelas quais a IA Ajuda as Plataformas de Comércio Eletrônico Emergentes a Competir com os Principais Distribuidores de Jogos

Nos últimos 12 anos, as estratégias de distribuição de jogos de computador e vídeo sofreram uma mudança sísmica. As vendas de jogos digitais superaram as de cópias físicas pela primeira vez em 2013, e a tendência foi ainda mais acelerada pelos bloqueios de 2020. Na Itália, por exemplo, a primeira semana de confinamento levou os downloads de jogos digitais a aumentar 174,9%.

Olhando para o futuro, o mercado está pronto para continuar crescendo, com a Statista prevendo que ele crescerá a uma taxa de 5,76% entre agora e 2027, eventualmente alcançando um volume de mercado de $ 25,4 bilhões até o final daquele ano.

Apesar disso, a concorrência permanece feroz. O mercado de jogos digitais é dominado por apenas um punhado de plataformas, e com 94% dos gastos ocorrendo digitalmente, isso deixa muito pouco espaço para novos entrantes. Os jogadores estabelecidos — como Steam e Epic Games Store na esfera do PC — tiram proveito disso para impor taxas pesadas aos editores.

Para essas grandes entidades, integrar a IA em suas operações é algo natural. No entanto, para plataformas menores e emergentes, a IA pode ser um jogo-changer — um que permite que elas desafiem o oligopólio incumbente.

Embora replicar implementações de IA bem-sucedidas exija uma consideração cuidadosa das características específicas da plataforma e dos contextos operacionais, aqui estão quatro maneiras pelas quais a IA pode ajudar as empresas de comércio eletrônico em desenvolvimento a competir com os gigantes da distribuição digital.

#1: Melhorando a detecção de fraude

Em plataformas de jogos, a fraude ocorre em uma escala muito maior — e mais recorrente — do que em outros verticais de comércio eletrônico. Dada sua capacidade de processar e analisar grandes quantidades de dados de transações, os algoritmos de IA podem identificar rapidamente padrões suspeitos ou anomalias.

Ao vasculhar extensos bancos de dados de transações, os algoritmos de aprendizado de máquina podem adaptar e reconhecer operações fraudulentas, variando desde comportamentos incomuns de usuários até esquemas de pagamento irregulares e compras de regiões geográficas atípicas.

Em sistemas tradicionais baseados em regras, alguns desses indicadores podem passar despercebidos, dificultando a capacidade de uma empresa detectar fraude e expô-la a possíveis perdas financeiras.

Em nossa empresa, ao implementar software de IA — desenvolvido por terceiros —, prevenimos aproximadamente 95% das transações fraudulentas. Também trabalhamos em estreita colaboração com a tecnologia. Uma vez que uma operação é sinalizada como duvidosa, nosso gerente a revisa pessoalmente. As chaves de jogos digitais não são liberadas ao comprador até que a compra tenha sido aprovada manualmente por nosso gerente.

#2: Simplificando as Consultas de Suporte ao Cliente

No comércio eletrônico, os chatbots alimentados por IA são uma das aplicações mais comuns de inteligência artificial.

Como há muitas soluções no mercado, os chatbots são relativamente fáceis de implementar, mesmo sem dados históricos. Como eles podem aprender com as interações do usuário, os chatbots produzem resultados praticamente imediatos e ajudam as empresas a reduzir a necessidade de pessoal de suporte ao cliente.

Além disso, eles liberam tempo para os agentes de suporte ao cliente existentes.

Em nossa experiência, a maioria das consultas recebidas — cerca de 70% — é bastante simples e repetitiva. Exemplos incluem:

• O jogo está disponível para compra?
• Quando posso receber a chave do jogo?
• Como ativo minha chave de licença?
• Qual é o status do meu pedido?

Em 80% desses casos, nossos bots de IA foram bastante bem-sucedidos em ajudar nossos usuários sem precisar transferi-los para um operador ao vivo. Portanto, podemos dizer que nossos bots cobrem cerca de 56% de nossas solicitações de suporte recebidas, liberando recursos valiosos que anteriormente eram destinados ao suporte ao cliente para que possamos usá-los em outras partes da empresa para impulsionar nosso crescimento.

#3: Identificando Padrões de Conversão de UX

Um dilema comum que os proprietários de negócios orientados ao comércio eletrônico enfrentam é identificar os fatores que impulsionam com sucesso a conversão e aqueles que não o fazem.

Essa é outra área onde a IA pode ajudar, coletando dados do usuário que identificam padrões comportamentais recorrentes que levam ou desencorajam conversões. Com base nesses dados, as empresas podem fazer ajustes centrados no UX em seus sites.

Além disso, a IA pode criar segmentos de clientes que aumentam a eficácia dos esforços de marketing. Como pode criar perfis de usuário em várias dimensões, a IA pode descobrir conexões e agrupar segmentos semelhantes que podem não ser óbvios por meio de revisões manuais. Por exemplo, os clientes que compram GTA 5 também podem estar interessados em jogos de um gênero diferente que, em princípio, não tem relação com GTA 5.

Para facilitar isso, implementamos uma solução de personalização de IA de terceiros da Retail Rocket. Ao aproveitar os dados históricos de compras dos clientes, essa ferramenta nos ajuda a realizar várias tarefas, como fornecer recomendações de produtos personalizados — tanto em nosso site quanto por e-mail — e identificar relações entre produtos, permitindo-nos sugerir compras complementares.

Além disso, também podemos cronometrar a próxima compra potencial de nossos clientes. Isso também melhora o momento de nossas mensagens de marketing. Em resumo, podemos dizer com orgulho que esses esforços aumentaram nossas vendas por meio de canais de marketing em aproximadamente 15%.

#4: Previsão de Vendas

Dada a natureza sensível ao tempo da indústria de jogos — por exemplo, a Steam impõe restrições sobre quantas chaves os editores podem gerar — a previsão eficaz é fundamental.

Aqui, implementamos um modelo de IA simples que se baseia em dois métodos principais: previsão de séries temporais e análise de regressão.

Ao detectar padrões, o primeiro nos ajuda a prever futuras cifras de vendas e a adaptar à sazonalidade, que é um fator importante no campo dos jogos. Por outro lado, o segundo ajuda nossa equipe a estabelecer relações entre os dados de vendas e outras variáveis — demografia, preços, categorias de produtos e mais.

Como há grandes divergências nesses parâmetros — por exemplo, há jogos esportivos lançados anualmente, como os da EA Sports, e outros jogos de estratégia que abrangem décadas — obter esses fatores críticos certos é de suma importância para uma previsão precisa.

Nós começamos com isso na primavera de 2024, então, até agora, nossos resultados são semelhantes ao que estávamos alcançando sem a IA. No entanto, esperamos que, à medida que continuamos a calibrar e a refinar nosso modelo e acumular mais dados históricos, nossa precisão melhore significativamente com o tempo.

Pensamentos Finais

Em alguns campos, como os jogos, a IA pode se tornar um fator democratizador — um que permite que plataformas emergentes e de alto potencial competam com os gigantes estabelecidos.

Tendo dito isso, para realizar plenamente seu potencial, não é tanto sobre simplesmente integrar a IA por si só, mas sobre fazê-lo corretamente.

Para as empresas menores que não podem se dar ao luxo de manter uma equipe interna de especialistas em IA, uma solução viável é utilizar software de terceiros existente. Algumas dessas soluções prontas podem ser usadas por desenvolvedores regulares, mesmo que não sejam especializados em IA.

Minha sugestão é que você não transfira toda a sua carga de trabalho imediatamente para a IA. Em vez disso, adote uma abordagem gradual. Por exemplo, peça à IA para lidar com 10% das consultas de usuário ou para precificar dinamicamente 10% de seus produtos.

Por fim, mantenha o toque humano. Ter pessoas revisando a qualidade do suporte da IA pode ser muito benéfico. À medida que a IA prova seu valor, você pode expandir seu escopo dentro de sua organização.