Fyra sätt som AI hjälper framväxande e-handelsplattformar att konkurrera med stora spel distributionsjättar

Under de senaste 12 åren har distributionsstrategierna för dator- och videospel genomgått en stor förändring. Försäljningen av digitala spel överträffade försäljningen av fysiska kopior för första gången 2013, och trenden accelererades ytterligare av lockdowns 2020. I Italien, till exempel, ledde den första veckan av isolering till att digitala spel nedladdningar ökat med 174,9%.

Om man tittar framåt är marknaden redo att fortsätta växa, med Statista som förutspår att den kommer att växa med en årlig tillväxttakt på 5,76% mellan nu och 2027, och slutligen nå en marknadsvolym på 25,4 miljarder dollar vid slutet av det året.

Trots detta kvarstår konkurrensen. Den digitala spelmarknaden domineras av bara ett fåtal plattformar, och med 94% av utgifterna som sker digitalt, lämnar det mycket lite utrymme för nya aktörer. Etablerade aktörer — som Steam och Epic Games Store inom PC-sfären — utnyttjar detta för att ta ut höga avgifter av utgivare.

För dessa stora enheter är det en självklarhet att integrera AI i sina verksamheter. Men för mindre, framväxande plattformar kan AI vara en spelväxlare — en som tillåter dem att utmana de etablerade jättarna.

Medan det kräver noggrann övervägning av plattformsspecifika egenskaper och operativa sammanhang, finns här fyra sätt som AI kan hjälpa blommande e-handelsföretag att konkurrera med digitala distributionsjättar.

#1: Förbättrar bedrägeridetektering

På spelplattformar sker bedrägeri i en mycket större skala — och mer återkommande — än i andra e-handelsvertikaler. Med sin förmåga att bearbeta och analysera stora mängder transaktionsdata kan AI-algoritmer snabbt identifiera misstänkta mönster eller avvikelser.

Genom att gå igenom omfattande transaktionsdatabaser kan maskinlärningsalgoritmer anpassa sig och känna igen bedrägliga operationer, från ovanliga användarbeteenden till ovanliga betalningsmetoder och inköp från atypiska geografiska områden.

I traditionella regelbaserade system kan vissa av dessa indikatorer gå obemärkta, vilket hindrar ett företags förmåga att upptäcka bedrägeri och utsätter dem för potentiella ekonomiska förluster.

I vårt företag har vi genom att implementera AI-driven programvara — utvecklad av en tredje part — förhindrat cirka 95% av bedrägliga transaktioner. Vi arbetar också hand i hand med teknologi. När en operation markeras som tvivelaktig, granskar vår chef den personligen. Digitala spelnycklar släpps inte till köparen förrän köpet har godkänts manuellt av vår chef.

#2: Strömlinjeformar kundsupportförfrågningar

Inom e-handel är AI-drivna chattbotar en av de vanligaste tillämpningarna av artificiell intelligens.

Eftersom det finns många lösningar på marknaden är chattbotar relativt lätta att implementera, även utan historisk data. Eftersom de kan lära sig av användarinteraktioner ger chattbotar resultat praktiskt taget omedelbart och hjälper företag att minska behovet av kundsupportpersonal.

Dessutom frigör de tid för befintliga kundsupportagenter.

I vår erfarenhet är de flesta förfrågningar vi får — runt 70% — ganska enkla och upprepade. Exempel på detta är:

• Är spelet tillgängligt för köp?
• När kan jag få spelet?
• Hur aktiverar jag min licensnyckel?
• Vad är statusen på min beställning?

I 80% av dessa fall har våra AI-botar varit ganska framgångsrika i att hjälpa våra användare utan att behöva överföra dem till en liveoperatör. Således kan vi säga att våra botar täcker cirka 56% av våra inkommande supportförfrågningar, vilket frigör värdefulla resurser som tidigare användes för supportpersonal så att vi kan använda dem på annat sätt i företaget för att förbättra vår tillväxt.

#3: Identifierar UX-omvandlingsdrivande mönster

En vanlig dilemma som e-handelsinriktade företagsägare står inför är att identifiera de faktorer som framgångsrikt driver omvandling och de som inte gör det.

Detta är ett annat område där AI kan hjälpa till, genom att samla in användardata som pekar ut återkommande beteendemönster som antingen leder eller avskräcker omvandling. Baserat på denna data kan företag göra UX-centrerade justeringar av sin webbplats.

Dessutom kan AI skapa kundsegment som förbättrar effektiviteten i marknadsföringsinsatser. Eftersom det kan skapa användarprofiler över olika dimensioner kan AI avslöja samband och gruppera liknande segment som kanske inte är uppenbara genom manuell granskning. Till exempel kan kunder som köper GTA 5 också vara intresserade av spel från en annan genre som i princip inte har någon relation till GTA 5.

För att underlätta detta har vi implementerat en tredjeparts AI-personaliseringssolution från Retail Rocket. Genom att utnyttja historisk kundköpsdata hjälper detta verktyg oss att utföra flera uppgifter, såsom att tillhandahålla personliga produktrekommendationer — både på vår webbplats och via e-post — och identifiera samband mellan produkter, vilket möjliggör för oss att föreslå kompletterande inköp.

Dessutom kan vi också tidigarelägga våra kunders nästa potentiella inköp. Detta förbättrar också vår timing för marknadsmeddelanden. Sammanfattningsvis kan vi stolt säga att dessa insatser har förbättrat våra försäljningar via marknadsföringskanaler med cirka 15%.

#4: Prognostiserar försäljning

Med tanke på den tidssensitiva naturen av spelbranschen — till exempel kan Steam påverka hur många nycklar utgivare kan generera — är effektiv prognostisering nyckeln.

Här har vi implementerat en enkel AI-modell som bygger på två primära metoder: tids-serieprognostisering och regressionsanalys.

Genom att upptäcka mönster hjälper den första oss att förutsäga framtida försäljningssiffror och anpassa oss till säsongsvariationer, som är en viktig faktor inom spelområdet. Å andra sidan hjälper den senare vårt team att etablera samband mellan försäljningsdata och andra variabler — demografi, prissättning, produktkategorier och mer.

Eftersom det finns stora skillnader i dessa parametrar — till exempel finns det sportspel som släpps årligen, som de från EA Sports, och andra strategispel som sträcker sig över årtionden — är det av yttersta vikt att få dessa kritiska faktorer rätt för korrekt prognostisering.

Vi började med detta på våren 2024, så för närvarande är våra resultat liknande det vi uppnådde utan AI. Men vi förväntar oss att när vi kalibrerar och finslipar vår modell ytterligare och samlar mer historisk data, kommer vår noggrannhet att förbättras avsevärt över tid.

Slutliga tankar

I vissa områden, som spel, kan AI bli en demokratiserande faktor — en som möjliggör för framväxande, högpotentialiga plattformar att konkurrera med etablerade jättar.

Detta sagt, för att fullt ut förverkliga dess potential är det inte bara en fråga om att integrera AI för dess egen skull, utan om att göra det rätt.

För mindre företag som inte kan ha råd att upprätthålla ett internt team av AI-experter är en livskraftig lösning att använda befintlig tredjepartsprogramvara. Vissa av dessa färdiga lösningar kan användas av vanliga utvecklare, även om de inte är specialiserade på AI.

Min rekommendation är att du inte överför all din arbetsbörda direkt till AI. Istället, ta ett gradvis tillvägagångssätt. Till exempel, be AI att hantera 10% av användarfrågorna, eller att dynamiskt prissätta 10% av dina produkter.

Slutligen, behåll den mänskliga beröringen. Att ha människor som granskar kvaliteten på AI-stödet kan vara mycket fördelaktigt. När AI bevisar sin värdighet kan du expandera dess omfattning inom din organisation.