Чотири способи, як штучний інтелект допомагає електронним торговельним платформам конкурувати з великими дистриб’юторами ігор

За останні 12 років стратегії розповсюдження комп’ютерних та відеоігор зазнали значних змін. Продажі цифрових ігор вперше перевищили продажі фізичних копій у 2013 році, а тенденцію ще більше прискорили карантини 2020 року. Наприклад, у Італії перший тиждень карантину призвів до зросту завантажень цифрових ігор на 174,9%.

Оглядаючи майбутнє, ринок продовжить зростати, оскільки Statista прогнозує, що він зростатиме на 5,76% щороку до 2027 року і досягне обсягу ринку 25,4 мільярда доларів до кінця цього року.

Незважаючи на це, конкуренція залишається високою. Ринок цифрових ігор контролюють лише кілька великих платформ, а оскільки 94% витрат відбуваються цифровим шляхом, це залишає мало місця для нових учасників. Установлені гравці — такі як Steam і Epic Games Store на ринку ПК — використовують це для встановлення високих комісій для видавців.

Для цих великих гравців інтеграція штучного інтелекту в їхню діяльність є звичайною справою. Однак для менших, новостворених платформ штучний інтелект може стати справжнім проривом — тим, що дозволить їм конкурувати з великими дистриб’юторами.

Хоча повторення успішних реалізацій штучного інтелекту вимагає ретельного розгляду характеристик платформи та операційних контекстів, ось чотири способи, якими штучний інтелект може допомогти молодим електронним торговельним компаніям конкурувати з гігантами цифрової дистрибуції.

#1: Покращення виявлення шахрайства

На ігрових платформах шахрайство відбувається у значно більших масштабах — і частіше — ніж у інших електронних торговельних напрямках. Завдяки своїй здатності обробляти та аналізувати великі об’єми транзакційних даних алгоритми штучного інтелекту можуть швидко виявити підозрілі моделі або аномалії.

Переглядаючи великі бази даних транзакцій, алгоритми машинного навчання можуть адаптуватися та розпізнавати шахрайські операції, починаючи від незвичайної поведінки користувачів і закінчуючи незвичайними схемами оплати та покупками з нетипових географічних регіонів.

У традиційних системах, заснованих на правилах, деякі з цих індикаторів можуть залишитися непоміченими, що перешкоджає компанії виявити шахрайство та піддає її потенційним фінансовим втратам.

У нашій компанії завдяки реалізації програмного забезпечення, розробленого третьою стороною, ми запобігли приблизно 95% шахрайських транзакцій. Ми також працюємо в тісній співпраці з технологіями. Як тільки операція позначається як сумнівна, наш менеджер особисто її переглядає. Цифрові ключі ігор не видаються покупцеві до тих пір, поки покупка не буде ручно затверджена нашим менеджером.

#2: Оптимізація запитів служби підтримки клієнтів

У електронній торгівлі чат-боти, що працюють на штучному інтелекті, є одним з найпоширеніших застосувань штучного інтелекту.

Оскільки на ринку вже існує багато рішень, чат-боти відносно легко реалізувати, навіть без історичних даних. Через те, що вони можуть навчатися на взаємодії з користувачами, чат-боти дають результати майже відразу ж і допомагають компаніям зменшити потребу у персоналі служби підтримки клієнтів.

Крім того, вони звільняють час для існуючих агентів служби підтримки клієнтів.

За нашим досвідом, більшість запитів, які ми отримуємо — близько 70% — досить прості та повторювані. Приклади включають:

• Чи доступна гра для покупки?
• Коли я можу отримати ключ гри?
• Як активувати мій ліцензійний ключ?
• Який статус мого замовлення?

У 80% цих випадків наші чат-боти досить успішно допомагали нашим користувачам без потреби перенаправляти їх до оператора. Таким чином, ми можемо сказати, що наші боти покривають близько 56% наших входящих запитів підтримки, звільняючи цінні ресурси, які раніше витрачалися на персонал підтримки, щоб ми могли використовувати їх в іншому місці компанії для підвищення нашого зростання.

#3: Визначення моделей, що сприяють конверсії в UX

Одна з дилем, з якими стикаються власники бізнесу, орієнтованого на електронну торгівлю, полягає в тому, щоб визначити ті фактори, які успішно сприяють конверсії, а які ні.

Це ще одна область, де штучний інтелект може допомогти, збираючи дані користувачів, які вказують на повторювані поведінкові моделі, які або сприяють, або перешкоджають конверсії. На основі цих даних компанії можуть робити корективи в UX своєї веб-сайту.

Крім того, штучний інтелект може створювати сегменти клієнтів, які підвищують ефективність маркетингових зусиль. Оскільки він може створювати профіль користувача по різних вимірах, штучний інтелект може розкрити зв’язки та групувати сегменти, подібні один до одного, які можуть не бути очевидними під час ручного огляду. Наприклад, клієнти, які купують GTA 5, також можуть бути зацікавлені в іграх з іншої жанру, яка, по суті, не має жодного відношення до GTA 5.

Для цього ми реалізували рішення штучного інтелекту для персоналізації від Retail Rocket. Використовуючи історичні дані про покупки клієнтів, цей інструмент допомагає нам виконувати кілька завдань, таких як надання персоналізованих рекомендацій продуктів — як на нашому сайті, так і через електронну пошту — та визначення зв’язків між продуктами, що дозволяє нам пропонувати додаткові покупки.

Крім того, ми можемо передбачити час потенційної наступної покупки наших клієнтів. Це також покращує нашу тимінговість для маркетингових повідомлень. У цілому ми можемо з гордістю сказати, що ці зусилля підвищили наші продажі через маркетингові канали приблизно на 15%.

#4: Прогнозування продажів

Ураховуючи часозалежний характер ігрової індустрії — наприклад, Steam встановлює обмеження на кількість ключів, які можуть генерувати видавці — ефективне прогнозування є ключовим.

Тут ми реалізували просту модель штучного інтелекту, яка базується на двох основних методах: прогнозуванні часових рядів і регресійному аналізі.

Виявляючи моделі, перший метод допомагає нам передбачити майбутні показники продажів і адаптуватися до сезонності, яка є важливим фактором у сфері ігор. З іншого боку, другий метод допомагає нашій команді встановити зв’язки між даними про продажі та іншими змінними — демографічними, ціновими, категоріями продуктів тощо.

Оскільки існують великі розбіжності в цих параметрах — наприклад, існують спортивні ігри, які виходять щороку, такі як ігри від EA Sports, та інші стратегічні ігри, які охоплюють десятиліття — правильне визначення цих критичних факторів має вирішальне значення для точного прогнозування.

Ми вперше почали це у весні 2024 року, тому зараз наші результати подібні до тих, яких ми досягали без штучного інтелекту. Однак ми очікуємо, що по мірі подальшої калібрування та вдосконалення нашої моделі та накопичення більшої кількості історичних даних наша точність значно покращиться з часом.

Фінальні думки

У деяких галузях, таких як ігри, штучний інтелект може стати демократизуючим фактором — тим, який дозволяє новим, перспективним платформам конкурувати з усталеними гігантами.

Однак, щоб повністю реалізувати свій потенціал, це не просто про інтеграцію штучного інтелекту заради нього самого, а про те, щоб робити це правильно.

Для менших компаній, які не можуть дозволити собі підтримувати внутрішню команду фахівців зі штучного інтелекту, життєздатним рішенням є використання готових рішень третьої сторони. Деякі з цих готових рішень можуть бути використані звичайними розробниками, навіть якщо вони не спеціалізуються на штучному інтелекті.

Моя порада полягає в тому, щоб не переходити весь свій робочий процес одразу до штучного інтелекту. Натомість прийміть поступовий підхід. Наприклад, попросіть штучний інтелект обробляти 10% запитів користувачів або динамічно цінувати 10% ваших продуктів.

І, нарешті, збережіть людський дотик. Мати людей, які переглядають якість підтримки штучного інтелекту, може бути дуже корисним. По мірі того, як штучний інтелект доводить свою цінність, ви можете розширити його сферу застосування у своїй організації.