思想领袖
四种方式人工智能帮助新兴电子商务平台与主要游戏分销商竞争
过去12年中，电脑和视频游戏分销策略经历了巨大的变化。数字游戏的销量第一次超过了实体拷贝的销量在2013年，这种趋势在2020年的封锁期间进一步加速。在意大利，例如，第一次封锁导致数字游戏下载量飙升了174.9%。
展望未来，市场有望继续增长，Statista 预测它将在现在和2027年之间以5.76%的复合年增长率增长，到那年底将达到254亿美元的市场规模。
尽管如此，竞争仍然非常激烈。数字游戏市场被仅仅几家平台所支配，94%的支出发生在数字领域，这使得新进入者几乎没有机会。已建立的玩家——例如PC领域的Steam和Epic Games Store——利用这一点向发行商收取高昂的费用。
对于这些大型实体来说，将人工智能集成到他们的运营中是很自然的。然而，对于较小的新兴平台，人工智能可能是一个游戏规则的改变者——它使他们能够挑战现有的垄断。
虽然复制成功的人工智能实现需要仔细考虑平台特有的特征和运营背景，但以下是四种人工智能可以帮助新兴电子商务公司与数字分销巨头竞争的方式。
#1：增强欺诈检测
在游戏平台上，欺诈发生的规模和频率远远高于其他电子商务领域。鉴于其处理和分析大量交易数据的能力，人工智能算法可以迅速识别可疑的模式或异常。
通过扫描大量的交易数据库，机器学习算法可以适应和识别欺诈操作，包括不寻常的用户行为、不规则的付款计划和来自不寻常地理区域的购买。在传统的基于规则的系统中，一些这些指标可能会被忽略，阻碍公司检测欺诈和暴露于潜在的财务损失的能力。
在我们的公司，通过实施第三方开发的人工智能软件，我们已经防止了大约95%的欺诈交易。我们还与技术密切合作。一旦操作被标记为可疑，我们的经理会亲自审查它。数字游戏密钥不会在购买被我们的经理手动批准之前发布给买家。
#2：简化客户支持查询
在电子商务中，人工智能聊天机器人是人工智能最常见的应用之一。
由于市场上已经有很多解决方案，聊天机器人相对容易实施，即使没有历史数据。由于它们可以从用户交互中学习，聊天机器人几乎可以立即产生效果，并帮助公司减少对客户支持人员的需求。
此外，它们还为现有的客户支持代理腾出时间。
在我们的经验中，大约70%的查询是非常简单和重复的。例如：
- 游戏是否可以购买？
- 我什么时候可以收到游戏密钥？
- 如何激活我的许可密钥？
- 我的订单状态是什么？
在80%的这些情况下，我们的AI机器人在不需要转移到实时操作员的情况下帮助我们的用户非常成功。因此，我们可以说我们的机器人覆盖了大约56%的我们的来电支持请求，解放了以前投入到支持人员的宝贵资源，以便我们可以在公司的其他地方使用它们来增强我们的增长。
#3：识别用户体验转化驱动模式
电子商务导向型业务主管面临的一个常见困境是识别哪些因素成功地驱动转化和哪些不。这是另一个人工智能可以提供帮助的领域，通过收集用户数据来确定导致或阻碍转化的重复行为模式。根据这些数据，公司可以对其网站进行以用户体验为中心的调整。
此外，人工智能可以创建客户细分，以提高营销工作的有效性。由于它可以在各个维度上创建用户配置文件，人工智能可以发现看似不相关的连接和群体。例如，购买GTA 5的客户可能也对其他类型的游戏感兴趣，这些游戏在原则上与GTA 5没有任何关系。
为了实现这一点，我们已经实施了来自Retail Rocket的第三方人工智能个性化解决方案。通过利用历史客户购买数据，该工具帮助我们完成多项任务，例如在我们的网站和电子邮件中提供个性化的产品推荐，并确定产品之间的关系，使我们能够建议互补的购买。
此外，我们还可以预测客户的下一次潜在购买。这也改善了我们对营销信息的时机。总的来说，我们可以自豪地说，这些努力使我们的营销渠道销售额增加了大约15%。
#4：预测销售额
鉴于游戏行业的时间敏感性——例如，Steam对发行商可以生成的密钥数量施加了限制——有效的预测是关键。
在这里，我们已经实施了一个简单的人工智能模型，它基于两种主要方法：时间序列预测和回归分析。
通过检测模式，前者帮助我们预测未来的销售数据，并适应季节性，这是游戏领域的一个重要因素。另一方面，后者帮助我们的团队建立销售数据和其他变量之间的关系——人口统计学、定价、产品类别等。
由于这些参数之间存在很大的差异——例如，每年发布的体育游戏，如EA Sports的游戏，以及跨越数十年的战略游戏——准确预测这些关键因素对于准确预测至关重要。
我们首先在2024年春天开始这样做，所以，截至目前，我们的结果与我们在没有人工智能的情况下实现的结果相似。然而，我们预计，随着我们进一步校准和完善我们的模型，并积累更多的历史数据，我们的准确性将随着时间的推移显著提高。
最后的想法
在某些领域，例如游戏，人工智能可以成为一个民主化因素——它使新兴的、高潜力的平台能够与已建立的巨头竞争。
话虽如此，要充分发挥其潜力，并不仅仅是简单地将人工智能整合进去，而是要做对。对于那些无法负担维护内部人工智能专家团队的较小公司，使用现有的第三方软件是一个可行的解决方案。一些现成的解决方案可以被普通开发人员使用，即使他们不专门从事人工智能。
我的建议是，不要一下子将所有工作量转移到人工智能上。相反，采取渐进的方法。例如，要求人工智能处理10%的用户查询，或动态定价10%的产品。
最后，保持人性化的触感。让人审查人工智能支持的质量非常有益。随着人工智能证明其价值，您可以在您的组织中扩大其范围。
