Quatro maneiras pelas quais a IA ajuda as plataformas emergentes de comércio eletrônico 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 excederam as de cópias físicas pela primeira vez em 2013e 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 disparou em 174,9%.

Olhando para o futuro, o mercado está pronto para continuar crescendo, com a Statista projetando crescerá a um CAGR de 5,76% entre agora e 2027, atingindo um quantity de mercado de US$ 25,4 bilhões até o last daquele ano.

Apesar disso, a competição continua acirrada. O mercado de jogos digitais é dominado por apenas um punhado de plataformas, e com 94% dos gastos são feitos digitalmenteo que deixa muito pouco espaço para novos entrantes. Jogadores estabelecidos — como Steam e Epic Video games Retailer na esfera do PC — aproveitam isso para impor taxas pesadas aos editores.

Para essas grandes entidades, integrar IA em suas operações é algo pure. No entanto, para plataformas menores e emergentes, a IA pode ser um divisor de águas — um que lhes permite desafiar o oligopólio incumbente.

Embora a replicação de 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 empresas de comércio eletrônico iniciantes a competir com gigantes da distribuição digital.

#1: Melhorando a detecção de fraudes

Em plataformas de jogos, a fraude acontece em uma escala muito maior — e mais recorrentemente — do que em outros setores verticais de e-commerce. Dada sua capacidade de processar e analisar grandes quantidades de dados de transações, os algoritmos da IA ​​podem identificar prontamente padrões suspeitos ou anomalias.

Ao vasculhar extensos bancos de dados de transações, algoritmos de aprendizado de máquina podem se adaptar e reconhecer operações fraudulentas, que vão desde comportamentos incomuns do usuário até esquemas de pagamento irregulares e compras em regiões geográficas atípicas.

Em sistemas tradicionais baseados em regras, alguns desses indicadores podem passar despercebidos, dificultando a capacidade da empresa de detectar fraudes e expondo-a a possíveis perdas financeiras.

Em nossa empresa, ao implementar software program com tecnologia de IA — desenvolvido por terceiros — prevenimos aproximadamente 95% das transações fraudulentas. Também trabalhamos lado a lado 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 para o comprador até que a compra tenha sido aprovada manualmente por nosso gerente.

#2: Simplificando as consultas de suporte ao cliente

No comércio eletrônico, chatbots com tecnologia de IA são uma das aplicações mais comuns da inteligência synthetic.

Como já existem 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 imediatamente e ajudam as empresas a reduzir sua necessidade de equipe de suporte ao cliente.

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

Em nossa experiência, a maioria das consultas recebidas — cerca de 70% — são bem simples e repetitivas. Exemplos incluem:

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

Em 80% desses casos, nossos bots de IA foram bem-sucedidos em ajudar nossos usuários sem precisar transferi-los para um operador ao vivo. Assim, podemos dizer que nossos bots cobrem aproximadamente 56% de nossas solicitações de suporte recebidas, liberando recursos valiosos que antes eram despejados na equipe de suporte para que possamos usá-los em outras partes da empresa para aprimorar nosso crescimento.

#3: Identificando padrões de conversão de UX

Um dilema comum enfrentado pelos empresários de comércio eletrônico é identificar os fatores que impulsionam a conversão com sucesso e aqueles que não.

Esta é outra área em que a IA pode ajudar, coletando dados do usuário que apontam padrões comportamentais recorrentes que levam ou impedem conversões. Com base nesses dados, as empresas podem fazer ajustes centrados em UX em seus websites.

Além disso, a IA pode criar segmentos de clientes que aumentam a eficácia dos esforços de advertising. Como ela pode criar perfis de usuários em várias dimensões, a IA pode descobrir conexões e agrupar segmentos semelhantes que podem não ser óbvios por meio de avaliações manuais. Por exemplo, 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 alavancar dados históricos de compra do cliente, essa ferramenta nos ajuda a realizar várias tarefas, como fornecer recomendações personalizadas de produtos — tanto em nosso web site quanto por e-mail — e identificar relacionamentos entre produtos, permitindo-nos sugerir compras complementares.

Além disso, também podemos cronometrar a próxima compra potencial dos nossos clientes. Isso também melhora nosso timing para mensagens de advertising. No geral, podemos dizer com orgulho que esses esforços impulsionaram nossas vendas por meio de canais de advertising em aproximadamente 15%.

#4: Previsão de vendas

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

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

Ao detectar padrões, o primeiro nos ajuda a prever números de vendas futuras e nos adaptar à sazonalidade, que é um fator importante no campo de jogos. Por outro lado, o último auxilia nossa equipe a estabelecer relacionamentos entre dados de vendas e outras variáveis ​​— demografia, preços, categorias de produtos e muito mais.

Como há grandes divergências nesses parâmetros — por exemplo, há jogos esportivos lançados anualmente, como os da EA Sports activities, e outros jogos de estratégia que abrangem décadas — acertar esses fatores críticos é de suma importância para previsões precisas.

Começamos com isso na primavera de 2024, então, até agora, nossos resultados são semelhantes ao que estávamos alcançando sem IA. No entanto, esperamos que, à medida que calibramos e refinamos ainda mais nosso modelo e acumulamos mais dados históricos, nossa precisão melhore significativamente ao longo do tempo.

Pensamentos finais

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

Dito isto, para concretizar totalmente o seu potencial, não se trata tanto de simplesmente integrar a IA por integrar, mas de fazê-lo corretamente.

Para empresas menores que não podem manter uma equipe interna de especialistas em IA, uma solução viável é utilizar software program 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 para a IA lidar com 10% das consultas do usuário ou para precificar dinamicamente 10% dos seus produtos.

Por último, mas não menos importante, mantenha o toque humano. Ter pessoas revisando a qualidade do suporte da IA ​​pode ser muito benéfico. Conforme a IA prova seu valor, você pode expandir seu escopo dentro da sua organização.