Empresa creativa está emergiendo hoy como un nuevo tipo de compañía de inteligencia de mercado. Utiliza AI para hacer un exploración de sentimientos en 1.5 millones de conversaciones sobre los principales editores de juegos y sus títulos.

Esto significa que usa AI para descubrir qué piensan los jugadores de 17 de los principales editores de juegos, con las ideas producidas por el formación automotriz. La IA de Creativ pudo analizar más de 1,5 millones de conversaciones en secante en los artículos de Reddit, YouTube, Discord y News durante seis meses. Tomó unos 10 días hacerlo. La compañía pasó por unas 9,300 fuentes de informativo y sentimientos sobre los editores de los juegos. Luego hizo su exploración para el estudio, que cubrió el período desde el 1 de noviembre de 2024 hasta finales de abril de 2025.

Hablé con el CEO de Creativ, Wes Morton, el CTO Joe Lai y Coio (Oficial de Operaciones e Información Presidente) Vibhu Bhan sobre los resultados. Aquí está parte de la información del exploración exclusivo.

“Nos llamamos una empresa de marketing de máquinas inteligentes. Y básicamente la razón por la que estamos haciendo el estudio es que estamos reinventando cómo hacer información del consumidor con LLM”, dijo Morton. “El estudio es fielmente una ingestión de un millón de conversaciones y media de los consumidores sobre estos diferentes editores”.

Al extraer “exploración de sentimientos”, el objetivo es descubrir qué piensan los jugadores sobre las compañías de juegos en función de lo que dicen esos jugadores en las redes sociales. El maniquí de gran jerga de IA (LLM) está entrenado para detectar sarcasmo, argot específica del esparcimiento y más matices, dijo Bhan.

“La verdadera innovación aquí es una mejor comprensión del contexto y la argot, por lo que el exploración de sentimientos es mucho más contextual y no solo una puntuación”, dijo Bhan. “Si observa el exploración de sentimientos tradicionales, analiza la existencia de ciertas palabras. Pero el jerga es arduo”.

El exploración de sentimientos ha surgido en los últimos abriles como una forma de comprender al espíritu de un esparcimiento o empresa. Pero a menudo el exploración sufrió porque el exploración que se usa verdaderamente no entendía a los jugadores o sus comentarios sobre temas. Ahora, con LLMS, Morton dijo que el formación automotriz comprende los matices complejos y hace un mejor trabajo en más datos que puede ingerir.

En un ejemplo, Creativ descubrió que los fanáticos no estaban contentos cuando el actor Henry Cavill fue despedido del papel principal de Geralt en el software de televisión de Witcher en Netflix. Básicamente, Netflix no debería ocurrir despedido a Cavill, porque condujo a un impacto gafe normal en la franquicia de Witcher. Resulta que el software influyó en el sentimiento normal, en superficie de la serie de videojuegos.

La compañía ingiere los datos y luego presenta puntajes de sentimientos sobre los editores de juegos para ver qué han hecho para ayudar o perjudicar su marca por último en una conversación con los jugadores. Los informes más antiguos podrían descubrir con qué frecuencia se usó un conjunto de palabras (como un nombre de un esparcimiento o empresa). Pero a menudo no tenía la capacidad de comprender el contexto completo en torno a una discusión sobre los juegos y luego resumirlo adecuadamente. Pero los LLM son mejores para comprender el contexto en torno a una gran cantidad de datos.

“El contexto se vuelve mucho más importante porque eso le permite comprender la dirección del sentimiento porque podría ocurrir un par de sujetos en la oración. Y lo segundo es este cambio que hacemos conveniente al sarcasmo, que se percibe como un apócrifo positivo cuando se pretende como una reacción negativa”, dijo Lai.

Los LLM tienen una mejor capacidad para comprender el contexto para el jerga, dijo Lai.

“Y la belleza de LLM es que podemos compilar y capacitar a nuestros modelos en estos datos de juegos”, dijo Lai. “Podemos entrenar a los modelos para poder detectar la secante de informativo que surge para cada uno de estos juegos, así como si se usen de forma positiva o negativa”.

Los temas más importantes de conversación

Una cosa sobre la que el LLMS recogió fue que los jugadores tenían fuertes opiniones sobre exclusivas, y si el propietario de una plataforma debería persistir su mejor esparcimiento exclusivo o soportar ese esparcimiento a otras plataformas para gestar más ventas. A los fanáticos que invirtieron su metálico en una consola en particular no les gustó eso.

Los temas más importantes para la conversación incluyeron monetización de juegos, franquicias, plataformas de esparcimiento, exclusivas y consolidación y corporatización de la industria. En la monetización, los jugadores recompensaron las comunicaciones abiertas en reglas y estudios que evitan los modelos de monetización que afectan el esparcimiento y la mecánica. Esta fue la tendencia más amplia en el conjunto de datos, ya que los consumidores percibieron Activision Blizzard, Ubisoft, EA, Amazon, NetEase, Evolution Gaming y Roblox como delincuentes particularmente malos de las malas prácticas de monetización.

Encima, los LLM capturan las conversaciones que ocurren lógicamente. Por el contrario, un estudio pone al participante alerta de que están siendo encuestados para sus opiniones. Ese participante podría pensar si objetar con sinceridad o no, en cojín a lo que creen que el investigador del estudio quiere escuchar.

Cómo les fue a las empresas

Netflix no ha tenido mucha historia como editor de juegos, y sus juegos móviles aún no han sido grandes éxitos. Eso ayuda a explicar por qué obtuvo un puntaje gafe de los jugadores. Parte del sentimiento ocurre en torno a un esparcimiento, al igual que un esparcimiento de la NBA, pero mucho de eso sucede fuera del esparcimiento en las redes sociales.

Morton dijo que los juegos están recibiendo un gran montacargas de la conciencia de Hollywood, ya que películas basadas en juegos como una película de Minecraft y el software de televisión The Last of Us reciben altas calificaciones y llegan a más personas que no saben sobre los juegos.

“La parte maravilloso de esta tecnología es que puedes profundizar específicamente en lo que hace que la concurrencia sea adecuado, triste”, dijo Morton.

Activision Blizzard tenía mucha charla sobre World of Warcraft. Pero muchos jugadores siquiera eran fanáticos de cómo la compañía manejó la transición de Overwatch a Overwatch 2. Ubisoft además obtuvo el peor puntaje de todos los editores de juegos, pero no estaba claro por qué. Tenía mucha discusión sobre los personajes de Assassin’s Creed: Shadows. Pero ese esparcimiento recibió críticas positivas en contraste con juegos anteriores como Star Wars: Outlaws and Skull & Bones.

Para este estudio, la compañía no se centró en ningún esparcimiento en particular. Pero podría hacerlo en el futuro.

Con LLMS, el estudio se puede realizar en 10 días, en comparación con semanas para otros métodos. Morton dijo que LLMS solo puede absorber e ingerir y procesar datos más rápido, pero puede analizar muchos más datos y mucho más rápido. Con el tiempo, el exploración puede obtener mucho más granular, con un enfoque en los personajes de cualquier esparcimiento u otros detalles. Tal exploración podría darle a un equipo la oportunidad de pivotar a otro personaje si tiene una puntuación negativa.