O que as empresas de jogos podem aprender com a análise de IA de 1,5 milhões de conversas de gamers | Creativ Company

Creativ Company está se destacando como um novo tipo de empresa de inteligência de mercado. Ela utiliza IA para fazer análise de sentimento em 1,5 milhão de conversas sobre os principais editores de jogos e seus títulos.

Isso significa que a empresa utiliza IA para entender o que os jogadores pensam sobre 17 dos principais editores de jogos — com os insights produzidos por aprendizagem de máquina. A IA da Creativ foi capaz de analisar mais de 1,5 milhão de conversas online no Reddit, YouTube, Discord e em artigos de notícias ao longo de seis meses. O processo levou cerca de 10 dias. A empresa revisou cerca de 9.300 fontes de notícias e sentimentos sobre os editores de jogos. Em seguida, fez sua análise para o estudo, que cobriu o período de 1 de novembro de 2024 até o final de abril de 2025.

Eu conversei com o CEO da Creativ, Wes Morton, o CTO Joe Lai, e o COIO (diretor de operações e informações) Vibhu Bhan sobre os resultados. Aqui estão algumas informações da análise exclusiva.

“Nos chamamos de uma empresa de marketing inteligente por máquina. E basicamente, o motivo pelo qual estamos fazendo o estudo é que estamos reinventando a forma de obter insights do consumidor utilizando LLMs,” disse Morton. “O estudo é literalmente uma digestão de um milhão e meio de conversas de consumidores sobre esses diferentes editores.”

Ao extrair “análise de sentimento”, o objetivo é descobrir o que os jogadores pensam sobre as empresas de jogos com base no que esses jogadores dizem nas redes sociais. O modelo de linguagem de grande escala (LLM) é treinado para detectar sarcasmo, gírias específicas de jogos e mais nuances, disse Bhan.

“A verdadeira inovação aqui é uma melhor compreensão do contexto e da gíria, de modo que a análise de sentimento é muito mais contextual e não apenas uma pontuação,” afirmou Bhan. “Se você olhar para a análise de sentimento tradicional, ela observa a existência de certas palavras. Mas a linguagem é complexa.”

A análise de sentimento emergiu nos últimos anos como uma forma de entender o zeitgeist em torno de um jogo ou empresa. Porém, muitas vezes a análise sufria porque a metodologia utilizada não compreendia realmente os jogadores ou seus comentários sobre os tópicos. Agora, com os LLMs, disse Morton, a aprendizagem de máquina entende as nuances complexas e faz um trabalho melhor com mais dados que pode absorver.

Um exemplo que a Creativ encontrou foi que os fãs não ficaram felizes quando o ator Henry Cavill foi demitido do papel principal de Geralt no show de televisão The Witcher na Netflix. Basicamente, a Netflix não deveria ter demitido Cavill, pois isso teve um impacto negativo geral na franquia The Witcher. Acontece que o programa influenciou o sentimento geral, e não a série de jogos.

A empresa absorve os dados e então elabora pontuações de sentimento sobre os editores de jogos para ver o que eles têm feito para ajudar ou prejudicar suas marcas nas conversas com os jogadores. Relatórios mais antigos poderiam descobrir com que frequência um conjunto de palavras (como o nome de um jogo ou empresa) era usado. Mas muitas vezes não tinham a capacidade de entender o contexto completo de uma discussão sobre os jogos e, em seguida, resumir adequadamente. Porém, os LLMs são melhores em compreender o contexto em torno de uma grande quantidade de dados.

“O contexto se torna muito mais importante porque isso permite entender a direção do sentimento, pois pode haver vários assuntos na frase. E a segunda questão é essa mudança que fazemos devido ao sarcasmo, que é interpretado como um falso positivo quando é pretendido como uma reação negativa,” disse Lai.

Os LLMs têm uma melhor capacidade de entender o contexto da linguagem, disse Lai.

“E a beleza dos LLMs é que podemos coletar e treinar nossos modelos com esses dados de jogos,” disse Lai. “Podemos treinar os modelos para detectar a linha de notícias que surge para cada um desses jogos, assim como se estão sendo usados de forma positiva ou negativa.”

Os principais tópicos de conversa

Uma coisa que os LLMs perceberam foi que os jogadores tinham opiniões fortes sobre exclusividades, e se um proprietário de plataforma deve manter seu melhor jogo exclusivo ou levá-lo a outras plataformas para gerar mais vendas. Os fãs que investiram dinheiro em um console específico não gostaram disso.

Os maiores tópicos de conversa incluíram monetização de jogos, franquias, plataformas de jogos, exclusividades e a consolidação e corporatização da indústria. Em relação à monetização, os jogadores recompensaram as comunicações abertas sobre regras e os estúdios que evitam modelos de monetização que afetam a jogabilidade e as mecânicas. Esta foi a tendência mais ampla no conjunto de dados, com os consumidores percebendo a Activision Blizzard, Ubisoft, EA, Amazon, NetEase, Evolution Gaming e Roblox como particularmente maus infratores de práticas de monetização ruins.

Além disso, os LLMs capturam as conversas que naturalmente acontecem. Por outro lado, um estudo alerta o jogador de que está sendo questionado sobre suas opiniões. Esse jogador pode pensar sobre se deve responder com sinceridade ou não, com base no que acha que o pesquisador deseja ouvir.

Como as empresas se saíram

A Netflix não tem muita história como editora de jogos, e seus jogos para dispositivos móveis ainda não foram grandes sucessos. Isso ajuda a explicar por que ela obteve uma pontuação negativa dos jogadores. Parte do sentimento acontece em torno de um jogo, assim como em um jogo da NBA, mas muito acontece fora do jogo nas redes sociais.

Morton disse que os jogos estão recebendo um grande aumento de conscientização por conta de Hollywood, já que filmes baseados em jogos, como O Filme do Minecraft e a série de TV The Last of Us, estão recebendo altas classificações e alcançando mais pessoas que não conhecem os jogos.

“A parte legal dessa tecnologia é que você pode analisar especificamente o que está fazendo as pessoas felizes ou tristes,” disse Morton.

A Activision Blizzard teve muito burburinho sobre o World of Warcraft. Contudo, muitos jogadores também não eram fãs de como a empresa gerenciou a transição de Overwatch para Overwatch 2. A Ubisoft também teve a pior pontuação de todos os editores de jogos, mas não estava claro por quê. Haviam muitas discussões sobre os personagens de Assassin’s Creed: Shadows. Mas esse jogo recebeu avaliações positivas em contraste com jogos anteriores, como Star Wars: Outlaws e Skull & Bones.

Para este estudo, a empresa não se concentrou em nenhum jogo específico. No entanto, isso pode mudar no futuro.

Com os LLMs, o estudo pode ser feito em 10 dias, comparado a semanas para outros métodos. Morton disse que os LLMs podem não apenas absorver e ingerir dados mais rapidamente, mas também analisar muito mais dados e de forma muito mais veloz. Com o tempo, a análise pode se tornar muito mais granular, com um foco nos personagens de um determinado jogo ou outros detalhes. Tal análise poderia dar à equipe a chance de mudar para outro personagem caso tenha uma pontuação negativa.