Dmitry Kachmar, Pendiri Playgama – Seri Wawancara

Dmitry Kachmar adalah pendiri Playgama, dengan latar belakang di bidang teknologi periklanan dan distribusi digital untuk permainan peramban. Sebelum mendirikan perusahaan tersebut, ia menghabiskan enam belas tahun di Yandex. Pengalamannya di bidang periklanan dan kepemimpinan komersial membentuk pendekatannya dalam menghubungkan produk dengan audiens dan membangun monetisasi yang berkelanjutan. Di Playgama, ia berfokus pada infrastruktur yang dibutuhkan pengembang untuk menguji game, menjangkau pemain, dan memahami cara orang benar-benar bermain.

Playgama menyediakan perangkat distribusi, monetisasi, dan analitik bagi pengembang game web, termasuk Bridge SDK sumber terbukanya serta layanan untuk portal game dan platform lainnya. AI Game Index-nya melacak perangkat AI yang dilaporkan oleh pengembang sekaligus respons pemain terhadap game yang dibuat dengan perangkat tersebut. Dalam wawancara ini, Kachmar membahas hal-hal yang diungkap perilaku pemain tentang game buatan AI, keterbatasan perbandingan model, serta pentingnya proses orientasi, retensi, penemuan game, dan pertimbangan kreatif ketika produksi game semakin mudah diakses.

Latar belakang Anda mencakup teknologi periklanan dan iklan baris, dua bidang usaha yang sangat mengandalkan distribusi dan monetisasi. Peluang apa yang Anda lihat dalam permainan peramban hingga mendirikan Playgama, dan bagaimana pengalaman itu membentuk pendekatan perusahaan dalam membantu pengembang menjangkau pemain?

Saya menghabiskan enam belas tahun di sebuah perusahaan bernama Yandex, salah satu dari sedikit pemain di dunia yang mampu mengalahkan Google di pasar lokal yang besar. Pada akhirnya, saya memimpin Ads sebagai Chief Commercial Officer dan CEO, mengelola pendapatan iklan lebih dari $2 miliar. Pada skala sebesar itu, ada satu hal yang Anda pelajari: produk bagus tanpa distribusi tidak terlihat, sedangkan distribusi tanpa monetisasi hanyalah hobi.

Saat mengamati game web, saya melihat pasar dengan permintaan dan pasokan yang nyata, tetapi nyaris tanpa infrastruktur yang berfungsi di antaranya. Ibarat gunung es: bagian yang terlihat hanya secuil dari keseluruhan yang sebenarnya ada. Ratusan juta orang memainkan game peramban setiap bulan, dan ribuan pengembang membuatnya. Namun, tiga aspek dalam ekosistem ini benar-benar bermasalah.

Pertama, monetisasi. Sebagian besar game web menayangkan iklan dengan pengaturan yang sangat sederhana, sehingga game bagus menghasilkan jauh lebih sedikit daripada yang seharusnya. Kedua, penemuan game. Pemain menemukan game lewat katalog tak berujung dan faktor keberuntungan, bukan melalui algoritme yang disesuaikan dengan selera mereka. Ketiga, promosi game itu sendiri: jika Anda memiliki game peramban yang bagus, tidak ada cara yang wajar untuk membeli pemain dan mengetahui apakah mereka menghasilkan pendapatan kembali.

Karena itu, kami memulai dari uang dan lalu lintas, bukan dari konten. Kami membangun sistem periklanan sendiri untuk game web, menghubungkannya langsung dengan sumber permintaan besar, dan menggunakan data yang sama untuk melihat game mana yang mampu mempertahankan pemain serta layak mendapatkan lebih banyak pemain. Bagi saya, keduanya adalah dua sisi dari masalah yang sama: game yang menghasilkan pendapatan dengan baik mampu membeli pemain, sedangkan game yang mampu mempertahankan pemain akan menghasilkan pendapatan dengan baik.

Apa yang Anda pelajari dari mengamati orang memainkan game buatan AI yang tidak akan pernah Anda ketahui hanya dengan mengevaluasi kodenya? Bisakah Anda menceritakan game yang mengejutkan Anda, baik secara positif maupun negatif?

Kode memberi tahu Anda apakah game bisa berjalan, sedangkan pemain memberi tahu Anda apakah game itu benar-benar sebuah game. Game buatan AI hampir tidak pernah gagal karena kodenya. Kegagalannya terjadi dalam 30 detik pertama, tepat pada momen ketika aturan harus diajarkan tanpa kehilangan perhatian pemain. Game-nya berfungsi dan terlihat bagus, tetapi pemain begitu saja menutup tab. Hal ini tidak terlihat dalam peninjauan kode, karena pengembang sudah tahu cara bermain dan sejak awal memang tertarik.

Ada juga contoh bagus lainnya: seorang pengembang tidak bisa menang dalam game buatannya sendiri. Agen tersebut membuat tingkat kesulitannya begitu tinggi sehingga bahkan pembuatnya pun selalu kalah. Ia baru menyadarinya setelah melihat bahwa tak seorang pun berhasil melewati level dua.

AI Game Index Anda membedakan seberapa luas pengembang menggunakan suatu perangkat dari respons pemain terhadap game yang dibuat dengannya. Apa yang menjelaskan kesenjangan antara adopsi oleh pengembang dan kepuasan pemain, dan apa yang sebaiknya dipertimbangkan studio kecil saat memilih perangkatnya?

Saya ingin berhati-hati dalam menjawab ini. Indeks kami adalah termometer, bukan hakim. Indeks ini menunjukkan apa yang sedang terjadi, bukan menjelaskan alasannya.

Pada akhir Oktober 2026, Claude Opus digunakan untuk membuat lebih dari separuh semua game AI baru, sementara game OpenAI mendapatkan lebih banyak tanda suka untuk setiap kali dimainkan. Dua hal bisa benar pada saat yang sama.

Ini hanya dugaan saya, tanpa bukti. Model yang paling populer mungkin digunakan oleh semua orang, termasuk mereka yang baru pertama kali membuat game, sementara model yang kurang populer dipilih dengan sengaja oleh kreator yang lebih termotivasi. Jadi, mungkin yang kita bandingkan adalah orangnya, bukan modelnya. Selain itu, ketika satu model menghasilkan separuh dari semua game, pola-pola yang digunakannya menjadi mudah dikenali dan pemain pun menginginkan sesuatu yang baru.

Indeks ini mengandalkan label model yang dilaporkan pengembang, sementara jumlah lalu lintas yang diterima setiap game berbeda-beda. Bagaimana Anda membedakan kontribusi model dari keterampilan pengembang, genre, atau audiens yang tertarik pada suatu game?

Sejujurnya, kami tidak sepenuhnya memisahkan faktor-faktor tersebut, dan kami menyatakannya di halaman itu. Pada dasarnya, kami hanya menyaring gangguan yang jelas. Sebuah game baru dihitung setelah mencapai 20 kali dimainkan, dan model baru mendapat penilaian setelah tercatat digunakan dalam 15 game. Kami menggunakan nilai tengah, bukan rata-rata, sehingga satu game yang viral tidak bisa mendongkrak seluruh baris. Setiap angka disertai tanggal, dan baris dengan jumlah data kecil ditandai demikian.

Keahlian dan genre masih tercermin dalam angka. Model yang menarik pengembang berpengalaman akan terlihat lebih baik. Model yang populer untuk permainan arkade sederhana akan terlihat berbeda dari model yang digunakan untuk simulator. Kami belum bisa menghilangkan faktor ini, jadi kami tidak menyembunyikannya. Nantinya, kami ingin menambahkan perincian berdasarkan genre dan pengalaman pengembang. Sementara itu, cara terbaik membaca indeks ini adalah dengan melihat bagaimana pemain sungguhan berinteraksi dengan game-game tersebut.

Dalam aspek apa game buatan AI paling sering gagal sebagai sebuah game: kontrol, peningkatan tingkat kesulitan, desain level, orisinalitas, atau hal lain? Di antara kelemahan tersebut, mana yang masih paling membutuhkan campur tangan desainer berpengalaman?

Panduan awal dan tingkat kesulitan sangat penting. Pemain tidak memahami tujuannya dalam detik-detik pertama, atau game terlalu mudah maupun mustahil dimainkan. Kontrol di ponsel menjadi masalah ketiga, karena agen sering merancang game untuk tetikus dan lupa bahwa pemain menggunakan ibu jari.

Kabar baiknya, masalah-masalah ini terlihat dalam data. Jika banyak pemain berhenti pada langkah tutorial ketiga, agen dapat melihatnya di telemetri dan menyederhanakan langkah tersebut. Tingkat kesulitan juga bisa diseimbangkan kembali dengan cara yang sama.

Hal yang masih membutuhkan desainer berpengalaman adalah sesuatu yang tidak bisa diberi tahu oleh data: tentang apa game itu dan mengapa game tersebut perlu ada. Agen piawai memperbaiki game. Namun, mereka belum piawai menentukan game mana yang layak dibuat. Orisinalitas, selera, perasaan “Aku belum pernah melihat yang seperti ini” — semua itu masih merupakan pekerjaan manusia.

Bagi studio kecil, membuat prototipe yang bisa dimainkan hanyalah satu langkah menuju bisnis yang berkelanjutan. Dalam hal apa AI secara nyata memperbaiki keekonomian pengembangan game web, dan biaya apa yang masih sulit ditekan?

AI membuat biaya produksi nyaris nol. Satu hal yang jelas tidak menjadi lebih murah adalah perhatian pemain. Pemain sungguhan, perhatian yang benar-benar mereka berikan, dan selera yang baik—semua itu tidak menjadi lebih murah. Biaya untuk memperkenalkan game kepada orang-orang yang benar-benar menginginkannya tetap sama atau bahkan lebih tinggi, karena sekarang jauh lebih banyak game bersaing untuk mendapatkan waktu luang pada malam yang sama.

Jadi, keekonomiannya bergeser. Dulu, bagian yang mahal adalah membuat game. Sekarang, bagian paling mahal adalah segala sesuatu setelahnya: mengujinya kepada orang sungguhan, distribusi, retensi, dan monetisasi. Studio kecil sebaiknya mengalokasikan anggaran produksi yang berhasil dihemat untuk hal-hal tersebut, bukan untuk membuat sepuluh prototipe lagi.

Ketika pembuatan dan penerbitan game semakin mudah, bagaimana platform sebaiknya menjaga agar penemuan game tetap bermanfaat bagi pemain? Standar apa yang digunakan Playgama untuk menentukan game mana yang layak mendapat visibilitas, terutama ketika judul yang tampak apik mungkin tidak menawarkan banyak kedalaman?

Keputusan sebaiknya diambil setelah orang-orang memainkan game, bukan sebelumnya. Ide presentasi, trailer, atau tangkapan layar yang bagus kini sangat mudah dibuat. Namun, membuat orang benar-benar bermain selama sepuluh menit tidaklah mudah.

Di lingkungan uji kami, setiap game baru mendapat kesempatan yang adil untuk menjalani pengujian awal bersama pemain sungguhan. Setelah itu, perilaku pemain yang menentukan: berapa lama mereka bermain, apakah mereka kembali, dan apakah mereka menyukainya. Game yang mampu mempertahankan pemain akan ditampilkan kepada lebih banyak orang, dan yang terbaik akan masuk ke katalog utama kami serta platform eksternal. Kira-kira satu dari sepuluh game berhasil.

Game yang tampak apik tetapi kosong biasanya tersingkir dengan sendirinya di sini. Game itu mungkin menarik klik, tetapi pemain cepat pergi. Perilaku jauh lebih sulit dipalsukan daripada tampilan. Saya tidak berpikir jawabannya adalah juri atau label “tanpa AI”. Pemain tidak peduli bagaimana sebuah game dibuat. Mereka peduli apakah game itu bagus, dan waktu yang mereka luangkan adalah sinyal paling jujur yang kita miliki.

Apa yang membuat game cocok dimainkan di aplikasi pesan, jejaring sosial, atau platform lain yang bukan khusus untuk bermain game? Bagaimana Anda merancang game untuk audiens tersebut tanpa membuatnya terasa seperti gangguan atau siasat untuk mendorong interaksi sesaat?

Di platform yang bukan khusus untuk bermain game, pemain datang bukan untuk bermain. Mereka datang untuk mengobrol atau menonton video. Jadi, game harus menghargai tujuan itu.

Ada tiga hal yang berhasil. Pertama, bisa langsung dimainkan: tanpa layar pemuatan, tanpa tutorial panjang, dan game dapat dipahami dalam tiga detik. Kedua, sesi singkat yang bisa diakhiri kapan saja tanpa kehilangan progres, karena pemain bisa saja harus kembali mengobrol. Ketiga, alasan untuk kembali yang terasa seperti kebiasaan, bukan jebakan: teka-teki harian, skor teman, atau rangkaian kemenangan singkat.

Yang tidak berhasil adalah memperlakukan pemain sebagai sumber lalu lintas. Jika game hanya dibuat untuk menahan seseorang lebih lama di dalam aplikasi, pemain akan langsung mencium kesan putus asa itu.

Pengalaman Anda di bidang teknologi periklanan memberi Anda gambaran langsung tentang ketegangan antara pendapatan iklan dan kenyamanan pemain. Bagaimana pengembang game web sebaiknya menentukan kapan penempatan iklan sepadan dengan gangguan yang ditimbulkannya, dan metrik apa yang menunjukkan bahwa monetisasi merusak retensi jangka panjang?

Aturannya cukup sederhana: iklan hanya boleh muncul saat jeda yang wajar dan jangan pernah muncul tepat di tengah aksi. Misalnya, di antara level, setelah pemain kalah, atau saat pemain memilih menonton video berhadiah untuk mendapatkan bonus. Iklan berhadiah adalah format yang paling sehat karena pemainlah yang memutuskan.

Untuk melihat dampaknya, jangan hanya melihat pendapatan per sesi. Amati pendapatan bersama retensi. Jika Anda menambahkan penempatan iklan dan pendapatan harian naik, tetapi tingkat pemain yang kembali pada hari ke-1 dan hari ke-7 turun, berarti Anda mengorbankan pemain masa depan. Perhatikan juga durasi sesi dan kapan pemain berhenti: jika banyak sesi berakhir tepat setelah iklan muncul, iklan itu terlalu agresif atau ditempatkan pada waktu yang keliru.

Tim terbaik menguji perubahan iklan seperti perubahan gameplay: lakukan satu perubahan, buat perbandingan yang terkontrol, lalu amati retensi setelah seminggu, bukan hanya pendapatan keesokan harinya.

Jika AI membuat produksi game yang kompeten dapat diakses secara luas, dari mana keunggulan kompetitif pengembang independen akan berasal? Apa saran Anda bagi tim kecil untuk berinvestasi hari ini agar dapat membangun bisnis yang tetap memiliki ciri khas seiring makin canggihnya alat-alat tersebut?

Saat semua orang bisa membuat game yang kompeten, kompetensi tak lagi menjadi keunggulan. Ada tiga hal yang tetap bergantung pada manusia.

Selera, karena sesuatu yang berbeda dari standar umum menjadi bernilai. Gaya yang jelas, gagasan yang aneh, game yang terasa dibuat oleh seseorang.

Kecepatan belajar itu penting. Bukan kecepatan membuat—sekarang semua orang memilikinya—melainkan kecepatan mengetahui kesalahan yang telah dibuat. Tim yang setiap hari menghadirkan versi game di hadapan pemain sungguhan dan mengubahnya berdasarkan apa yang mereka lihat akan unggul atas tim yang membangun game selama berbulan-bulan dalam diam.

Dan hubungan dengan pemain. Komunitas, nama yang dikenal orang, alasan bagi mereka untuk mencoba game Anda berikutnya.

Fokuslah menyiapkan siklusnya terlebih dahulu. Alat-alat Anda akan terus berubah setiap beberapa bulan, tetapi Anda tidak perlu mempelajari semuanya. Mendengarkan pemain adalah satu-satunya kebiasaan yang tak pernah usang.

Terima kasih atas wawancara yang luar biasa ini. Pembaca yang ingin mengetahui lebih lanjut tentang distribusi game web, monetisasi, dan game yang dibuat dengan AI dapat mengunjungi Playgama.