* «منذ تفشي فيروس كورونا، قام تجار التجزئة عبر الإنترنت مثل واي فير وإتسي وبينتريست بتكثيف جهودهم للاستفادة من تكنولوجيا البيانات لتحقيق طفرة في التجارة الإلكترونية».
* «خلال السنوات الخمس المقبلة، سيستخدم أكبر 10 بائعي تجزئة في العالم نماذج الذكاء الاصطناعي، باعتبارها العمود الفقري لعمليات البحث عن المنتجات والتوصيات وكميزة تنافسية».
تملك شركة واي فير 37.173 نوعًا من أكواب القهوة المتاحة للبيع، وتستخدم الشركة ألوانًا أو أحجامًا ومواد مختلفة، ترفع نطاق الخيارات إلى أكثر من 70.000 نوع قهوة متاحة. وتتمثل مهمة جيم ميلر، رئيس قسم التكنولوجيا لشركة متاجر التجزئة عبر الإنترنت التي يقع مقرها ببوسطن، في مساعدة المتسوقين للعثور على الكوب المثالي الذي يريدونه، جنبًا إلى جنب مع مجموعة من أكواب الإسبريسو والوافل أو غيرها من المنتجات التي لا يعرفون حتى أنهم يريدونها، وكل هذا بمساعدة الذكاء الاصطناعي.
ووفقًا لميلر، خلال السنوات الخمس الماضية، قفز معدل نجاح الشركة بنسبة 50 ٪، ويقاس نجاح الشركة بعدد النقرات التي يحتاجها العميل لإضافة عنصر إلى عربات التسوق الخاصة به، وعدد مرات شرائه لهذه العناصر، من بين متغيرات أخرى.
وينسب ميلر المكاسب التي حققتها الشركة مؤخرًا إلى التقدم في البرامج الذكية، بدلاً من مطالبة العملاء بتصفح كتالوج الأكواب بالكامل. ويقول ميلر، إن الخوارزميات والذكاء الاصطناعي ومجموعة البيانات «تقوم بالعمل في متاجر التجزئة الإلكترونية من وراء الكواليس».
ومنذ تفشي فيروس كورونا، قام تجار التجزئة عبر الإنترنت مثل واي فير وإتسي وبينتريست بتكثيف جهودهم للاستفادة من تكنولوجيا البيانات لتحقيق طفرة في التجارة الإلكترونية، وتحسين مساعدة العملاء في العثور على ما يبحثون عنه، حتى عندما لا يعرفون ما هو المنتج الذي يرغبون فيه بالتحديد.
وللقيام بتلك المهمة، تقوم هذه المتاجر التي تعمل على الإترنت فقط باستخدام محركات البحث وطرح التوصيات للمستخدمين عن طريق تحليل البيانات باستخدام خوارزميات معقدة، وبناء نماذج تنبؤية بمستوى من الدقة لم يكن من الممكن تخيله قبل بضع سنوات فقط.
ولا تعتبر كل القدرات الإلكترونية جديدة، فالخوارزميات الرقمية موجودة منذ عقود. لكن التوسع السريع في قوة الحوسبة والتخزين السحابي في السنوات الأخيرة مكّن البائعين من جمع البيانات ومعالجتها على نطاق واسع.
وينشئ المتسوقون بيانات على مواقع البيع بالتجزئة في كل مرة يضعون فيها عنصرًا في عربة تسوق افتراضية، أو عندما يقفون على صفحات المنتج، وينقرون على توصيات المنتج، ويقومون في النهاية بالشراء. وتنشئ المتاجر ملفات تعريف عملاء أكثر قوة من خلال إضافة أعمار المتسوقين وأجناسهم، ومكان إقامتهم، والطقس المحلي أو الأحداث الموسمية والعطلات. وفي بعض الحالات، يتم الحصول على البيانات من جميع أنحاء الإنترنت بواسطة خدمات الجهات الخارجية.
ويقول بوب هيتو، نائب الرئيس والمحلل في وحدة خدمات تجارة التجزئة التابعة لشركة جارتنر للأبحاث التقنية، إن هناك أداتين محسنتين بشكل كبير يستخدمهما معظم تجار التجزئة عبر الإنترنت الآن لتحويل تلك البيانات إلى مبيعات، وهما: رؤية الكومبيوتر وأداة معالجة اللغة الطبيعية. وتساعد الأداة الأولى في فهرسة المنتجات في الكتالوج الافتراضي لموقع الويب باستخدام الإشارات المرئية، بينما تجمع الأداة الثانية البيانات وتتعلم من الكلمات التي يستخدمها المتسوقون عند وصف المنتجات التي يبحثون عنها. وكلاهما يعتمد على خوارزميات مدعومة بالتعلم الآلي، وهي مجموعة فرعية من تقنيات الذكاء الاصطناعي.
وعندما تولد الخوارزميات القياسية نتائج بناءً على تعليمات لمدخلات محددة للغاية، فإن خوارزميات الذكاء الاصطناعي تذهب إلى أبعد من ذلك باستخدام النتائج التي تنتجها، لضبط التعليمات ثم «تتعلم» كيفية التعامل مع المدخلات الجديدة، وتكرر هذه الدورة مرارًا وتكرارًا.
وتتوقع شركة جارتنر أنه خلال السنوات الخمس المقبلة، سيستخدم أكبر 10 بائعي تجزئة في العالم نماذج الذكاء الاصطناعي، باعتبارها العمود الفقري لعمليات البحث عن المنتجات والتوصيات وكميزة تنافسية.
وتحافظ الشركات على خوارزمياتها في سرية تامة. وتقوم خوارزميات الذكاء الاصطناعي الخاصة بشركة أمازون بمسح ملايين القوائم للعناصر المطابقة لاستعلام بحث المشتري، والتي تصل إلى أكثر من 100 متغير، مثل المشتريات السابقة، والعمر، والجنس، وقائمة طويلة من المعايير المعروفة فقط للعاملين في الشركة.
رؤية الكمبيوتر
يستخدم تجار التجزئة عبر الإنترنت نماذج رؤية الكمبيوتر لأتمتة عملية تعيين الكلمات الرئيسية أو العلامات لتحديد المنتجات الفردية. وتم تصميم الأنظمة «لرؤية» المنتجات ووضع علامة عليها بقائمة من الصفات المحددة والتفضيلات، مثل: الكرسي وخشب الساج والأسكندنافي وما إلى ذلك.
ويقول هيتو إنه منذ عقد مضى كان المستخدمون يضعون علامات على صور المنتجات عبر الإنترنت يدويًا، باستخدام عدد قليل من المصطلحات الوصفية.
ويقول هيتو إن المشكلة هي أنه لو قام شخصين بوضع علامات على العناصر يدويًا يمكنهما النظر إلى نفس الكرسي أو الملابس أو الفراش واختيار سمات مختلفة تمامًا، «أو فهمها بشكل خاطئ»، ولكن مع تقنية رؤية الكمبيوتر، والمعروفة أيضًا باسم التعرف على الكائنات، يتم تحديد عشرات الميزات من صورة المنتج ومقارنتها بعناصر مماثلة في قاعدة بيانات المتجر، مع وضع علامات بسرعة على أي سمات متداخلة، فعلى سبيل المثال يتم اختيار الأثاث كموضوع عام، ثم انتقاء صفات فرعية مثل الأسود والجلد والتصميم المودرن، وتحديد تلك السمات في ثلاث دوائر تتقاطع في المركز على غرار نموذج «فين» الهندسي المعروف.
ويقول ميلر، نائب الرئيس السابق لعمليات سلسلة التوريد في شركة أمازون، إن واي فير تعتمد في خوارزمية الرؤية الحاسوبية الخاصة بها على مزيج من صور منتجات الموردين والعملاء، والصور التي تم إنشاؤها بواسطة تقنيات ثلاثية الأبعاد لترشيح قطعة معينة من الأثاث لمستخدم معين.
وتلتقط الخوارزمية ميزات التصميم والمواد والأنماط والألوان والعصرية ومجموعة كبيرة من العناصر الأخرى. ثم تأخذ هذه المعلومات، جنبًا إلى جنب مع العلامات التي يضيفها المصممون المحترفون، وتطابقها مع العناصر المماثلة في مجموعة المنتجات الواسعة بالمتجر. وكلما زادت قائمة الكلمات الرئيسية التي تم وضع علامة عليها لمنتج ما، زاد احتمال قيام الخوارزمية بإنتاج نتائج بحث أفضل وذات صلة بتفضيلات المستخدم.
يتحسن النموذج بمرور الوقت من خلال التعلم من نجاحاته ومن أخطائه، كما هو الحال عندما يتم اكتشاف المنتج الذي تمت تسميته بشكل خاطئ وتصحيحه. ويقول ميلر: «الشركة تأخذ كتالوجًا كبيرًا جدًا وتقوم بتحليله وتحويله إلى مصطلحات قابلة للبحث، لمطابقة ما لديها من منتجات مع ما يريده المستهلك». فعندما يدخل أحد العملاء متجرًا يحتوي على ملايين المنتجات، فسيحتاج إلى أكبر قدر ممكن من المساعدة للعثور على الخيار المناسب، كما يقول ميلر.
وقامت شركة بينتريست، وهي منصة وسائط اجتماعية عمرها 10 سنوات، بتدريب نموذج التعرف على الكائنات الخاص بها على مليارات الصور المحفوظة بواسطة المستخدمين من جميع أنحاء الويب، وذلك حسبما يقول جيريمي كينج، نائب الرئيس الأول للهندسة في الموقع. ويتم إتاحة العديد من العناصر الموجودة في هذه الصور، والمعروفة باسم بينز، للشراء.
ويقول كينج: «كلما عرفنا المزيد عن المنتج المرغوب والأشياء والمنتجات الموجودة بداخله وسماتها، يمكننا عرض نتائج أكثر صلة بناءً على عمليات البحث»، مضيفًا إن الموقع عين مجموعة من محترفي صناعة الأزياء حتى يتأكدوا من أن أنماط الملابس يتم التعرف عليها بشكل صحيح.
ويقول كينج إن قدرات البحث المرئي الدقيقة تمكن المستخدمين من التساؤل عن «ما هي المادة المصنوعة منها؟» أو «ما هو توزيع ألوان هذا الفستان»، والحصول على إجابات توجههم أيضًا إلى سلع مماثلة للبيع.
ويمكن لإمكانيات البحث المرئي في بينتريست أيضًا تحديد العناصر العرضية داخل الصورة، مثل اختيار إناء موجود في خلفية مطعم، وجعل العناصر قابلة للبحث للمستخدمين الذين يرغبون في شرائها، كما يقول كينغ.
اللغة الطبيعية
أما أداة الذكاء الاصطناعي الكبيرة الأخرى التي تحدث ثورة في التجارة الإلكترونية، فهي المعالجة المتقدمة للغة الطبيعية، وتساعد هذه الأداة تجار التجزئة على صقل نتائج البحث من خلال تفسير نوايا المشترين من المصطلحات والعبارات التي يستخدمونها.
ويقول مايك فيشر، كبير مسؤولي التكنولوجيا في شركة إتسي، التي تملك أكثر من 80 مليون عنصر معروض للبيع في السوق عبر الإنترنت: «هناك تناقض في الاختيار مهم حقًا». وأضاف: «أنت لا تريد أن يكون البحث منفرًا للعملاء».
وقبل خمس سنوات، كما يقول فيشر، كان البحث يعتمد فقط على مطابقة الكلمات الرئيسية. وهذا يعني أنه كان من السهل تفويت بعض البضائع ذات الصلة عندما يكتب العملاء طلب بحث.
ولكن اليوم، تتعلم محركات بحث إتسي من استفسارات العميل السابقة وكذلك من استفسارات ومشتريات العملاء السابقة. وتتم استشارة المليارات من نقاط البيانات التاريخية لإنشاء روابط بين المصطلحات التي استخدمها المتسوقون والمنتجات التي يجدونها في النهاية.
ويقول فيشر إن هذا يخفف عن كاهل المتسوقين «عبء» الاضطرار إلى صياغة استعلام بحث «مثالي».
وتتيح الأداة أيضًا لإتسي استخدام المرادفات ضمن تسلسل هرمي للألوان. لذلك إذا بحث أحد العملاء عن بساط أزرق مخضر، على سبيل المثال، يمكن للخوارزمية العثور على منتجات تطابق الاستعلام، ولكن أيضًا خيارات بدرجات أخرى من اللون الأزرق، والتي لولا الذكاء الاصطناعي كانت ستختفي في الكتالوج دون أن تظهر للعملاء.
ويقول فيشر إن الخطوة التالية ستكون تدريب الخوارزميات على دمج بيانات المنتج والبحث بمرور الوقت لتحديد الذوق العام للمتسوق. ويتطلب ذلك ربط مجموعة من العناصر غير المرتبطة بطريقة واضحة، مثل الربط بين بحث العميل عن بيجاما بلون الفانيلا وبحث نفس العميل في مرة أخرى عن ديكور بتصميم منتصف القرن الماضي. ويقول فيشر: «الجزء الصعب هو المقارنة بين المنتجات المختلفة التي يختارها العملاء مثل الكراسي والقمصان أو المجوهرات لاكتشاف النمط المماثل والذوق العام للمستهلك».
وعند الجمع بين خصائص عمليات البحث المختلفة، تقوم تقنيات معالجة اللغة الطبيعية ورؤية الكمبيوتر والمخازن الضخمة لبيانات العملاء بتمكين تجار التجزئة عبر الإنترنت من تفسير استعلام البحث بشكل أفضل، وتحديد مجموعة أكثر دقة من المنتجات ذات الصلة، واستخراج مجموعة أصغر من الخيارات المخصصة الفريدة لكل متسوق، ويتم كل ذلك باستخدام بضع نقرات فقط.
وتتطلع العديد من المتاجر التقليدية ذات التواجد المكثف على الإنترنت أيضًا إلى استخدام الذكاء الاصطناعي لزيادة البحث.
وتستفيد شركة وول مارت من البيانات من متاجرها المادية وموقعها على الويب لبناء ملف تعريف قوي للعملاء، كما يقول رافي جاريوالا، المتحدث باسم الشركة.
ويضيف جاريوالا: «نظرًا لأن لدينا مجموعة بيانات ضخمة تم جمعها عبر عمليات الشراء عبر الإنترنت والعمليات الأخرى غير المتصلة بالإنترنت، فإن الخوارزميات تكون مدروسة جيدًا بشكل لا يصدق».
ووفقًا لجاريوالا، يستمر معظم عملاء وول مارت في التسوق في المتاجر الفعلية، ولكن عددًا متزايدًا يدفع عبر الإنترنت عند القيام بعملية التسليم النهائية، أو يطلب عبر الإنترنت للاستلام من المتجر. ويقول جاريوالا: «هذه هي الطريقة التي يتسوق بها الناس الآن، ولا نتوقع أن يتغير ذلك في أي وقت قريب».
ويقول جون ديوك، نائب الرئيس لرؤى البيع بالتجزئة في شركة الأبحاث التقنية إنترناشونال داتا. «لقد تحول الكثير من المستهلكين نحو التسوق لدينا عبر الإنترنت، ولا يتسامح المستهلكون بسهولة مع المواقع التي لا تفهم عمليات البحث بالشكل الصحيح أو تعطي نتائج غير ذات صلة».
واختتم: «أدوات الذكاء الاصكناعي أثبتت قيمتها أثناء الأزمة».
* أنجوس لوتين كاتب المقال هو مراسل لصحيفة وول ستريت جورنال في نيويورك.
