EventCast: Hybrid Demand Forecasting in E-Commerce with LLM-Based Event Knowledge
يُعد EventCast إطار عمل تنبؤي نموذجي يعمل على تحسين التنبؤ بالطلب في التجارة الإلكترونية خلال فترات التأثير العالي عبر استخدام النماذج اللغوية الكبيرة لتحويل البيانات التجارية غير المهيكلة إلى ملخصات أحداث قابلة للتفسير، والتي يتم دمجها بعد ذلك مع بيانات السلاسل الزمنية التاريخية عبر بنية ذات برجين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدير مخبزاً صغيراً. في معظم الأيام، تعرف بالضبط عدد الكرواسان التي يجب أن تخبزها لأنك تنظر إلى ما بعته يوم الثلاثاء الماضي. هذا هو "التنبؤ التاريخي" — الاعتماد على الماضي للتنبؤ بالمستقبل.
ولكن فجأة، يحدث شيء غير متوقع. قد يكون مهرجاناً محلياً ضخماً، أو موجة حر مفاجئة، أو أن أحد المشاهير نشر فيديو وهو يأكل خبز "الساوردو" الخاص بك. إذا كنت تنظر فقط إلى أرقام الثلاثاء الماضي، فستقوم إما بإنتاج كمية قليلة جداً (فتنفد الكمية منك) أو إنتاج كمية كبيرة جداً (فتهدر المال).
لقد ابتكر الباحثون في ByteDance نموذج EventCast لحل هذه المشكلة تحديداً لشركات التجارة الإلكترونية العملاقة. وإليك كيف يعمل، مشروحاً عبر بعض التشبيهات البسيطة.
1. المشكلة: "الطاهي معصوب العينين"
معظم نماذج التنبؤ الحالية في الذكاء الاصطناعي تشبه طباخاً معصوب العينين. يمكنه الشعور بدرجة حرارة الفرن وتذكر عدد الأرغفة التي خبزها بالأمس، لكنه ليس لديه أدنى فكرة عما يحدث خارج المطبخ. هو لا يعلم أن شهر رمضان قد حل، ولا يعلم أن هناك "تخفيضات خاطفة" تحدث الآن، ولا يعلم أن هناك عطلة ستؤدي لتوقف جميع شاحنات التوصيل. ولأن هذه النماذج "عمياء" عن هذه الأحداث القادمة، فإنها تُباغت تماماً عندما يرتفع الطلب فجأة أو ينخفض بشدة.
2. الحل: "المساعد الذكي" (النموذج اللغوي الكبير - LLM)
بدلاً من محاولة جعل "الطاهي" (النموذج الرياضي) أكثر ذكاءً في الرياضيات، أعطى الباحثون الطاهي مساعداً ذكياً — وهو نموذج لغوي كبير (مثل ChatGPT).
ومع ذلك، لم يطلبوا من المساعد القيام بالطهي (أي العمليات الحسابية الفعلية). لماذا؟ لأن النماذج اللغوية الكبيرة بارعة في الكلام، لكنها في الواقع سيئة جداً في الحسابات الدقيقة. إذا سألت النموذج اللغوي الكبير: "كم عدد وحدات الشامبو التي سنبيعها بالضبط في الساعة 2:14 مساءً يوم الخميس المقبل؟" فقد يعطيك رقماً واثقاً جداً، ولكنه خاطئ تماماً.
بدلاً من ذلك، وظيفة المساعد هي الاستنتاج والتحليل. يقوم المساعد بقراءة "الملاحظات الفوضوية" من فريق العمل — ملاحظات قد تحتوي على أخطاء مطبعية، أو لغة عامية، أو اختصارات غريبة مثل "B2G1 free!! FS for orders >15USD" — ويترجمها إلى ملخص واضح:
"يا أيها الطاهي، الخميس القادم هو عطلة رسمية كبرى. الناس سيتسوقون بكثافة في الصباح، لكن خدمات التوصيل ستكون مغلقة في فترة بعد الظهر. كما أن هناك عرض 'اشتري واحدة واحصل على الثانية مجاناً' مفعلاً."
3. البنية الهيكلية: استراتيجية "البرجين"
يستخدم EventCast ما يسمونه تصميم "البرج المزدوج". فكر في الأمر كفريق رياضي محترف:
- البرج الأول (اللاعب المخضرم): هذا الجزء من النموذج ينظر إلى "الإحصائيات". إنه يدرس الأنماط التاريخية، والاتجاهات، والدورات الموسمية. إنه الخبير فيما يحدث عادةً.
- البرج الثاني (الكشاف): هذا الجزء يستمع إلى "المساعد الذكي". إنه يركز تماماً على "الأخبار القادمة" — المهرجانات، التخفيضات، والعطلات.
الدمج: في النهاية، يلتقي البرجان. يأخذ النموذج "الاتجاه المعتاد" من اللاعب المخضرم ويعدله بناءً على "الأخبار" من الكشاف. إذا قال المخضرم: "نحن نبيع عادةً 100 قطعة"، ولكن الكشاف قال: "هناك خصم ضخم بنسبة 50% غداً"، فإن النموذج يجمع بين هاتين الإشارتين ليتوقع حدوث طفرة في الطلب.
4. لماذا يعد هذا أمراً هاماً؟ (النتائج)
في العالم الحقيقي (عبر 4 دول و160 منطقة)، حقق هذا النموذج نتائج مذهلة.
عندما حدثت أحداث "جنونية" — مثل تخفيضات العطلات الضخمة أو العروض الترويجية المفاجئة — فشلت النماذج القديمة فشلاً ذريعاً. لكن EventCast كان قادراً على "رؤية" الحدث قادماً. لقد حسّن دقة التنبؤ بهوامش هائلة (أفضل بنسبة تتراوح بين 86% إلى 97% من النماذج التي تفتقر إلى معرفة الأحداث).
ملخص موجز
EventCast يشبه منح آلة تنبؤ تعتمد على الرياضيات الثقيلة "نظارات دلالية". هو لا يغير طريقة قيام الآلة بالعمليات الحسابية؛ بل يسمح لها فقط بـ "قراءة الأخبار" حتى لا تُفاجأ عندما يتغير العالم من حولها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.