Bridging Search and CRM: Productionizing AI Product Research Agents for Customer Re-Engagement
تقدم هذه الورقة إطار عمل مُطبق في بيئة إنتاج يدمج بين أنظمة البحث وأنظمة إدارة علاقات العملاء (CRM) باستخدام وكلاء بحث عن المنتجات مدعومين بالذكاء الاصطناعي لتحديد المستخدمين ذوي النية الاستكشافية وتقديم توصيات منتجات مخصصة وموثقة عبر تطبيق واتساب، مما أدى إلى تحسينات ملحوظة في معدلات النقر، والتفاعل، والإيرادات اللاحقة.
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
في المشهد الرقمي الواسع للتسوق الحديث، غالبًا ما تظهر فجوة صامتة لا تُلاحظ بسهولة. فعندما يكتب العميل سؤالاً استكشافياً غامضاً مثل "أفضل هاتف ذكي للألعاب" في شريط البحث، يستجيب النظام عادةً بقائمة ثابتة من المنتجات المصنفة حسب المبيعات أو الكلمات المفتاحية. هذا النهج يعمل جيداً للطلبات المحددة، مثل البحث عن رقم طراز معين، ولكنه يعاني مع الاحتياجات الذاتية حيث يبحث المستخدم عن التوجيه والمقارنة والثقة. ونتيجة لذلك، يغادر العديد من المتسوقين التطبيق لاستشارة مراجعات خارجية، أو قنوات فيديو، أو منتديات قبل العودة للشراء. هذه الرحلة مجزأة، مما يقطع الصلة بين المنصة والمستخدم. ولتجسير هذه الفجوة، يتجه الباحثون بشكل متزايد نحو أنظمة الذكاء الاصطناعي التي يمكنها التفكير والبحث وتوليف المعلومات تماماً كما يفعل الخبير البشري. هذه الأنظمة، التي تُسمى غالباً "الوكلاء" (agents)، لا تكتفي باسترجاع البيانات فحận، بل تفهم القصد، وتجمع الأدلة من مصادر متعددة، وتبني إجابة متماسكة. والسؤال الذي يحرك هذا العمل الجديد هو ما إذا كان يمكن نشر مثل هذا النظام الذكي على نطاق واسع ليس فقط للإجابة على هذه الأسئلة المعقدة، بل للتواصل الاستباقي مع العملاء الذين ابتعدوا، وتوجيههم للعودة بنصيحة شخصية وموثوقة.
لقد قام فريق من الباحثين في "فليبكارت" (Flipkart)، وهي شركة تجزئة كبرى عبر الإنترنت في الهند، ببناء واختبار نظام كهذا بالضبط. لقد أنشأوا إطار عمل يربط محرك البحث، حيث يطرح المستخدمون الأسئلة، مع أدوات إدارة علاقات العملاء التي ترسل الرسائل إلى المستخدمين. كان هدفهم هو تحديد المتسوقين الذين تظهر عليهم علامات الارتباك أو التردد — أولئك الذين بحثوا عن مصطلحات ذاتية ولكنهم لم ينقروا على أي نتائج — ثم إعادة جذبهم عبر توصية مفيدة تم إنشاؤها بواسطة الذكاء الاصطناعي وإرسالها مباشرة إلى تطبيق "واتساب" الخاص بهم. النظام الذي بنوه ليس برنامجاً واحداً، بل هو فريق منسق من العمال الرقميين المتخصصين، أو "الوكلاء"، لكل منهم وظيفة محددة. أحد الوكلاء يستمع لسؤال المستخدم ويحدد ما يحتاجه حقاً، مثل سقف الميزانية أو تفضيل علامة تجارية معينة. ووكيل آخر يخرج إلى الإنترنت الواسع للعثور على مراجعات الخبراء، ومقالات المقارنة، والنقاشات المجتمعية لتحديد أفضل المرشحين. ووكيل ثالث يتحقق من هؤلاء المرشحين مقابل قاعدة بيانات الشركة الداخلية لضمان أن السلع متوفرة بالفعل في المخزون، وقابلة للتوصيل إلى موقع المستخدم، وبسعر صحيح مع أي خصومات مطبقة. وأخيراً، يعمل وكيل رابع كمحرر صارم، يدقق جميع الحقائق والتواريخ والمواصفات لضمان دقة النص وخلوه من الأخطاء قبل عرضه على أي شخص.
تم تصميم هذه العملية برمتها لتكون فعالة وقابلة للتوسع. فبدلاً من محاولة تشغيل هذا البحث المعقد لكل استعلام بحث، يقوم النظام أولاً بتصفية البيانات للعثور فقط على الفرص الأكثر واعدة. فهو يبحث عن أنماط محددة، مثل المستخدمين الذين يتمتعون بقدرة شرائية عالية ولكنهم لم ينقروا على أي نتائج بحث، ويركز جهوده على تلك الحالات. وبمجرد تحديد مستخدم ذي إمكانات عالية، يعمل فريق الوكلاء معاً بشكل غير متزامن لبناء توصية. المخرج يكون رسالة موجزة وشخصية تُرسل عبر "واتساب"، تحتوي على بعض اقتراحات المنتجات، وأسعارها، وشرح واضح لسبب اختيارها. اختبر الباحثون هذا النظام في بيئة حية على مدار ثلاثة وعشرين يوماً. وخلال هذه الفترة، أرسل النظام حوالي خمسة عشر ألف رسالة لمستخدمين مختلفين، مع التركيز بشكل أساسي على الهواتف المحمولة. كانت النتائج مذهلة؛ فقد حققت الرسائل معدل نقر (click-through rate) أعلى بثلاث مرات تقريباً من الحملات السابقة التي استخدمت طرق التوصية التقليدية. والأكثر دلالة كان سلوك المستخدمين الذين تلقوا الرسائل؛ ففي العديد من الأيام، كان عدد الأشخاص الذين نقروا على الروابط أعلى من عدد الرسائل المرسلة. وهذا يشير إلى أن المستخدمين لم يكتفوا بقراءة الرسائل فحسب، بل كانوا يشاركونها بنشاط مع الأصدقاء والعائلة، الذين نقروا بدورهم على الروابط، مما حول العملاء فعلياً إلى شبكة توزيع ثانوية.
لم يقتصر نجاح الحملة على النقرات فحسب، بل تُرجم إلى نشاط اقتصادي حقيقي. تتبع الباحثون المستخدمين الذين تلقوا الرسائل ووجدوا أن عدداً كبيراً منهم ذهب لشراء المنتجات الموصى بها، مما حقق إيرادات كبيرة للشركة. ولضمان موثوقية النظام، أجرى الفريق مراجعة يدوية دقيقة لآلاف التوصيات التي أنتجها. لقد تحققوا من المواصفات الفنية وتواريخ إطلاق الهواتف مقابل بيانات واقعية. أثبت النظام أنه دقيق للغاية، حيث كانت أكثر من 99% من المواصفات وتواريخ الإطلاق صحيحة. وقد يعود هذا المستوى العالي من الدقة الواقعية إلى وكيل "المراجعة" النهائي، الذي عمل كشبكة أمان لالتقاط أي تناقضات أو أخطاء قبل إرسال الرسالة. كما قارن الباحثون بين طريقتين مختلفتين لتنظيم فريق الوكلاء، ووجدوا أن الهيكل الذي ينسق فيه مدير مركزي العمال كان أفضل بكثير من الهيكل الذي يمرر فيه العمال المهام لبعضهم البعض دون إشراف. لقد قلل النهج المركزي من الأخطاء بشكل كبير وضمن اتباع النظام لجميع القواعد اللازمة، مثل تضمين تواريخ الإطلاق فقط عندما يطلب المستخدم الموديلات "الأحدث".
يُظهر هذا العمل أن الذكاء الاصطناعي يمكنه الانتقال من مجرد الأتمتة البسيطة ليصبح شريكاً استباقياً في رحلة العميل. فمن خلال الجمع بين القدرة على البحث في الويب المفتوح ودقة البيانات الداخلية للشركة، وتغليف كل ذلك في قناة اتصال موثوقة، نجح النظام في إعادة جذب المستخدمين الذين انقطع اتصالهم سابقاً. وتظهر الدراسة أنه عندما يُستخدم الذكاء الاصطناعي لتقديم نصائح قائمة على أسس واقعية، وقابلة للتفسير، ومدققة، فإنه يمكنه استعادة الصلة بين المتسوق والمنصة. وتشير النتائج إلى أن مستقبل التجارة الإلكترونية قد لا يقتصر فقط على عرض المزيد من المنتجات، بل يتعلق بتقديم توجيه أكثر ذكاءً وجودة يحترم حاجة المستخدم للسياق والثقة. لقد أثبت الباحثون أن مثل هذا النظام يمكن بناؤه، ونشره، وتوسيع نطاقه للتعامل مع تعقيدات سوق حقيقي، محولاً تجربة تسوق مجزأة إلى رحلة متماسكة ومثمرة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.