كيفية تصميم استراتيجية تسويق باستخدام الذكاء الاصطناعي

تحليل شركة "ماكينزي" عام 2018 أظهر أن التسويق يمكن أن يحقق أكبر قيمة مضافة من الذكاء الاصطناعي. وقد بدأ كبار مسؤولي التسويق في اعتماده، حيث زادت تطبيقاته بنسبة 27% وفق استطلاع الجمعية الأمريكية للتسويق عام 2019.

لذا، يُتوقع تسارع الاعتماد على الذكاء الاصطناعي مستقبلاً، مما يستدعي من مديري التسويق فهم التطبيقات المتاحة. سنستعرض إطاراً يساعدهم في تصنيف مشروعات الذكاء الاصطناعي الحالية ووضع خطط للمبادرات المستقبلية.

الذكاء الاصطناعي اليوم

تستخدم الشركات اليوم الذكاء الاصطناعي لإنجاز مجموعة واسعة من المهام، بعضها ضيق النطاق مثل: إدارة الإعلانات الرقمية (المعروفة بالشراء البرامجي Programmatic Buying)، وبعضها الآخر أوسع مثل: تحسين دقة التنبؤات (كالتوقعات البيعية)، بالإضافة إلى دعمه للمهام المهيكلة مثل: خدمة الزبائن.

ولا يقتصر الأمر على المهام المنفصلة، بل يُستخدَم الذكاء الاصطناعي أيضاً لإنجاز المهام في مراحل رحلة الزبون المختلفة. ففي مرحلة الاهتمام والبحث، يستهدف الذكاء الاصطناعي الزبائن المحتملين بإعلانات مخصصة ويوجههم خلال عملية البحث.

على سبيل المثال: تستخدم شركة "وايفير" (Wayfair) المتخصصة في بيع الأثاث على الإنترنت الذكاء الاصطناعي لتحديد الزبائن الأكثر قابلية للإقناع، ومن ثم اقتراح منتجات مناسبة بناء على سجلات التصفح التي يقومون بها.

وفي الوقت ذاته، تقدم روبوتات مدعومة بالذكاء الاصطناعي مثل تلك التي تطورها شركة "في24" (Vee24) تجربة أكثر تفاعلية؛ فهي تساعد في فهم احتياجات الزبائن، وزيادة تفاعلهم أثناء البحث، وتوجيههم نحو صفحات معينة، وإن لزم الأمر توفير قنوات اتصال مباشرة مع مندوب مبيعات بشري، وإتاحة ميزة التصفح المشترك (Cobrowsing)، وفيها يشارك المندوب شاشة الزبون لمساعدته خطوة بخطوة.

يسرِّع الذكاء الاصطناعي عملية البيع من خلال استخدام بيانات تفصيلية ودقيقة للغاية، بما في ذلك بيانات الموقع الجغرافي، لتقديم عروض شخصية مخصصة لكل زبون. كما يُستخدم لاحقاً في البيع الإضافي والبيع المتقاطع (Upselling & Cross-Selling) والحد من التخلي عن قرار الشراء.

على سبيل المثال: بعد أن يملأ الزبون سلة المشتريات، قد يرسل له روبوت ذكاء اصطناعي رسالة تشجيعية مثل: "اختيار رائع! لقد اشترى زبون آخر المنتج نفسه للتو". مثل هذه التدخلات البسيطة قادرة على زيادة معدلات التحويل بما يصل إلى 5 أضعاف.

أما بعد إتمام عملية الشراء، فإنَّ وكلاء الخدمة المدعومين بالذكاء الاصطناعي مثل: أنظمة "أميليا" (Amelia) و"إنترأكشنز" (Interactions)، يوفرون دعماً متواصلاً على مدار الساعة.

هؤلاء الوكلاء قادرون على التعامل مع تقلبات حجم الطلبات بكفاءة تفوق قدرة الموظف البشري، فهم يعالجون الاستفسارات البسيطة (مثل: مواعيد التسليم أو جدولة المواعيد)، بينما يحيلون القضايا المعقدة أكثر إلى موظفي الدعم.

كما ويساعد الذكاء الاصطناعي في بعض الحالات الموظفين أنفسهم، من خلال تحليل نبرة صوت الزبون واقتراح ردود ملائمة، أو تدريب المندوبين على أفضل أسلوب للتعامل معه، بل وحتى التنبيه للحظة التي تتطلب تدخل المشرف.

الإطار العام

تُصنَّف تطبيقات الذكاء الاصطناعي في التسويق وفق بُعدين أساسيين: مستوى الذكاء وما إذا كان التطبيق قائماً بذاته أم مدمجاً ضمن منصة أوسع. تُدرَج بعض التقنيات مثل: روبوتات المحادثة أو محركات التوصية، ضمن أي من هذه التصنيفات، والذي يعتمد على طريقة دمجها وتطبيقها عملياً.

مستويات الذكاء

في ما يلي، نوعان من مستويات الذكاء:

1. أتمتة المهام (Task Automation)

هذه التطبيقات مخصصة لتنفيذ مهام متكررة ومنظمة لا تتطلب مستويات عالية من الذكاء، فهي تعمل وفق قواعد محددة أو تسلسل عمليات مبرمج مسبقاً بناء على مدخلات معينة، لكنَّها لا تستطيع معالجة المشكلات المعقدة مثل: طلبات الزبائن الدقيقة.

على سبيل المثال: نظام يرسل تلقائياً رسالة ترحيب لكل زبون جديد، أو روبوتات المحادثة البسيطة كتلك المدمجة في تطبيق "فيسبوك ماسنجر" (Facebook Messenger) أو منصات التواصل الاجتماعي الأخرى. تساعد هذه الروبوتات في التفاعلات الأساسية التي تقود الزبائن لاتخاذ قرار الشراء، لكنَّها لا تستطيع فهم نواياهم، أو تقديم ردود مخصصة، أو التعلم من المحادثات السابقة.

2. التعلم الآلي (Machine Learning)

تُدرَّب هذه الخوارزميات باستخدام كميات ضخمة من البيانات لإنتاج قرارات وتوقعات معقدة، فهي قادرة على تمييز الصور، وتحليل النصوص، وتصنيف الزبائن، والتنبؤ باستجاباتهم لمبادرات تسويقية مثل: العروض الترويجية.

يُستخدم التعلم الآلي حالياً في الشراء البرامجي للإعلانات الرقمية، ومحركات التوصية في التجارة الإلكترونية، ونماذج احتمالية الشراء (Sales Propensity Models) في أنظمة إدارة علاقات العملاء (CRM).

أما النسخة الأكثر تطوراً منه، التعلم العميق (Deep Learning)، فهي من أحدث وأقوى الأدوات التي تزداد فعالية في مجال التسويق.

مع ذلك، يجدر التنويه إلى أنَّ هذه التطبيقات لا تزال ضيقة النطاق وتحتاج إلى بيانات ضخمة للتدريب قبل أن تحقق نتائج دقيقة.

التطبيقات القائمة بذاتها مقابل التطبيقات المدمجة

في ما يلي، التطبيقات القائمة بذاتها مقابل التطبيقات المدمجة:

التطبيقات القائمة بذاتها (Stand-alone Applications)

هي برامج ذكاء اصطناعي مستقلة ومعزولة عن القنوات الأساسية التي يتعامل معها الزبائن أو الموظفون عادة.

لكي يستفيد الزبون أو الموظف منها، يحتاج إلى الخروج من القنوات المعتادة (مثل موقع الشركة أو منصتها) والتوجه إلى التطبيق مباشرة.

على سبيل المثال: طورت شركة "بيهر" (Behr) المتخصصة في صناعة الطلاء تطبيقاً يعتمد على تقنيات نظام "آي بي إم واتسون" (IBM Watson) في معالجة اللغة الطبيعية وتحليل النبرة العاطفية للنصوص؛ إذ يقدم التطبيق للزبائن توصيات شخصية بألوان الطلاء استناداً إلى الأجواء التي يرغبون في إضفائها إلى المكان.

يختار المستخدمون 2-3 ألوان من التطبيق، لكنَّ عملية الشراء النهائية تتم خارجه، على الرغم من أنَّ التطبيق يوفر رابطاً مباشراً للطلب من الموقع.

شاهد بالفيديو: من 2025 إلى 2026 كيف يعيد الذكاء الاصطناعي تشكيل حياتنا؟

التطبيقات المدمجة (Integrated Applications)

تكون مُدمَجةً ضمن الأنظمة الحالية للشركة، ما يجعلها أقل وضوحاً للزبائن أو الموظفين، على الرغم من أنَّها تعمل باستمرار خلف الكواليس.

على سبيل المثال: خوارزميات التعلم الآلي المدمجة في منصات الإعلانات التي تتخذ قرارات فورية حول أي إعلان يُعرَض على المستخدم.

تستخدم منصة "نتفلكس" (Netflix) محرك التوصية المدمج منذ ما يزيد عن عقد لتقديم اقتراحات المشاهدة، وتظهر هذه التوصيات مباشرة في قائمة الفيديوهات، دون الحاجة إلى الانتقال إلى تطبيق منفصل.

تُدمَج تكنولوجيا التعلم الآلي ضمن أنظمة إدارة علاقات العملاء (CRM) في الوقت الحالي. مثلاً، دمجت شركات، مثل: "سيلز فورس" (Salesforce) حزمة "سيلز كلاود أينشتاين" (Sales Cloud Einstein) التي تضم قدرات متعددة، منها نظام تصنيف العملاء المحتملين (Lead Scoring) باستخدام الذكاء الاصطناعي لتقدير احتمالية الشراء.

كما تساعد شركة "كوغيتو" (Cogito)، التي تقدم تقنيات ذكاء اصطناعي، في تقديم الكوتشينغ لمندوبي مراكز الاتصال، وتتكامل مباشرة مع أنظمة إدارة علاقات العملاء مثل: "سيلز فورس".

فمن خلال المزج بين مستوى الذكاء (أتمتة المهام مقابل التعلم الآلي) ونوعية البنية (قائمة بذاتها مقابل مدمجة)، نحصل على 4 عناصر رئيسة للإطار، هي:

• تطبيقات أتمتة المهام القائمة بذاتها.
• تطبيقات أتمتة المهام المدمجة.
• تطبيقات التعلم الآلي القائمة بذاتها.
• تطبيقات التعلم الآلي المدمجة.

تساعد معرفة أي عنصر ينتمي إليه التطبيق المسوقين في تخطيط مراحل إدخال الذكاء الاصطناعي في استراتيجياتهم وترتيب أولويات الاستخدام.

النهج التدريجي (A Stepped Approach)

يرى الخبراء أنَّ أعلى قيمة سيجنيها المسوقون ستكون من خلال التطبيقات المدمجة القائمة على التعلم الآلي، على الرغم من أنَّ الأنظمة البسيطة المعتمدة على القواعد وأتمتة المهام تحسِّن العمليات المنظمة تحسيناً كبيراً وتحقق عوائد تجارية معقولة.

لكن، تجدر الإشارة إلى أنَّ أتمتة المهام أصبحت اليوم مدمجةً أكثر فأكثر مع التعلم الآلي؛ إذ يُستخدم لاستخلاص البيانات من الرسائل، واتخاذ القرارات المعقدة، وتخصيص المحتوى، وهو ما يمكن عدَّه نموذجاً هجيناً يجمع عناصر إطار التصنيف.

ولا يزال للتطبيقات المستقلة دور في الحالات التي يكون فيها الدمج صعباً أو غير ممكن، لكنَّ فوائدها تظل محدودة؛ لهذا السبب يُنصح المسوقون بالانتقال تدريجياً نحو دمج الذكاء الاصطناعي في أنظمة التسويق الحالية بدلاً من الاعتماد على التطبيقات المنفصلة.

يسير الاتجاه العام في هذا المسار بالفعل. ففي استطلاع أجرته شركة "ديلويت" في عام 2020، أكّد 74% من التنفيذيين العالميين في الذكاء الاصطناعي أنَّه سيكون مدمجاً في تطبيقات المؤسسات جميعها خلال 3 سنوات.

كيفية البدء

بالنسبة للشركات ذات الخبرة المحدودة في الذكاء الاصطناعي، البداية المثالية هي بناء أو شراء تطبيقات بسيطة لها قواعد معينة؛ إذ تعتمد كثير من المؤسسات نهج "الزحف والمشي والجري" (crawl-walk-run)، أي البدء بتطبيق مستقل لا يتعامل مباشرة مع الزبائن مثل: نظام يوجه موظفي الخدمة أثناء محادثاتهم مع الزبائن.

ثم مع اكتساب الخبرة وجمع البيانات (خاصةً بيانات الزبائن والسوق)، تستطيع الشركات الانتقال تدريجياً من أتمتة المهام إلى التعلم الآلي.

على سبيل المثال: طورت شركة "ستيتش فيكس" (Stitch Fix) لتنسيق الأزياء أداة ذكاء اصطناعي يساعد خبراء الموضة لديها في اقتراح خيارات للزبائن بناء على خياراتهم المفضلة، وسلوكاتهم الشرائية (ما يحتفظون به أو يعيدونه)، وتغذيتهم الراجعة.

ازدادت فعالية النماذج ازدياداً كبيراً حين طلبت الشركة من الزبائن التفاعل مع صور بواسطة أداة (Style Shuffle)، وهو ما وفر مصدراً جديداً وقيِّماً للبيانات عن أذواق الزبائن.

نظراً لأنَّ معظم تطبيقات الذكاء الاصطناعي (خصوصاً التعلم الآلي) تحتاج إلى كميات ضخمة من البيانات عالية الجودة، يجب على المسوقين البحث المستمر عن مصادر جديدة مثل: بيانات المعاملات الداخلية، وبيانات من الموردين الخارجيين، وبيانات من خلال عمليات الاستحواذ المحتملة.

على سبيل المثال: استخدمت شركة "إكس أو" (XO) للطائرات الخاصة، نموذج تسعير قائماً على التعلم الآلي ساعدها في زيادة أرباحها التشغيلية بنسبة 5%؛ إذ اعتمد نجاح التجربة على جمع بيانات من مصادر خارجية مثل: المعروض من الطائرات الخاصة، والأحداث الهامة، والاقتصاد العالمي، والنشاط الموسمي، وحتى الطقس.

على الرغم من أنَّ هذه البيانات كانت عامة ومفتوحة، إلا أنَّ الشركة أوصت أيضاً بالبحث عن مصادر حصرية؛ لأنَّ النماذج المبنية فقط على البيانات العامة يستطيع المنافسون تقليدها بسهولة.

مع نضوج استخدام الذكاء الاصطناعي في التسويق، يمكن للشركات أن تصل إلى مرحلة أتمتة كاملة لأنواع معينة من القرارات، والاستغناء عن التدخل البشري.

في الحالات التي تتطلب قرارات متكررة وسريعة مثل: شراء الإعلانات البرمجية (Programmatic Ad Buying)، فالذكاء الاصطناعي حاسم وضروري، أما في مجالات أخرى، يظل الذكاء الاصطناعي مساعداً من خلال تقديم التوصيات للبشر مثل: اقتراح فيلم للمستهلكين، وتقديم استراتيجية لمسؤولي التسويق، ويبقى القرار البشري حاضراً في الخيارات المصيرية، كالاستمرار أو إيقاف حملة تسويقية، أو الموافقة على إعلان تلفزيوني مكلف.

التحديات والمخاطر

قد تطرح حتى أبسط تطبيقات الذكاء الاصطناعي صعوبات أثناء التطبيق؛ فعلى سبيل المثال: تطبيقات الأتمتة المستقلة (Stand-alone Task-Automation AI)، وعلى الرغم من بساطتها التقنية، قد يصعب تهيئتها لتناسب سير العمل، كما أنَّها تتطلب من الشركات امتلاك مهارات متخصصة في الذكاء الاصطناعي.

إضافة إلى ذلك، فإنَّ إدخال أي نوع من الذكاء الاصطناعي في بيئة العمل يتطلب دمجاً دقيقاً بين مهام البشر والآلات، لكي يعمل الذكاء الاصطناعي على تعزيز مهارات الموظفين ولا يتحول إلى عنصر يسبب المشكلات.

على سبيل المثال: تعتمد كثير من المؤسسات روبوتات محادثة قائمة على القواعد (Rule-based Chatbots) لأتمتة خدمة الزبائن؛ بيد أنَّ هذه الروبوتات —وإن كانت محدودة القدرات— قد تؤدي إلى إزعاج الزبائن بدلاً من خدمتهم. الحل الأفضل غالباً هو استخدام هذه الروبوتات لمساعدة الوكلاء البشريين أو المستشارين بدلاً من التفاعل المباشر مع الزبائن.

مع تبني الشركات لتطبيقات أكثر تطوراً ودمجاً، تبرز عوامل إضافية: إدماج الذكاء الاصطناعي في منصات طرف ثالث قد يكون بالغَ التعقيد. يُذكَر من أمثلة ذلك: تطبيق "أولاي سكين أدفايزر" (Olay Skin Advisor) التابع لشركة "بروتكتر أند غامبل" (Procter & Gamble)، والذي يستخدم التعلم العميق لتحليل صور وجوه الزبائن وتقدير عمرهم ونوع بشرتهم، ثم اقتراح منتجات تناسبهم.

وعلى الرغم من نجاح التطبيق في تحسين مؤشرات مثل: معدلات التحويل وقيمة السلة الشرائية على منصة "أولاي" (Olay.com)، إلا أنَّ دمجه مع المتاجر الحقيقية أو مع منصة "أمازون" (Amazon) (التي تمثل نسبة كبيرة من مبيعات "أولاي") كان أصعب.

كانت النتيجة أنَّ التطبيق لم يكن متوفراً في موقع "أولاي" على "أمازون"، مما أعاق الشركة عن تقديم تجربة سلسة وموحدة قائمة على الذكاء الاصطناعي لزبائنها.

كلما أصبحت تطبيقات الذكاء الاصطناعي أكثر ذكاءً وتفاعليةً، زادت المخاوف المتعلقة بالخصوصية والأمان وملكية البيانات. قد يقلق الزبائن من تطبيقات تجمع بيانات الموقع وتشاركها دون علمهم، أو أجهزة مثل المساعدات الصوتية الذكية التي قد "تتنصت عليهم".

ومع ذلك، أظهرت التجربة أنَّ المستهلكين غالباً ما يكونون مستعدين للتنازل عن بعض بياناتهم الشخصية إذا حصلوا في المقابل على قيمة ملموسة من التطبيقات المبتكرة؛ فعلى الرغم من القلق من تطبيقات مثل: "أليكسا" (Alexa)، إلا أنَّ فوائدها العملية تطغى على مخاوف غالبية المستخدمين.

الحل بالنسبة للمسوقين هو ضمان وضوح سياسات الخصوصية والأمان، ومنح الزبائن القدرة على التحكم في كيفية جمع بياناتهم واستخدامها، والتأكد من أنَّ الزبائن يحصلون على قيمة عادلة مقابل بياناتهم.

ولتحقيق ذلك مع الحفاظ على ثقة الزبائن، يجب على مديري التسويق (CMOs) تأسيس لجان مراجعة للأخلاقيات والخصوصية تضم خبراء في التسويق والقانون، ومراجعة أي مشروع ذكاء اصطناعي يتعامل مع بيانات الزبائن أو يستخدم خوارزميات قد تكون مُعرّضةً للتحيّز.

في الختام

على الرغم من الإمكانات الهائلة التي يحملها الذكاء الاصطناعي في التسويق، من الضروري أن يتسم مديرو التسويق بالواقعية تجاه قدراته الحالية، فحتى الآن، يستطيع الذكاء الاصطناعي تنفيذ مهام ضيقة النطاق فقط، وليس إدارة وظيفة التسويق كاملة.

ومع ذلك، فهو يقدم بالفعل فوائد ملموسة وهامة في بعض أنشطة التسويق، فقدراته في نمو متسارع، وسيكون له أثر تحويلي ضخم في التسويق؛ لكنَّ ذلك سيستغرق عقوداً.

لذلك، يتعين على المؤسسات، لا سيّما أقسام التسويق وتقنية المعلومات، أن تُولي اهتماماً طويل الأمد لبناء القدرات المرتبطة بالذكاء الاصطناعي ومعالجة مخاطره المحتملة. وينبغي للمسوقين أن يبدؤوا اليوم في وضع استراتيجية واضحة للاستفادة من وظائف الذكاء الاصطناعي الحالية واستباق إمكاناته المستقبلية.