مقدمة
مع النمو الممتد للبيانات أصبح تكوين بنيات تحتية مبنية على البيانات واحدًا من أهم تحديات التجارة المعاصرة ، وقد فتحت الطفرات العلمية في الذكاء الاصطناعي الباب لمدى واسع من التطبيقات التي بإمكانها توظيف كميات ضخمة من البيانات في التجارة ، لذا يمكن القول أن الذكاء الاصطناعي هو الكهرباء الحديثة التي ستغير كل قطاعات الصناعة تغييرًا جوهريًا .
وعلى الرغم من أن الشركات في بادئ الأمر لم يكن لها موقف حاسم حيال الأمر إلا أن معظم الشركات حاليًا قد تبنت فهمًا أكثر واقعية بأن الذكاء الاصطناعي لن يحل كل مشاكلهم ولكن -على الجانب الآخر- لا يمكن تجاهل دوره .
أهم تطبيقات التعلم الالي
مع أحد أهم المجالات التي تأثرت بهذا التطور هو البيع بالتجزئة حيث يتزايد باستمرار عدد عمليات الشراء الإلكترونية ، وهو ما يسمح للشركات بجمع بيانات مفصلة عن تجربة العملاء ، ومن ثم استخدام هذه البيانات لتحسين وتسهيل تجربة العملاء وجعلها أكثر كفاءة وتخصيصًا .
وتُبنَى الابتكارات الخاصة بهذا المجال على وسائل التعلم الآلى المشتق من الذكاء الاصطناعي ، لذا يستعرض المقال خمسة من أهم تطبيقات التعلم الآلي في حقل التجارة الإلكترونية .
1. التوصية بالمنتجات
وهو أول شيء يقفز في أذهان الناس عند التفكير في التعلم الآلي في التجارة الإلكترونية ، ويتضمن خواص مثل "إذا أعجبك المنتج أ فعلى الأرجح سيعجبك أيضًا المنتج ب" وهو ما يمثل أداة قيّمة لإرشاد المستخدمين ومساعدتهم على إيجاد ما يناسبهم من الاختيارات الكثيرة المعروضة .
وتنقسم لوغاريتمات التوصية الحديثة إلى فئتين :
· الترشيح التعاوني والترشيح المبني على المحتوى ، وفي الترشيح التعاوني يتم بناء التوصيات المقدمة للعميل استنادًا إلى ما اختاره العملاء المشابهون في الماضي .
· أما في الترشيح المبني على المحتوى تحاول التوصيات أن توائم محتوى المنتجات (كالفئة والسعر واللون) مع محتوى الملف الشخصي للعميل (جنسه وعمره والماركات التي يفضلها) .
2. البحث
لقد أدرج موقع eBay أكثر من ٨٠٠ مليون منتج في الكتالوج الخاص بهم ، ونظرًا لتلك الأعداد الضخمة من المنتجات أصبح من الواضح ضرورة وجود لوغاريتمات بحث فعالة ، فمهما كانت جودة أو سعر المنتج لن يحقق مبيعات إذا لم يتمكن العميل من إيجاده .
ويمكن أن يكون التعلم الآلي ذا نفع في تقديم خواص مثل "تصنيف البحث" الذي يقوم بترتيب نتائج البحث وفقًا لصلتها بما يطلبه العميل أخذًا في الاعتبار معدل تكرار مصطلحات بحث معينة بالإضافة إلى الملف الشخصي للعميل ، مما يعني أن لوغاريتمات البحث سوف تهتم أكثر بالتنبؤ بما قد يريد العميل رؤيته .
ومن الخواص الهامة الأخرى "توسيع الاستعلام" وهو تقديم مقترحات بالتكملة الأرجح للمصطلح الذي يبحث عنه العميل أثناء قيامه بالكتابة .
كما أن التقدم العلمي في مجال التعرف على الصور أصبحت تتيح تقنية البحث المبني على الصور عن طريق استخدام صور المنتجات بهدف إيجاد منتجات مماثلة ، بالإضافة إلى أن هذه الوسائل يمكن استخدامها لتصنيف تعبيرات الوجه والتعرف على انفعالات العميل .
3. كشف الأخطاء
كلما زاد حجم البيانات زادت صعوبة كشف التضاربات ، ويمكن التعامل مع تلك المشكلة باستخدام الكشف الآلي للخطأ وفيها يقوم لوغاريتم معين بالتعرف على أنماط البيانات ليتعلم ما هو "الطبيعي" ثم يرسل تنبيهًا متى تجاوزت نقاط البيانات هذا المدى الطبيعي .
ومن تطبيقات التجارة الإلكترونية الشائعة التي تستخدم هذا الأسلوب هو كشف الاحتيال ، حيث يضطر التجار أحيانًا للتعامل مع عملاء مخادعين يستخدمون بطاقات ائتمان مسروقة لإجراء طلبيات ضخمة .
كما يمكن استخدام كشف الخطأ لضمان مستوى عالٍ من جودة البيانات ، فعادةً ما تتضمن قواعد البيانات الضخمة في قطاع التجارة الإلكترونية أخطاء مثل عدم اكتمال اسم المنتج أو فقد الصور أو وضع منتجات في فئة خاطئة ، ويساعد كشف تلك الأخطاء بسرعة وكفاءة في توفير الكثير من الوقت والمال والجهد .
4. دعم العملاء
كثيرًا ما يشتكي العملاء من اضطرارهم للانتظار وقتًا طويلًا وشرح مشكلتهم لخدمة العملاء مرارًا وتكرارًا وتلقيهم نصائح غير مؤهلة أو تعاملهم مع موظفين تحت ضغط إذ يتطلب توفير خدمة عملاء معتمدة بكمية كبيرة من الموارد
ولكن يمكن أن يساعد التعلم الآلي في جعل تلك العملية آلية من خلال استخدام روبوتات للرد على تلك المكالمات ، إذ أن التقدمات الحديثة في تقنيات التعرف على الكلام ومعالجة اللغة الطبيعية قد جعلت من الممكن أن نكوّن تفاعلًا أكثر مرونة وطبيعية مع الروبوتات ، فبدلًا من تحليل صوت الكلام أو كلمة واحدة على حدة تأخد التقنيات الحديثة في الاعتبار معلومات من المُدخَل بأكمله ثم تقارنها بالأنماط متكررة الحدوث مما يُعزز من دقة نماذج ردود التعلم الآلي .
ولا يتوقف دور التعلم الآلى على المكالمات الهاتفية فقط حيث يمكنه الرد على البريد الإلكتروني بشكل آلي وتصنيفه ، كما يمكنه أن يقدم الدعم من خلال شات بوت Chatbots .
5. التسعير الديناميكي
إن خطوط الطيران من أوائل الشركات التي طبقت مبدأ الأسعار المتكيفة تلقائيًا ، وهو ما يعني زيادة الأسعار عندما يرتفع الطلب وتقليلها عندما يقل الطلب ، إلا أنه يوجد الكثير من المتغيرات الأخرى التي يمكن استخدامها لحساب الأسعار المثالية مثل أسعار المنافسين والوقت والموسم ، وعلى كل حال لا يمكن أن تكون لوغاريتمات التسعير صارمة بل يجب تكييفها لمنتجات معينة لتتواءم مع استراتيچيات التسويق .
وبالنسبة للعميل يمكن أن تكون لتلك التقنيات فوائدها وأضرارها ، فقد يندم بعض العملاء على ما اشتروه ويتوقفوا عن التردد على متجر معين إذا وجدوا أن السعر قد انخفض بعد إتمامهم عملية الشراء بدقائق ، إلا أنها قد تمثل لعبة مشوقة لغيرهم من العملاء الذين يحاولون دومًا اصطياد أفضل الأسعار .
6. مهام أخرى
إن المهام المذكورة ليست إلا مثالًا صغيرًا على ما باستطاعة التعلم الآلي فعله للتجارة الإلكترونية ، ولكن هناك الكثير من الخيارات الأخرى مثل:
· تجزئة العملاء : تحديد مجموعات منظمة من العملاء لجعل التسويق أكثر دقة .
· تصنيف المنتج : تصنيف المنتجات بطريقة آلية إلى فئات لتسريع عملية الجرد .
· التنبؤ بالتخلي : التنبؤ بموعد توقف العميل عن استخدام خدمة معينة لتحليل الأسباب المحتملة لحدوث ذلك والعمل على إيجاد إجراءات مضادة .
· تحليل الرأي : تقييم وجهة النظرة العامة تجاه المنتج بناءً على مصادر كشبكات التواصل الاجتماعي .
· التنبؤ بالطلب : زيادة كفاءة الإنتاج والتوزيع من خلال التنبؤ باحتياجات السوق .
· الشحن الاستباقي : شحن المنتج قبل إجراء الطلب .
المصادر
المصادر
https://techblog.commercetools.com/top-5-machine-learning-applications-for-e-commerce-268eb1c89607
