تتجه SAP إلى معالجة واحدة من أكثر المشكلات شيوعًا في تطبيقات الذكاء الاصطناعي داخل بيئات التجارة الرقمية: وجود بيانات العملاء والشراء والتفاعل في أنظمة متفرقة يصعب ربطها عمليًا. وبدل الاكتفاء بوعد تقديم تجربة مخصصة لكل مستخدم، تركز الشركة على بناء الأساس التشغيلي الذي يسمح للذكاء الاصطناعي بالعمل بصورة مستمرة وعلى نطاق واسع.
الفكرة الأساسية هنا بسيطة من الناحية النظرية لكنها معقدة في التنفيذ. المؤسسات تسعى إلى توصيات أدق، ورسائل تسويقية أكثر ملاءمة، وعروض ولاء تعكس سلوك العميل الفعلي. لكن هذه الأهداف تتعثر عندما تكون البيانات متناثرة بين منصات التجارة، وأدوات التسويق، وسجلات خدمة العملاء، وأنظمة الولاء. في هذه الحالة، تصبح نماذج الذكاء الاصطناعي قادرة على إنتاج نتائج محدودة لأنها تبنى قراراتها على صورة ناقصة عن المستخدم.
من هذا المنطلق، طورت SAP ما تسميه نهجًا تشغيليًا لرفع جاهزية التخصيص، يقوم على دمج البيانات، وتفعيل طبقة لاتخاذ القرار، ثم توصيل التجربة إلى القنوات المختلفة. هذا التصور لا يضع الذكاء الاصطناعي في موقع أداة منفصلة، بل يجعله جزءًا من بنية تنفيذ يومية داخل المؤسسة.
المشكلة ليست في النماذج بل في البنية
كثير من الشركات تبدأ رحلة التخصيص الذكي من الواجهة الأمامية: توصيات للمنتجات، رسائل بريدية أكثر دقة، أو حملات تسويقية تتكيف مع سلوك المستخدم. غير أن هذه المبادرات غالبًا ما تصطدم بجدار بيانات غير منسقة، أو بيانات لا تُحدَّث بالسرعة المطلوبة، أو قواعد حوكمة تمنع استخدام المعلومات بطريقة موحدة.
النتيجة تكون مألوفة: تظهر المنتجات المقترحة بشكل عام وغير مرتبط بما يريده العميل فعليًا، وتُرسل الرسائل التسويقية وفق جداول ثابتة بدلًا من التوقيت الأنسب لكل مستخدم، وتبقى برامج الولاء محدودة لأنها تعتمد على المشتريات فقط ولا تأخذ في الاعتبار تاريخ التفاعل الكامل مع العلامة التجارية.
SAP تتعامل مع هذا الواقع باعتباره مشكلة هندسية قبل أن يكون مشكلة تسويقية. فالتخصيص بالذكاء الاصطناعي، وفق هذا المنظور، يحتاج إلى قاعدة بيانات موحدة وقابلة للاستخدام الفوري، وليس إلى نموذج أكثر تعقيدًا فحسب. ومن هنا تأتي أهمية تنظيم البيانات على مستوى المنصة، وربطها بمسارات تشغيل واضحة يمكن مراقبتها وقياسها.
ثلاث طبقات لتفعيل التخصيص الذكي
تعتمد المقاربة التي تطرحها SAP على ثلاث طبقات مترابطة: البيانات، واتخاذ القرار، ثم التسليم. هذه الطبقات لا تعمل بشكل منفصل، بل تشكل سلسلة تشغيلية واحدة تسمح بتحويل الإشارات المتفرقة إلى تجربة مخصصة قابلة للتنفيذ.
الطبقة الأولى: البيانات. هنا يتم تجميع ملفات العملاء الموحدة في الزمن الحقيقي، مع مراعاة الموافقات والخصوصية. وتشمل هذه الملفات بيانات الشراء السابقة، وسلوك التصفح، والتفاعل مع الحملات، وطلبات الدعم، ونشاط الولاء. كلما كانت هذه الصورة أشمل، ازدادت قدرة النماذج على تقديم توصيات أكثر دقة.
الطبقة الثانية: اتخاذ القرار. في هذه المرحلة، يحلل النظام البيانات الواردة لتحديد الخطوة التالية الأنسب: أي منتج يُعرض، وأي عرض ترويجي يُرسل، ومتى يكون أفضل وقت للتواصل. وتبرز هنا الحاجة إلى قواعد حوكمة تحدد متى يعمل الذكاء الاصطناعي تلقائيًا ومتى يتدخل الإنسان لتعديل القرار أو إيقافه.
الطبقة الثالثة: التسليم. بعد تحديد القرار، تُرسل التجربة المخصصة عبر المتجر الرقمي، أو البريد الإلكتروني، أو الإشعارات على الهاتف، أو واجهات برامج الولاء. الفكرة ليست مجرد إرسال رسالة، بل ضمان أن تصل الرسالة المناسبة في السياق المناسب وبالوقت المناسب.
هذا التسلسل هو ما تحاول SAP دعمه عبر ما تسميه خطة نجاح متقدمة لحلول تجربة العملاء، بحيث لا يبقى التخصيص مجرد خاصية مفعلة جزئيًا، بل يصبح أسلوب تشغيل كامل.
SAP Commerce Cloud كطبقة تنفيذ للواجهة الأمامية
في بيئة SAP Commerce Cloud، يتحول المتجر الرقمي إلى نقطة اختبار رئيسية لقدرة الذكاء الاصطناعي على التأثير في المبيعات. النظام يتيح توصيات منتجات مدعومة بالذكاء الاصطناعي، ويعرض العناصر الرائجة أو المرتبطة بالاختيار الحالي، إلى جانب المنتجات التكميلية التي قد ترفع قيمة الطلب.
الميزة هنا أن التوصيات لا تعتمد على ترتيب ثابت أو على خطط عرض يدوية فقط، بل على إشارات سلوكية لحظية. وهذا يعني أن التاجر يمكنه تحسين الاكتشاف داخل المتجر، ودعم البيع الإضافي والبيع المتقاطع، ورفع احتمالات التحويل من دون الاعتماد الكامل على التدخل البشري المستمر.
لكن الاستفادة من هذه القدرات لا تأتي تلقائيًا. فالشركات كثيرًا ما تواجه مشاكل في جودة البيانات، أو في الربط بين منصة المتجر وقواعد بيانات العملاء، أو في وجود آليات اختبار غير ناضجة تتيح تحسين الخوارزميات بانتظام. لذلك تركز SAP على أدوات تقييم الجاهزية البيانية، وعلى تصميم مسارات تكامل واضحة، وعلى توفير أطر اختبار منظمة تسمح للفرق التجارية بتجربة الفرضيات وتثبيت الإعدادات الأفضل.
بهذه الطريقة، لا يبقى المتجر الإلكتروني منصة ثابتة، بل يتحول إلى نظام يتعلم من التفاعل الحقيقي ويعدل سلوكه باستمرار.
الأتمتة تمتد إلى التسويق ودورة حياة العميل
لا يقتصر دور الذكاء الاصطناعي على المتجر فقط. فـ SAP Engagement Cloud، المدعومة بمنصة Emarsys، تنقل منطق التخصيص إلى بقية رحلة العميل. هنا يتم دمج بيانات التجارة مع سجل التفاعل السابق لإنتاج حملات أكثر دقة على مستوى الفرد، وليس على مستوى الشرائح الواسعة فحسب.
أحد أبرز الأمثلة هو تحسين وقت الإرسال المدعوم بالذكاء الاصطناعي. بدل الالتزام بجدول إرسال ثابت، يحلل النظام أنماط الاستجابة الخاصة بكل جهة اتصال لتحديد اللحظة المرجحة لزيادة التفاعل. النتيجة هي تحويل التوقيت إلى عنصر متغير يعتمد على سلوك المستخدم، لا على افتراضات عامة.
كما يمكن للفرق التسويقية الاستفادة من أدوات أخرى مثل ترجمة الحملات بالذكاء الاصطناعي وتنسيق الرحلات متعددة القنوات. الفكرة هنا أن النظام لا يرسل الرسائل دفعة واحدة، بل يبني تسلسلًا تفاعليًا يتغير بحسب ما يفعله المستخدم، سواء فتح الرسالة، أو تجاهلها، أو تفاعل مع العرض، أو أجرى عملية شراء.
وعندما تعمل هذه الطبقات معًا، يصبح تأثيرها على الأداء التجاري ملموسًا: معدلات تحويل أعلى، وتكرار شراء أكبر، ومتوسط قيمة طلبات أفضل. هذا ما يجعل ربط التجارة بالتفاعل التسويقي أداة مهمة في تعزيز العائد على الاستثمار.
الحوكمة المستمرة شرط لنجاح الذكاء الاصطناعي
تتعامل SAP مع التخصيص بوصفه عملية مستمرة، لا مشروعًا يُنفذ مرة واحدة وينتهي. لذلك تركز الخطة على نتائج قابلة للقياس مثل معدل التحويل، وعدد المشتريات المتكررة، ومعدلات فتح الرسائل، ومتوسط قيمة السلة. هذه المؤشرات لا تُستخدم فقط لتوثيق النجاح، بل لتوجيه التحسينات التالية.
وتشمل المقاربة أيضًا أدلة تطبيق محددة تساعد فرق البيانات والمنتجات والتسويق على تفعيل القدرات المدعومة بالذكاء الاصطناعي ضمن خطوات واضحة. كما يتم توفير تدريب مباشر ودعم عملي لتقليص الفجوة المهارية التي تعيق كثيرًا من مشاريع التخصيص المؤسسي.
جانب آخر لا يقل أهمية هو المراقبة التشغيلية. فبدل انتظار تراجع الأداء لاكتشاف المشكلة، تعتمد SAP على تتبع حيّ للتكوينات والأنماط التي قد تصبح أقل فاعلية بمرور الوقت. بهذه الآلية، يمكن تعديل الإعدادات قبل أن تنعكس الأخطاء على الإيرادات أو على تجربة العميل.
هذا النوع من الحوكمة مهم لأن التخصيص بالذكاء الاصطناعي حساس للغاية لجودة البيانات وسلامة التكاملات. وإذا غابت الرقابة المستمرة، فإن النظام قد يستمر في العمل لكنه ينتج نتائج ضعيفة أو غير متسقة.
القيمة الحقيقية تبدأ من توحيد البيانات
الرسالة التي تخرج بها SAP من هذا التوجه واضحة: الذكاء الاصطناعي في التجارة لا يحقق قيمته من خلال الوعود وحدها، بل من خلال القدرة على تشغيله داخل بنية بيانات موحدة، وربطه بقرارات آلية قابلة للضبط، ثم نشر تلك القرارات عبر القنوات التي يتفاعل معها العميل يوميًا.
وبالنسبة للمؤسسات الكبيرة، فإن هذا التحول يمثل فرقًا مهمًا بين إطلاق تجربة تخصيص تجريبية وبين بناء منظومة يمكن أن تتطور بمرور الوقت. فكلما كانت البيانات أنظف، والتكاملات أوضح، والحوكمة أشد، أصبح بإمكان الذكاء الاصطناعي أن يتحول من أداة مساعدة إلى طبقة تشغيل أساسية داخل التجارة الرقمية.
في سوق تتزايد فيه المنافسة على الانتباه والولاء، قد يكون التحدي الأكبر ليس في جمع المزيد من البيانات، بل في جعلها قابلة للاستخدام الذكي على مستوى القرار والتنفيذ. وهنا تحديدًا تحاول SAP أن تضع نفسها في موقع يربط بين البنية التقنية وتجربة العميل والعائد التجاري.