إطار AIM2 للابتكار التسويقي الذكي باستخدام تحليلات المستهلك المدفوعة بالذكاء الاصطناعي مع شبكات عصبية SOR وXGBoost في التجزئة السعودية

لماذا تهم بيانات مشترياتك من البقالة

في كل مرة تتسوق فيها—سواء التقطت خبزاً وحليباً من متجر زاوية أو ملأت عربة إلكترونية بمشتريات عطلة نهاية الأسبوع—تترك وراءك سلسلة من الأدلة الرقمية. توضح هذه الورقة كيف يمكن تحويل تلك الأدلة إلى تسويق أذكى وأكثر عدلاً في قطاع التجزئة السعودي سريع النمو. من خلال مزج الذكاء الاصطناعي المتقدم مع نموذج سيكولوجي كلاسيكي لكيفية استجابة الناس لبيئتهم، يقترح المؤلفون طريقة لتمكين السلاسل التجارية من إرسال عروض تبدو مفيدة فعلاً وليس مزعجة، مع دعم الأهداف الوطنية للتحول الرقمي بموجب رؤية 2030.

من الإعلانات البسيطة إلى محادثات ذكية

كان تسويق التجزئة في السابق يدور حول رسالة واحدة كبيرة للجميع: نفس الإعلان التلفزيوني، ونفس المنشور، ونفس الخصم. ومع انتقال التسوق إلى الإنترنت والهواتف المحمولة، تغير ذلك العالم. اليوم، يمكن للمتاجر أن ترى أي المنتجات تُشترى معاً عادةً، وعدد مرات زيارة العملاء، ومدى حساسيتهم لتغيرات الأسعار. تجادل الدراسة بأن هذا الفيضان من المعلومات يحتاج أكثر من مجرد رياضيات ذكية؛ يجب أن يستند إلى كيفية تفكير الناس ومشاعرهم الحقيقية. يبني المؤلفون على فكرة «المنبه–الكائن–الاستجابة» من علم النفس، التي تقول إن ما نراه (المنبه) يشكل كيف نشعر ونفكر (الكائن)، والذي يوجّه بعد ذلك ما نفعله (الاستجابة). بمصطلحات التجزئة، يعني ذلك أن تكون العروض الرقمية والأسعار مصممة مع مراعاة ثقة العملاء والقيمة المدركة والرضا—ليس مجرد المبيعات قصيرة الأمد.

محرك ثلاثي الطبقات لتجزئة حديثة

جوهر الورقة هو إطار جديد يُدعى AIM2، اختصار نموذج الابتكار التسويقي المدمج بالذكاء الاصطناعي. بُني AIM2 كمحرك مكوّن من ثلاث طبقات. في الطابق السفلي، تقوم خوارزميات قوية بفرز بيانات المبيعات الخام من تاميني ماركتس، سلسلة بقالة سعودية كبيرة. تشمل هذه أساليب التجميع التي تصنف المتسوقين إلى فئات منخفضة الميزانية ومتوسطة وعالية؛ وأدوات استخراج الأنماط التي تكتشف أي العناصر تُشترى عادةً معاً؛ وشبكات عصبية تتعلم أنماط الطلب مع الزمن؛ وخوارزمية XGBoost، وهي طريقة قائمة على الأشجار مناسبة للبيانات الواقعية المعقدة. الطابق الأوسط يترجم مخرجات هذه الخوارزميات إلى إجراءات ملموسة يراها العملاء فعلاً، مثل الحزم الموصى بها أو الخصومات المؤقتة. الطابق العلوي يتتبع كيف تؤثر هذه الإجراءات في مشاعر مثل الثقة والرضا، وسلوكيات مثل الزيارات المتكررة والولاء، مغلقاً الحلقة بين البيانات والتجربة البشرية.

ما كشفته البيانات عن المتسوقين السعوديين

باستخدام عدة أشهر من سجلات المعاملات الحقيقية، يظهر الباحثون أن عملاء البقالة السعوديين ينقسمون طبيعياً إلى ثلاث أنماط إنفاق رئيسية. يتسم متسوقو الميزانية بزيارات أقل، وإنفاق أقل في كل مرة، وتفاعل قوي مع تغيرات الأسعار والعروض الترويجية. المتسوقون متوسطو النطاق أكثر توازناً، بينما يشتري متسوقو الفئة العليا سلالاً أكثر تنوعاً، وينفقون أكثر في كل رحلة، ويكونون أقل حساسية للأسعار. يكشف النظام أيضاً عن أزواج منتجات مستقرة—مثل المواد الأساسية اليومية وتركيبات أعلى جودة—يمكن تحويلها إلى حزم مفيدة. في التنبؤات، تتفوق أدوات الذكاء الاصطناعي بشكل ملحوظ على الأساليب القديمة: يقلل نموذج XGBoost أخطاء التسعير والتسرب بحوالي 14% مقارنة بالانحدار التقليدي، ويتفوق بنحو 9% في الدقة على شبكة عصبية بسيطة، في حين تلتقط الشبكات العصبية القائمة على التسلسل بشكل أفضل الارتفاعات الموسمية حول أحداث مثل رمضان والعيد.

الحفاظ على النظام عادلًا، شفافًا وقابلاً للتكيف

بعيداً عن الدقة الصافية، يتضمن الإطار ضوابط تهدف إلى الاستخدام المسؤول. يتحقق المؤلفون مما إذا كان الذكاء الاصطناعي يعامل مجموعات سلوكية مختلفة—مثل العملاء ذوي الإنفاق العالي والمنخفض—بشكل مماثل من حيث النتائج المتوقعة، ويشيرون إلى المشاكل عندما تصبح الفجوات كبيرة جداً. كما يستخدمون أدوات تفسير تظهر أي المتغيرات تؤثر أكثر على كل توقع، مما يساعد المسوقين على فهم سبب اعتقاد النظام أن متسوقاً قد يغادر أو يستجيب لسعر معين. يراقب حلقة التغذية الراجعة التغيرات مع الزمن: إذا تحول سلوك العملاء أو انحرفت مقاييس العدالة، تُعاد تدريب النماذج. يعترف هذا التصميم بأن بيئات التجزئة وتوقعات المستهلكين أهداف متحركة، خصوصاً في بلد يدفع نحو تحديث رقمي سريع.

ماذا يعني كل هذا للتسوق اليومي

لغير المتخصصين، الرسالة الأساسية هي أن الخوارزميات الأذكى يمكن أن تجعل التجزئة أكثر كفاءة وإنسانية في الوقت نفسه—إذا ارتبطت بفهم كيف يفكر الناس ويشعرون. في إطار AIM2، لا يعني «الذكاء» مجرد تخمين ما ستشتري لاحقاً؛ بل يعني التأكد من أن تلك التخمينات تعزز الثقة والرضا والولاء الطويل الأمد، بدلاً من التسبب في إزعاج أو شك. تُظهر نتائج الدراسة في أحد المتاجر السعودية أن مثل هذا النظام يمكنه تقسيم العملاء بشكل ذا معنى، واقتراح حزم منتجات معقولة، وتحسين توقعات الطلب والتسرب، كل ذلك مع تضمين ضوابط للعدالة والشفافية. عملياً، قد يعني ذلك تطبيقات بقالة تبدو أكثر كالمساعد المفيد وأقل كالبائع المتطفل—داعمةً تجارب تسوق أفضل للأفراد وأهدافاً رقمية واستدامية أوسع للبلاد.

الاستشهاد: Alarfaj, F.K., Badouch, M., Khan, H.U. et al. AIM2 framework for smart marketing innovation using AI driven consumer analytics with SOR neural networks and XGBoost in Saudi retail. Sci Rep 16, 14160 (2026). https://doi.org/10.1038/s41598-026-42787-3

الكلمات المفتاحية: التسويق بالذكاء الاصطناعي, تحليلات التجزئة, سلوك المستهلك, رؤية المملكة 2030, التسوق المخصص