Ramowe AIM2 dla inteligentnych innowacji marketingowych z wykorzystaniem analiz konsumenckich napędzanych sztuczną inteligencją z sieciami neuronowymi SOR i XGBoost w saudyjskim handlu detalicznym

Dlaczego twoje dane zakupowe mają znaczenie

Za każdym razem, gdy robisz zakupy — czy to kupując chleb i mleko w osiedlowym sklepie, czy wypełniając koszyk online na weekendowe zaopatrzenie — zostawiasz cyfrowy ślad wskazówek. Artykuł pokazuje, jak te wskazówki można przekształcić w mądrzejszy i bardziej sprawiedliwy marketing w szybko rozwijającym się saudyjskim sektorze detalicznym. Poprzez połączenie zaawansowanej sztucznej inteligencji z klasycznym modelem psychologicznym dotyczącym reakcji ludzi na otoczenie, autorzy proponują sposób, by supermarkety wysyłały oferty, które wydają się naprawdę pomocne, a nie inwazyjne, jednocześnie wspierając krajowe cele cyfrowej transformacji w ramach Wizji 2030.

Od prostych reklam do inteligentnych rozmów

Marketing detaliczny kiedyś polegał na jednej, uniwersalnej wiadomości dla wszystkich: ten sam spot telewizyjny, ten sam ulotek, ta sama zniżka. Wraz z przeniesieniem zakupów do internetu i na telefony komórkowe ten świat się zmienił. Dziś sklepy mogą zobaczyć, które produkty bywają kupowane razem, jak często klienci odwiedzają sklep i jak bardzo reagują na zmiany cen. Badanie wskazuje, że ten napływ informacji potrzebuje czegoś więcej niż tylko sprytnych obliczeń; musi być osadzony w rozumieniu, jak rzeczywiści ludzie myślą i czują. Autorzy budują na idei „Stymulus–Organizm–Reakcja” z psychologii, która mówi, że to, co widzimy (stymulus), kształtuje nasze uczucia i myśli (organizm), które następnie kierują tym, co robimy (reakcja). W kontekście handlu detalicznego oznacza to, że oferty cyfrowe i ceny powinny być projektowane z myślą o zaufaniu klienta, postrzeganej wartości i satysfakcji — a nie tylko krótkoterminowej sprzedaży.

Trójwarstwowy silnik dla nowoczesnego handlu

Rdzeniem artykułu jest nowa ramowa koncepcja nazwana AIM2, skrót od AI‑Integrated Marketing Innovation Model. AIM2 zbudowano jak trzy‑piętrowy silnik. Na najniższym poziomie potężne algorytmy przesiewają surowe dane sprzedażowe z Tamimi Markets, dużej saudyjskiej sieci spożywczej. Obejmuje to metody grupowania, które dzielą klientów na typy oszczędne, średnie i premium; narzędzia eksploracji wzorców, które wykrywają, które produkty często kupowane są razem; sieci neuronowe uczące się wzorców popytu w czasie; oraz algorytm XGBoost, metoda oparta na drzewach dobrze dopasowana do złożonych, rzeczywistych danych. Środkowy poziom przekłada wyniki algorytmów na konkretne działania widoczne dla klientów, takie jak rekomendowane zestawy produktów czy czasowe zniżki. Najwyższy poziom śledzi, jak te działania wpływają na odczucia, takie jak zaufanie i satysfakcja, oraz zachowania, takie jak powtarzalność wizyt i lojalność, zamykając pętlę między danymi a doświadczeniem człowieka.

Co dane ujawniły o saudyjskich kupujących

Korzystając z kilku miesięcy rzeczywistych zapisów transakcji, badacze wykazują, że saudyjscy klienci spożywczy naturalnie dzielą się na trzy główne style wydawania. Klienci oszczędni odwiedzają sklepy rzadziej, wydają mniejsze kwoty i silnie reagują na zmiany cen oraz promocje. Klienci ze średniego segmentu są bardziej zrównoważeni, natomiast klienci premium kupują bardziej zróżnicowane koszyki, wydają więcej na wizytę i są mniej wrażliwi na cenę. System ujawnia także stabilne parowania produktów — na przykład podstawowe artykuły codzienne i kombinacje z wyższej półki — które można przekształcić w użyteczne zestawy. W prognozowaniu narzędzia AI znacząco przewyższają starsze podejścia: model XGBoost zmniejsza błędy wyceny i prognoz odejść o około 14% w porównaniu z tradycyjną regresją, i pokonuje prostą sieć neuronową pod względem dokładności o około 9%, natomiast sieci sekwencyjne lepiej wychwytują sezonowe skoki wokół wydarzeń takich jak Ramadan i Eid.

Utrzymanie systemu sprawiedliwym, przejrzystym i adaptowalnym

Ponad samą dokładność, ramy zawierają zabezpieczenia mające na celu odpowiedzialne użycie. Autorzy sprawdzają, czy AI traktuje różne grupy behawioralne — na przykład klientów o wysokich i niskich wydatkach — w podobny sposób pod względem przewidywanych wyników, sygnalizując problemy, gdy rozbieżności stają się zbyt duże. Korzystają też z narzędzi wyjaśniających, które pokazują, które zmienne najbardziej wpływają na każde przewidywanie, pomagając marketerom zrozumieć, dlaczego system uważa, że klient może odejść lub zareagować na określoną cenę. Pętla informacji zwrotnej monitoruje zmiany w czasie: jeśli zachowanie klientów się zmieni lub miary sprawiedliwości odejdą od normy, modele są ponownie trenowane. Ten projekt uznaje, że środowiska detaliczne i oczekiwania konsumentów są ruchomymi celami, szczególnie w kraju prowadzonym intensywną modernizacją cyfrową.

Co to wszystko oznacza dla codziennych zakupów

Dla osób niezwiązanych z branżą główny przekaz jest taki, że inteligentniejsze algorytmy mogą uczynić handel detaliczny zarówno bardziej efektywnym, jak i bardziej zorientowanym na człowieka — jeśli będą powiązane ze zrozumieniem, jak ludzie myślą i czują. W ramach AIM2 „inteligencja” to nie tylko przewidywanie, co kupisz następne; chodzi o upewnienie się, że te przewidywania budują zaufanie, satysfakcję i lojalność na dłuższą metę, zamiast irytacji czy podejrzliwości. Wyniki z rzeczywistego środowiska saudyjskiego supermarketu pokazują, że taki system może sensownie segmentować klientów, proponować rozsądne zestawy produktów i poprawiać prognozy popytu oraz odejść klientów, a jednocześnie wbudowywać mechanizmy sprawiedliwości i przejrzystości. W praktyce może to oznaczać aplikacje zakupowe, które bardziej przypominają pomocnego asystenta niż nachalnego sprzedawcę — wspierając zarówno lepsze doświadczenia zakupowe dla jednostek, jak i szersze cele cyfrowe oraz zrównoważeniowe kraju.

Cytowanie: 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

Słowa kluczowe: marketing AI, analityka handlu detalicznego, zachowania konsumentów, Wizja Saudyjska 2030, spersonalizowane zakupy