تستثمر الشركات الملايين في الخوارزميات القادرة على تحسين الحملات في الوقت الفعلي، لكن العديد منها يستمر في تغذيتها بمقاييس تخلط بين النمو والربحية. وقد تكون النتيجة مفارقة مؤسسية: بيع أكثر، وعمل أكثر، وكسب أقل.
بقلم ايهاب سلطان
HoyLunes – تتقاسم اللجان التوجيهية في القرن الحادي والعشرين طقوساً صامتة: التحديق في الشاشات المليئة بالرسوم البيانية الخضراء. تومض لوحات المعلومات التجارية بمقاييس لا تشوبها شائبة. عائد الإنفاق الإعلاني (ROAS) يرتفع بشكل كبير، و تكلفة اكتساب العملاء (CAC) تنخفض بشدة، وتحاكي منحنيات التحويل منحدر جبل إيفرست الرقمي.
في الاجتماع الربع سنوي، يبدو أن كل شيء يسير على ما يرام. يحتفل التسويق بعائد النفقات الإعلانية القياسي. تفتخر المبيعات بنمو مزدوج الرقم. يلاحظ الرئيس التنفيذي سلسلة من الرسوم البيانية الصاعدة. ثم يتدخل المدير المالي قائلاً: “إذا كان كل شيء يسير على ما يرام، لماذا نجني أموالاً أقل؟” لبضع ثوان، يخيم الصمت على الغرفة.
لعقود من الزمن، عانت الشركات من نقص البيانات. واليوم، بدأوا يعانون من السبب المعاكس: فهم يمتلكون الكثير من المؤشرات لدرجة أنهم نسوا كيفية التمييز بين المؤشرات التي تمثل النشاط وتلك التي تمثل خلق القيمة الحقيقية. الذكاء الاصطناعي لا يصحح هذا الخطأ. إنه يضخم ذلك.
بينما يحتفل قسم التسويق بنجاح أحدث حملة تلقائية باستخدام الذكاء الاصطناعي (AI) و خوارزميات عروض الأسعار الذكية، يلاحظ المدير المالي حقيقة مثيرة للقلق في البيانات المالية: يتزايد إجمالي الإيرادات، لكن هامش الربح الصافي يتقلص.
كيف يمكن لآلة التحسين المثالي أن تؤدي إلى تآكل الربحية العميقة للشركة؟ لا تكمن الإجابة في فشل التكنولوجيا، بل في أمراض التصميم: لقد قمنا بتدريب الآلات على متابعة الحجم، وجعلناها عمياء عن القيمة. لا تميز معظم الخوارزميات بين البيع الممتاز والبيع المتواضع. إنهم يميزون فقط ما قرر البشر قياسه.
### فخ الكفاءة العمياء: “تأثير المقصورة”
لفهم جذر المشكلة، من الضروري تفكيك أسطورة الاستقلالية الخوارزمية. لا يمتلك نموذج التعلم الآلي حدسًا استراتيجيًا، كما أنه لا يفهم مدى بقاء الشركة على المدى الطويل؛ إنه مُحسِّن رياضي لا هوادة فيه للإشارة التي يتلقاها.
إذا كانت التعليمات المشفرة في النظام هي “تعظيم التحويلات”، فسيقوم الذكاء الاصطناعي بتنفيذ هذا الأمر بكفاءة هائلة. سوف يبحث عن الشقوق الأقل مقاومة في السوق. سيجد المستخدم الأكثر ميلًا للشراء في أقصر وقت ممكن. ومع ذلك، عادةً ما يتزامن أقصر طريق للتحويل مع العميل الأقل ربحية: العميل الذي يتم تنشيطه فقط من خلال خصم ضمني، أو عرض قوي، أو المنتج الأقل هامشًا.
العميل الذي يشتري مرة واحدة بخصم كبير، ويطالب بالشحن المجاني، ولا يعود أبدًا، قد يبدو وكأنه نجاح للخوارزمية. بالنسبة إلى الميزانية العمومية المالية، يمكن أن يمثل ذلك خسارة صافية للقيمة.
تحيز الحجم: من خلال تغذية الذكاء الاصطناعي حصريًا ببيانات الفوترة الإجمالية، يفترض النظام أن إيرادات بقيمة 1000 يورو قادمة من عميل منخفض الولاء وتكلفة تشغيل عالية تعادل إيرادات بقيمة 1000 يورو من عميل متميز محلي. تتقارب الخوارزمية تدريجيًا نحو مصادر التحويل الأسهل والأكثر وفرة للحفاظ على مؤشرات الأداء الرئيسية الخاصة بها في المنطقة الخضراء.
والنتيجة هي “تأثير المقصورة”: امتلاء الشركة بالنشاط التجاري، وتناوب المخزونات، وتشغيل المصانع أو البنى التحتية بكامل طاقتها، لكن الفائدة الحقيقية تذوب في تكاليف الاحتكاك الخفية التي لا تستطيع لوحة المعلومات التجارية تسجيلها.
الطلاق المتري: لماذا تكذب لوحات المعلومات على المدير المالي
لم تأت الأتمتة لحل الصوامع التنظيمية؛ لقد منحتهم المنشطات. تقليديًا، تتحدث أقسام التسويق والمالية بلغات غير متوافقة:
[مقاييس التسويق] —-> عائد النفقات الإعلانية / تكلفة الاكتساب / نسبة النقر إلى الظهور / إجمالي التحويلات
مقابل.
[مقاييس التمويل] —-> صافي المساهمة / هامش الأرباح قبل الفوائد والضرائب والإهلاك والاستهلاك / القيمة الدائمة الحقيقية
عندما يتم إدخال الذكاء الاصطناعي في هذا السيناريو دون توحيد مسبق للمعايير، يتم تضخيم انقطاع الاتصال بشكل كبير. تعمل خوارزمية عروض الأسعار لمنصات مثل إعلانات Google أو Meta في عالم موازٍ لعالم المحاسبة التحليلية للشركة.
نادرا ما تكون المشكلة تكنولوجية. يتعلق الأمر بالمحاسبة. تعرف المنصة جيدًا تكلفة الحصول على عملية بيع؛ ما لا تعرفه هو مقدار الربح الذي يتركه البيع بعد أشهر. تظل هذه المعلومات محصورة داخل الأنظمة الداخلية للشركة.
الخطر الحقيقي ليس في ذكاء الذكاء الاصطناعي المفرط، بل في تدريبه على التركيز على الكم، ما يجعله بارعًا بلا هوادة في تدمير القيمة.
المتغيرات الوهمية الأربعة التي يتجاهلها الذكاء الاصطناعي
إذا لم يتلقَ نظام الذكاء الاصطناعي سوى إشارة “قيمة المعاملة”، فإن تحسينه يُدمر القيمة عبر أربعة مسارات:
تآكل مرونة السعر: يكتشف الذكاء الاصطناعي أن خفض حاجز الدخول بشكل طفيف أو إعطاء الأولوية للشرائح الحساسة للسعر يُسرّع عملية التحويل. يتعلم النظام أن السعر الأمثل للتحويل هو أقل سعر مقبول، مما يُدمر قيمة العلامة التجارية.
تكاليف الاستحواذ: تُصبح الخوارزمية خبيرة في استهداف المستخدمين الذين لديهم بالفعل نية شراء ناضجة، مُستحوذةً على الفضل (وتكلفة الاستحواذ) لعملية بيع كانت ستحدث بشكل طبيعي بالسعر الكامل. لا يزال عدم دقة تحديد المصدر أحد أكبر تحديات التسويق الرقمي الحديث. في كثير من الحالات، يُنسب الفضل للخوارزمية في مبيعات كان من الممكن أن تحدث بشكل طبيعي، مما يُبالغ في تقدير مساهمتها الحقيقية في النمو.
التزامات الخدمة المؤجلة: قد تُؤدي عملية بيع كبيرة الحجم إلى ارتفاع معدل الإرجاع بشكل ملحوظ، أو ضغط غير مستدام على خدمة العملاء، أو تكاليف لوجستية عكسية تُبدد هامش الربح. بالنسبة للوحة تحكم التسويق، كانت عملية البيع نجاحًا باهرًا؛ أما بالنسبة للميزانية العمومية، فهي التزام.
تكلفة الفرصة البديلة للعميل غير المناسب: عندما تكون القدرة التشغيلية محدودة، فإن استقطاب عملاء ذوي قيمة منخفضة قد يحول دون خدمة عملاء أكثر ربحية. تُسجل الخوارزمية عملية بيع إضافية؛ وتخسر الشركة فرصة استراتيجية.
من “زيادة الكمية” إلى “زيادة القيمة”: إعادة هندسة الإشارات
لا يكمن حل هذا النزيف الصامت في إيقاف الخوارزميات – وهو انتحار تنافسي في عصر التجارة التنبؤية – بل في تغيير جذري لمضمون العبارات التي نخاطبها بها. يتطلب الانتقال من هيمنة الكمية إلى إدارة القيمة ثلاث خطوات استراتيجية:
إدخال هامش الربح الديناميكي في إشارة التحويل
يجب على الشركات التوقف عن إرسال القيمة الإجمالية للمبيعات إلى وحدات التتبع. فإذا حقق منتج بقيمة 100 يورو هامش ربح 10 يورو، وحقق منتج بقيمة 80 يورو هامش ربح 40 يورو، يجب أن تُعطي الإشارة المُرسلة إلى الذكاء الاصطناعي وزنًا إيجابيًا للمنتج الأخير. تسمح أدوات مثل قواعد قيمة التحويل المتقدمة بتعديل أهداف الخوارزمية بناءً على متغيرات العمل الحقيقية: صافي هامش الربح لكل فئة، أو المخزون الحرج، أو القيمة الدائمة للعميل (LTV).
تدقيق الارتباط العكسي باستخدام نماذج اللغة (LLMs)
لطالما مثّل عدم القدرة على الربط بين بيانات الاستثمار في الوقت الفعلي وتغيرات متوسط المعدل أو هامش الربح لكل شريحة أحد أكبر التحديات التاريخية. يمكن للذكاء الاصطناعي التوليدي تسريع هذا التحليل بشكل ملحوظ بمجرد هيكلة البيانات والتحقق من صحتها مسبقًا، مما يحل هذه المعضلة التحليلية في دقائق.
من خلال تصدير سلاسل زمنية للإنفاق العام ومقارنتها عبر نماذج لغوية متقدمة مع تطور هامش الربح الصافي للوحدة، تستطيع لجان التوجيه تحديد الحالات الشاذة الحرجة فورًا: فإذا انخفض هامش الربح للوحدة خلال أسابيع ذروة الاستثمار الخوارزمي، فإن التكنولوجيا تعمل على تحسين الأداء بما يتعارض مع مصالح الشركة.
وضع “سقف استحواذ” موحد
يجب أن تخضع إدارتا التسويق والمالية لمؤشر واحد مشترك: هامش المساهمة بعد الاستحواذ (PACM). هذا يعني خصم تكلفة وسيلة الإعلان، بالإضافة إلى تكلفة التوزيع والحوافز غير المرئية (الشحن المجاني، والهدايا، وتمديد الضمان المجاني) المستخدمة لإتمام عملية البيع، من قيمة المبيعات. لا ينبغي لأي حملة أن تُحسّن نفسها تلقائيًا إذا انخفض مؤشر الربحية المعدل حسب المخاطر (PACM) عن عتبة استراتيجية محددة مسبقًا.
ما تفعله الشركات الأكثر ربحية بشكل مختلف
تتوقف المؤسسات الأكثر تقدمًا عن تحسين الحملات بناءً على حجم المبيعات، وتبدأ في تحسينها بناءً على الربحية المعدلة حسب المخاطر. فهي تُدمج البيانات المالية والتشغيلية والتجارية في طبقة قرار واحدة. بالنسبة لهذه الشركات، لا تُقاس قيمة البيع بما يُدفع اليوم، بل بـ القيمة الاقتصادية الإجمالية التي تُحققها خلال كامل العلاقة مع العميل.
المخاطرة التكنولوجية الحقيقية
لا يكمن الخطر الحقيقي للثورة التحليلية الحالية في نقص التكنولوجيا أو ندرة البيانات، بل في السعي وراء المتغير الخاطئ بفضل وفرة التكنولوجيا.
إن التضحية المتعمدة بالهامش قصير الأجل للحصول على حصة في السوق، أو خنق منافس، أو تسريع اختراق خط عمل جديد هو قرار استراتيجي محترم. ومع ذلك، فإن تدمير الهامش بشكل لا إرادي لمجرد أن خوارزمية التحسين فسرت صمت الإدارة المالية على أنه أمر لإعطاء الأولوية للحجم هو أحد أعراض الإهمال التشغيلي.
إن تاريخ الأعمال مليء بالمؤسسات التي فشلت من خلال القيام بالضبط بما طلبت منه مقاييسها القيام به. لم تكن المشكلة أبدًا في الانضباط في التنفيذ؛ لقد كان اختيار المؤشر.
الآلات مطيعة بشكل غير عادي. سوف يحققون أهداف التحويل الخاصة بهم حرفيًا، حتى لو كان ذلك يعني توجيه الشركة سلميًا نحو إفلاس مثالي من الناحية الفنية، مع توهج جميع المخططات الموجودة على لوحة القيادة التجارية باللون الأخضر الفلوري الذي لا تشوبه شائبة. ولحسن الحظ فإن مسؤولية تحديد ما يعتبر نجاحا تظل، لحسن الحظ، سمة إنسانية بحتة.
#الذكاء_الاصطناعي #التعلم_الآلي #التحول_الرقمي #التسويق_الرقمي #الاقتصاد_الرقمي #HoyLunes #إيهاب_سلطان
