بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

بحث «Мир Квестов» يفهم النص الحي: 37% من عمليات البحث تصل إلى بطاقة الكويست

يكتب زائر «Мир Квестов» عبارة «شيء مخيف قليلًا لشخصين»، لكن الكتالوج لا يضم فئة كهذه، ولذلك لم يكن البحث يفهمه. الآن تحوّل ستة مصنّفات LLM هذه العبارة إلى مرشّحات: مستوى رعب 2–3 ولاعبان اثنان. نتيجة ذلك، تنتهي 37% من عمليات البحث بفتح بطاقة الكويست، و52% أخرى بتعديل المرشّحات، فيما تبقى 11% فقط بلا أي إجراء. وإذا لم يكن لديكم سجل مستخدمين، فاستطلاع المشترين وLLM يكفيان.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
بحث «Мир Квестов» يفهم النص الحي: 37% من عمليات البحث تصل إلى بطاقة الكويست
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
استبيان بعد الحجز10–12 سؤالًا، و20–30 ألف إجابة سنويًا
حقيقة رئيسية #2شجرة بعمق 6 اختزلت 120 خانة اختيار إلى 3–5 نقرات، بدقة 76%
حقيقة رئيسية #365% من الزوار غير مسجّلي الدخول، ولا يوجد لديهم سجل تصفح

تخيّلوا أن زائر موقع يضم ثلاثة آلاف كويست يكتب في شريط البحث: «شيء مخيف قليلًا لشخصين». لا توجد في الكتالوج فئة بهذا الاسم؛ فيه مستويات رعب من 0 إلى 3، وعدد اللاعبين، والصيغة، والموضوع. أما البحث الذي يعتمد على الكلمات الدقيقة، فسيعيد نتائج فارغة أو عشوائية، ويغادر الزائر دون أن يحجز. هذه المشكلة بالذات عالجها مجمّع «Мир Квестов» (7,5 مليون زائر سنويًا): ستة نماذج لغوية تعمل بوضع التصنيف (مصنّفات LLM) تحوّل العبارة الحيّة إلى مرشّحات في الكتالوج. وبذلك تنتهي 37% من عمليات البحث بفتح الزائر بطاقة الكويست، و52% بتعديله المرشّحات ومراجعة النتائج من جديد، و11% فقط لا تنتهي بأيٍّ من الأمرين. وتفيد هذه التجربة مطوّري الكتالوجات المتخصصة، لأنها تُظهر كيف يمكن الاستغناء عن سجلات المستخدمين الضخمة.

المشكلة: لا مستخدم نوصي له ولا بيانات نوصي بها

سوق الكويستات ناضج، والطلب ثابت وفق بيانات Wordstat، ولذلك فإن المجال الرئيس للنمو هو مساعدة الزائر الذي وصل فعلًا على العثور على الكويست المناسب له. لكن 65% من الزوار غير مسجّلي الدخول، ولا يوجد لديهم سجل تصفح، بينما تقدّم أنظمة التوصية الكلاسيكية نصائحها استنادًا إلى هذا السجل تحديدًا. وكانت النتائج الافتراضية تعرض للجميع الأكثر رواجًا، أي كويستات الرعب والعروض التفاعلية. ولم يكن ذلك مناسبًا لمن يريد مغامرة أو لغزًا بوليسيًا؛ وبحسب تقدير الكاتب، يمثّل هؤلاء 11–17% من الزوار.

وبدلًا من السجل، سأل الفريق المشترين أنفسهم. فبعد الحجز يُعرض استبيان من 10–12 سؤالًا عن الأنواع والديكورات ومستوى الرعب والصعوبة، وعمّن يرافق الشخص في الزيارة وبأي مناسبة. ويجمع الاستبيان خلال سنة 20–30 ألف إجابة، وكل إجابة مرتبطة بالكويست الذي حُجز. والنتيجة مجموعة بيانات موسومة: تفضيلات على جانب، واختيار فعلي على الجانب الآخر.

الإصدار 1: 120 خانة اختيار تتحول إلى ثلاث نقرات

يضم الاستبيان نحو 120 خيار إجابة، ولن يضع أحد علامة على كلها في الموقع. لذلك اختُزلت الأسئلة في ثلاث خطوات. جرى ترميز الإجابات بوصفها سمات بقيمة 0 أو 1، ثم جُمعت الكويستات بطريقة k-means في فئات بحسب متوسط ملف المشترين لكل كويست. بعد ذلك دُرّبت شجرة قرار بعمق 6 على تخمين فئة الكويست من أقل عدد ممكن من الإجابات.

تظهر هذه الشجرة في الموقع على شكل أزرار اقتراحات تحت شريط البحث. ينقر الزائر على «غير مخيف» و«للأطفال» و«كائنات سحرية»، فتتكوّن العبارة تلقائيًا في الشريط: «كويست غير مخيف للأطفال عن الكائنات السحرية بنوع الأكشن لـ4 أشخاص». دقة الشجرة 76% (نسبة التنبؤات الصحيحة)، والاسترجاع 65% (كم من الفئات الصحيحة يعثر عليها النموذج)، ومقياس F1 يبلغ 67% (المتوسط بينهما). تكفي ثلاث نقرات للتوصية، بينما ينقر الناس عادةً 4–5 مرات.

وظهر العيب سريعًا: الفئات من وضع مختصين، والزائر ليس ملزمًا بأن يميّز بين التشويق (سوسبنس) والإثارة (ثريلر) والرعب (هورور). فمن نقر على الاقتراحات حصل على توصية، ومن كتب نصًا لم يحصل عليها.

الإصدار 2: ستة مصنّفات تحلل النص أثناء الكتابة

عندها أُضيفت ستة مصنّفات LLM، واحد لكل معيار: درجة الرعب (0–3)، والصعوبة، وعدد اللاعبين، والحد الأدنى للعمر، والصيغة، والموضوع. يُرسل الطلب إلى النماذج أثناء كتابة الزائر. فعبارة «مخيف لشخصين» تتحوّل إلى مستوى رعب 2–3 ولاعبين اثنين، وتبقى بقية الحقول فارغة.

ويحدث بعد ذلك أمران. تنتقل شجرة الاقتراحات من تلقاء نفسها إلى فرع «مخيف أو رعب»، فيرى الزائر أن طلبه قد فُهم. وتصبح الكلمات التي جرى التعرف عليها مرشّحات دقيقة، ولا يُرسل إلى البحث النصي سوى الباقي، مثل اسم الكويست. والإدخال هجين: يمكن النقر على شريحة (chip) «غموض» ثم إضافة «لشخصين»، أو البدء بالنص ثم التدقيق بالنقرات. وتُمحى الشريحة بنقرة واحدة، أما النص فيُمحى حرفًا حرفًا.

المقاييس وكيف تُقرأ

اعتُبر النجاح فتح بطاقة الكويست بعد البحث، واعتُبرت إعادة الصياغة تغيير المرشّحات دون فتح البطاقة. وأي توقف يتجاوز 30 دقيقة يبدأ جلسة جديدة. وإعادة الصياغة ليست بالضرورة إخفاقًا: فقد اطّلع الزائر على النتائج ويضبط طلبه. وهذه مقاييس منتج، وليست معدل تحويل إلى حجز.

وللمقارنة، يورد الكاتب بيانات مفتوحة: ففي دراسات Yandex للفترة 2009–2014 احتوت 42–49% من الجلسات على طلب مكرّر، وفي eBay تدخل أكثر من نصف الطلبات في سلاسل إعادة صياغة (Hirsch وآخرون، SIGIR 2020). وتحتسب المصادر الأرقام بطرق مختلفة (عمليات بحث أو جلسات أو طلبات)، لذلك يمكن مقارنة رتبة الأرقام فقط، لا النسب المئوية الدقيقة. ومن حيث رتبة الأرقام، يقع «Мир Квестов» في المجال نفسه الذي تقع فيه عمليات البحث الكبيرة.

وتوجد أساليب مشابهة لدى العمالقة أيضًا. فقد أضافت Pinterest عام 2014 تحسينات قابلة للنقر، وحصلت على عدد عمليات بحث للشخص الواحد أكبر بنسبة 25%. وتعالج Instacart عام 2025 الطلبات المتكررة من الذاكرة المؤقتة (cache)، والنادرة بنموذج Llama 3 8B مُدرَّب إضافيًا في نحو 300 مللي ثانية؛ وانخفض عدد الشكاوى من سوء النتائج إلى النصف. وسدّت Airbnb عام 2026 مشكلة البداية الباردة بنحو 500 استطلاع للمستخدمين وطلبات اصطناعية من LLM. والفرق في البيانات: لدى عمالقة التقنية ملايين المنتجات والسجلات، أما الكتالوج المتخصص فلديه القليل منها، ولذلك سُلك هنا طريق الاستطلاع وشجرة القرار.

ما الذي يمكن اعتماده في العمل

إذا لم تكن لديكم بيانات عن المستخدمين، فاسألوا من اشترى بالفعل: الاستطلاع يمنحكم مجموعة بيانات موسومة. ويمكن اختزال الاستبيان الطويل بشجرة قرار: فقد تحوّلت 120 خانة اختيار إلى 3–5 نقرات. ولا تُجبروا العملاء على التفكير بلغة فئاتكم: دعوهم يكتبون كما يشاؤون، وستحوّل المصنّفات النص إلى مرشّحات. ويعمل البحث الهجين على mir-kvestov.ru.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول المشكلة: لا مستخدم نوصي له ولا بيانات نوصي بها؟

سوق الكويستات ناضج، والطلب ثابت وفق بيانات Wordstat، ولذلك فإن المجال الرئيس للنمو هو مساعدة الزائر الذي وصل فعلًا على العثور على الكويست المناسب له. لكن 65% من الزوار غير مسجّلي الدخول، ولا يوجد لديهم سجل تصفح، بينما تقدّم أنظمة التوصية الكلاسيكية نصائحها استنادًا إلى هذا السجل تحديدًا. وكانت النتائج الافتراضية تعرض للجميع الأكثر رواجًا، أي كويستات الرعب والعروض التفاعلية. ولم يكن ذلك مناسبًا لمن يريد مغامرة أو لغزًا بوليسيًا؛ وبحسب تقدير الكاتب، يمثّل هؤلاء 11–17% من الزوار.

ما أبرز التفاصيل حول الإصدار 1: 120 خانة اختيار تتحول إلى ثلاث نقرات؟

يضم الاستبيان نحو 120 خيار إجابة، ولن يضع أحد علامة على كلها في الموقع. لذلك اختُزلت الأسئلة في ثلاث خطوات. جرى ترميز الإجابات بوصفها سمات بقيمة 0 أو 1، ثم جُمعت الكويستات بطريقة k-means في فئات بحسب متوسط ملف المشترين لكل كويست. بعد ذلك دُرّبت شجرة قرار بعمق 6 على تخمين فئة الكويست من أقل عدد ممكن من الإجابات. تظهر هذه الشجرة في الموقع على شكل أزرار اقتراحات تحت شريط البحث.

ما أبرز التفاصيل حول الإصدار 2: ستة مصنّفات تحلل النص أثناء الكتابة؟

عندها أُضيفت ستة مصنّفات LLM، واحد لكل معيار: درجة الرعب (0–3)، والصعوبة، وعدد اللاعبين، والحد الأدنى للعمر، والصيغة، والموضوع. يُرسل الطلب إلى النماذج أثناء كتابة الزائر. فعبارة «مخيف لشخصين» تتحوّل إلى مستوى رعب 2–3 ولاعبين اثنين، وتبقى بقية الحقول فارغة. ويحدث بعد ذلك أمران. تنتقل شجرة الاقتراحات من تلقاء نفسها إلى فرع «مخيف أو رعب»، فيرى الزائر أن طلبه قد فُهم. وتصبح الكلمات التي جرى التعرف عليها مرشّحات دقيقة، ولا يُرسل إلى البحث النصي سوى الباقي، مثل اسم الكويست.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…