ثلاثة نماذج AI بدلًا من جداول BI: كيف تحلل ربحية المنتجات على Ozon
بائعو التجارة الإلكترونية: المنتج يتصدر من حيث حجم المبيعات، لكن لا توجد أموال. السبب هو العمى المالي. تحلل SKUmind ربح كل منتج على Ozon عبر ثلاثة نماذج AI من م
يرى البائع على منصة Ozon أن منتجه في الأعلى: المبيعات تتزايد، الكتالوج حي. لكن في نهاية الشهر، لا يأتي المال بطريقة ما. ليس لأنه لا توجد مبيعات على الإطلاق، بل لأنه غير واضح أين ذهب بعد عمولات السوق والعائدات ومصاريف الإعلانات.
لماذا جداول BI لا تحل المشكلة
هذه مشكلة كل بائع تجارة إلكترونية تقريباً مع كتالوج كبير. لـ 500–2000 عنصر منتج، حساب P&L الكامل يدويًا هو ساعات في الأسبوع، وفي معظم الحالات، لا أحد يفعل ذلك ببساطة. يتم تقييم المنتج حسب مقياس المبيعات، لكن بالهامش الحقيقي قد يكون في الخسارة لسنوات، تماماً بدون ملاحظة. أدوات التحليل موجودة في السوق منذ وقت طويل. لكن تقريباً جميعها تعرض ببساطة الكثير من الأرقام في الجداول بطريقة جميلة. هناك الكثير من المعلومات، لكن لا توجد إجابة على السؤال الرئيسي: ماذا أفعل بهذا الآن؟ الأنظمة الكلاسيكية للـ BI تعمل بقواعد صارمة وإعدادات محددة مسبقاً. إنها ليست مرنة، لا تنظر إلى سياق منتج معين، لا تعطي نصائح.
مجلس من ثلاثة نماذج ذكاء اصطناعي
تحل SKUmind هذا ليس بنموذج واحد، بل بمجلس من ثلاثة نماذج مختلفة. توجد نماذج ذكاء اصطناعي مختلفة في السوق: Claude و GPT وغيرها. كل منها مدرب بطريقة مختلفة وينظر إلى المهمة من خلال عدسات مختلفة. الفكرة بسيطة: أعط نفس البيانات للثلاثة، وسيعبر كل واحد عن رأي مستقل. ثم محكم خاص—أيضاً ذكاء اصطناعي—ينظر إلى حيث تتفق الآراء، حيث تختلف، ويختار الاستنتاج الأكثر موثوقية.
لماذا بالضبط ثلاثة؟ لأن نموذج واحد قد يبدأ في الهلوسة ويختلق حقائق. قد يكون الثاني متحفظاً جداً ويرى مخاطر لا توجد في الواقع. قد يفتقد الثالث تفصيلة مهمة. عندما يكون هناك عدة، كل واحد يفحص الآخر ويجد أخطاء. إنه مثل عندما تجتمع عيادة صحية على مجلس طبي—طبيب واحد يرى شيئاً واحداً، طبيب ثانٍ يرى شيئاً آخر، طبيب ثالث يلاحظ ما فاته الاثنان الأولان. في النهاية، التشخيص يكون أكثر موثوقية من عندما ينظر إليه شخص واحد.
كل واحد من النماذج الثلاثة يحلل لكل منتج:
- الهامش الحقيقي بعد جميع عمولات السوق والعائدات
- فعالية كل روبل تم إنفاقه على الإعلانات
- إمكانية السعر: ما إذا كانت الأسعار مبالغ فيها أو مقللة
- الاتجاهات الموسمية وتقلب الطلب عبر الزمن
- توصيات محددة حول ما يجب تغييره بشكل عاجل
التنفيذ: API ومراجعة طويلة للكود
تحت الغطاء، أثبت كل شيء أنه أعقد بكثير مما بدا في البداية. Ozon لا تنشر جميع المقاييس والأرقام المطلوبة من خلال API الرسمي. اضطررنا إلى استعادة المنطق يدويًا من خلال تحليل حركة المرور في الطلبات. ساعد حقيقة أننا استطعنا تشغيل جلستي Claude بالتوازي وإعطاؤهما مهمة تحليل نفس المشكلة من زوايا مختلفة، ثم مقارنة النتائج. بعد أن تجمعت منطق التطبيق أخيراً، بدأ الجزء الأطول والأكثر ملاً: مراجعة الكود. لأن هذا النظام يؤثر مباشرة على القرارات المالية للناس، كل سطر، كل خوارزمية يجب أن تُفحص بشكل نقدي. الآن مراجعة الكود تستغرق 60–70% من كل وقت التطوير. عملية طويلة ومرهقة، لكنها مبررة تماماً عندما يتعلق الأمر بأموال الآخرين.
ما الذي يتغير في الصناعة
الذكاء الاصطناعي يخرج من فئة التجارب إلى فئة أدوات القتال للعمل. جداول BI الثابتة على القواعد المحددة مسبقاً الصارمة—هذا بالأمس. يتم استبدالها بنماذج يمكنها التفكير بمرونة، مثل البشر. بالنسبة للتجارة الإلكترونية، هذا يعني: الشفافية المالية لم تعد ترفاهية للمتخصصين، تصبح معياراً في متناول أي بائع لديه كتالوج كبير.