شهد الذكاء الاصطناعي تطورًا كبيرًا في السنوات الأخيرة، مما جعله عنصرًا أساسيًا وشريكًا فعّالًا في تطوير المشاريع بمختلف تخصصاتها. فلم يعد دوره مقتصرًا على البحث عن المعلومات والإجابة عن أسئلة المستخدمين فقط، بل أصبح قادرًا على تحليل البيانات وتوليد التقارير التي تساهم في تحسين وتطوير الأنشطة التجارية، من خلال تحليل المبيعات وتحسين تجربة المستخدم وغيرها من الجوانب المهمة.
في هذا المقال، سأشارك معكم تجربتي العملية لتحليل بيانات متجري بالكامل باستخدام الذكاء الاصطناعي، مع التركيز على النتائج التي توصلت إليها، حيث اكتشفت آفاقًا جديدة ساعدتني على فهم أداء المبيعات، وتحديد نقاط القوة والضعف، وإدارة المخزون بكفاءة خصوصًا خلال فترات المبيعات الموسمية. كما ساعدني التحليل في التعرف على المشكلات بناءً على تقييمات العملاء مما مكّنني من تحسين خطط متجري بناءًا عليها.
1- تصدير تقارير متجري من ووكومرس
يمتاز ووكومرس بنظام تقارير متكامل يشمل المبيعات، الأرباح، المخزون، كوبونات الخصم وغيرها، فاعتمدت عليه لإعداد التقارير المطلوبة وتصديرها لتحليلها، لكن من الضروري ضبط إعدادات التقارير أولًا لضمان دقة البيانات، للقيام بذلك، انتقل إلى لوحة تحكم ووردبريس الرئيسية، ثم اختر التحليلات>> الإعدادات.
بعد ذلك، حدد حالات الطلبات التي تريد استبعادها من التقارير مثل الطلبات في انتظار الدفع، الطلبات الملغاة، الطلبات الفاشلة، كذلك حدد الطلبات القابلة للتنفيذ مثل الطلبات قيد التنفيذ أو الطلبات قيد الإنتظار كما هو موضح في الصورة التالية:
ثم انزل إلى قسم استيراد البيانات التاريخية، وحدد فترة استيراد التقارير المطلوبة لمدة عام واحد على سبيل المثال، حيث يمكنك تخصيص تلك الفترة بشكل منفصل في أقسام التقارير بعد ذلك. ثم اضغط على زر "بدء" للبدء في عملية الاستيراد.
الآن، تستطيع تصدير بيانات متجرك بالكامل على شكل ملف CSV بشكل منظم ودقيق. على سبيل المثال يمكن تصدير تقرير المنتجات عبر الانتقال إلى التحليلات >> المنتجات، ثم اضغط على خيار نطاق التاريخ، وحدد الفترة الزمنية المطلوبة.
ثم مرر للأسفل لتصل إلى قسم المنتجات، فتجد تقارير مفصلة لكل المنتجات يوضح إجمالي العناصر المباعة، صافي المبيعات، عدد الطلبات، والمخزون. يمكنك تصدير هذا التقرير بالضغط على زر "تنزيل" كما هو موضح في الصورة التالية:
يبدأ ووكومرس في تجهيز التقرير تلقائيًا وتنزيله بصيغة CSV، يمكنك فتحه باستخدام برنامج Excel على جهازك كما هو موضح في الصورة التالية:
بنفس الطريقة، يمكنك تجهيز تقارير المتجر الأخرى، مثل الطلبات أو المخزون وغيرها. لكي نبدأ في الخطوة التالية وهي تحليل هذه التقارير باستخدام الذكاء الاصطناعي، حيث توجد أدوات ذكاء اصطناعي كثيرة يمكن الاعتماد عليها في تحليل البيانات وتسمح بإرفاق الملفات بصيغة CSV، لكني اعتمدت على أداة ChatGPT الغنية عن التعريف، يمكنك استخدام أدوات أخرى مثل Deepseek أو غيرها.
2- تحليل بيانات المبيعات
رفعت ملف CSV الخاص بالمنتجات ضمن محادثة جديدة في ChatGPT، ثم وضحت له محتويات الملف بشكل دقيق حتى يتعامل مع البيانات بشكل صحيح، كذلك وضحت له المخرجات المطلوبة مثل تحديد أنماط المبيعات، تحديد أفضل المنتجات، تحليل المنتجات ضعيفة، تصنيف المبيعات، وتقديم رؤى وتوصيات لتحسين التسويق وزيادة الإيرادات.
وسرعان ما أظهر لي تحليل مفصل عن المبيعات؛ فحدد أولًا أفضل المنتجات مبيعًا بناءًا على عدد الطلبات وصافي المبيعات كما هو موضح في الصورة التالية:
ثم كشف المنتجات ضعيفة الأداء؛ لاحظت أن أحد هذه المنتجات يستهلك ميزانية كبيرة في التسويق، ورغم ذلك لم يحقق سوى 3 طلبات فقط.
كما أظهر التحليل الفئات الأكثر مبيعًا؛ حيث لاحظت أن السماعات تحقق صافي مبيعات أعلى مقارنةً بأجهزة اللابتوب، رغم أن الجزء الأكبر من ميزانية المتجر مخصص لشراء أجهزة اللابتوب. دفعني ذلك إلى إعادة النظر في توزيع الميزانية بين الفئات المختلفة لضمان تحقيق أقصى استفادة منها.
في القسم الرابع عرض ChatGPT الأرقام السابقة على شكل رسوم بيانية، حتى تكون المقارنة أوضح من الأرقام المكتوبة:
ولم يكتفي بالتحليل وإنما قدم لي توصيات لتحسين الإيرادات وزيادة المبيعات. لاحظت أن بعض التوصيات عامة مثل استخدام كوبونات خصم أو عروض ترويجية أو تعديل استراتيجية التسويق وما إلى ذلك، لكن كان هناك توصيات هامة ومحددة جدًا، مثل التوصية بمراجعة تسعير منتج "راوتر TP-Link" رغم أنه من الأكثر مبيعًا على متجري لكن صافي مبيعاته ضعيف، ونفس الأمر ينطبق على المنتجات ذات الطلب المنخفض لكن صافي مبيعاتها مرتفع. بالإضافة توصيات أخرى جيدة مثل وضع المنتجات الموجودة بكثرة في المخزون وذات طلب منخفض في واجهة المتجر.
2- تحليل أداء المتجر في فترة الخصومات
صدرت تقارير المبيعات خلال فترة الخصومات، وخلال فترة المبيعات الطبيعية، ثم رفعت التقارير وطلبت من ChatGPT تحليل هامش الربح لكل منتج ومقارنته بين الفترتين، وتحديد المنتجات الأكثر استفادة من الخصومات بالنسبة لمعدل المبيعات وهامش الربح، ثم مقارنة صافي المبيعات في الحالتين، وأخيرًا تقديم توصيات لاستخدام الخصومات في المتجر.
وضح لي ChatGPT مباشرة أن هامش الربح انخفض في فترة الخصومات بالرغم من زيادة عدد الطلبات. ثم عرض نتائج المنتجات الأكثر استفادة من الخصومات، حيث وجدت أن هناك منتجات زاد الطلب عليها بنسبة تجاوز 14% كما هو موضح في الصورة التالية:
في القسمين الثالث والرابع، قارن الإيرادات والأرباح بين فترتي الخصومات والمبيعات الطبيعية، فلاحظت أن إجمالي عدد الطلبات ارتفع بنسبة 10.3%، إلا أن صافي المبيعات انخفض بنسبة 12.3%، وهذا يعني أن استراتيجية تخفيض الأسعار بخصومات لزيادة المبيعات وتعويض فرق هامش الربح لم تكن فعالة على متجري
القسم الخامس تضمن توصيات، كان بعضها جيد مثل إعادة التفكير في تطبيق الخصومات على المنتجات وإعادة تقييم نسبة الخصم، أو البحث عن بدائل تسويقية أخرى.
3- إدارة المخزون
الخطوة التالية، هي دراسة المخزون، من خلال تحديد المنتجات القريبة من النفاد، والمنتجات الراكدة ذات المخزون الكبير والمبيعات المنخفضة. بنفس الطريقة السابقة طلبت من ChatGPT تقديم تحليل وتوصيات لتحسين إدارة المخزون بناءً على أنماط المبيعات. فقدم لي تحليلًا لحالة المخزون، حيث استعرض المنتجات التي أوشكت على النفاد أو غير المتوفرة حاليًا في المخزون، مما ساعدني على اتخاذ قرارات سريعة لإعادة الطلب وتجنب فقدان المبيعات. كما هو موضح في الصورة التالية
ثم حلل المنتجات الراكدة في المخزون والتي تسجل معدل طلب منخفض، مع تقديم توصيات فعالة لتصريف هذه المنتجات، مثل إدراجها ضمن عروض مجمعة مع منتجات ذات طلب مرتفع، أو تقديم خصومات وعروض ترويجية خاصة عليها لزيادة معدل بيعها.
استعرض القسم الأخير توقعات المخزون بناءً على أنماط المبيعات، حيث قدم توصيات لزيادة تخزين المنتجات ذات الطلب المرتفع، مثل إضافة 40 وحدة من "سماعة أمازون إيكو" و60 وحدة من "لابتوب ماك بوك" للمخزون نظرًا للإقبال الكبير عليها.
4- تحليل بيانات العملاء
بهدف تحسين الحملات التسويقية واستهداف العملاء، استخرجت بيانات العملاء من المتجر، ثم طلبت من ChatGPT تحليل الديموغرافية وتصنيف العملاء إلى فئات وفقًا لسلوكهم الشرائي، بالإضافة إلى نصائح تسويقية لاستهداف العملاء بشكل أفضل.
كشف التحليل الديموغرافي لموقع العملاء عن المدن الأعلى كثافة بالعملاء، مثل الرياض، جدة، ومكة، والمدن الأقل كثافة، مثل تبوك وجازان.
ثم صنف العملاء إلى 3 فئات متدرجة بناءًا على إجمالي المدفوعات والسلوك الشرائي
ثم أعطى توصيات تسويقية للتعامل الصحيح مع فئات العملاء بناءًا على التقسيم السابق، مثل تقديم خصومات ترحيبية للعملاء الجدد، وإنشاء عروض خاصة مبنية على نظام المكافأة للعملاء المتكررون، وإعادة استهداف العملاء الغير نشطين.
فطلبت من ChatGPT تقسيم بيانات العملاء وفقًا للتصنيفات في ملف اكسل، لكي أتمكن من استهداف كل فئة بشكل خاص عبر الحملات التسويقية.
بعد تحميل الملف، وجدت أنه قسم بيانات العملاء على ثلاث أوراق بشكل منظم
5- تحليل تقييمات العملاء
أخيرًا حللت تقييمات العملاء على منتجات المتجر، تحديد المشاكل الشائعة التي يواجهها العملاء من التعليقات السلبية، تحديد نقاط القوة والضعف للمنتجات، بالإضافة إلى تقديم نصائح تساعد على تحسين رضاء العملاء عن المتجر.
قدمت نتائج تحليل الذكاء الاصطناعي لبيانات متجري، رؤية واضحة ومتكاملة لي عن المتجر، لكن للحصول على نتائج دقيقة يجب توظيف الذكاء الاصطناعي بشكل صحيح، فيجب تحديد نقاط التحليل والنتائج المطلوبة من الأداة بشكل واضح، لكي جعل نتائج التحليل أكثر كفاءة.
ويجدر بالذكر أن تحليل البيانات باستخدام الذكاء الاصطناعي لا يُغني بالكامل عن العنصر البشري، بل هو أداة مساعدة تختصر الوقت والجهد والتكلفة بشكل كبير، لذلك تبقى مراجعة النتائج وفحصها بدقة أمرًا ضروريًا لضمان تحقيق أفضل استفادة ممكنة وتجنب أخطاء قد تكون مكلفة ماديًا.
