عميلة تدخل متجرًا للأدوات المنزلية وتكتب في خانة البحث: «شي ينظف دهون الفرن». النتيجة: لا توجد منتجات مطابقة. المتجر يبيع فعلًا منظفا قويًا للأفران، لكن اسمه في النظام «منظف متعدد الأسطح – 750 مل». تغلق العميلة الصفحة وتشتري من منافس ظهر لها في إعلان بعد دقائق. (المشهد افتراضي للتوضيح.)
هذا المشهد يتكرر يوميًا في متاجر عربية كثيرة، والمشكلة لا تحلها ميزانية إعلانات أكبر. فالزائر الذي يبحث داخل متجرك يقول لك بالضبط ماذا يريد، وإذا لم يجده خسرت أسهل عملية بيع ممكنة. وهنا يأتي دور الذكاء الاصطناعي للمتاجر الإلكترونية: بحث يفهم المقصود لا الحروف فقط، وتوصيات تعرض المنتج المناسب في اللحظة المناسبة، وتخصيص يجعل الصفحة الرئيسية مختلفة لكل زائر.
في هذا الدليل نشرح هذه التطبيقات الثلاثة كما تصفها الوثائق الرسمية لمنصات مثل Shopify وGoogle Cloud، ونعرض ما تقوله أبحاث Baymard وMcKinsey بالأرقام، ثم نضع خطوات تطبيق تناسب المتجر الخليجي، مع الانتباه لمتطلبات حماية البيانات في السعودية.
قبل التفاصيل: الخلاصة
- الذكاء الاصطناعي للمتاجر الإلكترونية: استخدام نماذج تتعلم من بيانات الكتالوج وسلوك الزوار لتحسين ثلاثة أشياء أساسية: البحث داخل المتجر، وتوصيات المنتجات، وتخصيص تجربة التصفح لكل زائر.
- البحث داخل المتجر: بحسب تقييم Baymard لعام 2026، يقدم 56% من المتاجر الإلكترونية تجربة بحث متوسطة أو أسوأ، أي أن أكثر من نصف المتاجر تخسر زوارا يعرفون ما يريدون.
- التخصيص: وجد تقرير McKinsey أن 71% من المستهلكين يتوقعون تفاعلا مخصصا من الشركات، وأن 76% يشعرون بالإحباط حين لا يجدونه، وأن التخصيص يرفع الإيرادات عادة بنسبة 10% إلى 15%.
- جودة البيانات: تؤكد وثائق Google Cloud أن أداء البحث في المتاجر (الصلة والترتيب وتحسين الإيراد) حساس جدًا للبيانات المرفوعة، فكتالوج ناقص الأوصاف يعطي نتائج ضعيفة مهما كانت الأداة متقدمة.
- المتاجر العربية: بعض الميزات تعمل بشروط لغوية، فتوصيات Shopify المبنية على تشابه أوصاف المنتجات متاحة فقط للمتاجر ذات الواجهة الإنجليزية، لذا تحقق من دعم العربية قبل الاعتماد على أي ميزة.
ما المقصود بالذكاء الاصطناعي للمتاجر الإلكترونية؟
هو مجموعة تقنيات تحلل بيانات المنتجات وسلوك المتسوقين، مثل ما شاهدوه وما أضافوه للسلة وما اشتروه، لتقرر تلقائيًا ماذا يظهر لكل زائر: أي نتائج بحث، وأي منتجات مقترحة، وبأي ترتيب. الهدف واحد: تقصير المسافة بين ما يريده الزائر وما يملكه المتجر.
التطبيقات العملية الأكثر نضجا اليوم ثلاثة. التوصيات تقترح منتجات بديلة أو مكملة. البحث الذكي يفهم الأخطاء الإملائية والمرادفات واللغة الطبيعية. والتخصيص يغير محتوى الصفحات حسب سلوك الزائر وتاريخه. وهناك تطبيقات أخرى مثل كتابة أوصاف المنتجات والرد الآلي على العملاء، تناولناها في الدليل العملي للذكاء الاصطناعي في التسويق.
لماذا يستحق التخصيص الاستثمار؟ الأرقام تجيب
71%. هذه نسبة المستهلكين الذين يتوقعون من الشركات تفاعلا مخصصا بحسب تقرير McKinsey عن قيمة التخصيص (نوفمبر 2021)، ويشعر 76% بالإحباط حين لا يجدونه، ويرفع التخصيص الإيرادات عادة بنسبة 10% إلى 15%. وهي أرقام شركات طبقته جيدا، لا نتيجة تلقائية لتركيب إضافة. أما مستويات التخصيص والبيانات التي يحتاجها وشروط الموافقة عليه، ففصلناها في دليل التخصيص بالذكاء الاصطناعي، وهنا نركز على البحث والتوصيات داخل المتجر. وأول خطوة عملية نحوه هي تجزئة العملاء حسب سلوك الشراء.
كيف تعمل توصيات المنتجات بالذكاء الاصطناعي؟
كل نظام توصيات يجيب عن سؤال واحد: بناء على ما نعرفه عن هذا الزائر وهذا المنتج، ما الذي يرجح أن يهمه بعد ذلك؟ والإجابة تختلف حسب مكان العرض في المتجر.
تقسم وثائق Shopify الرسمية التوصيات إلى نوعين: منتجات ذات صلة، وهي بدائل مشابهة للمنتج المعروض، ومنتجات مكملة، وهي ما يشترى عادة مع المنتج. وتعتمد التوصيات التلقائية على ثلاثة مصادر: سجل الشراء الذي يتطلب مبيعات سابقة للمنتج، وتشابه أوصاف المنتجات المتاح فقط للمتاجر ذات الواجهة الإنجليزية، والمجموعات ذات الصلة كخيار احتياطي. ويمكن للتاجر عبر تطبيق Search & Discovery إضافة حتى 10 منتجات مكملة و10 منتجات ذات صلة يدويًا لكل منتج.
هذه التفصيلة اللغوية مهمة للمتجر العربي: إذا كانت واجهتك عربية فقط، فأحد مصادر التوصية الثلاثة لا يعمل لديك، ويصبح سجل الشراء واختياراتك اليدوية هما الأساس.
أنواع نماذج التوصية وأين تعرض
تقدم منصة Google Cloud للتجارة الإلكترونية تصنيفا أوضح لنماذج التوصية، ولكل نموذج مكان عرض وهدف تحسين افتراضي، كما في صفحة أنواع النماذج:
| نوع التوصية | ماذا يقترح | أين يعرض عادة | الهدف الافتراضي |
|---|---|---|---|
| قد يعجبك أيضًا (Others You May Like) | المنتج الأرجح أن يتفاعل معه الزائر بناء على تاريخه والمنتج الحالي | صفحة المنتج وصفحة الإضافة للسلة | نسبة النقر |
| يشترى معًا عادة (Frequently Bought Together) | منتجات تشترى مع المنتج في الجلسة نفسها | صفحة الإضافة للسلة وصفحة السلة | الإيراد لكل جلسة |
| مقترح لك (Recommended for You) | المنتج التالي المرجح بناء على تاريخ الزائر | الصفحة الرئيسية غالبًا | نسبة النقر |
| اشتره مجددًا (Buy it Again) | منتجات اشتراها العميل مرتين على الأقل وتشترى عادة بانتظام | أي صفحة | لا ينطبق |
| منتجات مشابهة (Similar Items) | منتجات تشترك في خصائص المنتج الحالي، وبديل عند نفاد المخزون | صفحة المنتج | الصلة |
| شاهدتها مؤخرًا (Recently Viewed) | آخر المنتجات التي تفاعل معها الزائر، الأحدث أولًا | أي صفحة | لا ينطبق |
القاعدة العملية من هذا الجدول: لا تضع نوع التوصية نفسه في كل مكان. صفحة المنتج تحتاج بدائل ومكملات، والسلة تحتاج مكملات ترفع قيمة الطلب، والصفحة الرئيسية تحتاج ما يناسب تاريخ الزائر.
ما الفرق بين البحث التقليدي والبحث الذكي في المتجر؟
البحث التقليدي يطابق الحروف: إن كتب الزائر كلمة غير موجودة في اسم المنتج أو وصفه، فلا نتائج. البحث الذكي يحاول فهم المقصود: يصحح الخطأ الإملائي، ويربط المرادفات، ويفهم الاستخدام والمشكلة لا الاسم فقط.
حجم المشكلة كبير. بحسب بحث Baymard عن أنواع استعلامات البحث، المحدث في أبريل 2026، يفشل 56% من المواقع في تلبية احتياجات البحث لدى المستخدمين بشكل كاف. ويرصد البحث مشكلات في 43% من المواقع مع عمليات البحث حسب الاستخدام، مثل «حذاء للمشي الطويل»، وفي 54% مع الاختصارات والرموز، وفي 37% مع البحث بالمشكلة أو العرض، وهو بالضبط نوع بحث عميلة الفرن في بداية المقال. وبحسب دراسة Baymard المنشورة في أغسطس 2021، لا تقدم 69% من المواقع اقتراحات إكمال تلقائي ذات صلة للكلمات المكتوبة بخطأ إملائي قريب من الصحيح. وفي تحديث لاحق (أغسطس 2022) وجدت Baymard أن الإكمال التلقائي متوفر في 80% من المتاجر، لكن 19% فقط تطبق تفاصيله كلها بشكل صحيح (المصدر).
المنصات الكبرى بدأت تعالج جزءًا من ذلك. تذكر صفحة البحث في متجر Shopify أن البحث مبني على بنية تعتمد على الذكاء الاصطناعي، وأنه يطابق الكلمات المكتوبة بخطأ إملائي مع كلمات مشابهة تلقائيا، ويمكنه عبر تتبع عمليات البحث أن يتعلم من تفاعلات العملاء لتحسين النتائج، مع اشتراط تفعيل إعداد Shopify Network Intelligence في إعدادات الخصوصية لبعض الميزات. لكن وجود الميزة لا يعني أنها تعمل بالكفاءة نفسها مع كل لغة، وهذا ما يجب أن تختبره بنفسك.
تحدي اللغة العربية في البحث
المتجر العربي يواجه طبقة إضافية من التعقيد لا تظهر في الأبحاث الإنجليزية: الهمزات (أ، ا، إ)، والتاء المربوطة والهاء (عباية، عبايه)، واللهجات (جوال، موبايل، هاتف)، والكتابة بحروف لاتينية (abaya)، والمنتجات التي يبحث عنها الناس بأسمائها الإنجليزية. البحث الذي لا يتعامل مع هذه الفروق سيعطي «لا توجد نتائج» لزوار يريدون الشراء فعلًا.
طريقة اختبار سريعة: اكتب في بحث متجرك اسم أكثر منتج مبيعا بخمس صيغ مختلفة، مرة بهمزة ومرة بدونها، ومرة بالعامية، ومرة بالإنجليزية، ومرة بخطأ إملائي. كل صيغة لا تعيد المنتج تمثل زوارا يغادرون دون أن تعرف. وللأسماء والأوصاف نفسها دور في ظهور صفحاتك في جوجل أيضا، لذا راجع تحسين صفحات المنتجات والتصنيفات لمحركات البحث.
ماذا يتوفر لمتاجر سلة وزد؟
أمثلة هذا الدليل مأخوذة من وثائق Shopify وGoogle Cloud لأنها الأكثر توثيقا، بينما يعمل كثير من المتاجر السعودية على منصتي سلة وزد. ويمكن إضافة هذه القدرات إليهما عبر متجري التطبيقات، ومن الأمثلة المعروضة وقت كتابة هذا الدليل (أكتوبر 2026):
- في سلة: يصف تطبيق الفايندر (AlFinder) نفسه بأنه بحث مدعوم بالذكاء الاصطناعي يفهم اللهجات السعودية والخليجية والمصرية ويصحح الأخطاء الإملائية تلقائيا، ويعرض كذلك عمليات البحث الفاشلة. ويقترح تطبيق زيادة حجم السلة منتجات مختلفة لكل زائر بالذكاء الاصطناعي في صفحات المنتج والسلة والدفع، بحسب وصفه.
- في زد: يعرض تطبيق كشاف لبلب بوصفه خدمة بحث داخل المتجر بالذكاء الاصطناعي، ويساعد تطبيق Store Tools with AI في كتابة أوصاف المنتجات والمحتوى التسويقي والتسعير. وتشرح زد في دليل الربط مع الذكاء الاصطناعي (MCP) كيف تربط متجرك بمساعد مثل Claude أو ChatGPT لإدارة المنتجات والطلبات بالمحادثة.
- أدوات مجانية: توفر سلة مكتبة برومبتات تجهز لك توجيهات لكتابة أوصاف المنتجات والنسخ الإعلانية ورسائل البريد لاستخدامها مع ChatGPT أو Claude.
هذه الأوصاف مأخوذة من صفحات التطبيقات نفسها، فهي ادعاءات مطوريها لا اختبارات مستقلة، وقد تتغير الأسعار والإتاحة. لذلك طبق اختبار الصيغ الخمس الموضح أعلاه على التجربة المجانية أو الخطة التجريبية إن وجدت، قبل الاشتراك، وتأكد من أن التطبيق يدعم لغة متجرك.
كيف تطبق الذكاء الاصطناعي في متجرك؟ خطوات عملية
الترتيب هنا يبدأ بالأساس لا بالأداة، لأن أفضل محرك توصيات لا يصلح كتالوجا فوضويا:
- راجع تقارير البحث الداخلي: استخرج أكثر الكلمات بحثا، والكلمات التي أعطت صفر نتائج. هذه القائمة وحدها تكشف أين تخسر المبيعات.
- أصلح الكتالوج: أوصاف كاملة، وخصائص منظمة (المقاس، اللون، الخامة، الاستخدام)، وتصنيفات منطقية. وثائق Google Cloud تصف أداء البحث في المتاجر بأنه حساس جدًا للبيانات المرفوعة.
- أضف المرادفات العربية: اربط الصيغ المختلفة للكلمة الواحدة، والأسماء الدارجة، والأسماء الإنجليزية الشائعة لمنتجاتك.
- فعل تتبع الأحداث بدقة: المشاهدة، والإضافة للسلة، والشراء. أنظمة التوصية والتخصيص تتعلم من هذه الأحداث، وبدونها تعمل بشكل عشوائي تقريبًا.
- ابدأ بتوصيات السلة وصفحة المنتج: المكملات في السلة أسرع طريق لرفع قيمة الطلب، ونتائجها تقاس بسهولة.
- اختبر قبل التعميم: قارن نسخة بالتوصيات مع نسخة بدونها، أو التوصيات الآلية مع اختيارك اليدوي، وقس الإيراد لكل جلسة لا عدد النقرات فقط.
- انتقل للتخصيص تدريجيًا: بعد أن تتراكم بيانات كافية، خصص الصفحة الرئيسية وأضف أقسام «شاهدتها مؤخرًا» و«اشتره مجددًا» للمنتجات الاستهلاكية.
مثال افتراضي بالأرقام
لنفترض متجرًا يستقبل 3,000 طلب شهريًا بمتوسط قيمة 180 ريالا، أي إيرادات 540,000 ريال. إذا نجحت توصيات السلة في رفع متوسط الطلب 10 ريالات فقط، يصبح المتوسط 190 ريالا والإيرادات 570,000 ريال، بزيادة 30,000 ريال شهريًا دون زائر إضافي واحد. هذه أرقام توضيحية للحساب لا نتائج متجر حقيقي، والزيادة الفعلية تعتمد على منتجاتك وهامشك وجودة التنفيذ. ويمكنك رفع الإيراد كذلك باسترجاع من تركوا سلالهم، عبر رسائل استرجاع السلة المتروكة.
ولمعرفة أثر ذلك على ربحية إعلاناتك، فإن رفع متوسط الطلب يحسن العائد على الإنفاق الإعلاني مباشرة، وهو ما يجعل التوصيات مكملة طبيعية لحملات مثل إعلانات Meta للمتاجر.
تطبيقات أخرى تستحق التجربة بعد الأساسيات
بعد أن يستقر البحث والتوصيات، هناك استخدامات أخرى للذكاء الاصطناعي في المتجر يتوقعها من يبحث عن هذا الموضوع:
- مساعد التسوق والمحادثة: روبوت يجيب عن أسئلة المقاسات والشحن وتوفر المنتج داخل المتجر أو عبر واتساب، ويحيل الحالات الصعبة إلى موظف. وقواعد القناة الرسمية للرسائل في دليل واتساب للأعمال API.
- أوصاف المنتجات بالعربية: يسرع الذكاء الاصطناعي كتابة المسودات، لكن وصفًا ينشر بلا مراجعة يشبه وصف كل منافس. راجع كتابة المحتوى بالذكاء الاصطناعي دون أن يبدو آليا.
- صور المنتجات والإعلانات: لتوليد الصور الإعلانية حدود وحقوق يجب معرفتها قبل النشر، نوضحها في صور بالذكاء الاصطناعي للإعلانات.
- البحث بالصور والصوت: تعرضه بعض تطبيقات البحث، فصفحة الفايندر مثلًا تذكر البحث الصوتي بالعربية والبحث بالصورة ضمن أعلى خططها. اختبره على منتجاتك قبل أن تدفع مقابله.
- توقع الطلب والمخزون: يحتاج إلى تاريخ مبيعات كاف وبيانات نظيفة، فلا تبدأ به قبل أن يستقر كتالوجك وتتراكم بيانات متجرك.
التخصيص والخصوصية: ماذا يعني هذا في السعودية؟
التخصيص يعتمد على بيانات العملاء، وبيانات العملاء في السعودية يحكمها نظام حماية البيانات الشخصية. تجيز المادة السادسة والعشرون من النظام، بحسب نصها المنشور في جريدة أم القرى الرسمية عند صدور النظام، معالجة البيانات الشخصية لأغراض تسويقية إذا جمعت من صاحبها مباشرة ووافق على ذلك، وتستثني البيانات الحساسة. كما تشترط المادة الخامسة والعشرون الموافقة وآلية واضحة لإيقاف الرسائل الدعائية المرسلة عبر وسائل الاتصال الشخصية.
عمليًا: التوصيات داخل المتجر أمر، والرسائل التسويقية المخصصة إلى جوال العميل أو بريده أمر آخر يحتاج موافقة موثقة. ولا تبن شرائح تخصيص على بيانات صحية أو ما في حكمها حتى لو استنتجتها الأداة من سجل المشتريات. وتنبه وثائق Google Cloud أيضًا إلى عدم تخزين النتائج المخصصة لمستخدم مؤقتا وعرضها لغيره. هذه معلومات عامة، والقرار في حالتك يحتاج مختصا قانونيا. وللتوسع في ما يعنيه النظام لعمل المسوق، راجع حماية البيانات الشخصية والذكاء الاصطناعي في السعودية.
أخطاء شائعة في استخدام الذكاء الاصطناعي في المتاجر
- تركيب أداة قبل إصلاح الكتالوج: منتجات بأوصاف من سطر واحد وبلا خصائص تعطي توصيات وبحثًا ضعيفين مهما كانت الأداة.
- افتراض أن الميزة تدعم العربية: بعض مصادر التوصية والفهم اللغوي تعمل بالإنجليزية فقط. اختبر بنفسك بكلمات عربية ولهجات مختلفة قبل الشراء.
- عرض التوصيات نفسها في كل صفحة: لكل موضع هدف مختلف، والتوصية الخاطئة في السلة قد تشتت العميل عن إتمام الشراء.
- اقتراح منتجات نافدة: توصية بمنتج غير متوفر تجربة محبطة. Shopify مثلًا لا تعرض المنتجات المكملة إلا إذا كان مخزونها أكبر من صفر، فتأكد من سلوك أداتك.
- قياس النقرات بدل الإيراد: توصيات تجذب النقر ولا تبيع ليست نجاحا. قس الإيراد لكل جلسة ومتوسط قيمة الطلب.
- تجاهل البحث الداخلي لصالح الإعلانات: زيادة الزيارات إلى متجر بحثه ضعيف تعني دفع المزيد لخسارة المزيد. أصلح البحث أولًا ثم وسع حملات إعادة الاستهداف.
هل يناسب الذكاء الاصطناعي المتجر الصغير؟
نعم، لكن بتوقعات واقعية. التوصيات المبنية على سجل الشراء تحتاج مبيعات سابقة كما توضح Shopify، فالمتجر الذي يبيع عشرة طلبات شهريًا لن يحصل على توصيات آلية ذات قيمة في البداية. الحل أن تبدأ بالتوصيات اليدوية للمنتجات الأكثر مبيعا، وتصلح البحث والمرادفات، وتترك الأتمتة الكاملة لوقت لاحق تتراكم فيه البيانات.
أما المتجر المتوسط والكبير فالسؤال لديه ليس هل يستخدم الذكاء الاصطناعي، بل هل بنية متجره تسمح له بالاستفادة منه. وإن لم تكن متأكدا من حالة متجرك، فابدأ بـفحص الموقع المجاني لمعرفة نقاط الضعف التقنية، أو راجع خيارات تصميم المتاجر الإلكترونية إن كنت تبني متجرًا جديدًا.
وتذكر العميلة التي كتبت «شي ينظف دهون الفرن» في أول المقال. مع بحث يربط المرادفات والاستخدامات، كانت ستجد منظف الأفران في أول نتيجة، وربما إسفنجة مكملة له في السلة، بدل أن تغلق الصفحة وتشتري من منافس. وهذا الفرق كله يبدأ بخطوة واحدة: قائمة الكلمات التي أعطت صفر نتائج في متجرك هذا الأسبوع.
أسئلة شائعة
كيف يستخدم الذكاء الاصطناعي في المتاجر الإلكترونية؟
أبرز استخداماته ثلاثة: توصيات المنتجات التي تقترح بدائل ومكملات، والبحث الذكي الذي يفهم الأخطاء الإملائية والمرادفات واللغة الطبيعية، والتخصيص الذي يغير محتوى الصفحات حسب سلوك الزائر. وكلها تعتمد على بيانات الكتالوج وأحداث التصفح مثل المشاهدة والإضافة للسلة والشراء.
هل التوصيات بالذكاء الاصطناعي ترفع المبيعات فعلا؟
يمكن أن ترفعها إذا طبقت جيدًا. وجد تقرير McKinsey أن التخصيص يرفع الإيرادات عادة بنسبة 10% إلى 15%، مع تفاوت بين 5% و25% حسب القطاع وجودة التنفيذ. لكن النتيجة ليست تلقائية، فهي تعتمد على جودة بيانات المنتجات ووضع التوصية المناسبة في المكان المناسب، وقياس الإيراد لا النقرات.
ما الفرق بين المنتجات ذات الصلة والمنتجات المكملة؟
المنتجات ذات الصلة بدائل مشابهة للمنتج المعروض، تفيد الزائر الذي يقارن قبل الشراء. أما المنتجات المكملة فهي ما يشترى عادة مع المنتج، مثل الغطاء مع الجوال، وتستخدم لرفع قيمة الطلب. وتعرض المكملات عادة في السلة وصفحة المنتج، والبدائل في صفحة المنتج.
لماذا لا يجد العملاء المنتجات عند البحث في متجري؟
غالبًا لأن البحث يطابق الحروف لا المعنى، فيفشل مع الأخطاء الإملائية والمرادفات والبحث بالاستخدام أو المشكلة. بحسب Baymard يقدم 56% من المتاجر تجربة بحث متوسطة أو أسوأ. وفي المتاجر العربية تزيد المشكلة بسبب الهمزات واللهجات والكتابة بحروف لاتينية، والحل يبدأ بمراجعة الكلمات التي تعطي صفر نتائج.
هل يحتاج المتجر الصغير إلى الذكاء الاصطناعي؟
يحتاجه بتوقعات واقعية. التوصيات المبنية على سجل الشراء تتطلب مبيعات سابقة، لذا يبدأ المتجر الصغير عادة بالتوصيات اليدوية للمنتجات الأكثر مبيعا، وتحسين البحث والمرادفات العربية، وإكمال أوصاف المنتجات. وبعد أن تتراكم بيانات كافية ينتقل إلى التوصيات الآلية والتخصيص.
هل يحتاج التخصيص إلى موافقة العميل في السعودية؟
الرسائل التسويقية المخصصة عبر جوال العميل أو بريده تحتاج موافقته وآلية لإيقافها بحسب المادة الخامسة والعشرين من نظام حماية البيانات الشخصية، والمادة السادسة والعشرون تستثني البيانات الحساسة من التسويق. أما تفاصيل حالتك فاستشر فيها مختصا قانونيا، لأن هذه معلومات عامة.
اقرأ أيضًا
- تحليل البيانات التسويقية بالذكاء الاصطناعي: دليل المسوق
- وكلاء الذكاء الاصطناعي في التسويق: ما الممكن فعلًا اليوم؟
- أدوات ذكاء اصطناعي للمشاريع الصغيرة: دليل اختيار عملي
متجرك يجذب الزوار لكنهم لا يجدون ما يريدون؟
فريق BAIGR يصمم متاجر إلكترونية ببنية كتالوج منظمة وبحث يفهم العربية وتوصيات في المواضع الصحيحة، ويربطها بحملاتك الإعلانية. احجز مكالمة لنراجع متجرك ونحدد أسرع تحسين يرفع المبيعات.
المصادر
- The value of getting personalization right—or wrong—is multiplying — McKinsey & Company
- Ecommerce Search UX: 8 Search Query Types — Baymard Institute
- E-Commerce Search Usability: Report & Benchmark — Baymard Institute
- Product recommendations — Shopify Help Center
- Storefront search — Shopify Help Center
- About recommendation model types — Google Cloud Documentation
- AI Commerce Search overview — Google Cloud Documentation
- نظام حماية البيانات الشخصية (النص المنشور) — جريدة أم القرى الرسمية
- 9 UX Best Practice Design Patterns for Autocomplete Suggestions (Only 19% Get Everything Right) — Baymard Institute
- الفايندر (AlFinder) — متجر تطبيقات سلة
- زيادة حجم السلة — متجر تطبيقات سلة
- مكتبة برومبتات — أدوات سلة للتجار
- كشاف لبلب — متجر تطبيقات زد
- Store Tools with AI — متجر تطبيقات زد
- دليل الربط مع الذكاء الاصطناعي MCP — مركز مساعدة زد
