الذكاء الاصطناعي للبحث البصري: تمكين العملاء من العثور على المنتجات بالصور بدلاً من الكلمات المفتاحية

هناك فجوة بين ما يستطيع العملاء رؤيته وما يستطيعون وصفه. قد يلمح أحدهم مصباحاً في شقة صديقه ويرغب في شرائه. يعرف بدقة كيف يبدو، لكنه لا يعرف ماذا يكتب في شريط البحث. هل هو مصباح أرضي قوسي نحاسي بقاعدة رخامية على الطراز الحديث منتصف القرن؟ ربما. لكنه قد يكتفي بالبحث عن مصباح ذهبي منحنٍ فيحصل على ألفي نتيجة لا صلة لها بمراده.

يسد البحث البصري هذه الفجوة. فبدلاً من ترجمة الصورة الذهنية إلى كلمات مفتاحية، يلتقط العميل صورة (أو يحمّل لقطة شاشة من وسائل التواصل الاجتماعي) فيعثر الذكاء الاصطناعي على المنتجات المشابهة بصرياً في كتالوجك. وقد نضجت هذه التقنية بصورة لافتة في السنوات الأخيرة، وباتت ميزة قياسية لدى العلامات التجارية الرقمية ذات النظرة المستقبلية.

كيف تعمل تقنية البحث البصري

يستخدم البحث البصري في جوهره الشبكات العصبية التلافيفية (Convolutional Neural Networks) لتحويل الصور إلى تمثيلات رياضية تُسمى متجهات السمات (feature vectors). تلتقط هذه المتجهات الخصائص البصرية للصورة: الأشكال والألوان والقوام والأنماط والتناسبات والعلاقات المكانية. وحين يحمّل العميل صورة بحث، يحوّلها النظام إلى متجه سمات ثم يقارنها بمتجهات السمات لكل منتج في كتالوجك، ليُعيد أقرب التطابقات.

المطابقة هنا ليست مقارنة بكسل ببكسل. فالنظام يستوعب التشابه البصري على مستوى دلالي. صورة لأريكة مخملية زرقاء التُقطت من زاوية في غرفة خافتة الإضاءة ستظل تُطابق صورة احترافية لأريكة مماثلة التُقطت في الاستوديو من الأمام بإضاءة مهنية. فقد تعلّم الذكاء الاصطناعي أن يتجاوز اختلافات ظروف التصوير ويُركّز على خصائص المنتج الجوهرية.

كذلك تُعالج أنظمة البحث البصري الحديثة التطابقات الجزئية بكفاءة. فإذا حمّل العميل صورة لغرفة معيشة، يستطيع النظام تمييز كل عنصر داخل المشهد: الأريكة وطاولة القهوة والسجادة والمصباح. ويصبح كل عنصر بحثاً مستقلاً يُعيد منتجات ذات صلة. هذه القدرة على تفكيك المشاهد تجعل البحث البصري نافعاً حتى حين لا يكون العميل مركّزاً على منتج بعينه.

حالات الاستخدام التي تُحقّق إيرادات حقيقية

أكثر حالات استخدام البحث البصري شيوعاً هي الإلهام من وسائل التواصل الاجتماعي. يرى العملاء منتجات تروقهم على Instagram أو Pinterest أو TikTok، ويرغبون في إيجادها (أو ما يُماثلها) لشرائها. والقدرة على التقاط لقطة شاشة لتلك المشاركة والبحث في متجرك بالصورة تستوعب طلباً لا يستطيع البحث بالكلمات المفتاحية أن يصل إليه.

الانتقال من المتجر الفعلي إلى الإنترنت حالة استخدام قيّمة أخرى. فقد يرى العميل شيئاً يعجبه في متجر تقليدي ويرغب في مقارنة الأسعار أو مراجعة التقييمات عبر الإنترنت. وصورة واحدة للمنتج تُظهر فوراً المنتجات المطابقة في كتالوجك، فتجسر الهوّة بين التسوق المادي والرقمي.

وفي قطاع الأزياء وديكور المنزل تحديداً، يُمكّن البحث البصري من مطابقة الأنماط. فحين يحمّل العميل صورة لإطلالة أو غرفة، يقترح نظامك منتجات تنسجم مع النمط ولوحة الألوان والذوق العام. وهذا يتجاوز إيجاد العنصر المطابق ليصبح أداة اكتشاف ترفع متوسط قيمة السلة.

أساليب التطبيق

ثمة عدة طرق لإضافة البحث البصري إلى متجر التجارة الإلكترونية. أبسطها أيقونة كاميرا في شريط البحث تتيح للعملاء تحميل صورة أو التقاطها. عند تفعيلها تفتح كاميرا الجهاز أو نافذة اختيار الملف، وتُرسل الصورة إلى واجهة برمجة تطبيقات البحث البصري (API)، وتُعيد النتائج بصيغة شبكة المنتجات المعتادة.

أما الأساليب الأكثر اندماجاً فتُضمّن البحث البصري في تجربة التسوق بأكملها. فصفحات تفاصيل المنتج يمكن أن تعرض عناصر مشابهة بصرياً (نسخة أذكى من "قد يعجبك أيضاً"). وصفحات الفئات يمكن أن تتيح للعملاء تنقيح النتائج بتحميل صورة مرجعية. كما يمكن لرسائل التسويق الإلكتروني أو إعلانات وسائل التواصل أن تُحيل مباشرةً إلى نتائج بحث بصري معبّأة مسبقاً بصورة المنتج المُروَّج.

عادةً ما يتضمن التكامل التقني واجهة برمجة تطبيقات بحث بصري قائمة في السحابة. تُفهرس صور كتالوج منتجاتك (وهي عملية تُجرى مرة واحدة وقد تستغرق ساعات قليلة للكتالوجات الكبيرة)، ثم تتولى الواجهة استعلامات البحث في الوقت الفعلي. وزمن الاستجابة في العادة أقل من ثانية، وهو ما يجعل التجربة تبدو فورية للعملاء.

فهرسة الكتالوج وجودة الصور

تعتمد جودة نتائج البحث البصري اعتماداً كبيراً على جودة صور كتالوج منتجاتك. فالمنتجات المصورة على خلفية بيضاء بمشاهد واضحة غير محجوبة تُفهرس بأفضل من صور أسلوب الحياة التي يكون فيها المنتج مخفياً جزئياً أو محاطاً بعناصر مشتتة. وتنصح أغلب أنظمة البحث البصري بفهرسة الصورة الرئيسية للمنتج (خلفية بيضاء، المنتج فقط) باعتبارها التمثيل المرجعي.

حجم الكتالوج له أثر في تجربة العميل. يُبهر البحث البصري حين يكون الكتالوج كبيراً بما يكفي ليتوفّر تطابقات جيدة لمعظم صور البحث. فكتالوج من 500 منتج سيُعيد تطابقات متوسطة في الغالب لأن المنتج المنشود ببساطة غير موجود في المخزون. أما كتالوج من 50,000 منتج فأكثر احتمالاً بكثير لأن يحوي تطابقات قوية لأي صورة بحث.

إعادة الفهرسة المنتظمة تضمن أن المنتجات الجديدة قابلة للبحث فوراً. وتدعم معظم منصات البحث البصري الفهرسة التزايدية، حيث تُضاف المنتجات الجديدة إلى الفهرس دون إعادة بنائه بالكامل. ما يعني أن المنتجات تصبح قابلة للبحث البصري خلال دقائق من إضافتها إلى كتالوجك.

قياس أداء البحث البصري

المقاييس الجوهرية للبحث البصري هي معدل النقر على نتائج البحث (كم مرة ينقر العملاء على نتيجة بحث بصري)، ومعدل التحويل إلى شراء (كم مرة تُفضي عمليات البحث البصري إلى شراء)، ودرجات الملاءمة (مدى تطابق النتائج المُعادة مع صورة البحث).

غالباً ما تشهد التطبيقات الأولى معدلات تحويل أدنى من البحث بالكلمات المفتاحية، وهو أمر متوقع لأن البحث البصري يُستعمل في الغالب للتصفّح والاكتشاف لا للبحث بنية الشراء. ومع الوقت، حين يتحسّن النظام ويتعلّم العملاء الثقة به، ترتفع معدلات التحويل عادةً.

اختبار A/B للبحث البصري في مقابل مجموعة ضابطة (لا يتوفر لها بحث بصري) هو الأسلوب الأكثر موثوقية لقياس أثره الإضافي. فهو يلتقط ليس فقط التحويلات المباشرة من البحث البصري، بل أيضاً الأثر الإيجابي العام للبحث البصري على تفاعل الموقع وزمن التصفح.

القيود الراهنة

يعمل البحث البصري بأفضل صورة في فئات المنتجات ذات التمايز البصري الواضح: الأزياء والأثاث وديكور المنزل والإكسسوارات. وهو أقل نفعاً في الفئات التي تتشابه فيها المنتجات بصرياً وتختلف في المواصفات، مثل الإلكترونيات أو المستلزمات الصناعية. فصورة لحاسوب محمول أسود لا تخبر النظام شيئاً عن سرعة المعالج أو حجم الذاكرة العشوائية.

قد تكون جودة الصور التي يلتقطها العملاء عقبة. فالصور المهتزة والزوايا المتطرفة والإضاءة الرديئة والخلفيات المزدحمة كلها تُقلّل دقة المطابقة. وأفضل الأنظمة تتعامل مع هذه الحالات بمرونة، فتُعيد تطابقات تقريبية بدلاً من لا نتائج، لكن التجربة تظل أفضل دائماً مع صور إدخال واضحة.

كذلك تنطبق اعتبارات الخصوصية. فإذا كان نظام البحث البصري يعالج صوراً يحمّلها العملاء، فأنت بحاجة إلى سياسات واضحة بشأن كيفية تخزين تلك الصور واستخدامها. وتُعالج معظم التطبيقات الصورة، وتستخرج متجه السمات، وتُعيد النتائج، ثم تتخلص من الصورة الأصلية. والشفافية في هذا الشأن تبني ثقة العملاء. تعرّف على المزيد عن تجارب التسوق المدعومة بالذكاء الاصطناعي على صفحة قطاع التجارة الإلكترونية والبيع بالتجزئة.