تزايدت الآمال في تحسين تجربة التسوق عبر الإنترنت بفضل الابتكارات الحديثة في مجال الذكاء الاصطناعي، إذ أظهرت دراسة جديدة من منصة بارزة في التجارة الإلكترونية الثقة في نماذج جديدة لتوقع إعادة الشراء تعتمد على الوقت. وبدلاً من السؤال التقليدي "هل سيشتري هذا العميل هذا العنصر خلال W يومًا؟"، قررت هذه الدراسة استخدام نماذج البقاء (Survival Models) التي تتوقع مباشرة الوقت اللازم لإعادة الشراء، مما يعزز دقة التنبؤات ويقلل من الحاجة لنماذج متعددة لكل أفق زمني.

أظهرت النتائج أن المخاطر مرتبطة بحدوث إعادة الشراء في شكل تحليل هازارد الإمبيري، حيث كشفت أن احتمالية إعادة الشراء ليست بالضرورة متزايدة مع مرور الوقت كما كان يُعتقد سابقًا. بعد تحليل البيانات المأخوذة من ملايين العملاء، كانت الكلمات المفتاحية هي: المحاكاة الدقيقة، والانخفاض الطفيف في المخاطر (k ~ 0.9)، مما يختلف عن الفهم الشائع.

علاوة على ذلك، اعتمد الباحثون نموذجاً واحداً فقط من نماذج الزمن المتسارع (Accelerated Failure Time) والذي حل محل ثلاثة نماذج ثنائية متوازية، ومع ذلك كان لديه القدرة على مطابقة أو تجاوز كل منهم بفعالية. إضافة إلى ذلك، تم تغيير أهمية الميزات تحت الهدف الزمني، حيث زادت أهمية إشارات التردد والقرب.

هنا، تظهر أهمية تحسين الجودة في النماذج المعتمدة على البقاء، حيث ساهمت تقييمات المعايير في تحديد خيارات النماذج الأكثر ملاءمة. في هذا الإطار، تم اختيار نموذج Exponential AFT للأسطح التي تعتمد على الاحتمالات، بينما تم الاعتماد على نموذج Log-Normal في الترتيب الخالص، مما يبرز توازنًا ملحوظًا بين دقة التنبؤ والترتيب.

في عالم التجارة الإلكترونية المليء بالمنافسة، يُظهر هذا البحث كيف يمكن للابتكارات في الذكاء الاصطناعي أن توفر ميزة تنافسية حقيقية، مما يساعد الشركات على فهم سلوك المتسوقين واتخاذ قرارات قائمة على البيانات لتحسين تجربتهم.

لمن يسعى إلى الاستفادة من هذه التطورات، يجب أن يظلوا على اطلاع دائم بأحدث التقنيات ويكونوا مستعدين لتكييف استراتيجياتهم وفقًا للاتجاهات الناشئة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.