ما الفرق بين تحسين إعلانات Facebook باستخدام الذكاء الاصطناعي والتحسين اليدوي؟

ما حجم الفرق بين تحسين إعلانات Facebook باستخدام الذكاء الاصطناعي والتحسين اليدوي؟ بالنسبة للعاملين في الإعلانات اليومية، لا يظهر الفرق عادةً ببساطة في أن «الذكاء الاصطناعي أرخص دائمًا» أو أن «العمل اليدوي أدق دائمًا». في الحسابات التي تمتلك حجمًا كافيًا من البيانات، وأحداث تحويل واضحة، وإمدادًا مستقرًا من المواد الإعلانية، يمكن للذكاء الاصطناعي تقليل أعمال تعديل عروض الأسعار وتقسيم الجماهير يدويًا بشكل ملحوظ، وتحويل الميزانية بسرعة أكبر إلى التركيبات ذات فرص التحويل؛ لكن في سيناريوهات اختبار المنتجات الجديدة، وسلاسل القرار الطويلة في B2B، والتقلبات الكبيرة في جودة العملاء المحتملين، يبقى الحكم البشري هو ما يحدد ما إذا كانت الإعلانات تسير في الاتجاه الصحيح.

لذلك، عند مقارنة الطريقتين، لا ينبغي النظر فقط إلى تكلفة النقرة الواحدة أو عدد النماذج خلال بضعة أيام. ينبغي للمشغلين الاهتمام بثلاثة أسئلة أكثر: هل الإشارات التي يقدمها الحساب للخوارزمية موثوقة؟ وهل لدى الذكاء الاصطناعي مساحة كافية للتعلم؟ وهل يستطيع الفريق التحكم في الجوانب التي لا تستطيع الخوارزميات استبدالها، مثل المواد الإعلانية والصفحات المقصودة ومتابعة المبيعات؟

الذكاء الاصطناعي يجيد «التخصيص» وليس إصدار الأحكام بدلًا من الأعمال

تتمثل قدرة Facebook على الإعلانات الآلية، في جوهرها، في التقييم المستمر لاحتمال التحويل لدى جماهير ومواضع ومواد إعلانية وفرص عرض مختلفة ضمن أهداف محددة، ثم تعديل عروض الأسعار والميزانيات ديناميكيًا. بعد استخدام وظائف مثل جمهور Advantage+ والمواضع التلقائية والتخصيص التلقائي للميزانية، لم يعد النظام يعرض الإعلانات بالكامل وفق شرائح الجمهور التي حددها المشغلون مسبقًا، بل يبحث ضمن الحدود الموضوعة عن الأشخاص الأكثر احتمالًا لإكمال الهدف.

تكون هذه القدرة فعالة بصفة خاصة للتحويلات عالية التكرار والقابلة للقياس الكمي. على سبيل المثال، الطلب المباشر على المواقع المستقلة، أو إضافة منتجات موحدة منخفضة السعر إلى سلة التسوق، أو المواعيد والتنزيلات وإرسال النماذج قصيرة الدورة. ما دامت بيانات البكسل وConversions API وكتالوج المنتجات وأحداث الصفحة المقصودة تُعاد بشكل مستقر، وكانت لدى الخوارزمية عينات كافية، فقد تكتشف التركيبات الفعالة أسرع من التعديل اليدوي للميزانية لكل مجموعة على حدة.

لكن الذكاء الاصطناعي لا يعرف ما إذا كان وراء نموذج معين عميل مستهدف، ولا يستطيع أن يفهم تلقائيًا دورة الشراء في بلد ما أو متطلبات اعتماد المنتج أو حجم المشروع في الاستفسار، كما لا يمكنه الحكم على ما إذا كان فريق المبيعات يتابع في الوقت المناسب. فهو لا يفعل سوى السعي قدر الإمكان وراء الأحداث التي تم تعريفها بأنها «نجاح». وإذا اعتبر الحساب إرسال نموذج منخفض العتبة هدف التحسين الوحيد، فقد يجلب النظام بكفاءة عددًا كبيرًا من النماذج، لكنه يركز الميزانية على جماهير ومواد إعلانية ذات جودة معلومات أقل.

وهذا أيضًا سبب شعور كثير من الفرق بأن «الذكاء الاصطناعي يعمل بسرعة، لكن العملاء المحتملين ليسوا مناسبين». وغالبًا لا تكمن المشكلة في الأتمتة نفسها، بل في أن هدف التحسين سطحي أكثر من اللازم، أو أن البيانات الخلفية لا تعيد فرص الأعمال الفعالة والاستفسارات المؤهلة ونتائج الصفقات إلى نظام الإعلانات.

قبل النظر إلى الفارق بينهما، انظر إلى المرحلة التي يمر بها الحساب

لا يعني التحسين اليدوي تعديل عروض الأسعار وإيقاف مجموعات الإعلانات بشكل متكرر كل يوم. وتكمن قيمته الرئيسية في إنشاء إطار اختبار قابل للتحكم: توضيح نقاط بيع المنتج، والتمييز بين أولويات الأسواق، واستبعاد الجماهير والمناطق غير المناسبة، والتحقق من اتجاه المواد الإعلانية، وتجميع بيانات موثوقة للأتمتة اللاحقة.

على سبيل المثال، تستهدف شركة تصنيع موزعين في الخارج، وهدف الإعلانات لديها هو الحصول على استفسارات. منتجاتها معقدة، ومتوسط قيمة الطلب مرتفع، ودورة الشراء طويلة، كما أن اهتمام البلدان المختلفة بالأسعار والتسليم وسيناريوهات الاستخدام ليس متماثلًا. إذا فُتحت الجماهير والمواضع بالكامل منذ البداية، فقد يوجه النظام الميزانية أولًا إلى الأشخاص الأسهل في ترك بيانات الاتصال، وليس إلى الأشخاص الأقرب لاتخاذ قرار الشراء. ينبغي للمشغلين أولًا تحديد مصادر العملاء المحتملين الأكثر قيمة عبر صفحات مقصودة مختلفة وحقول نماذج وتركيبات مناطق ورسائل المواد الإعلانية؛ وبعد استقرار معايير الحكم على جودة العملاء المحتملين، يمكن السماح للذكاء الاصطناعي بتولي نطاق أوسع من أعمال تخصيص الميزانية.

وعلى العكس، في حسابات البيع بالتجزئة عبر الحدود التي لديها بالفعل إعادة بيانات طلبات مستقرة، وعدد كبير من SKU، وتحديثات متكررة للمواد الإعلانية، قد يؤدي الإفراط في تقسيم الجماهير ومجموعات الإعلانات إلى تقييد التعلم. إذ لا تحصل كل مجموعة إعلانية على حجم تحويلات كافٍ، وقد تكون الفروق التي يراها المشغلون مجرد تقلبات قصيرة الأجل. في هذه الحالة، يكون تبسيط الهيكل، وتوسيع الجمهور، والإبقاء على عدد محدود من القيود الواضحة، والسماح للنظام بالتحسين ضمن مجموعة ميزانية أكبر، أكثر توافقًا مع طريقة عمل المنصة عادةً.

يمكن تبسيط هذا الحكم إلى الحالات التالية:

• حجم التحويلات منخفض، والمنتج أو السوق لم يتم التحقق منه بعد: تكون الاختبارات اليدوية أولوية، وتُستخدم الأتمتة للمساعدة في اكتشاف الفرص.
• توجد تحويلات مستقرة وأحداث هدف واضحة: يمكن توسيع صلاحيات الذكاء الاصطناعي بشأن الجمهور والمواضع والميزانية.
• الهدف هو استفسارات B2B ودورة المبيعات طويلة: ينبغي أن يجمع جانب الإعلانات بين تصنيف العملاء المحتملين وإعادة البيانات من CRM، ولا يجوز تقييم الذكاء الاصطناعي بناءً على عدد النماذج فقط.
• إمداد المحتوى الإبداعي غير كافٍ أو قدرة الصفحة المقصودة على استيعاب الزوار ضعيفة: عالج مشكلات المحتوى والصفحة أولًا، فمن الصعب عكس النتائج بمجرد تغيير طريقة التحسين.

في اختبار المواد الإعلانية، يمكن للذكاء الاصطناعي تسريع الفرز، لكنه لا يحل محل الاستراتيجية

في عصر الإعلانات اليدوية، كانت إحدى العادات التشغيلية الشائعة هي «وضع متغير واحد في كل مجموعة إعلانية» لتسهيل المقارنة الواضحة بين الجمهور أو المواد الإعلانية. لهذه الطريقة معنى عندما تكون الميزانية كافية والمتغيرات قليلة، لكن إذا تم اختبار بلدان متعددة ونقاط بيع متنوعة ومقاطع فيديو عديدة في الوقت نفسه، فسيتضخم هيكل الحساب سريعًا، وتُقسّم الميزانية إلى أجزاء صغيرة جدًا، كما تطول دورة الاختبار.

الذكاء الاصطناعي أنسب لتولي أعمال الفرز الأولية. عند وضع مواد إعلانية متنوعة ضمن الاتجاه الاستراتيجي نفسه في مجموعة إعلانية قابلة للتعلم، سيسعى النظام إلى إعطاء الأولوية لفرص العرض ذات الأداء الأفضل. وبالنسبة إلى المشغلين، ينبغي استثمار الوقت الموفر في أسئلة تقع في مراحل أعلى: هل تعبر هذه المادة عن ميزة السعر أم نقطة الألم في التطبيق أم القدرة التقنية؟ وهل تجذب المستهلكين النهائيين أم موظفي الشراء أم زيارات ذات اهتمام عام؟ وهل تواصل الصفحة المقصودة، بعد النقر، الوعد الذي قدمه الإعلان؟

ومع ذلك، لا ينبغي خلط كل المحتوى معًا لمجرد أن الذكاء الاصطناعي يستطيع التوزيع. فلا يزال يتعين إدارة التموضع السوقي المتعارض واللغات المختلفة وطرق التسعير المختلفة بشكل منفصل. فعلى سبيل المثال، لا ينبغي الاعتماد على مجموعة إعلانية واحدة لكي «تخمن» وحدها الجمهور المناسب، حتى لو كانت معلومات الاعتماد الموجهة للمشتريات الصناعية في ألمانيا، ومخزون السلع المتاح وهوامش الربح الموجهة للموزعين في جنوب شرق آسيا، تبيع منتجات متشابهة. يستطيع الذكاء الاصطناعي تحسين مسار العرض، بشرط أن يوضح المشغلون المنطق التجاري أولًا.

غالبًا ما يُنسب اختلاف كفاءة الميزانية خطأً إلى طريقة التحسين

عندما يخصص الذكاء الاصطناعي الميزانية تلقائيًا، فإنه غالبًا ما يوسع بسرعة الإعلانات أو المناطق أو الجماهير التي تحقق أداءً جيدًا في المراحل المبكرة. يفيد ذلك في رفع كفاءة التحويل على المدى القصير، لكنه قد يسبب مشكلتين أيضًا: أولًا، قد يستمر إعلان أو جمهور معين في الحصول على الميزانية بسبب تفوق بياناته في الأيام الأولى، بينما لا تحصل الاتجاهات الأخرى ذات الإمكانات على عرض كافٍ؛ وثانيًا، قد ينحاز النظام، من أجل تحقيق تكلفة أقل، إلى الجماهير الأسهل في إكمال الأحداث السطحية.

ميزة التحسين اليدوي هي إمكانية الاحتفاظ بميزانية للاختبارات الاستراتيجية. على سبيل المثال، إذا كانت الشركة ترغب في دخول سوق جديد أو تحتاج إلى التحقق من اتجاه محتوى يجلب عملاء محتملين ذوي جودة عالية، فلا ينبغي إيقافه فورًا وفقًا للتكلفة قصيرة الأجل، حتى لو كانت تكلفته الأولية أعلى من السوق الناضج. في هذه الحالة، يحتاج المشغلون إلى تخصيص ميزانية للاستكشاف وميزانية للتوسع مسبقًا، بدلًا من السماح للخوارزمية بتوجيه جميع الميزانيات بالكامل نحو أفضل النتائج التاريخية.

عند مقارنة نتائج الذكاء الاصطناعي والنتائج اليدوية، ينبغي أيضًا تجنب بعض الأخطاء الشائعة. لا تضع بيانات دورات ترويجية مختلفة، أو درجات نضج مختلفة للمواد الإعلانية، أو حالات مخزون مختلفة معًا للمقارنة المباشرة؛ ولا تقارن تكلفة النقرات فقط؛ ولا تعدّل الميزانية والاستهداف والمواد الإعلانية بشكل متكرر فور دخول الإعلان مرحلة التعلم. فالتدخل المتكرر يجعل النظام يعيد التعلم باستمرار، وفي النهاية لن تحصل لا على نتائج آلية مستقرة ولا على قدرة للحكم على فاعلية القرارات اليدوية.

عند الاختيار، افحص أولًا أربعة أسس تتجاوز قدرات المنصة

بالنسبة إلى الفرق التي تستخدم أدوات إعلانية بالذكاء الاصطناعي أو منصات خدمات تسويقية، فإن عدد وظائف الأتمتة المعروضة في صفحة الأداة ليس معيار الحكم الأول. والطريقة الأكثر عملية للتقييم هي التأكد مما إذا كانت الأداة تساعد الفريق على ربط البيانات والعمليات الرئيسية ضمن حلقة مغلقة.

• تعريف التحويل: هل يمكن التمييز بين الزيارات العادية وإرسال النماذج والاستفسارات الفعالة وفرص عروض الأسعار والصفقات، لتجنب اعتبار جميع السلوكيات ذات قيمة متساوية؟
• إعادة البيانات: هل يمكن ربط أحداث الموقع وأحداث جانب الخادم ونتائج جانب المبيعات بشكل مستقر؟ من دون بيانات موثوقة، لن يقوم تحسين الذكاء الاصطناعي إلا على إشارات خاطئة.
• إدارة المواد الإعلانية: هل من السهل تجميع أداء المواد الإعلانية حسب المنتج والسوق واللغة ونقطة البيع، بدلًا من الاحتفاظ بأرقام إعلانية متفرقة فقط؟
• القدرة على التدخل البشري: هل يمكن تحديد حدود السوق، واستبعاد المناطق غير الفعالة، والتحكم في اختبارات الميزانية، والاحتفاظ بسجلات تعديلات قابلة للتتبع؟

بالنسبة إلى الفرق العاملة في الأسواق الخارجية والتي تدير في الوقت نفسه مواقع متعددة اللغات وإعلانات Facebook وإعلانات البحث، ينبغي أيضًا التحقق مما إذا كانت الصفحات المقصودة وبيانات الإعلانات متطابقة. فبعد تحسين جانب الإعلانات لبلد أو مادة إعلانية معينة، ينبغي أن يُظهر جانب الموقع الصفحات التي زارها المستخدمون، والمرحلة التي انسحبوا عندها من النموذج، وما إذا كانت التحويلات متسقة بين إصدارات اللغات المختلفة. وإلا فقد يخطئ نظام الإعلانات في تفسير مشكلات تجربة الصفحة على أنها مشكلات جمهور، كما قد يسيء المشغلون فهم تقلبات الميزانية على أنها فشل للخوارزمية.

النهج الأنسب لمعظم الحسابات هو اعتبار الذكاء الاصطناعي مضخمًا لطبقة التنفيذ: دعه يتعامل مع المزايدة في الوقت الفعلي وتخصيص المواضع وفرز التركيبات على نطاق واسع؛ بينما يتولى البشر تحديد الأهداف وجودة البيانات واختيار الأسواق والاتجاه الإبداعي ومراجعة جودة العملاء المحتملين. وكلما زاد نضج الحساب، زادت النسبة التي تستطيع الأتمتة تحملها؛ وكلما كان العمل أكثر تعقيدًا والبيانات أشح، زادت أهمية التصميم البشري التي لا يمكن تقليلها.

لذلك، لا توجد إجابة ثابتة على سؤال «ما حجم الفرق؟» يمكن فصلها عن السياق. فإذا كان أساس البيانات ضعيفًا، فقد يكون الفرق بين الذكاء الاصطناعي والعمل اليدوي أقل بكثير من الفرق الذي تسببه المواد الإعلانية والصفحات ومتابعة المبيعات؛ وإذا كانت الإشارات مكتملة والتحويلات مستقرة، فإن الاستمرار في الاعتماد على عدد كبير من التقسيمات اليدوية وتعديلات الأسعار قد يحد من قدرة الحساب على التوسع. وما ينبغي أن يفعله المشغلون ليس الاختيار بين أحدهما أو الآخر، بل تحديد القرارات التي ينبغي تسليمها للنظام، والأحكام التي يجب أن تبقى دائمًا في يد فريق الأعمال.