وكالة تسويق تعمل بـ AI للمتجر الإلكتروني: كيف تختارها

وكالة التسويق العاملة بـ AI للمتجر الإلكتروني هي وكالة تشغّل فوق المنصات الإعلانية طبقة خاصة بها متصلة ببيانات الهامش والمخزون والمرتجعات وقيمة العميل. هي لا تحسّن على النقرة الرخيصة ولا على ROAS المُعلن في التقرير، بل على الربح من الطلب. وللتحقق منها اسأل من أين تحصل على بيانات الهامش، وكيف تقيس الأثر الإضافي.

لماذا تغيّر هذا السؤال خلال العامين الماضيين

حتى وقت قريب كنت تشتري من الوكالة التنفيذ. شخص يجلس داخل الحساب، يضيف الكلمات المفتاحية، يستبعد الاستعلامات ويحرّك المزايدات يدوياً. هذا العمل انتقل اليوم في جزء كبير منه إلى أتمتة المنصات، وهي تؤديه جيداً. لدى Google وMeta نماذج ترى إشارات لن يراها أي إنسان في جدول بيانات.

بذلك تغيّر السؤال الذي ينبغي لصاحب المتجر الإلكتروني أن يطرحه. ليس هل تعرف الوكالة كيف تضبط الحملة، بل ما البيانات التي ترسلها إلى تلك الحملة، وكيف تعرف أن الأمر نجح.

ثم جاء تحوّل ثانٍ، في الظهور. قاست Ahrefs في فبراير 2026 انخفاضاً في معدل النقر بنسبة 58% في الاستعلامات التي تظهر فيها AI Overviews، وبلغت حصة عمليات البحث دون نقرة في الولايات المتحدة 58.5% (مراجعة الدراسات: https://arvow.com/blog/ai-overviews-statistics-2026). صارت بيانات المنتجات والمحتوى والفيد طبقة مشتركة للظهور العضوي والمدفوع معاً. ولم يعد من الممكن التعامل معهما كمشروعين منفصلين.

ما الذي تفعله وكالة تعمل بـ AI للمتجر الإلكتروني بشكل مختلف عن وكالة تستخدم أدوات AI

هذان أمران مختلفان يختلطان في نتائج البحث كأنهما شيء واحد. الأول هو AI داخل المنصة: Smart Bidding وPerformance Max وAdvantage+. وهو ممتاز فيما يفعله، أي شراء المساحة الإعلانية في الوقت الفعلي. لكن له قيداً واحداً، وهو ليس عيباً. إنه يحسّن بدقة على ما ترسله إليه.

والثاني هو طبقة AI فوق المنصات. هي لا تنافس المزايدة، بل تقرر أي إشارة تدخل إليها. ترى SKU وسعر الشراء والشحن ورسوم الدفع ونسبة المرتجعات وقيمة العميل المتكرر. ثم تتحكم الطبقة نفسها في فيد المنتجات والعناوين والمواد الإبداعية، لأن الرافعة الأكبر هناك.

الفرق قابل للقياس، وليس فلسفياً. إذا أرسلت إلى المنصة قيمة الطلب، تعلّمت أن تبحث عن الطلبات. وإذا أرسلت إليها الربح بعد المرتجعات، تعلّمت أن تبحث عن الربح. وفي معظم المتاجر الإلكترونية التي رأيناها، ليست هذه هي المنتجات نفسها.

ماذا تقول البيانات

التحسين على الربح ليس حيلة وكالة، بل خاصية مدعومة رسمياً. يحسب Google Ads الربح الإجمالي على أنه الإيراد ناقص COGS، ويشترط سمة cost_of_goods_sold داخل فيد Merchant Center (https://support.google.com/google-ads/answer/14943482). ولا يعمل تقرير الهوامش إلا بالاقتران مع Conversions with Cart Data، أي نقل محتوى سلة الشراء على مستوى SKU (https://support.google.com/sa360/answer/13424777). فإما أن يكون هذا موصولاً وإما لا. والتحقق منه لا يستغرق أكثر من عشر دقائق.

الطبقة الثانية هي المرتجعات. تذكر NRF أن نحو 19.3% من الطلبات عبر الإنترنت تُعاد، وفي الملابس ما بين 20 و40% (https://nrf.com/research/2025-retail-returns-landscape). ولدى Google لذلك تعديلات تحويل من نوع RESTATE وRETRACT بنافذة 55 يوماً من التحويل الأصلي (https://support.google.com/google-ads/answer/7686447). ومن دونها تتعلم الخوارزمية على إيراد لم يحصل عليه المتجر فعلياً قط.

والأمر الثالث هو قياس الأثر. أظهرت تجربة eBay الكلاسيكية المنشورة في Econometrica أن نحو 99.5% من الزيارات الآتية من إعلانات البحث المدفوعة على العلامة، في الاستعلامات التي تتضمن كلمة eBay، كانت ستأتي من دونها أيضاً. وفي مجموعة بيانات أحدث تضم 225 اختباراً جغرافياً لعلامات DTC، بلغ وسيط ROAS الإضافي لبحث العلامة 0.70x، أي دون عتبة الاسترداد (https://searchengineland.com/incrementality-testing-advertising-winners-losers-442852). وقد أصدر Google بنفسه أداة Meridian، ثم في مايو 2026 أداة Meridian GeoX، وهي تجارب جغرافية مفتوحة تُعاير مخرجاتها النموذج. وهذا اعتراف بأن الإسناد وحده لا يكفي لاتخاذ قرارات الميزانية.

والأمر الرابع هو ما يفاجئ أكثر الناس. في تحليل نحو 500 حملة، نسبت Nielsen إلى المادة الإبداعية 47% من مساهمة الإعلان في المبيعات، مقابل 9% للاستهداف (https://www.marketingcharts.com/advertising-trends-230468). إذن الرافعة الأكبر ليست المزايدة. إنها الوتيرة التي تستطيع بها اختبار المواد الإبداعية وبيانات المنتجات.

موقفنا

الإجماع في المجال يقول إن AI ينبغي لجمه بإشارات يدوية وجماهير واستبعادات، وإن المقياس الحاكم هو ROAS أو CPA. ونحن نقول العكس في النقطتين، ولدينا أسبابنا.

أولاً. قيّد الإشارات أقل، وأصلح المدخلات أكثر. حلّلت Optmyzr 9,199 حساباً و24,702 حملة Performance Max. يستخدم 92% من المعلنين audience signals، وكانت حساباتهم أسوأ أداءً في معظم المقاييس، ويستخدم 71% منهم search themes بأثر سلبي في الغالب، وحقق 58% من المعلنين نتائج مماثلة أو أفضل من دون أي استبعادات إطلاقاً (https://www.optmyzr.com/blog/performance-max-2025-updates-study-analysis/). فحين تتلقى المنصة إشارة نظيفة عن الربح، لا تحتاج إلى من يخمّن لها الجمهور من الخارج.

ثانياً. المقياس الحاكم يجب أن يكون الربح من الطلب بعد المرتجعات والشحن، لا الإيراد. في الكتالوجات التي راجعناها، كان الهامش الإجمالي يختلف بين الفئات بثلاثة أضعاف في المعتاد. عندئذ تهرب الميزانية بشكل منهجي نحو منتجات ذات إيراد مرتفع وهامش منخفض، بينما يبدو التقرير رائعاً. هذا هو السبب الوحيد لوجود محركنا كطبقة مستقلة فوق Google وMeta وTikTok. ليس لأن المنصات تفعل شيئاً خاطئاً، بل لأنها لا تعرف شيئاً عن سعر شرائك ولا عن مرتجعاتك ما لم نخبرها بذلك.

ثالثاً. المسألة ليست AI مقابل الإنسان، بل قياس مستقل فوق المنصة. تذكر Meta عند التحسين على التحويلات الإضافية ارتفاعاً بنحو 46%، بينما تقول مجموعة بيانات Haus المستقلة، المبنية على 640 اختباراً إضافياً على مدى 18 شهراً، إن 58% من العلامات حققت عائداً إضافياً أعلى في الحملات اليدوية، وإن الأتمتة بالغت في تقدير مساهمتها بنحو 12 نقطة مئوية (https://news.marketecture.tv/p/meta-advantage-plus-and-incrementality-findings-from-640-tests-2d1d). قد يكون الرقمان صحيحين معاً، لكنهما ببساطة يقيسان حسابات مختلفة. لذلك لا نصدّق أياً منهما من دون اختبار على بياناتك أنت.

والأرقام التي نسند بها ذلك ملموسة. في متجر Zlatá Putna رأينا نمواً في الإيرادات بنسبة 45.8% وفي الظهور بنسبة 574%، وفي Jankiv Siblings نمواً في التفاعل بنسبة 583%، وفي Domintell زيادة في الزوار بنسبة 272%. أما ROAS حتى 300% فهو الحد الأعلى الذي بلغناه، لا المتوسط ولا وعد. بلغناه على كتالوج ببيانات هامش جيدة ومع مساحة لزيادة الميزانية. وفي متجر لا يوجد فيه الهامش داخل النظام، لن نعد بنتيجة كهذه.

كيف تنفّذ ذلك: سبع خطوات وخمسة أسئلة

ترتيب الخطوات ليس اعتباطياً، فكل خطوة تقوم على التي قبلها.

1. أدخل COGS إلى الفيد. يسمح Google صراحة حتى بالتقدير، مثلاً 80% من السعر، حتى ينطلق التقرير أصلاً. أما الدقة فتستكملها لاحقاً.

2. فعّل نقل محتوى سلة الشراء. من دون بيانات على مستوى SKU يصبح الهامش غير قابل للقياس.

3. اربط المرتجعات عبر conversion adjustments. عند نسبة مرتجعات 20% يكون هذا أرخص إصلاح في الحساب كله.

4. أضف قيمة العميل. تستطيع customer lifecycle goals ووضع New Customer Value إضافة قيمة إضافية إلى أول شراء لعميل جديد (https://support.google.com/google-ads/answer/12080169).

5. رتّب الفيد وبيانات المنتجات. العناوين والسمات وGTIN والصور. العمل نفسه يرفع الظهور العضوي أيضاً.

6. سرّع وتيرة المواد الإبداعية. إذا نسبت Nielsen إلى المادة الإبداعية 47% من الأثر، فإن عدد المتغيرات المختبرة شهرياً مؤشر أداء حقيقي.

7. قِس الأثر الإضافي. عبر geo holdout أو user-level holdout، على الأقل في بحث العلامة وفي قناة رئيسية واحدة.

وخمسة أسئلة اطرحها على كل وكالة، بما فيها نحن. من أين تحصلون على بيانات هامشي وما الذي يدخل في حسابها؟ هل أرى قرارات AI لديكم، أي هل يوجد سجل يبيّن من غيّر الميزانية ولماذا؟ من يملك الحسابات الإعلانية وبيانات التحويل والجماهير عند انتهاء التعاون؟ كيف تثبتون أن الإيراد ما كان ليأتي من دون الإعلان؟ وكم يكلف هذا كله، مفصّلاً إلى الإعداد والرسوم الشهرية والنسبة من الإنفاق؟

السؤال الخامس اختبار للشخصية. نحن نذكر السعر في الاستشارة الأولى، لا بعد ثلاث رسائل بريد. وحين يخفيه أحد، فذلك عادة ليس لأنه منخفض.

متى لا ينطبق هذا

عند حجم بيانات صغير يصبح هذا البناء كله بلا جدوى. فإذا كان المتجر يحقق عشرات التحويلات شهرياً، فلا يجد النموذج ما يتعلم منه، وينتهي التحسين على الربح إلى قياس أدق للضجيج. عندئذ من الأفضل الاستثمار في المنتج والفيد والمواد الإبداعية، وإبقاء الإعلان بسيطاً.

وإذا كنت تبيع منتجاً واحداً بهامش واحد، فلن يضيف لك POAS شيئاً. فكل الميزة تنشأ من الفروق داخل الكتالوج.

والاختبارات الإضافية ليست مجانية. يعني geo holdout أن توقف الإعلان في جزء من السوق، وفي متجر موسمي يكون الاختبار القصير بلا معنى في الغالب. تتراوح التوصيات بين أسابيع قليلة وثلاثة إلى ستة أشهر عند دورات شراء أطول. هذا هو الثمن الحقيقي لليقين، ويجب قوله مقدماً.

وهناك أيضاً تعارض لا يحله جدول بيانات. التحسين على الربح قصير الأجل يدفع نحو أضيق استهداف ممكن، بينما تُظهر مدرسة Ehrenberg-Bass أن النمو يأتي من مخاطبة فئة المشترين كاملة. وفي متجر يريد مضاعفة علامته خلال عامين، يتصادم هذان المنطقان. نعالج ذلك بتقسيم الميزانية وبالاعتراف بأن الجزء الثاني أصعب في القياس.

وفي الختام عدم يقين معلن. لا نعرف كيف ستتغير نسبة الظهور المدفوع إلى العضوي بعد الموجة التالية من نتائج AI في البحث. كذلك فإن 70% من مديري PPC الذين يستخدمون نماذج AI يبلّغون عن مشكلات في جودة المخرجات (https://www.searchenginejournal.com/ppc-trends-2026-ai-automation-and-the-fight-for-visibility/558870/). لذلك يعتمد الميزانية والعلامة وإطلاق المواد الإبداعية لدينا إنسان. الآلة تقترح، والإنسان يوقّع.

ما الذي تخرج به من هذا

لا تُعرف وكالة AI بعدد المرات التي تكتب فيها كلمة AI. تُعرف بقدرتها على أن تريك على أي بيانات يعمل نظامها، وأي القرارات يتخذها وحده وأيها يعتمدها إنسان. وكل ما عدا ذلك مجرد صياغة على الموقع.

وإذا أردت أن تعرف هل يخفي كتالوجك فرقاً بين الإيراد والربح، فلنراجعه معاً. استشارة غير ملزمة مدتها 30 دقيقة، ننظر فيها داخل الحساب، ونقول ما الذي ينقص في البيانات، ونقدّر الإمكانات. من دون عرض تقديمي ومن دون التزام بالاستمرار.

الأسئلة الشائعة

كيف أعرف أن الوكالة تستخدم AI فعلاً ولا تكتفي بالحديث عنه؟

اسأل عن ثلاثة أمور محددة: ما البيانات التي يراها نظامها (SKU، سعر الشراء، المخزون، المرتجعات، قيمة العميل)، وكم مرة يتخذ قراراً، وهل يوجد سجل قرارات تستطيع الاطلاع عليه. الوكالة التي تستخدم أدوات AI لكتابة النصوص فقط تتوقف عند السؤال الأول. الإجابة القابلة للتحقق لا تستغرق أكثر من دقيقة.

ما هو POAS وهل هو أفضل من ROAS؟

POAS هو عائد الإنفاق الإعلاني محسوباً من الربح لا من الإيراد. وفي متجر إلكتروني بهوامش متفاوتة يكون مقياساً حاكماً أفضل من ROAS، لأنه يمنع هروب الميزانية نحو منتجات ذات إيراد مرتفع وهامش منخفض. لكنه لا يغني عن النظر إلى قائمة الأرباح والخسائر كاملة ولا عن قياس الأثر الإضافي.

كم من البيانات يحتاج المتجر الإلكتروني حتى يصبح التحسين على الربح منطقياً؟

عملياً تحتاج إلى حجم تحويلات مستقر يجد فيه النموذج ما يتعلم منه، وإلى كتالوج بهوامش متفاوتة. أما عند عشرات التحويلات شهرياً أو عند منتج واحد بهامش واحد، فلن يغطي العائد تكلفة العمل على البيانات. عندئذ من الأفضل الاستثمار في الفيد والمواد الإبداعية والمنتج.

كيف يمكن التحقق من أن الإعلان حقق مبيعات إضافية فعلاً؟

الدليل الموثوق الوحيد هو التجربة: geo holdout أو user-level holdout أو نموذج مزيج تسويقي معاير بالاختبارات. الأرقام داخل واجهة المنصة تخبرك لمن نُسب الفضل، لا ما الذي كان سيحدث من دون الإعلان. وقد أظهرت تجربة eBay أن نحو 99.5% من الزيارات الآتية من إعلانات العلامة كانت ستأتي من دونها أيضاً.

من ينبغي أن يملك الحسابات الإعلانية والبيانات بعد انتهاء التعاون؟

العميل. الحسابات الإعلانية وبيانات التحويل والجماهير وتاريخ التعلّم كلها ملك للمتجر الإلكتروني، لا للوكالة. الانتقال إلى حساب جديد يعني فقدان التاريخ الذي تقوم عليه المزايدة الآلية، وإعادة تشغيل الأداء من الصفر عملياً. ثبّت ملكية الحسابات في العقد قبل أول حملة.

هل يجب أن أملك بيانات هامش دقيقة حتى أبدأ؟

لا. يسمح Google نفسه بالبدء بتقدير COGS، مثلاً كنسبة ثابتة من سعر المنتج، حتى ينطلق التقرير. والمنهج الصحيح هو التدقيق التدريجي بإضافة الشحن ورسوم الدفع والتغليف ونسبة المرتجعات. تأجيل المشروع حتى يصبح الهامش مثالياً يكلف أكثر من البدء بتقدير.