.svg)
اختر توصيات العناصر من Braze بناءً على ثلاثة أسئلة: حجم بيانات التفاعل المتوفرة لديك، وما إذا كنت تعرف المنطق المطلوب مسبقاً، ومدى حداثة التوصية المطلوبة. تناسب التوصيات المخصصة بالذكاء الاصطناعي (AI Personalized) الكتالوجات الكبيرة والجمهور المتنوع الأذواق. أما التوصيات القائمة على القواعد (Rules-based) فهي تناسب الأنماط المعروفة مثل دورات إعادة التخزين، وتعد الخيار الأكثر أماناً عندما تتبع الرسالة عملية شراء خلال ساعات قليلة.
أبرز النقاط
- اختر توصيات العناصر لكل موضع بناءً على حجم البيانات، وما إذا كنت تعرف المنطق المطلوب، ومدى حداثة العنصر المطلوبة.
- تشير Braze إلى أن التوصيات المخصصة بالذكاء الاصطناعي تعمل بشكل أفضل مع مئات أو آلاف العناصر، وعادةً ما تتطلب ما لا يقل عن 30,000 مستخدم لديهم بيانات تفاعل.
- تستخدم التوصيات القائمة على القواعد منطقاً ثابتاً تقوم أنت بكتابته، وهو ما يناسب الأنماط المعروفة مثل تذكيرات إعادة التخزين.
- يتم تحديث خيار استبعاد العناصر التي اشتراها المستخدم بالفعل أسبوعياً فقط، أو كل 24 ساعة مع ميزة Item Recommendations Pro.
- إذا قام النموذج بملء أقل من 30 عنصراً، تقوم Braze بإلحاق العناصر الأكثر رواجاً.
- يمكن أن يظهر نفس العنصر في عدة أقسام من رسالة بريد إلكتروني واحدة، لذا استخدم Liquid لإزالة التكرار.
ما هي أنواع توصيات العناصر في Braze؟
تستمد كل توصية بياناتها من كتالوج، ولا يتم التوصية إلا بالعناصر الموجودة في ذلك الكتالوج. وضمن هذا الإطار، توفر Braze نماذج ذكاء اصطناعي ونهجاً قائماً على القواعد تقوم أنت ببنائه بنفسك.
| النوع | كيفية اختيار العناصر | الأفضل لـ |
|---|---|---|
| التخصيص بالذكاء الاصطناعي (AI Personalized) | التعلم العميق لآخر 6 أشهر من تفاعلات العناصر، مع استخدام العناصر الأكثر رواجاً كخيار احتياطي | اكتشاف المنتجات حيث تختلف الأذواق عبر جمهور كبير. |
| الرائج (Trending) | تحليل مرجح لحوالي 10 أسابيع من سجل الأحداث، مع تفضيل الأحدث | عرض ما يكتسب زخماً في الوقت الحالي. |
| الأكثر رواجاً (Most popular) | العناصر الشائعة في الكتالوج بناءً على عمليات الشراء | الخيارات الافتراضية الآمنة والمستخدمون الجدد. |
| القائمة على القواعد (Rules-based) | منطق ثابت تكتبه باستخدام Liquid، مع استخدام الكتالوجات أو المحتوى المتصل (Connected Content) | الأنماط المعروفة مثل دورات إعادة التخزين وعمليات الشراء الأولى. |
تتعلم نماذج الذكاء الاصطناعي وتتكيف من تلقاء نفسها. أما التوصيات القائمة على القواعد فتنفذ بالضبط ما كتبته حتى تقوم أنت بتغييره.
متى يجب عليك اختيار التخصيص بالذكاء الاصطناعي (AI Personalized)؟
اختره عندما تتوفر لديك البيانات اللازمة لدعمه. تشير Braze إلى أن التخصيص بالذكاء الاصطناعي يعمل بشكل أفضل مع مئات أو آلاف العناصر، وعادةً ما يتطلب ما لا يقل عن 30,000 مستخدم لديهم بيانات شراء أو تفاعل، مع ملاحظة أن هذا مجرد دليل تقريبي.
يتم إنشاء التوصيات للمستخدمين الذين أكملوا الحدث الذي تقوم بضبطه، لذا اختر الحدث الذي يمثل بشكل أفضل الاهتمام بعنصر ما. أما المستخدمون الذين لا يملكون سجلاً كافياً فيتلقون العناصر الأكثر رواجاً بدلاً من ذلك، مما يضمن بقاء كل رسالة محملة بالمحتوى.
هناك حدان عمليان يؤثران على الإعداد. لا يمكن استخدام الاختيارات التي تستخدم Liquid في توصيات الذكاء الاصطناعي، وقد يستغرق التدريب ما بين 10 دقائق و36 ساعة، لذا ضع هذا الوقت في الاعتبار عند التخطيط للإطلاق.
متى تكون التوصيات القائمة على القواعد هي الخيار الأفضل؟
استخدم القواعد عندما تعرف مسبقاً ما تريد التوصية به. تصف Braze التوصيات القائمة على القواعد بأنها منطق ثابت تقوم بضبطه يدوياً، وهي الأفضل للتوصيات التي لا تحتاج إلى تحديثات متكررة.
تعد تذكيرات إعادة التخزين أوضح مثال على ذلك. إذا كان للمنتج دورة استخدام يمكن التنبؤ بها، مثل الفيتامينات الشهرية، فإن القاعدة القائمة على تاريخ آخر عملية شراء تكون أسهل في الشرح والاختبار من النموذج.
القواعد أيضاً أسهل في التدقيق. عندما يسأل أحد أصحاب المصلحة عن سبب تلقي شخص ما لعنصر معين، تكون الإجابة هي المنطق الذي كتبته أنت، وهو أمر مهم في الفئات الخاضعة للتنظيم أو الحساسة.
تختلف خيارات محرك Braze في مدى حداثة البيانات. ومن بين الخيارات القائمة على القواعد، يعد "المحتوى المتصل" (Connected Content) هو الخيار الذي يتميز بتحديث التوصيات في الوقت الفعلي، مقابل تكلفة استضافة واستكشاف أخطاء مصدر البيانات وإصلاحها بنفسك.
ما مدى حداثة توصيات الذكاء الاصطناعي؟
يمكن لخاصية "التخصيص بالذكاء الاصطناعي" (AI Personalized) استبعاد العناصر التي سبق للمستخدم شراؤها أو التفاعل معها، لكن فعالية هذا الخيار تعتمد كلياً على مدى حداثة التحديث الأخير.
بدون ترقية Pro، تتم التحديثات أسبوعياً، أما مع "توصيات العناصر Pro" (Item Recommendations Pro)، فتتم التحديثات كل 24 ساعة. يطرح Braze مثالاً على ذلك: إذا اشترى مستخدم شيئاً ما وتلقى بريداً إلكترونياً في غضون 30 دقيقة، فقد لا يتم استبعاد العنصر الذي اشتراه للتو في الوقت المناسب.
هذا يحدد الأماكن المناسبة لاستخدام توصيات الذكاء الاصطناعي. بالنسبة لتأكيد الطلب أو المتابعة في نفس اليوم، استخدم القواعد أو استبعد العنصر الذي تم شراؤه باستخدام Liquid، بدلاً من الاعتماد على خاصية الاستبعاد في النموذج.
كيف يمكنك إضافة توصيات إلى رسالة؟
يقوم Braze بإنشاء كود Liquid نيابةً عنك من خلال خيار "إضافة تخصيص" (Add personalization) في أداة الإنشاء. يبدو النمط الذي ينتجه كما يلي، مع أسماء حقول تعتمد على الكتالوج الخاص بك.
{% assign items = {{product_recommendation.${recommendation_name}}} %}
{{ items[0].name }} مقابل {{ items[0].price }}خطط لسلوكين: إذا قام النموذج بملء أقل من 30 عنصراً، فسيقوم Braze بإلحاق العناصر الأكثر شيوعاً بعد العناصر المخصصة. ولأن كل توصية تعمل بشكل مستقل، فقد يظهر نفس العنصر في عدة أقسام من بريد إلكتروني واحد.
يتمثل حل Braze للتكرارات في تتبع معرفات العناصر التي عرضتها بالفعل باستخدام Liquid وتخطيها في الأقسام اللاحقة. قم بدمج ذلك منذ البداية إذا كانت الرسالة تحتوي على أكثر من كتلة توصية واحدة.
كيف يجب أن تختار لكل رسالة؟
أجب على هذه الأسئلة لكل موضع، وتوقف عند أول إجابة واضحة.
- هل تتبع الرسالة عملية شراء تمت خلال يوم واحد؟ استخدم القواعد، أو استبعد العنصر الذي تم شراؤه باستخدام Liquid.
- هل تعرف المنطق مسبقاً، مثل دورة الاستخدام؟ استخدم التوصيات القائمة على القواعد.
- هل الجمهور كبير ولديه سجل تفاعل كافٍ؟ استخدم "التخصيص بالذكاء الاصطناعي" (AI Personalized).
- هل الهدف هو إظهار الزخم بدلاً من الذوق الفردي؟ استخدم "الأكثر رواجاً" (Trending).
- هل الجمهور جديد أو بياناته محدودة؟ استخدم "الأكثر شيوعاً" (Most popular).
لا بأس بخلط الأنواع في رسالة واحدة. امنح كل قسم وظيفة واضحة، وقم بإزالة التكرارات عبر الأقسام.
ما هي الأخطاء التي يجب عليك تجنبها؟
سمِّ الأخطاء ليسهل اكتشافها. "نموذج البيانات المحدودة" هو "التخصيص بالذكاء الاصطناعي" الذي يعمل بسجل تاريخي ضئيل جداً، حيث يعود معظم المستخدمين إلى نفس العناصر الشائعة.
"تكرار ما تم شراؤه للتو" هو التوصية بالعنصر الذي اشتراه العميل قبل دقائق، لأن الاستبعاد لم يتم تحديثه. أما "جدار التكرار" فيظهر نفس المنتج في عدة أقسام من بريد إلكتروني واحد.
"القاعدة المنسية" تستمر في التوصية بناءً على منطق لم يراجعه أحد منذ تغيير الكتالوج. راجع المنطق القائم على القواعد كلما تغير الكتالوج.
أين يرتبط هذا ببقية البرنامج؟
تُعد التوصيات إحدى طرق تقديم محتوى ديناميكي، كما هو موضح في سبع طرق لتقديم محتوى ديناميكي. وهي تندرج ضمن النهج الأوسع في التخصيص الفائق في Braze.
تتم تغطية رسائل ما بعد الشراء، حيث تكون الحداثة هي الأهم، في أتمتة رسائل المعاملات الإلكترونية. أما أحداث التفاعل التي تتعلم منها النماذج فهي موضحة في تتبع أحداث المستخدم في Braze، وغالباً ما يتم الحصول على بيانات المنتج من خلال دمج بيانات نظام إدارة علاقات العملاء (CRM) في Braze.
بصفتنا شريك تنفيذ لـ Braze، توصي CustomerIK بالاختيار لكل موضع عرض، وليس لكل برنامج. استخدم النموذج في الحالات التي تتنوع فيها الأذواق وتتوفر فيها البيانات بكثرة، واستخدم القواعد في الحالات التي تعرف فيها الإجابة مسبقاً.
التوصيات بعد عملية شراء حديثة
بالنسبة لمتجر قهوة خيالي، لا ينبغي لإيصال يتم إرساله بعد دقائق من الشراء أن يعتمد على تحديث النموذج لاستبعاد ذلك العنصر. استخدم قاعدة توافق مُدارة أو استبعاداً صريحاً للعنصر في موضع العرض هذا. قد تكون رسالة البريد الإلكتروني الأسبوعية للاكتشاف خياراً أفضل للتوصيات المخصصة.
اختبر موضع العرض مقابل بديله الحالي مع نفس نافذة الأهلية والمراقبة. سجل عمليات الشراء بالإضافة إلى النقرات؛ ولا تفترض أن التوصية التي تحقق نقرات أكثر تؤدي بالضرورة إلى تحسين الإيرادات. عيّن مالكاً محدداً للكتالوج والقواعد.
| حالة الاختبار | النتيجة المتوقعة |
|---|---|
| لا يوجد سجل تفاعل | عرض بديل ذي صلة ومعتمد |
| تم شراء العنصر للتو | استبعاده من موضع العرض هذا |
| يظهر نفس العنصر في قسمين | إزالة التكرار من توصيات الرسالة |
الأمثلة العملية وحالات الاختبار هي توجيهات تحريرية توضيحية، وليست نتائج مقاسة للعملاء أو ادعاءً بأنه تم اختبار تكامل مباشر.
الأسئلة الشائعة
1. ما حجم البيانات الذي يحتاجه الذكاء الاصطناعي المخصص (AI Personalized)؟
تشير Braze إلى أن هذه الميزة تعمل بشكل أفضل مع مئات أو آلاف العناصر، وعادةً ما تتطلب ما لا يقل عن 30,000 مستخدم لديهم بيانات شراء أو تفاعل، كدليل تقريبي.
2. لماذا تظهر العناصر الشائعة في توصيات الذكاء الاصطناعي الخاصة بي؟
إذا قام النموذج بملء أقل من 30 عنصراً، تقوم Braze بإلحاق العناصر الأكثر شيوعاً بعد العناصر المخصصة. كما يتلقى المستخدمون الذين ليس لديهم سجل كافٍ العناصر الأكثر شيوعاً أيضاً.
3. هل يمكن لتوصيات الذكاء الاصطناعي استبعاد العناصر التي اشتراها المستخدم للتو؟
يمكنها ذلك، ولكن فقط وفقاً لآخر تحديث: أسبوعياً بدون ميزة Item Recommendations Pro، وكل 24 ساعة مع تفعيلها.
4. كم يستغرق تدريب توصيات الذكاء الاصطناعي؟
ما بين 10 دقائق و36 ساعة. ترسل لك Braze بريداً إلكترونياً عند انتهاء التدريب أو في حال فشله.
5. متى يجب أن أستخدم التوصيات القائمة على القواعد؟
عندما تكون المنطق معروفاً ومستقراً، مثل تذكيرات إعادة التخزين بناءً على دورة الاستخدام، أو عندما تتبع الرسالة عملية الشراء مباشرة.
المصادر
- Braze،توصيات العناصر. تم الاسترجاع في 18 أكتوبر 2026.
- Braze،إنشاء توصيات عناصر باستخدام الذكاء الاصطناعي. تم الاسترجاع في 18 أكتوبر 2026.
- Braze،إنشاء توصيات عناصر قائمة على القواعد. تم الاسترجاع في 18 أكتوبر 2026.
- Braze،استخدم توصيات العناصر في رسائلك. تم الاسترجاع في 18 أكتوبر 2026.
CustomerIK هي شريك تنفيذ لـ Braze، وتعمل في مجالات الإعداد، والتكامل التقني، وعمليات التسويق، وإدارة بيانات العملاء.
إذا كنت تحاول تحديد المكان الأنسب لتوصيات العناصر في رسائلك، دعنا نتحدث.
.svg)
