ویرگول
ورودثبت نام
Morteza Mahini
Morteza Mahiniثبت حرکت‌های کوچک، ساخت عادت‌های پایدار، و بهتر شدن.
Morteza Mahini
Morteza Mahini
خواندن ۷ دقیقه·۱ ماه پیش

مالکیت مشتری در عصر ایجنت‌های هوش مصنوعی

در ۸ سپتامبر ۲۰۲۶، شرکت متا از ایجنت هوش مصنوعی شخصی خود به نام Muse رونمایی کرد؛ دستیار هوشمندی که طراحی شده بود تا به نمایندگی از کاربر فرم‌ها را پر کند، چانه بزند، سفر رزرو کند و خرید انجام دهد. تنها ۱۲ روز بعد، آمازون دسترسی Muse را به سایت خود مسدود کرد و مدعی شد ایجنت‌های شخص ثالث باید هویت خود را اعلام کرده و پیش از خرید به نمایندگی از مشتریان، از فروشنده اجازه بگیرند.

در نگاه اول، این ماجرا شبیه یک اختلاف فنی بر سر نحوه دسترسی بات‌ها به یک وب‌سایت به نظر می‌رسد؛ اما در واقع، نشانه یک زلزله استراتژیک است. بیش از سه دهه، این آمازون بود که تعیین می‌کرد مشتریان چگونه در رابط کاربری‌اش جست‌وجو، مقایسه و خرید کنند. اما ظهور ایجنت‌هایی مثل Muse معادله را عوض کرده است: حالا مشتری می‌تواند با ایجنتی وارد بازار شود که از قبل سلیقه و نیاز او را می‌شناسد، گزینه‌ها را به جای او ارزیابی می‌کند و بدون اینکه کنترل فرآیند تصمیم‌گیری را به آمازون بدهد، تراکنش را انجام می‌دهد.

سانگیت پاول چوداری در مقاله اخیر خود در HBR توضیح می‌دهد که ما صرفاً با تغییر شکل «جست‌وجوی آنلاین» روبه‌رو نیستیم؛ بلکه هوش مصنوعی در حال عبور از مرحله «کمک به یافتن محصول» و ورود به مرحله «نمایندگی مشتری در بازار (Representing the Customer)» است.

عکس از سایت HBR.or
عکس از سایت HBR.or

تفکیک «تعامل کاربر» از «کنترل استراتژیک»

ده سال پیش، در دوران اوج پلتفرم‌ها، سه عنصر اثر شبکه‌ای (Network Effects)، داده (Data) و تعامل کاربر (Engagement) به هم گره خورده بودند و قدرت انحصاری ایجاد می‌کردند. اما ایجنت‌های هوش مصنوعی این پیوند را از هم گسسته‌اند.

آمارهای Adobe در سه‌ماهه اول ۲۰۲۶ نشان می‌دهد ترافیک ارجاعی از سمت ابزارهای هوش مصنوعی به سایت‌های خرده‌فروشی آمریکا ۳۹۳ درصد رشد داشته و این کاربران ۳۲ درصد بیشتر در سایت‌ها مانده‌اند. اما فریب این اعداد را نخورید! یک فروشگاه یا مارکت‌پلیس می‌تواند همچنان ترافیک و فروش بالایی داشته باشد، در حالی که فرآیند تصمیم‌گیری اصلی (اینکه چه گزینه‌هایی مقایسه شوند و کدام انتخاب شود) جای دیگری در دل ایجنت کاربر رقم خورده است. در این حالت، پلتفرم‌ها به مرور زمان از فرصت‌های ارزشمندی مثل بیش‌فروشی (Cross-sell)، فهمیدن دلیل رد شدن سایر گزینه‌ها و بازگرداندن مشتری برای خرید بعدی محروم می‌شوند و به یک «مجری نامرئی و پرزحمت عملیات لجستیک» تنزل پیدا می‌کنند.

نویسنده ۶ تغییر بنیادین را مطرح می‌کند که نشان می‌دهد قواعد بازی چگونه عوض شده است:

۱. مالکیت بر «مرحله کشف (Discovery)» دیگر به معنای مالکیت بر مشتری نیست

بسیاری از مارکت‌پلیس‌ها روی جست‌وجوی محاوره‌ای سرمایه‌گذاری کرده‌اند تا کشف محصول راحت‌تر شود. اما وقتی ایجنت شخصیِ خودِ کاربر می‌تواند به طور هم‌زمان در چندین مارکت‌پلیس رقیب جست‌وجو کند، هر پلتفرم صرفاً به یک «منبع داده» برای کوئری زدن ایجنت تبدیل می‌شود، نه نقطه‌ای که مشتری تصمیم‌گیری را از آنجا آغاز می‌کند.

  • مثال واقعی: در اکتبر ۲۰۲۵، پلتفرم املاک Zillow اولین اپلیکیشن در نوع خود داخل ChatGPT بود. اما پنج ماه بعد، رقیب مستقیمش یعنی Realtor.com هم وارد همان محیط شد. همین اتفاق برای Booking.com و Expedia در حوزه سفر، و Walmart و Target در پروتکل خرید Gemini گوگل افتاد. در عصر ایجنت‌ها، برنده کسی نیست که در مرحله کشف حضور دارد، بلکه پلتفرمی است که بتواند به ایجنتِ کاربر کمک کند تصمیم بهتری بگیرد؛ و این نیازمند رصد اتفاقات «پس از کشف» است (کدام مکالمه به پیشنهاد، کدام پیشنهاد به قرارداد و کدام به خرید نهایی تبدیل شد و چرا).

۲. «اثر شبکه‌ای» دیگر مسیر تضمین‌شده‌ای برای حفظ مشتری نیست

در عصر پلتفرم‌ها، اثر شبکه‌ای بزرگ‌ترین سد ورود رقبا بود (برای جذب خریدار به فروشنده نیاز داشتید و برعکس). اما هوش مصنوعی باعث شده رقبای تازه‌وارد نیازی به بازسازی کامل هر دو سمت شبکه نداشته باشند؛ آن‌ها می‌توانند با دسترسی ویژه به یک سمت بازار، سمت دیگر را با هوش مصنوعی سازماندهی کنند و «عمق اطلاعات» را جایگزین «وسعت شبکه» کنند.

  • مثال واقعی: پلتفرم Upwork سال‌ها با جمع کردن میلیون‌ها فریلنسر و کارفرما قدرت گرفت. اما استارتاپ Mercor بدون داشتن شبکه‌ای به بزرگی Upwork وارد رقابت شد؛ این شرکت با ارزیابی‌های مبتنی بر هوش مصنوعی، پروفایل‌های بسیار غنی و دقیقی از مهارت نیروهای کار ساخت و کیفیت تطبیق (Matching) را بدون نیاز به شبکه عظیم دوطرفه بالا برد. شرکت Ramp نیز در حوزه خریدهای سازمانی، با دسترسی به داده‌های مدیریت هزینه‌ها و فاکتورها (یک سمت بازار)، به شرکت‌ها کمک می‌کند تامین‌کنندگان را ارزیابی کنند و قرارداد ببندند، بی‌آنکه نیازی به ساختن یک شبکه بزرگ از فروشندگان از صفر داشته باشد.

۳. داده‌های شما دیگر عمیق‌ترین شناخت را از مشتری به دست نمی‌دهند

یک مارکت‌پلیس فقط رفتار کاربر را در دسته‌بندی خاص خودش می‌بیند، اما یک ایجنت شخصی (مثل Muse متا یا Instinct که به ایمیل و ابزارهای روزمره کاربر وصل است) کاربر را در تمام ابعاد زندگی‌اش می‌شناسد. از طرفی، داده زمانی برای آموزش هوش مصنوعی ارزشمند است که به نتیجه تراکنش وصل باشد.

  • مثال واقعی: پلتفرم Tripadvisor بیش از یک میلیارد نظر (Review) ثبت‌شده دارد که بیست سال دارایی استراتژیکش بود. امروز هوش مصنوعی این نظرات را خلاصه می‌کند و به کاربر می‌دهد، بدون اینکه کاربر وارد سایت Tripadvisor شود؛ بدتر اینکه Tripadvisor دیدی روی تراکنش نهایی ندارد. در مقابل، زیرمجموعه‌های تراکنشی همین شرکت یعنی Viator و TheFork در سال ۲۰۲۵ رشد دورقمی داشتند و نزدیک به ۶۰ درصد درآمد شرکت را ساختند، چون به تراکنش نهایی نزدیک‌ترند و خروجی تصمیم کاربر را می‌بینند.

۴. قفل کردن سمت عرضه (Supply Lock-in) دیگر ضامن کنترل سمت تقاضا نیست

پلتفرم‌هایی مثل Airbnb، آمازون و Upwork با ارائه ابزارهای مدیریت تقویم، قیمت‌گذاری، پیام‌رسانی و پرداخت، فروشندگان و میزبانان را در سیستم خود قفل می‌کردند (ایجاد هزینه جابه‌جایی بالا).

اما حالا ایجنت‌ها از دو طرف این قفل را می‌شکنند: از یک سو ایجنتِ مسافر هم‌زمان Airbnb، بوکینگ و هتل‌ها را می‌گردد (تقاضای قابل حمل)، و از سوی دیگر، یک «ایجنت مدیریت ملک» به میزبان کمک می‌کند تقویم، قیمت‌گذاری، نظافت و پیام‌های خود را به طور هم‌زمان در Airbnb، Vrbo و سایت شخصی‌اش هماهنگ کند (عرضه قابل حمل). در نتیجه، Airbnb ممکن است همچنان محل انجام تراکنش بماند، اما دیگر مالک انحصاری رابطه در هیچ‌یک از دو سمت نیست.

۵. حتی ساختن ایجنت اختصاصی هم به تنهایی مالکیت مشتری را تضمین نمی‌کند

وال‌مارت دستیار خرید هوشمند خود به نام Sparky را ساخت و اوایل ۲۰۲۶ مشخص شد سبد خرید مشتریانی که از Sparky استفاده می‌کنند ۳۵ درصد بزرگ‌تر است. اما وال‌مارت تجربه تلخی هم کسب کرد: وقتی اجازه داد کاربران داخل ChatGPT و Gemini مستقیماً با درگاه پرداخت آن پلتفرم‌ها خرید کنند، دید نرخ تبدیل (Conversion Rate) یک‌سوم سایت خودش است و مهم‌تر از آن، کنترل حساب کاربری، باشگاه مشتریان و داده سبد خرید را از دست داده است. بنابراین وال‌مارت مدل درگاه پرداخت عمومی داخل چت را کنار گذاشت و تجربه خرید و تسویه‌حساب (Checkout) اختصاصی خودش را به داخل ChatGPT برد. درس مهم اینجاست: مهم نیست ایجنت چقدر با کاربر تعامل می‌کند؛ مهم این است که تراکنش کجا نهایی می‌شود و چه کسی چرخه یادگیری پس از خرید را در اختیار می‌گیرد.

۶. صرفِ داشتن دیتای شخصی‌سازی، دیگر کافی نیست

دیتای نسل قبلی پلتفرم‌ها برای «شخصی‌سازی تجربه مرور و پیشنهاد محصول» (کلیک‌ها و جست‌وجوها) بهینه شده بود، نه برای تصمیم‌گیری ایجنت‌ها. امروز ابزارهایی مثل Personal Intelligence گوگل با دسترسی به جیمیل و رسیدهای خرید و رزروهای قبلی، تصویر کامل‌تری از نتایج واقعی تصمیمات کاربر دارند.

با این حال، مارکت‌پلیس‌هایی که تراکنش‌های پرتکرار و چرخه بسته دارند، دست بالا را خواهند داشت. مثلاً Instacart در خریدهای سوپرمارکتی موقعیت فوق‌العاده‌ای دارد؛ چون خریدها پرتکرارند و داخل خود پلتفرم نهایی می‌شوند. این شرکت دقیقاً می‌بیند یک خانواده چه چیزی را تکرار می‌کند، چه برندی را جایگزین می‌کند و چه چیزی را رد می‌کند. این «حلقه بازخورد با فرکانس بالا» خوراکی به هوش مصنوعی می‌دهد که هیچ پلتفرم بیرونی‌ای به راحتی نمی‌تواند کپی کند.

جمع‌بندی: قاعده جدید بازی چیست؟

تمام این ۶ تغییر به یک نقطه اشاره دارند: در عصر ایجنت‌ها، مزیت‌های سنتی مثل ترافیک بالا، اثر شبکه‌ای، قفل کردن تامین‌کننده و داشتن دیتای کلیک‌ها، دیگر به تنهایی مالکیت مشتری را تضمین نمی‌کنند.

جایگاه قدرتمند متعلق به سیستمی است که بتواند «نیت مشتری را به تصمیم وصل کند، نتیجه نهایی تراکنش را ببیند، و از آن بازخورد برای بهبود تصمیم بعدی استفاده کند.» در دوران جدید، مالکیت مشتری یعنی کسبِ لیاقتِ نمایندگی کردن او.

هوش مصنوعیاستراتژی محصولمدل کسب و کارمدیریت محصولمشتری
۰
۰
Morteza Mahini
Morteza Mahini
ثبت حرکت‌های کوچک، ساخت عادت‌های پایدار، و بهتر شدن.
شاید از این پست‌ها خوشتان بیاید