به نقل از دیجیتال مارکتینگ، ورود Agentهای هوش مصنوعی به تجارت الکترونیک فقط شیوه خرید کاربران را تغییر نمیدهد؛ بلکه میتواند جایگاه فروشگاه، برند، پلتفرم تبلیغاتی و حتی مدلهای سنتی بازاریابی را دگرگون کند. در تجارت Agentic، ممکن است فروشگاه همچنان سفارش را دریافت کند، پول را بگیرد و کالا را تحویل دهد، اما بخش مهمی از تصمیم خرید پیش از رسیدن مشتری به فروشگاه توسط یک دستیار هوشمند شکل گرفته باشد.
این تغییر یک سؤال اساسی ایجاد میکند: اگر یک Agent نیاز کاربر را تشخیص دهد، محصولات را پیدا کند، گزینهها را مقایسه کند، تعدادی را حذف کند و در نهایت یک محصول را پیشنهاد دهد، مالک واقعی تصمیم خرید چه کسی است؟ فروشگاهی که تراکنش را انجام میدهد یا پلتفرمی که مسیر انتخاب را ساخته است؟
این پرسش بهخصوص برای صنعت Retail Media اهمیت دارد؛ صنعتی که بخش مهمی از ارزش خود را از کنترل نقطه تماس با مشتری، دادههای رفتاری و امکان اثرگذاری بر انتخاب او به دست میآورد.
تجارت Agentic چه چیزی را در خرید تغییر میدهد؟
در تجارت الکترونیک سنتی، کاربر وارد یک فروشگاه آنلاین میشود، جستوجو میکند، فهرست محصولات را میبیند، صفحات مختلف را باز میکند، قیمتها و نظرات را مقایسه میکند و در نهایت خرید خود را انجام میدهد.
اما در مدل Agentic Commerce، بخشی از این فرایند میتواند توسط یک Agent انجام شود. کاربر ممکن است فقط بگوید به یک لپتاپ با مشخصات خاص و بودجه مشخص نیاز دارد. سپس Agent محصولات مختلف را بررسی میکند، موجودی و قیمت را میسنجد، شرایط ارسال و مرجوعی را مقایسه میکند و گزینههای مناسب را در اختیار کاربر قرار میدهد.
در این مدل، فروشگاه همچنان میتواند طرف رسمی معامله باشد؛ اما دیگر لزوماً تنها نقطهای نیست که کاربر در آن تصمیم میگیرد.
این تفاوت بسیار مهم است، زیرا مالکیت تراکنش با مالکیت تصمیم یکی نیست.
چهار لایه قدرت در یک تصمیم خرید
برای درک بهتر این تغییر، میتوان فرایند خرید را به چهار لایه تقسیم کرد. هر لایه ممکن است در اختیار بازیگر متفاوتی باشد.
۱. شکلگیری تقاضا
در این مرحله نیاز، علاقه، اعتماد و ترجیح برند در ذهن مصرفکننده شکل میگیرد. تبلیغات، تجربههای قبلی، فرهنگ، توصیه دیگران و شناخت برند در این بخش نقش دارند.
این لایه همچنان ارتباط زیادی با ذهن و احساس انسان دارد و بهسادگی نمیتوان آن را به یک الگوریتم واگذار کرد.
۲. تبدیل نیاز به یک مأموریت برای Agent
کاربر در این مرحله نیاز خود را به شکل یک درخواست مشخص بیان میکند. بودجه، زمان تحویل، برندهای مورد قبول، شرایط پرداخت، محل دریافت و سایر محدودیتها میتوانند بخشی از این مأموریت باشند.
برای مثال، کاربر ممکن است از Agent بخواهد «یک گوشی زیر یک بودجه مشخص با دوربین خوب و امکان ارسال سریع» پیدا کند. از همین لحظه، Agent بهجای کاربر وارد مرحله بررسی گزینهها میشود.
۳. ساخت و رتبهبندی گزینهها
اینجا یکی از مهمترین نقاط انتقال قدرت اتفاق میافتد. Agent تصمیم میگیرد چه محصولاتی شرایط اولیه را دارند، کدام گزینهها حذف شوند و چه محصولاتی در فهرست نهایی قرار بگیرند.
در چنین محیطی، جایگاه یک محصول فقط به رتبه آن در صفحه نتایج فروشگاه وابسته نیست. محصول باید اطلاعاتی داشته باشد که ماشین بتواند آن را بخواند، مقایسه کند و در تصمیم خود به کار ببرد.
۴. اجرای تراکنش
در مرحله آخر، خرید انجام میشود. سبد شکل میگیرد، پرداخت انجام میشود، فروشنده سفارش را تأیید میکند و کالا ارسال خواهد شد.
نکته مهم این است که ممکن است فروشگاه در این مرحله کاملاً کنترل داشته باشد، اما در سه مرحله قبلی حضور بسیار کمتری داشته باشد.
AIDA از بین نمیرود؛ بین انسان و Agent تقسیم میشود
مدل AIDA سالها یکی از چارچوبهای شناختهشده در بازاریابی بوده است: Attention، Interest، Desire و Action. این مدل بر یک فرض ساده استوار است؛ انسانی که پیام را میبیند، به آن علاقهمند میشود، میل پیدا میکند و در نهایت اقدام میکند.
اما در تجارت Agentic، این چهار مرحله لزوماً توسط یک بازیگر انجام نمیشوند.
| مرحله | نقش انسان | نقش Agent |
|---|---|---|
| Attention | دیدهشدن، شناخت و بهیادماندن برند | قابلکشف بودن محصول در داده، API یا پاسخ AI |
| Interest | کنجکاوی و درگیری ذهنی | بررسی تناسب محصول با نیاز و محدودیتهای کاربر |
| Desire | اعتماد، هویت و ترجیح | امتیازدهی بر اساس قواعد و دادههای قابلمشاهده |
| Action | تأیید یا تصمیم نهایی | ساخت سبد و اجرای تراکنش در محدوده اختیار |
Agent مانند انسان احساس علاقه یا میل ندارد. برای یک Agent، جذابیت محصول میتواند به مجموعهای از متغیرهای قابلاندازهگیری تبدیل شود؛ قیمت، موجودی، زمان ارسال، اعتبار فروشنده، شرایط مرجوعی، ضمانت و تناسب با درخواست کاربر.
در خریدهای تکراری، حتی ممکن است نقش انسان بسیار محدودتر شود. کاربر میتواند یک قاعده مشخص تعریف کند و اجازه دهد Agent خریدهای بعدی را بر اساس همان قاعده انجام دهد.
برند در عصر Agentها دو مخاطب دارد
برندها در این محیط دیگر فقط برای انسانها بازاریابی نمیکنند. آنها باید اطلاعات خود را به شکلی ارائه کنند که سیستمهای هوشمند نیز بتوانند آن را تفسیر و مقایسه کنند.
در نتیجه، برند به ترکیبی از حافظه انسانی و خوانایی ماشینی نیاز دارد.
لایه انسانی همچنان شامل داستان، هویت، خلاقیت، تجربه، تمایز و اعتماد است. اما لایه ماشینی به اطلاعاتی مانند قیمت، موجودی، هزینه و زمان ارسال، شرایط مرجوعی، ضمانت، اعتبار فروشنده، نظرات کاربران و تاریخ بهروزرسانی اطلاعات نیاز دارد.
این تغییر به معنای حذف برند نیست. برعکس، برند قوی میتواند پیش از آغاز فرایند مقایسه وارد قواعد تصمیم کاربر شود. برای مثال، کاربر ممکن است از ابتدا مشخص کند که فقط محصولات یک برند خاص یا فروشندگان مورد اعتماد را بررسی کند.
از طرف دیگر، Agent میتواند یک برند کمترشناختهشده را به دلیل ضمانت بهتر، قیمت مناسبتر یا تحویل سریعتر وارد فهرست انتخاب کند. در چنین شرایطی، برند همچنان مهم است، اما دادههای ساختاریافته و قابلاعتماد تعیین میکنند محصول اساساً وارد فرایند مقایسه شود یا خیر.
Retail Media با ورود Agentها چه تغییری میکند؟
مدل سنتی Retail Media بر چند دارایی اصلی استوار است: ترافیک انسانی، فضای نمایش تبلیغات، دادههای دستاول و توانایی اتصال یک مواجهه تبلیغاتی به خرید.
اما اگر Agent بتواند بدون باز کردن صفحات متعدد، اطلاعات محصول را دریافت و خرید را انجام دهد، ارزش برخی از این داراییها تغییر میکند.
ممکن است کاربر کمتر در صفحه محصول بچرخد، تبلیغات کمتری ببیند، پیشنهادهای مکمل را مشاهده نکند و تعامل کمتری با باشگاه مشتریان یا سایر بخشهای فروشگاه داشته باشد. با این حال، این الزاماً به معنای کاهش فروش نیست.
ترافیک ورودی از Agent میتواند کوچکتر اما آمادهتر باشد. مسئله اصلی برای فروشگاه در چنین شرایطی فقط تعداد فروش نیست؛ بلکه این است که چه کسی داده مربوط به شکلگیری تصمیم خرید را در اختیار دارد.
کالای کمیاب جدید: حضور در مجموعه تصمیم
در وب سنتی، بخش مهمی از اقتصاد تبلیغات بر فروش فضای نمایش استوار بود. برند پول میدهد تا در صفحه نتایج، صفحه محصول یا سایر نقاط تماس دیده شود.
در محیط Agentic، ممکن است فضای نمایش به شکل سابق وجود نداشته باشد. اگر Agent از میان هزاران محصول فقط چند گزینه را بررسی کند، مسئله اصلی برای برند دیگر صرفاً گرفتن یک جایگاه تبلیغاتی نیست؛ بلکه وارد شدن به مجموعه گزینههایی است که Agent آنها را شایسته بررسی میداند.
این تغییر میتواند مدلهای تبلیغاتی مبتنی بر نتیجه را تقویت کند. در چنین مدلی، برند ممکن است برای حضور در فرایند انتخاب یا ایجاد یک تراکنش منتسب هزینه پرداخت کند، در حالی که کاربر حتی یک صفحه سنتی تبلیغاتی را مشاهده نکرده است.
در نتیجه، معیارهای تبلیغات دیجیتال نیز باید تغییر کنند. Impression و Click ممکن است دیگر برای توضیح ارزش واقعی یک تعامل کافی نباشند و شاخصهایی مانند حضور در فهرست گزینهها، سهم از توصیهها و تراکنش منتسب اهمیت بیشتری پیدا کنند.
چهار فشار اصلی که Retail Media با آن روبهرو میشود
کاهش فضای نمایش انسانی
هر خریدی که بدون ورود کاربر به صفحات فروشگاه انجام شود، فرصت نمایش تبلیغات سنتی را کاهش میدهد. این موضوع میتواند اقتصاد مدلهای مبتنی بر Impression و Click را تحت تأثیر قرار دهد.
دوپارگی داده
AI Provider ممکن است درخواست کاربر، محدودیتها و فرایند مقایسه گزینهها را ببیند، در حالی که فروشگاه اطلاعات تراکنش، پرداخت، ارسال و مرجوعی را در اختیار دارد.
در نتیجه، هیچکدام لزوماً تصویر کاملی از مسیر تصمیم ندارند.
انتقال قدرت انتخاب
اگر یک Provider تعیین کند چه محصولاتی وارد فهرست بررسی شوند و ترتیب نمایش یا پیشنهاد آنها چگونه باشد، بخشی از قدرتی که پیشتر در اختیار فروشگاه بود به لایه هوش مصنوعی منتقل میشود.
ظهور اقتصاد چندلایه برای برند
برند ممکن است برای دیدهشدن در محیط AI هزینه کند و همزمان برای دیدهشدن در محیط فروشگاه نیز هزینه تبلیغاتی بپردازد. در این وضعیت، باید مشخص شود هر پلتفرم دقیقاً چه ارزشی ایجاد کرده و سهم آن از تراکنش چگونه محاسبه میشود.
اگر Agent متعلق به خود فروشگاه باشد چه میشود؟
یکی از مهمترین چالشها زمانی ایجاد میشود که خود فروشگاه یا مارکتپلیس یک Agent خرید ارائه کند.
در این حالت ممکن است یک مجموعه همزمان سه نقش داشته باشد: رتبهبندی محصولات، فروش فضای تبلیغاتی و گزارش عملکرد تبلیغ.
این مسئله در تبلیغات سنتی نیز وجود دارد، اما کاربر در محیط معمولی صفحه را میبیند و میتواند تفاوت میان محتوای عادی و تبلیغ را تشخیص دهد. در تعامل با یک Agent، تجربه میتواند به یک پاسخ کوتاه تبدیل شود؛ مثلاً «این محصول را پیشنهاد میکنم».
به همین دلیل، شفافیت در مورد پیشنهادهای تجاری اهمیت بیشتری پیدا میکند. اگر محصولی به دلیل پرداخت تبلیغاتی وارد توصیه شده است، کاربر باید بتواند این موضوع را تشخیص دهد و در صورت نیاز بفهمد پیشنهاد بر چه مبنایی شکل گرفته است.
نرخ تبدیل بالا همیشه به معنای ارزش بیشتر نیست
یکی از وسوسههای اصلی تجارت Agentic، افزایش نرخ تبدیل است. اگر کاربر با نیت خرید وارد شود و Agent مستقیماً او را به محصول مناسب برساند، طبیعی است که نرخ تبدیل نسبت به برخی مسیرهای سنتی بیشتر شود.
اما این شاخص بهتنهایی نمیتواند ارزش واقعی کانال را مشخص کند. ممکن است Agent فقط تقاضایی را دریافت کرده باشد که کاربر در هر صورت آماده انجام آن بوده است.
برای ارزیابی واقعی این کانال باید به فروش افزایشی توجه کرد؛ یعنی مشخص شود چه میزان از سود حاصل واقعاً به دلیل حضور Agent ایجاد شده است.
در این محاسبه باید عواملی مانند تخفیف، کمیسیون پلتفرم، هزینه تأمین و ارسال، مرجوعی، جابهجایی فروش از کانالهای دیگر و درآمد تبلیغاتی از دسترفته یا ایجادشده نیز در نظر گرفته شوند.
تجارت Agentic در ایران از کجا میتواند شروع شود؟
تجارت کاملاً خودکار و سراسری احتمالاً تنها مسیر ورود Agentها به بازار ایران نخواهد بود. مدلهای سادهتر و نزدیکتر به تجربه فعلی میتوانند زودتر مورد استفاده قرار گیرند.
- دستیار خرید داخل مارکتپلیسها و سوپراپها
- مقایسهگر هوشمند قیمت و موجودی
- Agent متصل به اعتبار یا پرداخت اقساطی
- ابزارهای کنترل مرورگر برای انجام خرید به نمایندگی از کاربر
- خرید مبتنی بر گفتگو در پیامرسانها
- Agentهای سازمانی برای خریدهای تکراری و B2B
البته چالشهایی مانند نوسان قیمت، تغییر موجودی، تفاوت کیفیت فروشندگان، اصالت کالا و محدودیتهای پرداخت خودکار میتوانند سرعت توسعه این تجربهها را تحت تأثیر قرار دهند.
در همین شرایط، داده معتبر اهمیت بیشتری پیدا میکند. اعتبار فروشنده، موجودی واقعی، زمان تحویل، نظرات کاربران، تاریخچه قیمت، ضمانت، اصالت، شرایط اقساط و نرخ مرجوعی همگی اطلاعاتی هستند که یک Agent برای تصمیمگیری دقیق به آنها نیاز دارد.
داده محصول میتواند به یک دارایی استراتژیک تبدیل شود
در اقتصاد Agentic، اطلاعات محصول دیگر صرفاً محتوای یک صفحه فروشگاه نیست. داده محصول میتواند به بخشی از زیرساخت تصمیمگیری تبدیل شود.
اگر فروشگاه اطلاعات محصول، موجودی، قیمت، شرایط ارسال و سایر دادههای تجاری را از طریق مسیرهای رسمی و با قواعد روشن در اختیار Agentها قرار دهد، نقش آن میتواند از یک محل انجام تراکنش فراتر برود.
اما اگر تمام این اطلاعات بدون کنترل اقتصادی و بدون مشخص بودن قواعد انتساب در اختیار پلتفرمی قرار گیرد که هم کشف محصول و هم رتبهبندی و تبلیغات را کنترل میکند، ممکن است فروشگاه بخش مهمی از رابطه خود با مشتری را از دست بدهد.
سه تصمیم مهم برای فروشگاهها و برندها
۱. رسانه انسانی و تجارت Agentic را جدا اندازهگیری کنید
نمایش تبلیغ به انسان، مشاهده ماشینی محصول و نتیجه تجاری سه اتفاق متفاوت هستند. ترکیب این شاخصها در یک گزارش میتواند تحلیل مسیر مشتری و مدلهای پیشبینی را دچار خطا کند.
۲. دسترسی Agentها به داده را مدیریت کنید
فروشگاه باید مشخص کند چه اطلاعاتی، با چه سطح دسترسی و تحت چه شرایطی در اختیار Agentها قرار میگیرد. هویت Agent، قواعد انتساب تراکنش و مدل اقتصادی این دسترسی باید از ابتدا روشن باشند.
۳. قدرت تصمیم را در کنار قدرت تراکنش مدیریت کنید
صرف اینکه فروشگاه سفارش را ثبت میکند، به معنای کنترل کامل فرایند خرید نیست. باید مشخص شود فهرست گزینهها کجا ساخته میشود، چه کسی محصولات را رتبهبندی میکند و چه پلتفرمی اطلاعات مربوط به دلیل انتخاب را در اختیار دارد.
از خرید توجه تا مالکیت تصمیم
تجارت Agentic به معنای پایان برند، AIDA یا Retail Media نیست؛ بلکه ساختار آنها را تغییر میدهد. در این مدل، حافظه و ترجیح انسانی در کنار قابلیت کشف و ارزیابی ماشینی قرار میگیرند.
فروشگاه ممکن است همچنان پول را دریافت کند، کالا را ارسال کند، خدمات پس از فروش ارائه دهد و اطلاعات مشتری را در سیستم خود نگه دارد. اما اگر نیاز کاربر، گزینههای قابلبررسی، رتبهبندی و توصیه نهایی در یک محیط دیگر شکل گرفته باشند، بخش مهمی از قدرت تصمیمگیری خارج از فروشگاه قرار گرفته است.
بنابراین سؤال کلیدی در آینده تجارت الکترونیک فقط این نیست که «چه کسی فروش را ثبت کرد؟» بلکه باید پرسید: چه کسی گزینهها را ساخت؟ چه کسی آنها را رتبهبندی کرد؟ چه کسی توانست تصمیم را تغییر دهد؟ و چه کسی میتواند اثرگذاری خود بر این تصمیم را اندازهگیری کند؟
این تغییر، مسیر تازهای را برای Retail Media و بازاریابی دیجیتال باز میکند؛ مسیری که در آن ارزش برند فقط به دیدهشدن، ارزش فروشگاه فقط به تعداد بازدیدها و ارزش تبلیغات فقط به تعداد کلیکها محدود نخواهد بود.
برای مطالعه جدیدترین اخبار و تحلیلهای بازاریابی دیجیتال و هوش مصنوعی به دیجیتال مارکتینگ مراجعه کنید.
“`
