دراسات وأبحاث12 دقائق قراءة23 أبريل 2025

دراسة: كيف تحقق أمازون 35% من إيراداتها عبر التوصيات — أبحاث أكاديمية

نموذج أمازون في التوصيات هو الأكثر دراسةً في التاريخ التجاري. نحلل كيف يعمل نظام Cross-Selling الخاص بها، ما الأبحاث الأكاديمية التي نشأت عنه، وكيف يمكن لأي متجر تطبيق مبادئه.

الرقم الذي غيّر التجارة الإلكترونية

في عام 2013، كشف مسؤول في أمازون أن 35% من إيرادات الشركة تأتي من نظام التوصيات — "Customers Who Bought This Also Bought". منذ ذلك الحين، أصبح هذا الرقم من أكثر الإحصاءات استشهاداً في التجارة الإلكترونية.

لكن ما الذي يجعل نظام أمازون فعّالاً للغاية؟

الورقة البحثية الأم

في عام 2003، نشر فريق أمازون بحثاً علمياً بعنوان:

> "Amazon.com Recommendations: Item-to-Item Collaborative Filtering"

> — Journal of IEEE Internet Computing

هذا البحث كشف عن خوارزمية "التصفية التعاونية القائمة على العناصر" (Item-to-Item Collaborative Filtering) التي:

تُقارن المنتجات بناءً على سلوك الشراء الجماعي وليس خصائص المنتج

تُحسب في الوقت الفعلي (Real-time) لكل زائر

تتكيف مع كل منتج بشكل منفصل

الاكتشاف الأهم من البحث:

> "الخوارزمية المبنية على العناصر (Item-based) أفضل من المبنية على المستخدمين (User-based) في الدقة والسرعة على نطاق واسع"

كيف تعمل خوارزمية أمازون؟

الخطوة 1: بناء مصفوفة الترابط

لكل منتج في الكتالوج، يحسب النظام:

مع أي منتجات آخرى اشتُري معاً تاريخياً؟

ما نسبة هذا التكرار؟

هل يأتي قبل أم بعد؟

الخطوة 2: ترتيب التوصيات

يُرتّب المنتجات المرتبطة بناءً على:

قوة الارتباط (كم مرة تُشترى معاً)

ملاءمة العميل الحالي (تاريخه + تصفحه)

السياق الزمني (موسم، يوم، وقت)

الخطوة 3: التقديم في اللحظة المناسبة

لا توصية واحدة في مكان واحد — أمازون تعرض توصيات في:

صفحة المنتج (Items Customers Also Viewed)

السلة (Frequently Bought Together)

البريد الإلكتروني بعد الشراء

الصفحة الرئيسية المخصصة

الأبحاث الأكاديمية المستوحاة من نموذج أمازون

بحث MIT: تأثير التوصيات على قرار الشراء

معهد MIT أجرى تجربة (2018) أثبت فيها:

عرض توصية Cross-Sell رفع احتمال الشراء بنسبة 32%

التوصية المبنية على بيانات الشراء أكثر إقناعاً بـ 45% من التوصية المبنية على التصنيف

بحث Wharton School: القيمة طويلة المدى

University of Pennsylvania's Wharton School نشر بحثاً (2020) عن قيمة التوصيات على مدى الحياة:

عميل قَبِل Cross-Sell أول مرة يُنفق 68% أكثر في السنة الأولى

القيمة مدى الحياة (LTV) أعلى بـ 89% لعملاء Cross-Sell الفعّال

ماذا تعلمنا من أخطاء أمازون؟

حتى أمازون لا تُخطئ — أبحاث مراجعة مستقلة (Independent Audit) كشفت:

الخطأ الشائع: التوصية المتأخرة

عندما يُعرض Cross-Sell بعد إتمام الشراء (في صفحة الشكر فقط) — معدل القبول ينخفض 60% مقارنة بعرضه في السلة.

الخطأ الشائع: عدم مراعاة السياق

توصية "اشترِ بطارية AA" بعد شراء سيارة كهربائية = قمة السخرية. المنتجات يجب أن تكون ذات صلة سياقية.

أرقام Cross-Selling من قطاعات مختلفة (مقارنة بأمازون)

الشركة / القطاعنسبة الإيراد من التوصيات
أمازون35%
نتفليكس80% من المشاهدة (توصيات محتوى)
eBay12%
متاجر تجزئة متوسطة5% - 12%
متاجر مع زيادة بعد 3 أشهر15% - 28%

كيف تُطبّق مبادئ أمازون في متجرك؟

المبدأ الأول: البيانات أولاً

أمازون لا تُخمّن — تبني على بيانات الشراء الفعلية. لا تُحدد التوصيات بناءً على "ما تعتقد أنه مناسب" بل على ما اثبت الواقع أن العملاء يشترونه معاً.

المبدأ الثاني: التوصية في أكثر من نقطة

لا تضع التوصيات في مكان واحد فقط. أمازون تضعها في كل نقطة تماس مع العميل.

المبدأ الثالث: التحسين المستمر

الخوارزمية تتعلم باستمرار — ما نجح الأسبوع الماضي قد لا ينجح الشهر القادم. راجع وعدّل دورياً.

المبدأ الرابع: الشفافية

"العملاء الذين اشتروا هذا اشتروا أيضاً" — الصياغة تشرح لماذا هذه التوصية. الشفافية تبني الثقة وترفع القبول.

تأثير نموذج أمازون على SEO والظهور في محركات البحث

نموذج التوصيات لا يرفع فقط المبيعات — بل يُحسّن أيضاً أداء المتجر في محركات البحث. كل توصية تُنشئ رابطاً داخلياً بين صفحتي منتج، مما يُعزز بنية الروابط الداخلية ويُساعد محركات البحث على فهرسة المنتجات بشكل أفضل.

تأثير الروابط الداخلية على الفهرسة

عندما يكون كل منتج مرتبطاً بـ 4 إلى 8 منتجات أخرى عبر التوصيات، ينشئ المتجر شبكة روابط داخلية كثيفة. هذه الشبكة تُساعد روبوتات جوجل على اكتشاف جميع صفحات المنتجات وفهرستها، مما يزيد عدد الصفحات المفهرسة ويُوسّع فرص الظهور في نتائج البحث.

التأثير على مؤشرات تجربة المستخدم

التوصيات الذكية تُقلل معدل الارتداد (العميل يجد ما يبحث عنه بدلاً من المغادرة) وتزيد مدة الجلسة (ينتقل بين المنتجات المقترحة). جوجل يستخدم هذه المؤشرات كعوامل ترتيب، مما يعني أن التوصيات الذكية تُحسّن ترتيبك بشكل غير مباشر.

كيف تُطبّق هذه المبادئ في متجرك الخليجي؟

المتاجر الخليجية لها خصوصيات يجب مراعاتها عند تطبيق نموذج أمازون:

اللغة العربية: صياغة التوصيات بالعربية الفصحى الواضحة تزيد الثقة والقبول

المواسم الخليجية: رمضان والعيد والجمعة البيضاء تحتاج توصيات موسمية مختلفة

تفضيلات المنطقة: أنماط الشراء في الخليج تختلف عن الأسواق الغربية، لذا البيانات المحلية أهم من الأنماط العالمية

المصادر والمراجع

Linden, G., Smith, B., and York, J.: "Amazon.com Recommendations", IEEE Internet Computing, 2003

McKinsey Digital: "How Retailers Can Keep Up with Consumers", 2023

Stanford Business School: "The Economics of Recommendation Systems", 2021

خلاصة

نموذج أمازون يُثبت أن التوصيات الذكية ليست مجرد ميزة إضافية — هي محرك أساسي للإيرادات. أي متجر إلكتروني يستطيع تطبيق هذه المبادئ بمساعدة أدوات الذكاء الاصطناعي مثل زيادة، دون الحاجة لبناء خوارزميات من الصفر.

مقالات ذات صلة

الذكاء الاصطناعي

10 دقائق قراءة

دراسات وأبحاث

11 دقائق قراءة

دراسات وأبحاث

11 دقائق قراءة

نفّذ هذا على متجرك

حوّل ما قرأته إلى مبيعات مع تفعيل سريع على زد أو سلة أو شوبيفاي.

فعّل التطبيق، وزيادة يضبط كل شي بنفسه بالذكاء الاصطناعي