تصوّر أنك صاحب متجر إلكتروني، وقد جاءك فريق التسويق بتقريره الشهري، يحمل إليك من البشائر ما يكفي لأن تنام قرير العين.
فالزيارات ارتفعت بنسبة ٤٣٪، والكلمات المفتاحية التي يظهر فيها متجرك على جوجل تضاعف عددها، والرسوم البيانية تتجه جميعها إلى أعلى، حتى ليخيل إليك أن تجارتك لم تعرف شهرًا أزهر من هذا الشهر.
ثم تسأل سؤالًا صغيرًا، ربما كان من سوء حظك أنك تذكرته:
وماذا عن المبيعات؟
هنا يتغير مجرى الحديث.
فالمبيعات، كما يخبرك الفريق، تتأثر بعوامل كثيرة، بعضها خارج عن إرادتنا، وليس من الإنصاف أن نحكم على نجاح التسويق بمقياس واحد.
ولعلهم على حق في ذلك.
لكن ما يستوقفنا هنا ليس صحة الأرقام التي عرضوها عليك، ولا حتى صدق أصحابها فيما يقولون؛ فقد تكون الأرقام صحيحة، ويكون الفريق مخلصًا في عمله، ثم تكون النتيجة التي انتهى إليها خاطئة.
فكيف يقع هذا؟
يقع حين نخلط بين أمرين مختلفين: أن نقيس شيئًا بدقة، وأن نفهم ما يعنيه ذلك الشيء.
ولقد قضينا في «نكتب لك» سنوات نعمل في تحسين محركات البحث، ونقرأ التقارير، ونراقب ترتيب الصفحات، ونقارن بين الزيارات والتحويلات. وما زلنا نرى في القياس أداة لا غنى عنها لمن أراد أن يحسن عمله.
لكننا تعلمنا كذلك أن الرقم، مهما بلغت دقته، لا يعفينا من مشقة التفكير.
والمفارقة أن هذه المشقة هي أول ما نحاول التخلص منه حين تتكاثر الأرقام بين أيدينا.
حين يرتدي الظن ثياب اليقين
قبل نحو ثمانين عامًا، كان الفيلسوف والاقتصادي فريدريك هايك يحذر من ظاهرة أطلق عليها اسم «العلموية».
وليس المقصود بها العلم، كما قد يتبادر إلى الذهن، وإنما شيء آخر يكاد يكون نقيضًا له: أن نستعير من العلم لغته وأدواته ومناهجه، ثم نستخدمها في مسائل لا تسمح طبيعتها بالوصول إلى اليقين الذي توحي به تلك الأدوات.
فإذا استطاع عالم الفيزياء أن يقيس سرعة جسم متحرك، وأن يتنبأ بموقعه بعد زمن معلوم، فلماذا لا يستطيع عالم الاقتصاد أن يتنبأ بسلوك المستهلك بالدقة نفسها؟
وإذا أمكننا التعبير عن حركة الكواكب في معادلات رياضية، أفلا يمكننا أن نفعل الشيء نفسه مع حركة الأسواق والمجتمعات؟
كان اعتراض هايك على هذه القفزة في الاستدلال، لا على العلم نفسه.
فالإنسان ليس كوكبًا يدور في مدار معلوم. والمشتري الذي يفضّل اليوم منتجًا على آخر قد يغير رأيه غدًا، لا لأن شيئًا قد تغير في المنتج، بل لأن صديقًا حدثه عنه، أو لأن تجربة سابقة عادت إلى ذاكرته، أو لأنه استيقظ ذلك الصباح على غير ما اعتاد من المزاج.
ولا يعني ذلك أن سلوك الإنسان يستحيل فهمه أو قياسه، وإنما يعني أن قدرتنا على القياس لا تساوي بالضرورة قدرتنا على التفسير والتنبؤ.
وقد يبدو هذا كله حديثًا فلسفيًا بعيدًا عن التسويق.
لكنه، كما سنرى، أقرب إلى عملنا اليومي مما نظن.
صناعة اليقين في عصر الذكاء الاصطناعي
إذا كنت ممن يتابعون ما يُنشر عن تحسين الظهور في محركات الذكاء الاصطناعي، فلا بد أنك لاحظت ظاهرة تستحق التأمل.
تكاد لا تمضي أيام حتى تظهر دراسة جديدة تخبرنا بأنها اكتشفت سر الظهور في إجابات ChatGPT أو Perplexity أو غيرهما.
دراسة تجد ارتباطًا بين قوة الروابط الخلفية وظهور العلامة التجارية.
وأخرى تجد أن صفحات المقارنة بين المنتجات تحقق نتائج أفضل.
وثالثة تخبرنا بأهمية ذكر العلامات التجارية في Reddit.
ولا نكاد نفرغ من قراءة نتائج إحداها حتى تظهر أخرى تحمل توصيات مختلفة، وكلها مسنودة بالجداول والرسوم البيانية ومعاملات الارتباط.
فإذا اعترض أحد على الاستنتاج، وُضعت أمامه الأرقام، وكأن المسألة قد حُسمت، ولم يبق إلا أن يعترف بفضل الإحصاء عليه.
لكن لننظر قليلًا في طبيعة هذه الدراسات.
لنفترض أن دراسة وجدت ارتباطًا بين شهرة العلامة التجارية وكثرة ظهورها في إجابات الذكاء الاصطناعي.
ماذا نعرف من هذه النتيجة؟
نعرف أن الظاهرتين قد تلازمتا في العينة التي فحصتها الدراسة.
لكن هل نعرف أن الشهرة هي التي سببت الظهور؟
ليس بالضرورة.
فالعلامات التجارية المشهورة تتمتع عادة بمزايا أخرى: مواقع أقدم، وروابط أكثر، وتغطية إعلامية أوسع، ومحتوى أغزر، وأعداد أكبر من الناس الذين يبحثون عنها ويتحدثون بشأنها.
فأي هذه العوامل كان مسؤولًا عن النتيجة؟
ثم إن ظهور العلامة التجارية نفسه ليس شيئًا ثابتًا يسهل قياسه.
فقد تسأل نموذجًا للذكاء الاصطناعي عن أفضل برنامج لإدارة المشاريع، فيذكر لك خمس شركات. ثم تعيد السؤال بصياغة مختلفة، أو تستخدم نموذجًا آخر، فتتغير الإجابة.
فإذا جمعت ألف سؤال، وقست عدد مرات ظهور كل شركة، حصلت على أرقام دقيقة عن تلك الأسئلة وتلك الإجابات.
لكن من الذي قال إن أسئلتك الألف تمثل الأسئلة التي يطرحها المشترون الحقيقيون؟
ومن الذي يضمن أن النتيجة ستبقى على حالها بعد شهر؟
ليس في هذا ما يبطل قيمة الدراسة.
إنما الخطأ أن نطلب منها جوابًا عن سؤال لم تكن مصممة للإجابة عنه.
والفرق كبير بين أن تقول لنا الدراسة: «لاحظنا هذا الارتباط»، وأن نقول نحن للعميل: «افعل هذا، وسوف تحصل على النتيجة نفسها».
في العبارة الأولى ملاحظة تستحق البحث.
وفي الثانية وعد قد لا نملك ما يبرره.
ماذا يحدث حين نترك الأرقام تفكر بدلًا منا؟
دعنا نعد إلى تحسين محركات البحث التقليدية، فهو الميدان الذي قضينا فيه معظم سنوات عملنا.
لنفترض أن أمامنا شركتين تقدمان الخدمة نفسها.
الأولى تنشر ثلاثين مقالًا كل شهر، وتحقق مائة ألف زيارة من جوجل.
والثانية تنشر خمسة مقالات فقط، ولا تحقق سوى خمسة آلاف زيارة.
أي الشركتين أفضل حالًا؟
قد تبدو الإجابة واضحة لمن جعل عدد الزيارات مقياسه الوحيد.
لكن ماذا لو كانت معظم زيارات الشركة الأولى تأتي من أشخاص يبحثون عن معلومات عامة لا صلة مباشرة لها بما تبيعه، بينما يأتي زوار الشركة الثانية بحثًا عن مقارنة بين منتجاتها ومنتجات المنافسين، أو عن سعر الخدمة، أو عن حل لمشكلة يستطيع منتجها معالجتها؟
ثم ماذا لو علمنا أن الشركة الثانية تحصل على عملاء يدفعون، بينما لا تكاد الأولى تحصل على شيء؟
عندئذٍ تنقلب الصورة.
ولا يعود السؤال المهم: كم شخصًا زار موقعك؟
بل: من هؤلاء الزوار؟ ولماذا جاءوا؟ وماذا فعلوا بعد وصولهم؟
وقد يبدو هذا التمييز بديهيًا.
لكنه من تلك البدهيات التي يسهل الاتفاق عليها في الحديث، ثم يسهل نسيانها حين يحين وقت إعداد التقرير الشهري.
ولعلنا نعرف السبب.
فعدد الزيارات يسهل قياسه. وترتيب الكلمات المفتاحية يسهل تتبعه. أما معرفة السبب الذي يدفع إنسانًا إلى اختيار شركة دون أخرى، فتحتاج إلى عمل أكثر مشقة.
تحتاج إلى الحديث مع العملاء، وفهم اعتراضاتهم، ومراقبة طريقة اتخاذهم للقرار، والتمييز بين ما يقولون إنهم يريدونه وما يدفعون أموالهم للحصول عليه بالفعل.
وإذا كنا نستطيع أن نفتح لوحة تحكم جميلة، فنجد أمامنا مئات المؤشرات الملونة، فلماذا نتجشم عناء هذا البحث كله؟
هنا تبدأ المشكلة.
ليس لأن الأرقام خاطئة، بل لأنها قد تمنحنا شعورًا بأننا فهمنا شيئًا لم نفهمه بعد.
لكل سؤال أداته
على أننا لا نريد أن ينتهي بنا هذا الحديث إلى الدعوة للتخلي عن القياس.
فذلك أشبه بمن اكتشف أن ميزان الحرارة لا يستطيع تشخيص جميع الأمراض، فقرر أن يحطم الميزان.
إنما الذي نريد قوله هو أن طبيعة السؤال يجب أن تحدد طبيعة الأداة التي نستخدمها للإجابة عنه.
فإذا أردنا معرفة أي عنوانين لصفحة بيع يحقق تحويلات أكثر، أمكننا أن نجري تجربة مضبوطة، بشرط أن تتوافر لها عينة كافية وظروف مناسبة.
وإذا أردنا معرفة كيف يتغير ظهور علامتنا التجارية في إجابات الذكاء الاصطناعي، أمكننا أن نرصد مجموعة من الأسئلة ذات الصلة بعملائنا، ونتابع النتائج بمرور الوقت.
لكن هذا الرصد يعطينا مؤشرًا على الاتجاه، ولا يعطينا بالضرورة تفسيرًا قاطعًا لأسباب تغيره.
أما إذا أردنا أن نقرر أي الموضوعات تستحق أن نستثمر فيها، أو كيف ينبغي أن نضع منتجنا أمام المنافسين، أو لماذا يختار العملاء شركة بعينها، فسنحتاج إلى أكثر من الأرقام.
سنحتاج إلى معرفة بالسوق، وفهم للعملاء، وخبرة تتيح لنا أن نميز بين الأسباب والنتائج، وبين ما يبدو مهمًا وما هو مهم بالفعل.
وقد تساعدنا البيانات في تصحيح أحكامنا، لكنها لا تستطيع أن تصدر جميع تلك الأحكام نيابة عنا.
ولعل خير مثال على ذلك ما يحدث حين نقلد استراتيجية منافس ناجح.
نرى شركة تنشر صفحات للمقارنة بين المنتجات، وتظهر بكثرة في نتائج البحث، فنقرر أن ننشر مثلها.
لكننا قد ننسى أن الشركة المنافسة تتمتع بسمعة قوية، وأن العملاء يعرفون منتجها مسبقًا، وأن صفحات المقارنة لم تكن سوى خطوة أخيرة في رحلة شراء بدأت قبل ذلك بأشهر.
فنأخذ الخطوة الأخيرة، ونتوقع منها أن تؤدي عمل الرحلة كلها.
ثم نتعجب حين لا نحصل على النتيجة نفسها.
ما الذي تعلمناه في «نكتب لك»؟
لقد شهدت مهنتنا خلال السنوات الماضية تحولات كثيرة.
كانت المنافسة تدور حول الوصول إلى الصفحة الأولى من جوجل، ثم أصبح الحديث عن جودة المحتوى وتجربة المستخدم، ثم جاء الذكاء الاصطناعي ليضيف أسئلة جديدة لم ننته بعد من الإجابة عنها.
وتغيرت الأدوات، وتكاثرت المؤشرات، وأصبح في مقدورنا أن نعرف عن مواقعنا ومواقع المنافسين ما لم يكن متاحًا قبل سنوات قليلة.
لكن سؤالًا واحدًا بقي على حاله:
كيف نستخدم ما نعرفه لاتخاذ قرار أفضل؟
ولقد وجدنا أن أصعب ما في العمل ليس دائمًا الحصول على البيانات.
فالأدوات تستطيع اليوم أن تقدم لنا قوائم طويلة بالكلمات المفتاحية، وتحليلات للمنافسين، واقتراحات لا تكاد تنتهي للموضوعات التي يمكن أن ننشر عنها.
أما اختيار ما يستحق العمل فعلًا، وما ينبغي تركه، فهو أمر آخر.
قد تقترح الأداة مائة موضوع، لكن العميل لا يحتاج إلى مائة موضوع.
إنه يحتاج إلى موضوعات تقرب الأشخاص المناسبين من منتجه، وتجيب عن أسئلتهم، وتساعدهم على اتخاذ قرار الشراء.
وقد تخبرنا أداة أخرى بأن منافسًا يملك آلاف الروابط الخلفية.
لكنها لا تستطيع، من هذا الرقم وحده، أن تخبرنا إن كان تقليد استراتيجيته هو أفضل استثمار لأموال العميل.
ولهذا لم نعد نرى الخبرة المهنية مجرد قدرة على استعمال الأدوات.
بل نراها، قبل ذلك، قدرة على معرفة حدود تلك الأدوات.
أن تعرف متى تثق بالرقم، ومتى تشك في تفسيره.
ومتى تحتاج إلى تجربة، ومتى تحتاج إلى الحديث مع عميل.
ومتى يكون من الحكمة أن تقول: لا نعرف بعد.
وهذه العبارة الأخيرة، على قصرها، ربما كانت أصعب ما يُطلب من المسوّق قوله.
فالسوق يكافئ الواثقين، والعملاء يريدون إجابات، والتقارير التي تحمل توصيات حاسمة تبدو أكثر إقناعًا من التقارير التي تعترف بوجود احتمالات متعددة.
لكن الحقيقة لا تصبح أقل التباسًا لمجرد أننا تحدثنا عنها بثقة أكبر.
وفي النهاية
ليس الخطر في أن نملك بيانات أكثر مما كنا نملك بالأمس.
بل في أن تزداد ثقتنا باستنتاجاتنا بسرعة أكبر من ازدياد فهمنا لما تقوله تلك البيانات.
فقد نعرف عدد الزيارات ولا نعرف قيمة الزائر.
وقد نعرف ترتيب الصفحة ولا نعرف لماذا اختارها الباحث.
وقد نعرف عدد مرات ظهور علامتنا التجارية في إجابات الذكاء الاصطناعي، ثم نعجز عن معرفة أثر ذلك في قرار الشراء.
وليس عيبًا أن نعجز عن الإجابة عن بعض هذه الأسئلة.
العيب أن نتصرف وكأننا أجبنا عنها جميعًا.
ولذلك، في المرة القادمة التي يوضع فيها أمامك تقرير تسويقي حافل بالأرقام والرسوم البيانية، لا تكتفِ بالسؤال عما إذا كانت الأرقام صحيحة.
اسأل أيضًا: ما الذي تسمح لنا هذه الأرقام باستنتاجه؟ وما الذي لا تسمح به؟
فلعل الفرق بين التقرير الجيد والتقرير المضلل ليس في الأرقام التي يحتويها، وإنما في الأحكام التي نبنيها عليها.
وسؤالنا لك هذا الأسبوع:
هل سبق أن اتخذت قرارًا تسويقيًا بناءً على أرقام بدت مقنعة، ثم اكتشفت أنها لم تكن تحكي القصة كاملة؟
يسعدنا أن نقرأ تجربتك. يمكنك الرد مباشرة على هذه الرسالة.
إلى لقاء قريب،
فريق «نكتب لك»
ملاحظة أخيرة: إذا كنت تريد أن تعرف ما إذا كان ظهور موقعك في جوجل ومحركات الذكاء الاصطناعي يساعد شركتك فعلًا على النمو، فيمكنك مراسلتنا. سنناقش ما تقوله بياناتك، وما لا تقوله، والفرص التي تستحق أن تستثمر فيها.
التعليقات