أكاديمي سبورتس راهنت على الذكاء الاصطناعي لتحديد الأسعار، والسؤال ليس إن كان يعمل، بل من يستحوذ على القيمة المولَّدة
حين تُعلن سلسلة تجزئة تمتلك أكثر من 300 متجر أنها تعمل منذ أكثر من عقد مع منصة لذكاء أسعار مدعومة بالذكاء الاصطناعي، وأنها مدّت هذا العقد لسنوات إضافية، يصبح العنوان التقني هو الأقل إثارةً للاهتمام. أما البيانات الاستراتيجية الحقيقية فتكمن في مكان آخر: كيف تُوزَّع القيمة التي تُولّدها هذه الكفاءة بين الشركة وموردّيها ومشتريها؟
أكاديمي سبورتس + أوتدورز، إحدى أكبر سلاسل بيع مستلزمات الرياضة في الولايات المتحدة بحضور يتجاوز 300 متجر، أعلنت رسمياً عن تمديد اتفاقيتها متعددة السنوات مع شركة Revionics، المتخصصة في تحسين الأسعار بالذكاء الاصطناعي. تغطي الأداة وظيفتين محوريتين: تحديد الأسعار الأساسية لكل متجر وسوق على حدة، وإدارة الخصومات اللازمة لتصفية المخزون الموسمي دون التفريط في هامش الربح. الإعلان متين من الناحية التشغيلية، غير أن ما يستحق التحليل العميق هو بنية الحوافز الكامنة وراءه.
من 70 متجراً بأسعار يدوية إلى 300 متجر بخوارزميات
وصف نائب رئيس التسعير في أكاديمي بدقة إشكالية الحجم التي دفعت نحو هذا التحول. حين كانت الشركة تمتلك 70 متجراً فحسب، كان بمقدور فريق بشري تحليل كل سوق على حدة واتخاذ قرارات معقولة ومدروسة. أما مع امتلاك 300 متجر وتشكيلة منتجات بالغة التنوع — تمتد من معدات التخييم إلى الأحذية الرياضية — فإن القدرة الإدراكية لأي فريق تبلغ حدودها التشغيلية قبل أن يتمكن من إتمام دورة مراجعة أسعار واحدة كاملة.
الحل ليس جديداً من الناحية الفكرية: فشركة Revionics تتمركز في هذا القطاع منذ سنوات، وعلاقتها مع أكاديمي تعود إلى أكثر من عقد. ما تغيّر هو حجم المشكلة، ومن ثم عظم تأثير أتمتتها بشكل سليم أو خاطئ. إذ يمكن لمنصة تحسين أسعار معايَرة بدقة أن ترفع إجمالي هامش الربح بين 100 و300 نقطة أساس في فئات المنتجات عالية الدوران، وذلك ببساطة عبر تحسين دقة السعر الابتدائي وتقليل عمق الخصومات اللازمة لتصفية المخزون. في شركة بحجم أكاديمي، يعني هذا عشرات الملايين من الدولارات سنوياً في قيمة مُحتجَزة — أو مُهدَرة، إن كان النموذج مدرَّباً بشكل خاطئ.
يضاف إلى هذا الواقع ضغط خارجي يزيد من إلحاحية الأمر: فالرسوم الجمركية على الواردات رفعت تكلفة الحصول على منتجات رئيسية، كثير منها مصنَّع في آسيا. وتتيح منصة التسعير التي تعمل بمنطق تعويض التكاليف نقل الزيادات بصورة جراحية دقيقة، فئةً بفئة، دون اللجوء إلى رفع شامل يُضخّم تصوّر المشتري للسعر الكلي. هذه إدارة هامش بدقة عالية، وليست سياسة تسعير خطية مسطّحة.
التوزيع الخفي للقيمة المُولَّدة
هنا يكمن العقدة الاستراتيجية التي لا تذكرها بيانات الصحافة أبداً. حين يُحسّن تاجر تجزئة قدراته في تحديد الأسعار، يمكن للقيمة المُولَّدة أن تتدفق في ثلاثة اتجاهات مختلفة: نحو المشتري — في صورة أسعار أكثر توافقاً مع الطلب المحلي — أو نحو الشركة — في صورة هوامش أعلى — أو نحو المورّدين — إذا ترجمت الكفاءة المتزايدة إلى حجم مبيعات أكبر ودوران مخزون أكثر قابلية للتنبؤ.
في الواقع العملي، يتوقف اتجاه التدفق على متغير وحيد: القوة التفاوضية النسبية لكل طرف في السلسلة. وفي هذه الحالة، تحتل أكاديمي موقعاً مهيمناً في مواجهة غالبية موردّي العلامات الخاصة بها أو الموردّين محدودي الحجم. الأتمتة في التسعير لا تخلق القيمة بذاتها؛ بل تُسرّع وتُدقّق الآلية التي كانت تلك القيمة تُوزَّع من خلالها أصلاً. إن كان الهامش يُحتجَز سابقاً بصورة غير كفؤة، فإنه الآن يُحتجَز بكفاءة عالية. والسؤال هو: هل تُشارَك هذه الكفاءة أم تتركّز؟
تُشير الشواهد التاريخية في قطاع التجزئة إلى أن التوسّع الأول في الهامش الناجم عن أدوات تحسين الأسعار يعود بنفعه شبه الحصري على تاجر التجزئة. يشعر الموردّون بالضغط في صورة نوافذ تفاوضية أضيق، وتسامح أدنى مع التذبذبات السعرية، وشروط خصم أكثر صرامة خلال تصفيات نهاية الموسم. أما المشترون، ففي أحسن الأحوال، يحصلون على أسعار أكثر تلاؤماً مع الطلب المحلي — وهو ما وعدت به أكاديمي بالضبط — بيد أن هذا التلاؤم قد يسير في اتجاهين: نحو الانخفاض أو نحو الارتفاع، تبعاً لمستوى المنافسة في كل سوق جغرافي.
كشف استطلاع أجرته Revionics على نحو مئة متخصص في قطاع التجزئة عن أن ثلثيهم يعتزمون زيادة استثماراتهم في أدوات التسعير المدعومة بالذكاء الاصطناعي خلال العامين المقبلين. هذا الرقم ليس دليلاً على أن التقنية تنفع المستهلكين؛ بل هو دليل على أنها تنفع هوامش تجّار التجزئة الذين يتبنّونها. والفرق بين التفسيرين فرق جوهري بامتياز.
الميزة التنافسية المستدامة ليست في الخوارزمية
Revionics ليست اللاعب الوحيد في هذا السوق. فشركات كـ Invent Analytics وWiser Solutions وقائمة متنامية من المنافسين تعرض قدرات مماثلة في تحسين الأسعار وإدارة المخزون. حين يتبنّى 66% من تجّار التجزئة ذوي الحجم المعتبر أدواتٍ مكافئة خلال أفق زمني لا يتجاوز عامين، تتآكل الميزة التنافسية المستمَدة من الأداة بسرعة تتناسب طردياً مع معدل انتشارها. ما سيُميّز أكاديمي عن منافسيها بعد ثلاث سنوات لن يكون استخدامها لـ Revionics، بل الطريقة التي تُوظّف بها البيانات التي تُولّدها Revionics.
إن المخاطرة المنظومية الأشد إهمالاً في تطبيقات من هذا النوع هي الاعتماد الكلي على المورّد. فعلاقة تمتد لأكثر من عشر سنوات مع منصة تسعير واحدة تُفرز تراكماً من المنطق الخاص بها، والبيانات التاريخية، والعمليات الداخلية المعايَرة على تلك الأداة بعينها. يغدو كلفة الانتقال — التقنية والتشغيلية والتنظيمية — باهظة التكلفة بمرور الوقت، مما يعزّز القوة التفاوضية للمورّد التقني عند كل تجديد للعقد. وقد وقّعت أكاديمي للتوّ على تمديد متعدد السنوات. تعرف Revionics تماماً كم سيُكلّف أكاديمي تغيير المنصة. وهذا التفاوت في المعلومات له ثمن، وذلك الثمن سيظهر في شروط العقد التالي.
نموذج العمل القابل للاستدامة الحقيقية في تحسين الأسعار ليس الذي يُعظّم هامش تاجر التجزئة في كل معاملة على حدة. بل هو الذي يبني ما يكفي من ولاء المشتري — عبر أسعار يُدركها على أنها عادلة ومتّسقة — لخفض تكلفة اكتساب العملاء على المدى البعيد. فإذا رفع الخوارزمي الأسعار بعدوانية في أسواق لا تواجه فيها أكاديمي منافسة مباشرة، فستستحوذ على الهامش في الأمد القصير، لكنها ستُدمّر تصوّر القيمة على المدى المتوسط. إذ إن المشترين الذين يدفعون أكثر مما توقّعوا لا يعودون؛ بل ينتقلون ببساطة إلى تاجر التجزئة التالي الذي تبنّى الأداة ذاتها وعايَرها وفق معايير مختلفة.
القيمة التي تبنيها أكاديمي بهذه المراهنة تتوقف في نهاية المطاف على قرار لا يستطيع أي خوارزمي اتخاذه منفرداً: هل تُعاد استثمار الهوامش الإضافية المُحتجَزة في تحسين العرض المقدَّم للمشتري والمورّد، أم إنها تتوطّد بوصفها ربحاً مالياً للمساهم؟ المنظومات التجزيئية التي تصمد طويلاً هي تلك التي تُوزّع ما يكفي من القيمة على كل طرف حتى لا يكون لأحدهم حافز على الانسحاب. أما تلك التي تُشيَّد بتحسين هامش المركز حصراً، فتكتشف في نهاية المطاف — حين يكون الأوان قد فات — أنها كانت تستنزف العلاقات ذاتها التي كانت تحملها وتُبقيها قائمة.
