إطلاق Instacart لمساعد البقالة بالذكاء الاصطناعي يختبر قدرة الوكلاء على بناء السلال دون كسر الثقة

تنقل Instacart التجارة الوكيلية من وعد على منصات الشركاء إلى سوق البقالة الخاص بها، عبر مساعد ذكاء اصطناعي يستطيع تحويل فكرة وجبة أو طلب تسوق أو قائمة مرفوعة إلى سلة جاهزة للمراجعة.

Instacart تحول البحث في البقالة إلى بناء سلة

أصبح المساعد متاحاً الآن لملايين العملاء في الولايات المتحدة عبر تطبيق Instacart وموقعها. وتخطط الشركة لإطلاق كامل عبر U.S. وCanada خلال coming months، بعد months of testing.

بُني المنتج لمشكلة تجزئة محددة: تفشل توصيات البقالة بسرعة عندما تكون المنتجات غير متوفرة، أو تُهمل تفضيلات الأسرة، أو تبدو البدائل عشوائية. تقول Instacart إن المساعد يستخدم machine learning متخصصاً في البقالة ومخزوناً حياً وتاريخ العملاء لبناء سلال تعكس ما هو متاح لدى المتجر المختار.

يستطيع المستخدمون طلب أفكار لعشاء سهل خلال الأسبوع، أو عروض على المنتجات المعتادة، أو قائمة لحفل، أو سلة مبنية على قائمة مكتوبة بخط اليد. ويمكن للمساعد توليد أفكار وجبات مع قوائم مكونات قابلة للشراء، وترجمة صورة قائمة إلى منتجات، وإظهار العروض، وتكييف الاقتراحات مع تفضيلات العلامات والاختيارات الغذائية.

ادعاء البيانات هو الحاجز التنافسي

تعتمد حجة Instacart على عمق بيانات البقالة لديها. تقول الشركة إن المساعد يستند إلى more than 1.6 billion lifetime orders ومخزون حي من nearly 100,000 stores عبر North America. وتشير أيضاً إلى إشارات على مستوى الأسر عبر millions of consumers وthousands of retail banners.

تكتسب هذه الأرقام أهمية لأن التسوق الوكيلي لا يكون مفيداً إلا إذا فهم الوكيل التوفر والبدائل والمشتريات المتكررة وحساسية السعر. يستطيع روبوت محادثة عام اقتراح عشاء؛ أما وكيل البقالة فيجب أن يحول الاقتراح إلى سلة متوفرة في المخزون وتقبل الأسرة شراءها.

تقدم Instacart المساعد أيضاً كجزء من استراتيجية ذكاء اصطناعي أوسع لتجار التجزئة والمعلنين. وتمتد المعرفة نفسها بالبقالة عبر enterprise tools وStorefront Pro وأدوات ads optimization وتكاملات مع ChatGPT وClaude وGemini.

الاستخدام المبكر يشير إلى رهان على حجم السلة

تقول الشركة إن الاختبارات المبكرة أظهرت استخدام العملاء للمساعد في مهام أكثر تعقيداً مثل اكتشاف الوصفات وتخطيط الوجبات، وليس البحث الأسرع فقط. وتقول إن الطلبات الموضوعة عبر مساعد الذكاء الاصطناعي أكبر في المتوسط من السلة المعتادة لدى Instacart، بينما يبلغ متوسط قيمة الطلب على المنصة $113.

تشرح بيانات المسح المرفقة بالإطلاق جانب الطلب في هذا الرهان. وجد Harris Poll بتكليف من Instacart وشمل more than 2,000 U.S. adults أن 83% يقولون إن تحديد ما سيعدونه للعشاء يسبب لهم توتراً. ووجد المسح نفسه أن more than two in three مهتمون بمساعد يعمل بالذكاء الاصطناعي لهذه المهمة، بينما يستخدم 8% فقط الذكاء الاصطناعي حالياً لتخطيط الوجبات أو تسوق البقالة.

السؤال التجاري هو ما إذا كانت السلال الأعلى قيمة تأتي من راحة حقيقية أم من دفع العملاء نحو منتجات أكثر. تقول Instacart إن الأداة لا تنهي أي شيء دون إجراء صريح وإن كل قرار يُراجع قبل checkout. خطوة المراجعة هذه مهمة إذا كان التسوق الوكيلي سيبدو مساعدة لا بيعاً آلياً إضافياً.

خطر الإطلاق يتعلق بالثقة لا بالدقة فقط

البقالة اختبار صعب للذكاء الاصطناعي الاستهلاكي لأن الأخطاء شخصية وفورية. قد يجعل حجم خاطئ أو مكون ناقص أو علامة غير مناسبة أو منتج غير متوفر السلة كلها أقل فائدة.

لذلك فإن أقوى ادعاء لدى Instacart ليس فقط أن المساعد يستطيع توليد سلال في seconds. الاختبار الأكبر هو ما إذا كان يستطيع التحسن من قبول العملاء وتعديلاتهم ورفضهم مع الحفاظ على سيطرة المستخدم. إذا وثق العملاء بالمساعد بما يكفي لاستخدامه في التخطيط الأسبوعي، تقترب التجارة الوكيلية من عادة متكررة. وإذا شعروا بأن السلة تحتاج إلى تصحيح كبير، فستصبح الميزة طبقة بحث أخرى بواجهة محادثة.