أفضل مندوب مبيعات لديك كتب ألف رسالة إلكترونية بالفعل. إليك كيف يمكن للذكاء الاصطناعي أن يتعلّم من كل واحدة منها.

كنت جالسًا في مواجهة نائب رئيس المبيعات في شركة برمجيات كخدمة متوسطة الحجم عندما أخرج هاتفه وأراني صندوق بريده الوارد. تصفّحه ببطء، مثل طبيب شرعي يعرض أدلة. قال: "عُدّ الرسائل التي تبدو وكأن إنسانًا كتبها."

أحصيت ثلاثًا. من أصل ربما أربعين رسالة بريد إلكتروني باردة على شاشته. أما البقية فكانت متشابهة على نحو مخيف — الإيقاع نفسه، الحماس الأجوف نفسه، الكلمات نفسها. "أطلِق العنان." "حوِّل." "استفد." أخبرني أنه بدأ يسميها "جوقة GPT". أربعون صوتًا، أغنية واحدة، ولا أحد يُصغي.

لقد غيّرت تلك المحادثة اتجاه ما كنا نبنيه في VeriPrajna. كنا نعمل على أنظمة تواصل مدعومة بالذكاء الاصطناعي، وكنا نطرح السؤال الخاطئ. كانت الصناعة تسأل: كيف نجعل الذكاء الاصطناعي يكتب المزيد من الرسائل الإلكترونية؟ أما السؤال الحقيقي فكان: كيف نجعل الذكاء الاصطناعي يكتب رسائل إلكترونية تبدو وكأنها صادرة عن الشخص الوحيد في فريقك الذي يحصل فعلًا على ردود؟

هذا التمييز — بين توسيع نطاق الروبوت وتوسيع نطاق الإنسان — هو اللعبة برمّتها. وتبيّن أن الإجابة بنيةٌ معمارية، لا موجّهًا.

صندوق البريد الوارد مقبرة للرداءة الاصطناعية

الأرقام تروي قصة قاسية. انخفضت معدلات فتح البريد الإلكتروني البارد إلى نحو 27.7%، هبوطًا من 36% قبل عام واحد فقط. وتتراوح معدلات الرد بين 1% و5% لمعظم الحملات. الوسيلة ليست في طور الاحتضار — بل الرسائل هي التي تحتضر.

إليك ما حدث: انخفضت تكلفة إنشاء رسالة بريد إلكتروني إلى ما يقارب الصفر، فبدأ الجميع بإنشاء الرسائل. غرِق السوق. ولأن معظم الأدوات تستخدم النماذج الأساسية نفسها بأدنى قدر من التخصيص، تقاربت المخرجات. بدأت كل رسالة تبدو مثل كل رسالة أخرى. ليس لأن الذكاء الاصطناعي كان سيئًا في الكتابة، بل لأنه كان بارعًا للغاية في كتابة متوسط كل ما قرأه على الإطلاق.

نماذج اللغة الكبيرة آلات احتمالية. إذا تُركت وشأنها، فإنها تولّد الكلمة التالية الأكثر ترجيحًا إحصائيًا، مما يُنتج نصًا سلسًا وكفؤًا ومنسيًا تمامًا. إنه المكافئ اللغوي للطلاء البيج.

عندما تبدو كل رسالة بريد إلكتروني بالذكاء الاصطناعي متشابهة، فإن "المُخصَّصة" تعني فقط أنك كتبت اسم المستلم بشكل صحيح.

الأدوات التي تصف نفسها بأنها "مُخصَّصة" تقوم في معظمها بحقن المتغيرات — بإدراج {{First_Name}} و{{Company_Name}} وربما سطر عن جولة تمويل حديثة. هذا تكييف. أما التخصيص فشيء آخر تمامًا. التخصيص هو أن الطريقة التي تقول بها شيئًا ما تجعل المستلم يشعر بأنك تفهم كيف هو يفكّر.

الليلة التي أدركت فيها أننا نبني الشيء الخاطئ

كانت هناك ليلة — كانت متأخرة، من ذلك النوع من التأخر الذي لا تعرف فيه ما إذا كنت منتجًا أم مجرد عنيد — حين كنت أراجع نتائج اختبار A/B من إحدى حملات التواصل المبكرة لدينا. كان لدينا نسختان. النسخة A كانت رسالتنا المولَّدة بالذكاء الاصطناعي، مصقولة، جيدة البنية، تُبرز كل نقاط القيمة. النسخة B كانت رسالة فوضوية بعض الشيء كتبتها مندوبة مبيعات اسمها Priya. أقصر. جملة ناقصة حيث لا ينبغي أن تكون. توقيع ختامي كان غير رسمي أكثر من اللازم تقريبًا.

سحقت النسخة B المنافسة. ليس بقليل. كان معدل الرد أعلى بنحو خمسة أضعاف.

أذكر أنني كنت أحدّق في البيانات وأشعر بحيرة حقيقية. رسالة Priya كسرت القواعد. كانت قصيرة أكثر من اللازم. البداية كانت مفاجئة. لكنها نجحت, لأنها بدت وكأنها صادرة عن شخص حقيقي مشغول ومباشر ولا يملك الوقت ليتصنّع في ذلك.

حينها اتضح لي شيء ما. مشكلة الذكاء الاصطناعي لدينا لم تكن أنه لا يستطيع الكتابة بشكل جيد. المشكلة أنه يكتب مثل الذكاء الاصطناعي. والحل لم يكن توجيهًا أفضل — بل تعليم النموذج أن يكتب مثل Priya.

لماذا تنجح محاكاة أسلوب شخص ما فعلًا؟

قبل أن أخوض في البنية المعمارية، عليّ أن أشرح لماذا يهمّ هذا على المستوى المعرفي، لأنه ليس مجرد ميزة إضافية لطيفة.

هناك مجموعة من الأبحاث حول شيء يُسمّى مطابقة الأسلوب اللغوي — LSM. الاستنتاج الجوهري هو أن الناس أكثر ميلًا بكثير إلى الوثوق بشخص يعكس أسلوبه في التواصل أسلوبهم، والتفاعل معه، والامتثال لطلباته. هذا لا يتعلق بالمحتوى. بل يتعلق بكلمات الوظيفة، وإيقاع الجملة، ومستوى الرسمية، والنسيج اللاواعي لكيفية ربط الشخص أفكاره ببعضها. وجدت دراسة أجراها Ludwig وآخرون عام 2013 أن معدلات التحويل في البيئات الإلكترونية مرتبطة مباشرةً بدرجة التطابق اللغوي بين الرسالة ومستلمها.

ينسجم هذا مع شيء أعمق حتى — الخلايا العصبية المرآتية. عندما تصادف تواصلًا يعكس أنماطك الخاصة، فإنه ينشّط المسارات العصبية المرتبطة بالتعبير عن الذات. يبدو مألوفًا. آمنًا. من داخل الجماعة. أظهرت دراسات التفاوض أن المحاكاة تزيد معدلات الاتفاق الناجح من 12% إلى 67%. ومندوبو المبيعات يعرفون هذا حدسيًا منذ عقود. أفضل مُبرِمي الصفقات حرباوات.

أفضل رسالة بريد إلكتروني للمبيعات لا تبدو مثل رسالة مبيعات. بل تبدو مثل المستلم يحدّث نفسه.

المشكلة أن المحاكاة مهارة بشرية بطبيعتها ويدوية بطبيعتها. لا يمكن توسيع نطاقها. لا يمكنك أن تجعل أفضل مندوب لديك يصوغ شخصيًا رسائل لعشرة آلاف عميل محتمل. لكن يمكنك التقاط ما يجعل كتابته ناجحة وحقنه في نظام ذكاء اصطناعي يولّد على نطاق واسع.

تلك هي الأطروحة. ليست "استبدال الإنسان". توسيع نطاق الإنسان.

ما هو حقن الأسلوب بأمثلة قليلة، ولماذا يختلف عن التوجيه الأفضل؟

التوجيه بأمثلة قليلة هو أسلوب إعطاء نموذج اللغة الكبير حفنة من الأمثلة — "إليك ثلاث رسائل نجحت، والآن اكتب واحدة مثلها." وهو موجود منذ GPT-3. ما يجعل نهجنا مختلفًا هو من أين تأتي تلك الأمثلة وكيف يتم اختيارها.

معظم من يستخدمون التوجيه بأمثلة قليلة يختارون الأمثلة يدويًا. يلصقون رسالتين أو ثلاثًا تعجبهم وينتهي الأمر. ينجح ذلك تمامًا إذا كنت تكتب لنوع واحد من العملاء المحتملين. لكنه ينهار في اللحظة التي تحتاج فيها إلى ضبط النبرة لمدير تقني مقابل نائب رئيس التسويق، أو لمشترٍ في التكنولوجيا المالية مقابل شخص في التصنيع.

ما بنيناه هو نظام استرجاع ديناميكي. نخزّن مكتبة منتقاة من الرسائل البشرية عالية الأداء — ما نسميه "مخزن الأسلوب" — في قاعدة بيانات متجهية. وعندما يحتاج النظام إلى توليد رسالة لعميل محتمل معيّن، فإنه لا يستخدم أمثلة ثابتة. بل يسترجع الأمثلة الأكثر ملاءمة أسلوبيًا في الوقت الفعلي، بناءً على هوية المستلم والسياق الذي هو فيه.

كتبت عن البنية الكاملة في النسخة التفاعلية من بحثنا, لكن الفكرة الجوهرية هي هذه: نفصل استرجاع المحتوى عن استرجاع الأسلوب. خطا أنابيب متوازيان. أحدهما يجيب عن "ماذا ينبغي أن نقول؟" والآخر يجيب عن "كيف ينبغي أن نقوله؟"

هذا الفصل هو كل شيء. البحث الدلالي القياسي يخلط الموضوع بالنبرة. إذا بحثت عن "رسالة إلى مدير تقني"، فستحصل على رسائل عن المديرين التقنيين، لا رسائل مكتوبة لأجل المديرين التقنيين بالصوت الذي يستجيب له المديرون التقنيون. وبفكّ ارتباط هذين، يمكننا إرسال رسالة عن أمن المؤسسات باستخدام نبرة غير رسمية ومباشرة — أو نبرة رسمية ومتّزنة — بمجرد تبديل مسار استرجاع الأسلوب.

بناء مخزن الأسلوب: حيث يكمن السحر (والألم)

هنا يجب أن أكون صادقًا بشأن مدى صعوبة الجزء غير البرّاق.

يبدو مخزن الأسلوب أنيقًا من الناحية النظرية. أما عمليًا، فبناء واحد يتطلب التنقيب في أشهر من بيانات إدارة علاقات العملاء، ومطابقة الرسائل مع النتائج، وتجريد المعلومات التي تحدد الهوية الشخصية، ثم إضافة بيانات وصفية لكل رسالة باقية — النبرة، البنية، شخصية المستلم، مرحلة الصفقة.

تجادلنا أنا وفريقي حول تصنيف التعليقات التوضيحية لمعظم أسبوع. هل ينبغي أن يكون "مباشر" و"صريح فظّ" في الفئة نفسها؟ هل "متعاطف" نبرة أم بنية؟ أين ينتهي البيع "التحدّي" ويبدأ البيع "العدواني"؟ هذه ليست أسئلة أكاديمية عندما تعتمد جودة استرجاعك على دقة تسمياتك.

استقرّينا على مخطط يسم كل رسالة عبر أربعة أبعاد: النبرة (رسمية، غير رسمية، عاجلة، متعاطفة)، والبنية (المشكلة-التأزيم-الحل، الطلب المباشر، اللمسة اللطيفة)، وشخصية المستلم (تقنية، مالية، تشغيلية)، والنتيجة (اجتماع محجوز، رد وارد، لا استجابة). وقاعدة البيانات المتجهية — نستخدم إعدادًا مُحسَّنًا للاسترجاع منخفض الكمون — تخزّن كلًّا من التضمين وهذه البيانات الوصفية، مما يتيح البحث الهجين. "جِد لي متجهات قريبة من ملف أسلوب هذا العميل المحتمل WHERE الصناعة تساوي SaaS AND النتيجة تساوي اجتماع محجوز."

الذكاء الاصطناعي لديك ليس أفضل من أسوأ رسالة في مجموعة تدريبك. أسلوب سيئ يدخل، مخرجات سيئة تخرج.

تعلّمنا هذا بالطريقة الصعبة. في البداية، أدرجنا رسائل "نجحت" تقنيًا — حصلت على ردود — لكن الردود كانت أشياء مثل "من فضلك احذفني من قائمتك." كانت التصفية بحثًا عن جودة النتيجة، لا مجرد وجود النتيجة، درسًا كلّفنا بضعة أسابيع من النتائج السيئة قبل أن ننتبه إليه.

كيف يختار النظام فعليًا الأسلوب الصحيح لكل عميل محتمل؟

عندما يدخل عميل محتمل جديد خط الأنابيب — لنقُل، مدير تقني في شركة تكنولوجيا مالية — يشغّل النظام عملية متعددة الخطوات. أولًا، يحلّل تواصل العميل المحتمل العلني. منشورات LinkedIn، سيرته الذاتية، أي شيء متاح. هل هذا الشخص موجز؟ هل يستخدم مصطلحات تقنية أم لغة بسيطة؟ هل هو رسمي أم محادثي؟

ثم يولّد استعلام أسلوب: "استرجِع ثلاث رسائل تاريخية ناجحة أُرسلت إلى مديرين تقنيين في التكنولوجيا المالية تستخدم نبرة موجزة ومباشرة وتقنية بعض الشيء." تشغّل قاعدة البيانات المتجهية بحثًا بتشابه جيب التمام وتعيد أقرب التطابقات من مخزن الأسلوب.

تصبح تلك الرسائل المسترجَعة هي أمثلة الأمثلة القليلة في الموجّه. ليست ثابتة. ليست منتقاة يدويًا. مختارة ديناميكيًا لأجل هذا الشخص المحدد في هذه اللحظة المحددة.

من ثلاثة إلى خمسة أمثلة هي النقطة المثلى. أقل من ثلاثة ولا يحصل النموذج على إشارة كافية. أكثر من خمسة وتبدأ بحرق رموز نافذة السياق دون تحسّن متناسب — وتخاطر بأن يفرط النموذج في التكيّف مع المثال الأحدث بدلًا من تركيب النمط عبرها جميعًا.

مشكلة الحقيقة التي لا يتحدث عنها أحد

إليك شيئًا أرّقني أثناء التطوير: حقن الأسلوب يمكن أن يجعل الذكاء الاصطناعي يكذب على نحو أفضل.

عندما تدفع نموذج اللغة الكبير بقوة نحو أسلوب معيّن — وخاصةً أسلوب مقنِع أو غير رسمي — فإنه أحيانًا يبدأ بلَيّ الحقائق لتناسب الأجواء. كنا نرى رسائل يقوم فيها الذكاء الاصطناعي، وهو يتقمّص أسلوب مندوب متحمّس بشكل خاص، بالمبالغة الطفيفة في قدرات المنتج. ليس اختلاقًا من العدم، بل مطّ الحقيقة بطرق تبدو طبيعية داخل الأسلوب لكنها خاطئة واقعيًا.

نسمّي هذا "انهيار الصدقية الناجم عن الأسلَبة"، وهو خطر حقيقي لا أرى ما يكفي من الناس في هذا المجال يتحدثون عنه.

كان حلّنا معماريًا، لا مجرد إرشادي. نُبقي سياق المحتوى (الحقائق، نقاط القيمة، التسعير) وسياق الأسلوب (أمثلة النبرة) في أقسام منفصلة من الموجّه. تخبر تعليمات النظام النموذج صراحةً: أمثلة الأسلوب تحكم الشكل, وسياق المحتوى يحكم الجوهر. ونشغّل خطوة تحقّق ثانوية — نموذج "ناقد" يفحص الرسالة المولَّدة مقابل المادة المصدرية الواقعية قبل أن تُرسل.

للاطلاع على التفصيل التقني الكامل لكيفية عمل هذا، بما في ذلك بنية الاسترجاع المزدوج ونهجنا في تضمينات الأسلوب التبايني، انظر ورقتنا البحثية.

هل هو مثالي؟ لا. لكنه الفرق بين نظام يحتاج أحيانًا إلى إنسان ليمسك بمبالغة، ونظام يختلق ادعاءات بشكل روتيني. أنا أختار الأول.

"لكن ألن تلتقط مرشّحات البريد المزعج الرسائل المولَّدة بالذكاء الاصطناعي على أي حال؟"

هذا السؤال الذي أتلقّاه أكثر من غيره، والإجابة مخالفة للحدس: حقن الأسلوب في الواقع يساعد في إمكانية التسليم.

مرشّحات البريد المزعج الحديثة — Gmail، Outlook — تستخدم بشكل متزايد الذكاء الاصطناعي لاكتشاف الذكاء الاصطناعي. تبحث عن حيرة منخفضة (نص يمكن التنبؤ به أكثر من اللازم) وتجانس مرتفع (نص يفتقر إلى التنوّع الطبيعي للكتابة البشرية). مخرجات نماذج اللغة الكبيرة القياسية سلسة على نحو مرضيّ تقريبًا. كل جملة بالطول نفسه تقريبًا. المفردات مسحوبة من النطاق الضيق نفسه. إنها بصمة إحصائية تصرخ "آلة".

الكتابة البشرية متفجّرة. جملة قصيرة. ثم أطول تتعرّج قليلًا قبل أن تصل إلى مقصدها. ثم جزء ناقص. هذا التنوّع — ما يسمّيه اللغويون "التفجّرية" — هو تحديدًا ما يعيد حقن الأسلوب بأمثلة قليلة إدخاله. فبإجبار النموذج على مطابقة أمثلة بشرية حقيقية تحتوي على جمل ناقصة وأسئلة بلاغية وانتقالات مفاجئة، تبدو المخرجات أقل شبهًا بـ"سُقاطة الذكاء الاصطناعي" وأكثر شبهًا بمراسلات فعلية.

دفعات الذكاء الاصطناعي العامة كبيرة الحجم طريق سريع إلى مجلد البريد المزعج وإدراج النطاق في القائمة السوداء. حقن الأسلوب تمويه بشري لإمكانية تسليمك.

زاوية سمعة النطاق مُغفَلة الحق. إرسال ألف رسالة آلية لا يفشل فقط في التحويل — بل يضرّ فعليًا بسمعة المرسِل لديك، مما يجعل من الأصعب على رسائلك المستقبلية أن تصل إلى صندوق وارد أي شخص. إنها عقوبة تراكمية. الشركات التي تطلق تواصلًا عامًا بالذكاء الاصطناعي اليوم تقترض على حساب قدرتها المستقبلية على التواصل.

الجزء الذي يقول فيه أحدهم "استخدم GPT فحسب"

قال لي مستثمرٌ هذا. ليس بهذه الكلمات بالضبط، لكن قريبًا منها. "لماذا قد يدفع أحد مقابل هذا بينما يمكنه ببساطة أن يوجّه ChatGPT ليكتب بأسلوب معيّن؟"

فتحت رسالتين على حاسوبي المحمول. كلتاهما كُتبت "بأسلوب قائد مبيعات مباشر جادّ". واحدة مولَّدة بموجّه GPT-4 عادي. والأخرى مولَّدة بنظامنا باستخدام ثلاثة أمثلة حقيقية من مندوب عالي الأداء مُسترجَعة من مخزن الأسلوب.

كانت نسخة GPT-4 جيدة. احترافية. واضحة. قُرئت مثل رسالة مبيعات كفؤة كتبها شخص قرأ كتابًا عن أن تكون مباشرًا.

نسخة مخزن الأسلوب كان لها افتتاح غريب. بدأت في منتصف الفكرة، تقريبًا كأن المرسِل يواصل محادثة لم تحدث بعد. الجملة الثانية كانت من أربع كلمات. التوقيع الختامي كان مجرد اسم أول، بلا لقب، بلا شركة. بدا وكأنه شخص فعلًا مشغول ومباشر، لا شخص يتصنّع الانشغال والمباشرة.

قرأ المستثمر كلتيهما وأشار إلى الثانية. "تلك. تلك تبدو مثل إنسان."

تلك هي الفجوة. توجيه نموذج اللغة الكبير لـ"يكون مباشرًا" يعطيك تفسير النموذج الإحصائي للمباشرة. أما عرض ثلاثة أمثلة حقيقية لإنسان معيّن يكون مباشرًا فيعطيك مباشرة ذلك الإنسان. الفرق هو الفرق بين وصف شخصية وأداء.

ماذا يعني هذا لفرق المبيعات (ليس ما قد تتوقعه)

يسألني الناس دائمًا إن كان هذا يستبدل مندوبي المبيعات. إنه لا يفعل. بل يفعل شيئًا أكثر إثارة للاهتمام: يجعل فريقك بأكمله يبدو مثل أفضل مندوب لديك.

فكّر فيما يحدث عندما توظّف مندوب تطوير مبيعات جديدًا. يقضي أسابيع، وأحيانًا أشهرًا، في إيجاد صوته. تعلّم ما ينجح. تطوير حدس حول النبرة. مع مخزن أسلوب مبنيّ من أفضل أعمال ذوي الأداء الأعلى لديك، يمكن لمندوب جديد أن يبدأ بإرسال رسائل تحمل الصوت المُثبَت للفريق منذ اليوم الأول.

تشير البيانات إلى أن هذا يوفّر نحو 12.7 ساعة أسبوعيًا لكل بائع في وقت الصياغة. لكن القيمة الحقيقية ليست في توفير الوقت — بل في الاتساق. لا مزيد من انخفاضات الجودة صباح الاثنين. لا مزيد من مندوبين رائعين على الهاتف لكنهم سيئون في الكتابة. يصبح مخزن الأسلوب معرفة مؤسسية، مُدوَّنة وقابلة للاسترجاع.

وهو يخلق دولابًا دوّارًا. كل رسالة جديدة تحصل على استجابة إيجابية تُحوَّل إلى متجهات وتُضاف إلى المخزن. يتحسّن النظام بمرور الوقت، ليس لأن الذكاء الاصطناعي يتحسّن، بل لأن مكتبة التميّز البشري تنمو.

المستقبل غير المريح

هنا سأطلق تنبؤًا قد لا يصمد جيدًا مع الزمن: خلال عامين، الشركات التي لا تزال تستخدم تواصلًا عامًا بالذكاء الاصطناعي ستكون عاجزة فعليًا عن الوصول إلى عملائها المحتملين عبر البريد الإلكتروني. ليس لأن البريد الإلكتروني يموت، بل لأن نطاقاتها ستكون متضررة إلى درجة ومحتواها مُرشَّحًا إلى درجة تجعلها غير مرئية.

الشركات التي ستفوز ستكون تلك التي عاملت أنماط تواصل أفضل بائعيها كأصل استراتيجي — شيء يُلتقط ويُنتقى ويُوسَّع نطاقه. لا يُستبدَل بالذكاء الاصطناعي. بل يُضخَّم به.

الحملات التي تستخدم التخصيص المتقدم ومطابقة الأسلوب تُبلّغ بالفعل عن معدلات رد تتراوح بين 40 و50%، مقارنةً بـ 1 إلى 8.5% للنُّهج العامة. هذا ليس تحسّنًا هامشيًا. هذه رياضة مختلفة.

عصر "مرحبًا {{First_Name}}، لاحظت أن شركتك مؤخرًا {{trigger_event}}" ينتهي. ما يأتي بعده هو التخصيص المعرفي — ذكاء اصطناعي لا يعرف فقط حقائق عن عميلك المحتمل، بل يتحدث بالسجل المحدد الذي يجعل عميلك المحتمل يشعر بأنه مفهوم.

الأصل الأكثر قيمة في المبيعات ليس بيانات منتجك. بل الطريقة التي يتحدث بها أفضل أفرادك عنه.

لم نبنِ VeriPrajna لأتمتة المبيعات. بنيناها لنستنسخ الشيء الذي يجعل البائعين العظماء عظماء — ونمنح ذلك لكل فرد في الفريق. هذا ليس توسيع نطاق الروبوت. هذا توسيع نطاق الإنسان. وهو النسخة الوحيدة من ذكاء المبيعات الاصطناعي التي لها مستقبل.