لماذا تستعين بمصادر خارجية لإثراء البيانات بينما تملأ أدوات الذكاء الاصطناعي كل حقل؟

يُمرّر فريق عمليات الإيرادات قائمة حساباته عبر أداة للإثراء المتتابع. تستعلم الأداة من مزوّد بيانات أول، ثم من مزوّد ثانٍ لسد أي ثغرات، ثم من مزوّد ثالث. ويملأ وكيل أبحاث يعمل بالذكاء الاصطناعي ما تبقّى من حقول فارغة بالاطلاع على مواقع الشركات وأخبارها. وتُظهر لوحة التحكم أن نسبة اكتمال الحقول تبلغ 97%. يفتح أحد مندوبي المبيعات حسابًا مستهدفًا ذا أولوية، فيجد عنوانين للمقر الرئيسي، وعددًا للموظفين يختلف بمقدار 4,000 بحسب المصدر، ومديرًا ماليًا غادر الشركة قبل ثمانية أشهر.

لا يوجد أي حقل فارغ في ذلك السجل. لكن كثيرًا من بياناته خاطئ. وهذا التباين يفسّر استمرار استعانة الفرق بمصادر خارجية لإثراء البيانات، حتى عندما تستطيع الأدوات الآلية ملء كل حقل. فقد أصبح ملء الحقول منخفض التكلفة، لكن تحديد القيمة الصحيحة يظل بحاجة إلى حكم بشري عندما تتعارض المصادر أو تصبح بياناتها قديمة. وتستحق خدمات الإثراء التي يتحقق منها البشر تكلفتها عندما تحلّ التعارضات في بيانات الحسابات التي تدرّ الإيرادات، لا لمجرد عدد الحقول الفارغة التي تملؤها.

كيف تحوّل إثراء البيانات إلى سباق لرفع نسبة اكتمال الحقول؟

تضيف خدمات إثراء بيانات الشركات إلى الشركات (B2B) تفاصيل مفقودة إلى سجلات الشركات وجهات الاتصال، مثل البيانات التعريفية للشركة، كالمجال والإيرادات وعدد الموظفين؛ وبيانات الاتصال، كالمسمى الوظيفي والبريد الإلكتروني ورقم الهاتف؛ والبيانات التقنية، مثل البرامج التي تستخدمها الشركة؛ والمؤشرات، مثل جولات التمويل ونشاط التوظيف والتغييرات في القيادة.

لسنوات، اشترت الفرق بياناتها من مزوّد واحد وتقبّلت الثغرات في تغطيته. ثم غيّر الإثراء المتتابع هذا الوضع. فبدلًا من الاعتماد على مصدر واحد، تستعلم أداة الإثراء المتتابع من عدة مزوّدين بالتتابع، وتأخذ أول قيمة تعثر عليها لكل حقل. وتضيف وكلاء أبحاث الذكاء الاصطناعي طبقة أخرى، إذ يبحثون في الويب ويلخّصون ما يعثرون عليه في حقول منظّمة.

تقدّم هذه الأدوات قيمة حقيقية. فهي تسدّ الثغرات بسرعة وبتكلفة منخفضة، وتوفّر لفرق المبيعات مزيدًا من المعلومات للعمل عليها. وتتسارع وتيرة اعتماد مؤسسات المبيعات لها: فقد وجد تقرير حالة المبيعات الصادر عن Salesforce أن 54% من مندوبي المبيعات استخدموا وكلاء الذكاء الاصطناعي بالفعل، ويتوقع المندوبون أن تقلّص هذه الوكلاء الوقت اللازم لأبحاث العملاء المحتملين بنسبة 34%. ويُخصّص جزء كبير من وقت البحث هذا لجمع تفاصيل الحسابات وجهات الاتصال نفسها التي توفرها أدوات الإثراء.

تكمن المشكلة في أن هذه الأدوات تحسّن التغطية على حساب الدقة. فتغدو نسبة اكتمال الحقول المقياس الأبرز، ويُعدّ الحقل ناجحًا متى احتوى على أي قيمة.

لماذا يؤدي تعدد المصادر إلى مزيد من التعارضات؟

قد تختلف تعريفات المزوّدين وجداول تحديثهم وسجلات الشركات التي يستخدمونها، ما يؤدي إلى تضارب المعلومات. ومن دون عملية لمقارنة المصادر والتحقق من التباينات، قد تؤدي إضافة مزيد من البيانات إلى تقليل موثوقية سجلات إدارة علاقات العملاء (CRM).

اختلاف التعريفات

يحصي أحد المزوّدين موظفي الشركة الأم، فيما يحصي آخر موظفي الكيان المحلي، ويستند ثالث إلى تقدير منشور في ملف عام. وقد تكون الأرقام الثلاثة قابلة للتبرير، لكن رقمًا واحدًا فقط يتوافق مع طريقة تحديد مناطق المبيعات لديكم.

اختلاف دورات التحديث

يحدّث المزوّدون بياناتهم وفق جداول زمنية مختلفة. فقد يكون أحد المصادر قد حدّث المسمى الوظيفي الأسبوع الماضي، بينما لا يزال مصدر آخر يعرض القيمة القديمة. وقد تختار أداة الإثراء المتتابع الإجابة القديمة إذا أخذت أول إجابة تعثر عليها.

الخلط بين الكيانات

قد تختلط الشركات التابعة والفروع الإقليمية والشركات ذات الأسماء المتشابهة بعضها ببعض. وقد يدمج وكيل ذكاء اصطناعي يبحث في الويب تفاصيل شركتين مختلفتين في سجل واحد.

غياب حسم التعارضات

تعتمد معظم آليات الإثراء المتتابع ترتيبًا ثابتًا. فهي لا تقارن القيم بين المصادر ولا تشير إلى مواضع الاختلاف، فيبقى التعارض مخفيًا داخل حقل مكتمل.

والنتيجة نظام لإدارة علاقات العملاء يبدو مكتملًا، لكنه لا يعمل بموثوقية.

التغطية في مقابل الدقة في الحسابات المهمة

لا تتطلب كل السجلات القدر نفسه من العناية. فقائمة تسويقية تضم 200,000 جهة اتصال لحملة توعية واسعة يمكنها تحمّل بعض الأخطاء، أما قائمة تضم 300 حساب مستهدف ضمن برنامج تسويق قائم على الحسابات فلا يمكنها ذلك.

في الحسابات ذات الأولوية، تترتب كلفة مباشرة على أي معلومة خاطئة. فالفريق الذي يتصل بمدير تنفيذي غادر الشركة يبدّد فرصة ترك انطباع أول جيد. وخطة المناطق المبنية على عدد موظفين غير صحيح تُحيل الحساب إلى الفريق الخطأ. ونموذج التسعير المستند إلى إيرادات قديمة يقدّر حجم الصفقة على نحو خاطئ. كما ترث التوقعات المبنية على هذه السجلات الأخطاء نفسها.

ترفع وكلاء الذكاء الاصطناعي مستوى المخاطر أكثر. فعندما يصوغ أحد الوكلاء رسائل التواصل، أو يقيّم العملاء المحتملين، أو يوجّه الحسابات من تلقاء نفسه، فإنه يتصرف استنادًا إلى ما يرد في نظام إدارة علاقات العملاء. أما الوكيل الذي يعمل على بيانات إثراء متضاربة، فسيرتكب أخطاء واثقة على نطاق واسع.

متى ينبغي الاستعانة بمصادر خارجية لخدمات إثراء البيانات؟

يكون الإثراء الآلي فعالًا في قواعد البيانات الكبيرة التي يمكن فيها التعامل مع أخطاء متفرقة، لكن الحسابات عالية القيمة تتطلب دقة أكبر. وتصبح الاستعانة بمصادر خارجية مجدية عندما تحتاج الشركات إلى التحقق من هوية أصحاب القرار، أو معالجة مشكلات التسلسل الهرمي للشركات، أو التحقق من بيانات الاتصال المتغيرة، أو دعم سير عمل المبيعات المدعوم بالذكاء الاصطناعي. وفيما يلي المجالات التي تحقق فيها الاستعانة بمصادر خارجية لإثراء البيانات أكبر قيمة:

1. الحسابات عالية القيمة: برامج التسويق القائم على الحسابات، وتجديد العقود الاستراتيجية، ومسارات مبيعات الشركات الكبرى، حيث تمثل كل سجّلة إمكانية تحقيق إيرادات كبيرة.
2. الهياكل المؤسسية المعقدة: الشركات التي تضم شركات تابعة متعددة أو كيانات إقليمية، أو التي شهدت عمليات اندماج حديثة، ما يصعّب على الأدوات الآلية التمييز بين الشركات الأم والشركات التابعة لها.
3. تغيّر جهات الاتصال باستمرار: القطاعات التي تشهد معدلًا مرتفعًا من التغييرات في المناصب التنفيذية، أو تتبدل فيها لجان الشراء بانتظام، ما يجعل من الأصعب تحديث بيانات الاتصال ومعلومات أصحاب القرار.
4. سير العمل الذي تديره الوكلاء: عمليات توجيه المبيعات وتقييم العملاء المحتملين والتواصل معهم، حيث تتصرف وكلاء الذكاء الاصطناعي استنادًا إلى بيانات إدارة علاقات العملاء من دون مراجعة بشرية في كل خطوة.
5. التواصل في القطاعات الخاضعة للتنظيم: الأسواق التي تستلزم توثيق مصادر بيانات الاتصال ووجود أساس قانوني لمعالجتها واستخدامها.

في ظل هذه الظروف، تكون تكلفة قيمة واحدة خاطئة أعلى من تكلفة التحقق منها. ويكون الاستعانة بمصادر خارجية لإثراء البيانات خيارًا منطقيًا أيضًا عندما لا تملك الفرق الداخلية ساعات كافية لإجراء الأبحاث والتحقق من السجلات بالوتيرة التي يتطلبها مسار المبيعات. يستطيع مندوبو تطوير المبيعات التحقق من عدد قليل من الحسابات، لكنهم لا يستطيعون إبقاء 500 سجل ذي أولوية محدّثًا كل ربع سنة، مع مواصلة البحث عن عملاء محتملين في الوقت نفسه.

أما في الحالات الأخرى، فعادةً ما يكون الإثراء الآلي، مع وضع قواعد معقولة للمصادر، استثمارًا أفضل. والهدف هو توجيه جهود التحقق إلى المواضع التي يشعر فيها النشاط التجاري بتبعات الخطأ.

لماذا تكتسب البيانات التي يتحقق منها البشر أهمية في عصر وكلاء الذكاء الاصطناعي؟

هنا تحديدًا تظل الاستعانة بمصادر خارجية لإثراء البيانات مبررةً لتكلفتها؛ إذ يضيف الفريق الماهر ثلاثة أمور لا توفرها الأدوات الآلية.

تعتمد وكلاء الذكاء الاصطناعي بشكل متزايد على بيانات إدارة علاقات العملاء لإعداد مسودات رسائل التواصل وتقييم العملاء المحتملين وتوجيه الحسابات، ما يجعل المعلومات غير الدقيقة خطرًا على الأعمال. ويساعد إثراء البيانات بعد التحقق منها بشريًا على ضمان دقة السجلات المهمة وحداثتها واتساقها مع قواعد العمل قبل أن تتصرف الأنظمة الآلية استنادًا إليها.

حلّ التعارضات

عندما تتعارض المصادر، يتحقق الباحث من الأدلة الأولية، مثل الموقع الإلكتروني للشركة نفسها والإفصاحات العامة والبيانات الصحفية والملفات المهنية، وقد يجري اتصالًا مباشرًا في بعض الحالات. ويسجّل الباحث القيمة الصحيحة وأسباب اعتمادها، إلى جانب المصدر والتاريخ.

التحقق من حداثة البيانات

بالنسبة إلى جهات الاتصال ذات الأولوية، يتأكد الباحثون من أن الأشخاص ما زالوا يشغلون المناصب المسجلة لهم. فتغيّر الوظائف من أكثر الأسباب شيوعًا لتقادم بيانات الإثراء، ويمكن لخطوة تحقق سريعة أن تمنع هدر الجهود على تواصل غير مجدٍ.

المواءمة مع قواعد العمل

يطبّق الباحثون التعريفات الخاصة بالعميل. فإذا كانت مناطقكم الجغرافية تحتسب عدد الموظفين في الكيان الإقليمي، يسجّلون ذلك الرقم. وإذا كان ملف العميل المثالي لديكم يستبعد شركات تابعة معينة، يضعون عليها علامة. ونادرًا ما تكون هذه القواعد جزءًا من منطق ترتيب المصادر المتعاقب.

يجمع النهج الأقوى بين الطريقتين. فالأدوات الآلية تملأ بيانات السجلات الأقل أولوية بتكلفة منخفضة، بينما يتحقق فريق بشري من الحسابات والحقول المؤثرة في الإيرادات ويحسم التعارضات فيها. ويمكن أيضًا الاستفادة من كل تعارض يُحسم لتحسين الأتمتة، من خلال تعديل أولوية المصادر لحقول أو مناطق جغرافية محددة.

تصميم سير عمل هجين لإثراء البيانات

يستخدم سير العمل الهجين الأتمتة لإثراء قواعد البيانات الكبيرة، ويستعين بمراجعين بشريين للتحقيق في التباينات المهمة. ويساعد تحديد أولويات الحسابات واكتشاف التعارضات وتوثيق عمليات التحقق ومراجعة المصادر بانتظام على توجيه الجهد اليدوي إلى المواضع التي يحقق فيها أكبر قيمة.

1. قسّم الحسابات إلى مستويات. قسّم قاعدة البيانات إلى مستويات أولوية استنادًا إلى الإيرادات المحتملة أو مرحلة مسار المبيعات أو الانضمام إلى برنامج تسويق قائم على الحسابات.
2. قسّم الحقول إلى مستويات. حدّد الحقول المؤثرة في التوجيه والتقييم والتسعير والتواصل، مثل عدد الموظفين والإيرادات والقطاع وجهات اتصال أصحاب القرار.
3. نفّذ الإثراء الآلي على جميع السجلات واحتفظ بقيمة كل مصدر، لا بأول قيمة تعثر عليها فقط.
4. ضع علامة على التعارضات آليًا عندما يتجاوز الاختلاف بين المصادر حدًا معينًا، أو عندما يتجاوز عمر القيمة حدًا محددًا.
5. أحِل السجلات ذات الأولوية التي تحمل علامة إلى فريق للتحقق البشري، مع إرفاق القيم المتعارضة ومصادرها.
6. سجّل القيمة التي تم التحقق منها ومصدرها وتاريخها، وأعِد إدخالها في نظام إدارة علاقات العملاء مع توضيح حالتها.
7. راجع دقة المصادر كل ربع سنة وعدّل ترتيب المصادر المتعاقب بحسب الحقل أو المنطقة أو القطاع، استنادًا إلى نتائج التحقق.

يحافظ هذا التصميم على تركيز الجهد البشري في المواضع التي يحقق فيها عائدًا، ويزوّد الأتمتة بتدفق مستمر من الملاحظات. وعلى مدى بضعة أرباع سنوية، تكشف بيانات التحقق أيضًا عن المزوّدين الأكثر موثوقية لكل حقل. فقد يكون أحد المصادر قويًا في بيانات عدد الموظفين في أمريكا الشمالية وضعيفًا في بيانات جهات الاتصال الأوروبية، بينما قد يكون أداء مصدر آخر معكوسًا. وعندها يمكن تغيير ترتيب المصادر المتعاقب بحسب الحقل والمنطقة، بحيث يصل عدد أقل من التعارضات إلى المراجعين.

اختيار شركة لإثراء البيانات

تَعِد كثير من شركات إثراء البيانات الآن بمعدلات عالية لاستكمال البيانات وبإجراء الأبحاث باستخدام الذكاء الاصطناعي. لكن الأسئلة الأكثر فائدة هي تلك التي تختبر كيفية تعاملها مع التعارضات وحداثة البيانات:

• عندما يتعارض مصدران، كيف يحدد الفريق القيمة الصحيحة؟
• هل تُحفَظ جميع القيم الواردة من المصادر، أم القيمة المختارة وحدها؟
• كم مرة يُعاد التحقق من جهات الاتصال ذات الأولوية، وكيف يجري ذلك؟
• هل يستطيع المزوّد تطبيق تعريفات العميل الخاصة بعدد الموظفين والقطاع والتسلسل الهرمي؟
• ما مستوى الدقة الذي يعلنه المزوّد للسجلات ذات الأولوية التي جرى التحقق منها، مقاسًا بصورة منفصلة عن معدل استكمال الحقول الإجمالي؟
• كيف تُوسَم القيم التي جرى التحقق منها في نظام إدارة علاقات العملاء (CRM)، ليتمكن المستخدمون من تمييزها عن القيم المؤتمتة؟

إذا لم تقدّم شركة إثراء البيانات سوى معدلات استكمال الحقول، فهي لم تعالج المشكلة. أما الشركة التي تعرض قواعدها للفصل في حالات التعارض، وسجلات المصادر، ودقة البيانات المتحقق منها في حسابات نموذجية، فهي مستعدة للعمل الحاسم للإيرادات.

الامتثال ومصدر البيانات

يتضمن إثراء البيانات التعامل مع بيانات شخصية، لذا ينبغي مراعاة الامتثال في التصميم منذ البداية. وتشترط اللائحة العامة لحماية البيانات (GDPR) وجود أساس قانوني لمعالجة البيانات الشخصية المتعلقة بأفراد في الاتحاد الأوروبي، إلى جانب الشفافية بشأن المصادر. ويمنح قانون خصوصية المستهلك في كاليفورنيا (CCPA) سكان الولاية حقوق معرفة معلوماتهم الشخصية وتصحيحها وحذفها. كما تفرض قواعد التواصل، مثل قانون CAN-SPAM في الولايات المتحدة، متطلبات إضافية على رسائل البريد الإلكتروني التجارية.

يساعد توثيق مصدر البيانات في التعامل مع كل هذه المتطلبات. فعندما تُرفق بكل قيمة معلومات مصدرها وتاريخ التحقق منها، يستطيع الفريق الرد على طلب صاحب البيانات، والاستجابة لطلب التصحيح، وبيان مصدر المعلومات. أما عمليات الإثراء المتتابعة التي تحتفظ بالقيمة الفائزة وحدها، فتفقد هذا السجل. اسأل أي مزوّد عن كيفية تسجيله للمصادر، وتعاملِه مع طلبات إلغاء الاشتراك وقوائم الحظر، وحذفه للبيانات عند الطلب. وتحقّق من شهادات الأمان السارية، مثل SOC 2 Type II أو ISO/IEC 27001، قبل مشاركة صادرات بيانات نظام إدارة علاقات العملاء (CRM).

قياس ما يهم

استبدل معدل استكمال الحقول، بوصفه مقياس النجاح الرئيسي، بمقاييس تعكس صحة البيانات:

• دقة البيانات المتحقق منها في الحسابات ذات الأولوية، ويُختبر ذلك من خلال تدقيق عشوائي.
• معدل التعارض بحسب الحقل والمصدر، لتحديد المواضع التي يختلف فيها المزوّدون أكثر من غيرها.
• حداثة بيانات جهات الاتصال، أي نسبة جهات الاتصال ذات الأولوية التي جرى التحقق منها خلال آخر 90 يومًا.
• معدلا ارتداد الرسائل والتواصل مع الشخص الخطأ عند التواصل مع جهات الاتصال التي أُثريت بياناتها.
• ثقة مندوبي المبيعات، ويُقاس ذلك من خلال ملاحظاتهم المباشرة على جودة السجلات.

توضح هذه المقاييس ما إذا كان إثراء البيانات يساعد فريق المبيعات أم يكتفي بملء قاعدة البيانات. راجعها مع قادة المبيعات كل ثلاثة أشهر.

تلجأ الفرق اليوم إلى إسناد مهام إثراء البيانات إلى جهات خارجية للحصول على قيم صحيحة للحسابات الأهم. تملأ أدوات الإثراء المتتابع ووكلاء الذكاء الاصطناعي الحقول بتكلفة منخفضة، لكنها تكدّس أيضًا قيمًا متضاربة وقديمة من دون قاعدة تحدد أيها يُعتمد. ويؤتي إثراء البيانات الذي يتحقق منه البشر ثماره عندما تقود الدقة إلى زيادة الإيرادات: عبر حل التعارضات، والتحقق من حداثة البيانات، وتطبيق قواعد العمل على الحسابات ذات الأولوية. وتجمع خدمات إثراء بيانات الشركات بين الشركات (B2B) الموثوقة بين الإثراء المؤتمت والحل الموثق للتعارضات في السجلات عالية القيمة. ومع تزايد عدد وكلاء الذكاء الاصطناعي الذين يتصرفون بناءً على بيانات نظام إدارة علاقات العملاء (CRM) من دون تدخل بشري، لا بد من الإجابة عن سؤال واحد: أيًّا من الحقول التي ملأتموها ستثقون بأن يتصرف وكيل بناءً عليها اليوم؟