نفس المنتج… سعر مختلف: هل الذكاء الاصطناعي سيغيّر قواعد التسعير؟

تخيّل تدخل فرعًا لمطعم، وتطلب وجبتك المعتادة، ثم تكتشف أن فرعًا آخر على بُعد دقائق يبيع المنتج نفسه بسعر أعلى بحوالي 21%. طبيعي تسأل: إيه اللي يبرر الفرق؟ اختلاف التكلفة؟ طبيعة المنطقة؟ ولا الشركة عرفت إن العملاء هنا مستعدون يدفعوا أكثر؟

التسعير بالذكاء الاصطناعي يعني استخدام أنظمة تحلل البيانات لتقدير أثر الأسعار واقتراح قرارات تسعير. وقد تساعد الشركة على تحسين الربحية، أو تقليل الهدر، أو تقديم عروض مناسبة. لكن أثرها على العميل يتوقف على البيانات المستخدمة والهدف الذي نطلب منها تحقيقه.

فالذكاء الاصطناعي يستطيع أن يساعدنا على اتخاذ قرار أفضل. ويستطيع أيضًا أن يجعل قرارًا سيئًا أسرع وأكثر انتشارًا.

ماذا حدث في واقعة McDonald’s؟

في تحقيق نشرته رويترز يوم 29 سبتمبر 2026، رصدت سعرين للـBig Mac بفرعين في Fresno بكاليفورنيا: 5.69 و6.89 دولار، بفارق نحو 21%، والمسافة بينهما ميلان تقريبًا، أي 3.2 كيلومتر. وشرح التحقيق استخدام أدوات تعلم آلي لتقديم توصيات تسعير لكل مطعم، لكنه لم يؤكد أن الأداة سبّبت هذا الفرق تحديدًا.

وفي رد رسمي بتاريخ 1 أكتوبر، قالت McDonald’s إن الذكاء الاصطناعي لا يحدد أسعار منتجاتها، وإن أدواتها تقدم توصيات خاصة بكل مطعم، بينما يتخذ أصحاب الامتياز قرار السعر. ونفت تحديد أسعار مختلفة للعملاء بناءً على بياناتهم الشخصية. هذا رد الشركة الذي يجب عرضه بجانب التحقيق، دون اعتبار أي منهما دليلًا على أن اختلاف السعر وحده يعني استغلال العميل.

اختلاف الأسعار بين الفروع ليس جديدًا

فرع داخل مول، وفرع على طريق سريع، وفرع في منطقة إيجاراتها مرتفعة، وفرع تحيط به منافسة قوية… كلها تعمل في ظروف مختلفة.

حتى لو كان المنتج واحدًا، فإن تكلفة تقديمه وظروف بيعه قد تختلف. والعميل أيضًا لا يشتري المنتج مجردًا؛ قد يشتري معه القرب والسرعة وسهولة الوصول وتجربة المكان.

لكن وجود سبب محتمل لا يعني أن أي فرق في السعر مبرر تلقائيًا. نحتاج أن نفهم السبب، ونرى أثره على العميل وعلى تموضع البراند.

الجديد في التسعير المدعوم بالبيانات هو القدرة على تحليل معاملات كثيرة، وتقدير ما قد يحدث لو تغير السعر. لو رفعناه قليلًا، كم عملية بيع قد نخسر؟ ولو خفضناه، هل الزيادة في المبيعات ستعوض انخفاض هامش الوحدة؟

وهنا لازم نفصل بين هامش القطعة والربح الكلي. بيع القطعة بهامش أعلى لا يضمن أن المشروع سيحقق ربحًا أكبر، إذا تسبب السعر في انخفاض المبيعات أو فقدان عملاء يعودون باستمرار.

ثلاثة أنواع من التسعير يجب ألا نخلط بينها

هناك ثلاثة أشياء قد تستخدم الخوارزميات، لكنها تختلف في منطقها وأثرها.

الأول: التسعير حسب الفرع أو المنطقة. هذا الفرع له سعر معلن، يسري على من يشتري منه وفق الشروط نفسها. قد تختلف الأسعار بسبب التكلفة أو المنافسة أو ظروف السوق المحلي.

الثاني: التسعير الديناميكي. يتغير السعر مع الوقت أو الطلب أو السعة المتاحة. قد يرتفع سعر غرفة فندق في موسم مزدحم، وينخفض في أيام يقل فيها الإقبال. التغيير هنا مرتبط بظروف البيع، وليس بالضرورة بهوية العميل.

الثالث: التسعير الشخصي. يرى عميل سعرًا مختلفًا لأن النظام استخدم بيانات عنه لتقدير استعداده للدفع. مثل سلوكه الشرائي أو موقعه أو غير ذلك من معلومات مرتبطة به.

ومع ذلك، ليست كل معاملة بسعر مختلف استغلالًا. خصم معلن للطلبة، أو عرض واضح لأعضاء برنامج ولاء، يختلف عن رفع السعر خفية على شخص لأن النظام يتوقع أنه سيدفع أكثر.

السؤال العملي هو: على أي أساس اختلف السعر؟ وهل الشروط واضحة للعميل؟

متى يشعر العميل أن بياناته تُستخدم ضده؟

الشركة تحتاج أن تفهم السوق وحساسية العملاء للسعر. لكن حين يشعر العميل أن التطبيق يحاول اكتشاف أقصى مبلغ يمكن أخذه منه، تتغير العلاقة.

بدل أن يقول: «الشركة تعرفني وتقدم لي عرضًا مناسبًا»، قد يقول: «الشركة تعرفني، ولذلك تجعلني أدفع أكثر».

وده فرق تسويقي كبير.

قد يتوقع النظام أن رفع السعر سيزيد ربح الشهر القادم. لكن لو كان هدفه يقتصر على المبيعات والهامش، فقد يغفل ما يحدث للثقة وتكرار الشراء.

لقطة شاشة توضح اختلاف السعر قد تثير أسئلة لا يجيب عنها تقرير المبيعات: لماذا دفعت أكثر؟ هل لأنني عميل قديم؟ هل لأنني أستخدم التطبيق؟ وهل الأفضل أن أخفي بياناتي عن الشركة؟

لذلك تصبح عدالة السعر جزءًا من تجربة العميل — Customer Experience. والعدالة هنا لا تعني سعرًا واحدًا في كل مكان وزمان، لكنها تحتاج منطقًا يمكن شرحه وشروطًا واضحة لا تفاجئ العميل عند الدفع.

كيف أستخدم الذكاء الاصطناعي في التسعير؟

لو كنت أصمم نظامًا لسلسلة مطاعم أو متاجر، سأبدأ بتوصيات على مستوى الفرع أو المنطقة، باستخدام بيانات المبيعات والتكلفة والهدر والموسمية والمنافسة المعلنة.

ويعرض النظام بدائل أمام الإدارة: ماذا نتوقع لو أبقينا السعر؟ ماذا لو رفعناه؟ وماذا لو قدمنا عرضًا على مجموعة منتجات بدل تخفيض منتج منفرد؟

وقد تكون التوصية الصحيحة أحيانًا خفض السعر لجذب زيارات أكثر، أو تحسين عرض الوجبة لزيادة قيمة الفاتورة، أو تقليل الهدر. السعر الأعلى ليس دائمًا القرار الأذكى.

وسأضع قواعد واضحة لهذا النظام:

• سعر أساسي معلن داخل الفرع، مع توضيح شروط الخصومات والعروض.
• حدود لتكرار التغيير وحجمه، تناسب طبيعة المنتج وما يتوقعه العميل.
• عدم استخدام البيانات الشخصية لتقدير أقصى سعر لكل فرد، باعتبارها سياسة أوصي بها لهذا النوع من النشاط.
• عدم تبادل معلومات سرية عن أسعار المنافسين أو خططهم، وعدم استخدام النظام لتنسيق الأسعار بينهم.
• مراجعة خاصة للسلع الأساسية والقطاعات المنظمة قانونيًا، قبل تطبيق أي آلية جديدة.

القرار النهائي يظل تحت مسؤولية الإدارة. لكن وجود إنسان يضغط «موافق» لا يكفي؛ لازم يفهم التوصية، ويعرف حدودها، ويستطيع رفضها.

وأبدأ بتجربة محدودة، ثم أقيس الربح والمبيعات والهدر، بجانب الشكاوى وعودة العملاء. إذا زاد الربح مؤقتًا بينما بدأ العملاء يبتعدون، فهذه نتيجة تحتاج مراجعة.

هل التسعير بالذكاء الاصطناعي قانوني؟

لا توجد إجابة واحدة تنطبق على كل الدول والقطاعات. الحكم يتوقف على طريقة التسعير، والبيانات المستخدمة، والإفصاح، وأثر الممارسة على المستهلك والمنافسة.

في نيويورك، توجد متطلبات إفصاح للشركات المشمولة عندما تستخدم بيانات العميل الشخصية في التسعير الخوارزمي. وفي ماريلاند، دخل قانون حيز التنفيذ في 1 أكتوبر 2026 يقيّد استخدام البيانات الشخصية لرفع أسعار أغذية محددة لدى متاجر وخدمات توصيل مشمولة، مع استثناءات؛ وليس حظرًا عامًا لكل اختلاف في الأسعار.

وفي الاتحاد الأوروبي، توجد متطلبات لإبلاغ المستهلك عندما يكون السعر مخصصًا له نتيجة قرار آلي، ضمن نطاق قواعد التعاقد المعنية. وهذا يختلف عن تغيير السعر استجابةً لظروف السوق دون تخصيصه للفرد. أما الصين، فيحظر قانون حماية المعلومات الشخصية المعاملة التفاضلية غير المعقولة في الأسعار الناتجة عن قرارات آلية تستخدم المعلومات الشخصية.

وفي مصر، استخدام الذكاء الاصطناعي لا يعفي الشركة من الالتزامات القانونية القائمة. قانون حماية المستهلك ينظم إعلان الأسعار ويحظر التضليل بشأنها؛ ولذلك يجب أن يفهم العميل السعر وشروطه قبل الشراء. وأي تطبيق يعتمد على بيانات شخصية أو يرتبط بتنسيق الأسعار بين شركات يحتاج مراجعة قانونية مناسبة لطريقة عمله.

واسم البرنامج لا يحسم الأمر. استخدام كلمة «ذكاء اصطناعي» لا يجعل الممارسة ممنوعة تلقائيًا، ولا يجعلها مقبولة تلقائيًا.

الربحية التي نريدها

أنا مع استخدام البيانات لتحسين قرارات التسعير. لكن قبل بناء النظام، لازم نحدد معنى «أفضل سعر»: أفضل لمن؟ ولأي مدة؟ وبأي أثر على علاقة الشركة بعملائها؟

هل نريد زيادة هامش الطلب الحالي؟ أم زيادة الربح من علاقة تستمر سنوات؟ وهل السعر المقترح ينسجم مع وعد البراند، أم يجعل العميل يشعر أنه دفع أكثر لمجرد أن الشركة استطاعت؟

الشركة الذكية تستخدم البيانات لتفهم أين تقدم قيمة، وأين تهدر المال، وأين يحتاج عرضها إلى تعديل. وتبني ربحيتها على علاقة يستطيع العميل أن يثق بها.

لأن العميل قد يقبل اختلاف السعر حين يفهم سببه… لكن إحساسه بأنه تعرض للاستغلال قد يكلف الشركة أكثر من كل الزيادة التي حصلت عليها.