كل تحسين لا يستطيع إثبات تطابقه مع الصنف الأصلي هو مخاطرة على التحويل، مهما بدت الصورة أجمل أو بدا الوصف أكثر إقناعاً.
الحد الأدنى القادم لصور Google
يبدأ تطبيق الحد على جميع الفئات في 31 يناير 2027، بعد تحذيرات بدأت في 14 أبريل 2026. رفع الدقة وحده لا يكفي إذا تغيّر اللون أو الشكل أو الملحقات. (support.google.com)
Google Merchant Center product data specification update 2026تحسن F1 في تنبؤ السمات
حقق النموذج الذي جمع الصورة والنص 90.69% مقابل 87.98% للنموذج النصي في مجموعة بحثية تضم 87,194 حالة؛ دليل على قيمة المطابقة متعددة الوسائط، لا على صلاحية النشر الآلي. (arxiv.org)
Multimodal Joint Attribute Prediction and Value Extraction for E-commerce Productتحسن مطلق في recall@90P
أبلغ بحث من Amazon Science عن التحسن في أول مجموعتي بيانات واقعيتين، مقابل 6.9 نقاط في الثانية، عند استخراج السمات من الصور والنصوص. لم ينشر البحث أثراً على التحويل. (amazon.science)
Large scale generative multimodal attribute extraction for e-commerce attributesوضع الإعلان الإلكتروني في السعودية
يعد نظام التجارة الإلكترونية الإعلان الإلكتروني وثيقة مكملة للعقد وملزمة لأطرافه، بينما يشترط نظام البيانات التجارية أن يكون البيان بالعربية على الأقل ومطابقاً للحقيقة. (laws.boe.gov.sa)
نظام التجارة الإلكترونية ونظام البيانات التجاريةالصفحة الجميلة قد تكون خاطئة
خفض الذكاء الاصطناعي تكلفة إنتاج الصورة والنص، لكنه خفض أيضاً تكلفة إنتاج اختلاف صغير يصعب ملاحظته ويؤثر في قرار الشراء.
أخطر صفحة منتج ليست التي تبدو رديئة، بل التي تبدو ممتازة وهي غير دقيقة: قماش صار أنعم مما هو عليه، لون أصبح أكثر تشبعاً، ملحق ظهر في مشهد مولّد، أو وصف حوّل استنتاجاً بصرياً إلى حقيقة فنية. هذه الأخطاء لا تبدو كأخطاء لغوية؛ تبدو كوعود بيع مكتملة.
في السعودية لا يقف الأمر عند الذوق التحريري. الإعلان الإلكتروني جزء مكمل للعقد، والبيانات التجارية يجب أن تكون بالعربية على الأقل ومطابقة للحقيقة. لذلك فإن كتابة «مقاوم للماء» اعتماداً على مظهر الصورة، أو عرض قطعة إضافية غير مشمولة، ليست مبالغة بريئة يمكن إصلاحها لاحقاً. (laws.boe.gov.sa)
لهذا ينبغي أن يتغير السؤال من: هل تستطيع الأداة تحسين الصفحة؟ إلى: ما الذي يسمح لها بتغييره، وما المصدر الذي يثبت كل تغيير؟ القرار التنفيذي هنا هو اعتماد اختبار تطابق يسبق النشر، ثم قياس أثر الصفحات المجتازة على معدل التحويل، مع مراقبة المرتجعات والشكاوى المرتبطة باختلاف المنتج عن العرض.
- الصورة ليست مصدراً موثوقاً للمادة أو المقاس أو التوافق.
- الوصف ليس مخزناً للحقيقة إذا كُتب من صورة محسنة.
- المنتج الأصلي وسجل الصنف هما نقطة البداية، لا المسودة المولدة.
المحتوى المقنع يرفع التوقعات؛ وإذا كان غير دقيق فإنه يرفع مسافة السقوط أيضاً.
القواعد سبقت الأدوات
منصات الاكتشاف ومعايير الصور بدأت تتعامل مع المحتوى المولد بوصفه أصلاً يحتاج إلى تعريف ومصدر، لا مجرد ملف جميل.
تشترط Google الاحتفاظ ببيانات IPTC التي تشير إلى أن الصورة مولدة بالذكاء الاصطناعي، وتطلب استخدام structured_description للأوصاف المولدة. كما توصي بصورة أساسية واضحة تشغل فيها السلعة 75% إلى 90% من الإطار، وبصور إضافية للزوايا والتفاصيل والسياق. (support.google.com)
وفي 31 يناير 2027 سيرتفع الحد الأدنى لصور Google إلى 500×500 بكسل لجميع الفئات. أما معيار GS1 الصادر في يوليو 2026 فيضع نطاق صورة الويب الأساسية بين 900 و2400 بكسل لكل ضلع، ويحذر من تكبير الأصل بالاستيفاء، ومن معالجة اللون أو الحدة بطريقة تخفي معلومات المنتج. (support.google.com)
المغزى ليس مطاردة أكبر ملف ممكن. الأصل عالي الدقة يمنح التاجر مساحة آمنة للاقتصاص وإزالة الخلفية وتوليد قنوات متعددة. أما ترقية صورة صغيرة أو تعديلها توليدياً فلا يعيد معلومات لم تسجلها الكاميرا، وقد يصنع تفاصيل جديدة. جودة الأصل شرط إنتاج؛ مطابقة الناتج شرط نشر.
- احتفظ دائماً بالأصل غير المعدل.
- اربط كل نسخة محسنة بمعرّف الصنف نفسه.
- لا تحذف بيانات مصدر المحتوى المولد.
- افصل صورة العرض الأساسية عن صور السياق والاستخدام.
الدقة تمنع التشوش؛ لكنها لا تمنع الاختلاق.
دقة الأصل قبل التحسين
حدود أبعاد الصور الأساسية في معيار GS1 الحالي؛ وهي حدود تخزين وإنتاج، وليست وعداً بزيادة التحويل.
أي تعديل يمر تلقائياً؟
مصفوفة قرار تفصل بين التحسين منخفض الخطر والتغيير الذي يحتاج إلى إثبات أو مراجعة متخصصة.
مرّر الجدول أفقيًا لعرض جميع الأعمدة.
| نوع التعديل | ما يسمح للذكاء الاصطناعي | المراجعة المطلوبة | قرار النشر اتوماتيكي ام يدوي؟ ولماذا؟ |
|---|---|---|---|
| قص الصورة وضبط الهوامش | تغيير الإطار دون تغيير جسم المنتج | فحص آلي للأبعاد مع مراجعة عينة | تلقائي إذا بقي المنتج كاملاً وواضحاً |
| إزالة الخلفية | عزل المنتج والحفاظ على الحواف والظلال الضرورية | مقارنة بصرية بالأصل | تلقائي مشروط بعدم حذف أجزاء دقيقة |
| توليد مشهد استخدام | تغيير البيئة فقط مع تثبيت قناع المنتج | مقارنة قبل وبعد للون والشكل والمحتويات | يدوي لأن النموذج قد يضيف ملحقات أو يغير الحجم المدرك |
| صياغة الوصف | إعادة صياغة حقائق موجودة في بطاقة الصنف | استخراج عكسي للادعاءات وربطها بالمصدر | تلقائي للفئات منخفضة الخطر بعد اجتياز الفحص |
| استنتاج سمة مفقودة | اقتراح قيمة مع درجة ثقة، لا نشرها | تأكيد من العبوة أو المورد أو الوثيقة الفنية | يدوي لأن الصورة لا تثبت كل السمات |
| السلامة والتوافق والضمان | تلخيص الوثيقة المعتمدة فقط | مراجعة بشرية إلزامية | يدوي دائماً بسبب الأثر النظامي والتشغيلي |
المصدر يحكم المسودة
لا تبدأ التوليد من وصف قديم أو صورة منفردة. ابدأ بحزمة حقائق معتمدة، ثم اسمح للنموذج بصياغتها دون توسيعها.
يمكن ترتيب أولوية التحديث بمعادلة تشغيلية بسيطة: الزيارات × فجوة التحويل × كثافة عيوب المحتوى. الصفحة كثيرة الزيارة ومنخفضة التحويل، وفيها صورة واحدة أو سمات ناقصة أو شكاوى تطابق، تسبق صنفاً جديداً بلا بيانات سلوكية. هذا يحول المشروع من إعادة كتابة شاملة للكتالوج إلى قائمة عمل مرتبطة بالعائد.
قبل أي تحسين، أنشئ «بطاقة حقيقة» لكل صنف: المعرّف، العلامة، اللون المعتمد، المادة، المقاسات، محتويات العبوة، التوافق، التحذيرات، ومرجع كل معلومة. يستطيع النموذج إعادة ترتيب هذه الحقائق أو تبسيطها، لكنه لا يملك ترقية قيمة محتملة إلى حقيقة. إذا كان الحقل مجهولاً، فالمخرج الصحيح هو «يحتاج تحققاً» لا جملة واثقة.
Google توصي عادة بوصف بين 500 و1000 حرف، مع إمكانية إرسال ما يصل إلى 5000 حرف. لكن الطول ليس هدفاً. وصف من 700 حرف يكرر الصفات أقل نفعاً من وصف أقصر يجيب بدقة عن المادة والمقاس والاستخدام والمحتويات. (support.google.com)
- حقائق مرئية: اللون، الشكل، النقشة؛ تقارن بالأصل.
- حقائق فنية: المقاس، المادة، السعة؛ تؤخذ من سجل معتمد.
- ادعاءات أداء: المقاومة والضمان والتوافق؛ تحتاج وثيقة.
- حقول مجهولة: تبقى معلقة ولا يستكملها النموذج بالتخمين.
أفضل أمر للنموذج ليس «اكتب وصفاً جذاباً»، بل «لا تستخدم حقيقة لا تجد لها مرجعاً».
الصورة تختبر النص
مراجعة النص وحده لا تكشف أن «الذهبي» لون للقماش لا مادته، وأن القطعة السوداء في المشهد ليست جزءاً من المنتج.
في بحث M-JAVE على 87,194 حالة، أدى دمج المعلومات المرئية مع النص إلى رفع F1 لتنبؤ السمات من 87.98% إلى 90.69%، ورفع استخراج القيم من 84.78% إلى 87.17%. النتيجة لا تعني أن النموذج صار محرراً نهائياً؛ بل تؤكد أن مراجعة وصف المنتج يجب أن تقارن بين الوسائط، لا أن تفحص اللغة بمعزل عن الصورة والسجل. (arxiv.org)
الدراسة نفسها تعرض مثالاً عملياً: كلمة «ذهبي» في الوصف قد تشير إلى اللون، بينما قد يفسرها نظام نصي على أنها مادة. الصورة تساعد في حل الالتباس، لكنها لا تثبت التركيب الكيميائي أو خصائص الأداء. لهذا يعمل الذكاء الاصطناعي جيداً ككاشف تعارض: هل اللون المكتوب ظاهر؟ هل الصورة تخص المتغير الصحيح؟ هل ذُكر ملحق لا يظهر ضمن المحتويات؟
كما وجدت دراسة مفتوحة عن أسباب المرتجعات أن الدوافع تختلف باختلاف الفئة؛ فالملابس والأحذية تحتاج أسباباً تفصيلية مثل المقاس والراحة واللون، بدلاً من الاكتفاء بسبب عام مثل «الوصف غير دقيق». عملياً، يجب أن تعيد أسباب المرتجعات تعليم قائمة مراجعة كل فئة. (link.springer.com)
- استخدم الصورة للتحقق من السمات المرئية، لا لاختراع السمات الفنية.
- قارن كل متغير لوني بصورته، لا بصورة المنتج الأب.
- حوّل أسباب المرتجعات المتكررة إلى حقول إلزامية في بطاقة الحقيقة.
النموذج متعدد الوسائط يرى تعارضات أكثر؛ الإنسان يقرر أي مصدر يملك الكلمة الأخيرة.
ماذا تضيف الصورة إلى فهم الوصف؟
مقارنة نتائج النموذج متعدد الوسائط M-JAVE بالنموذج النصي JAVE على مجموعة البيانات نفسها.
المراجعة حسب الخطر
ليست كل لمسة على الصورة مساوية لادعاء سلامة أو توافق. مسار واحد للجميع يبطئ الأعمال البسيطة ويترك الأخطاء الخطرة تمر.
يمكن تمرير القص، وضبط الهوامش، وإزالة خلفية غير مؤثرة عبر فحص آلي مع مراجعة عينة. أما توليد خلفية سياقية فيتطلب مقارنة المنتج المعزول قبل التعديل وبعده: الشكل، اللون، الشعارات المطبوعة، عدد القطع، موضع الأزرار والحواف. إذا مسّ التعديل جسم المنتج، يعود للمراجعة اليدوية.
في النص، يسمح للنموذج بتحويل بطاقة الحقيقة إلى عنوان ونقاط ووصف، ثم يشغل فحص عكسي يستخرج كل ادعاء من المسودة ويربطه بحقل مصدر. أي ادعاء بلا مرجع يحذف أو يعلق. ادعاءات السلامة، المكونات، التوافق، بلد المنشأ والضمان لا تنشر إلا بمراجعة بشرية ووثيقة معتمدة.
لا تعالج محفظة الصور كعدد ثابت لكل فئة. Google تسمح بما يصل إلى عشر صور إضافية، وتوصي بخمس صور إضافية على الأقل لبناء عرض متكامل. لكن كل صورة يجب أن تحل سؤالاً: الواجهة، الخلف، الحجم، الملمس، المحتويات، أو المنتج أثناء الاستخدام. (support.google.com)
- أخطاء حرجة: منتج أو متغير خاطئ، ادعاء غير موثق، تحذير مفقود؛ تمنع النشر.
- أخطاء مؤثرة: لون أو مقاس أو محتويات غير متطابقة؛ تعاد للمصدر.
- أخطاء تحريرية: تكرار أو ترتيب ضعيف؛ تصلح آلياً مع أخذ عينات.
المراجعة البشرية لا توزع بالتساوي؛ تذهب إلى النقطة التي قد تتحول فيها الصياغة إلى التزام.
محفظة الصورة في Google
ثلاث عتبات تساعد الفريق على التمييز بين الصورة الأساسية والتغطية الإضافية الموصى بها والسقف التقني.
الصورة الأساسية
المرجع البصري الأول للصنف
الحد الإرشادي للصور الإضافية
خمس صور أو أكثر بحسب Google
الحد الأقصى للصور الإضافية
زوايا وتفاصيل وسياق استخدام
اربط الجودة بالتحويل
عدد الأوصاف المنتجة مؤشر سرعة، لا مؤشر نجاح. النجاح هو صفحة أدق تبيع أكثر من دون أن تنقل التكلفة إلى المرتجعات وخدمة العملاء.
ابدأ بمجموعة صفحات مرتفعة الزيارة، واحتفظ بمجموعة مقارنة لم تتغير. المؤشر التجاري الأساسي هو تغير معدل التحويل لكل صفحة منتج، لا متوسط المتجر كله. راقب بالتوازي نسبة المرتجعات بسبب عدم التطابق، وشكاوى اللون أو المقاس أو المحتويات، ورفض بيانات المنتجات في قنوات الاكتشاف.
قرار التوسع بسيط: وسّع التحسين عندما يرتفع التحويل أو يتحسن بوضوح، من دون زيادة مؤشرات عدم التطابق. أوقفه عندما تتحسن النقرات فقط بينما تتراجع إضافة المنتج للسلة، أو عندما يرتفع التصحيح اليدوي والمرتجعات. الصورة الأكثر جذباً قد تستقطب زيارة غير مؤهلة إذا وعدت بما لا يقدمه المنتج.
خلال دورة شهرية، راجع أعلى العيوب تكراراً، وأضفها إلى بطاقة الحقيقة وقواعد الفحص. بهذه الحلقة يصبح الذكاء الاصطناعي في التجارة الإلكترونية أداة لضبط الكتالوج، لا مصنعاً للنصوص. الخلاصة التنفيذية: ثبّت المصدر، صنّف المخاطر، ولّد من الحقائق، اختبر التطابق، ثم انشر على دفعات تحت مؤشر التحويل وحواجز المرتجعات.
- المؤشر الأساسي: معدل تحويل صفحة المنتج.
- حاجز الجودة: صفر أخطاء حرجة عند النشر.
- مؤشرات الإنذار: مرتجعات عدم التطابق، التصحيحات، ورفض الخلاصات.
- مؤشر التشغيل: نسبة الصفحات المقبولة من أول مراجعة.
لا تكافئ الأداة على ما أنتجته؛ كافئ النظام على ما نُشر صحيحاً وباع من دون مفاجأة.
استخراج السمات من الصورة والنص على نطاق واسع
تناول بحث منشور عبر Amazon Science مشكلة السمات الناقصة أو المصنفة خطأ في كتالوجات التجارة الإلكترونية. استخدمت الدراسة مجموعتي بيانات واقعيتين، ولم تنشر نتيجة تجارية تتعلق بالتحويل أو المرتجعات.
صاغ الباحثون استخراج السمات كسؤال وجواب متعدد الوسائط، يجمع النصوص والصور ويعالج القيم غير المذكورة صراحة والقيم التي لم تظهر في بيانات التدريب.
تحسن recall@90P المطلق بمقدار 10.16 نقاط في مجموعة البيانات الأولى و6.9 نقاط في الثانية مقارنة بالنماذج السابقة، ونُشر النظام لآلاف أزواج نوع المنتج والسمة في متجر إلكتروني كبير. النتيجة تثبت قابلية التوسع التقني، لا جدوى النشر بلا مراجعة.
المصدر: Large scale generative multimodal attribute extraction for e-commerce attributes
إطار «طابق قبل أن تنشر»
مسار من خمس خطوات يحول تحسين صور المنتجات وأوصافها من مهمة إنتاج محتوى إلى نظام مراقبة جودة مرتبط بمعدل التحويل.
- 01
ثبّت الأصل
احفظ الصورة غير المعدلة، واربطها بمعرّف الصنف والمتغير ومصدرها وحقوق استخدامها. لا تبدأ من صورة سبق تحسينها ولا تعرف تاريخها.
المخرج · سجل أصول مرئية مرتبط بكل SKU ومتغير. - 02
ابنِ بطاقة الحقيقة
اجمع السمات المعتمدة ومحتويات العبوة والادعاءات والتحذيرات، وحدد مرجع كل قيمة ومستوى خطرها.
المخرج · جدول سمات يحتوي على القيمة والمصدر وحالة التحقق. - 03
ولّد من مصدر واحد
أنشئ الصورة والوصف من بطاقة الحقيقة نفسها، مع تعليمات تمنع إضافة أي سمة أو عنصر غير مسجل.
المخرج · مسودة صورة ووصف تحملان رقم إصدار ومصدر المدخلات. - 04
اختبر التطابق الثلاثي
قارن سجل الصنف بالصورة ثم الوصف، واستخرج جميع الادعاءات آلياً. تحال التعارضات والسمات المفقودة إلى المراجع البشري المناسب.
المخرج · تقرير نجاح أو فشل يحدد الخطأ ومستواه والمسؤول عن تصحيحه. - 05
انشر وقِس
أطلق الصفحات على دفعات، وقارن التحويل بمجموعة مرجعية، مع حواجز للمرتجعات وشكاوى عدم التطابق ورفض خلاصات المنتجات.
المخرج · لوحة قرار تعرض التحويل وحواجز الجودة لكل دفعة.
أسئلة شائعة
هل يمكن نشر أوصاف المنتجات المولدة آلياً دون مراجعة؟
يمكن تقليل المراجعة في الصياغات منخفضة الخطر إذا كان النص مقيداً ببطاقة حقيقة وفحص آلي، لكن السمات المستنتجة وادعاءات السلامة والتوافق والضمان تحتاج إلى مراجعة بشرية. المعيار هو أثر الخطأ، لا جودة اللغة.
ما السمات التي يجب فحصها أولاً؟
ابدأ بالمتغير الصحيح، اللون، المقاس، المادة، عدد القطع، محتويات العبوة والتوافق. ثم أضف السمات التي تظهر باستمرار في المرتجعات أو أسئلة العملاء لكل فئة.
ما المؤشر الأفضل لقياس المشروع؟
استخدم معدل تحويل صفحة المنتج مؤشراً تجارياً أساسياً. راقب معه المرتجعات بسبب عدم التطابق، والأخطاء الحرجة عند النشر، ونسبة الصفحات المقبولة من أول مراجعة حتى لا تخفي زيادة المبيعات تكلفة جودة لاحقة.
كيف نتعامل مع الصور والأوصاف المولدة في Google Merchant Center؟
تطلب Google الحفاظ على بيانات IPTC الدالة على المصدر التوليدي في الصور، واستخدام structured_description للأوصاف المولدة. كما يبدأ تطبيق حد 500×500 بكسل لجميع الفئات في 31 يناير 2027. ينبغي مراجعة المتطلبات دورياً لأنها قابلة للتحديث.
المصادر والمراجع
- 1. Google Merchant Center product data specification update 2026
- 2. Google Merchant Center Image Best Practices
- 3. Google Merchant Center AI-generated content
- 4. Google Merchant Center: Description text too short
- 5. GS1 Product Image Standard, Release 5.0
- 6. Multimodal Joint Attribute Prediction and Value Extraction for E-commerce Product
- 7. Amazon Science: Large scale generative multimodal attribute extraction
- 8. نظام التجارة الإلكترونية السعودي
- 9. نظام البيانات التجارية السعودي
- 10. Shaping the causes of product returns: topic modeling on online customer reviews




