.svg){kind=logo}
تجربة العملاء
لماذا تخطئ أدوات تحليل المشاعر بالذكاء الاصطناعي في فهم السخرية العربية؟
اكتشف كيف تؤثر دقة تحليل المشاعر على تجربة العملاء، من فهم الشكاوى والسخرية إلى تحديد الأولويات واتخاذ قرارات أكثر دقة.
اكتشف كيف تؤثر دقة تحليل المشاعر على تجربة العملاء، من فهم الشكاوى والسخرية إلى تحديد الأولويات واتخاذ قرارات أكثر دقة.
«ما شاء الله، خدمة سريعة… ردّوا بعد ثلاثة أيام بس.»
بالنظر إلى الكلمات وحدها، تبدو العبارة إيجابية. أما بالنسبة إلى العميل، فهي شكوى واضحة.
هنا يظهر أحد أصعب اختبارات تحليل المشاعر بالذكاء الاصطناعي: قد يقرأ النظام الكلمات بصورة صحيحة، لكنه يخطئ في فهم ما يقصده صاحبها. وحين يتكرر ذلك على نطاق واسع، لا يبقى الخطأ لغويًا؛ بل ينتقل إلى مؤشر المشاعر، ثم إلى التنبيه أو التقرير، وقد ينتهي بقرار مبني على صورة أكثر إيجابية من الواقع.
لهذا لا ينبغي التعامل مع السخرية بوصفها استثناءً لغويًا هامشيًا. فهي تكشف الفارق بين أداة تصنّف الكلمات، وأداة تستطيع فهم مقصد العميل داخل سياقه.
تحليل المشاعر بالذكاء الاصطناعي هو استخدام تقنيات معالجة اللغة الطبيعية لتحديد موقف المتحدث أو نبرته، مثل كونها إيجابية أو سلبية أو محايدة. لكن دقة هذا التحليل لا تعتمد على معرفة معنى الكلمات فقط، بل على فهم السياق واللهجة والطريقة التي استُخدمت بها هذه الكلمات.
تعتمد السخرية غالبًا على فجوة بين ما تقوله الكلمات وما يعنيه المتحدث فعلًا. فقد يستخدم العميل مفردات إيجابية لوصف تجربة سلبية، أو يبالغ في المديح حتى يصبح المقصود هو العكس تمامًا.
لذلك يحتاج تحليل المشاعر إلى قراءة مستويين في الوقت نفسه:
وقد اختبر بحث منشور في ورشة معالجة اللغة العربية التابعة لـACL نموذجًا يربط تحليل المشاعر باكتشاف السخرية واللهجة في التغريدات العربية، ووجد أن الاستفادة من معلومات السخرية واللهجة حسّنت مهمة تحديد المشاعر.
هذه الأمثلة ليست قواعد ثابتة. فقد يتغير المعنى بحسب المحادثة والسوق والعلاقة بين المتحدثين. وهذه هي النقطة الأساسية: المشاعر لا توجد في الكلمات وحدها، بل في العلاقة بين الكلمات والسياق.
ويظهر التحدي نفسه بصور مختلفة حسب القطاع. «توصيل سريع جدًا، من أمس وأنا أنتظر» في خدمات التوصيل، أو «تطبيق ممتاز، كل مرة أحاول أدفع يطلع خطأ» في الخدمات المالية، أو «إعلان خفيف، شفته عشر مرات اليوم» عند تقييم حملة تسويقية.
الكلمات الإيجابية متشابهة، لكن المشكلة التي يجب على المؤسسة فهمها مختلفة تمامًا.
الجمهور لا يستخدم العربية على المنصات بصيغة واحدة. هناك الفصحى، واللهجات السعودية والخليجية والمصرية والشامية والمغاربية والعراقية وغيرها، إلى جانب مزج العربية بالإنجليزية، والكتابة غير المعيارية، واستخدام الحروف اللاتينية والأرقام في بعض الأسواق.
وتؤكد دراسة منشورة في ACM عام 2026 أهمية اختبار تحليل المشاعر على بيانات لهجية فعلية. فقد استخدمت الدراسة 31,324 مراجعة من Google Play إلى جانب 2,000 تعليق باللهجة العراقية من صفحات Facebook، ما يوضح أهمية تقييم الأداء على اللغة التي يستخدمها الجمهور فعلًا بدل التعامل مع «العربية» كفئة واحدة.
وتضيف الكتابة بالعربيزي أو Franco-Arabic طبقة أخرى من التعقيد. فقد تناولت دراسة منشورة عام 2026 حول اكتشاف السخرية في Franco-Arabic أثر الطبيعة غير الرسمية للنص وتعدد طرق كتابة الكلمات بالحروف اللاتينية والأرقام، وأوضحت أن غياب نمط كتابي موحد يزيد صعوبة اكتشاف السخرية.
وهذا يفسر لماذا لا يكفي أن تظهر كلمة «العربية» ضمن قائمة اللغات المدعومة.
السؤال الأهم هو: أي لهجات عربية يفهمها النموذج، وكيف يؤثر ذلك في قراءة المشاعر؟
ويوضح دليل لوسيديا حول فهم اللهجات العربية أهمية فهم الاختلافات الإقليمية عند تحليل المشاعر، لأن العبارة نفسها قد تحمل دلالات مختلفة بحسب اللهجة والسياق.
تظهر أخطاء تحليل المشاعر غالبًا في أربع حالات:
قد يرى النظام كلمات مثل «ممتاز» أو «يا سلام» أو «أحلى» ويمنح العبارة وزنًا إيجابيًا.
لكن المقصد قد يظهر في ما يأتي بعدها:
«خدمة ممتازة، صار لي أسبوع أنتظر.»
الكلمة إيجابية. التجربة التي تصفها ليست كذلك.
قد لا يحتوي المنشور وحده على ما يكفي لفهم النبرة. فقد يعتمد المعنى على رد سابق، أو صورة، أو شكوى بدأت قبل ساعات، أو حملة يعرف الجمهور سياقها.
كلما ضاق نطاق ما يراه النموذج، ارتفع احتمال أن يصنف النص من دون أن يفهم المحادثة التي ينتمي إليها.
قد تكون الترجمة صحيحة لغويًا بينما تضيع النبرة التي تحمل المقصد.
خذ مثلًا:
«يا سلام، التطبيق فصل وقت الدفع.»
يمكن نقل معنى الكلمات إلى لغة أخرى، لكن ذلك لا يضمن انتقال طريقة استخدام «يا سلام» أو النبرة الساخرة نفسها.
وتشير دراسة Franco-Arabic إلى مشكلة مشابهة؛ فعمليات التحويل أو الترجمة قد تغيّر بعض الإشارات الدلالية، بينما يساعد التعامل مع النص الأصلي على الحفاظ على الاختيارات اللغوية وإشارات السخرية بصورة أفضل.
الترجمة مفيدة للتغطية والفهم العام، لكنها ليست ضمانًا لدقة تحليل المشاعر عندما تعتمد النتيجة على فروق محلية دقيقة.
قد تحقق أداة نتيجة قوية إجمالًا، بينما يكون أداؤها أضعف في لهجة معينة، أو قطاع محدد، أو في حالات السخرية تحديدًا.
ولهذا وجدت مراجعة علمية منشورة عام 2026، شملت 57 دراسة في تحليل المشاعر العربية حسب الجوانب، اختلافات واسعة في مجموعات البيانات وتعريفات المهام وأساليب التقييم، إلى جانب محدودية تعميم بعض النتائج بين المجالات واللهجات.
السؤال الأفضل ليس: ما دقة الأداة؟ بل: أين تحقق هذه الدقة، وأين تبدأ أخطاؤها؟
لنفترض أن شركة أطلقت تحديثًا جديدًا لتطبيقها، وبدأت تظهر تعليقات مثل:
«أحلى تحديث، اختفت الميزة الوحيدة اللي أستخدمها.»
إذا صنفت الأداة هذه التعليقات بوصفها إيجابية، تصبح السلسلة:
تعليق ساخر ← تصنيف إيجابي ← مؤشر مشاعر منحرف ← قراءة خاطئة لأداء التحديث
النتيجة هي قراءة إيجابية مضللة. ليس لأن العملاء أكثر رضا، بل لأن النظام قرأ طريقة التعبير عن الاستياء بوصفها إشادة.
ويختلف أثر هذا الخطأ بحسب الفريق:
ولا تقتصر هذه المشكلة على منشورات التواصل الاجتماعي. فقد تظهر السخرية في مراجعة لتطبيق، أو تقييم لمطعم، أو تعليق عن تجربة توصيل أو إقامة. ولهذا توسعت قدرات الاستماع الاجتماعي من لوسيديا لتشمل التقييمات العامة من أكثر من 20 مصدرًا مثل Google Maps وGoogle Play وApple App Store وTripAdvisor وBooking وHungerStation وغيرها.
وللتعمق في كيفية الانتقال من رصد المحادثات إلى فهم ما تعنيه فعليًا للعلامة، تتناول جلسة الماستركلاس من لوسيديا كيفية استخراج رؤى أكثر دقة وقابلية للاستخدام من بيانات التواصل الاجتماعي.
ليست كل أخطاء تحليل المشاعر متساوية.
تصنيف مزحة عابرة بصورة خاطئة لا يساوي تصنيف شكوى ساخرة عن تعطل الدفع، أو مشكلة سلامة، أو موجة استياء واسعة بوصفها إيجابية.
لذلك لا يكفي أن تسأل المؤسسة عن عدد التصنيفات الصحيحة والخاطئة. الأهم هو معرفة أي الأخطاء يمكن أن تغيّر قرارًا، مثل:
هنا تصبح دقة تحليل المشاعر أكثر من مقياس تقني؛ فهي ترتبط مباشرة بجودة القرار وما يحدث بعده.
وهذا مهم أيضًا لما يحدث بعد التحليل. فإذا بدأت الإشارة من تصنيف خاطئ، فقد تحصل على أولوية خاطئة أو تنتقل إلى مسار غير مناسب. ويوضح مقال لوسيديا كيف توجّه رؤى التواصل الاجتماعي إلى الفرق الصحيحة كيف تنتقل الإشارة من الرصد والتحليل إلى الإجراء والنتيجة.
لا تبدأ بصفحة المزايا. ابدأ بمحادثات جمهورك.
كوّن عينة من اللهجات والأسواق التي تخدمها فعلًا، وبنسب قريبة من توزيع بياناتك الحقيقية.
إذا كان معظم جمهورك في السعودية والإمارات ومصر مثلًا، فلا يخبرك متوسط واحد لكل المحتوى العربي كيف يعمل النموذج في كل سوق.
وتدعم منصة الاستماع الاجتماعي من لوسيديا تحليل المشاعر والانطباعات عبر 17 لهجة عربية، مع دقة معلنة تصل إلى 92% بالعربية والإنجليزية. كما تتيح متابعة تغير المشاعر والموضوعات والمنافسين عبر المحادثات العامة.
لكن حتى الرقم المرتفع لا يغني عن الاختبار على بيانات المؤسسة نفسها عندما يكون الاستخدام حساسًا. إذا كانت السخرية مهمة لقراراتك، فاختبر أداء النموذج عليها بصورة مستقلة.
استخدم مجموعتين متقاربتين لغويًا:
مثلًا:
«خدمة ممتازة، وصلتني في عشر دقائق.»
مقابل:
«خدمة ممتازة، لي ساعتين أنتظر.»
إذا كان النموذج يعتمد على كلمة «ممتازة» أكثر من السياق المحيط بها، سيظهر الفرق سريعًا.
لا تختبر المنشورات المصاغة بعناية فقط. أدخل ما يكتبه جمهورك فعلًا:
فالهدف ليس أن ينجح النموذج في اختبار نظيف، بل أن يعمل في الفوضى اللغوية التي توجد فيها المحادثات الحقيقية.
لا تأتي كل إشارات المشاعر من النوع نفسه من البيانات.
فالاستماع الاجتماعي يكشف ما يقوله الجمهور من تلقاء نفسه، بينما تكشف الاستبيانات ما يقوله العملاء عندما تطلب المؤسسة رأيهم مباشرة.
يمكن مثلًا مقارنة تغير واضح في المحادثات العامة بنتائج الاستبيان من لوسيديا. وتدعم لوسيديا الربط بين الاستماع الاجتماعي والاستبيانات للتحقق من مؤشرات الرضا أو الاستياء والحصول على قراءة أعمق.
إذا أظهر المصدران صورتين مختلفتين، فلا ينبغي إخفاء الفرق داخل متوسط واحد. الاختلاف نفسه إشارة تستحق التحقيق.
بدل الاكتفاء بنسبة دقة عامة، اطلب صورة أكثر تفصيلًا:
وهنا تبرز قيمة مصفوفة الالتباس أيضًا. فهي لا تخبرك فقط بعدد الأخطاء، بل تكشف اتجاهها: هل يخلط النموذج بين السلبي والمحايد؟ أم أن المشكلة الأكبر هي تحويل التعليقات السلبية الساخرة إلى إيجابية؟
هذه الفروق مهمة لأن الخطأ الثاني قد يكون أكثر ضررًا للأعمال حتى لو كان أقل عددًا.
الهدف ليس العثور على نموذج لا يخطئ. الهدف هو معرفة أين يخطئ قبل أن يتحول الخطأ إلى قرار.
لا تعني المراجعة البشرية قراءة آلاف المنشورات يدويًا. فهذا يلغي الفائدة التشغيلية للأتمتة.
الأفضل أن تركز المراجعة البشرية على الحالات التي ترتفع فيها تكلفة الخطأ، لا على الحالات منخفضة الثقة فقط، مثل:
أما الحالات التي لا تتطلب مراجعة بشرية، فيمكن للتحليل الآلي التعامل معها على نطاق واسع لاكتشاف الأنماط والتغيرات.
بهذا تصبح المراجعة البشرية طبقة للتحقق من الحالات الحرجة، لا بديلًا عن تحليل المشاعر بالذكاء الاصطناعي.
تزداد أهمية فهم السخرية عندما لا يقتصر دور الذكاء الاصطناعي على تحليل المحادثة، بل يمتد إلى اتخاذ الإجراء المناسب.
في أتمتة تجربة العملاء بالذكاء الاصطناعي التوكيلي، يمكن للأنظمة الانتقال من فهم طلب العميل إلى تنفيذ إجراءات فعلية وحل الحالات. وهنا تصبح دقة فهم المقصد أساسية؛ لأن الخطأ في قراءة النبرة قد يؤثر في أولوية الحالة، أو طريقة التعامل معها، أو القرار الذي يتخذه النظام بعدها.
لنفترض أن العميل يقول:
«ممتاز، خصمتوا المبلغ مرتين كمان.»
إذا فُهمت كلمة «ممتاز» على أنها رضا، فالخطأ لا يبقى مجرد تصنيف غير دقيق للمشاعر. فقد يؤثر في كيفية فهم المشكلة ومعالجتها عندما تنتقل الإشارة إلى مسار خدمة أو حل.
لهذا تعتمد المعالجة المستقلة على دقة الفهم الذي يسبقها. فكلما زادت قدرة الذكاء الاصطناعي على اتخاذ الإجراءات ومعالجة الحالات، ازدادت أهمية فهم اللهجة والسياق والمقصد بدقة.
ويعمل العميل الذكي من لوسيديا على استخدام سياق العميل وتنفيذ الإجراءات المسموح بها وحل الحالات، مع التصعيد إلى الموظف المختص عند الحاجة.
الفكرة الأساسية هنا بسيطة: عندما ينتقل الذكاء الاصطناعي من التحليل إلى المعالجة، لا يكفي فهم الكلمات وحدها؛ بل يجب فهم السياق أيضًا.
السخرية لا تختبر قدرة أداة تحليل المشاعر على معرفة معنى كلمة «ممتاز». بل تختبر قدرتها على معرفة متى لا يقصد العميل أنها ممتازة فعلًا.
وهذا هو الفرق الذي يهم المؤسسة.
إذا كان تحليل المشاعر سيؤثر في تقييم حملة، أو اكتشاف أزمة، أو أولوية شكوى، أو تقرير يصل إلى القيادة، فلا يكفي أن تسأل إن كانت الأداة تدعم العربية.
اسأل بدلًا من ذلك:
أي لهجات تفهم؟ وعلى أي بيانات اختُبرت؟ وكيف تتعامل مع السخرية؟ وأين تقع الأخطاء التي يمكن أن تغيّر قرارًا؟
لأن قيمة تحليل المشاعر لا تأتي من عدد النصوص التي يستطيع النظام تصنيفها، بل من مدى قرب هذا التصنيف من موقف الجمهور الحقيقي، ومن قدرة المؤسسة على اتخاذ القرار الصحيح بناءً عليه.
لأن السخرية تعتمد غالبًا على التناقض بين الكلمات والمقصد. وقد يحتاج فهمها إلى اللهجة أو سياق المحادثة أو معرفة بالموقف، وهي معلومات لا تظهر دائمًا في النص منفردًا.
نعم. عندما تُصنف شكوى ساخرة بوصفها إيجابية أو محايدة، يمكن أن تنحرف مؤشرات المشاعر وتخفي استياءً يحتاج إلى متابعة.
يحدد اكتشاف السخرية ما إذا كان المتحدث يقصد معنى يختلف عن المعنى الحرفي لكلماته، بينما يحدد تحليل المشاعر موقفه بوصفه إيجابيًا أو سلبيًا أو محايدًا. ويرتبط الاثنان لأن اكتشاف السخرية قد يغيّر تصنيف المشاعر بالكامل.
لا تضمن الترجمة دقة تحليل المشاعر. فقد تنتقل الكلمات بصورة صحيحة بينما تضيع النبرة أو المبالغة أو الدلالة المحلية التي تكشف المقصد.
لا. قد تكون السخرية فكاهية، أو موجهة إلى طرف آخر، أو تجمع بين الإعجاب والنقد. لذلك يجب فهم هدف السخرية وسياقها قبل تحديد المشاعر.
اختبرها على محادثات حقيقية من أسواقك ولهجات جمهورك، وافصل نتائج السخرية عن المتوسط العام، وقارن الأداء بين القنوات والموضوعات المختلفة، مع التركيز على الأخطاء التي يمكن أن تؤثر في قراراتك.
لوسيديا منصة الذكاء الاصطناعي الرائدة في تحليل تجارب العملاء وإدارتها، وقد صُممت خصيصًا لتلبية احتياجات أسواق الشرق الأوسط وشمال أفريقيا. تجمع بين أدوات الاستماع الاجتماعي، وخدمة العملاء عبر قنوات متعددة، والرصد الإعلامي، والاستبيانات، والتحليلات المدعومة بالذكاء الاصطناعي ضمن منصة موحدة، وهي قادرة على فهم 17 لهجة عربية مختلفة وتحليل الانطباعات والمشاعر بدقة تصل إلى 92% باللغتَين العربية والإنجليزية.
تتيح لوسيديا رصد البيانات وتوحيدها عبر ست فئات من القنوات، أبرزها: قنوات التواصل الاجتماعي التي تشمل الحسابات العامة في إكس (تويتر)، وانستقرام، وفيسبوك، ويوتيوب، وتيك توك، وسناب شات، وذلك من خلال الآليات المدمجة لجمع البيانات وواجهات برمجة التطبيقات. تضاف إليها وسائل الإعلام التي تتضمن المواقع الإخبارية، والمدونات، والمنتديات، التي تستخدم تقنيات الزحف الآلي وواجهات برمجة التطبيقات. أما التقييمات المباشرة للعملاء فيجري تتبّعها عبر "Google Reviews" من خلال تكامل واجهة برمجة التطبيقات. وتشمل قنوات المراسلة المدعومة تطبيق واتساب عبر تكامل واجهة برمجة التطبيقات الرسمية، والبريد الإلكتروني عبر بروتوكول نقل البريد البسيط، والرسائل المباشرة عبر مختلف منصات التواصل الاجتماعي. وتتم إدارة الدردشة المباشرة داخل المنصة من خلال الدعم متعدد القنوات. أما بيانات المكالمات ومراكز الاتصال فيتم جمعها عبر تكامل واجهة برمجة التطبيقات، في حين أن الآراء المستخلصة من الاستبيانات والموقع الإلكتروني يتم جمعها عبر أداة الاستبيان الخاصة بمنصة لوسيديا والنصوص المدمجة في الموقع.
التي تحتاج إلى درجة عالية من التكييف للتعامل مع المحتوى العربي، عملت لوسيديا على تطوير تقنيات الذكاء الاصطناعي داخليًا وتدريب نموذجها من البداية على 17 لهجة عربية (من الخليجية إلى المغاربية)، ما يجعلها أكثر دقة وملاءمة لأسواق الشرق الأوسط وشمال أفريقيا من المنصات العالمية مثل "Brandwatch " أو "Sprinklr".يدعم محرّك معالجة اللغة الطبيعية العربية الذي تستخدمه لوسيديا 17 لهجة ضمن سبع مجموعات لهجات رئيسية: العربية الفصحى المعاصرة، وهي اللغة الرسمية المكتوبة المستخدمة في وسائل الإعلام، والمستندات الحكومية، والخطابات الرسمية؛ اللغة السعودية، بما يشمل النجدية والحجازية وغيرهما من اللهجات المحلية؛ اللغة اليمنية، بما يشمل الاختلافات في لهجة أهل البيضاء اليمنية؛ اللغة الخليجية، بما يشمل اللهجات الإماراتية والبحرينية والكويتية؛ اللغة المصرية، وهي الأكثر انتشارًا وفهمًا في العالم العربي. اللغة الشامية، بما يشمل اللهجات الفلسطينية والسورية واللبنانية. اللغة المغاربية، بما يشمل اللهجات المغربية والليبية والجزائرية. اللغة العراقية، بما يشمل الاختلافات في اللهجة العراقية.
تلتزم لوسيديا بنظام حماية البيانات الشخصية السعودي (PDPL)، والنظام الأوروبي العام لحماية البيانات (GDPR)، ومعايير مراقبة تنظيم الخدمات (SOC 2)، ومعايير الأيزو 27001، إلى جانب متطلبات الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا). وتحرص على التشفير والتخزين الآمن للبيانات، مع إمكانية الاستضافة الإقليمية لاستيفاء متطلبات الامتثال المحلية في منطقة الخليج.
تخدم لوسيديا العلامات التجارية، والجهات الحكومية، والمؤسسات الكبرى في المملكة العربية السعودية ومنطقة الشرق الأوسط وشمال أفريقيا. وتغطي قطاعات رئيسية منها الخدمات المصرفية والمالية، والقطاع الحكومي والعام، والسفر والسياحة، وخدمات التأمين، والضيافة، والخدمات اللوجستية، والاتصالات. وقد طُوّرت هذه المنصة للمؤسسات التي تحتاج إلى ذكاء اصطناعي مصمم خصيصًا للغة العربية على نطاق واسع، وليس إلى أدوات عامة تم تكييفها لتناسب المنطقة.
تشمل لوسيديا مجموعة من ستة منتجات متكاملة، وهي:الاستماع الاجتماعي، وهو يتيح مراقبة المحادثات حول علامتك، ومتابعة نشاط المنافسين، ورصد الاتجاهات الناشئة بشكل فوري عبر قنوات التواصل الاجتماعي.الدعم متعدد القنوات، وهو عبارة عن صندوق وارد يضم قنوات متعددة مثل وسائل التواصل الاجتماعي، وواتساب، والبريد الإلكتروني، وغيرها من القنوات، ويجمع رسائل العملاء في واجهة عمل ذكية واحدة.ملفات التعريف، وهي منصة لبيانات العملاء تتيح رؤية شاملة حول كل عميل من خلال دمج بيانات السلوك، والانطباعات والمشاعر، والمعلومات الديموغرافية.الاستبيان، وهو يتيح جمع آراء العملاء من مختلف القنوات وتحليل المشاعر والانطباعات باللغة العربية من الإجابات المفتوحة.العميل الذكي، وهو يتيح أتمتة تفاعلات العملاء باللغتَين العربية والإنجليزية عبر تطبيق واتساب، ووسائل التواصل الاجتماعي، والقنوات الأخرى، ويدعم أكثر من 17 لجهة عربية.الرصد الإعلامي، وهو يتيح تتبّع حضور علامتك التجارية عبر مواقع الأخبار الإلكترونية، والمدونات، والقنوات الإذاعية والتلفزيونية. وتجدر الإشارة إلى أن هذه المنتجات الستة تعتمد على محرّك الذكاء الاصطناعي المصمم خصيصًا للغة العربية. ويمكن استخدامها معًا كحزمة متكاملة لإدارة تجربة العملاء أو بشكل منفصل حسب احتياجات العمل.
يتم تصميم معظم المنصات المؤسسية لإدارة تجربة العملاء مع مراعاة الأسواق الناطقة باللغة الإنجليزية بالدرجة الأولى، ويجري تكييفها للمحتوى العربي كميزة إضافية لاحقة. أما لوسيديا فقد تم تطويرها من الأساس لأسواق الشرق الأوسط وشمال أفريقيا، وتدريب نماذج معالجة اللغة الطبيعية العربية داخليًا على 17 لهجة عامية بدقة تصل إلى 92% في تحليل المشاعر والانطباعات. وتلتزم المنصة تلقائيًا بنظام حماية البيانات الشخصية السعودي ومتطلبات التخزين الإقليمي للبيانات، كما توفر خيارات الاستضافة المحلية، وهي مصممة خصيصًا للسياق التنظيمي واللغوي والثقافي للمؤسسات الخليجية. وبذلك، تتجنب العلامات التجارية التكاليف الإضافية لتكييف أداة عالمية مع سياق المنطقة، وما قد يترتب على ذلك من تأثير على دقة النتائج.
تستند معظم هذه المنصات إلى نماذج الذكاء الاصطناعي المدربة بشكل رئيسي على بيانات باللغة الإنجليزية. وعند تطبيقها على اللغة العربية، تبرز صعوبات في معالجة النصوص من اليمين إلى اليسار، وتنوع اللهجات، والاختلافات الكبيرة بين العربية الفصحى المعاصرة واللهجات المستخدمة في منطقة الشرق الأوسط وشمال أفريقيا والتي يزيد عددها عن 17. وبالتالي، تكون نتائج تحليل المشاعر والانطباعات أقل دقة، في ظل الفهم المحدود للسياق والرؤى التي لا تعكس طريقة التواصل الفعلية للمتحدثين باللغة العربية. ويؤدي ذلك إلى ضعف اتخاذ القرارات القائمة على بيانات غير موثوقة، ما ينعكس مباشرةً على العلامات التجارية العاملة في المملكة العربية السعودية أو الإمارات العربية المتحدة أو أسواق الشرق الأوسط وشمال أفريقيا.
.svg)
.svg)
.avif)
