كيف يقيّم AI مناقصةً مقابل كتالوج منتجاتك
2 يونيو 2026 · 8 دقائق قراءة
تعمل معظم أدوات تنبيه المناقصات بالكلمات المفتاحية. تُدخِل بضعة مصطلحات، فيرسل لك النظام بالبريد الإلكتروني كل إشعار يحتويها، وتقضي صباحاتك في حذف ما لا ينطبق منها. والمشكلة ليست أن تنبيهات الكلمات المفتاحية تجد القليل جدًا، بل أنها تجد الكثير من الأشياء الخاطئة، وتفوّت الشيء الصحيح حين يستخدم المشتري كلمات مختلفة.
نهج أفضل يقيّم كل مناقصة مقابل كتالوج منتجاتك الفعلي. يشرح هذا المقال كيف يعمل ذلك، خطوة بخطوة، ولماذا تنتج المطابقة على مستوى الكتالوج قائمة قصيرة يمكنك الوثوق بها.
ابدأ بما تبيعه، لا بما تبحث عنه
أساس المطابقة الدقيقة هو صورة دقيقة لما تفعله شركتك فعلًا. فالكلمة المفتاحية تخمين. أما الكتالوج فحقيقة.
تبدأ Trinta بقراءة منتجات شركة وموقعها الإلكتروني. ومن ذلك، تبني ملف كلمات مفتاحية متعدد اللغات: المواد، وعائلات المنتجات، والمعايير التي تحملها، والقطاعات التي تخدمها، والكلمات التي سيستخدمها المشتري في كل سوق من أسواقك لوصف ما تصنعه. فمصنّع غازات طبية في البرتغال لا يبيع "غازًا" فحسب. إنه يبيع محطات أكسجين، وأنظمة تفريغ، ووحدات هواء طبي، ومكوّنات شبكات، والشهادات المرافقة لها، موصوفةً بالبرتغالية والفرنسية والإسبانية والإنجليزية والعربية بحسب موقع المشتري.
هذا الملف هو نقطة المرجع. وتُقاس كل مناقصة بعد ذلك مقابله.
حدود المطابقة بالكلمات المفتاحية
تفشل المطابقة بالكلمات المفتاحية لسببين بنيويين.
الأول، انزياح المفردات. فعبارة "توريد وتركيب محطة إنتاج أكسجين لمستشفى إقليمي" وعبارة "fornecimento de central de produção de oxigénio medicinal" تصفان الفرصة نفسها بلغتين. ومجموعة كلمات مفتاحية مضبوطة على إحداهما ستفوّت الأخرى بالكامل. وحتى ضمن لغة واحدة، فإن "مولّد أكسجين PSA" و"محطة تركيز أكسجين" و"نظام إنتاج أكسجين في الموقع" ثلاث صياغات لمنتج واحد.
الثاني، النتائج الإيجابية الكاذبة. فالبحث عن "أكسجين" يعيد مناقصات معالجة مياه، وعقود رصد بيئي، وإشعارات توريد غاز لحام لا علاقة لها بالبنية التحتية للمستشفيات. لقد استخدم المشتري كلمتك المفتاحية. لكن الفرصة ليست فرصتك.
يعالج التقييم على مستوى الكتالوج كليهما. فهو يقرأ من أجل المعنى، لا من أجل تطابق سلاسل النصوص، ويزن مدى تطابق المعنى مع ما تبيعه فعلًا.
المطابقة الدلالية: القراءة من أجل المعنى
التقنية الجوهرية هي متجه التضمين. فالتضمين يحوّل قطعة من النص إلى قائمة من الأرقام تلتقط معناها. ونصان يعنيان الشيء نفسه ينتجان أرقامًا متشابهة، حتى حين لا يتشاركان أي كلمة ويقعان في لغتين مختلفتين.
عندما تُنشر مناقصة، تولّد Trinta تضمينًا من عنوانها ووصفها ورموز تصنيفها ومشتريها. وتقارنه بتضمين ملف كلماتك المفتاحية. وكلما اقترب الاثنان، ارتفعت المطابقة الدلالية. وهكذا يمكن التعرّف على "شراء نظام كهروضوئي للمرافق العامة" بوصفه ذا صلة بمركّب ألواح شمسية لم يستخدم كتالوجه قط كلمة "كهروضوئي".
التشابه الدلالي هو الإشارة المنفردة الأقوى. لكنه بمفرده لا يكفي.
تقييم الملاءمة: العوامل ما وراء التشابه
قد تبدو مناقصة قريبة دلاليًا وتظل مع ذلك ملاءمةً سيئة. فشركة استشارية من شخصين ينبغي ألا تلاحق عقدًا يحتاج إلى فريق تنفيذ من مئة شخص. وشركة مرخّصة في كينيا فقط ينبغي ألا يُعرَض عليها إشعار لا يمكن خدمته إلا من داخل البرازيل.
لذلك يُجمَع التشابه الدلالي مع عوامل مهيكلة تصف الملاءمة:
التداخل القطاعي. هل تتوافق رموز تصنيف المناقصة (CPV في أوروبا، وUNSPSC في وكالات الأمم المتحدة، والمكافئات الوطنية في أماكن أخرى) مع القطاعات في كتالوجك؟ إنها بيانات وصفية أرفقها المشتري نفسه، مما يجعلها تحققًا متبادلًا موثوقًا للقراءة الدلالية.
الملاءمة الجغرافية. هل الشركة نشطة في بلد المناقصة، أو قادرة على التسليم إليه؟ الفرصة التي لا تستطيع خدمتها قانونيًا ليست فرصة.
ملاءمة حجم الشركة. هل تقع قيمة العقد ضمن النطاق الذي تستطيع شركتك تنفيذه واقعيًا؟ يبقي توافق القيمة القائمة القصيرة راسخةً في ما يمكنك الفوز به وتنفيذه.
الإشارات التاريخية. هل تفاعلت الشركة مع مناقصات مماثلة من قبل، أو فازت بعقود من هذا النوع؟ السلوك السابق مؤشر هادئ لكنه مفيد للصلة المستقبلية.
يعدّل كل عامل الدرجة صعودًا أو هبوطًا. فالمناقصة القريبة دلاليًا، والمصنّفة تصنيفًا صحيحًا، وفي بلدك، وعلى مقياسك، والمشابهة لعمل أنجزته من قبل، ترتفع إلى القمة. أما المناقصة القريبة في الكلمات لكن الخاطئة في الجغرافيا أو المقياس فتتلاشى.
من آلاف الإشعارات إلى قائمة قصيرة يومية
الغرض من التقييم هو الانتقاء. لقد حلّلت Trinta أكثر من مليون مناقصة من مصادر رسمية في أكثر من 100 بلد. ولا يستطيع أي فريق قراءة هذا الحجم. فمحرّك التقييم يختزله إلى الحفنة التي تطابق كتالوجك فعلًا، مرتَّبةً حسب الملاءمة، ويقدّمها كموجز يومي.
فبدلًا من فتح عشرين بوابة وحذف أربعين تنبيهًا غير ذي صلة، تفتح بريدًا إلكترونيًا واحدًا وتقرأ الفرص العشر الأجدر بوقتك. والعمل الذي توفّره على البحث يذهب مباشرةً إلى العمل الذي يفوز: فهم المتطلب وكتابة عرض قوي.
لماذا تتراكم دقة الكتالوج
تنبيه الكلمات المفتاحية ثابت. فهو يعيد النوع نفسه من الضوضاء في اليوم الأول وفي اليوم المئة. أما التقييم على مستوى الكتالوج فيتحسّن. فعندما تضع علامة على فرصة بوصفها ذات صلة، يتعلّم النظام إبراز مزيد من أمثالها. وعندما تستبعد واحدة، يتعلّم تصفيتها. وعلى مدى أسابيع، تضيق القائمة القصيرة نحو العمل الذي بُنيت شركتك للفوز به بالضبط.
وهناك دليل واقعي. فشركة Ultra Controlo، وهي مصنّع غازات طبية في البرتغال منذ 40 عامًا، وضعت كتالوجها في Trinta وأبرزت مناقصة بقيمة 700,000 EUR في أسبوعها الأول. وفازت بذلك العقد بعد أسبوعين. وفي الشهر الأول، أبرزت المنصة أكثر من 30 مليون EUR من الفرص المؤهلة المطابقة لمنتجات الشركة. لم يأتِ أي من ذلك من كتابة كلمات مفتاحية في صندوق بحث. بل جاء من معرفة النظام، بالتفصيل، بما تصنعه الشركة وأين يمكنها الفوز.
الخلاصة
تجيب تنبيهات الكلمات المفتاحية عن السؤال "أي الإشعارات تحتوي كلماتي؟" أما التقييم على مستوى الكتالوج فيجيب عن سؤال أكثر فائدة بكثير: "أي المناقصات العامة بُنيت شركتي فعلًا للفوز بها؟" الأول يغرق صندوق بريدك. والثاني يسلّمك قائمة قصيرة. ولأي شركة تبيع منتجات حقيقية في الأسواق العامة، فإن هذا الفرق هو الفرق بين رصد المشتريات والتنافس فيها.
الأسئلة الشائعة
How does AI score a tender against a product catalogue?
The scoring starts from what a company actually sells rather than from search terms. The catalogue becomes a multilingual profile, each incoming notice is compared against it semantically, and a fit score from 0 to 100 reflects what is being bought, where, at what scale, and how closely it matches the company's range.
Why is catalogue-level matching better than keyword alerts?
Because a catalogue describes capability, while keywords describe a guess about phrasing. Catalogue matching surfaces a notice that specifies your product in unfamiliar terms and suppresses one that merely shares a word. It also compounds: as the catalogue is refined, every future notice is judged against a better description of what the company can deliver.
What factors go into a fit score beyond text similarity?
Semantic similarity is the starting point, not the whole score. A useful fit score also weighs where the contract is, whether the buyer is reachable for that supplier, the scale of the contract against the supplier's capacity, and how central the requirement is to the catalogue rather than incidental to it.
شارك هذا المقال