اگر امروز بودجه تبلیغاتی خود را در آمازون مدیریت میکنید، باید بدانید که لایه اجرایی این فرآیند در حال بلعیده شدن توسط هوش مصنوعی است. نتایج نسخه بتای Amazon Ads Agent نشان میدهد که کمپینهای جامع (Full-Funnel) توانستهاند بازدهی سرمایه در بلندمدت (ROAS) را ۶۷٪ افزایش دهند. این تغییر یعنی تنظیمات کمپین دیگر یک قابلیت اختیاری نیست، بلکه مدل عملیاتی پیشفرض برای تمام فروشندگان پلتفرم شده است.
طبق اعلام آمازون، این سیستم حالا بهجای ابزارهای پراکنده، از یک عامل (Agent) — شبیه به یک مدیر اجرایی هوشمند که تمام بخشهای شرکت را همزمان میبیند و تصمیم میگیرد — برای مدیریت کل قیف فروش استفاده میکند. همانطور که در تحلیلهای قبلی ما دربارهی گذار ابزارهای بازاریابی به مدلهای عاملمحور اشاره کردیم، حذف مرز بین برنامهریزی و اجرا، سرعت واکنش به بازار را بهشدت بالا میبرد. این تحول در راستای استراتژی گستردهتر آمازون است که در آن دستیار فروش نیز از یک چتبات ساده به یک عامل خودکار در پسزمینه تبدیل شده است تا مدیریت عملیات فروش تسهیل شود.
زمینه و بستر ادغام
به گزارش آمازون، این شرکت سالها دو بخش مجزا و سیلوگونه داشت: کنسول تبلیغات (Ads Console) برای آگهیهای اسپانسرشده و Amazon DSP برای ویدیوهای برنامهریزیشده و تلویزیونهای استریم. این جدایی ساختاری باعث شده بود برندهای کوچک که بودجه کافی برای استخدام تریدرهای آژانسهای تبلیغاتی یا امضای قراردادهای پیچیده DSP را نداشتند، از ابزارهای پیشرفته محروم بمانند.
اما در ۲۹ سپتامبر ۲۰۲۶ و در جریان رویداد unBoxed، آمازون این ابزارها را در یک رابط کاربری یکپارچه و عاملمحور ادغام کرد. با این اقدام، نامهای قدیمی حذف شدند و کل کسبوکار تبلیغاتی آمازون به یک عامل هوش مصنوعی تبدیل شد.

جزئیات پلتفرم جدید
سیستم جدید تمام فرآیندهای خرید تبلیغاتی را در سه دسته سازماندهی میکند: تبلیغات اسپانسرشده (Sponsored Ads)، DVA+ (شامل نمایش، ویدیو و صوت) و کمپینهای Full-Funnel.
آمیت باتاچاریا (Amit Bhattacharyya)، معاون هوش مصنوعی عاملمحور در آمازون، توضیح میدهد که گزینه Full-Funnel اجازه میدهد یک کمپین واحد، سیگنالها را بهصورت لحظهای بین تلویزیونهای استریم و آگهیهای اسپانسرشده به اشتراک بگذارد تا رشد برند بهینه شود. او این سیستم را کمپینی توصیف میکند که «تمام فرمتها، از تلویزیونهای استریم تا آگهیهای اسپانسرشده را به هم پیوند میزند» و «خودش را به سمت رشد بلندمدت تنظیم میکند».
معیارهای عملکرد در نسخه بتا
بر اساس دادههای منتشرشده از نسخه بتا، نتایج بهکارگیری این عامل هوشمند خیرهکننده است:
- افزایش ۶۷ درصدی بازدهی سرمایه (ROAS) در بلندمدت برای کمپینهای Full-Funnel.
- کاهش ۲۹ درصدی هزینه جذب مشتریان جدید (New-to-Brand).
- دسترسی به ۲۵٪ مشتریان منحصربهفرد بیشتر هنگام استفاده از هدفگذاری با زبان ساده (Plain-English) بهجای بخشبندیهای دستی.
- کاهش ۱۰ درصدی هزینه هر نمایش (CPM) از طریق هدفگذاری با زبان طبیعی.
تأثیر بر جریان کاری آژانسها و فروشندگان
جیسون اوتول (Jason O'Toole) از شرکت dentsu که مدیریت بخش تجارت و رسانههای خردهفروشی را بر عهده دارد، تأیید میکند که تیمهای او دیگر ساعتها وقت خود را صرف تنظیمات دستی کمپینها نمیکنند و بهجای آن، تغییرات را از طریق گفتگو مستقیم با عامل هوش مصنوعی اعمال میکنند.
این دموکراتیزه شدن ابزارها به این معناست که فروشندهای که ماهانه ۴۰ هزار دلار درآمد دارد، حالا میتواند تنها با چند پرامپت ساده به موجودی تبلیغاتی Prime Video دسترسی پیدا کند؛ در حالی که پیش از این، تلویزیونهای استریم عملاً برای هر کسی که قرارداد DSP نداشت، غیرقابل دسترس بود. برای فروشندگانی که در کنار تبلیغات به دنبال بهینهسازی حضور خود هستند، استفاده از استراتژیهای مدیریت مقیاسپذیر محصولات میتواند مکمل این رشد سریع باشد.
این حرکت سیگنالی است مبنی بر اینکه «لایه اجرا» در تبلیغات دیجیتال توسط پلتفرم جذب میشود. وقتی هوش مصنوعی برنامهریزی رسانه، تخمین اندازه مخاطبان، پیشبینی میزان دسترسی (Reach) و تقسیم بودجه را مدیریت میکند، مزیت رقابتی برندها از «بهینهسازی فنی» به «کیفیت پیشنهاد»، «داراییهای خلاقانه» و «تجربه مشتری پس از کلیک» منتقل میشود. ابزارهایی مثل KenjiAI دقیقاً برای این فضای جدید طراحی شدهاند تا کارهای پیگیری و پرورش مشتری را که پلتفرمهای تبلیغاتی به آن نمیپردازند، مدیریت کنند.
اگرچه عدد ۶۷٪ یک معیار داخلی آمازون است، اما تغییر ساختاری دائمی است و انتظار میرود گوگل و متا نیز برای عقب نماندن از این چرخه یکپارچه، گذار به مدلهای عاملمحور را تسریع کنند.
گام بعدی شما
تبلیغکنندگان در ایالات متحده هماکنون به کمپینهای Full-Funnel دسترسی دارند، در حالی که قابلیت DVA+ از اواخر اکتبر ۲۰۲۶ عرضه میشود. برای اعتبارسنجی این ادعاها، فروشندگان باید اقدامات زیر را انجام دهند:
- یک تست A/B سیروزه بین تنظیمات دستی و کمپینهای عاملمحور با بودجه برابر اجرا کنید.
- هزینه جذب مشتریان جدید (New-to-Brand) را بهطور مجزا ردیابی کنید تا ادعای کاهش ۲۹ درصدی را برای کسبوکار خود بسنجید.
- پیش از امتحان کردن هدفگذاری با زبان طبیعی، هزینه فعلی هر نمایش (CPM) خود را ثبت کنید تا میزان صرفهجویی را اندازه بگیرید.
اما اثر این یکپارچگی بر استراتژیهای قیمتگذاری پویا حتی پیچیدهتر است — به تحلیل ما دربارهی سیستمهای قیمتگذاری خودکار مراجعه کنید.




گفتگو