انتقل إلى المحتوى
كل المقالات
ذكاء-اصطناعياستخراج-البياناتتجزئةالسعوديةدراسة-حالة

تحويل فلاير PDF إلى فلاير تفاعلي بالذكاء الاصطناعي

١٢ نوفمبر ٢٠٢٦ 9 دقيقة قراءة· Mahmoud Makhlouf
Read this article in English

مساء كل أربعاء ينشر هايبر ماركت في الرياض فلاير عروض الأسبوع: ملف PDF من عشرين صفحة فيه مئات المنتجات. يتصفحه العميل على الجوال، ثم يبحث عن "أرز بسمتي ٥ كيلو" فلا يجده، لأن الملف كله صور. وجوجل لا يرى فيه شيئًا أيضًا.

الإجابة المختصرة: يمكن لخط معالجة بالذكاء الاصطناعي أن يحوّل كل صفحة إلى منتجات منظّمة: الاسم بالعربي والإنجليزي، والسعر، والسعر قبل الخصم، والعلامة التجارية، والحجم، مع موقع كل منتج على الصفحة بدقة. بهذا يصبح الفلاير قابلًا للنقر والبحث والأرشفة. طبّقنا ذلك في منصة قوتي على مستوى المملكة، وخفّض تصميم هجين التكلفة المتوقعة للاستخراج بنسبة 77%.

المشكلة التجارية: الفلاير صورة لبيانات

الفلاير مصمَّم للطباعة ولمجموعات واتساب. مناسب لعين تقلّب الصفحات، وغير مفيد لأي شيء آخر:

  • محركات البحث ترى صورة واحدة لكل صفحة. المنتج المعروض هذا الأسبوع بسعر ٩٫٩٥ ريال ليس له صفحة خاصة، فلا يظهر لمن يبحث عن اسمه.
  • العميل لا يستطيع البحث أو المقارنة. سؤال مثل "أين الأرز أرخص هذا الأسبوع؟" يحتاج قراءة كل فلاير من كل متجر.
  • لا توجد تحليلات على مستوى المنتج. تعرف أن الفلاير فُتح، لكنك لا تعرف أن الناس نقروا على ماكينة القهوة في الصفحة السابعة أكثر من غيرها.

الحل البديهي هو إدخال البيانات يدويًا، وهو يصلح لمتجر واحد. أما حجم العمل في قوتي، كما وثّقناه في ملاحظات التصميم، فهو قرابة ١٠٠ فلاير أسبوعيًا، في كل فلاير نحو ١٠٠ صفحة، وفي كل صفحة نحو ١٠ منتجات. أي ما يقارب ١٠٠ ألف منتج كل أسبوع. هذا يحتاج فريق إدخال كاملًا، وتنتهي صلاحية العروض قبل أن ينتهي الإدخال.

والمشكلة نفسها موجودة عند شركات لا تعتبر نفسها "شركات فلايرات": قوائم أسعار الموردين، وكتالوجات المنتجات، ومنيو المطاعم، ونشرات المواصفات. إذا كانت بياناتك المهمة محبوسة في ملفات PDF فأنت إما تدفع لمن يعيد كتابتها، أو لا تستفيد منها أصلًا.

خياراتك وتكلفة كل خيار

الخيارمناسب لـما يكلّفك
الإدخال اليدويملفات قليلة أسبوعيًاموظفون يزيدون مع الحجم، وأخطاء كتابة، وتأخير
OCR فقطالبحث في نص الملفلا بنية: لا يعرف أي سعر يخص أي منتج
نموذج رؤية كبير لكل صفحةنموذج أولي سريعتكلفة أعلى للصفحة، ومربعات المنتجات واسعة في الصفحات المزدحمة
كاشف منتجات + نموذج لغوي لكل منتجدقة عالية ومربعات محكمةاستدعاء لكل منتج، والتكلفة تتراكم بسرعة
كاشف + نموذج صغير يقرأ دفعات (ما نستخدمه)حجم وطني بتكلفة منخفضةهندسة أكثر: تجميع، وتحقق، وخطط بديلة

القرار الحقيقي ليس "ذكاء اصطناعي أم لا". القرار هو: كم تدفع مقابل قراءة المنتج الواحد؟ وكيف تتأكد أن الأرقام صحيحة؟ السعر الخاطئ على منصة تسوق أسوأ من السعر الغائب، لذلك ضمان الدقة جزء من التكلفة وليس إضافة.

كيف بنيناه في قوتي

قوتي منصة عروض أسبوعية ثنائية اللغة للسوق السعودي، فيها موقع عام، وتطبيق جوال، ولوحة تحكم إدارية، وبوابة للمتاجر الشريكة. يصل الفلاير بثلاث طرق: يرفع المشرف ملف PDF، أو يضع رابطًا، أو يجمعه النظام من موقع المتجر. ويستطيع المتجر أيضًا رفع عروضه بنفسه من بوابة الشركاء.

صفحة إنشاء عرض في لوحة التحكم مع خيارات رفع PDF والرابط والجمع الآليصفحة إنشاء عرض في لوحة التحكم مع خيارات رفع PDF والرابط والجمع الآلي

مسار البيانات بعد ذلك:

PDF / link / scrape
      |
      v
BullMQ queue (Redis) ---> worker: render pages at 300 dpi
                                  watermark, 1200px WebP + thumbnail
                                  push notification "new offer"
      |
      v
extraction (method chosen in admin settings)
   detector finds product boxes on each page
   crops -> vision model -> structured fields
      |
      v
clean-up: non-product filter, categorizer, price sanity, brand match
      |
      v
products saved with page number + normalized box (x1, y1, x2, y2)
      |
      v
web + app: tap a spot on the page -> the product under your finger

تحويل الصفحات إلى صور يتم في مهمة خلفية عبر طابور BullMQ، فلا يتعطل المشرف ولا يتأثر الموقع الذي يتصفحه العملاء أثناء معالجة ملف من مئة صفحة. تُرسم كل صفحة بدقة 300 dpi، وتُضاف إليها علامة مائية، وتُحفظ بصيغة WebP بعرض 1200 بكسل وجودة 90، مع صورة مصغّرة بعرض 400 بكسل للغلاف. وعند الانتهاء يصل لمستخدمي التطبيق إشعار بالعرض الجديد.

لوحة التحكم تعرض المنتجات المستخرجة من عرض واحد مع الصور والأسعار والتصنيفاتلوحة التحكم تعرض المنتجات المستخرجة من عرض واحد مع الصور والأسعار والتصنيفات

تحت الغطاء: ثلاث طرق استخراج ومفتاح واحد

لم نبدأ بالحل الأرخص. في قوتي ثلاث طرق استخراج تعمل جنبًا إلى جنب، ويختار المشرف من الإعدادات أيها يعمل. هذا المفتاح كان أنفع قرار في التصميم، لأنه سمح لنا بمقارنة الطرق على فلايرات حقيقية والإبقاء على خطة بديلة.

الطريقة الأولى: كاشف ثم استدعاء لكل منتج. نموذج كشف كائنات نستضيفه بأنفسنا (من نوع YOLO/DETR) يحدد كل بطاقة منتج في الصفحة بمربع محكم، ونستبعد ما تقل ثقته عن 0.40. ثم يذهب كل منتج مقصوص وحده إلى GPT-4o-mini لقراءة حقوله. الجودة ممتازة، لكن التكلفة كانت نحو 150 دولارًا شهريًا للسعودية وحدها، والخطة تشمل أربع دول أخرى.

الطريقة الثانية: استدعاء واحد كبير لكل صفحة. نموذج Gemini واحد يقرأ الصفحة كاملة ويعيد المربعات والحقول معًا. بسيطة ولا تحتاج كاشفًا، لكن المربعات تأتي واسعة في الصفحات المزدحمة. والمربع الواسع يعني أن النقر يلتقط المنتج المجاور، أو أن الصورة المقصوصة تفقد السعر.

الطريقة الثالثة: نحتفظ بالكاشف ونقرأ على دفعات. هذا هو التصميم الهجين. الكاشف ما زال يعطينا القصّات المحكمة، لكن بدل استدعاء لكل منتج نرسل ثماني قصّات في طلب واحد إلى Gemini Flash-Lite، وهو نموذج أصغر وأرخص. حسب نموذج التكلفة الذي أعددناه، تنخفض الفاتورة لنفس الحجم إلى نحو 35 دولارًا شهريًا، أي بنسبة 77%، وإلى نحو 88% عند نقل العمل إلى Batch API من جوجل، الذي يحاسب بنصف السعر العادي وقت كتابة المقال (نوفمبر 2026).

التجميع يخلق خطرًا جديدًا: كيف يعرف النموذج أي إجابة تخص أي صورة؟ حللناها بشكل مادي. قبل الإرسال نطبع على كل قصّة شارة سوداء صغيرة #N في زاويتها العليا، بحجم يتناسب مع القصّة حتى تبقى مقروءة. وتُرسل القصّات الثماني كصور منفصلة داخل الطلب، لا كصورة مجمّعة واحدة، ويطلب التوجيه من النموذج أن يستخدم رقم الشارة في الحقل index.

// Stamp "#N" on a crop (in memory; the file on disk is untouched)
async function stampIndex(srcPath, index) {
  const img = sharp(srcPath);
  const { width, height } = await img.metadata();
  const badgeH = clamp(Math.round(Math.max(width, height) * 0.12), 40, 120);
  const svg = badgeSvg(`#${index}`, badgeH); // black box, white bold text
  return img.composite([{ input: Buffer.from(svg), top: 0, left: 0 }])
            .png().toBuffer();
}

الجزء الثابت من التوجيه، أي القواعد وقائمة التصنيفات كاملة، محفوظ بخاصية التخزين المؤقت للسياق في Gemini، فلا ندفع ثمنه مع كل دفعة. والإجابة مُلزَمة بمخطط JSON مع حرارة صفر.

أين يخطئ النموذج وكيف نحمي الدقة

النماذج الرخيصة تخطئ بطرق محددة. هذه التي واجهناها، وما يعالجها اليوم.

التكرار بلا نهاية. أحيانًا يعلق النموذج الصغير في تكرار نفسه. رأينا في التشغيل الفعلي حقل unit يمتلئ بعبارة "100PCS Each" مرة بعد مرة حتى ينقطع الـ JSON. العلاج في المخطط وليس في التوجيه: لكل حقل نصي حد أقصى صارم للطول.

const ITEM_SCHEMA = {
  type: "object",
  properties: {
    index:          { type: "integer" },
    label:          { type: "string", maxLength: 100 },
    ar_label:       { type: "string", maxLength: 100 },
    price:          { type: "number", nullable: true },
    original_price: { type: "number", nullable: true },
    unit:           { type: "string", nullable: true, maxLength: 30 },
  },
  // newer models skip optional fields silently: required but nullable
  required: ["index", "label", "ar_label", "price", "original_price", "unit"],
};

قصّة واحدة تفسد الدفعة. إذا تعذّر قراءة الإجابة رغم ذلك، ننقذ أولًا كل منتج مكتمل من النص المقطوع، ثم نعيد المحاولة على القصّات الناقصة فقط. وإذا فشلت الدفعة كلها، نقسمها نصفين ونعيد كل نصف، وهكذا حتى نصل إلى قصّة واحدة. أسوأ الاحتمالات أن نخسر منتجًا واحدًا، لا ثمانية.

أشياء ليست منتجات. في الفلاير لافتات نقاط الولاء، ورموز QR لتحميل التطبيق، وإعلانات التقسيط، وخدمات التوصيل. قواعد نصية بسيطة، مع توحيد أشكال الحروف العربية (أ وإ وآ، ة وه، ى وي)، تلتقط الحالات الواضحة. والباقي يذهب إلى مصنِّف يصنّف 40 منتجًا في الاستدعاء الواحد إلى تصنيفات المنصة، ويُسمح له أن يجيب NON_PRODUCT أو NO_FIT بدل أن يفرض تصنيفًا خاطئًا. على مجموعة التقييم التي أعددناها، سجّل نموذج Flash-Lite دقة تقارب 99% مقابل نحو 97% لنموذج GPT الذي قارناه به.

أسعار مقروءة خطأ. أخطاء القراءة تشبه قراءة "85" على أنها "715". قواعد فحص الأسعار تبدّل السعرين إن جاءا معكوسين، وتحذف السعر القديم إذا تجاوز الخصم المحسوب 75%. شارة "خصم 90%" مزيفة أضرّ من غياب الشارة.

العلامات التجارية. يعيد النموذج اسمًا تقريبيًا للعلامة. نطابقه أولًا مع العلامات الموجودة بمطابقة مرنة قبل إنشاء أي علامة جديدة، فتنتهي الكتابات المختلفة لنفس الاسم إلى صفحة علامة واحدة.

بوابة الانتقال. الطريقة الثالثة لا تحل محل الأولى بالثقة. الخطة: تشغيل الطريقتين على نفس 20 فلايرًا من ثلاثة متاجر على الأقل، ومراجعة نحو 100 منتج من كل طريقة يدويًا، واشتراط أن تبلغ الطريقة الثالثة 95% على الأقل من دقة الأولى في كل حقل: الاسم بالعربي والإنجليزي، والسعر، والسعر القديم، والخصم، والعلامة، والوحدة، وعدد القطع، والتصنيف. وتبقى الطريقة الأولى متاحة كبديل لأي فلاير.

كيف يصبح الفلاير قابلًا للنقر

يُحفظ كل منتج مع رقم صفحته ومربعه، والمربع مخزَّن كنِسَب من الصفحة بين 0 و1 وليس بالبكسل. لذلك تعمل البيانات نفسها على الجوال والتابلت والكمبيوتر وبأي درجة تكبير.

في عارض الموقع تتحول النقرة إلى إحداثيات من 0 إلى 1 أيضًا. صورة الصفحة معروضة داخل إطار بهوامش فارغة، فنحسب المساحة التي تشغلها الصورة فعلًا ونتجاهل النقر على الهوامش. وننتظر نحو 300 ملّي ثانية قبل البحث، حتى لا تفتح النقرة الأولى من "النقر المزدوج للتكبير" منتجًا بالخطأ. ثم يبحث الخادم عن المنتج في هذه الصفحة الذي يحتوي مربعه على النقطة:

Products.findOne({
  offer: offerId, page,
  x1: { $lte: x }, x2: { $gte: x },
  y1: { $lte: y }, y2: { $gte: y },
});

ويُصدر العارض صوت تقليب صفحة عند السحب، وهي تفصيلة صغيرة يلاحظها الناس. ولأن كل منتج أصبح سجلًا مستقلًا، صارت له صفحته الخاصة ومكانه في البحث وفي خريطة الموقع، وهذا ما يجعل محتوى الفلاير مرئيًا لمحركات البحث.

عارض الفلاير في الموقع بعد النقر على منتج وظهور بطاقة تفاصيلهعارض الفلاير في الموقع بعد النقر على منتج وظهور بطاقة تفاصيله

قائمة تحقق قبل أتمتة استخراج بيانات PDF

  1. احسب الحجم بالمنتجات لا بالملفات. التكلفة تُحسب لكل عنصر يُقرأ: عدد الصفحات × عناصر كل صفحة × الملفات أسبوعيًا.
  2. حدّد الحقول التي يجب أن تكون دقيقة تمامًا. السعر والباركود يحتاجان قواعد تحقق، أما الوصف التسويقي فيحتمل التقريب.
  3. احتفظ بالمربع لا بالنص فقط. الإحداثيات هي ما يجعل المستند تفاعليًا لاحقًا.
  4. خزّن الإحداثيات كنِسَب من 0 إلى 1 حتى تعمل على كل الشاشات ودرجات التكبير.
  5. جهّز عيّنة مراجَعة يدويًا قبل اختيار النموذج. مئة عنصر مراجَع تخبرك أكثر من أي مقارنة منشورة.
  6. ضع الحدود الصارمة في مخطط الإخراج (أطوال، وقيم محددة، وحقول إلزامية)، لا في التوجيه وحده.
  7. خطّط للفشل الجزئي. العنصر السيئ يجب أن يكلّفك عنصرًا واحدًا لا دفعة كاملة.
  8. أبقِ الطريقة الأغلى بديلًا خلف مفتاح، وسجّل مع كل منتج الطريقة التي أنتجته.

الأسئلة الشائعة

هل يستطيع الذكاء الاصطناعي استخراج المنتجات والأسعار من كتالوج PDF بدقة؟

نعم، إذا اقترن بقواعد تحقق. نماذج الرؤية الحديثة تقرأ بطاقات المنتجات بالعربي والإنجليزي جيدًا، لكنها ما زالت تخطئ في الأرقام أحيانًا وقد تختلق قيمًا. حدود المخطط، وفحص الأسعار، والعيّنة المراجَعة يدويًا قبل الإطلاق هي ما يجعل النتيجة صالحة للنشر.

كم تكلفة استخراج البيانات من المستندات بالذكاء الاصطناعي؟

يعتمد على عدد العناصر وطريقة القراءة. في قوتي، ومع نحو 100 ألف منتج أسبوعيًا، انتقل نموذج التكلفة لدينا من قرابة 150 دولارًا شهريًا باستدعاء لكل منتج إلى قرابة 35 دولارًا بدفعات على نموذج أصغر. أسعار النماذج تتغير كثيرًا، فأعد الحساب من صفحة أسعار المزوّد الحالية.

ما هو الفلاير التفاعلي؟

فلاير يبدو مثل ملف PDF الأصلي، لكن كل منتج في الصفحة قابل للنقر. النقر يفتح المنتج باسمه وسعره ومتجره والعروض المشابهة. وهذا ممكن لأن كل منتج حُفظ مع المربع الذي يشغله في الصفحة.

هل يكفي OCR لتحويل قائمة أسعار PDF إلى بيانات؟

غالبًا لا. الـ OCR يعطيك النص، لكنه لا يعرف أي سعر يخص أي منتج حين تكون الصفحة شبكة من البطاقات. تحتاج كشفًا يحدد مكان كل عنصر، وقراءة منظّمة تحدد ما فيه، لتحصل على صفوف نظيفة.

هل ينفع هذا لمنيو المطاعم وكتالوجات الموردين؟

نعم، والنمط واحد: تحويل الصفحات إلى صور، وكشف كل عنصر، وقراءة حقوله في مخطط ثابت، ثم التحقق والاحتفاظ بالإحداثيات. والمنيو وقوائم الأسعار غالبًا أبسط من فلايرات التجزئة لأن تصميمها يتكرر.

الخطوة التالية

إذا كانت بيانات شركتك محبوسة في ملفات PDF، من كتالوجات أو قوائم أسعار أو منيو، وتريدها قابلة للبحث أو مربوطة بأنظمتك، فابدأ بحساب عدد العناصر أسبوعيًا وتحديد الحقول التي يجب أن تكون دقيقة. ثم اكتب وصف مشروعك في نموذج الطلب وسنقترح طريقة الاستخراج المناسبة لحجمك. ولنظرة أوسع على أين يحقق الذكاء الاصطناعي عائدًا سريعًا، اقرأ تطبيقات الذكاء الاصطناعي للشركات الصغيرة، ثم دليل أتمتة المهام المتكررة دون مضاعفة الأخطاء.

// لنبدأ

عندك فكرة منتج؟ خذ خطة واضحة و مكالمة تعارف مجانية 15 دقيقة.

احكِ لنا عن مشروعك، ونرجع لك بتصوّر للتنفيذ وجدول زمني مبدئي وتقدير أولي للتكلفة — عادةً خلال 24 ساعة.

احجز مكالمة مجانية WhatsApp