گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴؛ وقتی داده به‌جای صفحه، از مسیر سوال پیدا می‌شود

نسخه جدید، از ۲۰ مهر ۱۴۰۵ به‌صورت یک پایگاه دانشی تعاملی منتشر خواهد شد و به کاربران اجازه می‌دهد به‌جای جست‌وجو میان فصل‌ها و نمودارها، سوال خود را مستقیما مطرح کنند.

عامل هوش مصنوعی در این ساختار واسطه میان مخاطب و محتوای گزارش است، اما کاربرد آن به پیدا کردن عبارت‌ها یا نمایش یک عدد خلاصه نمی‌شود.

اگر قرار باشد چنین سیستمی برای تحلیل و تصمیم‌گیری قابل استفاده باشد، پاسخ باید همراه با زمینه ارائه شود: عدد از کدام منبع آمده، مربوط به چه دوره‌ای است، تعریف شاخص چیست و آیا داده برای مقایسه یا نتیجه‌گیری کافی است؟

این پرسش‌ها، بخش مهم‌تری از طراحی یک گزارش تعاملی را تشکیل می‌دهند؛ به‌ویژه زمانی که اطلاعات از چند منبع داخلی و خارجی در یک پایگاه کنار یکدیگر قرار می‌گیرند.

گزارش‌های سالانه معمولا ساختار ثابتی دارند. کاربر فهرست را باز می‌کند، فصل مرتبط را پیدا می‌کند و بعد به سراغ نمودار یا جدولی می‌رود که احتمال می‌دهد پاسخ در آن باشد.

این شیوه برای زمانی مناسب است که مخاطب از قبل بداند دنبال چه بخشی است.

در نسخه تعاملی، قرار است گزارش با همین تفاوت‌ها سازگار شود.

کاربر می‌تواند از یک سوال مشخص شروع کند و بعد، براساس پاسخ، مسیرش را به سمت سوال‌های جزئی‌تر ادامه دهد.

برای مثال، ابتدا بپرسد کدام دسته کسب‌وکارها بیشترین نصب را ثبت کرده‌اند و سپس سراغ تفاوت نرخ تبدیل کلیک به نصب در بازی‌ها و برنامه‌ها برود. در این مدل، فهرست مطالب از بین نمی‌رود، اما دیگر تنها نقطه ورود به اطلاعات نیست.

یکی از ویژگی‌های مهم تجربه گفت‌وگومحور، ارتباط میان پرسش‌های متوالی است. اگر کاربر بعد از پرسیدن سوال درباره نصب، پرسش دوم را درباره تفاوت برنامه‌ها و بازی‌ها مطرح کند، انتظار دارد سیستم بداند همچنان درباره همان مجموعه داده و همان موضوع صحبت می‌کند.

اگر هر سوال مستقل پردازش شود، کاربر باید تمام اطلاعات زمینه‌ای را دوباره وارد کند. به همین دلیل، حفظ زمینه یکی از اجزای مهم این نوع تعامل است. رابط گفت‌وگویی زمانی مزیت واقعی پیدا می‌کند که بتواند مسیر تحقیق کاربر را دنبال کند، نه اینکه صرفا به مجموعه‌ای از پرسش‌های جداگانه پاسخ دهد.

با این حال، حفظ زمینه به‌تنهایی کافی نیست. حتی یک پاسخ کاملا مرتبط نیز اگر منبع و شرایط داده را مشخص نکند، ممکن است در تحلیل به خطا منجر شود.

یک مثال ساده، نرخ تبدیل است. فرض کنیم سیستم پاسخ می‌دهد نرخ تبدیل یک دسته خاص عدد مشخصی بوده است. برای استفاده از این پاسخ، کاربر هنوز باید بداند این نرخ مربوط به چه دوره‌ای است، تعریف نرخ تبدیل در منبع چیست و چه جامعه‌ای در محاسبه آن در نظر گرفته شده است.

اگر این اطلاعات دیده نشوند، مقایسه همان عدد با یک منبع دیگر می‌تواند اشتباه باشد. دو گزارش ممکن است هر دو از اصطلاح «نرخ تبدیل» استفاده کنند، اما روش محاسبه یا دامنه داده متفاوتی داشته باشند.

در مثالی دیگر، گزارش متریکس از عملکرد سال ۱۴۰۴ نرخ تبدیل کلیک به نصب را در اپلیکیشن‌های بازی و در اپلیکیشن‌های برنامه به تفکیک گزارش می‌کند. همان گزارش نرخ تقلب را نیز برای برنامه‌ها و برای بازی‌ها ثبت کرده است. کنار هم دیدن این شاخص‌ها پرسش‌های دقیق‌تری می‌سازد: تفاوت از کدام دسته‌ها یا فصل‌ها می‌آید؟ آیا منابع ترافیک در این الگو سهمی دارند؟ داده‌های گزارش برای پاسخ به این پرسش‌ها چه محدودیتی دارند؟

اعداد این گزارش به‌تنهایی رابطه علت و معلولی را ثابت نمی‌کنند. خود گزارش، رابطه نرخ تبدیل برنامه‌ها و نرخ تقلب را سرنخی برای بررسی بیشتر می‌داند. چنین تمایزی در یک مرجع داده‌ای مهم است: داده مشاهده‌شده باید از توضیح احتمالی جدا بماند.

در پایگاه دانشی گزارش سال ۱۴۰۴، قرار است اطلاعات مرتبط با منبع و دوره داده بخشی از تجربه پاسخ‌گویی باشند. این نکته به‌خصوص در محصولی که از هوش مصنوعی برای دسترسی به داده استفاده می‌کند اهمیت دارد؛ زیرا پاسخ‌های گفت‌وگویی معمولا اطلاعات را فشرده‌تر از گزارش اصلی نمایش می‌دهند. هرچه پاسخ کوتاه‌تر می‌شود، خطر حذف زمینه نیز بیشتر می‌شود.

هسته این پایگاه از گزارش‌ها و داده‌های شرکت‌های گروه پگاه داده کاوان شریف شکل می‌گیرد. گزارش‌های این گروه که شامل شرکت‌هایی مثل تپسل، بازار، متریکس، کالج تپسل، پابلیکا و ... است، در کنار گزارش‌های شرکای تجاری و منابع پژوهشی و تجاری برای تکمیل تحلیل‌ها به کار گرفته می‌شود.

تمرکز اصلی گزارش بر بازار ایران است. در بخش‌هایی که امکان مقایسه وجود داشته باشد، داده‌های جهانی نیز می‌توانند به‌عنوان Benchmark یا زمینه تحلیلی وارد شوند. با این حال، قرار گرفتن داده داخلی و خارجی کنار یکدیگر به معنای امکان مقایسه مستقیم آن‌ها نیست.

تفاوت در سال گزارش، بازار مورد بررسی، جامعه آماری، تعریف شاخص یا روش گردآوری داده می‌تواند نتیجه مقایسه را تغییر دهد.

اگر این تفاوت‌ها مشخص نباشند، ترکیب چند داده ظاهرا مشابه ممکن است به برداشتی منجر شود که منبع اصلی از آن پشتیبانی نمی‌کند.

یکی از اهدافی که برای تجربه نهایی مطرح شده، روشن نگه داشتن مرز میان داده و تفسیر است. اگر عددی مستقیما از گزارش استخراج شده، باید مشخص باشد که این عدد یک داده است. اگر سیستم براساس همان داده توضیحی ارائه می‌کند، باید تفاوت این توضیح با داده اصلی قابل تشخیص باشد.

این موضوع زمانی جدی‌تر می‌شود که سوال کاربر فراتر از اطلاعات موجود باشد. گاهی داده می‌تواند نشان دهد چه اتفاقی افتاده، اما برای توضیح «چرا» کافی نیست. در چنین شرایطی، یک سیستم قابل اتکا باید محدودیت داده را اعلام کند. پاسخ ندادن قطعی به یک سوال، در بعضی موارد دقیق‌تر از ساختن یک تحلیل بدون پشتوانه است.

نسخه نهایی قرار است از نظر سازگاری پاسخ با گزارش اصلی، کیفیت ارجاع به منبع و نحوه برخورد با سوال‌های فاقد داده کافی بررسی شود.

گزارش سال ۱۴۰۴ تنها به داده داخلی محدود نمی‌شود. در بخش‌هایی از پایگاه، روندهای جهانی نیز می‌توانند در کنار اطلاعات بازار ایران قرار بگیرند. موضوعاتی مثل هوش مصنوعی در تولید محتوا، Search، Measurement و تجربه مشتری از جمله زمینه‌هایی هستند که در بازارهای مختلف مورد بحث قرار دارند.

اما یک روند جهانی الزاما در ایران به همان شکل دیده نمی‌شود. تفاوت ساختار بازار، بازه زمانی و روش جمع‌آوری داده می‌تواند نتیجه را تغییر دهد.

به همین دلیل، Benchmark خارجی زمانی ارزش تحلیلی دارد که امکان مقایسه واقعی وجود داشته باشد. اگر دو شاخص تعریف متفاوتی داشته باشند، حتی نزدیک بودن عددها نیز معنای خاصی ندارد.

در برخی موارد، دقیق‌ترین نتیجه این است که داده‌ها برای مقایسه مستقیم کافی نیستند. این نوع پاسخ شاید کمتر از یک نمودار با نتیجه روشن جذاب باشد، اما برای یک مرجع داده‌ای قابل اعتماد ضروری است.

نوع استفاده از گزارش بسته به مخاطب تغییر می‌کند. یک مدیر بازاریابی می‌تواند از مقایسه صنایع آغاز کند. متخصص Performance ممکن است مستقیما به دنبال نرخ کلیک، نصب یا تبدیل باشد. تحلیلگر داده احتمال درباره تعریف شاخص، روش محاسبه یا منبع سوال خواهد کرد. مدیر کسب‌وکار نیز ممکن است بخواهد داده ایران را در کنار یک Benchmark خارجی ببیند.

در یک گزارش خطی، همه این افراد ناچارند از ساختار یکسان عبور کنند. در نسخه تعاملی، مسیر استفاده از گزارش قرار است از سوال کاربر شکل بگیرد.

این تفاوت ساده، در عمل ساختار گزارش را تغییر می‌دهد. سند دیگر فقط چیزی نیست که از ابتدا تا انتها خوانده شود؛ می‌تواند به مرجعی تبدیل شود که کاربر بسته به مسئله خود از نقطه‌ای متفاوت وارد آن شود.

استفاده از هوش مصنوعی در یک گزارش داده‌محور می‌تواند دسترسی به اطلاعات را ساده‌تر کند، اما ارزش نهایی آن به نحوه پیاده‌سازی وابسته است.

پرسش اصلی این است که آیا پاسخ قابل ردیابی است، آیا منبع و دوره زمانی آن مشخص است و آیا در شرایطی که داده کافی نیست، محدودیت را اعلام می‌کند.

یکی دیگر از نکاتی که در تجربه نهایی باید روشن باشد، تفاوت میان «تعاملی» و «لحظه‌ای» است. اگر عددی از گزارش سال ۱۴۰۴ آمده، همان بازه زمانی بخشی از معنی آن عدد است. اضافه شدن گزارش‌های جدید در آینده می‌تواند پایگاه را به‌روزتر کند، اما داده‌های قبلی همچنان باید با تاریخ و زمینه خود نمایش داده شوند.

نسخه اولیه گزارش سال ۱۴۰۴ از ۲۰ مهر ۱۴۰۵ توسط تپسل در دسترس قرار می‌گیرد. در آن زمان می‌توان دقیق‌تر دید که این مدل تا چه اندازه توانسته فاصله میان یک گزارش چندبخشی و سوال مشخص کاربر را کم کند؛ بدون اینکه زمینه و محدودیت‌های داده در این میان از دست بروند.