گروه پگاه داده کاوان شریف (تپسل و بازار) قرار است گزارش سال ۱۴۰۴ خود را از ۲۰ مهر ۱۴۰۵ با قالبی متفاوت منتشر کند. به‌جای یک فایل معمولی که مخاطب برای پیدا کردن پاسخ باید صفحات، جدول‌ها و نمودارهای آن را مرور کند، نسخه جدید به‌صورت یک پایگاه دانشی تعاملی طراحی شده است که کاربر می‌تواند سوالش را مطرح کند و از طریق یک عامل هوش مصنوعی به داده مرتبط، منبع آن و توضیحاتی که برای تفسیر عدد لازم است برسد.
ایده اصلی این تجربه این است که مسیر دسترسی به اطلاعات از «پیدا کردن صفحه درست» به «پرسیدن سوال درست» منتقل شود.
برای مخاطبی که می‌خواهد بداند کدام دسته کسب‌وکارها بیشترین نصب را داشته‌اند یا نرخ تبدیل کلیک به نصب در بازی‌ها و برنامه‌ها چه تفاوتی داشته است، دیگر لزوما لازم نیست ابتدا تشخیص دهد این پاسخ در کدام بخش گزارش قرار دارد. سوال می‌تواند همان نقطه ورود باشد.
این تغییر البته یک مسئله مهم را هم پیش می‌کشد: وقتی هوش مصنوعی میان کاربر و داده قرار می‌گیرد، چگونه می‌توان مطمئن شد که پاسخ فقط یک عدد جداشده از زمینه نیست؟
وقتی سوال جای فهرست گزارش را می‌گیرد
گزارش‌های سالانه معمولا برای چند گروه مختلف نوشته می‌شوند، اما همه این گروه‌ها از یک مسیر ثابت برای خواندن آن عبور می‌کنند. مدیر بازاریابی ممکن است بخواهد رفتار چند صنعت را مقایسه کند، متخصص Performance به نرخ کلیک و نصب توجه کند و تحلیلگر داده درگیر تعریف شاخص و روش محاسبه آن باشد.
با وجود تفاوت این نیازها، در یک گزارش خطی همه باید از همان فهرست مطالب و همان ساختار عبور کنند.
در پایگاه دانشی جدید، نقطه شروع قرار است متناسب با نیاز مخاطب تغییر کند. کاربر می‌تواند مستقیما پرسشی را مطرح کند و بعد از پاسخ اولیه، مسیر خود را با سوال‌های دقیق‌تر ادامه دهد.
برای نمونه، سوال اول ممکن است درباره بیشترین نصب در دسته‌های مختلف باشد. سوال دوم می‌تواند مقایسه نرخ تبدیل بازی‌ها و برنامه‌ها باشد و سوال بعدی به دوره زمانی، منابع ترافیک یا شاخصی مرتبط برسد.
در چنین مدلی، حفظ زمینه گفت‌وگو اهمیت زیادی دارد. اگر سیستم هر سوال را کاملا مستقل از پرسش قبلی ببیند، کاربر عملا ناچار می‌شود اطلاعات زمینه‌ای را بارها تکرار کند. بخشی از کاربرد رابط گفت‌وگومحور دقیقا به این وابسته است که سیستم بتواند رابطه میان پرسش‌های پشت سر هم را بفهمد.
پاسخ درست فقط پیدا کردن یک عدد نیست
در یک نگاه ساده، می‌توان این محصول را نوعی جست‌وجوی هوشمند روی مجموعه گزارش‌ها دانست. اما تفاوت اساسی در این است که پیدا کردن عدد، پایان کار نیست.
فرض کنیم کاربر درباره نرخ تبدیل یک دسته سوال می‌کند. حتی اگر سیستم عدد دقیق را پیدا کند، هنوز چند سوال مهم باقی است: این عدد مربوط به چه سال یا دوره‌ای است؟ شاخص دقیقا چگونه تعریف شده؟ چه جامعه آماری پشت آن قرار دارد؟ و آیا مقایسه‌اش با عددی از منبعی دیگر معتبر است؟
بدون پاسخ به این پرسش‌ها، یک عدد می‌تواند از نظر فنی درست باشد اما در تحلیل به نتیجه‌ای اشتباه منجر شود.
به همین دلیل، در نسخه نهایی انتظار می‌رود منبع، دوره زمانی و زمینه عدد بخشی از تجربه پاسخ‌گویی باشند. اگر کاربر به عددی درباره نرخ نصب، تقلب یا تبدیل می‌رسد، باید تا جای ممکن بتواند بفهمد این داده از کجا آمده و در چه شرایطی ثبت شده است.
برای مثال گزارش عملکرد سال ۱۴۰۴ متریکس، نرخ تبدیل کلیک به نصب را برای اپلیکیشن‌های بازی و اپلیکیشن‌های برنامه به‌صورت جداگانه ثبت کرده است. در همان گزارش، نرخ تقلب برای این دو گروه نیز گزارش شده است.
قرار دادن این داده‌ها در کنار هم به‌خودی‌خود یک نتیجه قطعی تولید نمی‌کند، اما می‌تواند سوال‌های تازه‌ای ایجاد کند.
برای مثال، تفاوت میان دو گروه از کدام دسته‌ها ناشی می‌شود؟ آیا این اختلاف در فصل‌های مختلف ثابت می‌ماند؟ منابع ترافیک چه نقشی در الگوهای مشاهده‌شده دارند؟ و داده موجود تا چه اندازه برای پاسخ به این سوال‌ها کافی است؟
نکته مهم در همین‌جاست. وجود ارتباط میان چند شاخص، به معنای اثبات رابطه علت و معلولی نیست.
گزارش نیز رابطه میان نرخ تبدیل برنامه‌ها و نرخ تقلب را صرفا به‌عنوان موضوعی برای بررسی بیشتر مطرح می‌کند. بنابراین قرار نیست عامل هوش مصنوعی از کنار هم قرار گرفتن چند عدد، نتیجه‌ای قطعی بسازد که خود داده‌ها از آن پشتیبانی نمی‌کنند.
پایگاه دانشی گزارش بر چه داده‌هایی تکیه دارد؟
هسته گزارش سال ۱۴۰۴ از داده‌ها و گزارش‌های 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 داده‌های شرکای تجاری و منابع پژوهشی و تجاری برای تکمیل بعضی بخش‌ها مورد استفاده قرار می‌گیرند.
تمرکز اصلی بر بازار ایران است. داده‌های جهانی نیز در مواردی که امکان مقایسه وجود داشته باشد، به‌عنوان زمینه‌ای برای تحلیل روندهای داخلی وارد می‌شوند. اما کنار هم قرار گرفتن دو عدد به‌تنهایی برای مقایسه کافی نیست.
ممکن است داده‌ها در دو سال متفاوت جمع‌آوری شده باشند، جامعه آماری یکسان نباشد یا حتی تعریف شاخص‌ها با هم فرق کند. در چنین شرایطی، شباهت ظاهری دو عدد می‌تواند به مقایسه‌ای اشتباه منجر شود.
برای همین، قرار است اطلاعات مربوط به منبع و دوره زمانی داده، همراه با خود عدد قابل دسترسی باشند.
نحوه رفتار عامل هوش مصنوعی با سوال‌های کاربران
یکی از بخش‌های مهم طراحی چنین سیستمی، نحوه رفتار آن در مواجهه با سوال‌هایی است که پاسخ روشنی در داده‌ها ندارند.
در یک رابط مبتنی بر هوش مصنوعی، همیشه این خطر وجود دارد که سیستم برای ارائه یک پاسخ کامل، فراتر از اطلاعات موجود حرکت کند. در یک گزارش داده‌محور، چنین رفتاری می‌تواند مسئله‌ساز باشد.
اگر داده موجود برای پاسخ به یک پرسش کافی نیست، اعلام همین محدودیت دقیق‌تر از ارائه توضیحی است که ظاهر مطمئن دارد اما بر داده گزارش متکی نیست.
در نسخه نهایی، معیارهایی مانند تطابق عددهای پاسخ با گزارش اصلی، ارجاع درست به منبع و رفتار سیستم در مقابل پرسش‌های فاقد داده کافی، بخشی از ارزیابی تجربه خواهند بود.
در واقع کیفیت این محصول تنها به این وابسته نیست که «چقدر پاسخ می‌دهد»، بلکه به این هم بستگی دارد که در چه مواقعی از نتیجه‌گیری خودداری می‌کند.
داده ایران در کنار روندهای بازار جهانی
بخشی از پایگاه دانشی قرار است داده‌های داخلی را در کنار روندهای جهانی قرار دهد.
موضوعاتی مانند استفاده از هوش مصنوعی در تولید محتوا، Search، Measurement یا تجربه مشتری در بسیاری از بازارها مطرح شده‌اند. با این حال، مشاهده یک روند جهانی به معنای تکرار دقیق همان روند در بازار ایران نیست.
اگر Benchmark خارجی با داده داخلی قابل مقایسه باشد، می‌توان از آن برای ساختن زمینه استفاده کرد. اما اگر بازه زمانی، تعریف شاخص یا جامعه آماری متفاوت باشد، این اختلاف باید در تفسیر نتیجه دیده شود.
گاهی پاسخ دقیق این است که دو داده را نمی‌توان مستقیما با یکدیگر مقایسه کرد.
در یک پایگاه دانشی که چند منبع مختلف را کنار هم می‌گذارد، همین محدودیت بخشی از اطلاعات مفید برای کاربر است.
تعاملی بودن گزارش به معنای داده لحظه‌ای نیست
نسخه اولیه این پایگاه دانشی قرار است در ۲۰ مهر ۱۴۰۵ منتشر شود و در ادامه، با اضافه شدن گزارش‌ها و داده‌های تازه توسعه پیدا کند.
اما تعاملی بودن این تجربه نباید با Real-Time بودن داده‌ها اشتباه گرفته شود.
هر Dataset مربوط به دوره مشخصی است و همان دوره باید در کنار پاسخ دیده شود. ممکن است اطلاعات جدید در آینده به پایگاه اضافه شوند، اما هر عدد باید همچنان در زمینه زمانی منبع خود خوانده شود.
به همین دلیل، زمان آخرین به‌روزرسانی منبع یکی از اطلاعات مهم در تجربه نهایی خواهد بود.
کاربر باید بداند داده‌ای که می‌بیند متعلق به چه زمانی است و آیا عدد موردنظر مربوط به آخرین گزارش موجود در پایگاه است یا نه.
یک گزارش، چند مسیر استفاده
کارکرد این پایگاه برای همه کاربران یکسان نیست.
یک مدیر بازاریابی ممکن است از مقایسه صنایع شروع کند. متخصص Performance سراغ نرخ کلیک، نصب و تبدیل برود. تحلیلگر داده ممکن است پیش از هر چیز تعریف شاخص و منبع آن را بررسی کند. مدیر کسب‌وکار هم می‌تواند بخواهد داده داخلی را در کنار یک روند خارجی قرار دهد.
در همه این سناریوها، گزارش یکسان است اما نقطه ورود متفاوت می‌شود.
این همان چیزی است که نسخه تعاملی را از یک فایل خطی جدا می‌کند. کاربر لازم نیست ترتیب فصل‌ها را دنبال کند؛ می‌تواند از مسئله‌ای که برایش اهمیت دارد وارد شود و سپس به داده‌های مرتبط برسد.
نسخه اولیه این پایگاه از ۲۰ مهر ۱۴۰۵ توسط تپسل در دسترس قرار خواهد گرفت. کیفیت نهایی این تجربه را می‌توان با یک معیار ساده سنجید: آیا کاربر فقط یک پاسخ دریافت می‌کند، یا می‌تواند مسیر آن پاسخ را تا داده، منبع و محدودیت‌هایش دنبال کند؟
