امروز داشتم گزارش حمید طهماسبی دربارهٔ «آگاهی از برند» خدمت از ما را می‌‌خواندم. هم به‌خاطر دوستی نزدیک من و حمید و ارادتم به حبیب، و هم علاقه‌ام به خدمت از ما، معمولاً هر چیزی که حمید و حمید دربارهٔ خدمت از ما می‌نویسد می‌خوانم (بچهٔ دوستِ آدم، مثل بچهٔ خود آدم، دوست‌داشتنی است). در گذشته هم دربارهٔ خدمت از ما در روزنوشته زیاد حرف زده‌ایم (مثلاً اینجا).
دیدم خروجی‌ای که چت جی پی تی به حمید داده اشتباه است. نه اینکه عددها اشتباه باشند، بلکه جواب اساساً اشتباه است. تقریباً شبیه این شده که بپرسیم «قد محمدرضا چقدر است؟» و جواب بگیریم: «حدود ۲۰۰ گرم. البته کمی بیشتر. حدود ۲۵ ثانیه بیشتر از ۲۰۰ گرم».
گفتم فرصت خوبی است از این خروجی برای یادآوری یک نکتهٔ آموزشی استفاده کنم. من البته دربارهٔ جایگاه برند خدمت از ما در ذهن مشتریان با حمید هم‌نظر هستم که خدمت از ما جایگاه بسیار بالایی دارد (توضیحاتم در پایین همین نوشته را بخوانید). بنابراین حرفم در مورد حمید یا خدمت از ما نیست. دربارهٔ چت جی پی تی و به‌طور کلی هوش مصنوعی مولد است. این نوشته‌ام را از جنس یک کامنت در متمم ببینید.
آگاهی از برند چیست؟ آیا می‌شود برای آگاهی از برند «سهم» تعریف کرد؟
با توجه به این که به اندازهٔ کافی در متمم دربارهٔ آگاهی از برند و حاشیه‌های آن صحبت شده، من در اینجا به اشاره‌ای ساده – به زبان بسیار ابتدایی – بسنده میکنم.
آگاهی از برند یعنی اینکه آیا کسانی که مخاطب برند من هستند، برند من را می‌شناسند؟ می‌دانند چنین برندی وجود دارد؟
این عدد را – در شکلی بسیار ساده‌شده – می‌شود با درصد بیان کرد. مثلاً فرض کنید برند بنز (فرض کنیم در ایران حرف می‌زنیم که برند بنز جا افتاده و نه مرسدس) مخاطب خودش را آن دسته از مردم ایران در نظر می‌گیرد که ماهانه حداقل ۱۰۰۰۰ دلار درآمد دارند. سوالی که برای بنز مطرح است این است که چند درصد از این گروه از آدم‌ها می‌دانند که چیزی به اسم «بنز» در جهان وجود دارد؟ احتمالاً جواب، نزدیک ۱۰۰٪ است.
حالا به این سوال فکر کنید. آگاهی از برند «پراید» در میان مخاطبان بنز چقدر است؟ باز هم نزدیک ۱۰۰٪. کدام ایرانی است که نداند خودرویی به اسم پراید وجود دارد؟
اما احتمالاً بعضی از برندهای چینی که به تازگی وارد بازار کشورمان شده‌اند، چنین وضعی ندارند. مثلاً به برند خودرو فونیکس فکر کنید. چند درصد از همان گروه مخاطب، خودرو فونیکس را می‌شناسند؟ هر قدر باشد، ۱۰۰٪ نیست. ما نمی‌دانیم برند فونیکس کدام گروه از مخاطبان را هدف قرار داده. اما اگر – با ساده‌سازی – فرض کنیم کل ایرانیان بالای ۱۸ سال را هدف قرار داده می‌توانیم سه برند پراید، بنز و فونیکس را با هم اینطور مقایسه کنیم:
آگاهی از برند پراید: نزدیک ۱۰۰٪
آگاهی از برند بنز: نزدیک ۱۰۰٪
آگاهی از برند فونیکس: (فرضاً) ۱۰٪
پس اولین جایی که تحلیل ما اشتباه می‌شود این است که این سهم‌ها را با هم جمع بزنیم و برای هر کدام درصد حساب کنیم. یعنی بگوییم سهم آگاهی از برند بنز مثلاً ۴۸٪. سهم آگاهی از برند پراید ۴۸٪ و سهم آگاهی از برند فونیکس ۴٪. با این محاسبه، هر برند جدیدی به بازار اضافه شود، سهم آگاهی از برندهای قبلی کاهش پیدا می‌کند. در حالی که این شاخص، یک شاخص کلی است. درست مثل قد.
قد من هر چه هست، قد حمید هم هر چه هست، مال خودمان است. اضافه شدن نفر سومی به جمع دوستی‌مان، «سهم قد» من و حمید را کاهش نمی‌دهد.
حالا جمع کردن «آگاهی از برند» و «اعتماد به برند» دیگر واقعاً جمع کردن «گوسفند» و «پرتقال» است. ما الان اعتماد به برند بنز را با ۱۰۰٪ آگاهی از برند بنز جمع بزنیم (يا با هر روشی، وزن بدهیم و ترکیب کنیم) و بعد ۱۰۰٪ آگاهی از برند پراید را هم با اعتماد به برند پراید جمع بزنیم، واقعاً به چه نتیجه‌ای می‌رسیم؟ جمع زدن که بی‌منطق است. اما علاوه بر منطق غلط، بنز در این معامله ضرر می‌کند. چون مثلاً اگر فرض کنیم اعتماد ۸۰٪ به بنز و ۲۵٪ به پراید وجود دارد، چرا باید ۱۰۰٪ به هر کدام اضافه کنیم و حالا ۱۸۰ را با ۱۲۵ مقایسه کنیم؟ (هر روش ترکیب غیرخطی دیگر هم، چنین دردسری دارد).
علاوه بر اینها وقتی از آگاهی از برند حرف می‌زنیم، توجه‌مان به دو عامل یادآوری برند (brand recall) و تشخیص برند (brand recognition) است. اما اینکه این دو را به چه ترتیبی کنار هم بگذاریم و اهمیت نسبی‌شان چقدر است، ماجرای مهمی است که نمی‌شود به آن بی‌توجه بود.
حالا همهٔ اینها را گفتم. مشکل اصلی این نیست. چیز دیگری است. اینکه چت‌جی‌پی‌تی گوسفند و پرتقال و مغز گردو را با هم جمع بزند و رتبه‌بندی کند، اشتباه است. اما این اشتباه را وقتی می‌شود تحمل کرد که کارشناس واحد بازاریابی یک شرکت انجام دهد.
نتیجهٔ چت‌جی‌پی‌تی یک پله افتضاح‌تر است. چون اساساً وقتی می‌گوییم آگاهی از برند، باید برویم از «آدم‌ها» بپرسیم که ببینیم ما در ذهن‌شان هستیم یا نه. روش سنجش آگاهی از برند، پرسشنامه و survey است.
الان اگر از چت جی‌پی‌تی بپرسیم چنددرصد از معده‌های ایرانی در این لحظه با هندوانه پر شده، چه جوابی خواهد داد؟ هر چه بگوید غلط است. این هم از همان جنس است.
در واقع، نه فقط چت‌جی‌پی‌تی پنج با اکانت پریمیوم، بلکه اگر روزی چت‌جی‌پی‌تی پنج‌هزار بیاید و اکانتش ماهانه یک میلیون دلار قیمت داشته باشد، حتی نباید برای تایپ این سوال و پرسیدنش از چت جی پی تی وقت بگذاریم (برخلاف بعضی سوال‌های دیگر که اول می‌پرسیم، سپس دربارهٔ توانایی یا ناتوانی چت‌جی‌پی‌تی قضاوت میکنیم).
توضیحی دربارهٔ Brand Mention (اشاره به برند)
ممکن است کسی بگوید برای من brand mention مهم است. یعنی برایم مهم است که چقدر در دنیای وب از من اسم می‌برند. اگر چنین منظوری وجود داشته باشد، LLMها تا حدی به‌کار می‌آیند (به عللی که جایش اینجا نیست، حتی در مورد brand mention، فعلاً که ما با هم حرف می‌زنیم، سرویس‌های تخصصی تحلیل شبکه‌های اجتماعی بهتر از LLMها هستند. اما احتمالاً در آیندهٔ نزدیک، جواب LLMها هم قابل‌اتکا خواهد شد).
اما اینکه برند منشن را هم «به تنهایی» شاخص مناسبی برای سنجش جایگاه برند در نظر بگیریم اشتباه است. چند وقت پیش، نام برند Astronomer همه‌جا شنیده شد و برند منشن آن به اوج رسید. الان کسی این برند را یادش هست؟ (خودتان یادتان هست؟). استرونومر همان شرکتی است که مدیرعاملش مدیر منابع انسانی‌اش را وسط کنسرت coldplay می‌بوسید و دوربین‌ها روی آن‌ها رفت. نشر خبر، باعث ذکر شدن برند استرونومر در شبکه‌های اجتماعی شد.
منظورم این است که برند منشن، همان‌قدر که از اعتبار یا بی‌اعتباری برند نشأت می‌گیرد، با جوراب پاره یا مشاهده شدن لباس زیر مدیرعامل هم بالا می‌رود! البته که برند منشن را معمولاً با «تحلیل احساسات / sentiment analysis» همراه می‌کنند تا نتایجش بهتر باشد. اما آن‌جا هم خطاهای بسیار زیادی وجود دارد که باید جداگانه به آن پرداخته شود.
تنها جایی که شاید سنجش و پایش برند منشن واقعاً ارزش دارد، زمانی است که یک کمپین تبلیغاتی اجرا می‌شود و می‌خواهیم ببینیم قبل و بعد کمپین (و در طول کمپین) چه اتفاقی افتاده.
ما به تئوری، شاخص و چارچوب‌های جدید نیاز داریم
الان اگر در کلاس درس بودیم، باید میلاد موقتی را صدا می‌کردم و می‌گفتم: میلاد. اینجا را خوب گوش بده. منظور من از «فهم تئوریک» و «خلاء تئوریک» این است (در ادامهٔ ماجرای گفتگوهایم با میلاد زیر بحث نظم جهانی). البته اینجا ما با خلاء تئوریک در سطح جهانی روبه‌رو هستیم و نه فقط در ایران.
با توجه به گسترش روزافزون مدلهای زبانی و با توجه به تنوع سوال‌هایی که می‌شود دربارهٔ یک برند از مدلهای زبانی پرسید، متخصصان برندسازی باید به‌تدریج چارچوبی تعریف کنند که توضیح دهد:
یک مدل زبانی خاص، چقدر یک برند مشخص را به یاد می‌آورد؟ آن برند را چقدر خوب تشخیص می‌دهد؟ چه تصویری از آن برند در ذهن خودش دارد؟ چقدر به آن برند اعتماد می‌کند؟ چه برندهایی را رقیبش می‌داند؟ جایگاه برند را در مقایسه با برندهایی که رقیبش می‌داند، چگونه ارزیابی می‌کند؟
علاوه بر این، به چارچوبی نیاز داریم که جایگاه یک برند را در ذهن مدلهای زبانی مختلف با یکدیگر مقایسه کند.
روند چنین کاری، شبیه طراحی همین بنچمارک‌هایی است که الان برای محاسبات ریاضی و حل مسئله به‌کار می‌رود. یعنی فقط نمی‌شود با یک پرامپت‌نویسی معمولی، سر و ته قضیه را جمع کرد. باید یک فرایند دقیق، مشخص، قابل‌دفاع و قابل‌اتکا برای این کار تعریف شود.
تأکید میکنم که «روند و فرایند» این کار شبیه بنچمارک ساختن است، نه اینکه ماهیت آن یکسان باشد. ما در بنچمارک ساختن، یک مسئله‌ی استاندارد طراحی میکنیم و توانایی LLMها را در حل آن مسئله مقایسه میکنیم. در اینجا باید یک پرامپت استاندارد (یا احتمالاً prompt chain استاندارد) طراحی کنیم و عملکرد هر برند را به این شکل بسنجیم که چه جایگاهی در خروجی آن پرامپت دارد. در واقع:
Instead of measuring performance of LLMs against a standard problem, we move towards measuring the performance of brands against a standard prompt.
چنین کاری را باید دانشمندان یا متخصصان یا فعالان (practitioners) در حوزهٔ برندسازی انجام دهند. اما اغلب آن‌ها اگر هم به سراغ هوش مصنوعی آمده‌اند، فعلاً در همین حد کار می‌کنند که «بیا بهت چند تا پرامپت خوب بگم که …». و دقیقاً پرامپت‌ها و سوال‌هایی را پیشنهاد می‌‌دهند که پاسخش، شبیه همین موردی که بررسی کردیم، هرچه باشد، غلط است.
توضیح وسط بحث: من در این چند وقت، نمونه‌هایی بسیاری از پرامپت‌هایی که علاقه‌مندان مدیریت در شبکه‌های اجتماعی منتشر کرده‌اند دیده‌ام و اغلب آن‌ها دچار خطاهای مفهومی (شبیه همین آگاهی از برند) بوده‌اند. یعنی، صادقانه بگویم، حداقل خودم تا امروز پرامپتی ندیده‌ام که بگویم منطق آن درست بود (نمی‌گویم نیست. اما من ندیدم). پایان توضیح وسط بحث.
این نکتهٔ واضح را هم بگویم که این نوع بنچمارکینگ و مدل‌سازی را نمی‌شود با خود LLM انجام داد. یعنی نمی‌توانیم بگوییم چت‌جی‌پی‌تی، من فهمیده‌ام که باید یک بنچمارک برای سنجش برندها در مغز مصنوعی تو طراحی کنم، پس لطفاً خودت به من کمک کن. اینجا به «مغز انسانی» نیاز داریم.
مدل زبانی با مدل مفهومی و مدل فیزیکی و مدلهای دیگر فرق دارد
مدلهای زبانی یک «مدل» از جهان می‌سازند. این مدل، همان‌طور که اسمش روی آن است، یک «مدل زبانی» است، نه یک مدل فیزیکی یا مدل منطقیی یا مدل مفهومی. به همین علت، اگر به چت‌جی‌پی‌تی بگوییم سهم آگاهی از برند بنز و پراید و فونیکس را مقایسه کن، می‌گوید: «به‌به. چه سوال خوبی. تو چقدر می‌فهمی. تو چقدر تیزهوشی.» و بعد با خیال راحت، چند درصد استخراج می‌کند و می‌گوید. و اصلاً متوجه نمی‌شود که «آگاهی از برند» سهم ندارد. همان‌طور که سهم از «قد» و سهم از «وزن» نداریم. هر کس وزن و قد خودش را دارد و قد و وزن گرفتار محدودیت جمع ثابت نیستند (بر خلاف سهم بازار).
آيا واقعاً خروجی LLMها برای آگاهی از برند به هیچ درد نمی‌خورد؟
یعنی واقعاً جواب چت‌جی‌پی‌تی دربارهٔ آگاهی از برند حتی یک ریال هم ارزش ندارد؟
بله. ندارد. جواب چت‌جی‌تی‌تی در مورد آگاهی از برند جزو معدود چیزهایی در جهان است که ارزشش از واحد پول جمهوری اسلامی هم کمتر است (حتی اگر بیش از این به مسئولین کشور فرصت بیشتر دهیم تا پول ملی‌مان را ضعیف کنند).
البته اگر صرفاً بخواهیم گزارشی منتشر کرده و از کنار آن عبور کنیم، هیچ مشکلی پیش نمی‌آید. اما کاربرد واقعی «آگاهی از برند» حال‌گیری از رقبا نیست. اساساً ماهیت آگاهی از برند، چندان رقابتی نیست (برخلاف شاخص‌هایی مثل سهم بازار که ماهیت رقابتی دارند).
آگاهی از برند یک شاخص عملکردی است. یعنی ما آن را اندازه‌گیری میکنیم، برایش هدف تعریف میکنیم، یک سیستم کنترل مدیریتی برایش طراحی میکنیم، مدام به پایش آن مشغول می‌شویم، و آن را در بخشی از استراتژی خود می‌گنجانیم.
ضمناً این شاخص عملکردی برای پلتفرم‌ها دو وجه مختلف هم دارد. چون پلتفرم (در مورد سرویسی مثل خدمت از ما) دو-وجهی است (تعریف پلتفرم): یک وجه آن مشتریان هستند و وجه دیگر خدمتدهندگان.
یعنی یکی از سوال‌هایمان این است که چند درصد از مشتریانِ آنلاین خدمات، خدمت از ما را می‌شناسند؟
و سوال دوم‌مان این است که چند درصد از خدمت‌دهندگانی که دوست دارند خدمات خود را در پلتفرم‌های آنلاین عرضه کنند، می‌دانند که چیزی به اسم خدمت از ما وجود دارد؟
این دو وجهِ آگاهی از برند به‌شدت به هم قلاب (couple) شده‌اند. «یکی از» مهم‌ترین علل رو آوردن به یک پلتفرم یا روگردانی از یک پلتفرم این است که خدمتدهندگان خوبی در آن هستند یا نه. و اینکه بهترین خدمتدهندگان عضو پلتفرم شوند، به عوامل متعددی «از جمله» آگاهی از برند بستگی دارد.
جدا از این، موضوع دیگری هم هست. در سمت مشتری، TOM Awareness بسیار مهم است (top of the mind awareness). یعنی مهم است وقتی کسی می‌خواهد خدمت بگیرد، اولین برندی که یادش می‌آید چیست (و چندان مهم نیست که برندهای دیگر را می‌شناسد یا نه). اما در مورد ارائه‌دهندهٔ خدمات، چنین محدودیتی کمتر است. چون او ممکن است هم‌زمان مشخصات خود را در چند پلتفرم ثبت کند (تا جایی که می‌دانم، قانون یا فرایندی برای انحصار در این زمینه وجود ندارد).
بنابراین اگر منِ نوعی خدمات تعمیر کولر ارائه دهم، خیلی مهم نیست که خدمت از ما برای من در سطح TOMA هست یا نه. مهم این است که صرفاً Brand Recall وجود داشته باشد و یادم بیاید که چیزی به اسم خدمت از ما هست. اما من مشتری که کولرم خراب است، مهم است خدمت از ما را در سطح TOMA در ذهن داشته باشم.
حالا فرض کنیم بپذیریم که واقعاً آگاهی از برند برای ما مهم است. و فرض کنیم که استراتژی ما افزایش آگاهی از برند است. حالا برنامه‌های عملیاتی تهیه میکنیم. فرضاً می‌گوییم اگر شما اپلیکیشن ما را به کسی معرفی کنید، پس از نصب و اولین استفاده، به شما تخفیف یا امتیاز می‌دهیم.
شاخص موفقیت چنین کمپینی، میزان آگاهی از برند است. چرا؟
چون – به فرض موفقیت کمپین – هر کس یقهٔ دوست و آشنا و فامیل را می‌گیرد که اگر خواستی سرویس بگیری، خدمت از ما را نصب کن. عده‌ای نصب می‌کنند، عده‌ای هم نصب نمی‌کنند. اما لااقل می‌شنوند که چنین چیزی وجود دارد. بنابراین آگاهی از برند افزایش پیدا می‌کند.
پس اگر به روشی از جامعهٔ هدف خود نمونه بگیریم و آگاهی از برند را بسنجیم، می‌توانیم موفقیت کمپین را برآورد کنیم.
علاوه بر این، یادمان نرود که «آگاهی از برند» اولین بخش از یک قیف چندمرحله‌ایِ تبدیل مخاطب به مشتری است که البته این قصهٔ دیگری است و ربطی به بحث ما نداد.
پی‌نوشت: در بخشی از نوشته، توضیحی دربارهٔ world model و تفاوت آن با language model نوشتم. اما حس کردم «بهترین مثال» اینجا نیست و مبهم و گیج‌کننده می‌شود. آن را می‌گذارم تا بعداً در مطلب مستقلی توضیح دهم و بگویم چرا من منتظر هستم موج LM و LLMها کمی بخوابد و موج شگفت‌انگیز بعدی هوش مصنوعی، یعنی WM و LWM بالا بیاید (world model و large world model).
تذکر و یادآوری مهم
نکته‌ای را که در ابتدای این نوشته آوردم دوباره تکرار میکنم:
من دربارهٔ اینکه وضع «خدمت از ما» از نظر آگاهی از برند خوب است، کاملاً با حمید هم‌نظر هستم. حداقل چیزی که می‌توانم با اطمینان بگویم این است که مشاهده‌های میدانی خودم هم این را تأیید می‌کند؛ یعنی خدمت از ما معمولاً یکی از دو اسمی است که برای استفاده از خدمات آنلاین منزل از دوست و آشنا می‌شنوم. اغلب این افراد کسانی هستند که از دوستی من و حمید و حبیب و تعصب من روی خدمت از ما خبر ندارند (= مطمئنم به‌خاطر دلخوشی من اشاره نمی‌کنند).
بنابراین بحثم صرفاً در مورد «روش سنجش» است و نه موضوع و محتوای آن.
این مطلب من رو به اهمیت کلمه نزدیک کرد که حتی در استفاده از هوش مصنوعی هم ممکنه نتیجۀ نهایی رو به طور کامل تباه بکنه.
آگاهی از برند هم دقیقاً به کلمه برمی‌گرده؛ خودروی چینی چانگان رو من تا دو روز پیش نمی شناختم به اسم و ظاهر؛ ولی وقتی جایی صحبتی شد و این اسم رو شنیده بودم، دوباره بهش توجه کردم؛ اما بار سوم شخصی اومد اشاره‌ای کرد که: من یک بار با رنوی مدل ۷۳ رفتم جایی و نگهبان دم در، سوال پیچم کرد و کلی معطلم کرد؛ یک بار هم با چانگان! نگهبان اصلاً جلو نیامد و احترام با دست گذاشت که یعنی: بفرمایید!
این اون اتفاقی هست که در برند می‌افته. تأکید روی کلمۀ برند دارم؛ چون خیلی‌ها آگاهانه یا ناآگاهانه برند رو به جای نام تجاری به کار می‌برند که کاملاً نادرست هست.
بارها پیش آمده که گفته‌ام: برند شدن یک محصول یعنی موفقیت یک نام تجاری.
ما هزاران و میلیون ها نام تجاری در دنیا داریم؛ اما برند اینطور نیست؛ پراید یک برند بین المللی و حتی داخلی هم نیست از نظر کیفیت بالا و محصولی مطمئن؛ اما بنز بدون شک برند هست! بله ؛ ممکنه پراید در کلمه ای مانند "ارزان" یا "بی دردسر" برند شده باشه؛ اما در کنارش برندهای دیگری رو به دوش می کشه که شخصیت برند شدن به معنی حرفه ای رو ازش گرفته.
آگاهی از برند هم دقیقاً چنین ماجرایی داره: مشتری ما قراره از کدام ابعاد محصول آگاه بشه که ما به اون قسمت محصول، معروف و محبوب بشویم؟
و اینجاست که رویکرد مدیران ارشد هر کسب و کار و بیزینس، خودش رو در متن و محتوای لایه های مختلف یک بیزینس یا سازمان نشون می ده؛ چه یک محصول صنعتی باشه و چه یک محصول خوراکی.
نگرش مدیریتی در برندسازی رو نباید دست کم گرفت.
تشکر از استاد شعبانعلی بابت این یادداشت
مچکرم محمدرضا؛
بابت وقت و انرژی ایی که برای این محتوا گذاشتید و توضیحات جامعی که دادید .
ممنون که با نوشتن در مورد خدمت از ما ، حس خوبی به من و سایر اعضای منتقل میکنید و چقدر خوشحال کننده بود بخش آخر نوشته ی شما که تصدیقی شد برای ارزیابی برند خدمت از ما ، برندی که تلاش کرد با یادگیری و توجه به نکاتی که شما همیشه در وبسایت و متمم نشر دادید، ارگانیک توی مسیر خودش حرکت و رشد کنه.
حبیب. ممنون که با دقت و حوصله و با نگاه مثبت می‌خونی.
معلومه که خدمت از ما برای من مهمه. مثل همهٔ کارهای دیگه‌ای که تو و بقیهٔ بچه‌های جمع‌مون انجام می‌دید.
با وجودی که در توضیح برای حمید نوشتم، دلم می‌خواد تکرار کنم که من دو تا انگیزه داشتم از طرح این بحث.
اولیش در ادامهٔ خط مطالبی که من گاه‌و‌بی‌گاه دربارهٔ هوش مصنوعی مولد می‌نویسم که به نظرم به شناخت بهتر قوت و ضعفش کمک میکنه.
و دومی که مهم‌تره، من همیشه نگرانم که مبادا جایی به یه شاخص استناد کنیم و بعداً گرفتار بشیم. مثلاً چون Tweak کردن و دستکاری Gen AI خیلی ساده است (من در موضوعات دیگه تست کرده‌ام و الان جاش اینجا نیست) یکی دو هفته وقت بذاره و به جایی برسه که وقتی دربارهٔ یه برند از اینها می‌پرسیم، سهم بسیار ناچیز یا حتی صفر رو در موردش برآورد کنن.
خوش‌بختانه الان خوره‌های Gen AI افتاده‌ان به جون تست مدلهای مختلف و هر روز فقط میان از اتفاق‌های تازه میگن. کمی که این تب بخوابه، بازی بعدی شروع میشه. خیلی مهمه از حالا جا بیفته که اگر چند وقت دیگه چت جی پی تی یا گراک یا دیگران اومدن گفتن فلان برند اصلاً وجود نداره، یا افتضاحه، ما از قبل جا انداخته باشیم که کاملاً چنین خطاهایی در اون‌ها بدیهیه.
روزی که اینها در مورد ما خطا کردن، خیلی دیره که بیایم و تازه بگیم اعتبار ندارن.
یه خاطرهٔ پرت هم برات بگم (صرفاً برای اینکه جوابم طولانی‌تر شده باشه. وگرنه ربط چندانی به کل ماجرا نداره).
چند وقت پیش رفته بودم سوپرمارکت محل‌مون یه چیزایی بخرم. تا من رو دید به یه مشتری دیگه گفت: این آقا باشرف‌ترین آدم محله. شما نمی‌دونی. من دیده‌ام که میگم. هر چی بگم کم گفته‌ام و …
اتفاقاً چند روز بعد داشتم با مدیر ساختمون‌مون حرف می‌زدم. گفت سر کوچه رفتم خرید. فلانی چقدر از شما تعریف کرد. گفتم «ببین. اون در مورد همه می‌گه. خبر نداری. من یه بار اونجا بودم دیدم در مورد چند نفر گفت. ممکنه حجم خریدم کم بشه برعکسش رو بگه).
مدیر ساختمون خندید و گفت: «آهااان. ولی خب شما هم آدم خوبی هستی.» رد شد رفت.
من نه‌تنها اونجا حاضر نشدم اون تعریف رو در مورد خودم بپذیرم، حتی حاضر نیستم جایی در تأیید خودم نقلش کنم. چرا؟
۱) کلمهٔ شرف کلاً بی‌معنیه. یعنی چی؟ چیکار کنی باشرف بشی؟ چیکار کنی بی‌شرف بشی؟ چیکار کنی که مثلاً شرفت به نسبت دیروز ۱۰٪ بیشتر بشه؟ (وقتی می‌گه باشرف‌ترین، تلویحاً انگار یه معیار برای اندازه‌گیری توی ذهنش هست که یکی دیگه دوم شده!). کلاً اگر شرافت تعریف داشت، راحت خرجش نمی‌کردن (مثل زیدآبادی که اصلاح‌طلب‌ها بهش میگن شرف اهل قلم. خب چیکار کرد که همهٔ اهل قلم پایین‌تر از این قرار گرفتن و مجبور شدن شرافت حرفه‌شون رو از این بگیرن؟).
۲) آدمی که این‌طوری راحت چنین صفتی رو بر اساس مشاهدهٔ بسیار محدود و نامربوط خرج میکنه (احتمالاً شب دیده من دارم به حیوونا غذا می‌دم یا دارم با رفتگر محل حرف می‌زنم و یا چیزی از سرایدار ساختمون خودمون یا همسایه‌ها شنیده) پس‌فردا هم با یه چیز دیگه که بشنوه، ممکنه بگه فلانی بی‌شرف‌ترین آدم محله.
من اون‌روز نیستم یا شاید اصلاً این حرفش به گوشم نرسه. اما الان که ازم مثبت می‌گه این فرصت رو دارم که از حرف‌هاش اعتبارزدایی کنم.
پی‌نوشت: واضحه که اگر لطف معقول‌تری داشت، مثلاً می‌گفت «فلانی آدم محترمیه.» من این کار رو نمی‌کردم. اما اون‌جور بیان احساسات و برداشت‌ها خیلی خطرناکه. از این‌جور آدم‌ها باید ترسید.
هوش مصنوعی مولد هم مثل سوپرمارکتی محلهٔ ماست. با این تفاوت که قطعاً هوشش اندازهٔ سوپرمارکتی ما نیست و کمتره.
سلام محمدرضا جان
من بر اساس کلیدواژه هایی که که گاه گفته ای (مثلاً همین که سوپری محله ما هوشش از چت جی پی تی بیشتره) علاقمند شده ام که نظرات منتقدان LLM ها را دقیق تر بررسی کنم و به برخی سوالات پاسخ دهم از جمله این که در چه مواردی استفاده از این ابزارها مفید است و در چه مواردی مضر است.
ممنون میشم که لطف کنی و چند منبع و مرجع اصلی seminal به عنوان سرنخ تحقیق معرفی کنی.
ارادت
محمدرضای نازنینم
سلام
#عقده‌گشایی
هر کسی سرسوزنی تو رو شناخته باشه، اندازه‌ی من، می‌دونه که تو نیازی به استفاده‌ی آدما از متمم نداری و می‌دونه که گفتنِ اینکه: "من به‌خاطرِ تو میام متمم." تو رو نه خوشحال میکنه، نه ناراحت.
اما نمی‌دونم چرا از دیشب که ایمیل متمم رو به‌خاطر نقضِ قوانین کامنت‌گذاری (درج مطلبِ تولید شده توسط سرویس‌های هوش مصنوعی) دریافت کردم، مثلِ ننه‌مرده‌ها، دل‌نازک شدم.
میدونم و آگاهم که برای تاثیرپذیریِ چنین عمیق، سوزنده و دردناکی از یک ایمیل، بایست که یه هیستوریِ گردن‌کلفت از مشکلاتِ حل‌نشده داشته باشی و میدونم که من نباید محتوای یک ایمیل رو پرسونالایز کنم اما، مغزِ من درحالِ حاضر اینجوری داره فکر میکنه که از تو، و نه متمم، این ایمیل رو گرفته و از جانبِ تو ریجکت شده.
در تمامی کامنتهای اخیری که روی سایت گذاشتم و برای تک‌تک‌شون به معنای واقعی سعی کردم از ناحیه‌ی امنم بیرون بیام، تلاشم بر این بود که خودم چیزی بنویسم که به قول متمم "چکیدهٔ اندیشه و تجربهٔ"ی ناچیزِ من باشه، چون از تو یاد گرفتم که: مهم نیست بد و بی‌کیفیت بنویسم، مهمه که با نوشتن خودمو به فکر و تحلیل کردن، و یاد گرفتن وا‌بِدارم. از همون اول هم قرار گذاشتم هوش مصنوعی رو توی هیچکدوم از نظراتم توی متمم، دخالت ندم، حتی برای چک کردن غلط‌های املایی‌م. حالا متمم همه‌ی اون نوشته‌های من رو پاک کرده، و من رو متهم به توهین و بی‌احترامی به افرادی که برای خوندنِ نوشته‌هام وقت گذاشتن، از جمله تو!
من برگشتم و به تمام کامنتهای پاک‌شده‌م فکر کردم، کامنتهایی که خودت هم خونده بودی، اما واقعیت اینکه هیچکدوم رو مصداق محتوای ایمیلی که برام فرستاده بودن، پیدا نکردم. برای نوشتن یکی از همون کامنت‌ها (مسائل بدتعریف) من دو روز وقت گذاشتم تا بتونم بخشی از کتابی که تو معرفی کرده بودی رو بفهمم. خودم و بقیه میدونیم من چیزِ ارزشمندی برای ارائه ندارم، اما نمی‌دونم چرا انقدر دلم از پاک‌شدنِ نوشته‌هام سوخته 🙂
هیچ‌جا امن‌تر از اینجا و هیچ‌کس امین‌تر از تو پیدا نکردم، که پیشش عقده‌ی دلم رو وا کنم.
ولی جدای از اینها، اینکه نوشته‌های من داره به شکلِ محتوای تولید شده توسط سرویس‌های مولد، شناسایی میشه فکر میکنم نشونه‌ی خیلی بدی باشه. نمی‌فهمم من دارم مثلِ اون فکر میکنم یا برعکس؟ خودم علتِ این شباهت رو تنها می‌تونم به بنجل و دستِ‌چندم بودنِ محتویاتِ افکارم ربط بدم.
سمانه. صادقانه بگم. دو سه خط اول کامنتت رو خوندم و بقیه‌اش رو نخوندم. «از سر ادب و احترام» نخوندم.
«ادب و احترام» به هزاران نفری که در هفته با متمم و پشتیبانیش حرف می‌زنن و بحث‌شون رو اینجا نمیارن و به احترام همکارای خودم که ثانیه به ثانیه مواظبن فشار اضافی از عملیات روزمرهٔ متمم روی من نیاد و بتونم این جمع رو جلو ببرم.
ممنون که درک می‌کنی.
سلام محمدرضا.
تیتر خیلی زیبایی انتخاب کردی. هوش مصنوعی مولد مشتری‌اش را ناراضی نمی‌کند.
من هم تو لینکداین مثل چیزهایی که اشاره کردی، زیاد می‌بینم. مثلاً از LLM می‌پرسن که سهم‌های بورس رو تحلیل کن و بهم پیشنهاد بده چی بخرم! LLM هم قطعاً کسی رو دست خالی برنمی‌گردونه و یه سری سهم پیشنهاد میده؛ ولی ذره‌ای نباید به این حرف‌ها اعتماد کرد.
از این پیچیده‌تر هم هست. چند وقت پیش بهم پروژه‌ای پیشنهاد دادند که ربات وکیل یا قاضی بنویسم که «همیشه» مطابق مستندات جواب بده و هیچ‌وقت توهم نزنه و اگر نمی‌دونست بگه نمی‌دونم. پول خوبی هم می‌دادند ولی ۱۰۰٪ می‌خواستن و ۹۹.۹٪ رو هم قبول نداشتن (هر چند همون ۹۹٪ رو هم نمیشه تضمین کرد).
به نظرم علاوه بر مواردی که گفتی که کلاً نباید ازش سؤال بپرسیم، جاهایی هم که تا حدی تحمل خطا وجود نداره هم نمیشه از LLM استفاده کرد. حداقل با معماری فعلی LLMها همچین چیزی امکان‌پذیر نیست. تهش اینه که چند بار خروجی رو با پرامپت‌های مختلف چک کنیم و یکی دو بار هم بدیم نیروی انسانی چک کنه، ان‌شاءالله که جوابش توهم نباشه.
پی‌نوشت: تولدت رو هم تبریک میگم. میدونم تولدت خیلی زودتر از این حرفاست و شش مهر به دنیا اومدی. ولی گفتم در اولین کامنت بعد از تولدت تبریک بگم. تو این سال‌ها من ازت خیلی چیز یاد گرفتم. خصوصاً در زمینه نوشتن، بسیار تغییر کردم و از آدمی که در چهار سال دانشگاه یک کلمه هم هیچ‌چیزی ننوشتم، به آدمی تبدیل شدم که بر خلاف بقیه، تو همه جلسات یه دفترچه یا نوت جلوم بازه و دارم می‌نویسم.
یه چیز عجیبی هم که شنیدم این بود که گفتی مهر به دنیا اومدی و شهریور برات شناسنامه گرفتن. من مهر به دنیا اومدم و اصلاً نکته‌اش همینه که مهر‌ی‌ها تو کلاس از بقیه بطور میانگین شش ماه بزرگ‌ترن. حدس می‌زنم همین باعث شده بود که با تلاش خیلی کمتر، عملکرد بهتری داشته باشیم. احتمالاً به این خاطر که مغزمون زودتر رشد کرده بود و بزرگ‌‌تر بود. ولی خب حرفم چندان پایه علمی نداره و حدس و گمانه (خلاصه داشتم فکر می‌کردم چه کاری بود و حالا اصلاً چه عجله‌ای برای ورود به مدرسه داشتن).
پی‌نوشت دوم: چند باری دکمه ارسال کامنت رو زدم ولی انگار ثبت نمیشه. تو یکی از گروه‌های تلگرامی، دوستانم یک فیلم سه دقیقه‌ای از رضا عطاران رو گذاشته بودند که خیلی مرتبط با بحثی هست که داشتی. حیفم اومد به اشتراک نگذارم؛ ولی خب ظاهراً با لینک (چه آپارت و چه تلگرام) مشکل داره و از خیرش گذشتم.
سلام
یه استاد موازنه تو شریف داشتیم که همیشه می گفت: علم موازنه برای اینه که اتوبوس- درخت نکنین یعنی دو تا رو با هم در نظر نگیرین
یعنی این دو رو با هم مقایسه نکنین واحد چیزها و سنخیتشون مهمه
ممنونم محمدرضا
مثل همیشه میام و پای صحبت میشینم و یاد می گیرم.
دقیقا با شما هم نظرم که واقعا LLM ها برای خیلی کارها بد هستن و برای یکسری کارها افتضاح و برای برخی موارد بسیار مفید.
انجایی من توانستم اعتماد کنم که دیدم هر ۳ تا بدون تفاوت معنا داری دارند یک چیز رو میگن. اینجا باعث شد که من متوجه ایراد نشوم.
کاملا مفید بود، ممنون.
اما یک سوال برام باقی ماند (اگر هم حواب ندادید اصلا مهم نیست چون برای همین مطلب هم خیلی وقت گذاشتید و زحمت کشیدید). به نظرم عنوان مطلب من اگرعوض شود، کمی بهتر می شود بالاخره این ۳ تا رفتن یک چیزی را برای این برندها مقایسه کردن. شاید همون brand mention یا شاید … (نمی دونم). پس برچه اساس هر ۶ برند مثل هم اولویت بندی شدن؟ هم ترتیب و هم حدودا عددها نزدیک هم هستند. (خصوصا وقتی اعداد نسبتا بزرگ ترند).
مورد بوده که وقتی من مقایسه کردم متوجه شدم که اصلا این جواب قابل اتکا نیست، چون استدلال یا اعداد هر ۳ LLM با هم متفاوت بودند. اما اینجا کمی گیج شدم. شاید هم این از جمله مواردی هست که فقط یک expert متوجه می شود (مثل شما) که بگویند اساسا سوال از این ها اشتباه است.
در پایان باز هم تشکرمی کنم، هر وقت مطلبی را در مورد من یا خدمت از ما می نویسد برایم جایگاه ویژه ای دارد. کسب و کاری که از اول شما در جریان رشد و شکل گیری اش بودید. لطف شما به من و خدمت ازما دراین متن برایم مثل همیشه انرژی بخش بود.
بخش اول
سلام حمید جان. ببخش کمی با فاصله جواب می‌دم. یه مقدار مسائل فنی پشت mrshabanali.com بود که الان وقت شد جمع‌و‌جورش کنم و کامنت بذارم.
کامل می‌فهمم چی می‌گی. وقتی جوابها شبیه میشه، آدم بیشتر اعتماد میکنه. اما نکته‌ای هم که هست اینه که بالاخره اینها همه یه سیستم مشابه دارن. یعنی هم از نظر معماری همهٔ LLMهای فعلی شبیه هم هستن، هم از نظر داده‌ها کم‌و‌بیش شبیه هستن (می‌فهمم دیتاست‌هاشون کاملاً یکسان نیست. اما ذات دیتاست‌ها شبیهه. یعنی محتواها از نظر اعتبار تقریباً هم‌سطح فرض میشن. در حالی که ما آدم‌ها مثلاً بین حرفی که کاپفرر و کاتلر و شعبانعلی دربارهٔ برند می‌زنن تمایز قائل می‌شیم).
یه‌جورایی شبیه اینه که بریم حوزهٔ علمیهٔ قم و بپرسیم: «آیا سیستمی که همهٔ اعضایش پاکدست و سالم باشند و بر اساس قوانین دین اسلام عمل کنند، یک سیستم موفق خواهد بود؟» همه‌شون میگن آره. در حالی که میدونیم جواب «نه» هست. سیستمی موفق خواهد بود که «طراحیِ سیستمیِ درست» داشته باشد.
چی میشه اینها همه‌شون با هم نمی‌فهمن و اشتباه میگن: چون معماری مغزی مشابه دارن و در یک ساختار آموزشی مشابه، روی متن‌های مشابه train شده‌ان.
البته من کلاً یکی از پیشنهادهام اینه که همگرا یا واگرا شدن پاسخ‌های LLMها رو معیار قضاوت دربارهٔ اعتبار جواب نبینیم.
یعنی کاملاً ممکنه جوابها واگرا باشه و یکی از جوابها درست باشه و برعکس (چون سهم randomness و تاریخچه هم در خروجی LLMها ناچیز نیست).
یه مقایسهٔ بسیار خوب – که تو خیلی خوب در اون هم متخصصی – میتونه مقایسهٔ موتورهای جستجو باشه.
موتورهای جستجو سیستم‌های مبتنی بر هوش مصنوعی (و اتفاقاً با معماری deep learning) هستند که یه پرامپت مشخص می‌گیرن (که ما بهش می‌گیم کوئری) و یه خروجی با structure از پیش تعیین شده می‌دن که ما بهش می‌گیم search result.
گاهی اوقات ممکنه در جواب یک کوئری خاص همه‌شون رتبه‌بندی‌های مشابهی در دو سه گزینهٔ اول داشته باشن و گاه ممکنه اینطور نباشه. اما در هر دو حالت، نمیشه با استناد به این شباهت یا تفاوت، دربارهٔ اعتبار پاسخ قضاوت کرد. یعنی تو ممکنه بگی: با وجودی که همهٔ موتورهای جستجو در پاسخ به کوئری «درمان دل درد» فلان سایت رو بالا میارن، من معتقدم اون سایت از هیچ نظر مناسب رتبهٔ اول نیست.
بقیه‌اش رو جدا می‌نویسم که نکته‌ها با هم قاطی نشه.
بخش دوم
در پاسخ به اون قسمت که بالاخره «تیتر مناسب اون مطلبی که تو نوشتی چی میتونه باشه؟» من یه ایده‌های ذهنی دارم. اما تیتر رو نمی‌دونم. حرف‌های خام خودم رو میگم تو احتمالاً بهتر از من بتونی بعداً نظر بدی.
ببین. من فکر میکنم این چیزی که الان آدم‌ها در مورد GEO میگن، Generative Engine Optimization خیلی خیلی ساده‌لوحانه و کودکانه است. نه‌فقط در ایران، کلاً هر جایی که به چشمم خورده. اینکه ما فقط دنبال این باشیم که چهار تا لینک از سایت‌مون توی خروجی‌های LLM بیاد، احمقانه و کم‌خاصیته. خصوصاً اینکه اون لینک‌ها با نرخ بسیار پایینی به کلیک تبدیل میشن (مگر در موارد و شرایط خاص).
به‌نظرم آروم آروم باید یه تعریف جدیدی از GEO شکل بگیره که خیلی گسترده‌تر باشه، اون لینک‌ها رو شامل بشه اما ده‌ها مورد دیگه هم داشته باشه.
GEO رو باید این‌طوری ببینیم که انگار یک «شبهِ‌مغز» وجود داره به اسم Chat GPT یا Grok یا هر چی. ما می‌خوایم این موجود تصویر خوبی از ما در ذهنش داشته باشه. لینک هم نداد نداد. مهم تصویر خوبه.
این تصویر خوب یعنی برند ما رو به صفات خوب بشناسه. یعنی اگر سوالی در مورد برند ما ازش سوالی می‌پرسن، مستقل از اینکه منطق سوال چقدر محکمه، در مورد ما قضاوت خوب داشته باشه و …
همهٔ آدم‌ها نمیان سهم یادآوری برند بپرسن. مثلاً ممکنه یکی بره بپرسه: «این استارتاپ فلان اصلاً سرویس به درد بخوری هست یا سرکاریه؟» اینم یه سواله. میلیاردها سوال در همین حد مسخره از LLMها پرسیده خواهد شد. مهمه که حتی در همین سوال مسخره هم LLMها جواب خوب بدن.
من فکر میکنم در آینده این خودش یه تخصص میشه که چه‌جوری کسب‌و‌کارها این تصویر رو بهینه‌سازی کنن. احتمالاً تکنیک‌های وایت‌هت و بلک‌هت هم پیدا میکنه. مثلاً از LLM سوال بپرسن و اگر جواب نامطلوب داد، امتیاز منفی بدن. یا رپورتاژ بدن اینور اونور که LLM بخونه و در دیتای خودش لحاظ کنه. یا توییت‌های جورواجور بکنن (که نقطهٔ هک بسیار مناسبی برای Grok هست) و …
مشخصاً چیزی که تو پرسیدی و جوابی که گرفتی، «تصویر ذهنی مدلهای هوش مصنوعی از خدمت از ما» هست.
آیا این تصویر مهمه؟ آره. چون ممکنه در آينده معیار قضاوت عده‌ای قرار بگیره.
و مهمه که برای بهینه‌سازیش وقت صرف بشه.
اما یه نکتهٔ ریز هم وجود داره. من اگر صاحب برند باشم، ترجیح می‌دم به شکل پابلیک دربارهٔ این موضوع مطلبی منتتشر نکنم. اما چراغ خاموش چنین چیزهایی رو مانیتور کنم.
علتش هم اینه که ورودی و خروجی و مکانیزم عملکرد LLMها برای ما شفاف نیست. منظورم از ما، من و تو نیست. منظورم خود شرکت‌های ارائه‌دهندهٔ این سرویس‌ها هم هست. سیستم‌های یادگیری توزیع‌شده (شامل شبکه‌های عصبی) نقطهٔ قوت‌شون در این توزیع‌شدگیه. نقطهٔ ضعف‌شون هم همینه که نمیشه منطق کارشون رو استخراج کرد. این چیزی هم که به اسم xAI و Explainable AI میگن، حداقل در شکل فعلی، بیشتر توجیه‌سازی هست (و من فکر میکنم اگر یک سیستم هوشمند روزی به نقطه‌ای برسه که واقعاً بتونه منطقش رو بگه، دیگه اصلاً به درد نمی‌خوره. چون معلومه ظرفیت‌های بزرگی رو از دست داده. انسان بعد از این همه تکامل، هنوز سیستم یک و دو داره. سیستم یک یعنی تصمیم‌گیری بدون توضیح و شهودی. نباید این بخش رو کمرنگ یا حذف کرد یا معماری مغز رو جوری تغییر داد یا ماژولی روی مغز اضافه کرد که سیستم یک رو حذف یا کمرنگ کنه).
خب. وقتی این مکانیزم‌ها برای ما شفاف نیست، فرض کن من الان از چت جی‌پی‌تی بپرسم که «محمدرضا شعبانعلی چه‌جوری فکر میکنه؟ در صد کلمه بگو.»
جوابی که الان بهم داد این بود: «محمدرضا شعبانعلی نظام‌مند، تحلیلی و درعین‌حال تجربه‌محور فکر می‌کند. او پیش از قضاوت، مسئله را می‌کاود، چارچوب می‌سازد و مفاهیم را دقیق تعریف می‌کند. از تضادها و ابهام‌ها نمی‌گریزد، بلکه آن‌ها را مادهٔ خامِ فهم می‌داند. نگاهش ترکیبی از فلسفه، روانشناسی و مدیریت است؛ اما هدفش همیشه «کاربرد در زندگی واقعی» است، نه نظریه‌پردازی صرف. به ظواهر پاسخ‌ها بی‌اعتماد است و بیشتر دنبال سازوکارهای زیرین رفتار انسان و سیستم‌هاست. برای او تفکر یعنی دیدن روابط پنهان، نام‌گفتنی‌کردن تجربه‌ها و ساختن زبان مشترک برای اندیشیدن.»
جواب بدی نیست. وقتی می‌خونم حسم بهش خوبه. اما من ترجیح می‌دم جایی نقلش نکنم یا بهش اشاره نکنم. چون LLM شعور درست و حسابی که نداره. معیارهای شفاف هم نداره. شانسی یه چیز خوبی گفته. کاملاً محتمله پس‌فردا یه چیز دیگه‌ای بگه. چیزی که از کنترل من خارجه (من در چند روز محاله سیستم فکر کردنم تغییر کنه. اما جواب چت‌جی‌پی‌تی و موضعش در مورد من با چهار تا دیتا ممکنه عوض شه).
پس الان بهش ارجاع نمی‌دم تا بعداً هم مجبور نشم دربارهٔ حرف‌های نامطلوبش نظر بدم و از خودم دفاع کنم.
اما اگر اگر اگر من یک «بیزینس» داشتم، مثلاً فرض کن شرکت دیجی‌کالا مال من بود، یه تیم به اسم AI Relations (شبیه Public Relations) درست می‌کردم. یه سندی هم به اسم GEO Directives درست می‌کردم به بچه‌هام می‌گفتم باید کاری کنید که نظر این سیستم‌ها بررسی بشه و مدام دربارهٔ «تصویر ذهنی مدلهای زبانی مولد از برند دیجی‌کالا» به من گزارش بدید (اما در فضای عام، باز هم احتمالاً اشاره نمی‌کردم به نتایج. که اگر این سیستم‌ها یه جایی گند زدند، تبعاتش دامن من رو نگیره. چون حماقت‌هاشون واقعاً از هوشمندی‌شون بیشتره. خود طراحان این سیستم‌ها هم می‌دونن که یه سری «خنگ مصنوعی» دارن تولید می‌کنن. و خیلی بهتره با همون اسم Generative Models جلو برن. اما می‌دونن کسی ترغیب نمیشه با این اسم‌ها سرمایه‌گذاری چندصد میلیارد دلاری بکنه. اینه که دنیا رو با اسم‌های غلط‌انداز و فریبنده سر کار می‌ذارن و به تبعاتی که این روش برای اکوسیستم تکنولوژی در جهان داره فکر نمی‌کنن).
پی‌نوشت: ممنونم که حس من و علاقهٔ شدید من رو به خودت و به خدمت از ما می‌دونی (که البته به هوش زیادی احتیاج نداره و همه می‌دونن😉) و کمک می‌کنی این بحث‌ها شکل بگیره.
سلام محمد رضا
من بواسطه کارم با عدم قطعیت اندازه گیری ها در آزمایشگاهها درگیر هستم. از اندازه گیری درصد نمک و اسیدیته در خیار شور ، درصد چربی در سس ، ویسکوزیته محلول شیمیایی مثل شوینده، مقاومت فشاری بتن بگیر تا سختی یک قطعه فلز ، براقیت رنگ ، تعداد میکروارگانیسم ها در یک ماده غذایی و …
در همه موارد باید منابع خطاها رو شناسایی کرد و بعد از طریق توزیع های آماری کمی کرد و عدم قطعیت های منفرد رو حساب کرد و بعد همه موارد رو باهم ترکیب کرد. یکبار وسوسه شدم تا از چت جی پی تی در خصوص عدم قطعیت اندازه گیری سوال کنم. پاسخ ها ایراداتی داشت مشابه همین ایرادهایی که تو برای آگاهی از برند نوشتی. هم در تشخیص توزیع های آماری برای هر خطا و هم در ترکیب منابع خطاها. جوابها خیلی پرت بود و اگر کسی باشه که بدون معلومات و دانش قبلی فقط بخواد از همین خروجی استفاده کنه نتایج به شدت نامعتبری به دست میاره. باخوندن این مطلبی که نوشتی فهمیدم مشابه این خطا رو در حیطه های دیگه مثل برندسازی هم داره.
یک سوال :
میدونیم ۵ راس گوسفند و ۱۰ کیلو پرتقال قابل جمع نیستند ولی اگر این کالاها رو به واحد پولی تبدیل کنیم میشه با هم جمع کرد.مثلا ۵ گوسفند ۱۰۰ میلیون تومان و ۱۰ کیلو پرتقال هم یک میلیون تومان .حالا میشه این اعداد رو با هم جمع کرد(معادل پولی کالاها) .در واقع میشه گفت پول اقلام و کالاها رو هم بعد و هم واحد میکنه و شاید یکی از دلایل اختراع پول همین بوده تا مبادلات تجاری تسهیل بشه؟یا اصلا کل استدلال من اشتباهه؟
راستی بابت لطفی که به کامنت های من در متمم داری ممنونم.امیدوارم مفید باشه و باعث اتلاف وقتت نشه
سلام.
ببین. من میدونم که احتمالاً توی ذهنت، نمونه‌های متعددی از «هم‌بُعد و هم‌واحد کردن» بوده که «پول» رو به‌عنوان یکی از مصداق‌هاش بیان کردی.
من با همین موضوع پول که گفتی توضیح می‌دم. بعدش ببین اگر می‌تونی توی ذهنت با بقیهٔ مثال‌هایی که اینجا نگفتی تطبیق بدی، که هیچی. اما اگر دیدی مثال دیگه‌ای وجود داره که جنسش فرق داره، اون رو بگو تا در موردش حرف بزنیم.
پول ابزار تبادل ارزشه. این حرفت کاملاً درسته. اما وقتی می‌گیم ارزش، غیر از ارزش مبادله‌ای (exachange value) انواع دیگه‌ای از ارزش هم هست (درس تعریف ارزش متمم). یکی از این انواع ارزش، ارزش استفاده (use value) است که حالا من برای این بحث خاص‌مون اسمش رو می‌ذارم «ارزش کارکردی» یا functional value.
بذار این‌طوری مقایسه‌اش کنیم. مثلاً تو میری رستوران. می‌گی من چلوکباب می‌خوام و سالاد. برات چلوکباب میارن و سالاد نمیارن. و میگن: سالاد نداشتیم. به جاش ۱۰۰ گرم گوشت اضافه گذاشتیم. و همین توضیح تو رو میگن: قیمت‌ها رو حساب کن. پولی که دادی، دقیقاً همون‌قدر غذا تحویل گرفتی.
یا اصلاً به جای کباب، سالاد میارن (چند بشقاب) و میگن ارزشش همونه.
این حرفشون غلط نیست. «ارزش مبادله‌ای» غذاها یکسانه. اما ارزش کارکردی غذاها یکسان نیست. تو می‌خواستی گوشت بخوری و کمی هم کنارش فیبر بخوری یا سبزیجات یا هر اسمی که داره. یا اصلاً می‌خواستی چند طعم مختلف رو تجربه کنی.
اینکه طرف بگه شما A ریال به من پول دادی، A ریال هم سفارشت بوده، من هم اون A رو بهت تحویل دادم کافی نیست.
در مورد آگاهی از برند چنین چیزی وجود داره. یعنی ارزش کارکردی «آگاهی از برند» با ارزش کارکردی مثلاً «اعتماد به برند» یکسان نیست. هم معناشون فرق داره، هم کارکردشون، هم روش افزایش و تقویت‌شون. هم روش سنجش‌شون و …
اما جدا از این، یک مشکل دیگه هم در این مقایسه هست.
اونم اینه که پول جاهایی به کار میاد که برای یه چیزی «بازار / market» وجود داشته باشه. یعنی بشه قیمت‌گذاریش کرد. اون ۵ رأس گوسفند که گفتی رو میشه برد بازار فروخت. اگر پولش رو به من بدی، من میرم ۵ رأس گوسفند دیگه می‌خرم. یا می‌تونم یه کامیون پرتقال رو بدم، چند رأس گوسفند بخرم یا چند رأس گوسفند رو بدم یه کامیون پرتقال بخرم.
این نکته خیلی مهمه.
در مورد آگاهی از برند اینطور نیست. الان فرض کن من «آگاهی از برند» متمم رو به تو بدم. کجا می‌خوای ببری قیمت‌گذاری کنی؟ حالا فرض کن قیمت‌گذاری کردی (با مکانیزم‌های قیمت‌گذاری برند). آیا می‌تونی اون رو تبدیل کنی به «اعتماد برند»؟ یعنی بگی من ۵۰٪ از آگاهی از برند متمم رو کم میکنم، تبدیل میکنم به ۳۰٪ یا ۴۰٪ اعتماد به برند!
این کار با پرتقال و گوسفند شدنی بود. اما با اینها نیست.
فکر کن می‌شد این کار رو کرد. مثلاً حاکم یک کشور میومد می‌گفت: من ۱۰۰٪ آگاهی از برند دارم. هیچ‌کس در کشور نیست من رو نشناسه. میشه این رو بکنید ۶۰٪ بعد بقیه‌اش رو تبدیل کنید به ۴۵٪ اعتماد به برند؟ این‌طوری من می‌تونم خیلی بهتر به مردم حکومت کنم.
می‌خوام بگم اون چیزی که باعث میشه «پول» ارزشمند بشه این نیست که صرفاً یک «نرخ تبدیل / conversion rate» ایجاد میکنه. و تو می‌تونی بگی هر گوسفند چند پرتقال می‌ارزه. این هم هست که «means of exchange / ابزار مبادله» ایجاد میکنه. یعنی می‌تونی بری بگی من اومده‌ام گوسفندم رو بدم پرتقال بگیرم.
در مورد پارامترهایی مثل آگاهی از برند و اعتماد به برند، چنین کاری نمیشه انجام داد. نه میشه اینها رو به هم تبدیل کرد و نه میشه با هم مبادله کرد. علتش هم اینه که اعتبار هر برندی در جهان فقط متعلق به خودشه. یعنی فقط یه دونه ازش در دنیا هست. پس هیچ‌وقت بازار برای مبادلهٔ آگاهی از برند و … شکل نمی‌گیره.
یه نکته رو هم بگم. اونم اینه که توی ادبیات برند زیاد پیش میاد که میگن «آگاهی از برند (brand awareness)» شامل دو بخشه: یادآوری برند (brand recall) و تشخیص برند (brand recognition).
اینجا هم مهمه یادمون باشه که منظور این نیست که این دو پارامتر رو میشه با هم جمع زد یا کنار هم گذاشت. ما داریم از دو «مولفه» حرف می‌زنیم. مثل وقتی که در تست MBBS نگرش پولی حرف می‌زنیم و می‌گیم شش بُعد داره. اونجا هم اون شش بُعد رو «مولفه» می‌بینیم و با هم جمع نمی‌زنیم.
پی‌نوشت: در مورد کامنت‌ها، جدا از این که اخیراً دارم سعی میکنم بیشتر و منظم‌تر کامنتهای بچه‌ها رو بخونم (در تمرین نظم شخصی هم گفتم)، دارم سعی میکنم بعضی از بچه‌ها رو که فعال‌تر هستن، مجموعه کامنت‌هاشون رو با هم بخونم. طبعاً همهٔ کامنت‌ها رو نمیشه خوند. اما همین که بیست سی تا کامنت رو یک‌جا می‌خونم، تصویر خیلی بهتری از مدل ذهنی‌شون در ذهنم شکل می‌گیره.
سلام مجدد
ممنون که وقت گذاشتی و سوالم رو جواب دادی. بسیار آموزنده و مفید بود. به خصوص اینکه پول جایی به کار میاد که مارکت وجود داشته باشه که تا حالا بهش توجه نکرده بودم.
منظور من هم تبدیل آگاهی از برند و اعتماد به برند به یکدیگر نبود(البته با خوندن همین مطلب بالا متوجه شدم)و قبول دارم که اینها هر کدوم مولفه های جداگانه ای هستند( ماهیت و جنس شون متفاوته) .آگاهی از برند یه جور شناخت سطحی است که میتونه بدون تجربه مشتری هم شکل بگیره ( مثل من که هرگز با بنز رانندگی نکردم اما بنز گوشه ای از ذهن من رو به خودش اختصاص داده )ولی اعتماد شناخت عمیق تری است که به نظرم وابسته به تجربه مشتریه (حتی اگر من خودم هم با بنز رانندگی نکرده باشم به تجربه تعداد زیادی از افرادی که بنز داشتند اعتماد میکنم). فکر کردم شاید با یک مفهوم یا یک ابزار(دراینجا پول) میشه اینها رو با هم از طریق اختصاص ضرایب اهمیت ترکیب کرد و یک شاخص جدید ساخت.
مثال دیگه ای که در ذهنم بود معدل گیری بود که در نظام آموزشی متداول هست. اونجا هم با یک مفهومی به نام معدل ، مولفه های ذاتاً متفاوت رو با هم ترکیب میکنیم.مثلاً فیزیک با ضریب ۳، ریاضی با ضریب ۴ و معارف با ضریب ۲ و … دروسی که هیچ ربطی هم به هم ندارند به این ترتیب با هم ترکیب میشن. شاید بگی نمرات فیزیک ، ریاضی و معارف بی بعد و بی واحد هستند.قبول دارم ولی به هر حال از نظر مفاهیم و موضوعات بسیار متفاوت هستند.
آیا میشه برای آگاهی از برند و اعتماد به برند هم از چنین رویه ای استفاده کرد؟
آیا میشه گفت آگاهی از برند و اعتماد به برند خودشون نوعی معدل هستند؟
بازم ممنون
همواره سلامت و برقرار باشی