بسیاری از پروژه‌های نرم‌افزاری با یک ایده آغاز می‌شوند؛ ایده‌ای که در نگاه اول منطقی، جذاب و حتی ساده به نظر می‌رسد. اما فاصله میان داشتن یک ایده و ساختن سیستمی که بتواند یک مسئله واقعی را حل کند، بسیار بیشتر از چیزی است که معمولاً تصور می‌شود.
در تجربه من، یکی از دلایل اصلی شکست یا ناکارآمدی پروژه‌های نرم‌افزاری این است که پیش از شناخت دقیق مسئله، مستقیماً سراغ طراحی راه‌حل و توسعه می‌رویم. این مسئله در پروژه‌هایی که با کمک هوش مصنوعی توسعه داده می‌شوند اهمیت بیشتری پیدا می‌کند؛ زیرا ابزارهای هوشمند می‌توانند با سرعت زیادی کد تولید کنند، اما سرعت تولید کد لزوماً به معنای درک صحیح مسئله نیست.
اگر ندانیم دقیقاً چه چیزی باید ساخته شود، حتی یک خروجی فنی بسیار خوب هم ممکن است مسئله اشتباهی را حل کند.
تفاوت ایده، مسئله، راه‌حل و سیستم
برای شروع هر پروژه باید چهار مفهوم را از یکدیگر جدا کنیم.
ایده تصویری اولیه از چیزی است که می‌خواهیم ایجاد کنیم.
مسئله شرایط واقعی یا نیازی است که باید برطرف شود.
راه‌حل روشی است که برای پاسخ به مسئله انتخاب می‌کنیم.
سیستم مجموعه‌ای از اجزا، کاربران، داده‌ها، فرایندها، قوانین و ارتباطات است که راه‌حل را به شکلی مشخص و قابل اجرا پیاده‌سازی می‌کند.
برای مثال، فرض کنیم ایده ما ساخت یک ابزار هوشمند برای تدوین برنامه بازاریابی کسب‌وکارهاست.
این ایده به‌تنهایی مشخص نمی‌کند ابزار چه اطلاعاتی دریافت می‌کند، چگونه آن‌ها را تحلیل می‌کند، چه کسانی با آن کار می‌کنند، چه خروجی‌هایی ارائه می‌دهد و در صورت ناقص یا متناقض بودن اطلاعات چه اتفاقی می‌افتد. تا زمانی که این موارد مشخص نشده باشند، هنوز تعریف دقیقی از سیستم نداریم.
شناخت مسئله باید از واقعیت کسب‌وکار آغاز شود
در پروژه‌های مشاوره دیجیتال مارکتینگ، من پیش از پیشنهاد هر روش یا تدوین برنامه اجرایی، تلاش می‌کنم شناختی از ماهیت واقعی کسب‌وکار به دست آورم. این شناخت فقط به حوزه فعالیت یا محصولات محدود نمی‌شود. مواردی مانند مدل درآمدی، نوع مشتریان، وضعیت اقتصادی، موقعیت رقابتی، ظرفیت اجرایی، منابع موجود و انتظارات کارفرما نیز اهمیت دارند.
برای مثال، ممکن است دو کسب‌وکار در یک صنعت فعالیت کنند، اما شرایط یکسانی نداشته باشند. یکی فروش خود را عمدتاً از طریق اینستاگرام انجام دهد و دیگری به جستجوی گوگل و وب‌سایت وابسته باشد. بنابراین نمی‌توان صرفاً با شناخت صنعت، یک نسخه ثابت برای هر دو کسب‌وکار تجویز کرد.
در این مرحله باید چند موضوع را مشخص کنیم:
- کسب‌وکار دقیقاً چه محصول یا خدمتی ارائه می‌کند؟
- مشتریان آن چه کسانی هستند؟
- مدل فروش و درآمد آن چگونه است؟
- وضعیت فعلی کسب‌وکار و بازار چیست؟
- رقبای اصلی چه کسانی هستند؟
- چه منابع و محدودیت‌هایی وجود دارد؟
- کارفرما از رشد چه تعریفی دارد؟
پاسخ این پرسش‌ها نقطه شروع شناخت مسئله است، نه پایان آن.
اطلاعات را نباید با واقعیت قطعی اشتباه گرفت
یکی از موضوعاتی که در فرایند شناخت کسب‌وکار اهمیت زیادی دارد، تفکیک نوع اطلاعات است. تمام اطلاعاتی که دریافت می‌کنیم اعتبار یکسانی ندارند. ممکن است بخشی از اطلاعات مستند باشند، بخشی بر اساس مشاهده و تجربه به دست آمده باشند و بخشی دیگر صرفاً فرضیه‌هایی باشند که هنوز تأیید نشده‌اند.
من اطلاعات اولیه را از چند منبع جمع‌آوری می‌کنم:
- کارفرما و اطلاعاتی که درباره کسب‌وکار ارائه می‌دهد.
- دانش و تجربه متخصص.
- تحقیق از مشتریان و مخاطبان منتخب.
- مستندات و اطلاعات موقعیت دیجیتال کسب‌وکار.
- بررسی و تحلیل رقبا.
- تحقیقات میدانی و مشاهدات مرتبط با بازار.
پس از جمع‌آوری، باید مشخص باشد هر داده از چه منبعی آمده، چه زمانی به دست آمده و تا چه اندازه می‌توان به آن استناد کرد. برای مثال، اگر کارفرما معتقد باشد مشتریانش عمدتاً از یک کانال خاص خرید می‌کنند، این گفته یک داده مهم برای شروع تحلیل است؛ اما لزوماً نباید بدون بررسی، آن را واقعیت قطعی در نظر گرفت.
ممکن است تحقیق مخاطبان تصویر متفاوتی ارائه کند. در چنین شرایطی نباید فوراً یکی از دو نظر را کنار بگذاریم. ابتدا باید روش تحقیق و اعتبار اطلاعات را بررسی کنیم. اگر بررسی مجدد نیز همان نتیجه را نشان دهد، یافته تحقیق باید در تصمیم‌گیری لحاظ شود و اختلاف نظر به اطلاع کارفرما برسد.
در مقابل، اگر اطلاعات برای تأیید یا رد ادعای کارفرما کافی نباشد، باید این عدم قطعیت را حفظ کنیم و راهی برای بررسی آن در آینده در نظر بگیریم. به بیان دیگر، اطلاعات نامطمئن نباید به تصمیم قطعی تبدیل شوند، مگر اینکه محدودیت و میزان اطمینان آن‌ها مشخص باشد.
تصمیم تخصصی به معنای نادیده گرفتن نظر کارفرما نیست
کارفرما شناختی از کسب‌وکار، مشتریان، منابع و محدودیت‌های خود دارد که ممکن است در هیچ گزارش بیرونی وجود نداشته باشد. از طرف دیگر، متخصص نیز بر اساس تجربه، تحقیق و شناخت روش‌های تخصصی، دیدگاهی دارد که ممکن است با برداشت اولیه کارفرما متفاوت باشد. بنابراین تصمیم‌گیری باید حاصل بررسی هر دو دیدگاه باشد.
در تجربه من، ابتدا اطلاعات و تحلیل‌ها را بررسی می‌کنیم و بر اساس آن‌ها پیشنهاد تخصصی شکل می‌گیرد. سپس اولویت‌های اجرایی با کارفرما در میان گذاشته می‌شوند. اگر کارفرما با بخشی از اولویت‌ها مخالف باشد، ابتدا باید دلیل مخالفت او را بدانیم. گاهی این مخالفت حاصل اطلاعاتی است که هنوز در اختیار متخصص قرار نگرفته است. گاهی نیز ترجیح تجاری کارفرما با پیشنهاد تخصصی تفاوت دارد.
در این شرایط، لازم است دلایل، محدودیت‌ها و پیامدهای تصمیم توضیح داده شوند. با این حال، مشارکت کارفرما نباید باعث از بین رفتن انسجام برنامه شود. اگر کارفرما بر یک اولویت متفاوت اصرار داشته باشد، می‌توان آن را در محدوده مشخص و برای یک دوره آزمایشی اجرا کرد و نتیجه را به‌صورت مستند سنجید.
این کار به‌جای تبدیل اختلاف نظر به یک بحث بی‌پایان، آن را به فرصتی برای یادگیری و تصمیم‌گیری مبتنی بر شواهد تبدیل می‌کند.
سیستم نباید فقط یک برنامه ثابت تولید کند
کسب‌وکار در یک محیط ثابت فعالیت نمی‌کند. رفتار مخاطبان، رقبا، فناوری، امکانات ابزارها و حتی شرایط اقتصادی تغییر می‌کنند. به همین دلیل، برنامه‌ای که بر اساس اطلاعات امروز تدوین شده است، لزوماً برای چند ماه آینده نیز مناسب نخواهد بود.
در مدل مشاوره‌ای SAG، ضرایب روش‌های بازاریابی بر اساس شرایط کسب‌وکار، تحقیقات اولیه، تجربه تخصصی و ویژگی‌های صنعت تعیین می‌شوند. این ضرایب مجموعاً سهم روش‌ها از بودجه بازاریابی را مشخص می‌کنند و در طول زمان می‌توانند تغییر کنند. اما تغییر شرایط همیشه به معنای تغییر ضرایب نیست.
برای مثال، اگر کسب‌وکاری تصمیم بگیرد شبکه‌های اجتماعی را در اولویت قرار دهد، ممکن است بخشی از فعالیت‌های SEO در خدمت تقویت این کانال قرار گیرد؛ بدون اینکه الزاماً ضریب SEO تغییر کند. در این حالت، ما نحوه اجرای فعالیت‌ها را اصلاح کرده‌ایم، نه لزوماً تخصیص بودجه را.
این تفکیک اهمیت زیادی دارد؛ زیرا یک روش بازاریابی ممکن است علاوه بر عملکرد مستقیم خود، در موفقیت روش‌های دیگر نیز نقش داشته باشد.
موفقیت هر روش را نباید فقط با خروجی مستقیم آن سنجید
یکی از خطاهای رایج در ارزیابی فعالیت‌های دیجیتال مارکتینگ، سنجش هر کانال به‌صورت مستقل و صرفاً بر اساس خروجی مستقیم آن است. برای مثال، اگر SEO باعث افزایش بازدید سایت شود اما فروش مستقیمی از این ورودی ایجاد نشود، نمی‌توان بلافاصله نتیجه گرفت که SEO عملکرد ناموفقی داشته است.
ممکن است کاربر از طریق گوگل با کسب‌وکار آشنا شده باشد، اعتبار آن را در وب‌سایت بررسی کرده باشد و در نهایت از طریق اینستاگرام خرید کند. در این وضعیت، فروش از اینستاگرام اتفاق افتاده است، اما SEO نیز ممکن است در مسیر تصمیم‌گیری مشتری نقش داشته باشد.
بنابراین باید دو سطح ارزیابی را در نظر بگیریم:
- عملکرد مستقیم هر روش بر اساس شاخص‌های متناسب با همان روش.
- میزان مشارکت آن روش در تحقق اهداف کلی کسب‌وکار، حتی اگر این تأثیر غیرمستقیم باشد.
این موضوع به معنای نسبت دادن هر نتیجه مثبت به تمام کانال‌ها نیست. برای ارزیابی درست باید شواهد و ارتباط واقعی میان فعالیت‌ها و نتایج بررسی شوند.
همچنین زمان ارزیابی روش‌ها یکسان نیست. ممکن است نتیجه یک فعالیت تبلیغاتی در مدت کوتاهی مشخص شود، اما برای سنجش اثر محتوای تخصصی یا SEO به زمان بیشتری نیاز داشته باشیم.
مدل باید قابلیت بازنگری و یادگیری داشته باشد
برنامه‌ریزی اولیه تنها نقطه شروع است. پس از اجرا باید اطلاعات جدید جمع‌آوری شوند، شاخص‌ها بررسی شوند و مشخص شود هر روش تا چه اندازه به اهداف موردنظر کمک کرده است.
اگر یک روش به دلیل اجرای ناقص یا همکاری‌نکردن کارفرما نتیجه مطلوبی نداشته باشد، نباید فوراً آن را ناموفق ارزیابی کنیم. اگر روش به‌درستی اجرا شده اما ساختار موردنیاز برای ارزیابی هنوز کامل نشده باشد، ممکن است هنوز زمان قضاوت نرسیده باشد.
در مقابل، اگر روش به شکل مناسب اجرا شده، ساختار لازم برای سنجش عملکرد آن فراهم باشد و نتیجه مطلوب حاصل نشود، می‌توان سهم آن را بازنگری کرد. حتی در صورت موفقیت یک روش نیز ممکن است بخشی از سهم آن به روش دیگری اختصاص داده شود؛ البته بدون آنکه دستاورد قبلی از بین برود.
این تصمیم‌ها باید با توجه به وضعیت جدید کسب‌وکار، عملکرد روش‌ها و فرصت‌های موجود اتخاذ شوند. در نتیجه، مدل تصمیم‌گیری باید بتواند اطلاعات اولیه را به‌روزرسانی کند، عملکرد را بسنجد و برنامه بعدی را بر اساس شواهد جدید تنظیم کند.
جمع‌بندی تخصصی: چگونه تجربه کسب‌وکار را به یک سیستم قابل پیاده‌سازی تبدیل کنیم؟
آنچه در بخش‌های قبل مطرح شد، صرفاً مجموعه‌ای از توصیه‌های مدیریتی نیست. این تجربه‌ها را می‌توان در قالب یک چارچوب منسجم برای تعریف و طراحی سیستم تحلیل کرد.
از دیدگاه مهندسی سیستم، برای تبدیل یک ایده به یک سیستم قابل پیاده‌سازی باید اجزای زیر مشخص شوند:
۱. تعریف مسئله و هدف سیستم
باید بدانیم سیستم قرار است چه مسئله‌ای را حل کند، برای چه کسانی طراحی می‌شود و موفقیت آن چگونه تعریف خواهد شد.
۲. شناسایی کاربران و ذی‌نفعان
کارفرما، متخصص، مخاطب نهایی و مجریان فرایند ممکن است نقش‌ها و انتظارات متفاوتی داشته باشند. این تفاوت‌ها باید در طراحی سیستم دیده شوند.
۳. شناسایی منابع اطلاعات و ورودی‌ها
باید مشخص شود سیستم چه داده‌هایی دریافت می‌کند، منبع هر داده چیست و اعتبار آن چگونه ارزیابی می‌شود.
۴. تعریف قواعد کسب‌وکار
تصمیم‌هایی مانند تعیین اولویت‌ها، تخصیص منابع، محدودیت‌های تغییر و شرایط بازنگری باید به قواعد روشن و قابل بررسی تبدیل شوند.
۵. مدل‌سازی فرایندها
باید مراحل دریافت اطلاعات، اعتبارسنجی، تحلیل، تصمیم‌گیری، اجرا و ارزیابی به ترتیب مشخص شوند.
۶. تعریف خروجی‌ها و شاخص‌های ارزیابی
هر خروجی باید هدف مشخص و شاخص متناسب داشته باشد. همچنین باید رابطه میان خروجی‌های عملیاتی و اهداف کلی سیستم تعریف شود.
۷. پیش‌بینی شرایط استثنایی
اطلاعات ناقص، تعارض میان منابع، مخالفت کارفرما، اجرای ناقص، تأخیر در نتیجه‌گیری و تغییر شرایط بازار باید در طراحی دیده شوند.
۸. طراحی چرخه بازخورد
سیستم نباید پس از تولید یک برنامه متوقف شود. باید بتواند اطلاعات جدید را دریافت کند، نتایج را ارزیابی کند و تصمیم‌های بعدی را اصلاح کند. در نهایت، یک سیستم زمانی آماده ورود به مرحله توسعه است که بتوانیم به پرسش‌های اساسی درباره کاربران، ورودی‌ها، پردازش‌ها، قواعد، خروجی‌ها، محدودیت‌ها و شرایط خطای آن پاسخ روشن بدهیم.
این موضوع در توسعه مبتنی بر هوش مصنوعی اهمیت دوچندان دارد. هوش مصنوعی می‌تواند در تحلیل، طراحی و تولید کد نقش مؤثری داشته باشد، اما مسئولیت تعریف درست مسئله و ارزیابی صحت راه‌حل همچنان بر عهده طراح و مالک محصول است.
توسعه موفق از نوشتن کد آغاز نمی‌شود؛ از شناخت دقیق مسئله و تبدیل آن به یک تعریف روشن از سیستم آغاز می‌شود.
