https://virgool.io/segmentino/feed سگمنتینو تنها پلتفرم قدرتمند اتوماسیون مارکتینگ را در جهان ارائه می‌دهد. سگمنتینو موجب توانایی برند‌ها در تجمیع و شخصی‌سازی همه‌ی خصوصیات دیجیتال و کانال‌ها در تجربه‌ی بی نظیر کاربران می‌شود. fa 2026-06-17 11:47:13 https://files.virgool.io/upload/publication/o1bwa1dtcblh/2hhqr4.png https://virgool.io/segmentino https://virgool.io/segmentino/%D8%B3%DA%AF%D9%85%D9%86%D8%AA%DB%8C%D9%86%D9%88-%D9%88-%D8%A7%D9%81%D8%B2%D8%A7%DB%8C%D8%B4-%D9%86%D8%B1%D8%AE-%D8%B1%DB%8C%D8%AA%D9%86%D8%B4%D9%86-pzzxywmps2md سگمنتینو و افزایش نرخ زیتنشن همواره جذب مشتری جدید، هزینه چندین برابری در مقابل نگهداری و حفظ مشتریان فعلی دارد. این نسبت را هر کس به سلیقه‌ی خود و به استناد مطالعات و تجربیات خود، به شکل های متفاوتی گزارش می‌کند.ازطرفی امروزه با توجه به رکود اقتصادی حاکم بر بیشتر بازارها، اهمیت حفظ مشتری و افزایش نرخ های تبدیل برای کسب وکار ها بسیار با ارزش تر از گذشته تلقی میشود.علاوه بر این اگر قرار باشد یک مشتری فقط و فقط 1 بار برای خرید یا دریافت خدمات به سراغ ما بیاید، در بیشتر مواقع نه‌تنها سودی برای کسب و کار ندارد؛ بلکه در مجموع، هزینه‌های انجام‌شده برای جذب مشتری از تبلیغات گرفته تا هزینه‌های دیگر بازاریابی، ضرر مالی هم به کسب و کار وارد شده است. پس راهکار چیست؟قبل از رسیدن به راهکار های پیشنهادی ابتدا نیاز داریم که رفتار خریدار را از جنبه های مختلف بررسی کنیم.حفظ مشتری یکی از 5 مرحله از قیف بازاریابی است. این 5 مرحله عبارت‌اند از:آگاهی از برندجلب توجه مشتریجذب مشتریحفظ مشتریوفاداریریتنشن مارکتینگ دقیقا به مرحله چهارم این قیف اشاره دارد. جایی که تلاش می‌شود مشتری حفظ شده و به پایین‌ترین قسمت قیف، یعنی وفاداری هدایت شود؛ به‌عبارت‌دیگر، ریتنشن مارکتینگ مجموعه اقداماتی است که برای حفظ مشتری جذب‌شده انجام می‌شود تا وی را به یک مشتری وفادار تبدیل کند.نبود ریتنشن مارکتینگ در کسب و کار، نه در ابتدای فعالیت، بلکه در ادامه حیات کسب و کار، آن را با مشکلات زیادی مواجه می‌کند.کسب و کاری که نتواند فردی که برای بار اول از او خرید کرده را برای خرید دوم متقاعد کند، احتمالا خیلی زود به ورطه شکست سوق پیدا می‌کند و این اهمیت ریتنشن مارکتینگ در کسب و کار است.با اینحال دلایل زیادی برای انتخاب و ایجاد اولویت برای ریتنشن مارکتینگ وجود دارد که با هم بررسی میکنیم:1. نرخ تبدیل بهتر (Better conversion rates)مشتریان فعلی قبلاً محصول و خدمات شما را خریداری کرده اند ، بنابراین اگر تجربه ناامید کننده ای نداشته باشند ، آنها دوباره از شما خرید می کنند. پس اعتماد مشتری برای شما ایجاد شده است، به علاوه اینکه مشتری و نیازهای آنهارا میشناسید و و گرفتن بازخورد از افرادی که قبلا از شما خرید کرده اند برای شما بسیار مفید میباشد.2. بازاریابی کمتری:شما زمان و هزینه کمتری را برای یافتن مشتری های جدید صرف خواهید کرد.همچنین میدانیم ایجاد رابطه تجاری طولانی مدت با مشتری جدید 16 برابر بیشتر از حفظ مشتری موجود هزینه دارد، و این موضوع میتواند دلیل محکمی برای افزایش نرخ خرید مجدد برای مشتریان باشد.3. کسب سود بیشتر:طبق گزارش گروه گارتنر 80٪ از درآمد آینده شرکت شما فقط از 20٪ مشتریان موجود شما حاصل می شود. پس میتوان نتیجه گرفت تمرکز بر مشتریان فعلی به هیچ وجه نیاید کم اهمیت جلوه داده شود.4. هزینه های کمتر:طبق گفته سوپرآفیس جذب مشتری جدید هزینه 6-7 برابری نسبت به نگه داشتن مشتری موجود دارد. در حالی که افزایش 5 درصدی ​​در حفظ مشتری می تواند سود شرکت را تا 75٪ افزایش دهد!حال میخواهیم به بررسی این موضوع بپردازیم که مارکتینگ آتومیشن سگمنتینو چگونه میتواند به افزایش نرخ ریتنشن کمک کند؟خوشبختانه مارکتینگ آتومیشن ها مشتریان شما را میشناسند، رفتار کاربران و مشتریان را رصد کرده و ویژگی های آنها را میدانند اینکه به کدام محصولات بیشتر علاقه‌مند هستند، در کدام صفحات وب سایت بیشتر مانده اند و تعامل آنها با کدام چنل ها بهتر بوده است؟ چند درصد از ایمیل هارا خوانده اند و چه امتیاز CRM ای کسب کرده اند؟نحوه افزایش نرخ ریتنشن قطعا برای کسب و کار و مارکت های مختلف متفاوت است اما مهم ترین قدم برای افزایش نرخ خرید دوباره مشتریان به اندازه گیری و تحلیل رفتار کاربران، تشخیص نیاز مشتریان و تعامل موثر و شخصی بستگی دارد.در مطلب قبلی به صورت کامل در مورد مارکتینگ آتومیشن و مزایای آن صحبت کردیم اما حال سوال اصلی این است که مارکتینگ آتومیشن چگونه به افزایش نرخ ریتنشن کمک میکند؟- کمپین های هوشمند برای افزایش نرخ بازگشت کاربراولین و مهم‌ترین گام برای خرید مجدد و یا استفاده دوباره از خدمات، افزایش نرخ بازگشت کاربر است. یعنی باید دوباره کاربر را به سایت یا اپلیکیشن برگردانیم. با استفاده از طراحی Journey های هوشمند برای بازگرداندن کاربران میتوان نرخ بازگشت کاربر را مورد هدف قرار داد.ارسال ایمیل، اس‌ام‌اس، وب پوش و اپلیکیشن پوش نوتیفیکیشن میتوان برای بازگرداندن کاربر استفاده کرد.پس میتوان نتیجه گرفت طراحی کمپین های مختلف برای سگمنت های متفاوت میتواند کاملا به افزایش نرخ ریتنشن کمک کرد برای مثال؛ سگمنت کاربرانی که فرایند خرید خود را رها کرده اند یا کاربران غیر فعالی که برای مدت معینی (برای هر کسب و کار متفاوت میباشد) خرید نکرده اند و به سایت مراجعه نداشته اند، را با ارسال پیام مناسب از طریق بهترین چنل هدف قرار داد.- محتوای شخصی سازی شده – Personalize Contentمحتوای شخصی سازی شده همواره احتمال دیده شدن و درگیری با مخاطب بیشتری دارد. (Engagement)ارسال محتوا و پیام هایی که دقیقا مطابق با رفتار و ویژگی های کاربر، همراه با پاسخگویی به نیاز های متفاوت هر کاربر ارسال شود. میتواند منجر به بازگشت و خرید مجدد مشتریان شود.- سیستم پیشنهاد دهنده - (Recommendation)پیشنهاد محصول مورد نیاز و جذاب برای هر کاربر میتواند بسیار به افزایش نرخ تبدیل شود. برای مثال فردی که گوشی موبایل خرید کرده است بهترین پیشنهاد میتواند قاب و گلس گوشی باشد.حتما شما هم بار ها با پیشنهاد های غیر مرتبط از سمت فروشگاه های اینترنتی مواجه شده اید.- سرویس های ایمیل و اس‌ام‌اس - Email and SMS Marketing ایمیل مارکتینگ و اس‌ام‌اس مارکتینگ از مهم ترین ابزار ها برای بازگرداندن و افزایش نرخ ریتنشن میباشد. همانطور که گفته شد مارگتینگ آتومیشن با رصد فعالیت کاربران، بهره‌گیری از محتوای شخصی سازی شده و سیستم پیشنهاد دهنده هوشمند (Recommendation) میتواند به بهترین شکل به خرید مجدد مشتریان کمک کند.- راه اندازی باشگاه مشتریان:هدف گیری دقیق مشتریان با پیشنهادات خاص، رصد نیازها و رفتار مشتریان، امتیاز های CRM هر کدام میتواند یکی از ابزار های مهم برای افزایش نرخ رضایت مشتریان و در انتها نزدیک شدن کسب و کارها به اهدافشان نام برد.یکی از مهم ترین مزیت های مارکتینگ آتومیشن سگمنتینو، قسمت CRM آن می‌باشد.امتیاز دهی برای هر کاربر، یادداشت برداری و سگمنت بندی کاربران با توجه به رفتار و میزان خرید آنها از ویژگی های قسمت ارتباط با مشتریان سگمنتینو است- توانایی تست، بهبود و طراحی مجدد کمپین ها و لندینگ های طراحی شده ( A/B Testing)یکی از مزیت های استفاده از مارکتینگ آتومیشن ها، توانایی بازخورد گرفتن کمپین ها، چنل ها و حتی صفحه وب‌سایت می‌باشد بصورتی که مستقیما بر روی نرخ تبدیل تاثیر میگذارد.و تغییراتی که مورد دلخواه مخاطبان است یکی از ویژگی های مدنظر مشتریان برای تکرار خرید میباشد.تمامی روش های بیان شده، به کسب و کارها کمک میکند که رضایت مشتری خود را افزایش دهند و مدت طولانی تری مشتری همراه کسب و کار باشد.برای اطلاعات بیشتر لطفا به سایت سگمنتینو مراجعه کنید. سگمنتینو مصطفی حیدری Sun, 16 Feb 2020 13:56:07 +0330 https://virgool.io/segmentino/marketing-automation-ltqlmfjxyd8d زبلاین؛ مارکتینگ آتومیشنامروزه کسب و کار های فعال در حوزه دیجیتال، دغدغه های متعدد و مشترکی دارند. شناخت نیاز های کاربران و تعامل موثر با مخاطبان، کلید موفقیت هر کسب و کار میباشد. و مجموعه هایی که مخاطبان و نیاز های آنها را بهتر میشناسند به مراتب خدمات بهتری میتوانند به آنها داشته باشند.از دیگر چالش های همیشگی کسب و کار های آنلاین میتوان به اجرای کمپین های تبلیغاتی اشاره کرد. برنامه ریزی و تعیین استراتژی هر کمپین، هماهنگی های تیم مارکتینگ و تیم فنی برای ارائه اطلاعات کاربران و از طرفی اطمینان از اجرای صحیح کمپین ها و در آخر و مهم ترین بخش، تحلیل دقیق کمپین ها برای کسب و کار ها یکی چالش های مهم تیم های بازاریابی به حساب میاید.امروزه ابزار های زیادی از جمله مارکتینگ آتومیشن ها، برای کمک به این کسب و کار ها وجود دارد.مارکتینگ آتومیشن و چگونگی کمک به بیزینس ها؟مارکتینگ اتومیشن ها ابزار هایی هستند که بطور کلی فرایند ها را در بازاریابی به صورت خودکار انجام میدهند.این سیستم ها با تمرکز بر اطلاعات به دست آمده از رفتار و تعامل کاربران، به تعریفی جامع و کامل از نیازها و انتظارات مشتریان دست پیدا کرده و ارتباط محکمی را با مشتریان برقرار می‌کنند همچنین به کسب و کار ها کمک میکنند که مخاطبان خود را بهتر بشناسند و تعامل هدفمند تری با آنها داشته باشند. در واقع میتوان گفت سگمنت بندی و گروه بندی مخاطبان با توجه به ویژگی های مشترک آنها است که منجر به تعامل موثرتر بین کسب و کار و کاربران میشود. مارکتینگ اتومیشن ها فرایند ها و وظایف تکراری و روتین که به صورت دستی تا به حال به انجام می‌رسیده‌اند را با اقدامات هدفمند توسط ابزار هایی که تحولی در امور اجرایی به وجود آورده‌اند، جایگزین کرده اند.از دیگر کارکرد های یک ابزار اتومیشن مارکتینگ میتوان به برنامه ریزی، اجرا و آنالیز کمپین ها اشاره کرد. با استفاده از یک سیستم مارکتینگ اتومیشن کارآمد، به سادگی می‌توانید سرنخ (Lead) های احتمالی را به مشتریان هر کسب و کار تبدیل کرد.کانال های ارتباطی در مارکتینگ اتومیشن ها – Marketing Automation Channelsاستفاده حداکثری از ظرفیت های موجود و چنل هایی که مشتریان هر بیزینس حضور دارند برای کسب و کار ها بسیار حایز اهمیت است. با استفاده از مارکتینگ اتومیشن ها میتوان از نحوه تعامل مخاطبان با هر چنل مطلع شد و بهترین روش و کانال را برای ارسال پیام به مشتریان را انتخاب کرد. برای مثال کاربرانی که در بازه زمانی مشخص بیش از 80 درصد از ایمیل های خود را می‌خوانند، در مقابل افرادی که هیچگاه ایمیل خود را چک نمیکنند، پیام مشخصی برای تیم بازاریابی دارند.با اینحال بیشترین سهم تعامل و ارتباط کسب و کار ها با مشتریان و مخاطبان خود در فضای دیحیتال از طریق کانال هایی زیر صورت میگیرد؛ 1 . ایمیل 2. اس‌ام‌اس3. . پوش نوتیفیکیشن 4. پیام های درون برنامه ایاین تعامل و ارسال پیام در صورتی که مطابق با ویژگی و رفتار کاربران و مخاطبان و در زمان مناسب صورت بگیرد دارای تاثیر و نرخ تبدیل بیشتری خواهد بود. کسب و کار هایی که به دنبال ایجاد تجربه‌ای به مراتب شخصی‌تر برای کاربران خود هستند، یکی از وظایف اصلی این ابزار های اتوماسیون بازاریابی همین است.پس میتوان نتیجه گرفت، مارکتینگ اتومیشن به معنای ارسال پیام‌های به جا، در زمان مناسب و با هدف جذب مشتریان بالقوه استسگمنت بندی مخاطبانیکی از مهم ترین امکانات ابزار های مارکتینگ اتومیشن، سگمنت بندی ( گروه بندی ) مخاطبان ، تلقی میشود. ثبت و تحلیل رفتار و ویژگی کاربران، این امکان را به کسب و کار ها میدهد که بتوانند مخاطبان خود را گروه بندی کنند.این گروه بندی ها میتواند کاملا با توجه به رفتار کاربران در کسب و کار های مختلف مرزبندی شوند.سگمنت مشتریان فعال، مشتریان باقوه، کاربران تهرانی که خرید کمتر از صد هزار تومان در دو هفته گذشته داشته اند و.... تمامی این سگمنت ها زمانی که مشتریان و کاربران که رفتار شبیه به هم دارند در یک گروه طبقه بندی شوند به کسب و کار ها این اجازه داده میشود که بتوانند برای هر دسته از مشتریان و کاربران رفتار متناسب با آنها را فراهم آورند. با استفاده از پلتفرم هوشمند مارکتینگ، از جمله مارکتینگ آتومیشن زبلاین تمام رفتارهای آنلاین کاربران ردگیری و ثبت می‌شود. این ویژگی به دیحیتال مارکتر ها کمک میکند که با توجه به اطلاعات بدست آمده الگوهایی صحیح تهیه کنند. بزرگترین فروشگاه اینترنتی در دنیا یعنی آمازون نخستین کسب و کاری بود که از این شیوه برای سگمنت بندی و طراحی کمپین های خود بهره برد. امروزه طبق گفته مشتریان آمازون، رابط کاربری این سایت با استفاده از سوابق رفتاری مشتریان به شدت ارتقا پیدا کرد است. چرا که این سایت با دانش کافی از علایق مشتریان کالاهای مرتبط و مورد پسند مشتریان را به آنها پیشنهاد میدهد. از این گذشته این سایت با ارسال پیام هایی برای یادآوری با استفاده از کانال های متنوع، شما را از آخرین تغییرات به وجود آمده در لیست قیمت ها، موجودی ها و .... مطلع میکند.مارکتینگ آتومیشن ها دارای مزایای بسیاری میباشند، با چند نمونه از این مزیت ها آشنا شوید.مزایای استفاده از مارکتینگ اتومیشن هامدیریت سرنخ هامحتوای شخصی سازی شدهافزایش Engagement و درگیری مخاطبمدیریت ارتباط با مشتری (CRM)افزایش نرخ بازگشت کاربرانافزایش نرخ تبدیل کاربرانافزایش ROI (نرخ بازگشت سرمایه)افزایش طول عمر مشتریسیستم پیشنهاد دهنده هوشمند (Recommendation)زمانی که حجم اطلاعات موجود در کسب و کار ها افزایش پیدا کند و کمپین های بزرگ برای کسب و کار ها اجرا میشود دیگر امکان پردازش اطلاعات برای نیروهای انسانی وجود نخواهد داشت. و مارکتینگ اتومیشن ها هستند که میتوانند تاثیر بسزایی در بهبود فرایند ها داشته باشند.به این ترتیب مشتریان احتمالی (بالقوه) و سایر مشتریان مسیر متفاوتی را در چرخه بازاریابی، فروش و خدمات مشتریان سپری خواهند کرد. مارکتینگ اتومیشن ها به برقراری ارتباطی شخصی و منحصر به فرد با یکایک مشتریان تاکید دارند. به این ترتیب تجربه هریک از مشتریان با توجه به نیازهای منحصر به فرد آنها به شدت متغیر خواهد بود.اما باید گفت که راه‌های تبدیل هر مخاطب و سرنخ بسیار منحصر به فرد و متفاوت هستند. تصور کنید اگر بخواهید تنها از یک مسیر برای جذب مشتری استفاده کنیم! انجام چنین کاری احتمالا منجر به کاهش نرخ تبدیل خواهد شد. پلتفرم هوشمند مارکتینگ در اینجا به یاری کسب و کار ها می‌آید.مارکتینگ اتومیشن ارتباطات عمیق‌تری را میان مشتریان و کسب و کار ها برقرار می‌کند. یعنی می‌توانید روی کیفیت طراحی کمپین‌ها و پیام‌های ارسالی خود بیشتر تمرکز کنید. پلتفرم هوشمند مارکتینگ به اعضا تیم شما اجازه می‌دهد که از طریق جمع‌آوری اطلاعات شخصی در خصوص علایق مشتری احتمالی شما جزئیات شخصی تری را به طراحی کمپین موردنظر افزوده شود. نقش مارکتینگ اتومیشن در ریتنشن مارکتینگهمواره و در همه کسب و کارها، جذب مشتری جدید هزینه چندین برابری در مقابل نگهداری و حفظ مشتری فعلی دارد. این نسبت را هر کس به سلیقه‌ی خود و به استناد مطالعات و تجربیات خود، به شکل متفاوتی گزارش می‌کند،.اهمیت حفظ مشتری و افزایش نرخ های تبدیل برای کسب وکار ها بسیار با ارزش میباشد.علاوه بر این اگر قرار باشد یک مشتری فقط و فقط 1 بار برای خرید یا دریافت خدمات به سراغ شما بیاید، در بیشتر مواقع نه‌تنها سودی برای کسب و کارتان ندارد؛ بلکه در مجموع، هزینه‌های انجام‌شده از تبلیغات گرفته تا هزینه‌های بازاریابی، ضرر مالی هم به شما وارد شده است. پس راهکار چیست؟حفظ مشتری یکی از 5 مرحله قیف بازاریابی است. این 5 مرحله عبارت‌اند از:آگاهی از برندجلب توجهجذب مشتریحفظ مشتریوفاداریریتنشن مارکتینگ دقیقا به مرحله چهارم این قیف اشاره دارد. جایی که تلاش می‌شود مشتری حفظ شده و به پایین‌ترین قسمت قیف، یعنی وفاداری هدایت شود؛ به‌عبارت‌دیگر، ریتنشن مارکتینگ مجموعه اقداماتی است که برای حفظ مشتری جذب‌شده انجام می‌شود تا وی را به یک مشتری وفادار تبدیل کند.نبود ریتنشن مارکتینگ در کسب و کار، نه در ابتدای فعالیت، بلکه در ادامه حیات کسب و کار، آن را با مشکلات زیادی مواجه می‌کند. کسب و کاری که نتواند فردی که برای بار اول از او خرید کرده را برای خرید دوم متقاعد کند، احتمالا خیلی زود به ورطه شکست سوق پیدا می‌کند و این اهمیت ریتنشن مارکتینگ در کسب و کار است.برای کسب اطلاعات بیشتر میتوانید به سایت زبلاین مراجعه کنید. سگمنتینو مصطفی حیدری Wed, 22 Jan 2020 10:12:21 +0330 https://virgool.io/segmentino/7-useful-suggestions-machine-learning-yearning-sjbugrl6xfhm کتاب اشتیاق یادگیری ماشین نوشته مربی پیشرو هوش مصنوعی و یادگیری عمیق، اندرو ان‌جی و با ترجمه متخصصین شرکت هوش مصنوعی کارو، یاسمن تائبی و علیرضا سمر است. تمرکز این کتاب بر نحوه‌ی کارکرد الگوریتم های یادگیری ماشین و نحوه‌ی پیکربندی پروژه های یادگیری ماشین است. در این نوشتار هفت پیشنهاد از این کتاب ارزشمند آورده شده است.هوش مصنوعی، یادگیری ماشین و یادگیری عمیق به سرعت در حال رشد هستند و بسیاری از صنایع را تغییر می دهند. اندرو ان‌جی یکی از مدعیان اصلی در این زمینه است. او یکی از بنیان گذاران Coursera و رئیس سابق گروه Baidu AI و رئیس سابق بخش Google Brain است. او نویسنده این کتاب تحت نام "اشتیاق یادگیری ماشین" است (میتوانید یک نسخه پیش نویس رایگان ترجمه فارسی را از mlyearning.ir دریافت کنید) به شما چگونگی پیکربندی پروژه های یادگیری ماشین را آموزش می دهد.اندرو می‌نویسد:این کتاب بر روی تدریس الگوریتم های یادگیری ماشین متمرکز نیست، بلکه بر روی نحوه ی کار کردن الگوریتم های یادگیری ماشین متمرکز است. برخی از کلاس های فنی هوش مصنوعی به شما یک چکش می دهد و این کتاب به شما می آموزد که چگونه از این چکش استفاده کنید. اگر بخواهید یک رهبر فنی در هوش مصنوعی باشید و بخواهید بیاموزید چگونه برای تیم خود جهت کنید، این کتاب به شما کمک خواهد کرد. ما پیش نویس کتاب را خوانده‌ایم آن را به فارسی برای شما ترجمه کرده‌ایم و هفت پیشنهاد کاربردی و مفید را برایتان انتخاب کرده‌ایم:۱- بهینه سازی و رسیدن به معیارهابه جای استفاده از یک فرمول یا یک معیار برای ارزیابی یک الگوریتم، باید از چندین معیار ارزیابی استفاده شود. یکی از راه های انجام این کار داشتن معیار بهینه سازی و معیار رضایت بخشی است.با استفاده از مثال فوق، ابتدا می توانیم یک زمان مناسب اجرا را تعیین کنیم به طور مثال میگوییم هر چیزی کمتر از ۱۰۰ میلی ثانیه باشد مناسب است و این معیار رضایت بخش ما می شود. کلاسبند خوب کلاسی است که زمان اجرای آن کمتر از این معیار رضایت بخش باشد. صحت در اینجا معیار بهینه سازی است. این می تواند راهی مناسب و آسان برای ارزیابی الگوریتم باشد.۲- انتخاب سریع مجموع داده های آموزش و تست ( این مجموعه داده‌ها در صورت احتیاج میتواند تغییر کند)اندرو ان جی بر این باور است که زمان شروع یک پروژه انتخاب سریع مجموعه داده های یادگیری و تست به اعضای تیم هدفی مشخص می دهد. هدف اولیه یک هفته ایی برای تنظیم این مجموعه داده ها مناسب است. بهتر است در این مرحله بیش اندازه فکر نکنید و به سرعت مجموعه ها را حتی اگر کامل نباشد تهیه کنید. با این گفتار، اگر ناگهان متوجه شدید که مجموعه داده اولیه آموزش و تست درست نیست، از تغییر آن نهراسید. سه علت احتمالی برای انتخاب یک مجموعه داده آموزشی و تست نادرست عبارتند از:توزیعی که در مجموعه داده های آموزشی و تست داریم متفاوت از توزیع واقعی داده ها باشد.مجموعه داده های آموزش و تست بیش از اندازه بزرگ هستند.معیار صحت چیزی غیر از چیزی که پروژه نیاز به بهینه سازی دارد را اندازه گیری می کند.به یاد داشته باشید که تغییر مجموعه داده آموزش و تست مسئله‌ی بزرگی نیست، فقط این کار را هر چه زودتر انجام دهید و اجازه دهید که تیم شما مسیری که در حال رفتن هستید را به وضوح بدانند.۳- یادگیری ماشین یک فرآیند تکراری است: انتظار نداشته باشید که اولین بار کار کند.اندرو ان جی می گوید رویکرد وی برای ساخت نرم‌افزار یادگیری ماشین سه گانه است:با یک ایده شروع می کنید.ایده را با کد پباده سازی می کنید.یک آزمایش انجام دهید تا ببینید این ایده چگونه کار می کند.مراحل ساخت نرم‌افزار یادگیری ماشینهرچه سریع تر این چرخه را طی کنید، پیشرفت پروژه سریع تر انجام خواهد شد. به همین دلیل است که انتخاب از پیش مجموعه داده های آموزش و تست مهم است زیرا می تواند در زمان با ارزش در طول فرآیند تکرار شونده پروژه صرفه جویی کند. اندازه گیری عملکرد این مجموعه ها میتواند نشانگر سریعی باشد که پروژه به سمت درستی حرکت میکند یا نه.۴- اولین سیستم خود را بسازید و آن را تکرار کنیدهمانطور که در بند ۳ اشاره شد، ساخت یک الگوریتم یادگیری ماشین یک فرآیند تکراری است. اندرو ان‌جی یک فصل را به توضیح مزایای ایجاد سریع سیستم اولیه اختصاص داده است: "در شروع کار به تلاش برای طراحی و ساخت سیستمی کامل و بی نقض نپردازید. در عوض یک سیستم پایه را به سرعت طراحی کنید و آموزش دهید، این کار را چند روزه میتوانید انجام دهید. حتی اگر سیستم پایه شما از بهترینی که میتوانید بسازید فاصله ی زیادی داشته باشد، بسیار مهم است که عملکرد سیستم پایه را بررسی کنید: این کار باعث می شود به سرعت سرنخ هایی برای مسیر بهینه ایی که وقت خود را سرمایه گذاری خواهید کرد، پیدا کنید.”۵- ارزیابی موازی چندین ایدهزمانی که تیم شما ایده های زیادی در مورد چگونگی بهبود الگوریتم دارد، می توانید این ایده ها را به صورت موازی ارزیابی کنید. با استفاده از مثال الگوریتم تشخیص عکس های گربه، اندرو ان جی نحوه ی ایجاد جدول پیشرفت پروژه و کامل کردن آن را توضیح می دهد. 100 عکس به نادرستی کلاسبندی شده در مجموعه داده های آموزشی و تست وجود دارند.جدول بالا شامل تجزیه و تحلیل هر عکس و دلیل تشخیص اشتباه و نظرات کمک کننده در آینده پروژه است. در پایان هم می‌توانید ببینید که کدام ایده(ها) خطای بیشتری را حذف می کند و در آینده باید دنبال شود.۶- حذف مواردی که به اشتباه برجسب خورده در صورت مفید واقع شدندر طول تجزیه و تحلیل خطاها ممکن است متوجه شوید که برخی از نمونه های موجود در مجموعه داده های آموزش و تست به اشتباه کلاسبندی شده اند. در مثال بخش قبل بر فرض عکس ها قبلا توسط شخصی به نادرستی برچسب خورده اند. حال اگر احتمالی میدهید که بخشی از خطاها به این دلیل است، یک دسته ی اضافی دیگر به جدول تجزیه تحلیل پروژه خود اضافه کنید:پس از اتمام می توانید بررسی کنید که آیا ارزش زمانی که صرف رفع این مشکل میشود را دارد یا ندارد. اندرو ان جی دو سناریو ممکن را بیان کرده است که قضاوت کنید آیا ارزش رفع مشکل را دارد یا خیر:مثال ۱:صحت کلی روی مجموعه داده آموزشی ...... ۹۰٪ (۱۰٪ خطای کلی)خطاهایی که در اثر نمونه‌های به اشتباه برچسب خورده حاصل شده‌اند ...... ۰.۶٪ (۶٪ مجموعه باعث خطا می‌شود)خطاها بر اثر سایر عوامل ...... ۹.۴٪ (۹۴٪ مجموعه باعث خطا می شود)"در اینجا ۰.۶٪ خطای حاصل از برچسب زنی اشتباه در مقابل ۹.۴٪ خطای کلی که می‌توانید بهبود ببخشید چندان مهم نیست. البته ایرادی ندارد اگر به طور دستی عکس های مجموعه داده را درست کنید اما این کار برای پروژه حیاتی نیست. تفاوت چندانی بین ۱۰٪ یا ۹.۴٪ خطای کلی وجود ندارد."مثال ۲:صحت کلی روی مجموعه داده آموزشی ...... ۹۸٪ (۲٪ خطای کلی)خطاهایی که در اثر نمونه های به اشتباه برچسب خورده حاصل شده‌اند ...... ۰.۶٪ (۳۰٪ مجموعه باعث خطا می‌شود)خطاها بر اثر سایر عوامل ...... ۱.۴٪ (۷۰٪ مجموعه باعث خطا می‌شود)٪۳۰ از خطاهای حاصل به دلیل برچسب زنی اشتباه عکس ها در مجموعه داده آموزشی است، که خطای قابل توجهی را به صحت نهایی پروژه وارد میکند. حال تغییر و بهبود برچسب های اشتباه عکس ها در مجموعه داده ارزشمند است. برطرف کردن نمونه های اشتباه به شما کمک میکند بدانید که آیا خطای کلاسبند شما ۱.۴٪ یا ۲٪ است، همانطورکه میبینید تفاوت قابل توجهی است.۷- تقسیم مجموعه داده به زیر مجموعه های جداگانهاندرو ان جی میگوید اگر یک مجموعه داده ی بزرگ دارید و دارای نرخ خطای ۲۰٪ باشد، بهتر است که آن را به دو زیرمحموعه جدا تقسیم کنید."به عنوان مثال الگوریتمی که ۱۰۰۰ نمونه را از ۵۰۰۰ نمونه مجموعه آموزشی را به اشتباه کلاسبندی می کند را در نظر بگیرید. فرض کنید به طور دستی ۱۰۰ خطا (۱۰٪ خطاها) را بررسی و تحلیل کنیم. باید ۱۰٪ از مجموعه داده به طور تصادفی انتخاب شود و آن را در مجموعه ایی به نام چشم قرار میدهیم تا یادآور این باشد که اطلاعات آن چشمی بررسی می شود (برای یک پروژه در حوزه پردازش گفتار که به فایل های صوتی گوش میدهیم، نام این مجموعه را گوش می گذاریم). بنابراین مجموعه داده چشمی ما ۵۰۰ نمونه دارد که انتظار میرود الگوریتم حدود ۱۰۰ نمونه را به اشتباه کلاس بندی کند.زیر مجموعه دوم از مجموعه داده ها، مجموعه ی جعبه ی سیاه نام دارد و باقی ۴۵۰۰ نمونه را در این مجموعه قرار میدهیم. می توانید از مجموعه ی جعبه سیاه برای ارزیابی کلاسبند با استفاده از اندازه گیری میزان خطا استفاده کنیم. همچنین میتوانید از این مجموعه برای انتخاب الگوریتم ها یا وفق دادن پارامتر ها استفاده کنید. با این وجود باید از بررسی چشمی این مجموعه خودداری کنید. از اصطلاح جعبه سیاه به این دلیل استفاده می شود که از این زیرمجموعه برای ارزیابی کلاسبند داده های جعبه سیاه انجام می شود و چشمی قابل تغییر نیست". ترجمه فارسی این کتاب بزودی منتشر می‌شود، برای دریافت نسخه رایگان و بهره‌مندی از تخفیف ویژه به mlyearning.ir سر بزنید!همیشه در حال یادگیری باشید .. سگمنتینو علی سمر Fri, 21 Sep 2018 00:50:04 +0430