البحث في الموقع

يُستخدم التنسيق الشرطي لتحليل البيانات بشكل مرئي. وهو عبارة عن إشارات بألوان أو أيقونات معينة تساعدك على فهم ما تعنيه بياناتك في لمحة. يمكنك تطبيق التنسيق الشريطي على أي نوع من البيانات سواء كانت نصية أو رقمية، وتختلف خيارات التنسيق حسب نوع البيانات. المثال التالي عبارة عن جدول يُبيّن نسبة إنجاز عدد من المشاريع، ونرغب في تنسيق عمود "نسبة الإنجاز" لتحليل البيانات داخله بشكل مرئي: سنقوم أولا بتحديد نطاق الخلايا في عمود "نسبة الإنجاز"، ثم ننقر على زر التحليل السريع: من تبويب تنسيق Formatting الخاص بزر التحليل السريع يمكنك اختيار أي نوع من التنسيقات المتاحة لتمثيل البيانات، كأشرطة البيانات Data Bars، تدرج الألوان Color Scale، أكبر من Greater Than، إلخ. سنقوم بتنسيق الخلايا بأشرطة البيانات: وسيتم تمثيل نسب الإنجاز بأشرطة تختلف أطوالها حسب النسبة. يمكن أيضا أن نطبق أكثر من تنسيق على نفس نطاق الخلايا، سنختار مجموعة الرموز بالإضافة إلى أشرطة البيانات: تمثل الأسهم الحمراء الثلث الأدنى لقيم البيانات (0-39% في هذا المثال)، الأسهم الصفراء الثلث الوسطي لقيم البيانات (40-69%) والأسهم الخضراء الثلث الأعلى لقيم البيانات (70-100%). المثال أدناه مجموعة من البيانات النصية، ونرغب بتطبيق تنسيق شرطي لمعرفة المنتجات النافدة. وبما أنّها بيانات نصية فإنّ خيارات التنسيق تختلف عن خيارات البيانات الرقمية: سنختار الشرط Equal To لتنسيق الخلايا التي تحتوي على النص "نافد"، وسنختار اللون الأصفر لتمييزها: من خصائص التنسيق الشرطي أنّ التنسيق يتغير عند تغيير محتويات الخلايا. فإذا قمنا بتغيير إحدى الخلايا التي تحتوي على القيمة "متوفر" إلى "نافد" سيتغير لونها إلى الأصفر تلقائيا. التنسيق الشرطي للتواريخلنفترض أنه لديك مجموعة من المهام وتواريخ انتهائها، وترغب في معرفة المهام المتأخرة، أو المهام التي تنتهي في وقت محدد أو وقت قريب. يمكنك استخدام التنسيق الشرطي لتمييز الخلايا التي تحقق شروط معينة. في المثال أدناه سنقوم بتنسيق الخلايا المتأخرة والتي تجاوزت الميعاد النهائي. سنقوم بتحديد الخلايا أولا، ونختار الشرط Less Than من زر التحليل السريع: لن نقوم بكتابة تاريخ محدد في مربع الحوار، لأننا سنضطر إلى تحديث التنسيق بين فترة وأخرى. سنستخدم بدلا من ذلك دالة TODAY بالصيغة التالية: ()TODAY= والنتيجة ستكون تمييز تواريخ المهام التي تجاوزت الميعاد النهائي لها، والتي من المفترض إنجازها قبل تاريخ اليوم. ولمعرفة المهام التي تأتي مواعيدها النهائية بعد أسبوع من تاريخ اليوم سنستخدم شرط Greater Than: كما سنستخدم دالة اليوم بالصيغة التالية: TODAY()+7= ونختار اللون الأخضر لتنسيق الخلايا: وبذلك سيتم تنسيق الخلايا التي تُحقّق الشرط، أي المواعيد النهائية التي تأتي بعد أسبوع من تاريخ اليوم. ولتنسيق المواعيد النهائية للمهام خلال هذا الأسبوع يجب أن نستخدم الشرط Between. لكن هذا الشرط ليس موجودا ضمن خيارات زر التحليل السريع. لذلك سنستخدم أمر التنسيق الشرطي Conditional Formatting. سنقوم أولا بتحديد نطاق الخلايا، ومن تبويب الصفحة الرئيسية Home سننقر فوق أمر التنسيق الشرطي، ونختار الشرط Between من قائمة Highlight Cells Rules: في مربع الحوار سندخل الصيغة ()TODAY= في الحقل الأول، والصيغة TODAY()+7= في الحقل الثاني، وسنختار اللون الأصفر لتنسيق الخلايا: والنتيجة ستكون تنسيق المواعيد النهائية للمهام بتواريخ بين تاريخ اليوم وتاريخ بعد 7 أيام من تاريخ اليوم. التنسيق الشرطي للنصوصلاحظنا أنه من خلال زر التحليل السريع يمكننا تطبيق عدد من الشروط لتنسيق الخلايا، كتنسيق النصوص المتكررة Duplicate، النصوص الفريدة Unique، أو النصوص التي تساوي قيمة محددة ندخلها Equal To. يمكننا أيضا أن نطبق التنسيق الشرطي على صف كامل على أساس نص موجود في إحدى خلايا الصف. في المثال التالي سنقوم بتنسيق الصفوف بلون أزرق إذا كانت القيمة المقترنة بذلك الصف في عمود "الحالة" تساوي "نافد". ولفعل ذلك سنقوم بتحديد جميع خلايا الجدول وليس عمود "الحالة" فقط، لاحظ أنّ الخلية النشطة هي A3، سنحتاج إليها لاحقا في كتابة الصيغة: ومن تبويب الصفحة الرئيسية Home سننقر أمر التنسيق الشرطي Conditional Formatting ونختار New Rule: في مربع الحوار New Formatting Rule سنحدد الخيار Use a formula to determine which cells to format لاستخدام صيغة محددة لتنسيق الصفوف: في حقل الصيغة سنكتب الصيغة التالية: =$C3="نافد" لقد استخدمنا علامة الدولار قبل العمود C لجعله مرجعًا مطلقًا absolute reference، أي يتم الرجوع إلى القيم في العمود C للصف أثناء تطبيق التنسيق الشرطي على ذلك الصف. واستخدمنا الصف رقم 3، لأنّ جدول البيانات يبدأ من الصف الثالث. والدليل هو أنّ أول خلية في الجدول هي A3. أما علامة الاقتباس مع القيمة "نافد" فقد استخدمناها لإرشاد البرنامج إلى معاملتها معاملة النصوص. الخطوة التالية هي اختيار لون التنسيق، سننقر تنسيق Format من نفس مربع الخيار ونختار اللون من تبويب تعبئة Fill: والنتيجة ستكون تمييز الصفوف التي تحتوي على القيمة "نافد" باللون الأزرق. نسخ التنسيق الشرطي وإزالتهفي المثال التالي قمنا بتنسيق الخلية B3 باللون الأحمر بشرط أن تكون قيمة الخلية أقل من 50% (Less Than). ولنسخ التنسيق وتطبيقه على بقية خلايا العمود سنحدد الخلية B3 وننقر فوق أمر ناسخ التنسيق Format Painter من تبويب الصفحة الرئيسية Home: بعدها سنقوم بتحديد نطاق الخلايا لتطبيق نفس التنسيق الشرطي عليها: ولإزالة التنسيق الشرطي من مجموعة الخلايا سنقوم بتحديدها النقر فوق Clear من زر التحليل السريع: أما إزالة التنسيق الشرطي من جميع الخلايا في ورقة العمل فتتم بالنقر على أمر تنسيق شرطي Conditional Formatting، والتأشير فوق Clear Rules ثم اختيار Clear Rules from Entire Sheet:

إن أكثر المشاكل تحديا في التحليل الإحصائي هي تلك التي نتعامل معها في الحياة العملية بعيدا عن مقاعد الدراسة وتهذيب مسائلها النموذجية، ففي إطار العمل على أرض الواقع غالبا ما نجمع كمية كبيرة إن لم تكن هائلة من البيانات المتعلقة بالقضية المدروسة من كل حدب وصوب ومصدر دون أن نكون على يقين أو معرفة مسبقة أكيدة أيُّها يملك دورا في تفسير ما نراه من نتائج، فكيف بنا إن كنّا نرغب في تقدير مدى تأثير كل منها في توصيف السلوك العام للمنظومة وما يستتبع ذلك من ضرورة استكشاف طبيعة العلاقات والروابط الداخلية ما بين عناصر البيانات المختلفة التي لدينا. على سبيل المثال إن كان هناك 20 متغير مختلف تم جمعه أو قياسه، فسيكون لدينا بالنتيجة 190 علاقة ارتباط ثنائية محتملة يجب دراستها وأخذها بعين الاعتبار، حيث أن كل واحد من تلك المتغيرات العشرين يجب أن يحسب ارتباطه مع بقية المتغيرات التسع عشر الأخرى واحدا فواحد، ونظرا لأن علاقة الارتباط تعتبر علاقة تبديلية فلا فرق حينها ما بين حساب معامل الارتباط للمتغيرين س و ع أو حسابه بين المتغيرين ع و س، لذا سيكون العدد الكامل هو نصف ناتج جداء العددين 20 و 19 ويساوي 190 كما سبق وأن ذكرنا. من الواضح أن مثل هذا الأسلوب غير عملي أو فعّال كما توحي تطبيقاته النموذجية حينما يكون لدينا بضعة متغيرات فقط، ففي حالتنا هذه سننتهي إلى غابة من الأرقام وشبكة معقدة من العلاقات المحتملة والتي يصعب الإلمام بحجمها ومداها من خلال مجرد النظر والتمحيص في مصفوفة معاملات الارتباط التي سنحصل عليها. لمثل هكذا حالات وجد تحليل المكونات الرئيسية (Principle Components Analysis (PCA والذي يعد أحد التقنيات المستخدمة لتلخيص البيانات واختصارها، حيث يقوم بتحويل العدد الكبير من المتغيرات المترابطة ضمنا ولو بشكل جزئي إلى مجموعة أصغر بكثير من المتحولات المستقلة التخيلية، وهي تدعى عادة بالمكونات الرئيسية وتحسب أساسا من المتغيرات الأصلية بنسب ومقادير تزيد أو تنقص بحسب دور وتأثير كل منها، لتصف في نهاية المطاف أكبر قدر ممكن من المعلومات الموجودة في المجموعة الأصلية من البيانات التي لدينا. كما سبق وأن أشرنا في مقالات سابقة، تعد لغة R من اللغات التي صعد نجمها حديثا وبشكل سريع بمجال البرمجة العلمية في قطاعي الإحصاء والمعلوماتية الحيوية (bioinformatics)، حيث باتت معتمدة على نطاق واسع في كثير من الجامعات ومراكز البحث العلمية، وأصبحنا نرى استخدامها والإشارة إليها في المقالات المنشورة بالمجلات العلمية المحكّمة يزداد بشكل طردي ومتسارع، هذا عدى عن حقيقة كونها لغة حرة مفتوحة المصدر يخضع توزيعها لترخيص GPL الشهير. كل ذلك أدى إلى تزايد ما هو متوافر ومتاح على الشابكة (الإنترنت) من مصادر لها على توزع طيف تلك المصادر، فهناك الكتب الإلكترونية والدروس التعليمية وحتى المناهج الأكاديمية والدورات التدريبية إضافة إلى البرامج الجاهزة والمكتوبة بلغة R لتنفيذ هذه المهمة أو تلك، حتى أنها باتت تحظى ببعض الامتياز مقارنة بالعديد من العمالقة في قطاعي البرمجة الرياضياتية العلمية والإحصائية مثل SAS و SPSS وغيرهما، خصوصا من حيث توافر الأمثلة والتطبيقات للطرق والخوارزميات الحديثة، حيث يقاد هذا التوجه في معظمه عن طريق الجامعات ممثلة بطلاب الدراسات العليا يحفّزهم على ذلك سهولة بناء الإضافات في لغة R، ويعتبر هذا الأسلوب رغم ما قد يشوبه من نقاط ضعف تتعلق بموثوقية وجودة وغزارة تلك الإضافات الجديدة، والتي تتبع خبرة ومهارة مطوريها وناشريها، لكنها تبقى في القطاع العلمي والأكاديمي أفضل كثيرا من البدائل التجارية التي يعيبها إرتفاع ثمنها من جهة، ومن جهة أخرى بطئ إضافة التحديثات التي تعكس تطور القطاعات العلمية المختلفة، حيث أنها عادة ما تتبع دورة تجارية تتحكم بها الشركات المنتجة. تستطيع أن تقوم بتحميل لغة R من الموقع الرسمي لها على الرابط http://www.r-project.org، وعملية تنصيب هذه اللغة تخلو من التعقيدات، وبانتهاءها يمكنك تشغيل سطر الأوامر الخاص بها من خلال النقر على أيقونة اللغة على سطح المكتب، إن كل ما نكتبه تاليا سيكون داخل سطر الأوامر هذا. تأتي لغة R محزومة مع إطار بيانات افتراضي يدعى mtcars يتضمن بيانات مأخوذة من مجلة Motor Trend لعام 1974 تقارن فيها أحد عشر من مواصفات التصميم والأداء لأكثر من ثلاثين سيارة منتجة في العام 1973، وهي البيانات التي سنستخدمها في كل أمثلتنا ضمن هذه المقالة، للحصول على معلومات إضافية عن طبيعة محتوى هذه البيانات يمكنك كتابة الأمر التالي في سطر الأوامر: ?mtcars من جهة أخرى يمكنك اختصار طريقة الوصول إلى المعلومات ضمن إطار البيانات هذا عن طريق تنفيذ الأمر: attach(mtcars) والذي يجعلنا قادرين على استخدام تسميات مثل mpg بدلا من استخدام الطريقة المفصلة mtcars$mpg للدلالة على عدد الأميال المقطوعة بغالون البنزين الواحد على سبيل المثال. لنفترض بداية أن لدينا مجموعة من العناصر هي بحسب مثالنا طرازات مختلفة من السيارات حيث توصّف كل واحدة منها بالاعتماد على عدد من الصفات تشمل الوزن والحجم والتسارع وقدرة المحرك الحصانية وعدد الأميال المقطوعة بغالون البنزين الواحد وسواها من صفات (بالإجمال يحتوي إطار البيانات mtcars على 11 صفة مختلفة تخص 32 طراز من السيارات). ?mtcars attach(mtcars) head(mtcars) mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1 لو أننا أردنا دراسة تشابه هذه الطرز من السيارات بحسب واحدة من الصفات المقاسة ولتكن الوزن على سبيل المثال، لأمكننا إنجاز ذلك من خلال تمثيل بياني بسيط على مستقيم الأعداد حيث تتقارب فيه النقاط الممثلة للطرز المتشابهة فيما تتباعد النقاط الممثلة للطرز المختلفة وذلك دوما بحسب الصفة المدروسة (وهي في حالتنا هذه وزن السيارة كما سبق وأن أشرنا). حيث نرى أن طراز مثل تويوتا كورولا والهوندا سيفيك واللوتس متشابهة عند تحديد ذلك بحسب صفة الوزن فقط وفق مثالنا كونها جميعا الأقل وزنا ضمن المجموعة المدروسة، فيما طرز مثل كرايزلر وكاديلاك تتشابه مع بعضها البعض لكنها تقع في الطرف الآخر بحسب صفة الوزن ذاتها حيث أنها من بين الطرز الأكثر وزنا في ما هو موجود لدينا من بيانات. plot(wt*0, wt, xlab="", xaxt="n") text(wt*0, wt, row.names(mtcars), cex=0.5, pos=4, col="red") abline(v=0) يبقى هذا المنطق سائدا في تحديد ما هو مختلف أو متشابه بأسلوب بياني بسيط حتى وإن كنا نتحدث عن صفتين اثنتين معا في ذات الوقت، كأن نضيف قدرة المحرك الحصانية على سبيل المثال إلى الصورة، إذ عوضا عن إسقاط النقطة الممثلة لكل طراز من السيارات المدروسة على مستقيم الأعداد، نقوم بتمثيلها ضمن مستوي ثنائي الأبعاد سيناته تشير إلى قدرة المحرك الحصانية فيما عيناته تمثل وزن السيارة على سبيل المثال، وهنا يبقى مفهوم التجاور للمتشابهات والتباعد للمختلفات قائما وصحيحا كما هو موضح في الشكل التالي والذي نحصل عليه نتيجة تنفيذ التعليمتين الموضحتين أدناه. عند إلقاء نظرة أكثر تفصيلا بإضافة صفة القدرة الحصانية للمحرك نستطيع حينها التفريق بين طراز اللوتس ذي القدرة الحصانية التي تبلغ تقريبا ضعف ما يملكه طرازي تويوتا كورولا والهوندا سيفيك على الرغم من أنهم جميعا يمتلكون أوزانا متقاربة، تلك الطرز التي كنا نعتبرها متشابهة عند مقارنتها بحسب صفة الوزن فقط كما أسلفنا الذكر سابقا. plot(hp, wt) text(hp, wt, rownames(mtcars), cex=0.5, pos=4, col="red") بزيادة عدد الصفات المراد أخذها بعين الاعتبار تبدأ الصورة بالتعقيد، فمع ثلاث صفات نحن بحاجة إلى الرسم في فضاء ثلاثي الأبعاد، أو على أقل تقدير سنحتاج إلى تطبيق بعض الحيل الرياضياتية لعرض هذه البيانات في رسم مسطح كأن نعتمد المخطط البياني الثلاثي Ternary Plot، فيما الحديث عن أربع صفات فما فوق يضع التمثيل البياني خارج إطار ما هو متاح من أساليب لتوصيف البيانات بغرض دراسة التشابه أو الاختلاف فيما بين عناصرها (يمكن في مثل هذه الحالات تطبيق تقنيات أخرى مثل العنقدة الهرمية للوصول إلى تلك الغاية). تقوم الفكرة الأساسية في تحليل المكونات الرئيسية PCA على تلخيص أكبر قدر ممكن من التباينات في مجموع الصفات المقاسة والتي تسهم في التمايز ما بين العناصر المدروسة، وذلك من خلال ابتداع عدد من الصفات التخيلية التي تحسب من مجموع الصفات الحقيقية لكن بأوزان متفاوتة تعكس دور كل منها وأهميته في التفريق ما بين تلك العناصر. تعمل خطوات تنفيذ الخوارزمية على حصر أكبر قدر ممكن من التباينات ضمن توليفة الصفة التخيلية الأولى والتي عادة ما يطلق عليها تسمية المكون الرئيسي الأول PC1، كما يتم حساب نسبة مؤوية لهذه الصفة التخيلية التي ابتدعناها تشير إلى الحصّة الكليّة من التباينات التي تم إلتقاطها والتعبير عنها في هذه الصفة التخيلية بالذات، تتابع خوارزمية تحليل المكونات الرئيسية PCA إنجاز عملها بأسلوب يشبه القضم، فبعد أن قامت من خلال ابتداع المكون الرئيسي الأول PC1 التعبير عن أكبر قدر ممكن من التباينات الموجودة ما بين العناصر المدروسة، ولنقل على سبيل المثال أننا استطعنا التعبير عن 60% من خلاله، حينها يأتي الدور على ابتداع المكون الرئيسي الثاني PC2 والذي سيقوم بدوره بمحاولة التعبير عن أكبر قدر ممكن من التباينات المتبقية والتي لم يستطع PC1 التعبير عنها، لذا فإن النسبة التي تمثل ما سيستطيع PC2 التعبير عنه من تباينات هي دوما أقل مما تم التعبير عنه في PC1، وهكذا دواليك بالنسبة لكل من PC3 و PC4 وصولا إلى PCn حيث n هي العدد الكلي للصفات المدروسة، وحينها تصل النسبة الإجمالية (التراكمية) إلى 100%، مع ملاحظة أنه من الممكن أن نصل إلى تلك النسبة قبل ذلك في حال كانت هناك مجموعة جزئية من الصفات المدروسة مستقرأة أو مستخلصة من صفات أخرى داخلة في ذات التحليل (كأن يكون لدينا وزن السيارة بالطن في صفة وبالكيلوغرام في صفة أخرى)، أو حتى لو كانت لدينا مجموعة جزئية من الصفات المدروسة عالية الارتباط فيما بينها لسبب أو لآخر. بمعنى آخر فإن ما نقوم به في هذا الحالة ما هو إلا شكل من أشكال تلخيص كمية المعلومات المقدمة على شكل عدد كبير من الصفات بصورة عدد مقتضب من المكونات الرئيسية (عادة ما نهتم بأول اثنين أو ثلاثة منها)، والتي ما هي إلا عبارة عن صفات تخيلية محسوبة كما سبق وأن أوضحنا بدلالة الصفات الحقيقية لكن بأوزان متفاوتة وضعت وحددّت لكي تعبّر عن أكبر قدر ممكن من التباينات التي تظهر ما بين عناصر المجموعة المدروسة. بهذا المنطق نرى أن الصفات التي لا تساهم في التفريق ما بين العناصر المختلفة في مجموعة البيانات التي ندرسها (وهي في حالتنا هذه طرز السيارات المختلفة) يكون لها أوزان صغيرة تقترب من الصفر، على نقيض الصفات التي تلعب دورا حاسما في التفريق ما بين العناصر المدروسة حيث يكون لتلك الصفات أوزان ذات مقادير كبيرة تقترب في قيمتها المطلقة من الواحد الصحيح، حيث لا أهمية هنا للإشارة سواء كانت موجبة أم سالبة طالما أن ما نبحث عنه هو وجود التأثير بحد ذاته. لابد أن تكون قد لاحظت أن قيم الأوزان المستخدمة في تثقيل أي من الصفات الداخلة في حساب المكونات الرئيسية (أي الصفات التخيلية الجديدة المبتدعة والتي تظهر في قسم Rotation ضمن مخرجات التابع prcomp) تتراوح ما بين -1 و +1، لذا فإما أن تكون جميع الصفات المستخدمة في وصف العناصر من ذات الرتبة (كأن تكون العناصر المدروسة هي مجموعة من الطلاب والصفات المستخدمة في دراسة التشابه أو الاختلاف بينهم هي علاماتهم الامتحانية في مجموعة من المواد)، فإن لم يكن الحال كذلك وجب علينا إجراء تقييس للمقادير الخاصة بالصفات الداخلة في التحليل قبل استخدامها في تحليل المكونات الرئيسية نفسه، وإلا ظهرت لدينا الصفة الأكبر قيمة من حيث المقادير المقاسة على أنها الصفة المسيطرة والمؤثرة على التمايز ما بين العناصر وذلك خلافا للصواب (فعلى سبيل المثال إن اختلافا بمقدار 0.5 طن في الوزن ما بين سيارتين يعد هاما في التفريق بينهما بقدر يفوق ما قد يعنيه الاختلاف في قدرة المحرك بمقدار 5 أحصنة على الرغم من أن الرقم 5 هو أكبر بعشرة أضعاف كقيمة مقارنة بالرقم 0.5). للتقييس طرق وأساليب متعددة منها على سبيل المثال التحويل إلى نسبة مؤية، أو التقييس إلى مجال يتدرج حتى الواحد الصحيح والذي يقابل القيمة العظمى للنطاق الحقيقي للقراءات المعنية، وهو ما يتم من خلال قسمة كافة القيم على مقدار القيمة العظمى تلك، أو يمكننا طرح قيمة المتوسط الحسابي من كافة القراءات وقسمتها على الإنحراف المعياري، فيصبح بالنتيجة المتوسط الحسابي للقراءات الجديدة المحولة هو 0 وانحرافها المعياري هو 1. إن إسناد القيمة TRUE للوسيط scale في التابع prcomp والذي ينفذ تحليل المكونات الرئيسية يطلب إلى الخوارزمية أن تقوم بعملية التقييس على البيانات قبل إجراء التحليل ذاته. pc <- prcomp(mtcars, scale=TRUE) pc Standard deviations: [1] 2.5706809 1.6280258 0.7919579 0.5192277 0.4727061 0.4599958 [7] 0.3677798 0.3505730 0.2775728 0.2281128 0.1484736 Rotation: PC1 PC2 PC3 PC4 PC5 mpg -0.3625305 0.01612440 -0.22574419 -0.022540255 0.10284468 cyl 0.3739160 0.04374371 -0.17531118 -0.002591838 0.05848381 disp 0.3681852 -0.04932413 -0.06148414 0.256607885 0.39399530 hp 0.3300569 0.24878402 0.14001476 -0.067676157 0.54004744 drat -0.2941514 0.27469408 0.16118879 0.854828743 0.07732727 wt 0.3461033 -0.14303825 0.34181851 0.245899314 -0.07502912 qsec -0.2004563 -0.46337482 0.40316904 0.068076532 -0.16466591 vs -0.3065113 -0.23164699 0.42881517 -0.214848616 0.59953955 am -0.2349429 0.42941765 -0.20576657 -0.030462908 0.08978128 gear -0.2069162 0.46234863 0.28977993 -0.264690521 0.04832960 carb 0.2140177 0.41357106 0.52854459 -0.126789179 -0.36131875 من جهة أخرى نحصل نتيجة تمرير خرج التابع prcomp سابق الذكر إلى تابع عرض وتلخيص النتائج في لغة R أي التابع summary على النسبة المؤية للتباينات التي تم التعبير عنها في كل من المكونات الرئيسية المحسوبة بشكل مستقل أو تراكمي مضافا إلى ما سبقها من مكونات رئيسية، وهو ما يمكن عرضه أيضا بشكل رسومي من خلال تمرير ذات الخرج السابق على تابع الرسم الافتراضي في لغة R وهو التابع plot والذي يظهر تلك النسب المؤية لكل واحد من المكونات الرئيسية ممثلة بالأعمدة ضمن مخطط بياني كما هو موضح أدناه. summary(pc) Importance of components: PC1 PC2 PC3 PC4 PC5 PC6 Standard deviation 2.5707 1.6280 0.79196 0.51923 0.47271 0.46000 Proportion of Variance 0.6008 0.2409 0.05702 0.02451 0.02031 0.01924 Cumulative Proportion 0.6008 0.8417 0.89873 0.92324 0.94356 0.96279 PC7 PC8 PC9 PC10 PC11 Standard deviation 0.3678 0.35057 0.2776 0.22811 0.1485 Proportion of Variance 0.0123 0.01117 0.0070 0.00473 0.0020 Cumulative Proportion 0.9751 0.98626 0.9933 0.99800 1.0000 plot(pc) بالعودة إلى التطبيق العملي لهذه التقنية، عادة ما نهتم بأول مكونين رئيسيين فحسب أي PC1 و PC2 والذين يعبران عن أكبر قدر ممكن من التباينات بين العناصر بحسب مجمل الصفات المدروسة والتي يمكن التعبير عنها بمتحولين إثنين فقط، وفي مثالنا يبلغ مجموع هاتين النسبتين 84%، فنحن الآن قادرون على أن نعود إلى استخدام الرسم البياني البسيط على مستوي ثنائي الأبعاد من خلال التعبير عن PC1 على محور السينات و PC2 على محور العينات في مخطط بياني نعلم أنه يعبر عن 84% من التباينات الكلية بحسب كافة الصفات المدروسة (عادة ما تكون أي نسبة تفوق 60% مرضية للكثير من الباحثين)، وهكذا فإن أي نقطتين متجاورتين تمثلان طرازين متشابهين من السيارات. وبالتالي بعد تنفيذ تحليل المكونات الرئيسية PCA باستخدام التابع prcomp يمكننا حفظ النتائج التي نحصل عليها ضمن متحول ما ثم نعيد تمريرها للتابع biplot والذي سيقوم بوظيفة إخراجها بشكل رسومي في مخطط بياني ثنائي الأبعاد سيناته تمثل المكوّن الرئيسي الأول PC1 وعيناته تمثل المكوّن الرئيسي الثاني PC2، حيث يتم إسقاط كل عنصر من البيانات المدروسة وتمثيله على شكل نقطة وحيدة في هذا الفضاء التخيلي ثنائي الأبعاد بعد حساب قيمة كل من مسقطيه PC1 و PC2 من خلال تعويض قيم صفاته الحقيقية في معادلة حساب كل منهما. إن كانت نسب تمثيل كل من PC1 و PC2 متقاربة أمكن لنا تبسيط التعامل مع محاور الإحداثيات على أنها متناظرة، وإلا وجب التنبّه إلى أنّ الفروقات على محور السينات هي أكثر معنوية أو أهمية من فروقات بنفس القدر على المخطط البياني لكن على محور العينات. biplot(pc, cex=0.75) بالإضافة إلى ذلك سيظهر لنا هذا المخطط البياني أسهما باللون الأحمر تمثل كل صفة من الصفات الداخلة في تحليل المكونات الرئيسية وهو ما يقدّم لنا المزيد من المعلومات المضافة التي تخص العلاقة ما بين الصفات ذاتها حيث أن تجيب الزاوية (أي قيمة التابع المثلثي cos) ما بين سهمين أي صفتين يمثل قيمة معامل الارتباط بينهما، حيث أن الصفات التي تفصل بين أسهمها زوايا حادة هي صفات بينها ارتباط إيجابي/طردي (أي كلما زادت قيمة الصفة الأولى زادت الثانية والعكس بالعكس، دون أن يدل ذلك بالضرورة على أي علاقة سببية بينهما بل مجرد ارتباط ظاهري)، كما هو الحال بالنسبة لصفتي القدرة الحصانية hp وعدد إسطوانات المحرك cyl، وتزداد قيمة معامل الارتباط بصغر الزاوية حتى إذا انطبق سهما الصفتين على بعضهما البعض كان الارتباط طرديا تاما حيث cos(0) = +1. بشكل مناظر يمكننا استنتاج الصفات المرتبطة مع بعضها البعض لكن بشكل سلبي/عكسي (أي كلما ازدادت قيمة الصفة الأولى نقصت الثانية والعكس بالعكس)، حيث أن الزاوية التي تفصل ما بين السهمين الممثلين للصفتين المقارن بينهما يجب أن تكون زاوية منفرجة، كما هو الحال بالنسبة لصفتي القدرة الحصانية hp وعدد الأميال المقطوعة بغالون البنزين الواحد mpg، وتزداد قيمة معامل الارتباط بازدياد قياس الزاوية وصولا إلى الزاوية المستقيمة والتي يبلغ قياسها 180 درجة (أي أن السهمين يقعان على استقامة واحدة لكن باتجاهين متعاكسين)، وحينها يكون الارتباط هو ارتباط عكسي تام حيث cos(180) = -1. في حين أنّ الصفات التي لها أسهم متعامدة أو قريبة من التعامد (أي أن الزاوية بينهما قريبة من 90 درجة) فهي تشير إلى صفات غير مرتبطة ببعضها البعض أي أنها صفات مستقلة، كما هو الحال بالنسبة لصفتي القدرة الحصانية hp وعدد الغيارات في علبة السرعة gear، حيث أن cos(90) = 0. كذلك لابد أنك قد لاحظت أن جميع الأسهم في هذا المخطط البياني تظهر متساوية الطول، يعود السبب في ذلك إلى أننا قمنا بإجراء عملية تقييس على البيانات المدخلة قبل تنفيذ تحليل المكونات الرئيسية PCA، وإلا كانت أطوال هذه الأسهم مختلفة وتعبر عن قيمة مساهمة كل واحدة من هذه الصفات في المقدار الكلي للتباينات المقاس ما بين عناصر البيانات المدروسة (في حالة مثالنا إن أهملنا الوسيط scale=TRUE عند استدعاء التابع prcomp لأصبح سهمي الإزاحة/الحجم disp والقدرة الحصانية hp هما وحدهما الطاغيين على المخطط كون الفروقات التي يتسببان بها هي من رتبة العشرات ما بين طرز السيارات المختلفة وتتجاوز بكثير أي صفات أخرى من حيث القيمة المطلقة قبل التقييس، لكن هذا الاستنتاج مضلل ويجب التنبّه إلى ضرورة التقييس في مثل هكذا الحالات). فائدة أخرى يمكن الحصول عليها من وجود أسهم الصفات المضافة إلى المخطط البياني ثنائي الأبعاد والذي يمثل فيه كل عنصر من عناصر البيانات بنقطة (في حالتنا هذه كل طراز من طرز السيارات المدروسة)، إذ أن كل نقطة موجودة على امتداد أحد الأسهم أو في إتجاهه تعني أن الطراز المقابل لها له قيمة تفوق المتوسط بالنسبة للصفة المعنية المرتبطة بالسهم الذي نقارن معه (تزداد بابتعاد النقطة أكثر فأكثر عن مركز الإحداثيات باتجاه الأطراف)، وبشكل مناظر فإن النقاط الموجودة في الاتجاه المعاكس لسهم الصفة المدروسة وراء مركز الإحداثيات تدل على أن هذا الطراز المعني بتلك النقطة له قيمة أقل من المتوسط العام لهذه الصفة مقارنة بكافة العناصر الموجودة في عينة البيانات المدروسة. بشكل عام نستطيع تمديد السهم ليمثل محورا وهميا خاصا بتلك الصفة بالذات، ومن ثم نستطيع الحصول على تقدير نسبي جيد لقيمة هذه الصفة لكافة العناصر الموجودة من خلال أخذ مساقط من كل نقطة بشكل عامودي على هذا المحور الفرعي/التخيلي. من التدقيق في المخطط البياني الناتج من تحليل المكونات الرئيسية PCA من خلال استدعاء التابع biplot نجد أن صفة mpg التي تمثل عدد الأميال المقطوعة بغالون البنزين الواحد ترتبط بشكل عكسي مع صفات مثل عدد إسطوانات المحرك cyl والحجم disp والوزن مقدرا بالطن wt وهذا يبدو منطقيا، ونرى من خلال ذات المخطط أن سيارة مثل هوندا سيفيك تعد إقتصادية إلى حد بعيد مقارنة بطراز مثل كومارو Z28 والذي يمكن وصفه على أنه واحد من أسوء الطرز المدروسة من جهة استهلاك الوقود، وهي تعد إقتصادية أيضا حتى مقارنة بطرز أخرى مثل فولفو 142E والذي على الرغم من كونه يقطع عدد من الأميال بغالون البنزين الواحد يفوق المتوسط العام لطرز السيارات المدروسة، إلا أنه لا يزال أقل كفاءة من الهوندا سيفيك كما هو موضح بالمخطط البياني. مراجع للاستزادة: http://en.wikipedia.org/wiki/Principal_component_analysis.

كما يشير اسمه، فتحليل الجدوى feasibility analysis هو تحليل مصمّم لتقييم ما إذا كان المشروع الرّيادي في الواقع ممكنًا أو قابلًا للتّنفيذ، أم لا. فبعد تقييم فريقك الإداريّ، وجس نبض السّوق حيال فكرتك، وتقدير الجدوى الاقتصاديّة، وتحديد العوائق الممكنة، يمكنك اتّخاذ اختيار مدروس حول جدوى مشروعك الرّياديّ. يدرس تحليل الجدوى مدفوع بالأرقام -والذي قد يكون أعمق من خطّة العمل- جدوى الفكرة، أو المشروع، أو النّشاط التّجاريّ الجديد. وقد يصبح قاعدةً تستند إليها خطّة العمل الّتي توضّح الخطوات الإجرائيّة اللاّزمة لنقل اقتراح ما من فكرة إلى واقع. كما يسمح تحليل الجدوى للشّركة بتوضيح كيف وأين ستشتغل، ومن هم منافسوها، وما هي معيقاتها الممكنة، وتمويلها اللاّزم للبدء؛ لتوفّر بعدها خطّة العمل إطار العمل الّذي يبسُط خريطةً للمضيّ قدمًا وتنفيذ الرّؤية الرّياديّة. تحليل الجدوى التنظيمية يهدف تحليل الجدوى التّنظيميّة Organizational feasibility إلى تقييم براعة الإدارة، وكفاية الموارد للدّفع بالمنتج أو الفكرة إلى السّوق (الشّكل 11.11)، وينبغي أن تُقيّم الشّركة قدرة فريق إدارتها في نواحي المصلحة والتّنفيذ، وتتضمّن المقاييس المعتادة في براعة الإدارة تقييم شغف المؤسِّسين لفكرة النّشاط التّجاري مع خبرتهم في المجال، وخلفيّاتهم التعليميّة، وخبراتهم الشخصيّة. كما ينبغي طبعًا صدق المؤسِّسين في تقييمهم الشّخصيّ. الشكل 11.11: يركّز تحليل الجدوى التّنظيميّة على احتياجات الموارد وقدرات الإدارة. حفظ الحقوق: تصميم مسجّل باسم جامعة رايس، OpenStax، تحت ترخيص CC BY 4.0 يتعلّق اكتفاء الموارد بالموارد غير النّقديّة الّتي سيحتاجها المشروع للمضيّ قدمًا بنجاح، كما يسعى إلى تقييم ما إذا كان رائد الأعمال يملك ما يكفي منها. فلابدّ من ترتيب المنظّمة لإمكانياتها من 6 إلى 12 نوعًا من تلك الموارد، مثل توفّر مساحة المكاتب وجودة مجموعة اليد العاملة وإمكانية الحصول على حماية حقوق الملكية الفكريّة إذا تطلّب الأمر، وكذا استعداد الموظّفين ذوي الجودة العالية للانضمام إلى الشّركة، واحتمال تكوين شراكات إستراتيجيّة مفيدة. وإذا كشف التّحليل عدم كفاية هذه الموارد الضّروريّة، فقد لا يكون المشروع ممكنًا بخطّته الحاليّة. تحليل الجدوى المالية يهدف تحليل الجدوى الماليّة financial analysis إلى توقُّع الإيرادات والنفقات، وتوقُّع سرد ماليّ، وتقدير تكاليف المشروع، وتقييماته، وتوقُّعات التدفّق النّقدي. (الشّكل 12.11) الشكل 11.11: يركّز تحليل الجدوى االماليّة على المصاريف، والتدفّق النّقدي، والإيرادات المتوقّعة. حفظ الحقوق: تصميم مسجّل باسم جامعة رايس، OpenStax، تحت ترخيص CC BY 4.0 يحتوي تحليل الجدوى الماليّة عادةً على العناصر التّالية: توقُّع ربح وخسارة لمدّة 12 شهرًا. توقُّّع ربح وخسارة لثلاث أو أربع سنوات. توقُّع التدفّق النّقدي. ميزانيّة عامّة متوقّعة. حساب نقطة التّعادل. قد يقدِّر تحليل الجدوى الماليّة المبيعات أو الإيرادات المحتمل تحقيق شركتك لها، كما تتوفّر مجموعة من العمليّات والطّرائق لحساب تقديرات المبيعات، فقد تستخدم معطيات الصّناعة الّتي تنشط فيها، أو معطيات جمعيّتك لتقدير مبيعات نشاطك التّجاري الجديد. كما قد تبحث عن نشاطات تجاريّة مشابهة لك في مواقع مشابهة لموقعك لتأخذ فكرة عن الأداء المحتمل لشركتك موازنةً بأداء المنافسين. ومن المعادلات الشّائعة هي أن يكون توقُّع المبيعات حاصل جداء عدد العملاء المستهدفين في الإيراد المتوسّط لكلّ عميل: وفي جزء آخر بالغ الأهميّة يجب فهمه في التّخطيط على مالكي النّشاطات التّجارية الجديدة، نجد نقطة التّعادل breakeven point، وهي مستوى العمليّات الّذي يترتّب عنه إيرادات كافية تمامًا لتغطّي التّكاليف، وعندها لا يتحقّق ربح ولا خسارة. وحتى تحسبها عليك أوّلا بفهم نوعي التّكاليف، الثّابت منها والمتغيّر. فأمّأ التّكاليف الثّابتة Fixed costs فهي النّفقات الّتي لا تتغيّر بناءً على عدد المبيعات، وأجرة الكراء على سبيل المثال، بينما تتغيّر أغلب النّفقات من شهر إلى آخر، ولا نحتسب التّكلفة متغيّرةً إلاّ إذا ارتفعت نتيجة زيادة المبيعات ولو قطعةً واحدة، لهذا فالتّأمين، والأجور، وأدوات المكتب تُعَدّ جميعها تكاليفًا ثابتة؛ وأمّا التّكاليف المتغيّرة Variable costs فتتقلّب قيمتها مع مستوى إيرادات المبيعات، وتشمل عناصر من مثل: المواد الخام، والمشتريات الموجّهة للبيع، والعمالة المباشرة. يمكنك بهذه المعلومات حساب نقطة التّعادل، لكن يجب أن تكون التوقّعات أكثر من مجرّد أرقام، فعليك تضمين شرح للافتراضات الأساسيّة المستخدمة لتقدير دخل المشروع ومصاريفه. يحدِّد التدفق النقدي المتوقَّع Projected cash flow النفقات الأولية ونفقات التشغيل والاحتياط. أو بعبارة أخرى هو يحدّد المبلغ الذي تحتاجه قبل إطلاق شركتك، فيساعدك بذلك في تحديد متى يجب استلام نقود، ومتى تكتب شيكًا للمصروفات، وهو بهذا مصمّم لإظهار ما إذا كان رأس مالك مناسبًا أم لا. تُظهر الميزانية العمومية balance sheet الأصول والخصوم، لذا فهي ضروريّة للإدارة الماليّة وإعداد التّقارير المالية، فعندما تُطرح الخصوم من الأصول، فسيكون الباقي هو ملكيّة أصحاب العمل. تحليل الجدوى السوقية يمكّنك تحليل السّوق market analysis من خلال التعرّف على المنافسين، وتقدير حكم العملاء والمستخدمين المستهدفين في مجالك المختار في السّوق، وذلك عبر تحليل الاهتمام العامّ بالمنتج أو الخدمة من خلال سوقهما المستهدف (الشّكل 11.13)، كما يمكنك تحديد السّوق من حيث حجمه، وهيكله، وإمكانيّات نموّه، وتوجّهاته، والمبيعات المحتملة فيه. وتسمح لك هذه المعلومات بخلق المكانة الأنسب لشركتك للمنافسة على حصّة في السّوق. وبعد تحديدك لحجم السّوق الكليّ، يمكنك تحديد سوقك المستهدف. وهذا يصل بك إلى إجمالي السّوق المتاح Total Available Market أو اختصارًا TAM، وهو عدد المستخدمين المحتملين في نطاق تأثير نشاطك التّجاريّ. ويمكن تقسيم هذا السّوق حسب المناطق الجغرافيّة، وخصائص العملاء، أو أقسام يحكمها المنتج، كما يمكنك تمحيص أيّ جزء من العملاء المستهدفين هو الأكثر قابليّةً للانجذاب إلى نشاطك التّجاريّ انطلاقًا من إجمالي السّوق المتاح، وهذا الجزء يُعرف بالسّوق الممكن خدمته Serviceable Available Market أو اختصارًا SAM. الشكل 13.11: تحليل جدوى السّوق عمليّة تفحص السّوق الإجماليّ وتركّز على الحصّة المتوقّعة من السّوق المستهدف. حفظ الحقوق: تصميم مسجّل باسم جامعة رايس، OpenStax، تحت ترخيص CC BY 4.0 قد يكون تقدير حصّة السّوق تقديرًا شخصيًّا، فيعتمد إلى جانب تحليل السّوق على إستراتيجيّات التّسعير، والتّرويج، والتّوزيع. وبهذا ستمتلك عددًا من أدوات التوقُّع والتنبّؤ تحت تصرّفك، تمامًا كما هو الحال مع الإيرادات. كما يمكنك إدراج عناصر أخرى في تحليق السّوق، مثل: مراجعة شاملة للمنافسة، والأداء التّاريخي للسّوق، وتغييرات العرض والطّلب، والنموّ المتوقَّع في الطّلب بمرور الوقت. تطبيق نتائج دراسة الجدوى عليك أن تُقرّر بعد إجرائك لتحليل الجدوى ما إذا كنت ستمضي قدمًا في المشروع أم لًا، ومن التّقنيات المستعملة في مجال إدارة المشاريع ما يسمّى بقرار المضيّ قُدمًا من عدمه Go or No Go Decision، حيث تسمح هذه الأداة للفريق بتقرير ما إذا كانت المعايير مستوفاةً للانطلاق في المشروع، كما توضَع هذه المعايير وتُتابع بمرور الوقت. يمكنك تطوير معايير لكلّ قسم من أقسام تحليل الجدوى، ثمّ تقرير مصير كلّ منها على حدى، إمّا بـ "المضيّ قُدمًا" أو "عدم المضيّ قُدمًا"، ثمّ استخدام ذلك التّقييم للخروج أخيرًا بقرار نهائيّ فإمّا المضيّ قدمًا في المشروع، وإمّا لا. وهذا يعني تقريرك لما إذا كنت مرتاحًا للمتابعة مع فريق الإدارة الحاليّ و"المضيّ قُدمًا" مع الموارد غير الماليّة الموجودة، و"المضيّ قُدمًا" أيضًا مع التوقّعات الماليّة، و"المضيّ قُدمًا" كذلك في السّوق والمجال المدروسين. فإذا رأيت أنّ ما يكفي من المعايير هي مستوفاة للـ "مضيّ قُدمًا"، فيمكنك المتابعة بتطوير إستراتيجيّتك على شكل خطّة عمل. .addtional__paragraph { border: 3px solid #f5f5f5; margin: 20px 0 14px; position: relative; display: block; padding: 25px 30px; } ماذا يمكنك أن تفعل؟ الحب وراء الجدران Love Beyond Walls رأى تيرينس ليستر يومًا رجلًا مشرّدًا يعيش خلف مبنى مهجور متهاوٍ، فبادره بالسّؤال عمّا إذا كان يريده أن يصحبه إلى ملجأ للمشرّدين، فسخر الرّجل منه وطلب منه أن يجرّب هو النّوم في الملجأ. وبالفعل، جرب ليستر ذلك، ورأى المشكلة من منظور المشرّد، فقد كان المأوى مزدحمًا وكريه الرّائحة، كما لا يمكنك الحصول فيه على قسط كاف من النّوم لأنّ الآخرين سيحاولون سرقة ما تملكه رغم قلّته. ففهم ليستر أنّ ذاك المبنى المتهاوي وفّر للمتشرّد - رغم العزلة- أمنًا وهدوءًا لا يمكن للمأوى توفيرهما. وهكذا، قرّر ليستر طواعيةً العيش بضعة أسابيع رجلًا متشرّدًا بلا مأوى. وقادته تجربته إلى إنشاء "الحب وراء الجدران" Love Beyond Wals، وهي منظّمة تساعد المشرّدين، وفئات أخرى. صحيح أنّ ليستر لم يُجرِ دراسة جدوى رسميّة، لكنّه عوّضها بدراسة غير اعتياديّة بتجربته العيش لأسابيع في وضع عملائه المستهدفين، وبهذا يمكن لدراسة جدوى التشرّد في منطقة ما تسليط الضّوء على نتائج مدهشة تقود إلى مشاريع رياديّة مجتمعيّة. اقترح قضيّةً اجتماعيّةً يمكنها الاستفادة من دراسة جدوى رسميّة حول حلّ رياديّ محتمل. ترجمة وبتصرف للمقال Launch for Growth to Success، من كتاب Entrepreneurship. اقرأ أيضًا المقال التالي: كيفية إنجاز خطة عمل كاملة المقال السابق: كيفية تصميم نموذج الأعمال لتمويل المشروع كيف يتجاوز رائد الأعمال المشاكل الريادية بطرائق إبداعية؟ كيف يبحث رواد الأعمال عن الفرص الريادية المحتملة؟

لكل شيء تجربة مُستخدم. مهمّتنا ليست خلق تجربة المُستخدم، بل تحسينها. ولكن ما معنى "تحسين" تجربة المُستخدم؟ هذا هو الدرس الأول من سلسلة مدخل إلى تجربة المستخدم: مدخل إلى تجربة المستخدم User Experience (هذا الدرس) فهم ودراسة المستخدمين في مجال تجربة المستخدم دراسة الشريحة المستهدفة في مجال تجربة المستخدم كيفية التصميم للأجهزة المختلفة هندسة المعلومات في تجربة المستخدم تعرف على أنماط التصميم في مجال تجربة المستخدم أشياء لا يمكن اعتبارها رسوما تخطيطية (Wireframes) في مجال تجربة المستخدم تعرف على الرسوم التخطيطية (Wireframes) في مجال تجربة المستخدم مفهوم الثقل المرئي (Visual Weight) والألوان في مجال تجربة المستخدم التكرار ومخالفة الأنماط في مجال تجربة المستخدم المحاذاة والقرب في مجال تجربة المستخدم تعرف على أساليب مسح الواجهة والتراتب المرئي في مجال تجربة المستخدم أساليب الإطلاع في مجال تجربة المستخدم: التصفح، البحث والاكتشاف تصميم هيكل صفحة الويب والعناصر الأساسية في مجال تجربة المستخدم الأزرار، النماذج والدعوات إلى الإجراء في مجال تجربة المستخدم استخدام علم النفس في مجال تجربة المستخدم لتكييف المستخدم وإقناعه كيف تغير الخبرة من تجربة المستخدم؟ تصميم تجربة المستخدم من خلال بيانات وإحصائيات المستخدمين تعرف على أنواع المخططات الإحصائية في مجال تجربة المستخدم اختبارات أ/ب (A/B Test) في مجال تجربة المستخدم يشيع الاعتقاد أن تجربة المُستخدم الجيدة هي تحقيق سعادة المستخدمين؛ وهذا غير دقيق! لو كانت السعادة غايتنا لاكتفينا بصور القطط و عبارات المديح العشوائية وعدنا إلى بيوتنا! للأسف لن يكون مديرك في العمل راضيًا (مع أن الفكرة ليست سيّئة!) هدف مصمّمي تجربة المُستخدم هو الوصول إلى كفاءة المستخدم. تجربة المستخدم ليست سوى قمّة جبل الجليد: يعتقد كثير من الناس أن كلمة UX تعني تجربة المستخدم، ولكنها بالأحرى تعني عملية تصميم تجربة المستخدم. تجربة كل مستخدم على حدة ليست سوى رأيه الشّخصي عن موقعك أو تطبيقك. صحيح أن رأي المستخدم مهم (أحيانًا) ولكن على عاتق مصممي التجربة مسؤوليات أكبر من ذلك. تصميم تجربة المُستخدم: يشمل تصميم تجربة المُستخدم (UXD اختصارًا) إجراءات مشابهة جدًّا لأصول البحث العلمي، فنحن نبدأ بفهم طبيعة المستخدمين، ثم التفكير بتلبية حاجاتهم (وحاجات المشروع)، ثم نبني هذه الحلول ونقيس أداءها على أرض الواقع. تابع معنا لتتعلم الكثير عن تجربة المُستخدم، أو تابع صور القطط إن لم تكن مهتمًّا! ركنا تجربة المستخدم الأساسيان ينبغي عليك عندما تبدأ مشروع تجربة مُستخدم جديدًأ وقبل أن تصمّم أيّ شيء، أن تفهم أهدافك؛ هدفين اثنين على وجه الدقّة. كل شيء تفعله قائم على هذين الهدفين ولا شيء أهمّ منهما لنجاح عملك كمصمّم تجربة المُستخدم: أهداف المستخدمين، وأهداف المشروع. أهداف المستخدمين يريد المستخدم شيئًا ما منك، فهو إنسان، وللإنسان دومًا حاجات. سواء كانت هذه الحاجات هادفة أو لا. أهداف المشروع لكل مؤسسة هدف من وراء الموقع أو التطبيق الذي تبنيه، عادة يكون الهدف المال، ويمكن أن يكون الدعاية للشركة، أو جذب المستخدمين للمجتمع… إلخ. تحديد نوع هذا الهدف أمر مهمّ. فلو كان الهدف عرض إعلانات أكثر، فإنّ سياسة تجربة المُستخدم ستكون مختلفة كلّ الاختلاف عمّا إذا كان الهدف هو بيع المنتجات أو الترويج للمشروع في الإعلام الاجتماعيّ. تُسمّى هذه الأمور "القياسات" (metrics) أو "مؤشرات الأداء الأساسيّة" (KPIs) كما يحلو لرجال الأعمال تسميتها. التنسيق بين الهدفين حسن التنسيق بين الهدفين السابقين هو الامتحان الحقيقي لمصمم تجربة المُستخدم، والمقصود هو كيف تجعل غاية المشروع تتحقّق عندما يحصل المستخدم على ما يريد (وليس العكس!). يجني YouTube أرباحه من الإعلانات، ويريد مستخدموه مشاهدة مقاطع فيديو جيدة، ولذلك فإن وضع الإعلانات في المقطع نفسه (أو في الصفحة نفسها) أمر منطقيّ. ولكن الأمر الأهمّ هو أن تسهيل البحث عن مقاطع الفيديو وإيجاد المقاطع المشابهة سيؤدي إلى زيادة ما يشاهده المستخدم، وهذا بدوره يزيد في أرباح YouTube. لو لم يكن الهدفان مُنسّقين، لاستطاع المستخدمون تلبية حاجتهم دون إفادة المشروع (مستخدمون كثر ولكن بلا نجاح) أو أن الأمر على العكس، أي أن المستخدمين لا يستطيعون تلبية حاجتهم (لا مستخدمين ولا نجاح). لو فرض YouTube إعلانًا مدّته دقيقة على كل نصف دقيقة تشاهدها، لانتهى به الأمر سريعًا نهاية عسيرة، ولكنّ إعلانًا مدّته بضع ثوانٍ هو ثمن قليل تدقعه مقابل مشاهدة دب الباندا وهو يعطس… صحيح؟ المكونات الخمسة لتجربة المستخدم في عملية تصميم تجربة المُستخدم، على المصمم أن يحفظ في ذهنه خمسة أمور طيلة العملية. المكوّنات الخمسة لتجربة المُستخدم: الجانب النفسي، وقابليّة الاستخدام، والتصميم، والجمل الترويجية، والتحليل. بإمكاننا أن نفرد في الحديث سلسلة طويلة لكلّ من هذه الجوانب، ولكنّنا سنبُسِّط الأمور بعض الشيء، فهذه السلسلة موجزة، وليس الغرض منها التعمّق في التفاصيل. أولا: الجانب النفسي عقل المستخدم معقّد، وأنت تعرف ذلك. يتعامل مصمّم تجربة المُستخدم مع ذهنيّة غير موضوعيّة تتحكّم بها المشاعر كثيرًا؛ ولهذه الذّهنيّة تأثير سلبيّ أو إيجابيّ على نتائجك، وعلاوةً على ذلك ينبغي على المصمم تجاهل جانبه النفسيّ الخاص أحيانًا، وهذا أمر عسير. اسأل نفسك: ما الذي يدفع المستخدم ليزور خدمتي في الأساس؟ ما شعوره عندما يفعل ذلك؟ كم من الجهد يبذله ليصل إلى ما يريد؟ ما العادات الّتي تنشأ مع تكرار ذلك مرارًا؟ ما الذي يتوقّعه عندما ينقر على هذا؟ هل تفترض أنّه يعلم شيء وهو لم يتعلّمه بعد؟ هل يريد أن يكرّر هذا الأمر؟ كم مرّة؟ هل تفكّر بحاجات المستخدم ورغباته، أم بحاجاتك ورغباتك؟ كيف تكافئ التّصرّف السّليم؟ ثانيا: قابلية الاستخدام صحيح أن الجانب النفسيّ للمستخدم أمر متعلّق ببواطنه، ولكن قابليّة الاستخدام على العكس من ذلك، وباستطاعتك ملاحظة حيرة المستخدم. أحيانًا تكون صعوبة تنفيذ شيء ما أمرًا ممتعًا (كما في الألعاب)، ولكن الغالب لكل ما سوى الألعاب أن تكون سهولة الإنجاز هي ما نريده. اسأل نفسك: هل يستطيع المستخدم إنجاز العمل المطلوب بأقل قدر من الإدخال؟ هل باستطاعتنا تجنيب المستخدم الوقوع في الخطأ؟ (الجواب: نعم!) هل الأمر واضح ومباشر، أم أنّه غامض؟ هل الأمر سهل إيجاده (وهذا أمر جيّد)، أم صعب تفويته (أفضل)، أم متوقّع دون تفكير (الأفضل)؟ هل يتلاءم تصميمك مع افتراضات المستخدم أم يعاكسها؟ هل وفّرت كل ما ينبغي على المستخدم معرفته؟ هل يمكن إنجاز الأمر نفسه بالجودة نفسها ولكن بطريقة مألوفة أكثر؟ هل تبني قراراتك على منطقك أنت؟ أم على بديهة المستخدم؟ كيف تتأكد؟ إن لم يقرأ المستخدم النصوص المكتوبة بخطّ صغير، هل يبقى الأمر مفهومًا؟ هل يمكن إنجازه؟ ثالثا: التصميم تعريفك لكلمة "التصميم" كمصمم تجربة المُستخدم مختلف بعض الشيء عن المفهوم الفنّي الذي يعرفه المصمّمون. لا يهمّ إن كانت الكلمة تعجبك أم لا. التصميم في تجربة المُستخدم يعني كيف تسير الأمور، وهو شيء يمكن إثباته؛ ولا علاقة له بالأسلوب. اسأل نفسك: هل يعتقد المستخدم أن المنتج جميل؟ هل يثقون فيه فورًا؟ هل يوصل المنتج الهدف والوظيفة دون كلمات؟ هل يمثّل العلامة التجارية؟ هل تنسجم مكوّناته معًا؟ هل يقود التصميم عيني المستخدم إلى المواضع الصحيحة؟ كيف تتأكّد؟ هل تساعد الألوان والأشكال والخطوط المستخدم في إيجاد ما يريده وتزيد من قابلية مُستخدم التفاصيل؟ هل تبدو العناصر الّتي يمكن النقر عليه مختلفة عن تلك الّتي لا يمكن النقر عليها؟ رابعا: الإنشاء/النصوص Copywriting هناك فرق هائل بين الإنشاء الخاص بالعلامة التجارية والإنشاء الخاص بقابليّة الاستخدام. فالأولى تعزّز صورة الشركة، والثانية هدفها إنجاز الأمور بأسرع وأبسط ما يمكن. اسأل نفسك: هل تبدو النّصوص واثقة وتُعلِم المستخدم بما عليه فعله؟ هل تحثّ المستخدم على إتمام هدفه؟ هل هذا ما تريده؟ هل أكبر النصوص هي أهمّها؟ إن كان الجواب لا، فلماذا؟ هل تُعلّم المستخدم أم تفترض أنّه يعلم؟ هل هي واضحة ومباشرة وبسيطة وفعّالة؟ خامسا: التحليل التحليل هو نقطة ضعف معظم المصمّمين في رأيي، ولكن يمكن إصلاح هذا الخلل. التحليل هو الفارق الرئيسي بين تجربة المُستخدم وأنواع التصميم الأخرى، وفهمه يُعلي من قيمتك. وإتقانه يعني حرفيًّا دخلًا أعلى. فاسأل نفسك إذًا: هل تستخدم البيانات لإثبات صحّة تصميم، أو الوصول إلى التصميم الصّحيح؟ هل تبحث عن آراء غير موضوعيّة أم حقائق موضوعيّة؟ هل جمعت المعلومات الّتي تعطيك الإجابات المطلوبة؟ هل تعرف لم يفعل المستخدمون ما يفعلونه؟ أمّ أنك تفسّر سلوكهم فقط؟ هل تبحث عن أرقام مجرّدة؟ أم تهدف إلى إدخال تحسينات بناء عليها؟ كيف ستقيس شيئًا ما؟ هل تقيس الجوانب المطلوبة فعلًا؟ هل تبحث عن النتائج السيّئة أيضًا؟ لم لا؟ كيف تطبّق هذا التحليل لتحسين المنتج؟ ترجمة وبتصرّف لكل من المقالات التالية للكاتب Joel Marsh: What is UX User Goals & Business Goals The 5 Main Ingredients of UX حقوق الصورة البارزة: Designed by Freepik. اقرأ أيضًا المقال التالي: فهم ودراسة المستخدمين في مجال تجربة المستخدم النسخة العربية الكاملة من كتاب مدخل إلى تجربة المستخدم (User Experience - UX) 1.0.0 تاريخ موجز عن تجربة المستخدم ثلاثون مصطلحًا في تجربة الاستخدام لا غنى عنها لمصممي الويب

تعد لغة R من اللغات التي صعد نجمها حديثا وبشكل سريع بمجال البرمجة العلمية في قطاعي الإحصاء والمعلوماتية الحيوية (bioinformatics) حيث باتت معتمدة على نطاق واسع في كثير من الجامعات ومراكز البحث العلمية، وأصبحنا نرى استخدامها والإشارة إليها في المقالات المنشورة بالمجلات العلمية المحكّمة يزداد بشكل طردي ومتسارع، هذا عدى عن حقيقة كونها لغة حرة مفتوحة المصدر يخضع توزيعها لترخيص GPL الشهير. كل ذلك أدى إلى تزايد ما هو متوفر ومتاح على الشابكة (الإنترنت) من مصادر لها على توزع طيف تلك المصادر، فهناك الكتب الإلكترونية والدروس التعليمية وحتى المناهج الأكاديمية والدورات التدريبية إضافة إلى البرامج الجاهزة والمكتوبة بلغة R لتنفيذ هذه المهمة أو تلك، حتى أنها باتت تحظى ببعض الامتياز مقارنة بالعديد من العمالقة في قطاع البرمجة الرياضياتية العلمية والإحصائية مثل SAS و SPSS خصوصا في مجال توافر الجديد من الطرق والخوارزميات الحديثة، حيث يقاد هذا التوجه في معظمه من طرف الجامعات ممثلة بطلاب الدراسات العليا يحفّزهم على ذلك سهولة بناء الإضافات لهذه اللغة، ويعتبر هذا الأسلوب رغم ما قد يشوبه من نقاط ضعف تتعلق بموثوقية وجودة وغزارة تلك الإضافات الجديدة، والتي تتبع خبرة ومهارة مطوريها وناشريها، لكنها تبقى في القطاع العلمي والأكاديمي أفضل كثيرا من البدائل التجارية التي يعيبها ارتفاع ثمنها من جهة، ومن جهة أخرى بطئ إضافة التحديثات التي تعكس تطور القطاعات العلمية المختلفة، حيث أنها عادة ما تتبع دورة تجارية تتحكم بها الشركات المنتجة. سنحاول في هذه المقالة أن نقدم مدخلا مبسطا ومختصرا لأساسيات هذه اللغة ونستكشف بعضا من إمكانياتها واستخداماتها، والتي أتمنى أن أراها تدرّس في جامعاتنا يوما ما، بحيث تستخدم كأداة للاختبار والتجربة والتطوير ضمن الجلسات العملية لبعض المقررات العلمية في الكليات ذات الاختصاص. هذا هو الجزء الأول في سلسة مؤلفة من أربع مقالات تهدف إلى التعريف بلغة R حيث سيتناول الجزء الثاني منها موضوع المخططات البيانية الإحصائية، أما الجزء الثالث فسيتحدث عن كيفية إجراء بعض الاختبارات الإحصائية بلغة R، فيما نختم السلسلة بجزء رابع يتحدث عن بعض التقنيات المتقدمة في هذه اللغة. يمكنك تحميل لغة R من الموقع الرسمي لها على الشابكة والموجود على العنوان http://www.r-project.org حيث توجد إصدارات منها لمعظم أنظمة التشغيل الشائعة ومنها Windows و Linux وحتى Apple. إن عملية التنصيب سهلة وتخلو من التعقيدات، وعند الانتهاء منها يمكنك تشغيل بيئة عمل لغة R بالنقر على الأيقونة الخاصة بالبرنامج سواء تلك الموجودة على سطح المكتب أو من خلال قائمة البرامج، وحينها ستظهر لك شاشة سطر الأوامر الخاصة بلغة R وهو المكان المعتاد لكتابة الأوامر الخاصة بهذه اللغة كما هو ملاحظ في الشكل التالي: وبما أننا ذكرنا أن هذه اللغة واسعة الانتشار في مجال النشر العلمي، لذا دعونا نطلع على تعليمتنا الأولى وهي تعليمة ()citation والتي تعرض الطريقة الرسمية للإشارة إلى لغة R كمرجع ضمن لائحة المراجع المستخدمة في أي ورقة علمية كما هو موضح بالشكل التالي: في لغة R تستخدم الفاصلة المنقوطة للفصل فيما بين كل أمر من أوامر اللغة الموجودة على سطر واحد (فيما لاحاجة لتلك الفواصل المنقوطة إن كانت كل تعليمة ترد ضمن سطر مستقل بها)، كما ترى فإن خرج تنفيذ أي أمر أو دالة بلغة R يظهر بعدها مباشرة، وهكذا تتكون جلسة العمل الاعتيادية من تنفيذ لتتالي من الأوامر والتعليمات وصولا إلى إنجاز العمل أو التحليل المطلوب، ويمكنك باستخدام أزرار الأسهم إلى الأعلى وإلى الأسفل من التنقل عبر مجموعة الأوامر التي تم تنفيذها خلال جلسة العمل الحالية جيئة وذهابا، كذلك يمكنك استعراض آخر 15 أمر على سبيل المثال من خلال الدالة (history(15، هذا عدى عن إمكانية حفظ وتخزين أرشيف أوامر الجلسة الحالية في ملف باستخدام الدالة ("savehistory("myfile ومن ثم استعادة ذلك الأرشيف في جلسة عمل جديدة منفصلة باستخدام الدالة "("loadhistory("myfile، هناك اختصار آخر مفيد حينما ترى أن نافذة سطر الأوامر لديك أصبحت مزدحمة بالنتائج وتريد تنظيفها، فكل ما عليك القيام به هو النقر على الاختصار Ctrl+L (مع ملاحظة أن ذلك لن يحذف أي من البيانات التي تم تحميلها إلى البرنامج والمحفوظة بالتالي في الذاكرة، بل يقوم فقط بتنظيف الشاشة المعروضة أمامك). قبل الانطلاق قدما في استعراض ما في هذه اللغة من دوال وكيفية استخدام كل منها، دعونا بداية نتعرف على طريقة الحصول على المساعدة فيها، إذ يتدرج الأمر من طلب الحصول على المساعدة الخاصة بأمر محدد أو دالة بعينها، وذلك بذكر اسم الأمر أو الدالة عقب علامة الاستفهام ومن ثم النقر على زر الإدخال، فمثلا يقوم الأمر read.table? بعرض الصفحة الخاصة بتوثيق التعليمة read.table ضمن ملفات المساعدة الخاصة بلغة R. أما إن أردت البحث عن مفهوم معين أو كلمة مفتاحية ما دون أن تعلم تماما أي الدوال هي التي تتعامل معها في لغة R، فيمكنك استخدام الأمر ("help.search("data input لتعرض عليك بعدها مجموعة من الأوامر ذات الصلة بهذا المفهوم، وتستطيع حينها الحصول على شرح أو مساعدة تفصيلية لأي من تلك الدوال بالطريقة التي أشرنا إليها سابقا. هناك وسيلة مساعدة أخرى متوفرة في لغة R موجهة إلى فئة المبرمجين الذين يفضلون رؤية الأمثلة وهي تعمل على أن يقرؤوا العشرات من أسطر ملفات المساعدة، وهؤلاء يمكنهم استخدام الأمر example بعد أن تمرر له اسم الدالة المراد الحصول على أمثلة عملية عن طريق استخدامها، فعلى سبيل المثال يمكنك تجربة الأمر (example(mean. وطالما أننا نتحدث عن وسائل وأساليب الحصول على المساعدة، أجد أنه من المفيد ذكر طريقة إضافة التعليقات في لغة R، وهو أسلوب لا تخفى ضرورته على أي مبرمج محترف، ففي لغة R التعليقات هي كل نص يتلو الرمز # سواء ظهر من بداية السطر أو جاء بعد تعليمة ما، لكن الغريب أن لغة R تفتقر إلى طريقة لجعل مقطع كامل يعامل معاملة التعليقات (كما هو حال استخدام أسلوب التأطير /* ... */ في العديد من لغات البرمجة الأخرى). الخطوة التالية التي يجب تعلمها الآن هي آلية استيراد البيانات وقراءتها من مصادرها وإن تعددت تنسيقات وصيغ تلك المصادر، فعلى سبيل المثال يمكنك القراءة من جداول البيانات المحفوظة بتنسيق csv باستخدام الأمر التالي: data <- read.csv("d:/mydir/myfile.csv", header=TRUE, sep=”;”)كما هو واضح فقد أشرنا إلى أن السطر الأول من محتويات الملف المستورد هو عبارة عن تسميات الأعمدة من خلال الخاصية header=TRUE، كذلك تم تحديد الفاصل ما بين عمود وآخر من البيانات على أنه الفاصلة المنقوطة من خلال الخاصية ";"=sep. وقد استخدمنا في هذا المثال الاسم الكامل للملف بما فيه المسار، أما إن ذكرت اسم الملف دون تحديد المسار فسيتم البحث عنه ضمن ما يدعى بمجلد العمل، ولمعرفة أين يشير مجلد العمل الحالي لديك يمكنك استخدام الأمر ()getwd، أو يمكنك تحديد مجلد عمل مختلف باستخدام الأمر ("setwd("d:/mydir ، من جهة أخرى يمكنك الاستعاضة عن كل ذلك باستخدام الأمر ()file.choose عوضا عن ذكر اسم الملف ومساره، حيث ستحصل عند التنفيذ على صندوق حوار يتيح للمستخدم استعراض ما على حاسوبه من مجلدات وملفات وصولا إلى اختيار الملف المطلوب. كما سبق وأن رأينا فإن عملية الإسناد في لغة R يشار إليها بالرمز <- وهي الطريقة الأكثر شيوعا مقارنة برمز المساواة = والذي يصح استخدامه على الرغم من عدم شيوعه بين معشر المبرمجين بلغة R، إن البيانات المقروءة سيتم حفظها ضمن إطار بيانات (dataframe) أسميناه في حالة مثالنا السابق data، ويمكنك استعراض محتويات إطار البيانات ذلك بمجرد كتابة اسمه ومن ثم النقر على زر الإدخال ضمن سطر الأوامر، أما إن كانت كمية البيانات ضخمة فمن المفيد استخدام أي من الأمرين (head(data والذي يعرض مجموعة من الأسطر مقتطعة من بداية كتلة البيانات، أو الأمر (tail(data والذي يعرض مجموعة أخرى من الأسطر مقتطعة من نهاية كتلة البيانات ذاتها. كذلك تستطيع استخدام الأمر التالي: data <- edit(data)لعرض تلك البيانات ضمن نافذة جدول بسيط يتيح للمستخدم تنقيحها ومن ثم إعادتها إلى ذات إطار البيانات الأصلي كما هو موضح من الأمر السابق. إن كانت البيانات مخزنة في ملف نصي يستخدم رمز الجدولة للفصل ما بين أعمدته (أي text tab delimated)، فعليك حينها استخدام الأمر read.data عوضا عن الأمر read.csv الموضح في المثال السابق، وهناك حالة خاصة عندما تكون البيانات المراد استيرادها موجودة فعليا ضمن الحافظة، وحينها عليك الاستعاضة عن ذكر اسم الملف بالعبارة “clipboard”. لدى لغة R أيضا المزيد من تعليمات الاستيراد التي تختص كل منها بتنسيق مختلف، فعلى سبيل المثال لا الحصر نذكر الأوامر التالية: read.spss و read.systat و read.mtp و read.xport. نستطيع الوصول بكل سهولة إلى أي جزئية في إطار البيانات الحالي من خلال المرونة التي تتيحها لنا لغة R، فلو كان لدينا إطار عمل يدعى data على سبيل المثال، فإن التعبير [data[i,j سيشير إلى العنصر أو القيمة الموجودة في السطر i والعمود j، أما التعبير [,data[i فيشير إلى كامل السطر i في حين أن التعبير [data[,n:m فيشير بدوره إلى مجموعة الأعمدة بدءا من n حتى m، من جهة أخرى فإن التعبير [,data[-i فيشير إلى كامل البيانات ضمن data فيما عدى السطر i، وأخيرا فإن التعبير [,(data[c(n,m فهو يشير إلى السطرين n و m تحديدا دون غيرهما من أسطر البيانات في data. تأتي لغة R محزومة مع إطار بيانات افتراضي يدعى mtcars يتضمن بيانات مأخوذة من مجلة Motor Trend لعام 1974 تقارن فيها عشر من مواصفات التصميم والأداء لأكثر من ثلاثين سيارة منتجة في العام 1973، وسنستخدم من بيانات تلك المواصفات في مقالتنا هذه كل من mpg ويقصد بها عدد الأميال المقطوعة بغالون البنزين الواحد، و cyl الذي يمثل عدد الإسطوانات في محرك السيارة، و wt وهو الوزن بآلاف الليبرات (الليبرة تقريبا نصف كيلوغرام)، وكذلك qsec وهو التسارع مقاسا بالزمن اللازم لقطع مسافة ربع ميل (لمزيد من المعلومات والتفاصيل يمكنك طلب المساعدة باستخدام التعليمة ?mtcars). سنستخدم هذه البيانات في استعراض مجموعة من الأمثلة حول ما سيتلو ذكره من دوال وتقنيات إحصائية. بمجرد استيراد بياناتك يمكنك الوصول إلى القيم الموجودة في أي من أعمدة جدولك باستخدام الصيغة mtcars$mpg على سبيل المثال حيث mpg يشير إلى اسم العمود، أما إن أردت أسلوبا أكثر سهولة واختصارا يقتصر على ذكر اسم العمود فقط دون الحاجة إلى ذكر اسم إطار البيانات المأخوذ منه في كل مرة، فعليك بداية استخدام الأمر (attach(mtcars عقب استيرادك للبيانات، وحينها يكفي ذكر الاسم mpg للدلالة على ذات العمود من البيانات. وتستطيع استعراض ما تحويه ذاكرة الجلسة الحالية من بيانات في لغة R باستخدام الأمر ()ls ، إضافة إلى ذلك يمكنك حذف أي من كتل البيانات تلك من ذاكرة الجلسة الحالية باستخدام الأمر (rm(x حيث يشير الرمز x إلى اسم كتلة البيانات سواء كانت عمود (أي شعاع من القيم) أو مصفوفة أو إطار بيانات كامل، حتى أنك تستطيع حذف كل ما يوجد الآن في ذاكرة الجلسة الحالية من بيانات سبق وأن تم تحميلها وذلك باستخدام الأمر (()rm(list=ls. عند قيامك بتحميل بياناتك إلى ذاكرة الجلسة الحالية، تصبح مستعدا للبدء في العمل عليها لتطبيق تحليلاتك المختلفة. ومن الأوامر الأساسية المتاحة نذكر على سبيل المثال الدالة (max(mpg والتي تعيد القيمة العظمى ضمن العمود mpg (أي شعاع القيم mpg)، أما الدالة (min(mpg فهي على عكس سابقتها تعيد القيمة الصغرى، في حين أن الدالة (mean(mpg تعيد المتوسط الحسابي للقيم الواردة في mpg، والدالة (median(mpg تعيد قيمة الوسيط (الوسيط هو القيمة التي تقع في المنتصف عند ترتيب قيم mpg تصاعديا، وبالتالي تكون نصف قيم mpg تزيد عن قيمة هذا الوسيط فيما النصف الآخر يقل عنها، وعادة ما يستخدم الوسيط للدلالة على مركز المجموعة حينما تكون هناك قيم متطرفة زيادة أو نقصانا بحيث تؤثر على المتوسط الحسابي وتؤدي إلى انحيازه). من جهة أخرى هناك دوال تستخدم لوصف مدى تشتت قراءات وقيم mpg حول النقطة المركزية الممثلة بالمتوسط، ومنها الدالة (var(mpg والتي تحسب مقدار التباين، والدالة (sd(mpg والتي تعيد قيمة الانحراف المعياري. يحسب التباين من خلال العلاقة التالية أي أننا نراكم مجموع فروقات كل واحدة من قراءاتنا عن قيمة المتوسط بعد أن نربّع هذا الفرق، حيث تخدم عملية التربيع في جعل الناتج موجبا دوما (كون الأخطاء أو الفروقات موجودة سواء كانت بالزيادة أو النقصان، وإن لم نفعل ذلك لحصلنا دوما على الناتج 0 كمحصلة لعملية الجمع تلك)، الخدمة الثانية التي نحصل عليها من هذا التربيع هي تقليل أثر الفروقات الصغيرة على حساب تعظيم ومضاعفة تأثير الفروقات الكبيرة (فتربيع الأرقام الصغيرة لايضاعفها بقدر ما يفعل مع الأرقام الكبيرة، ولولا ذلك لاكتفينا بالقيمة المطلقة للفروقات المحسوبة عن المتوسط عند حساب مقدار التباين). من جهة ثانية فإن الانحراف المعياري يقوم بتقييس معيار التباين وذلك للتعبير عن التشتت بصيغة مستقلة عن عدد العينات أو القراءات التي لدينا (والتي تؤثر على قيمة التباين كونه حساب تراكمي يزداد بازدياد عدد القراءات)، وتتم عملية التقييس تلك من خلال تقسيم مقدار التباين الناتج على (n-1) وهو عدد العينات منقوصا منه واحد، وبعد عملية القسمة تلك نحسب الجذر التربيعي الناتج وذلك حتى يعود المقدار المحسوب إلى ذات فضاء القيم الموجودة لدينا بدلا من كونه في حالة التباين من مرتبة مربّع تلك الأرقام، فيعود من السهل علينا مقارنته مباشرة مع قيمنا أو المتوسط الخاص بتلك القيم. أما الدالة (summary(mpg فهي عامة الاستخدام ويختلف سلوكها وخرجها بحسب الكائن الممرر إليها، ففي حالة تمرير شعاع من القيم العددية فسيكون ناتج تنفيذها هو ملخص لتلك القيم والذي يشمل كل من المتوسط والوسيط إضافة إلى القيمتين العظمى والصغرى والربعين الأول والثالث (ويعرفان بشكل مشابه للوسيط، إذ يشير الربع الأول إلى القيمة التي تقل عنها ربع قراءاتك بعد ترتيبها تصاعديا، فيما الربع الثالث كما هو واضح من اسمه فهو القيمة التي تقل عنها ثلاثة أرباع قيم mpg المرتبة تصاعديا، وهما قيمتان تساعدان في فهم كيفية توزع بياناتك). كذلك تمتلك لغة R مجموعة واسعة من الدوال الرياضياتية مثل (abs(x والتي تعيد القيمة المطلقة (الإيجابية الإشارة دوما) للقيمة أو شعاع القيم المدخل لها، والدالة (sqrt(x التي تحسب الجذر التربيعي والتي نستطيع الحصول على نفس وظيفتها من خلال عملية الرفع إلى أس مقداره نصف أي x^0.5 ، كذلك لدينا الدوال المثلثية المختلفة مثل (sin(x و (cos(x وغيرهما، هذا بالإضافة إلى طيف من دوال التقريب المختلفة مثل (floor(2.718 والتي ستعيد القيمة 2 كأكبر عدد صحيح أصغر من القيمة المعطاة، وكذلك الدالة (ceiling(3.142 والتي ستعيد القيمة 4 كأصغر عدد صحيح أكبر من القيمة المعطاة، أما الدالة (round(2.718, digits=2 فستعيد القيمة 2.72 حيث تقوم هذه الدالة بعملية التقريب الحسابية المعتادة مع إمكانية تحديد عدد الخانات العشرية بعد الفاصلة والتي تريد الاحتفاظ بها. لدينا أيضا دوال التحويل مثل (log(x التي تحسب اللوغاريتم الطبيعي للمقدار x، فيما تحسب الدالة (log10(x اللوغاريتم العشري لذات المقدار x، مع هذا يمكنك استخدام الصيغة الأكثر مرونة وهي (log(x,n والتي تحسب اللوغاريتم لأي أساس يحدده المبرمج من خلال المقدار n، فمثلا يمكنك حساب اللوغاريتم الثنائي للمقدار x باستخدام التعليمة (log(x,2. هذه هي نهاية الجزء الأول من سلسلة المقالات التي تتحدث عن لغة R، سنتحدث في الجزء الثاني عن المخططات البيانية الإحصائية. لائحة المراجع: http://www.r-project.orghttp://www.statmethods.nethttp://www.r-tutor.com

بعد أن استعرضنا في المقال السّابق أهميّة التجانس ما بين الإعلانات وصفحات الهبوط، وبعد أن استعرضنا أمثلة عن ذلك، سنواصل في هذا المقال مع أمثلة أخرى حول حملات إعلانية ناجحة على الشّبكات الاجتماعية، ثم سنختم بآلية قياس أداء هذه الحملات. دراسة حالة #4: نشر كتاب إلكتروني تعتبر الكتب الإلكترونية طريقة مذهلة لتقديم قيمة ممتازة لعملائك، ولكنها أيضًا طريقة مذهلة لجذب عملاء متخصّصين يبحثون عن حلّ لمشكلة ما. في الحالات المثالية سوف يوفر الكتاب الإلكتروني آلاف النصائح القابلة للتطبيق من جهة القارئ وأيضًا يخبره بمنتجك أنت في وسط كل ذلك. من الجميل أن ترى شركة تطبّق ما تروّج له مثلما نراه بشكل واضح مع HubSpot؛ فكلّ محتوى يقدّموه يوفّرون معه مجموعة من الصور المصمّمة خصّيصًا لكل شبكة تواصل اجتماعي على حدة لجذب وتكوين الصداقات مع العملاء. بلْ إنّهم عندما أطلقوا كتابهم الإلكتروني الجديد "Comprehensive Guide to Content Promotion" قاموا بتحديث غلاف صفحتهم على فيس بوك ليتناسب مع ذلك. وبالطبع كما نتوقّع قد ربطوا ذلك الإعلان بصفحة هبوط خاصة: إذًا فما هو أثر ذلك المنهج عليهم في النهاية؟ أجابت على ذلك Amanda Sibley مديرة حملات HubSpot فأخبرتْنا أنه في اليوم الأول للحملة ساهمت التحويلات القادمة من مواقع التواصل الاجتماعي بأكثر من 15% من إجمالي المشاهدات لذلك الكتاب الإلكتروني! نصيحة لتحسين صفحة الهبوط تأكد من أنَ طول نموذج التسجيل يتناسب مع القيمة التي سيأخذها العميل في المقابل، بالتالي استخدم حقولًا أقل إذا كنت ستعطي الزّائر أشياء مجانية ككتاب إلكتروني لتقليل احتمال أن يخرج الزّائر دون تسجيل. دراسة حالة #5 : إنشاء مسابقات ناجحة المسابقات طريقة سريعة للتسويق وجذب عملاء جُدُد، وتركيز كل التفاصيل في صفحة هبوط خاصّة يسهل تسويق مسابقاتك على القنوات المختلفة، الوصول إلى شريحة أوسع من المتابعين، وأيضا تحديد أيّ القنوات أكثر جذبًا للعملاء. عندما كُلِف موقع Junction بإدارة حملة تسويقيّة سنويّة لصالح موقع Wings كانت النتيجة النهائية لأداء صفحات الهبوط الخاصّة بالموقع: 117% زيادة في عدد المشاركين مقارنة بالسنة السابقة! لم يكلّفهم الكثير ليقوموا بإنشاء صفحات هبوط مخصّصة لكل قناة من قنوات توزيعهم الثلاث مؤديًا ذلك إلى محتوًى في غاية التناسق مع المطلوب. فيما يخص نسب التّحويل، كان نصيب الأسد للإعلانات مدفوعة الأجر على مواقع التواصل الاجتماعي حيث بلغ معدل التحويل عليها 14% متبوعًا بتحويل طبيعي (غير مدفوع الأجر) على الشّبكات الاجتماعية بنسبة 9% والإعلانات التقليدية بنسبة 1% باستخدام الراديو والطباعة. نصيحة لتحسين صفحة الهبوط لا تنس الإشارة إلى كل القواعد والخطوط العريضة لمسابقتك على صفحات الهبوط الخاصّة بها، وقارنها بالقوانين والسياسات العامة الخاصّة بموقعك وقم بالإشارة إلى شروطك بشكل واضح لتحافظ على بقاء زوّارك عندك. نصيحة #6: بيع التذاكر لفعالياتك سواءً كنت تستضيف فعاليّة لمرة واحدة لمئات من المتابعين أو تستضيف اجتماعًا دوريًا لمجموعة صغيرة، فصفحات الهبوط ستساعدك في تسويق فعاليّاتك للجمهور وأيضًا ستسهّل الحصول على المعلومات عن الحاضرين. كل ما تحتاج فعله هو تحديد فئاتك المُستهدَفة وإنشاء إعلانات مناسبة لهم تُحوِلُهم مباشرةً إلى صفحة الهبوط الخاصّة بالفعاليّة. عندما أراد موقع Weddingful تنظيم لقاء في الصيف الماضي قاموا بإنشاء إعلانات على فيس بوك تستهدِف جمهورًا من منطقة "فانكوفر": وقد سمح لهم هذا النوع من استهداف الجمهور بأن يرسلوا أشخاصًا مُؤهّلين جدًا لصفحة الهبوط الخاصّة باللقاء: بتوفير إمكانيّة التسجيل المباشر عبر صفحة الهبوط استطاعوا الحصول على 220 مشترك، في حين أن عدد الأماكن الذي خصّصوه للقاء كانت 200 فقط. نصيحة إضافية من أجل الحصول على لقاءات محليّة ناجحة قُم برفع قائمة عملائك المُحتملين في تلك المنطقة إلى منصّة الإعلانات الاجتماعيّة واستخدمها في إنشاء حملة تسويقيّة مُستهدِفة. سيزيد ذلك من احتمال حضور جمهورك الوفي وسيساعدونك في نشر حملتك للأشخاص الموجودين في شبكاتهم الخاصة. دراسة حالة #7: الإعلان عن إطلاق خاصية ما بإمكانك استخدام صفحات الهبوط للمساعدة في تقييم مدى قبول العملاء لطرح خاصيّة جديدة، كما يمكن استخدامها أيضًا في الإعلان عن إطلاق تلك الخاصيّة إذا ما نالت استحسانهم. عندما أطلقت Intercom خاصيّة الرسائل داخل التطبيق استخدموا مواقع التواصل الاجتماعي ليعلنوا عن ذلك: وهذه هي صفحة الهبوط المرتبطة به: وبمشاركة ذلك على صفحاتهم على مواقع التواصل وتوجيه الناس إلى صفحة هبوط تعريفية حصلوا على 1643 زيارة وعلى 46 عنوان بريد إلكتروني لزبائن مُحتملين جدد مباشرةً من مواقع التواصل الاجتماعي. نصيحة لتحسين صفحة الهبوط مقاطع الفيديو القصيرة طريقة فعّالة لشرح خاصيّة جديدة بدون الحاجة تخصيص جزء كبير من صفحة الهبوط لذلك. اجعل رسالتك موجزةً داخل الفيديو وحاول ما استطعت التركيز على الفوائد التي ستعود على المستخدم. راقب وتتبع نجاحك حسنًا .. أنت الآن على دراية ممتازة باستخدام صفحات الهبوط لحملاتك التسويقيّة على شبكات التّواصل في المستقبل، ولكن هل كل هذا المحتوى الثّري الذي تنشره سيخدمك بالفعل؟ هنالك عدد من الخطوات التي يمكنك اتباعها لإنشاء آلية مراقبة وتتبع خاص بك لقياس مدى نجاحك: الخطوة الأولى : قم بإنشاء ما يلزم من صفحات هبوط وصور لحملتك القادمة جهّز خطّة تسويق جيّدة (في هذا المثال سوف نستخدم "أداة تحسين صفحة الهبوط للمبتدئين"). صمّم ثمّ انشر صفحة الهبوط الخاصّة بحملتك لجذب المشتركين الجُدد، وصمّم صورًا متوافِقة معها لتسويقها على شبكات التواصل: الخطوة الثانية : أنشئ عناوين إنترنت تحتوي معاملات UTM أنشئ عناوين إنترنت تحتوي معاملات UTM لكل قناة اجتماعية باستخدام Google URL Builder. قم بتضمين عنوان صفحة الهبوط، عنوان المصدر (الاجتماعي)، الوسيط (لينكدإن، تويتر، فيسبوك) بالإضافة إلى اسم الحملة: يجب عليك أن تضيف هذه الوسوم إلى كل الرّوابط التي تستخدمها في حملتك (بما فيه الرّسائل البريدية التّرويجية). للمزيد حول وسوم UTM، ألق نظرة على هذا المقال: كيف تستخدم وسوم UTM لمتابعة نجاح حملتك التسويقية عبر البريد الإلكتروني؟ الخطوة الثالثة : قم بإطلاق حملتك وانشرها عبر شبكات التواصل هل تذكر تلك الصّور التي تكلّمنا عنها في الخطوة الأولى؟ الآن حان الوقت لتقوم باستخدامها لما تُطلق حملتك: الخطوة الرابعة : راقب وحسن والآن حان الوقت لتقوم برصد ومراقبة تَقدّم حملتك، إليك كيف يتمّ ذلك: ادخل إلى حسابك الخاص بـ "Google Analytics" ثمّ اضغط على "Aquisition" ثم "Campaigns": اختر من Secondary dimension > Source/Medium: اضغط على "advanced" على يمين مربع البحث. اختر "Exactly matching" ثمّ اكتب اسم الحملة كما كتبتها أثناء بناء الرّابط، وفي هذه الحالة أريد أن أعرض النتائج المتعلقة بـ"LPO-Beginners-Toolkit": انقر على "Apply". والآن تستطيع أن ترى عدد الجلسات التي تمّت، ومن أين يأتي أولئك الزّوار بالإضافة إلى أرقام متعلقة بحالات أخرى. تنبيه : لا يمكن أن تتوقف لا يعني انتهاؤك من تصميم الإعلان الجيّد وصفحة الهبوط المرتبطة به أنّك قد أنهيت حملتك.. بالطبع لا فيجب عليك أن تتفقّد من حين لآخر صفحات هبوطك وإعلاناتك لتتأكّد من أن أداءهما مستمر في التقدّم. جرّب عِدّة عناوين مختلفة، صور جديدة، مفاتيح أو أي شيء آخر مختلف تعتقد أنه سيزيد من نجاح صفحتك واستخدم أكثرها نجاحًا. هناك طرق كثيرة جدّا لاستخدام صفحات الهبوط للمساعدة في دفع الجهود التسويقيّة على شبكات التواصل للأمام، فقط يحتاج الأمر منك إلى عقلٍ منفتح وتفكيرٍ إبداعيّ وحسن إدارة وتنسيق لتحدث فروقًا عظيمة من أشياء صغيرة قد لا تلقي لها بالًا. ترجمة -وبتصرّف- للمقال How to Run Social Media Campaigns That Actually Convert لصاحبه Tia Fomenoff.

تعد لغة R من اللغات التي صعد نجمها حديثا وبشكل سريع بمجال البرمجة العلمية في قطاعي الإحصاء والمعلوماتية الحيوية (bioinformatics) حيث باتت معتمدة على نطاق واسع في كثير من الجامعات ومراكز البحث العلمية، وأصبحنا نرى استخدامها والإشارة إليها في المقالات المنشورة بالمجلات العلمية المحكّمة يزداد بشكل طردي ومتسارع، هذا عدى عن حقيقة كونها لغة حرة مفتوحة المصدر يخضع توزيعها لترخيص GPL الشهير. كل ذلك أدى إلى تزايد ما هو متوفر ومتاح على الشابكة (الإنترنت) من مصادر لها على توزع طيف تلك المصادر، فهناك الكتب الإلكترونية والدروس التعليمية وحتى المناهج الأكاديمية والدورات التدريبية إضافة إلى البرامج الجاهزة والمكتوبة بلغة R لتنفيذ هذه المهمة أو تلك، حتى أنها باتت تحظى ببعض الامتياز مقارنة بالعديد من العمالقة في قطاع البرمجة الرياضياتية العلمية والإحصائية مثل SAS و SPSS خصوصا في مجال توافر الجديد من الطرق والخوارزميات الحديثة، حيث يقاد هذا التوجه في معظمه من طرف الجامعات ممثلة بطلاب الدراسات العليا يحفّزهم على ذلك سهولة بناء الإضافات لهذه اللغة، ويعتبر هذا الأسلوب رغم ما قد يشوبه من نقاط ضعف تتعلق بموثوقية وجودة وغزارة تلك الإضافات الجديدة، والتي تتبع خبرة ومهارة مطوريها وناشريها، لكنها تبقى في القطاع العلمي والأكاديمي أفضل كثيرا من البدائل التجارية التي يعيبها ارتفاع ثمنها من جهة، ومن جهة أخرى بطئ إضافة التحديثات التي تعكس تطور القطاعات العلمية المختلفة، حيث أنها عادة ما تتبع دورة تجارية تتحكم بها الشركات المنتجة. سنحاول في هذه المقالة أن نقدم مدخلا مبسطا ومختصرا لأساسيات هذه اللغة ونستكشف بعضا من إمكانياتها واستخداماتها، والتي أتمنى أن أراها تدرّس في جامعاتنا يوما ما، بحيث تستخدم كأداة للاختبار والتجربة والتطوير ضمن الجلسات العملية لبعض المقررات العلمية في الكليات ذات الاختصاص. هذا هو الجزء الثاني في سلسة مؤلفة من أربع مقالات تهدف إلى التعريف بلغة R حيث قدم الجزء الأول مدخل عام إلى هذه اللغة بما فيها الإحصائيات الوصفية، أما الجزء الثالث فسيتحدث عن كيفية إجراء بعض الاختبارات الإحصائية بلغة R، فيما نختم السلسلة بجزء رابع يتحدث عن بعض التقنيات المتقدمة في هذه اللغة. للتذكير فقط، تستطيع أن تقوم بتحميل لغة R من الموقع الرسمي لها على الرابط http://www.r-project.org، وعملية تنصيب هذه اللغة تخلو من التعقيدات وبانتهاءها يمكنك تشغيل سطر الأوامر الخاص بها من خلال النقر على أيقونة اللغة على سطح المكتبة، وكل مانكتبه تاليا يكون داخل سطر الأوامر هذا، علما أننا نستخدم في كل أمثلتنا إطار البيانات المدعو mtcars والذي يأتي محزوما مع اللغة بشكل إفتراضي، وللحصول على معلومات إضافية عن طبيعة محتوى هذه البيانات يمكنك كتابة الأمر التالي في سطر الأوامر mtcars? ولاختصار طريقة الوصول إلى المعلومات ضمن إطار البيانات ننفذ الأمر (attach(mtcars فنصبح قادرين على استخدام التسمية mpg بدلا من استخدام الطريقة المفصلة mtcars$mpg للدلالة على عدد الأميال المقطوعة بغالون البنزين الواحد. تبدأ أول خطوة من أي تحليل إحصائي باستكشاف ما لدينا من بيانات وذلك من خلال إلقاء نظرة سريعة على بعض المخططات البيانية والرسوم التوضيحية ذات الصبغة الإحصائية والتي عليها أن تقوم بتنفيذ تلك المهمة على أتم وجه، وسنمر في مقالتنا هذه على مجموعة من أهم وأشهر تلك المخططات البيانية الإحصائية محاولين تقديم شرح مختصر عن كل منها يصف طريقة توليده ويوضح ما يتم عرضه وطبيعة الفائدة منه. لدى لغة R تعليمة بسيطة بالصيغة لكنها في ذات الوقت تقدم خدمة عظيمة في إطار عرض ما لدينا من بيانات وتوضيح ما فيها من علاقات محتملة، تدعى هذه التعليمة pairs وتقبل كدخل لها إسم إطار البيانات الذي لدينا كاملا، لتقوم بعدها برسم مصفوفة من المخططات البيانية لكل زوج ممكن من هذه البيانات على شكل مخطط مبعثر (scatter plot) بحيث يظهر كل زوج في مخططين بيانيين يتبادلان فيه مكان التمثيل على المحورين x و y، يظهر الشكل التالي مثالا عن ناتج تنفيذ هذه التعليمة عند تطبيقها على إطار mtcars للبيانات: pairs(mtcars); هنالك ملاحظة أود ذكرها طالما أننا نتحدث عن الرسوم البيانية، فمعشر الإحصائيين لا يفضلون استخدام مخطط القطاعات الدائرية على عكس ما هو شائع في عالم المال والأعمال، ويفضلون بديلا عنها الخطوط البيانية أو حتى التمثيل بالأعمدة وذلك لأن الناس يستطيعون الحكم على الأطوال بشكل أكثر دقة من الأحجام، خصوصا عندما تكون القيم متقاربة. أما لرسم مخطط مبعثر (scatter) بين أي عمودين من البيانات نستطيع استخدام الدالة plot العامة الأغراض، فمثلا (plot(wt, mpg والتي يمكن كتابتها أيضا بالصيغة (plot(mpg~wt حيث سيمثل وزن السيارات بقيم wt على محور x فيما المسافة المقطوعة بغالون البنزين الواحد والتي تعطى بقيم mpg ستمثل على المحور y ليظهر لدينا المخطط البياني كما هو موضح في الشكل التالي: في بعض الأحيان قد لا يكون هذا النوع من المخططات البيانية هو الطريقة الأمثل لعرض ما لدينا من معلومات، خصوصا عندما تكون بيانات أحد طرفي العلاقة عبارة عن قيم محددة بعينها وليست قراءات تتوزع على طيف المحور المسندة إليه كما في حالة المخطط البياني الذي تولده التعليمة (plot(cyl, mpg حيث cyl تمثل عدد إسطوانات المحرك، حينها سيكون الشكل الناتج غريبا قليلا وأقل فائدة في التعبير عن ما يربط بين المقادير المرسومة كما هو موضح أدناه: لحسن الحظ فإن سلوك الدالة plot يتعدل بشكل آلي تبعا لطبيعة ونوع البيانات التي تمرر إليها، وما سنقوم به الآن هو تحويل نوع cyl إلى معاملة وذلك باستخدام الأمر (cyl <- factor(cyl، بمعنى أن لهذا المقدار قيم محددة لايستطيع أن يأخذ غيرها، وسنلاحظ طبيعة هذا التغير في طريقة تعامل توابع لغة R المختلفة مع هذا المقدار الجديد بعد تغيير توصيفه (يمكن لك أن تجرب معه الدالة summary لترى أن ماتحصل عليه من ناتج يختلف عما سبق وأن رأيت، فعوضا عن القيمة الصغرى والعظمى والمتوسط والوسيط الخ... وهي المقادير التي توصف بها عادة أي مجموعة قيم عددية، أصبحنا نرى الآن عدد القيم المحددة التي يمتلكها هذا المعامل مقدار تكرار ظهور كل من تلك القيم). ليس هذا فحسب بل إن سلوك الدالة plot سوف يتغير كذلك، فإن حاولت الآن إعادة تنفيذ ذات الأمر السابق (plot(cyl, mpg فسوف تحصل على المخطط البياني التالي: وما يظهر لنا في هذا الشكل هو مجموعة من المخططات الصندوقية لكل قيمة أو مستوى من عدد إسطوانات المحرك في cyl (سنأتي بعد قليل على شرح هذا النوع من المخططات الصندوقية بشيء من التفصيل، فقليلا من الصبر إن كنت غير عارف بها). هناك مخطط بياني آخر ذي طبيعة استخدام إحصائية موجود في جعبتنا ألا وهو المدرج التكراري (Histogram)، وهو يبين طبيعة توزع ما لدينا من قيم على المجال المحصور ما بين الحد الأدنى والأقصى، ففي بعض الأحيان لا يكون تلخيص البيانات بمساعدة الحد الأدنى والأقصى والمتوسط كافيا، حينها نلجأ إلى هذا المخطط البياني والذي يقسم فيه المجال الكلي ما بين الحد الأدنى والحد الأقصى إلى فئات أو مجموعات، ومن ثم نرسم أعمدة بيانية توضح عدد مرات تكرار ظهور القيم ضمن كل واحدة من هذه الفئات أو المجموعات. فعلى سبيل المثال تستطيع تجربة الأمر التالي ("hist(qsec, col="gray لتوضيح توزع معدل التسارع بين السيارات المدروسة حيث تشير القيم في qsec إلى الزمن اللازم لقطع مسافة ربع ميل مقاسا بالثواني، لاحظ أننا اخترنا اللون الرمادي الذي سترسم به الأعمدة وذلك من خلال تحديد قيمة الوسيط col. لدينا نوع آخر من المخططات البيانية ذات الصبغة الإحصائية متاح لنا وهو المخطط الصندوقي آنف الذكر، ويمكن طلب عرض بياناتنا من خلاله باستخدام الدالة ("boxplot(qsec, col="gray حيث سنحصل بالنتيجة على الشكل التالي: حيث يوضح الخطين الأفقيين على طرفي الرسم في الأعلى والأسفل كل من القيمة الصغرى (في الأسفل) والعظمى (في الأعلى)، أما الصندوق الموجود بينهما فتوضح بدايته من الأسفل ما ندعوه بحد الربع الأول (وهو ما كان يظهر ضمن خرج الدالة summary تحت التسمية Q1)، وبالتالي يكون المجال المحدد ما بين القيمة الصغرى وطرف هذا الصندوق يتضمن ربع ما لدينا من قيم، أما المجال المحدد ما بين طرفي الصندوق الأسفل والأعلى فيتضمن بالضبط نصف ما لدينا من قيم حيث أن الحد الأعلى للصندوق هو الربع الثالث أي Q3، أما الخط الذي يقطع ذلك الصندوق بالعرض فهو الوسيط (وليس المتوسط الحسابي)، وهو يدل على الحد الذي يقسم كتلة البيانات التي لدينا إلى مجموعتين متساويتين في العدد إحداهما تتضمن القيم التي تعلو خط الوسيط والأخرى فيها القيم التي تقع أسفل خط هذا الوسيط. في بعض الأحيان قد نرى دوائر أو نقاط تتجاوز حد القيمة العظمى أو تقل عن حد القيمة الصغرى، وهي في واقع الأمر من بياناتنا أيضا لكنها تعامل معاملة القيم الشاذة أو الغريبة وذلك حينما يتجاوز بعدها عن المتوسط ضعفي الإنحراف المعياري (standard deviation) لمجموعة البيانات التي لدينا. إن حجر الزاوية في تصميم أي تجربة علمية على أساس إحصائي سليم يبدأ من توليد التوزيع العشوائي لمعاملاتها حتى لايكون هناك أي تفضيل أو إنحياز لأي منها، كذلك علينا تكرار كل واحدة من تلك المعاملات لأكثر من مرة حتى تكون الاستجابة المدروسة ليست مجرد مصادفة بل تمت المصادقة عليها من خلال إعادتها وتكرارها، إن مجموعة الأوامر التالية تعطي مثالا على طريقة تصميم تجربة بمعاملة لها 12 قيمة مختلفة في 3 مكررات (وهو ما يطلق عليه عادة في التجارب العلمية بتصميم القطاعات العشوائية الكاملة RCBD أي Randomised Complete Block Design): x <- 1:12; RCBD <- replicate(3, sample(x));حيث يشير التركيب 1:12 إلى تسلسل الأرقام من 1 وحتى 12 على التوالي، فيما تقوم الدالة sample ببعثرة عناصر الشعاع x بشكل عشوائي، في حين أن دور الدالة replicate في هذا التركيب هو تكرار ناتج تنفيذ الدالة sample لثلاث مرات، لعرض محتويات التصميم الناتج أكتب RCBD ضمن سطر الأوامر في لغة R ومن ثم إنقر على زر الإدخال (إنتبه إلى أن الأسماء في لغة R حساسة لحالة الأحرف). تجدر الإشارة إلى أنه بإمكانك حفظ مجموعة التعليمات التي تود تنفيذها ضمن ملف نصي، وعادة ما تستخدم اللاحقة R لمثل تلك الملفات (على سبيل المثال script.R)، ومن ثم تستطيع استدعاء ذلك الملف ليتم تنفيذ محتواه من تعليمات وأوامر دفعة واحدة وذلك باستخدام التعليمة ("source("script.R أو حتى من خلال الخيار Source R code في قائمة File. هذه هي نهاية الجزء الثاني من سلسلة المقالات التي تتحدث عن لغة R، في الجزء الثالث سنتناول موضوع الاختبارات الإحصائية. لائحة المراجع: http://www.r-project.orghttp://www.statmethods.nethttp://www.r-tutor.com

هل تُواجهك صعوبات عند عملية قياس تأثير حملتك التسويقية عبر البريد الإلكتروني؟ أنت تعرف ما معنى "معدّلات الفتح والنقر " open and click-through rates، ويمكنك حتى أن ترى كل شخص قام بفتح رسالة البريد الإلكتروني الذي قمت بإرساله على خريطة كبيرة وجميلة. لكنك لا تزال غير قادر على قياس عدد الزبائن والعملاء المحتملين الذين يمكن أن تظفر بهم بفضل حملاتك عبر البريد الإلكتروني. لحسن حظك، يمكن دمج أدوات التسويق عبر البريد الإلكتروني مثل Campaign Monitor بشكل مباشر مع Google Analytics، فبذلك تستطيع أن تعرف كم عدد الناس الذين يقومون بالنقر على رسائلك التسويقية عبر البريد الإلكتروني، والولوج لموقع الويب الخاص بك لترى إمكانية تحويلهم لزبائن وعملاء محتملين. أفضل جزء هو: أنك تستطيع فعل ذلك بسهولة. في هذا المقال سوف نحدد 3 خطوات بسيطة لمساعدتك على تحقيق ذلك. 1. إعداد متعقب الحملة التسويقية "Campaign Tracking"الخطوة الأولى لتتبع نجاح حملتك عبر البريد الإلكتروني هو إعداد متعقّب الحملة Campaign Tracking. عندما يأتي الناس إلى موقعك الإلكتروني من المواقع الأخرى مثل تويتر وفيسبوك، فإنه من السهل على Google Analytics معرفة من أين أتوا، ويقوم بإرفاق بيانات حركة الزوّار على نحو ملائم (كحركة الزّوار من المواقع الاجتماعية، كمثال). ومع ذلك، في حالة البريد الإلكتروني، إذا كنت لا تستخدم هذه الأشياء الصغيرة والتي يطلق عليها "متغيرات UTM"، فإن حركة الزوّار القادمة من حملاتك (رسائلك التسويقية) عبر البريد الإلكتروني سيتم تصنيفها على أنها زيارات مُباشرة (Direct)، بمعنى وكأن الزّائر كتب رابط الصّفحة في المُتصفّح مُباشرة. متغيرات UTM هي في الأساس مُعاملات صغيرة يمكنك إضافتها إلى نهاية روابطك في حملات البريد الإلكتروني لتخبر أداة Google Analytics من أين جاء هذا الشخص. دعونا ننظر في حملة بريدية قمنا بها مؤخّرًا كمثال على ذلك. هنا يظهر كيف يمكن أن يبدو الرابط بوجود متغيرات UTM أو بدونها: هل رأيت جميع الوسوم الإضافية الملحقة في نهاية نطاق URL؟ إنها تخبر Google Analytics من أين جاء هذا الشخص. على الرغم من أن هذه الروابط تبدو جنونية، لكنها سهلة الإنشاء. لديك خياران: يمكنك إرفاق جميع روابطك يدويًا، أو إذا كنت تستخدم خدمة Campaign Monitor، يمكنك تشغيل مُرفِق الروابط بشكل تلقائي "automatic link tagging". كيفية إرفاق الروابط يدويالإرفاق الروابط في رسائل بريدك الإلكتروني يدويًا، يمكنك استخدام محرّر نطاقات URL. يتم توفير هذه الأداة المجانية عن طريق Google Analytics، وتسمح لك بملء بعض الحقول والحصول على وصلة موسومة بشكل رائع يمكنك وضعها مباشرة في حملتك التسويقية. يمكنك إدخال أي من القيم في النموذج الذي تحتاجه، ولكن في المثال أعلاه، أنشأنا نطاق URL ليخبر أداة Google Analytics بالتالي: تتبع حملة مخصصة اسمها 'canvas'.مصدر الحملة هو 'إعلان' عبر البريد الإلكتروني.وسط الحملة هو "البريد الإلكتروني".الرابط الموجّه للنقر من هو "زر " CTA (الدّعوة إلى الإجراء)، ويُطلق عليه اسم "مُصطلح الحملة" (campaign term).الآن كل ما عليك القيام به هو نسخ الرابط الذي توفره الأداة واستخدامه خلف الأزرار والروابط في حملات البريد الإلكتروني الخاصة بك. كيفية إرفاق الروابط تلقائياقد تبدو عملية إرفاق الرّوابط يدويا صعبة جدّا. ولهذا ستجد أن خدمات مثل Campaign Monitor تسمح بالقيام بذلك بشكل آلي. لأنها تتيح للعملاء ببساطة تغيير جميع الروابط في حملاتهم تلقائيا المرتبطة مع متغيرات UTM. يتم تمكينه لمرة واحدة، وسنقوم بإضافة متغيرات UTM التالية تلقائيا إلى حملات البريد الإلكتروني الخاص بك: utm_medium = البريد الإلكتروني.utm_campaign = اسم حملة التسويق عبر البريد الإلكتروني (ليس عنوان الرسالة).utm_content = اسم حملة التسويق عبر البريد الإلكتروني بالإضافة إلى معرف حملة فريد من نوعه (CID).utm_source = تُرفق في حال ما إذا حدّدت قيمة source term.utm_term = نص الارتباط، أو وصف بديل (للصور).2. إنشاء شريحة متقدمة على Google Analyticsالشرائح المتقدمة بالأساس عبارة عن مُرشحات والتي تسمح لك برؤية البيانات في تقاريرك من زوار معيّنين، مثل الزوّار القادمين من محرك البحث أو الزوّار القادمين من البريد الإلكتروني. لإنشاء شريحة، أنقر على مربع إضافة شريحة فوق أيٍ من التقارير القياسية الخاصة بك. بالنسبة لهذا المثال، نريد فقط رؤية زوّار الموقع الذين جاؤوا من خلال حملة التسويق عبر البريد الإلكتروني. للقيام بذلك، أنقر فوق الزرّ الأحمر لإنشاء شريحة جديدة وسمّها "Campaign Medium: email". في القائمة اليسرى، حدّد: Traffic Sources، وفي حقل Medium field اختر "Exactly Matches" واكتب "email". عند الانتهاء، انقر فوق Save. يمكنك استخدام نفس مربع إضافة شريحة للعثور على شريحتك الجديدة وتطبيقه على تقاريرك. بمجرّد القيام بذلك، سترى عدد من الأشخاص الذين جاؤوا عبر حملاتك التسويقيّة عبر البريد الإلكتروني جنبًا إلى جنب مع مقاييسك المعتادة، كما في المثال التالي: 3. استعرض تقاريركوالآن بعد أن قمت بتمكين مُتعقّب الحملة "Campaign Tracking" ونصّبت حركة الزّوار من البريد الإلكتروني باعتبارها شريحة متقدمة، يمكنك أن تشاهد فعليًا أيُّ تقرير في أداة Google Analytics وترى تأثير حملات التسويق عبر بريدك الإلكتروني بالأرقام. لكي تبدأ، إليك 4 من التقارير المفضّلة لدينا لفهم تأثير حملاتك التسويقية عبر البريد الإلكتروني: تقرير الوقت الفعليإذا كنت قد أرسلت رسائل تسويقيّة إلى قائمتك البريدية، سيكون مشاهدتها مثيرة للاهتمام في الوقت الفعلي، حيث يبدؤون بالنقر والدخول إلى موقعك على الويب والتّنقل بين جَنَباته. يمكن الوصول إلى التقرير في الوقت الفعلي عن طريق تحديد "Real-Time" من شريط القوائم الأيسر ومن ثم اختيار "Traffic Sources" و "Email". وهنا يظهر كيف يبدو تقريرنا لحظة كتابة هذه السّطور. كما ترون، سوف يُظهر لك التقرير عدد الناس في الموقع في الوقت الحالي الذين جاؤوا من رسائل البريد التسويقية، وسيبيّن حتى القناة التسويقية التي جاؤوا من خلالها. تقرير النظرة العامةتحتاج فقط لمعرفة حركة الزيارات التي تأتي بجهود التسويق عبر البريد الإلكتروني لموقعك وقارن ذلك مع حركة الزيارات بشكل عام؟ التقرير الشامل سيكون مناسبًا لك. للوصول إلى ذلك، تأكد من أن الشريحة المتقدمة "Campaign Medium: Email" مُفعّلة، ثم ببساطة اختر "Audience" من القائمة الجانبية اليسرى وقم باختيار" Overview". في هذه اللقطة الوحيدة، ستكون قادرًا على معرفة عدد الزيارات (التي تسمى الآن جلسات) التي جلبتها حملاتك التسويقية عبر بريدك الإلكتروني وكذلك عدد الزوار (ويطلق عليهم المستخدمين). يمكنك أن ترى أيضا عدد الصفحات لكل زيارة ومعدل الارتداد. بالإضافة إلى ذلك، يمكنك بسهولة مقارنة كل هذه المقاييس مع النتائج ككل، أو إمن خلال وسائل أخرى مثل المنصات الاجتماعية أو محركات البحث إذا قمت بإضافة بعض الشرائح المتقدمة الأخرى. تقرير الحملة التسويقية Campaign reportإذا كنت تريد أن ترى تأثير كل حملاتك التسويقية ومقارنتها مع بعضها البعض، إذًا سيدُلك تقرير الحملة التسويقية للمكان الذي تريد أن تكون فيه. تأكد من أن الشريحة المتقدمة "Campaign Medium: Email" مُفعّلة ثم انتقل إلى تبويب "Acquisition" في شريط القائمة اليسرى. ثم حدد "Campaigns". بعد ذلك، سوف تحتاج إلى الضغط على رابط "Campaign" فوق الجدول لفرز الجدول بحسب أفضل الحملات أداءًا. كما ترى في الأعلى، سوف يظهر في التقرير عدد الزيارات (وتسمى جلسات) والزوار (ويسمّون المستخدمين) التي جلبتها كل حملة إلى موقع الويب الخاص بك. إذا سبق لك تجهيز "مُتعقّب هدف" goal tracking أو "متعقّب تجارة إلكترونية" eCommerce tracking ، يمكنك حتى أن ترى عدد عمليات الشراء التي قام بها الناس، أو أي نموذج آخر من التحويل لكل حملة. تقرير سلوك التدفق "the behavior flow report"هل سبق لك أن احتجت معرفة ما يفعله الناس على موقعك بمجرد وصولهم من رسالتك التسويقية؟ هل يغادرون وينتهي الأمر؟ أم أنهم يرون عرض التسعير الخاص بك أو يذهبون لصفحة تواصل معنا؟ لحسن الحظ، يمكن لتقرير سلوك التدفق أن يخبركم بالضبط ما يفعله الناس عند وصولهم إلى موقع الويب الخاص بك من حملة معينة. للوصول إليه، اختر 'Behavior' من القائمة اليسرى ثم اختر "Behavior Flow". بعد ذلك، ستحتاج إلى تحديد "Campaigns" من القائمة الخضراء المنسدلة فوق العمود الأول من التقرير. بهذا سوف تظهر لك جميع الحملات الخاصة بك، وإذا كنت تريد أن ترى حملة واحدة معينة فقط اضغط عليها واختر "View only this segment". كما هو موضح في المثال أعلاه، أولئك الذين جاؤوا من النشرة الإلكترونية لشهر يوليو هبطوا في المقام الأول على تدوينة ‘Canvas Redesign’ (والتي كانت مميزة في النشرة). وذهب عدد لعرض صفحة الهبوط بينما ذهب البعض لتفقّد معرض الصور أو شاهد صفحة التسعير لدينا. باستخدامك تقرير سلوك التدفق، يمكنك أن ترى بالضّبط ما فعله الناس بعدما دخلوا لموقعك الإلكتروني من حملة معينة. خاتمةببساطة، عن طريق تمكين أداة متعقّب الحملة ووضع شريحة متقدمة، يمكنك الحصول على نظرة مُعمّقة لنجاح حملاتك في التسويق عبر البريد الإلكتروني، وتشاهد كيف يتفاعل الناس مع موقعك بعد النقر والدخول من رسائل البريد الإلكتروني. تأكّد من مراقبة هذه التقارير بشكل مستمر، واستخدم الخبرات المكتسبة للتقرير لكل من النجاح في حملات التسويقية عبر البريد الإلكتروني وكذلك المضي قدمًا في تحسين أداءها. ترجمة -وبتصرّف- للمقال: 3Steps to measure the success of your email marketing with Google Analytics لصاحبه AARON BEASHEL. حقوق الصورة البارزة: Designed by Freepik.

انّ معدّلات التحويل وأنماط الاستخدام تعني قضاء العديد من الليالي بالعمل المستمر. يطلق فريقك خاصيّة جديدة، ينشر إعلان عنها، ثم يجلس منتظرًا المجد. وفي النهاية لا تحصل على أي شيء. تتساءل مباشرةً: "لماذا لا يستخدم الناس المنتج؟"، لكنّ هذا ليس هو السؤال المناسب. السؤال المناسب والمفيد هو: "كيف يمكنني أن أجد كل أسباب استخدام الناس للمنتج وتحديد الأولوية فيها؟". اللماذات الخمس والسبب الجذريأوجد المخترع الياباني Sakichi Toyoda تقنية اللماذات الخمس لإيقاف الناس عن حل ظواهر المشكلة ومعالجة الأسباب الجذرية بدلًا من ذلك. عندما تعترضك مشكلة، يمكنك ببساطة أن تسأل "لماذا" خمس مرّات، ثم تحلّ المشكلة الجذرية. تأكّد من أنّ المشكلة لن تتكرر فيما إذا طبّقت هذه التقنية بشكل صحيح. يشير الباحث والكاتب الأمريكي Jared Spool إلى مخاطر افتراض أنّك تعرف الإجابة على "لماذا" دون التحقق من صحة افتراضك. قد يبدو المخطط أعلاه مرتّبًا ومُنظّمًا، ولكنّه يحمل مجموعة واسعة من الافتراضات. وفي الواقع، هذا ما يبدو عليه: هنالك العديد من الإجابات الكامنة في كل "لماذا"، وكلما كررت هذا السؤال، كلما استنبطت بشكل أعمق. هنالك المئات من المسارات التي تظهر عند تطبيق تقنية اللماذات الخمس، وسيكون من السيئ والمبتذل استخدام المعلومات الظاهرية والأدلّة القوليّة التي تسمعها عن منتجك في اتخاذ القرارات بدلًا من اتخاذها على أساس البيانات. البحث يؤثر على قرارك في التحسينمن الضروري أن تفهم الأسباب الجذرية عندما لا يقوم المستخدمون بفعل أي شيء بمنتجك، سواء كان ذلك الشيء الاطلاع على المنتج، استخدام خاصيّة ما، أو دعوة صديق؛ اسألهم عن السبب. إنّ اختبارات A/B تساعدك على إجراء التغييرات التي توصل منتجك إلى مرحلة الحد الأقصى المحلي Local Maxima، لكنّها لا تتيح لك الفهم الحقيقي. غيّر لون أي زر من الأخضر إلى الأحمر وسترى فرقًا دقيقًا في الإنتاجيّة، لكنّ هذا الفرق تعود جذوره إلى الجماليات، وليس إلى رغبة المستخدم، دافعه، أو فهمه للمنفعة من المنتج. صنف المشاكل افهم وحدّد السبب الجذري، لأنّ ذلك يحدد أولويات مشاكلك، ويتيح لك تحديد المشاريع حسب تجربة المستخدم، مثلًا،" يجب أن يكون المشترك الجديد قادرًا على توليد تقرير بنجاح بدون الاتصال بالدعم" (الأمر الذي يمكنك إجراء اختبارات المستخدم من أجله التحقق منه)، وحسب المقاييس، على سبيل المثال "يجب أن يتناقص عدد طلبات الدعم لكل تقرير يتم توليده" (الأمر الذي بإمكانك رصده). من الأفضل أن تقوم بإلغاء الخاصيّة إذا كانت أغلب مشاكلك تتمحور حول دوافع المستخدم، ثم تتحرى عن سبب إضافتك لهذه الخاصيّة من البداية؛ على الأرجح سيكون السبب هو أنّك لا تقول “لا” إلا نادرًا وتُحاول إضافة جميع الاقتراحات التي تصلك . أمّا إذا كانت أغلب المشاكل تتعلّق بالواجهة، فيجب أن تفكّر في تصميم جديد (بدلًا من التّمحور حول تصميم عاطل). إذا كان تصميمك لا يفعل شيئًا سوى إرباك العملاء فهذا بسبب أنّك لم تحصل على ردود فعل المستخدمين قبل إطلاقه. إنّ السؤال باستمرار "لماذا حدثت تلك المشكلة؟"، "كيف يمكنني حلّها؟" يساعدك على فهم وحلّ المشاكل ذات المستوى العالي عندما تكون صغيرة في بدايتها. أنت تريد أن تنمّي كل شيء عندما تمتلك شركة ناشئة، باستثناء المشاكل. لأنّ نمو المشاكل ليس جيّدًا على الإطلاق. ترجمة -وبتصرّف- للمقال Analyzing Abandonment in Your Product لصاحبه: Des Traynor.

بغض النظر عن التكلفة، فإن ما يمكن قياسه يمكن القيام به. من جهة أخرى تعتبر مسألة اختصار كل من التصميم وعملية onboarding (تهيئة العميل لاستعمال المنتج لأول مرة) لتصبح مُجرّد تلاعب بالأرقام وبالقياسات أمرا غاية في الخطورة. لقد قدم لنا العقد الأخير العديد من منتجات التحليل، تقوم كلها بأخذ معطيات سهلة التجميع وتعطي رسوما بيانية جميلة المنظر. طبعا لا يقوم أحد بالتحقق إن كانت هذه المعطيات التي يسهل الحصول عليها تقدم أي معلومات. أو إن كان للرسوم التي يحلو النظر إليها أي فائدة. فحتى وإن كانت مفيدة وكنت تعي جيّد ما تقوم به فإن التًلاعب بالقياسات والأرقام ستجعلك حتما تَضَلُّ الطريق تحت تأثير الوجهة التي ترغب في الوصول إليها. كل ما يتم قياسه يتم القيام به "what gets measured gets done"، تستخدم هذه الجملة للدلالة على شيء من قبيل أن "لا شيء سيحدث هنا ما لم نحصل على أرقام واضحة"، الأمر الذي غالبا ما يكون صحيحا. تعتبر الجمل المبهمة مثل "سنقوم بإلقاء نظرة على ذلك"، "سنرى إن كان يمكننا تحسين ذلك" أو "سنقوم بالعمل على حل الأمور الأسهل أولا" هلاك كل فريق عمل منتج ما. إنه لمن المستحيل قول إن كان أي شيء يحدث حقيقة كنتيجة، في حين تتميز الأرقام بمصداقيتها. المشكل أن الأرقام تعتبر انتقائية في تعاملها مع الحقائق، عندما تقوم بقياس أي تدفق، قيمة أو نسبة فإن هناك وسيلة للتلاعب بالنتائج. تأثير الجرذان إبان حكم الاستعمار الفرنسي عانت مدينة هانوي من مشكل جرذان كبير، حاولوا حل المشكل من خلال مكافئة الناس لاصطيادهم الجرذان، حتى تثبت أنك فعلا قتلت فأرا كان عليك أن تقدم ذيله كدليل، ما حدث فيما بعد يعتبر خير مثال لتقديم بعض القياسات والأرقام لدلالاتٍ خاطئة. عمل المواطنون على تربية الجرذان، قطع أذيالها، الحصول على المكافئة ثم إعادة وضع الجرذان مبتورة الأذيال في بيئة مناسبة للتناسل. كان الحل يأتي بنتائج عكسية. في نفس الوقت ونظرا لقياساتها وأرقامها السطحية كانت الحكومة تصدر تقارير تفيد أن هناك تقدما ملحوظا في إبادة الجرذان. أصبح هذا يعرف بتأثير الجرذان، أو بتأثير أفاعي الكوبرا نظرا لحادثة مشابهة في الهند. في كلتا الحالتين ما تم قياسه فعلا قد تم القيام به، وما تمت المكافئة على القيام به تم تكراره. كل القياسات والأرقام حتى وإن تم انتقاؤها بشكل يدوي فإنها لا تعدو أن تكون دليلا على تصرف المستخدم. فعلى سبيل المثال في شركة تطُوّر تطبيقًا لإدارةِ المشاريع فإنه يُمكن الاعتماد على "عدد المشاريع المفتوحة" لقياس إن كان المستخدمون يحصلون على قيمة من منتجك، ما قد يكون قيمة مُعبّرة بشكل جيّد عن مدى استخدام مُنتجك، المشكل أن كل المدلولات عُرضة للخطأ، ومعرضة للتلاعب. نقصد بالتلاعب هنا، التأثير على الأرقام فقط بطريقة لا تؤثر على ما تدل عليه هذه الأرقام، فعلى سبيل المثال يمكنك أن تدفع المُستخدم إلى "إنشاء مشروع" بمجرد أن ينهي عملية التسجيل، أو يمكنك أن تجعلها عملية تلقائية (يعني أن يتم إنشاء المشروع له بشكل آلي بمُجرّد أن يُسجّل). قد يقوم هذا برفع الأرقام التي تقيسها والتي تُتابعها عن كثب لكن هذا لا يعني أن المستخدم يحصل على قيمة أكثر. فأنت لم تقم بأي شيء جوهري. يذكرني هذا بسلسلة فكاهية بريطانية حيث يتباهى ضباط الشرطة بانخفاض معدل الجريمة عند قرّروا تقنين السرقة. يستعمل Ev Williams "وقت القراءة" كقياس لـ Medium، لكن يشير إلى وجود العديد من الطرق للتأثير عليه والتي لا تخدم هدفه. فمثلا يكون عرض النّصوص بشكل سيّء لا يًساعد على القراءة السّريعة أن يرفع من قيمة هذا الرّقم (أي وقت القراءة). بطريقة مشابهة لقولي مازحا أن المحرر Vim يملك أفضل طريقة لإبقاء المُستخدمين معه، حيث أن طريقة الخروج من التّطبيق ليست سهلة. إن أردت أن تعمل على خلق نمو ذا معنى فإنه يُفضّل أن تكون مجهوداتك مركزة على إحدى هذه الطرق: إزالة الاحتكاكات، إعادة نقلها إلى مكان آخر أو توجيه المستخدمين إلى الوجهة الصحيحة. إزالة الاحتكاكات frictionتعطي عمليات تحديد، إزالة وتحريك الاحتكاكات أفضل القياسات metrics الدالة على النمو الحقيقي. إن عدم قدرة المستخدم على الانتقال من الخطوة الثالثة نحو الرابعة مثلا يرجع غالبا إلى وجود احتكاك يعرقله. ما الذي يعيق انتقال المستخدم إلى الخطوة الرابعة: مشكل الاكتشاف: عدم معرفة المستخدم كيفية القيام بهذا الانتقال.مشكل الوضوح: جهل المستخدم نتائج الإقدام على الخطوة التالية.مشكل التعقيد: صعوبة إتمام الخطوة التالية.مشكل القيمة المقترحة: عدم اقتناع المستخدم بأن القيمة المضافة التي سيحصل عليها عند القيام بالخطوة تستحق استثمار المال/الوقت المطلوب لإتمامها.لن يتم تحقيق أي تقدم حقيقي من خلال القيام بالاختبارات طوال اليوم بل من خلال العمل على إزالة الاحتكاكات. أمثلة حول إزالة الاحتكاكاتفي السابق، كان تنصيب شيفرة جافاسكربت على الموقع الطريقة الوحيدة للتسجيل في Intercom، يليه القيام بكتابة تطبيق من جهة الخادوم لإرسال المتغيرات لخادوم الخدمة، ما يعتبر كما هائلا من الاحتكاكات بالنسبة للأشخاص غير الملتزمين، يسبب هذا الأمر أيضا استثناء الكثير من الناس غير القادرين على التّعديل على منتجاتهم. قام فريقنا المسؤول على النمو بالعمل على إزالة هذه الاحتكاكات من خلال مجموعة متنوعة من المقاربات، على سبيل المثال تعمل آلية دمج خدمة Stripe على السماح لك ببدء استعمال Intercom من خلال نقرتين فقط. في بعض الأحيان يكون الحل الأنسب للتعامل مع الاحتكاكات هو تقبل أن تحقيق بعض التقدم أفضل من عدم تحقيق أي تقدم بتاتا، على سبيل المثال يحب الكثير من المستخدمين أن يرسلوا رسائل HTML لكن لا يستطيعون القيام بذلك لأن الأمر يتطلب مهارات في التطوير والتصميم. لهذا السبب يتيح Intercom الآن مكتبة صغيرة من القوالب الجاهزة للاستعمال. الأمر مُماثل بالنسبة للمستخدمين الذين يودون إرسال رسائل تلقائية لكن لا يعرفون ما الذي يجب عليهم قوله فيها، لذا قمنا بإعداد بعض الأمثلة الجيدة لتساعدهم على البداية. تحويل الاحتكاكات إلى أماكن أخرىيوجد عدد محدود من الاحتكاكات التي يمكن لك القيام بإزالتها تماما، أما فيما يخص البقية فإنك تقوم بتحريكها من مكان لآخر. قد يبدو لك القيام بهذا مضيعة للوقت، الجهد والموارد، لكن الأمر ليس كذلك. عليك أن تعمل على تحريك الاحتكاكات التي يستحيل إزالتها إلى مكان آخر حيث تسبب أقل الأضرار. أيْ حيث يتم تحويل أغلب المستخدمين (لكن ليس بالضرورة حيث تتوافر أعلى نسبة للتّحويل). على سبيل المثال تتسم بعض الخطوات مثل تسجيل الحساب وطلب الدفع بكونها غير محببة للمستخدم لكنها ضرورية، يسبب هذا النوع من الخطوات في فقدان بعض عملائك، رغم إمكانية العمل على تبسيطها من خلال استعمال التسجيل عن طريق فيسبوك (Facebook Login) أو الدفع باستخدام Stripe، ستُلاحظ بعض الانسحابات بمجرد أن تقوم بطلب المال أو بعض التفاصيل. على سبيل المثال، عرض فترة تجريبية مجانية دون طلب بطاقة ائتمانية، سيرفع من نسبة التّحويل على الصفحة الرئيسية، لكن القيام بهذا يعني عملك على تحريك هذا الاحتكاك ثلاثين يوما وليس إزالته تماما، بلغة الأرقام يعد تأجيل طلب البطاقة الائتمانية إلى اليوم الثلاثين أفضل من طلبها في اليوم الأول، أهم ما في الأمر أن تتذكر أنك لم تقم بإزالة أي احتكاك بل أجلته فقط، المشكل أن العديد من الناس لا ينتبهون لهذا الأمر. قياسا على ما سبق يمكن لك أن تفرط في تحفيز عملائك ليقوموا بالترقية، أو أن تبدأ بربح النوع الخاطئ من العملاء الأمر الذي غالبا ما تدفع ثمنه لاحقا في شكل تبعات جانبية. باختصار، لا يمكنك أن تُزَيِّفَ الحقائق أو أن تتحاشى الأمر الواقع فلطالما ستواجهه، كلما تأخرت في إدراك هذا الأمر كانت الخسائر أكبر. القياسات المرافقةتعمل الكثير من الشركات حاليا على توظيف فرق عمل خاصة بالنمو، والأرجح أن يتزايد هذا في السنوات القادمة تزامنا مع تَجَلِّي أهميتها الكبرى. إن كنت تعمل على توظيف فريق نمو فمن الجدير بك أن تأخذ بنصيحة Andy Grove فيما يخص القياسات والأرقام: بالنسبة لكل قياس، يجب أن يكون هناك قياس مرافق له والذي يدل على النتائج العكسية للقياس الأول. والأحرى أن تتذكر قول نتشه: ترجمة -وبتصرّف- للمقال: MEANINGFUL GROWTH VS METRIC MANIPULATION لصاحبه Des Traynor. حقوق الصورة البارزة: Designed by Freepik.

قد يظن البعض أنّ الإحصائيّات تكذب، لكن الحقيقة ليست كذلك. نعم، يتعمّد بعض الأشخاص استخدام أرقام غير حقيقية واستخراج البيانات بانتقاء، لكن معظم الأشخاص يسيئون تفسير البيانات عن طريق الصدفة فقط. يُعتبر هذا الموضوع مهمًّا لأنّك تقوم بجمع البيانات المتعلّقة بعملك طوال الوقت؛ عن تدفّق الويب web traffic، مصادر الإيرادات revenue sources، أو سلوك الزبائن، ثمّ تقوم باتّخاذ القرارات على أساس فهمك (أو قد يكون سوء فهم) لتلك البيانات. سأذكر هنا بعض المشاكل الأساسية التي أواجهها باستمرار. الإحصائيّات لا تخبرك بالقصة كاملةمن السهل أن تختزل مجموعة من البيانات إلى رقم واحد، كما هو الحال مع "المتوسّط" average؛ سهل ولكنّه غير عملي في بعض الأحيان. الأرقام المفردة تكون أكثر فعّالية، فهي تمكّنك من فهم مجموعة كبيرة من البيانات. وهذا الأمر يُعتبر مفيدًا فِعلًا، لكنّه في نفس الوقت يمكن ألّا يعبّر عن الحقيقة. لنأخذ رباعية Anscombe كمثال، أربعة مخططات تمتلك خصائص إحصائية متطابقة، ومع ذلك تشكّل بوضوح أربع عمليات متباينة: كما هو واضح من المخططات الأربعة أعلاه، الإحصائيّات لا تصِف ما يحدث حقّا مع البيانات. فالمخططات المختلفة نتجت عن إحصائيّات متطابقة. الحقيقة وراء كل مخطط هي: في المخطط الأول: العمليّة هي في الغالب خطّيّة. الخط الأنسب best-fit line ملائم لوصف العلاقة، لكن مع ذلك هنالك أيضًا عوامل أخرى عشوائية في العمل.في المخطط الثاني: البيانات مترابطة بصورة مثالية، لكنّها غير خطّيّة. إنّ استخدام إحصائيّات خطّيّة نموذجية يُعتبر أمرًا خاطئًا.في المخطط الثالث: البيانات خطيّة بشكل مثالي، مع وجود ناشز outlier واحد. هذا الناشر يتم تجاهله على الأرجح، ويجب أن يمثّل الخط الأنسب best-fit line البيانات الأخرى.في المخطط الرابع: البيانات لا تتغير حول المحول السيني باستثناء ناشز واحد والذي ينبغي تجاهله. جميع الأرقام الإحصائية القياسية هي غير مفيدة.المفاد: العمليّات الإحصائية لا يمكن اختزالها إلى رقم واحد.تطبيق الإحصائيّات بشكل عشوائي لا يفسّر ما يحدث في الحقيقة.المخططات البيانية يمكن أن تساعد في تفسير البيانات.المتوسّط قد يكون عديم الفائدة أحيانًالا تستطيع استخدام أداة تحليل دون أن تضطر لاستخدام المتوسّط، كمتوسّط النقرة/اليوم hit/day، متوسّط نسب التحويل conversion ratio، متوسّط حجم التداول transaction size، أو متوسّط الوقت المستغرق في الموقع time on site.المشكلة هنا هي إنّ المتوسّط ليس عديم الفائدة فحسب، وإنّما مُضلّل. لنأخذ متوسّط الوقت المستغرق في الموقع كمثال والذي يُعتبر كمقياس نموذجي لتحليلات المواقع. إنّ متوسّط الوقت المستغرق في الموقع مهمّ جدًّا في أداة Google Analytics، ويظهر في الجهة العلويّة من لوحة معلومات الموقع، كما موضّح في المثال الحقيقي من مدونتي أدناه: من الجيّد أن يكون الوقت المستغرق في الموقع أطول لأنّ هذا يعني أنّ زوّار الموقع مهتمّون. هل يُعتبر الزمن 1:33 دقيقة جيّدًا؟ هذا هو السؤال الخطأ في الواقع. سيتضّح الأمر عند تقسيم هذا الرقم إلى عدّة أقسام: قيمة متوسّط الوقت المستغرق في الموقع المساوية 93 ثانية لا فائدة منها عند محاولة تفسير سلوك المستخدم. الطريقة الصحيحة للتفكير حول الوقت المستغرق في الموقع هي: معظم الزوّار يخرج من الموقع bouncing دون النظر إليه حقّا.حوالي ثلث الزوّار بقي لفترة كافية لقراءة بعض المقالات.مع ذلك تبقى طريقتك في تحسين الحالتين 1 و2 مختلفة تمامًا: الارتداد bouncing يمكن أن يشير إلى عَوز في مصدر التدفّق traffic source (أي إنّنا جذبنا الأنظار، لكنّها ليست الأنظار الصحيحة)، أو مُشكلة في صفحة الهبوط landing page (أي إنّنا جذبنا الأنظار الصحيحة، لكنّنا فشلنا في استدراجهم إلى قراءة المزيد).الحصول على بضع دقائق لتصفّح المدوّنة يُعتبر نجاحًا بالفعل، لكن محاولة جعل شخص ما يبقى لفترة أطول (أي 10 دقائق بدلًا من 5) ربما لا تجدي نفعًا. لذلك السؤال الأنسب هو: كيف نحصل على عدد أكبر من الأشخاص في هذا التصنيف category بدلًا من محاولة زيادة متوسّط الوقت في هذا التصنيف؟لهذا تعتبر قيمة المتوسّط 1:33 غير مفيدة في وصف الحقيقة. ليس ذلك فحسب، وإنمّا غير مفيدة في معرفة القرار التالي الذي يجب اتّخاذه. المفاد: المتوسّط البسيط عديم المعنى في كثير من الأحيان.استخدام رقم واحد لوصف عمليّة ما يمكن أن يزوّر الحقيقة.استخدام رقم واحد لوصف عمليّة ما قد يمنعك من تعلّم كيفية التطوير والتحسين للأمثل.مخاطر "أفضل 10" و"أخرى"يحب الأشخاص قراءة قوائم "أفضل 10" في جميع المجالات وليس في تقارير تحليلات المواقع فحسب، ويمكن لتلك القوائم أن تكون مفيدة. على سبيل المثال لدّي هنا مخطط لمصادر محركات البحث التي تجلب التدفّق إلى مدونتي: هنالك العديد من محركات البحث "الأخرى" مثل Ask وAOL، لكن التدفّق الذي يأتي من خلالها قليل جدًّا ويكاد لا يُذكر، لذلك من الأفضل إزالتها من المخطط. المشكلة هنا عندما تكون قيمة "أخرى" ليست بالقليلة التي يمكن تجاهلها. المخطط أدناه هو تقرير حقيقي لاجتماع مجلس الإدارة حضرته السنة الماضية: لاحظ المخطط نفسه بعدما تتبعتُ البيانات وقررّتُ إضافة تصنيف "آخرون" إليه. يطلق البعض اسم "الذيل الطويل long tail" على هذا النمط من التوزيع. في هذا النمط هنالك بعض المساهمين الكبار، أكبر بكثير من أي مساهم مفرد آخر، لكن عند جمع كلّ المساهمين الصغار سيصبح تأثيرهم مكافئًا لتأثير المساهمين الكبار، أو حتّى يتفوّق عليه كما في حالتنا هذه. هنالك عدّة طرق يمكنك اتخاذها عندما تكتشف وجود ذيل طويل في بياناتك. افترض وجود ذيل طويل في خط مبيعات المنتج الخاص بك، كما في شركتيّ iTunes وAmazon اللتين تمتلكان بعض المنتجات الضخمة بالإضافة إلى ذيل طويل يحتوي على الملايين من المنتجات التي تُباع بشكل نادر. فيما يلي أربعة آراء متضاربة حول كيفية التصرّف مع هذه الحالة: المنتجات في الذيل الطويل مكلفة جدّا للبيع، لأنّها تتطلب الوصول إلى عدد كبير من الأشخاص الذين يدفعون القليل من المال مقابلها، لذلك لا يمكن اعتبارها مؤثّرة من ناحية الكلفة.المنتجات في الذيل الطويل هي الأقل كلفة للبيع، لأنّها تعني الوصول إلى الأسواق لا يستهدفها أحد under-served markets، مما يعني إعلانات رخيصة وزبائن راغبين في الشّراء.التعامل بالذيل الطويل يعني إنّنا يجب أن نصبح كلّ شيء من أجل كلّ شخص، وبالتالي نصبح مشتّتين. لنحاول بدلًا من ذلك أن نصبح الرقم واحد في مجال واحد محدّد.من الصعب أن نصبح الرقم واحد في جميع المجالات، وفي بعض الأحيان تذهب المكاسب إلى الأشخاص الأغنى، وليس إلى الأشخاص الأذكى أو الأكثر شغفًا. لذلك، بدلًا من منافسة المؤسسات أو الشركات ذات المكانة والسلطة، لنتعامل مع الجزء الآخر من السوق الذي تتجاهله تلك المؤسسات، لكن ليكن الجزء الذي يحتوي على كمية كبيرة من الأعمال الكامنة.لا يوجد رأي من الآراء السابقة صحيح كليّا. على سبيل المثال تحصل iTunes على معظم عائداتها من المساهمين الكبار (على عكس الاعتقاد الشائع)، لكن الشركات الأخرى مثل Beatport تجني الملايين من الدولارات من الذيل الطويل لأسواق الموسيقى المتخصّصة (الموسيقى الإلكترونية في حالتها). الشيء الوحيد الخاطئ هو تجاهل عمود "أخرى" في مخططاتك. المفاد: قوائم "أفضل 10" يمكن أن تُخفي بيانات مهمّة.تأكد أولًا من أنّك لم تتخلص من معلومات مهمّة عندما تقوم بتصفية البيانات الخاصّة بك.أنماط البيانات كالذيل الطويل ليست جيّدة أو سيّئة بحد ذاتها. كما إنّ هنالك عدّة طرق يمكنك استخدامها عندما تتصرف إزاء الحالات المختلفة. قواعد المقاييس الإحصائية والإحصائيات لا يمكن أن تطبق عشوائيالنفترض لديك المخطط التالي (لم نسم البيانات عمدًا): من خلال المخطط نلاحظ أنّ: قيمة المتوسّط هي 57.القيم بشكل عام تتزايد كلّما اتّجهنا نحو اليمين.بعض البيانات مفقودة، أو ربّما ينبغي إهمالها.مع ذلك تبقى هذه الملاحظات محض افتراضات، وقد تكون خاطئة اعتمادًا على الحالة. لنفترض السيناريوهات التالية: قد تكون هذه البيانات هي درجات اختبار لطلّاب في مرحلة ما. في البداية الطلاب يرسبون، وفي منتصف المرحلة تتحسن درجات الطلاب بسبب توظيفهم لمدرّس ما، ثم في نهاية المرحلة يُتقن الطلّاب المادّة. هؤلاء الطلاب يجب تقييمهم بالدرجتين A أو B بسبب التحسّن الواضح والنتائج المستقّرة في اختبارات نهاية السنة الصعبة. لكن يجب أن لا يحصل الطالب على درجة 57؛ متوسّط الدرجات.أو يمكن أن تمثّل هذه البيانات نتائج لدراسة أجراها شخص ما حول فعّالية إعلان معيّن. إنّ التقييم "صفر" للموضوعين رقم 2 ورقم 4 هو بيانات حقيقية، ولكنّه يمثّل إشارة سيّئة. يمكن أن يشير هذا التقييم إلى خطأ فادح في الإعلان، قد يكون إعلانًا ضارًّا مثلًا. ما يجب فعله هو البحث والاستفسار من المشاركين في هذه الدراسة لمعرفة سبب الفشل. وبشكل عام، تشّكل قيمة المتوسّط، من ضمنها الأصفار، إشارة مفيدة إلى فعّالية الإعلان ككل. الأمر الذي يدعو للتساؤل هو التحسّن في المراحل اللاحقة، حيث كان من المفترض اختيار المشاركين بشكل عشوائي. من الممكن أن يشير هذا إلى تحيّز في الاختبار نفسه.من الأمور المثيرة للاهتمام حول النقطة رقم 1 هي إنّه يجب إهمال أغلب البيانات لكي نحصل على قيمة متوسّط مفيدة، والعكس هو الصحيح مع النقطة رقم 2. بيت القصيد هنا هو إنّ السياق الذي تدور حوله البيانات هو الذي يحدّد طريقة تفسيرها. لذلك لا يمكننا وضع القواعد عشوائيًّا، كأنْ نحدّد البيانات التي يمكن تجاهلها. المفاد: يجب تفسير النتائج اعتمادًا على السياق، لا أن نطّبق الصيغ عشوائيًّا.يجب تشكيل نظريّة معيّنة في البداية، ثم ننظر فيما إذا كانت البيانات تدعَم أو تدحض تلك النظرية.الصيغ ليست بديلا عن التفكيرالإحصائيّات، حالها حال أي أداة أخرى، يمكن أن تكون مفيدة إذا استُخدمت بشكل صحيح، وهي خطيرة إذا استُخدمت بخلاف ذلك. كما في أي خوارزمية؛ البيانات السيّئة تعود عليك بالنتائج السيّئة. أجل، هذا يعني إنّ تحليلات المقاييس metrics analysis هي أصعب مما تبدو عليه، وإنّ عليك أن تستغرق وقتًا في فهم البيانات وأن تبحث مع الآخرين للتحقق من أسلوب تفكيرك. لكن ما البديل لذلك؟ هل ستفكّر في العمليّات الخاصّة بك بصورة خاطئة ثم تُضّيع وقتك في الحلول غير المنطقيّة؟ المفاد الأخير: بما أنّ المقاييس صعبة وتستغرق وقتًا ومجهودًا لتصحيحها، لا تحاول معايرة والعمل على 100 من المتغيّرات، بل اختر القليل مما تفهمه، تستطيع العمل عليه وتحسينه، عندها تستطيع عمل تغييرات إيجابية وعبقرية في عملك. هل لديك نصائح أو ملاحظات أخرى؟ أضف تعليقًا في الأسفل وشاركنا بها. ترجمة وبتصرّف للمقال Avoiding common data-interpretation errors لصاحبه: Jason Cohen. حقوق الصورة البارزة: Designed by Freepik.

نلاحظ خلال الفترة الأخيرة انتشار مصطلح "الإنفوجرافيك" عبر الشبكات الاجتماعية أو عبر المواقع والمدونات المختلفة بصورة واسعة، ويومًا بعد يوم يكتسب فن الإنفوجرافيك شعبية متزايدة بين مستخدمي الشبكة العنكبوتية، كما استطاع خلال فترة وجيزة أن يصبح أداة تعليمية وترفيهية قوية من خلال تقديم المعلومات على هيئة رسومات بيانية محببة لدى القراء. وربما يتساءل البعض حول معنى هذا المصطلح وأهميته، وكيفية التعامل مع فن الإنفوجرافيك والاستفادة منه بصورة فعالة، لذا سنحاول في هذه السلسلة توضيح مفهوم الإنفوجرافيك، ومعرفة أنواعه والأدوات المستخدمة في إنشائه، كما سنتطرق إلى بعض التلميحات المتعلقة بالجوانب الفنية والتسويقية للإنفوجرافيك. مفهوم الإنفوجرافيكفي البداية دعونا نوضح اللفظ اللغوي لمصطلح الإنفوجرافيك: كلمة إنفوجرافيك مقتبسة من اللفظ الإنجليزي المعبر عن هذا المصطلح Infographic، وهي اختصار لكلمة Information graphic. وبشكل عام يُطلق معنى الإنفوجرافيك على أي رسومات أو تصاميم تتضمن معلومات أو إحصائيات في موضوع محدد بشكل يجعل هذه المعلومات سهلة الفهم لدى القارئ، فأي تمثيل للمعلومات على هيئة رسومات يُمكن أن نصنفه تحت خانة الإنفوجرافيك. بمعنى آخر يمكن تعريف الإنفوجرافيك على أنه تحويل لكمية معينة من البيانات والمعلومات النصية المعقدة إلى مزيج من الصور والرسومات والنصوص مما يسمح للقارئ استيعاب الفكرة الأساسية للموضوع بصورة أسهل وأسرع. من المهم أيضًا أن نفرق بين مفهوم الإنفوجرافيك الواسع، وبين النظرة المعروفة حول هذا المصطلح، حيث يعتقد الكثير من المستخدمين أن مفهوم الإنفوجرافيك يقتصر على الشبكة العنكبوتية والويب فقط، وهذا الاعتقاد خاطئ تمامًا. صحيح أنّ ظهور شبكة الإنترنت أدى إلى انتشار الإنفوجرافيك واستخدامه كوسيلة لنشر المحتوى والمعلومات، لكن هذا لا يعني أن الإنفوجرافيك يقتصر على شبكة الإنترنت. فمثلاً النشرات الجوية المصورة، الإشارات الإرشادية، الخرائط، العروض التقديمية التقليدية، المخططات والرسومات البيانية، جميعها تدخل ضمن تصنيف الإنفوجرافيك. لكن في السنوات الأخيرة الماضية ومع الانتشار الكبير الذي حققه الإنفوجرافيك على الشبكة العنكبوتية، أصبح هذا المصطلح مرتبطًا بصورة أساسية مع المحتوى المنشور على الإنترنت فقط، وهو ما سنتطرق له خلال هذه السلسلة. نموذج للإنفوجرافيك المنتشر على شبكة الإنترنت والذي سنركز عليه خلال هذه السلسلة: تطور الإنفوجرافيك خلال السنوات الماضيةوفي السنوات الأخيرة، ازداد استخدام الإنفوجرافيك بصورة كبيرة عبر شبكة الإنترنت، فالكثير من المواقع والمدونات الإنجليزية والعربية أصبحت تخصص تصنيفًا منفصلاً للإنفوجرافيك، وبات لدينا آلاف الإنفوجرافيك المنشورة على هذه المواقع، هذا بخلاف المواقع المتخصصة فقط بهذا المجال. وبنظرة سريعة عبر محرك بحث جوجل نلاحظ الزيادة المستمرة في حجم البحث عن الإنفوجرافيك خلال السنوات الماضية، بالإضافة إلى زيادة عدد نتائج البحث حول الإنفوجرافيك بشكل مستمر. ولا ننسى أيضًا آلاف الإنفوجرافيك التي يتم مشاركتها بصورة دورية ومباشرة عبر الشبكات الاجتماعية وأهمها فيس بوك وتويتر، حيث تتمتع منشورات الإنفوجرافيك بنسبة عالية من المشاهدات والتفاعل من قبل مستخدمي هذه الشبكات. لماذا يجب علينا استخدام الإنفوجرافيك؟في النقاط التالية نُجمل لكم أبرز الأسباب التي تدفعنا لاستخدام الإنفوجرافيك أثناء قيامنا بالأنشطة التسويقية على الشبكة العنكبوتية: جذب المستخدمينحاول أن تطرح السؤال التالي على بعض المهتمين بمجال التدوين أو من لديهم معرفة كافية بهذا المجال: ما هو المحتوى المفضل لدى مستخدمي الشبكة العنكبوتية؟ في الغالب ستحصل على إجابات متشابهة، وهي أن المحتوى المتعلق بالإحصائيات والحقائق والبيانات هو المحتوى المفضل لدى المستخدمين خصوصًا إن تم طرحه من خلال الرسومات والصور. وبالتالي يُشكل الإنفوجرافيك المفتاح الحقيقي لجذب المستخدمين والوصول إلى جمهور أكبر، فهو يركز دائمًا على عرض البيانات والحقائق على هيئة رسومات ممتعة ومميزة، بالإضافة إلى ذلك يعتبر الإنفوجرافيك من أكثر أنواع المحتوى شعبية بين المستخدمين، بمعنى أنك لو استطعت استخدام هذا النوع من المحتوى بطريقة فعالة فستتمكن من تحقيق شعبية كبيرة لمنتجك. وكلما استطعت إنشاء إنفوجرافيك بلمسات إبداعية وجذابة، كلما حققت نسبة مشاهدات أكبر وبالتالي ارتباط المستخدمين واهتمامهم بما تقدمه على المنصات المختلفة. سهولة وسرعة القراءةفي الكثير من الأحيان يصيب المستخدم نوع من الملل عند قراءة المقالات الطويلة، خصوصًا إذا تضمنت مجموعة واسعة من المعلومات، وبالتالي لن يكون بمقدور الكثير من المستخدمين فهم أو استيعاب المقال للنهاية، فالمستخدم يريد المعلومات بصورة مباشرة وواضحة دون الحاجة لبذل المزيد من الجهد والتركيز لفهمها، وبالتالي فإن طبيعة الإنفوجرافيك تساهم في التغلب على هذه المشكلة حيث يُمكن استخدامه لإيصال فكرة معينة ومعقدة بكل بساطة وسهولة، كما أنه تحويل المعلومات على هيئة إنفوجرافيك سيوفر الكثير من الوقت على القارئ، فغالبًا يتم اختصار المعلومات عبر الإنفوجرافيك إلى أبسط حد ممكن والاحتفاظ بالمعلومات الهامة فقط. محركات البحثلا شك أن جودة المحتوى وقوته هي العامل الأساسي لارتباط محركات البحث بموقعك الخاص، في نفس الوقت فإن تقديم الإنفوجرافيك بجودة عالية يُعد من ضمن الوسائل المساعدة لتحسين موقعك بالنسبة لمحركات البحث، إذ سيحقق لك نسبة أفضل من الزيارات مقارنة بالمحتوى النصي، وبالتالي وجود بعض الإنفوجرافيكس المميزة والحصرية داخل موقعك سيزيد ثقة محركات البحث بالموقع، ولا تنسى أيضًا أن الإنفوجرافيك يحقق نسبة مشاركة أعلى عبر الشبكات الاجتماعية وبالتالي الحصول على المزيد من الزوار والروابط وبالتالي تصنيف أفضل في محركات البحث. متى يفضل استخدام الإنفوجرافيك؟من المهم أن نلتفت لأحد أهم الأخطاء الملحوظة في التعاطي مع الإنفوجرافيك، وهي عدم معرفة الموضع المناسب لاستخدامه، وهذه المشكلة تنتج من اقتناع المسوقين وأصحاب المواقع أو المنتجات المختلفة بضرورة استخدام الإنفوجرافيك نظرًا لأهميته البالغة والتي أشرنا إليها في الفقرة السابقة، وبالتالي يعمل هؤلاء على نشر الإنفوجرافيك دون الالتفات إلى أي اعتبارات أخرى متعلقة بالجودة. من الجيد أن نتذكر بأن أهمية وشعبية الإنفوجرافيك لا يجب أن تكون الدافع الرئيسي لاستخدامه، فنشر الإنفوجرافيك بصورة عشوائية لأنه يقوم بجذب جمهور أكبر لمنتجك هي مسألة تشبه تمامًا تقديم محتوى متهافت وضعيف، وفي النهاية لن يعود عليك ذلك بأي فائدة تُذكر، فالعناية الشديدة عند تقديم المحتوى المكتوب يجب أن تنسحب بنفس الكيفية على إنشاء الإنفوجرافيك، فهو في النهاية يعد نوعًا من أنواع المحتوى، وبالتالي يجب تقديمه بجودة عالية حتى يحقق الفائدة المرجوة. وبالتالي قبل أن تُفكر في استخدام الإنفوجرافيك يجب عليك أن تطرح على نفسك بعض الأسئلة من ضمنها: هل تمتلك بيانات كافية؟في البداية يجب علينا معرفة طبيعة المحتوى المنشور من خلال الإنفوجرافيك ومدى اختلافها عن بقية أنواع المحتوى، فالبيانات والإحصائيات والأرقام يجب أن تكون الجزء الرئيسي في أي إنفوجرافيك فعال، وبالتالي حينما تجد نفسك أمام موضوع معين لا يتضمن بيانات كافية أو إحصائيات، فلا تتوقع أن يكون الإنفوجرافيك خيارك المفضل. والعكس صحيح، فحينما تتوفر لك كمية جيدة من البيانات والإحصائيات وترغب بتقديمها للمستخدمين عبر إحدى وسائل المحتوى المختلفة، يُفضل أن يتم ذلك عبر الإنفوجرافيك. هل المعلومات معقدة ويصعب فهمها بصورة مكتوبة؟في الكثير من الأحيان ألاحظ وجود إنفوجرافيك تتضمن معلومات وبيانات سهلة وبسيطة وموزعة بصورة غير منتظمة على التصميم، وحينها أشعر ببعض الغثيان وأضطر لإغلاق الحاسب المحمول على الفور حتى أتجنب حدوت مضاعفات صحية أخرى. بالطبع لا أقصد أنّ استخدام الإنفوجرافيك ينحصر فقط على المعلومات المعقدة، فمثلاً يُمكن استخدام الإنفوجرافيك عند وجود عدة أرقام قد تسبب تشتت للمستخدم، حتى لو كانت هذه الأرقام تدل على معلومات بسيطة، وبالتالي فإن تصميمها بصورة جذابة وواضحة وغير عشوائية سيلفت انتباه وتركيز القارئ. وبالتالي قبل أن تفكر باستخدام الإنفوجرافيك عليك مراجعة طبيعة المعلومات التي تنوي طرحها من خلاله، فكلما كانت المعلومات معقدة ومركزة، كلما كان الإنفوجرافيك هو الوسيلة الأمثل لنشر المحتوى. فالإنفوجرافيك مخصص في الأساس لتحويل المحتوى النصي المعقد أو الممل إلى وسيلة تفاعلية تحقق أكبر استفادة لدى القارئ، فلا تتوقع أن يتفاعل المستخدم مع إنفوجرافيك يتضمن معلومات سطحية يُمكن لطالب في المرحلة الابتدائية أن يفهمها بسهولة وبدون حاجة إلى رسومات أو توضيح. هل جمهورك يُفضل الإنفوجرافيك؟بالرغم من أهمية الإنفوجرافيك وضرورته في جذب المستخدمين والحصول على جمهور أكبر لمنتجك، إلا أنه من غير الضروري أن يكون مناسبًا لجميع الناشرين وصناع المحتوى، ففهم طبيعة جمهورك هي مسألة أساسية في معرفة أنواع المحتوى الملائمة له، كما أن التخصص الذي تنشط به له علاقة مباشرة باختيار المحتوى الملائم، وبالتالي يجب أن تحدد مدى تفاعل جمهورك مع هذا النوع من المحتوى قبل أن تقرر استخدامه بصورة دورية. أنواع الإنفوجرافيكفي الحقيقة لا يوجد معايير معينة أو تصنيف ثابت لأنواع الإنفوجرافيك، لكن بحسب معرفتي فإن الكثير من المهتمين بهذا المجال يجدون صعوبة في تحديد النموذج المتناسب مع المحتوى الذي سيتضمنه الإنفوجرافيك، وبالتالي سأضع بين أيديكم تصورًا بسيطًا لأنواع ونماذج الإنفوجرافيك المختلفة والتي يُمكن اعتبارها وسيلة مساعدة لإنشاء الإنفوجرافيك بالصورة المناسبة. التسلسل الزمنيإن كنت تمتلك بعض البيانات والمعلومات التي تتضمن مراحل مختلفة بالسنوات أو الأشهر أو الأيام، فيمكنك تمثيلها عبر الإنفوجرافيك بصورة مميزة من خلال العرض الزمني لهذه البيانات. فمثلاً عند استعراض بعض المحطات في حياة شخص ما أو شركة أو حتى منتجك الخاص، فتحتاج إلى تمثيل البيانات بطريقة سهلة وسلسلة ويتضح فيها التسلسل الزمني للأحداث بحيث لا تكون السنوات متفرقة هنا وهناك بصورة تشوش القارئ. ولا يقتصر هذا النوع من الإنفوجرافيك على وجود تواريخ معينة، لكن من الضروري وجود تسلسل منطقي للمعلومات التي يتضمنها الإنفوجرافيك، فمثلاً لو رغبت في تناول تطور تقنية معينة مستقبلياً فيمكن استخدام هذا النوع بدون وجود تواريخ ثابتة ومحددة، أو يمكن استخدامه في حال استعراض خطوات متسلسلة لعملية معينة أو حقائق متسلسلة وهكذا. المقارناتإن كنت تمتلك بعض البيانات والمعلومات حول عدة أشياء مماثلة أو مختلفة، فيُفضل عرضها عبر هذه النوعية من الإنفوجرافيك، فهي ستوضح للقارئ بصورة مباشرة الفروقات بين الأشياء المستهدفة بسهولة ودقة، كما أنها ستوفر على القارئ عناء البحث عن الفروقات بنفسه في الإنفوجرافيك في حال تم تصميمه بالطريقة التقليدية، وفي نفس الوقت لا يُنصح أن تزيد المقارنة عن 3 منتجات، بالإضافة لوجود معلومات كافية حول المنتجات المنوي المقارنة بينها، ولا تنسى أن التصميم في هذا النوع من الإنفوجرافيك له أهمية بالغة جدًا في تبسيط الفكرة. الصورةأحياناً قد ترغب في وصف أشياء محددة وثابتة أو توضيح بعض النقاط المتعلقة بموضوع معين ببساطة وسرعة مع التركيز على العامل الفني والجمالي بصورة أكبر، وبالتالي يُمكن في هذه الحالات استخدام إنفوجرافيك الصورة، وهو يشمل فقط صورة الموضوع المستهدف مع وجود بعض المعلومات المحيطة بها، ويركز هذا النوع من الإنفوجرافيك على جذب المشاهد فقط من خلال الصورة وليس عبر طبيعة المحتوى، ويستخدم هذا النوع من الإنفوجرافيك كدليل لمنتج أو لإجابة عن تساؤلات معينة. المخططاتدعونا نشبه هذا النوع بإنشاء المخططات والهياكل التقليدية المستخدمة أثناء العمل، لكن الخلاف أنّ استخدام المخططات عبر الإنفوجرافيك يكون لشرح مسألة معينة بصورة منطقية وتبسيطها قدر الإمكان بواسطة تصميم مميز، فمثلاً عند استعراض موضوع يتضمن العديد من الخيارات أو الأسئلة، فيفضل توضيح ذلك بواسطة إنفوجرافيك المخططات للوصول إلى الخيار الأنسب، ولا تنسى عند استخدام هذا النوع أن يكون التصميم بسيطًا لأقصى درجة ممكنة، في بعض الأحيان يستخدم هذا النوع لتوجيه نصيحة بطريقة لطيفة ومبتكرة. تحليل البياناتيعد هذا النوع من أكثر أنواع الإنفوجرافيك تعقيدًا، فهو يتضمن إحصائيات ومخططات وأحداث زمنية ومعلومات في آن واحد، ويركز هذا النوع بصورة أساسية على التصميم، حيث يحتاج إلى جهد ودقة كبيرة جدًا مقارنة ببقية أنواع الإنفوجرافيك، كما ينبغي أن يتضمن كمية كافية من المعلومات، ويستخدم غالبًا لإعطاء القارئ لمحة متكاملة وواضحة في إحدى الموضوعات. المحتوى المنشور ضمن هذا النوع من الإنفوجرافيك لا ينبغي استخدمه بصورة مباشرة، حيث يجب في البداية جمع معلومات لازمة وكافية حول الموضوع المحدد ومن ثم فرزها وإعادة ترتيبها وتحليلها للوصول إلى أنسب طريقة لتوضيح الموضوع وبشكل يتوافق مع التصميم. الأرقاميستخدم هذا النوع من الإنفوجرافيك عند وجود أرقام وإحصائيات حول موضوع ما، دون الحاجة لاستخدام النصوص الطويلة على الإطلاق بحيث يتم استعراض بعض الأرقام الهامة حول منتج أو خدمة أو شركة، إلخ. يتميز هذا الإنفوجرافيك بسلاسة ومرونة أكبر في التصميم بالإضافة إلى سهولة توفير المعلومات، كما أنه يعتبر من أكثر أنواع الإنفوجرافيك شعبية عبر الشبكات الاجتماعية خصوصًا في حال تناوله لبعض الأرقام المتعلقة بمواضيع هامة وحيوية أو متزامنة مع الأحداث. يُنصح عند استخدام هذا النوع بالتركيز على إظهار الأرقام بصورة واضحة مع إدراج صور معبرة عن مغزى الأرقام بدلاً من النصوص، أو من خلال استخدام نصوص قصيرة جدًا للإشارة إلى مفهوم الرقم. كانت هذه لمحة سريعة حول مفهوم الإنفوجرافيك وأهميته وأنواعه. في الجزء الثاني من هذه السلسلة سنتعرف معكم على أهم الأدوات اللازمة لإنشاء الإنفوجرافيك. حقوق الصورة البارزة: Designed by Freepik.