فیوتاک: فصل دوم اپیزود بیست‌ودوم

نورولب و هوش مصنوعی در طراحی

در این اپیزود ارغوان میرشکار میزبان آلبرت حیدریان، بنیان‌گذار نورولب است. نورولب بازوی نوآوری آژانس سایه است.

در این اپیزود؛ ارغوان میرشکار میزبان آلبرت حیدریان، بنیان‌گذار نورولب است. نورولب بازوی نوآوری آژانس سایه است.

معرفی

این گفتگو با حمایت ویژه دبیرخانه برنامه ملی آینده نگاری علم و فناوری ایران و همراهی مجموعه ویکست و انجمن مدیریت فناوری و نوآوری ایران و با تهیه‌کنندگی صابر خسروی تهیه و تولید شده است.

علاوه بر نسخه صوتی، می‌توانید نسخه تصویری این گفتگو را نیز در یوتیوب و آپارات بشنوید.

ویدئو
پادکست
متن گفتگو

ارغوان میرشکار: سلام، من ارغوان میرشکار هستم اینجا فیوچراف اومدیم راجع به فناوریهای آینده و تکنولوژی صحبت کنیم مهمون این قسمت برناممون آلبرت حیدریان مؤسس نورولب بازوی تحقیقاتی آژانس سایه از گروه انتخاب آلبرت جان خیلی خوش آمدید.

آلبرت حیدریان: مرسی منم سلام عرض می‌کنم و خیلی خوشحالم که امروز اینجام امیدوارم که گفتگوی جذابی داشته باش

ارغوان میرشکار: حتما همین طوره متچکرم آلبرت جان یکم برامون میگید از نورولب آژانس سایه چیکار داره می‌کنه و اینکه گروه انتخاب استراتژیش چی بود برای رسیدن به یک آژانس تبلیغاتیهای مجزا یعنی چه احتیاجی دید و اینکه نورولب چی شد که به وجود اومد

آلبرت حیدریان: اه میتونم از اینجا شروع کنم که دغدغه گروه انتخاب با توجه به اسکیل حالا نسبتاً بزرگی که داشت همیشه تبلیغات بود یعنی اینکه مخصوصاً از اون زمانی که خب کار لوازم خانگی می‌کرد و یه عالمه در واقع برندهای خارجی و ایرانی لوازم خانگی توی ایران بود و موضوع لوازم خانگی هم موضوعاتی بود که خب خیلی تبلیغات نیاز داشت و ما توی اون دپارتمان تبلیغات و مارکتینگ همیشه سفارشدهنده بودیم. با آژانس‌های مختلف تو ایران کار می‌کردیم و فکر می‌کنم همیشه این داستان وجود داره که وقتی تو یه سفارشی میدی اونقدری رضایت‌بخش نیست برات.

آلبرت حیدریان: همیشه فکر می‌کنی که ای بابا مثلا یه نقصی داره این کاری که تحویل داده شد و خب این رفت توی ذهن مدیران گروه انتخاب که چرا خود ما یک استدیو نداشته باشیم مخصوصاً با توجه به اون مبلغ‌هایی که خیلی نسبتاً بالا بود بابت تبلیغات و ساخت محتواهای تبلیغاتی و تقریباً از ۲ سال پیش این موضوع شروع شد و آژانس و استودیوی در واقع سایه که مخفف [عبارت نامفهوم در زیرنویس] هست اونجا تأسیس شد و کارشو شروع کرد توی اون آژانس خب خود من کارای مختلفی می‌کردم کلا تو دپارتمان مارکتینگ مثلا در شروع که ما برند اسنوا رو داشتیم حالا ریبرندینگش رو انجام میدادیم و فروشگاه‌های اسنوا رو داشتیم تأسیس می‌کردیم که تعدادش خب خیلی زیاد بود توی ایران اونجا من تو حوزه طراحی به کمک مثلا جنریتیو دیزاین یه سری کارا کرده بودم و انگار

آلبرت حیدریان: رول های برند رو ما اومدیم کد کردیم و این کدها میومدگاه جنریت می‌کرد پلان فروشگاه جنریت می‌کرد و نمای فروشگاه جنریت می‌کرد بعد از اون که استودیو راه افتاد گفتیم که یک بازوی انگار تحقیقاتی یک مزیت رقابتی ایجاد کنیم. اونم توی ایرانم خب استودیوها کم نیست. استودیوهایی که کار تبلیغاتو انجام میدن. به ذهنمون رسید که بیایم این فیلدهایی که هایتک هست توی آینده احتمالاً خیلی آدما سمتش بیان اینا رو بیایم و استفاده کنیم. خب توی آژانس سایه سعی شده خیلی هایتک برخورد شه. تجهیزاتی که دقیقاً لبه‌های مثلاً تکنولوژی فیلم‌برداری هست، صدابرداری هست یا استانداردهای معماری که اونجا استفاده شده خب خیلی هایتکه. دیدیم که در واقع تو فضای تبلیغات همیشه در کنارش یک بازویی که بیاد آنالیز کنه تبلیغات رو، بیاد سنجش صحیح‌تری از تبلیغات داشته باشه در نظر بگیریم. خب قبلاً این تجربه رو با آژانس‌های در واقع ریسرچ مارکتینگ و این‌ها داشتیم.

آلبرت حیدریان: منتها تو ایران خب تو فضای نورومارکتینگ چیزی نبود و کمکم خود ترند نوروساینس رو پیدا کردیم و ترندهای حالا ایآی و تکنولوژی این شکلی رو این شد که در واقع خود نورولب رو به عنوان یک لابراتواری که قراره کارهایک تو حوزه تبلیغات و تحلیل تبلیغات انجام بده راه‌اندازی کرد.

ارغوان میرشکار: یعنی چی کار هایت تک در حوزه تبلیغات؟ دقیقا بودن تو ح تبلیغات چیه و چیکار می‌کنه

آلبرت حیدریان: ببین من حالا چون خودمم خیلی دیزاین برام جذاب بوده میتونم یک مقایسه کنم با دیزاین توی طراحی خب ما بر این عقیدهایم که د تا اپروچ وجود داره یه کلاسیک اپروچه که طراحها در گذشته طراحی می‌کردن خیلی وقتا آنالیز نمی‌کردن طراحیشیاشونو استفاده می‌کردن آدما نگاه متأخرتر تر اینه که همینوری یک طرح مورد قبول نیست. این باید آنالیز بشه، آزمون‌های مختلفی رو پس بده، اصطلاحاً اکسپریمنتال باشه تا مورد قبول باشه. همین داستانو ما توی تبلیغات و محتوای تبلیغاتی هم داریم. شاید در گذشته موضوع این بوده که ما یک محتوایی رو بسازیم و این کارشو انجام میده دیگه حالا به هر کیفیتی. ولی یک نگاه متأخر و هایتک می‌گه که نه این باید آنالیز بشه. ما اینسایت ازش بگیریم.

آلبرت حیدریان: نگاهی که دیگه شاید در آینده دوباره خیلی بشه راجع بهش صحبت کرد اینه که اصلاً چه کاریه ما اول بیایم بسازیم و بعد بیایم آنالیز کنیم تازه ببینیم خوب بود بد بود بتونیم برگردیم ریوایز کنیم یا نه ما بیایم بر پایه آنالیز بسازیم تو دیزاین مثلاً میشه پرفورمنس بیس اپروچ که بر پایه آنالیز بیایم طرح بزنیم توی تبلیغات هم این نگاه می‌تونه خب خیلی بیشتر باشه که ما بر پایه یک آنالیزی از محتوا مخاطب و یه عالمه اتریبیوت اونوقت بیایم شروع کنیم به ساختن محتوا

ارغوان میرشکار: یعنی شما اول یک آنالیزی به دست میارید بعد بر حسب اون حالا محتوا یا هر چیزی که لازم داره رو می‌سازین و ریلیز می‌کنین

آلبرت حیدریان: دقیقا

ارغوان میرشکار: خب این مدل‌های آنالیز کردن به چه صورته و شما از چه فناوریهایی استفاده می‌کنید ازش و اینکه برای اینکه کارای تبلیغاتو کلاً بیشتر کنید چیکار می‌کنید این آنالیز کردنو برامون بیشتر توضیح میدین

آلبرت حیدریان: کلمه کارایی رو شما استفاده کردین این می‌تونه به عنوان یک آبجکتیو جامع و جذاب باشه ولی چیزی که میخوام بگم اینه که ما اساسا چه آبجکتی داریم یعنی یه کم بیایم زوم شیم ببینیم چه تبلیغاتی خوبه یعنی کیفیت و یک سری صفت‌ها رو چهجوری می‌تونیم به تبلیغات بدیم این دغدغه شخصی خود من بود که دوست داشتم همه چیز رو اندازه‌گیری کنم چیزهایی که خیلی کیفی حتی می‌تونن باشن مثل محتوا مثل تبلیغات دیدم که همیشه توی تبلیغات اون کاراییه مثلاً فقط دیده شدن هم نیست سعی کردیم در شروع تیم ما این پارامترها رو جمعآوری کنه که یک تبلیغات چه اهدافی می‌تونه داشته باشه خب دیدیم خب خیلی پارامتراش زیاده و حتی خود ما گروهی نیست نیستیم که بیایم تعیین کنیم که اصلاً چه پارامتری باید باشه. اینجا بود که توی چارت کلی آژانس دیدیم که ما باید مرحله بعد از استراتژی باشیم.

آلبرت حیدریان: یعنی یک واحد قبل از ما باید ریساچ خودشونو داشته باشن و برسن به استراتژی و ما دقیقاً بعد از استراتژی بیایم قرار بگیریم استراتژی رو از اون واحد بگیریم و بعد تازه کارمونو شروع کنیم.

ارغوان میرشکار: یعنی آبجکتیون باید تعریف بشه.

آلبرت حیدریان: آبجکتیوها از اونور باید تعریف بشه. چرا؟ چون خیلی تأثیر داره توی محتوا یعنی اگه یک اگه آبجکتیو ما مثلاً اینه که آقا دیده بشه این تبلیغات فقط برای اینه که جلب توجه کنه و دیده بشه کلاً ما یک روند خواهیم داشت توی تحلیلامون توی ساخت تبلیغاتمون یه وقت آبجکتیو اینه که نه این باید اعتماد جلب کنه چیکار کنیم که محتوای ما اعتماد جلب کنه یه وقت اینه که نه این باید فقط روی فروش تأثیر بذاره یعنی ما می‌خوایم نرخ و فروش رو ببریم بالا. این آبجکتیو‌ها از این‌ور متفاوته. از اونور در واقع متدهایی که در گذشته بوده خب خیلی مبتنی بر سروی بوده. یعنی خیلی از آژانس‌های تحقیقاتی هم میومدن و سعی می‌کردن با یه سری متدها مثل فوکس گروپ و سروی و نیازسنجی و اینا بیان کارو پیش ببرن.

آلبرت حیدریان: یک اشکال بزرگی که توی این متدها وجود داره اینه که خب اینا خیلی خودآگاه آدم‌ها رو درگیر می‌کنه و آدم‌ها خیلی می‌تونن دروغ بگن، خیلی خطای شناختی دارن یعنی می‌تونه مغرضانه نباشه ولی مبتنی بر یک بایاس و خطای شناختی میان و یک فیدبکی رو به تو میدن که اون فیدبکه می‌تونه تو واقعیت کار نکنه و آدم‌ها خیلی می‌تونن سابجکتیو برخورد کنن. یعنی شاید تو دنیای اون اشخاصی که ما باهاشون پرسشنامه کار کردیم، فوکس گروپ کار کردیم، شاید تو دنیای اونا این موضوع این شکلیه. شاید بعد بریم تو بازار بعد اون کمپین لانچ بشه این اتفاق نیفته. خب ما دیدیم که این مشکلات هست توی این مدل تحلیل. رفتیم حالا سراغ یک ابزاری که این ابزاره می‌تونه یه بخش زیادی از این بایاس‌ها، سوگیری‌ها، دروغ‌ها و همه اینا رو حل کنه. اون ابزارها رو می‌تونیم زیرمجموعه دنیای نورومارکتینگ در مقابل مارکتینگ، در مقابل نگاه سنتی به مارکتینگ بیایم بررسی کنیم.

ارغوان میرشکار: خب اون ابزارها چیان و اینکه اصلاً کلاً نورومارکتینگ فرقش به مارکتینگ شه.

آلبرت حیدریان: یه بخش اعظمیش اینه که از بایاس‌هایی که توی مغز آدماستو انگار می‌خوایم دور بزنیم می‌خوایم دور بزنیم و ناخودآگاهشون ببینین چون خودآگاه شما هیچ وقت فکر می‌کنم باعث نمی‌شه خرید کنین یعنی اون چیزی که تو میگی توی نمی‌دونم توی مارکت میگی آقا این اینو من باید بخرم این به صرفهست یعنی خود به صرفه بودن دوباره یه شاخصیه که کلی قابل بررسیه اونا اینجوری نیست که بگی که بذار من یه لحظه حساب کنم ببینم مثلاً چقدر پول دارم هیچوقت این اتفاق نمیفته یه جورایی

ارغوان میرشکار: توجی هم می‌کنی برای سر بودن

آلبرت حیدریان: آره ی آره یعنی اتفاق یه جای دیگهست بعد شما تو خودآگاه فقط داره توجیه می‌کنه که خودشو راضی کنه یا دیگری رو شما یه آن مثل عاشق شدنه یه آن نمی‌فهمی چی شد ولی می‌گه من اینو باید بخرم این این گزینه‌ایه که من نیازش دارم نیازها و چیزهای مختلف تو خودآگاه نیست پس ماهم تو خودآگاه نمی‌تونیم تحلیلش کنیم بعد بریم انگار یهکم عمیق‌تر شیم توی مغز خب خب اینجا یک اصطلاحی هست توی فلسفه خیلی به کار میره من خیلی این اصطلاحو دوست دارم تحت عنوان بدنمندی بدنمندی می‌گه آقا این دنیای بیرون و این نمی‌دونم این قصه همش یه جورایی کشکه همه چیز توی بدن اتفاق میفته اصلاً مواجهه بدن با اتفاقاته که کار می‌کنه

آلبرت حیدریان: حتی توی ارتباطات اشخاص خود ریاکشن بدن خیلی مهمه و مثلاً خیلی وقتا دقیقا ما سپرایز میشیم ازش و این ابزارها پس قراره دیتایی که بگیرن اصطلاحاً بایو سیگنال بگیرن یک دیتایی از بدن انسان بگیرن خب خیلی دیتاها زیاد هست توی حواس در واقع پنجگانه انسان همه اینها رو میشه گرفت و تبدیل به دیتا کرد جذابترینش برای خود من توی محتوای تصویری آیترکینگه یعنی یه بخش زیادی انگار مخصوصا توی جلب توجه توی دیده شدن اینه که اصلاً آیا آدمها این رو دیدن یا نه؟

آلبرت حیدریان: یعنی خیلی وقتا ما میایم زحمت می‌کشیم توی یک محتوای تبلیغاتی توی یک بیلبورد توی یک پستر منتها اصلاً دیده نمی‌شه که بخواد بره مرحله بعد حالا ما یه پیامی رو اینکود کرده باشیم دیکود شه همون اول شکست می‌خوره جذاب‌ترین چیز برای من توی این سیگنال‌ها آیترکینگ بود که اصلاً آدم‌ها دارن کجا رو نگاه می‌کنن ما وقتی یک محتوا رو بهشون نشون میدیم مواجهه چشمی اون شخص چه شکلیه دومیش یک فضایی در واقع تحت عنوان فیشال کدینگ هست. یک ابزاری هست که به ما کمک می‌کنه بیایم حدس بزنیم، پیش‌بینی کنیم احساسات اون شخص رو از روی صورتش. چون خود صورت یک عالمه مایچه داره و این نگاه خیلی هم شبیه به یک نگاهیه تحت عنوان بادی لنگوج ولی اون نیست. یی من خودم به شخص اون رو خیلی قبول ندارم.

آلبرت حیدریان: اینجوری هم که مثلاً خود من به عنوان یک ابزار اگه قراره از روی قیافه شما رو قضاوت کنم و تحلیل کنم خود من یه عالمه بایاس دارم چهجوری مثلاً می‌تونم تحلیل مثلاً بگم شما الان خوشحالین یا غمگین این اون نیست فیشال کدینگ اومدن یک مدلی رو ترین کردن که یک مجموعه زیادی از احساسات رو از روی مایشه‌های صورت می‌تونه دیتکت کنه چرا اینو گفتم چون این د تا ابزار اولی خیلی ابزار ابزارهای ارزون و دست یافتنی هستن برای مخاطب‌ها. حالا جلوتر پلتفرم‌هاشو می‌تونیم معرفی کنیم که با یک پلتفرم بدون نیاز به هیچ سخت افزاری یعنی صرفاً با یک دوربین دوربین گوشیشون دوربین حالا نسبتاً حرفه‌ای‌تر میشه این تحلیل‌ها رو داشت. میشه فهمید آدم‌ها کجا رو نگاه می‌کنن و میشه فهمید در حین نگاه به یک محتوا نسبتاً چه احساسی دارن.

آلبرت حیدریان: حالا این احساسه اگه از یه حدی بیشتر باشه طبیعتاً دیده میشه یعنی اگه من واقعاً موضوع برام خندهدار باشه مثلاً این سیستم ما می‌تونه تشخیص بده که این محتوا محتوای خنده داری بود اگه بخوایم یه کم باز حرفه‌ایتر و عمیقتر موضوع رو بررسی کنیم باید بریم سراغ مغز مغز خب به خودی خود خیلی هم دنیای پیچیده‌ای هست و خیلی برخورد خورد در واقع پیچیده‌ای ما خواهیم داشت تو این دنیا منتها کاری که توی نورومارکتینگ کردن یه مقدار ساده شده ما قراره ایجی بگیریم الکتروانسفالوگرافی امواج مغز آدم‌ها رو بگیریم و از اون بتونیم بفهمیم واقعاً اون شخص چه حسی داره حسی که خود شخص هم حتی شاید نفهمه به خاطر همین می‌گم از پرسشنامه اگه می‌خواستیم بریم شخص خودشم نمی‌فهمید آیا اینو دوست داشت یا نه یا چه حسی داشت یعنی مثلاً ما اگه بخوایم بگیم

آلبرت حیدریان: الان من چه حسی دارم خیلی حسی محدودی میاد ضمن اینکه یه عالم دیوار وجود داره که من حس واقعیم رو نگم با متد در واقع ایجی ما میایم این دیتا رو از مغز آدم‌هایی که دارن در واقع محتوا می‌بینن برمی‌داریم مرج می‌کنیم با اینکه کجا رو نگاه می‌کردن و چیزهای مختلف خب خود توی این حوزه خیلی حرف دارم چون اونقدری کار ساده‌ای نیست یه کار پزشکیه خیلی چالش ش داره مثلاً اولین چالش اینه ما داریم راجع به بایاس صحبت می‌کنیم راجع به یک فضای خیلی نرمال داریم صحبت می‌کنیم فضایی که شاید تبلیغات رو اون آدمه رو کاناپش از تلویزیون داره میبینه هیچ سوگیری نداره هیچ چیزی روش تاثیر نمیذاره شاید تو مترو داره با گوشیش می‌بینه و و حالتهای دیگه و ما اگه بخوایم بیایم بایو سیگنال مثلاً ایجی بگیریم یه کپ ۱۲۰ کانال مثلاً مثلا نصب کنیم روی سرش که یه عالمه ژل بهش زدیم.

آلبرت حیدریان: خب این خودش کارو خراب می‌کنه دیگه. آدم هیچوقت تبلیغات رو تو اون فشار چیز تحمل نمی‌کنه. یه چالش اینه. یکیش اینه که اصلا کی میاد چنین تست‌هایی بده. یعنی مثلا به خود شما بگن قراره یه کپ روی سرت باشه و یه عالمه ژلم مثلاً به الکتور داشت. حالا شما مخاطب خاصی هستین. خیلیا نمیان این کارو کنن. خیلیا می‌ترسن اصلاً از تکنولوژها می‌ترسن. این اولین چالششه که راهحلش خب مبتنی بر پیشرفت‌های تکنولوژی هدست‌هاییه که این کارو به صورت خشک انجام میدن. اصطلاحاً الکترود خشک هست که شما مثل یه هدستی که موزیک گوش می‌کنی و روی سرت می‌ذاری می‌تونی روی سرت بذاری و نترسی و ژلی در کار نباشه و ما اونوقت می‌تونیم در واقع امواج مغزی شما رو ببینیم.

آلبرت حیدریان: حالا شما فکر کنین هر سیگنالی می‌تونه به کار ما بیاد با توجه به کار دیگهش یه دیوایس دیگه‌ای که وجود داره در واقع سنسور جی اسآره میاد رطوبت پوست رو می‌سنجه مثلاً من وقتی استرس دارم مثلا الان یه ذره دستم رطوبتش بیشتر شده وقتی هیجان زده شدم یه ذره رطوبت پوستم بیشتر شده و اون سنسور می‌تونه در واقع این رو ردیابی کنه و توی اون اینسایت‌ها به ما کمک کنه و خب خب اینا خیلی زیاده. یکی خیلی بستگی داره به اینکه ما داریم راجع به چه محتوایی صحبت می‌کنیم. مثلاً توی گیم اگه داریم صحبت می‌کنیم اون ریت تنفس شخص هم مهم میشه. یعنی یه جا من شاید استرس بگیرم هیجان زده شم و اینجا شاید مثلاً سیگنال تنفسی شخص به درد بخوره. ضربان قلب می‌تونه به درد بخوره. همه این‌ها هست. ولی برگردم به اون د تا ابزار اولیه که خیلی سهل ووصول‌تره.

آلبرت حیدریان: اینکه ما ببینیم آدم‌ها کجا رو دارن نگاه می‌کنن و وقتی اونجا رو نگاه کردن چه حسی بهشون دست داده. اینها اون ابزارهاییه که ما این بخش صرفاً اومدیم دیتا رو گرفتیم. حالا اینکه دیتا رو چه شکلی تحلیل می‌کنیم ما می‌تونیم راجع بهش صحبت کنیم.

ارغوان میرشکار: آره فکر می‌کنم که الان ما می‌دونیم که یه سری ابز ابزارها وجود داره که می‌تونیم حالا یک جورایی از ناخودآگاه آدما باخبر بشیم و بدونیم که بایستشونو دور بزنیم. حالا از این دیتا رو داریم و ما الان روزانه کلاً کسب‌وکارام با حجم زیادی از دیتا سرکار دارن ولی اینکه چهجوری این دیتا به درد بخور باشه و بتونه یک خروجی ازش برسه رو چیکار باید بکنیم و اینو چهجوری میشه همون بخش نورومارکتینگ که ازش یک تبلیغات خوب بسازیم باز خوب به معنای اینکه با استراتژی ما بخونه

آلبرت حیدریان: آره با هر چیزی که از واحد بالاسری اومده اون اهدافشو تاچ کنه این باز جزء حوزه‌هایی بود که توی ریسرچ ما چیزی پیدا نکردیم. یعنی ما تا اینجا اینو که می‌دونستیم خیلی هم جا هست که آقا دیتا بگیریم دیگه. اینکه دیتا رو چیکار کنیم و اصلاً این دیتا چه ربطی به محتوا داره می‌تونم تقریباً بگم کاری بود که تیم ما انجام داد. حالا تیم ما هم خیلی تیم بامزه‌ایه. اول این خود تیم رو بگم. ما سه تا یونیت کلی تو نورولب داریم. یونیت اول وارد پردازش و ثبت سیگنالن که خیلی فضاشون فقط عدد و سیگنال و ایناست. مثلاً یکی از دوستان که اونجا کار می‌کنه ژئوفیزیک و فیزیک هسته‌ای خونده. اصلاً نه تبلیغات می‌فهمه چی هست نه می‌دونه نمی‌دونم روانشناسی و مارکتینگ و این فقط کارش با عدد و سیگناله. یعنی فقط بلده دیستریپشن پیدا کنه رو سیگنال. یه کارای این شکلی.

آلبرت حیدریان: واحد دوممون واحد نورومارکتینگ و نوروساینس هست که خب این بچه‌ها هم طبیعتاً کارشون مشخصه احتمالاً از چیزهای روانشناسی و یه چنین بکگراندی اومدن و کارشون اینه که احساسات آدمها رو تشخیص میدن حالا صحبتهایی که ما می‌کنیم یه کم جنرالتر مال این حوزهست حوزه آخر یونیت آخر که یونیت خیلی جذابیه برا من و فکر می‌کنم نسبتاً جدید خواهد بود واحد پردازش محتوا واست که د تا از دوستان خیلی عزیز من اونجا کار می‌کنن یکیشون نوروفیلمولوژی خونده نوروفیلمولوژی دقیقا یک حوزه‌ای هست راجع به صحبتهای ما یعنی نوروساینس در ساخت فیلم و یکیشونم پژوهش هنر اینها دقیقا دارن اون کار مرتبط استفاده از دیتا رو انجام میدن که میخوان ببینن این همه دیتا و این همه حس تهش ارتباطش با محتوا چه شکلیه؟ خب ما از با این تیم این کارو شروع کردیم که بیایم یک فریمورک اول بسازیم چون می‌گم فریمورکی تو ریسرچ هامون ندیدیم.

آلبرت حیدریان: خب تو فریمورک اول باید اجزای تکتک این موارد رو می‌فهمیدیم. اول باید می‌فهمیدیم که اصلاً انسان‌ها چه احساساتی دارن راجع بهش صحبت کردیم و اینا. بعد باید می‌فهمیدیم که اصلاً محتوا چیه. خود یک محتوا کانتنتی که ما داریم صحبت می‌کنیم چیه و چه اجزایی داره که ما چه اجزایی رو می‌تونیم تغییر بدیم؟ و بعد باید می‌فهمیدیم که این محتوا وقتی میاد تو تبلیغات چه شکلی میشه. محتوا رو بیرون زیاد داریم. محتواهایی که تبلیغاتی نیستن. فیلم داریم یا عالم دیتا داریم. منتها این وقتی لباس تبلیغات رو به خودش می‌گیره چه شکلی میشه؟ رسیدیم به یک چارت خیلی مهم.

آلبرت حیدریان: این چارته در واقع یه جورایی بیک پیکچر کل واحد ما بود که ما تو این چارت گفتیم که ما سه تا گوشه اصلی داریم گوشه محتوا گوشه مخاطب گوشه برند وسط این گوشه‌ها که این گوشه‌ها به هم وصله وسط این گوشه‌ها هم یک اصل مهم داریم تحت عنوان حس و احساسات و قراره بین این‌ها ما ارتباط برقرار کنیم و این ارتباطه رو کشف کنیم کنیم. خب بریم سراغ محتوا. تقریباً راجع به هر سه تاش می‌تونیم صحبت کنیم. از محتوا شروع کنیم. ما باید محتوا رو اولین بار دسته بندی می‌کردیم. خب اولین چیزی به ذهنمون رسید این بود که دسته بندی تصویری صوتی مثل دسته بندیهای دیگه. بعد دیدیم که این تو تبلیغات کار نمی‌کنه. آدم‌ها براشون مهم نیست انگار محتوای مثلاً تصویری هست چه شکلی رفتار کنن. دیدیم ما باید بریم سراغ یه دسته‌بندی دیگه به اسم مدیوم. خیلی مدیوم تأثیر می‌ذاره.

آلبرت حیدریان: مثلاً من تو مدیوم اینستاگرام اصلاً کلاً دنیام عوض میشه. توی تبلیغات تلویزیونی ویودی و این‌ها یک دنیای دیگه‌ای دارم. پس دسته بندیمون از مدیوم تبلیغاتی و محتوایی شروع شد. بعد رفتیم گفتیم خب تو این مدیوم ما یک سری پارامترها داریم که خودمون می‌تونیم تنظیم کنیم، تغییر بدیم. اون‌ها رو استخراج کردیم. مثلاً می‌گم یک پارامتر تحت عنوان هشتگ یا کامنت یا دیسکریپشن اینا فقط مختص مثلاً سوشال مدیاست و مثلاً تو ویودی شما چنین چیزهایی ندارین. این‌ها رو استخراج کردیم و تو خود محتوا هم گفتیم ببینیم محتوای تصویری از چی تشکیل شده که اینجا بذاریم بریم سراغ یه فلسفه‌ای چون من خیلی فلسفه دوست دارم و خیلی از روندهای پرکتیکال خیلی انگار لاجیک ریاضیاتیمو سعی می‌کنم برگردم تو فلسفه پیداش کنم یک فلسفه می‌گه آقا ما اصلا چه هنرهایی داریم دسته بندی هنرها ها بعد تو این

آلبرت حیدریان: مدل دسته بندی میاد طبق بعد هنرها رو دسته‌ بندی می‌کنه می‌گه ما س۳ تا بعد مکان داریم یک بعد زمان داریم به ترتیب بعد بیایم هنرها رو ببینیم خب کمترین بعد رو چه هنری داره هنر موسیقی هیچ مکانی نداره و فقط توی بعد زمان ما داریم یک سری پارامترها مثل نوت و مثل هارمونی و اینا رو می‌بینیم هنر دوم نقاشیه نقاشی در واقع د تا بعد داره د تا بعد مکان داره و انگار توی پیک میشه شخص اون طراح تشخیص میده تو این نقطه چه رنگی باشه هنر هنر بعد فور رفته و در واقع برجسته است این نقش‌هایی که بعد سوم یه ذره داره خودشو نشون میده هنر بعد هنر در واقع مجسمه سازی و حجمسازی سه بعدیه هنر بعد من اسمشو گذاشتم بیگ ت دی یعنی این حجمها اینقدر بزرگ میشه که شما واردش میشی میشه

آلبرت حیدریان: معماری و هنر بعد یک بعد دیگه می‌خواد بهش اضافه شه که زمان هست و حجم میشه رقص رقص شما انگار مجسمه‌ایه که توی هر تایم یک فرمی رو به خودش گرفته هنر بعد میشه هنر تئاتر تئاتر یک بعد بهش اضافه میشه بعد داستان هست و شما یک سیر انگار دارین کلایمکس دارین بالا پایین میشین و اون در واقع کسی که کارگردان تئاتر هست یک بعد دیگه‌ای رو هم داره می‌بینه همزمان و داره طبق اون پیش میره. هنر بعدم هنر سینماست که یک بعد جدید بهش اضافه میشه. اونم دوربینه. یعنی خود حرکت‌های دوربین می‌تونه داستان برات تعریف کنه که ما سینمای امت داشتیم مثلاً اولین سینما و خب این فلسفه خیلی به ما کمک کرد که ببینیم این محتواها رو چه شکلی بیایم اجزاش رو استخراج کنیم. بعدهاشو استخراج کنیم.

آلبرت حیدریان: خب چون با تغییر دادن ایناست که ما اونور نتایج جدیدی خواهیم داشت و فلوی که اتفاق افتاد اینه ما اومدیم خیلی از محتوا اجزاش رو کامل درآوردیم گفتیم اوکی آقا سخت‌ترینش محتوای سینماییه دیگه محتوای سینمایی چه اجزایی داره گفتیم خب یه طراح صحنهست که داره صحنه رو می‌چینه یه فیلم‌برداره بعد گفتیم فیلم‌برداره کجا دستش بازه تو حرکت‌های دوربین چون تکتک این اجزا اونور داره تأثیر می‌ذاره رو نتیجه ما رو حس آدمی که داره می‌بینتش حسم که دیگه وصل میشه به استراتژیه گفتیم تدوینگر کجا کار می‌کنه خب تمام این دپارتمان‌ها رو خوشبختانه ما داشتیم تو استودیو هر کدومش یه دپارتمان جدا داشت یه دایرکتور داشت و میشد باهاش دیالوگ کرد تک رفتیم پیششون رفرنس ازشون گرفتیم که شما کجاها دستتون بازه کجاها تصمیم می‌گیرین اصلا چهجوری تصمیم می‌گیرین خب خیلی تجربی و شهودی دی بود.

آلبرت حیدریان: یعنی شخص دیده بود این حرکت دوربین احتمالاً حرکت جذابی باشه برای مخاطب ولی خب نمی‌شه گفت همیشه کار می‌کنه یا همیشه دقیق است. خلاصه تکتک این‌ها رو درآوردیم و اینجا احتیاج داشتیم بیایم یه کیس استادی انجام بدیم اصطلاحاً بیایم آنالیز کنیم یه تبلیغاتی که موجود هست و کار کرد و یه کار باحال کردیم توی آنالیز شما اگه مقایسه پیش برید یه کم کارتون راحت‌تر میشه ما اومدیم یه کمپینی رو از الجی کمپین دونت دیس میست مومنت که مال الجی هست داره اشاره می‌کنه مثلاً به یکی از فیچرهای راحتی و جادار بودن در واقع یخچال این رو برداشتیم به همراه یه کمپین از گروه خودمون کمپین فقط یه ایرونی می‌دونه بخش باز تبلیغات یخچالش که اونم داره اشاره می‌کنه

آلبرت حیدریان: به این فیچر راحتی در واقع یخچال توی جفت کمپین ها توی محتواهاشون ما جفتشون از مشکل شروع میشد یعنی جفتشون اومدن گفتن که توی اون محتوایی که درست کردن یه مثلاً توی کمپین ما محسن کیای یه عالمه وسیله دستش بود سعی داشت اینا رو مثلاً بذاره تو یخچال نمیشد یا اونجا مثلاً تو اون کمپین الجی شخص درگیر این شده بود که یه گربه اومده بود درگیر این شده بود براش شیر بیاره گربه کلی کارای بامزه کرده بود حالا شاید دیده باشیدش و اون لحظه رو از دست داده بود یه بخش اینو داشتن و بخش دومشم این بود که حالا اومدن راه حلو گفتن و مثلا با یخچال الجی با یخچال اسنوا شما دیگه

آلبرت حیدریان: این دردسرو نخواهید داشت ما اول از این شروع کردیم محتوا رو گذاشتیم جلومون و گفتیم محتوا توی هر تایم استپش چه در واقع اجزایی داره همه این اجزاها رو درآوردیم و نگاشت کردیم بعد رفتیم سراغ اینکه حالا مخاطب بیاد این محتوا رو ببینه دیگه ببینه و ما این دیتا رو بیایم بگیریم اینجا بحث مخاط مخاطب خیلی برامون عجیب شد که من اگه بخوام خیلی رک بگم ما واقعاً به ازا به ازای هر شخص می‌تونیم یک محتوا بسازیم این دیگه افراطی‌ترین حالتش اگه نخوایم اینجوری افراطی برخورد کنیم یه استپ می‌تونیم بیایم بالاتر بگیم پرسونا دیگه پرسونا بسازیم و براش بسازیم منتها اینجا توی این تحلیل‌های در واقع نوروسایکولوژیکال ما باید ببینیم ما دقیقاً این انسانی که می‌گیم کیه اگه یوزره یه شکل باید برخورد کنیم اگه داریم راجع به هیومن صحبت می‌کنیم

آلبرت حیدریان: یه شکل برخورد کنیم اگه راجع به کالچر و فرهنگ داریم صحبت می‌کنیم باز یه شکل دیگهست و علاوه بر اینکه جامعه هدفمون کی هست باید ببینیم آبجکتیو اون جامعه کی هست تو دیزاین خیلی ما می‌گیم یوزر سنتریک باشیم خیلی می‌گیم آقا هیومن رو ببینیم ارگونومی حواسمون باشه یه دنیای دیگهست تو تبلیغات خیلی کاستومر و باز یوزر خیلی مهم میشه برای ما. باز ما اومدیم یه کار پیچیده رو انجام دادیم که انسان‌ها رو چهجوری میشه دسته‌ بندی کرد. اصلاً چه عواملی رو انسان‌ها داره تأثیر می‌ذاره رو اینکه یه چیزی رو دوست دارن یا ندارن. یه جورایی میشه پارامترهای همون ساخت پرسونا. تو چه جنریشنی هستن سنشون چهجوریه از چه اقلیمی اومدن یه جورایی روانشون چه شکلی کار می‌کنه تا اونجایی میشه.

آلبرت حیدریان: انگار اومدیم یه نگاشتی از انسان‌ها هم داشتیم و پروژه اولمون رو تقریباً با حدوداً ۱۰۰ نفر از بچه‌های خود استودیو شروع کردیم که تقریباً سن‌های مختلف توش بود و فرهنگ‌های مختلف از جای مختلف ایران بودن و این نگاهش رو هم داشتیم این دیتای اولی همون بود دیتای بعدی اینه که ما داریم تبلیغات رو توی چه برندی انجام میدیم مثلاً می‌گم اگه موضوع جلب توجه هست یه کار یه یه راهش اینه که شوخی کنیم دیگه با یه فضای کمدی سعی کنیم آدما جلب جلب توجه کنیم و توجهشون جلب بشه منتها اگه ما راجع به یک برند جراحی داریم صحبت می‌کنیم آیا این کار درسته؟

آلبرت حیدریان: نه خب این پارامترم خیلی مهم بود که اتریبیوت‌های اون برند چی هست یعنی ما اول اون حالا کاریه که این دیتا رو وارد استراتژی طبیعتاً به ما میده که بگه آقا هویت برند هم اینه حواستون باشه که ارزش‌های برند رو بهش دقت کنین زیر پا نذارین یه جورایی جلب توجه نه به هر قیمت و این هم پارامتر مهمی بود و راجع به اون احساساتم صحبت کردیم حالا بریم سراغ فلو اصلی اینه که تو ۲ تا فلو ما داریم یکی فلو تحلیل و آنالیز یک محتواست یکیهم فلو توسعه یک محتوای جدید تو فلو آنالیز محتوا رو خب می‌ذاریم راجع بهش گفتیم قبلش اجزاشو درآوردن بچه‌ها آدمه هم میاد قبلش احتمالاً پرسشنامه پر کرده و ما می‌دونیم کی اومده نشسته اونجا و تبلیغات رو می‌بینه ما هم داریم این دیتا رو در واقع جمع‌آوری می‌کنیم

آلبرت حیدریان: دیتا میره سراغ یونیت اول که کارشون ثبت و پردازش سیگنال بود اینا توی اون تایم استپ ویدیو میان می‌گن توی ثانیه ۳۰ یک دیسترکشن ما توی مثلاً سیگنال داریم مثلاً توی بذارین اینو با دیتیل بگم ما یک اصطلاحی توی نوروساینس داریم تحت عنوان [عبارت نامفهوم در زیرنویس] [عبارت نامفهوم در زیرنویس] در واقع مواجهه با یک رخداد رو توی مغز توی لب آهیانه مغز داره بررسی می‌کنه یکمم کاربرد فضای فضای نظامی هم داره مثلاً فضای امنیتی و اینا اینه که اگه یک متهم یک شخصی رو بشناسه اول از اونجا اومده توی ۳۰۰ میلی ثانیه توی لب آهیانهش یک دیسترکشن به وجود میاد که این نشون میده که شخص حالا دروغ بگه من اینو نمی‌شناسم یا اصلاً تا حالا ندیدمش اون آشنا پنداریه باعث این موجه میشه توی خب تبلیغات هم خیلی طبیعتاً کاربرد داره اینکه اصلاً این موضوع برا شخص جلب توجه کرد. اینکه آشناپنداری داشت نسبت به این موضوع.

آلبرت حیدریان: پس واحد اول این شکلی میان سیگنال‌ها رو لیبل‌گذاری می‌کنن و می‌گن که اینجا دیسترکشن اونا نمی‌دونن چرا چی شد ولی توی سیگنال می‌بینن دیسترکشن وجود داره. کار میره یونیت بعد. یونیت بعد میان میخوان ارتباط این دیسترکشن توی سیگنال رو با احساسات بررسی کنن. شبیه به همین مثالی که زدم. خب ما رفرنسی توی دنیا نداریم که تمام این‌ها رو نوشته باشه که بگه آقا این تحریک‌های مغزی مربوط به چیه؟ خیلی بچه‌ها باید توی مقالات می‌گشتن پیدا می‌کردن هنوزم هنوز به رفرنس ما نرسیدیم خیلی کیس استادی گفتگو می‌کنن که آقا اینجا دیستراکشن‌هایی وجود داره و این احساسات رو می‌تونه داشته باشه پس توی اون تایم استپه می‌گن مثلاً ثانیه ۱۵ که این دیسترکشن بود ثانیه ۱۵ ما دیتکت کردیم که این حس وجود داره منتها ما الان راجع به یک نفر صحبت نمی‌کنیم این کارو خیلی پیچیده می‌کنه

آلبرت حیدریان: ما راجع به مثلاً ۵۰ نفر آدم که اورآل قراره سیگنال‌هاشون بررسی بشه صحبت می‌کنن

ارغوان میرشکار: یعنی سگمنت مشخص از آدم

آلبرت حیدریان: سگمنت مشخصی از اون آدم‌ها و این‌ها پس میان لیبلگذاری می‌کنن احساسات رو و کار میره واحد آخر توی تحلیل اون تحلیلی که الان برای ما جذابه که چند تا مثالاشو می‌زنم وارد آخر انجامش میدن که میان می‌گن اوکی ثانیه ۱۵ تا ۱۶ شخص خیلی محتوا براش جلب توجه کرده منظورم از شخص اورآال آدماست حالا یه کسی نمی‌دونم از سیب قرمز خیلی خوشش میاد مثلاً اون خیلی تحریک میشه برا ما مهم نیست مهم اینه که اون ۵۰ نفر اورآل چه اتفاقی براشون میفته و میان می‌گن که اوکی اینجا جلب توجه کرده حالا بریم ببینیم توی محتوا چی بوده که اینجا [عبارت نامفهوم در زیرنویس] کرده یکی موضوع احساسات یکی هم موضوع آیترکینگ چرا ما مثلاً می‌تونیم یه سری شاخص‌ها داشته باشیم مثل شاخص پراکندگی نگاه. بذارین مثال بزنم. مثلاً وقتی روی صفحه یک لوگو میاد وسط آدم‌ها اصولاً توافق نظر دارن رو نگاه کردن به اون.

آلبرت حیدریان: یعنی نقشه آیترکینگ ما خیلی متمرکز میشه یه جا. ولی یه وقتایی مثلاً تو اون محتوایی که مال الجی بود و داشت یه خونه مثلاً اروپایی رو نشون می‌داد آدم‌ها خیلی نگاهشون پراکنده بود یعنی انگار همه توافق هر کسی یه جایی رو انگار جالب بود داشت نگاه می‌کرد ولی مثلاً تو محتوای محسن کیایی خیلی آدم‌ها توافق نظر داشتن رو نگاه کردن به صورت محسن کیایی هیت مپ این شکلی شده بود پس واحد آخرم میان دنبال علت اون حسه می‌گردن اون حسی که خب واحده قبل از دیسترکشن پیداش کردن و در واقع اون علت‌ها رو حالا تشریح می‌کنن این محتوا رو میسازن تحت عنوان یک محتوای آموزشی که می‌تونه شیر بشه بیرون و مهم‌تر از اون به درد سازمان میخوره که کارگردانی که این رو ساختی این دیتا رو ببین و خیلی هم جذاب خواهد بود برای

آلبرت حیدریان: کارگردان‌ها من با تک‌تک کارگردانا که صحبت می‌کردم خیلی دوست داشتن این موضوع رو و خیلی هم اینجوری بودن که آقا واقعاً مثلاً هالیوود هم داره این شکلی فیلم می‌سازه یعنی ما تو فیلمسازی هم اونور این دنیا رو داریم دیگه تبلیغات که آبجکتیوی مشخصی داره معلومه که باید باشه این میشد فلو آنالیز ما فلو توسعه یک محتوای جدید انگار برعکس همینه سیگناله میاد تبدیل میشه به احساسات شروع می‌کنن یه سری تست میگی می‌گیرن تست در واقع دوباره سیگنلاش در میاد واحد نورومارکتینگ این حسها رو بررسی می‌کنن برای اینکه ایبی تستینگ بگیرن متدای مختلف صحتسنجی کنن که اگه جلب توجه بود این رنگ یا این رنگ حالا

ارغوان میرشکار: قبل از اینکه بریم سر این فلو رو توسعه بدیم گفتید که یک سری مشکلایی در میارن بعد حالا به حالت آموزشی شیر میشه اون مشکلا رو می‌تونین دسته بندی کنی دسته بندی مشخصی داره که غالباً این مشکلات چیه؟

آلبرت حیدریان: آره ببینین میشه چالش ساخت یک محتوا مثلاً یکیش اینه که ما دوربین رو چیکار کنیم؟ یعنی خود دوربین واقعاً خیلی تأثیر میذاره. حرکت دوربین قابی که می‌بندیم مثلاً یکیش اینه یکیش توی در واقع تایپوگرافی هست مثلاً حالا این اینی که من می‌گم منظورم این نیست مثلاً محتوای ما خیلی خفن بود الجی مثلاً به درد نمیخورد چون اصلاً ما الجی رو باید رو بحثمون اینه که برا مخاطب ایرانی قراره چیکار کنیم آره وگرنه شاید اون محتوا خیلی هم محتوای خفنی بود و تو کالچر خودش کار می‌کرد مثلاً توی نوشته‌ها ها ما برداشتیم نوشته رو ترجمه کنیم ولی آدم‌ها نمی‌خوندن یعنی اون توی آیترکینگ ما می‌بینیم آرتی ال بودن و اینکه مثلاً چشم داره از چپ به راست می‌خونه یک متنی رو مثلاً اون محتوا انگلیسی رو نمی‌خونن خیلی جاها مثلاً برای اینکه با کلاس باشه محتواشون

آلبرت حیدریان: برمی‌دارن مثلاً از ادبیات نوشته‌های انگلیسی استفاده می‌کنن ولی خب آخه مخاطب این رو نمی‌بینه نمی‌تونه بخونه ایگنور می‌کنه اصلاً مثلاً شاید دو سه نفرم خوندنا ما داریم راجع به اورآل اون جامعه هدف صحبت می‌کنیم ولی خب اینور مثلاً محتوای ما دیده میشد یا اینکه شعار ما شعار کمپین ما لوگو ما اینها دیده میشه یا نه اینا خیلی مهمه که من جلوتر برسیم به هوش مصنوعی تازه اینا مثلاً بدون هوش مصنوعیه یه پلتفرمای دیگه خیلی متأخرتری هست که همه این زحمتا رو مثلاً واقعاً مخاطبا می‌تونن بزنن از اینجا به بعد پادکست تازه مثلاً این پلتفرم جدیدی که این زحمتها رو ندار رو هم ببینن این پارامترهاییه خلاصه که کارگردان و اون آدم‌هایی که دارن محتوا خلق می‌کنن باید راجع بهش تصمیم بگیرن تا الان شهودی و تجربی برخورد می‌کردن حالا ما قراره در واقع مبتنی بر

آلبرت حیدریان: دیتا بهشون یاد بدیم یا کاملاً عمل کنن مبتنی بر توی فلو توسعه خب خیلی هم کار سختی بود یعنی اولش آدم‌ها خیلی جبهه می‌گیرن همین طور که به هوش مصنوعی می‌گیرن. اینکه مثلاً نمی‌دونم یه تیم اومدن دارن می‌گن ما چهجوری فیلم بسازیم. خیلی هم کارگردانا دیگه حالا همه می‌دونن کاراکترای خیلی جدی و خیلی کارشون مثلاً برا خودشون مهمه و فکر می‌کنم مثلاً این انباشت از تجربه خیلی چیز پیچیده‌ای بوده که بوده قطعاً و نمی‌شه به راحتی بهشون گفت آقا دوربینو این شکلی مثلاً فیل خود فیلمبردار تصویر بردار بهش بگی آقا دوربین تو این شکلی چیز کن داری مثلاً یهو راجع به نمی‌دونم ۲۰ سال آره تجربهش داری دخالت می‌کنی خب نمیشد ما این فلو رو خیلی جدی تو استودیو داشته باشیم.

آلبرت حیدریان: اولیش رفت سمت اینکه آقا این محتوا قراره اول اصلاً رفت سمت همون آنالیزه دیگه آقا این محتوا رو ساختی دمت گرم پارسالم پابلی شد حالا نتایجشم هرچی بود بیا حالا یه دور دیگه ببین این تحلیله دیگه بیا ببین نظرتو بگو که می‌گم خیلی براشون جذاب بود خیلی سعی کردیم ما آدما گارد نگیرن یعنی این کلاً دپارتمان‌هایی که کار دیتا می‌کنن این سایت میدن خیلی گارد نسبت بهشون هست دیگه اصلا خیلیا اعتمادم نمی‌کنن یا ما سعی کردیم همین فلویی که من توضیح دادیم رو به تکتکشون توضیح بدیم ازشون بپرسیم که اون گارده ایجاد نشه بعد گفتیم حالا یه محتوا جدیدی قراره ساخته بشه گفتیم مثلاً ما تحلیل کردیم فیلمبردار عزیز این مدل در واقع تصویربداری برای این هدف خیلی می‌تونه بهتر باشه و اینجا این قالب پیشنهاد بود شخص یا قبول می‌کنه یا قبول نمی‌کنه دیگه قبول نمی‌کردم ما کاری نمی‌کردیم می‌ذاشتیم کارشو انجام بده اون محتوا تبلیغاتی ساختشه.

آلبرت حیدریان: بعد میومدیم اون آنالیز اصلیه رو روش انجام می‌دادیم. بعد می‌گفتیم باز کارگردان عزیز هدف این محتوا چی بوده؟ ایجاد این حس. حالا آیا تو از این سکانس این مد نظرت بوده؟ آیا میخواستی مثلاً این حرکت این حرکت رو داشتی میخواستی آدما این کاراکتر ببینن؟ این نتیجهش دیگه. بیا ببین بیا ببین آدم‌ها دیدن. بیا ببین اون حسی که می‌خواستی آدم‌ها ایجاد شده براشون یا نه. و بعد میومدیم اینسایت انجام می‌دادیم. خب البته این موضوع خیلی طول می‌کشه. یعنی ما همین الان باید چندین سال پیش بریم هزینه میشه و خیلی هم هزینه بر میشه. یعنی یه جورایی اگه افیشنت بخوایم برخورد کنیم برای یک محتوای دم دستی نمی‌ارزه چنین کاری کرد. ولی برای یه کمپینی که مثلاً چند میلیارد قراره راجع بهش هزینه بشه قراره ۳۶۰ درجه همه جا دیده شه. برا اون چرا می‌ارزه؟

آلبرت حیدریان: چون اون هزینه‌هایی که داره اونور اتفاق میفته اگه تحقق پیدا نکنه خب خیلی ضرر می‌کنه شخص و اینم از این

ارغوان میرشکار: خب خیلی هم عالی حالا راهی هست راهی هم پیدا کردید که این هزینه رو کاهش بدین یعنی همین استفاده از پلتفرمهای هوش مصنوعی فناوریهای هایتک راهی برای کم کردن هزینه‌ها براش پیدا نکردید با استفاده از اینا

آلبرت حیدریان: دقیقاً ببینید ما د تا راه پیدا کردیم راه اول اینه که ما به جای اینکه این تحلیل رو با تعداد محدود و توی آزمایشگاه عصبشناسی و اینا انجام بدیم بسپاریم به دست آدم‌ها خودشون انجام بدن که تعداد زیاد دیتا خب خیلی وقتا نتایج شگفت انگیزتری به ما میده یکی از پلتفرم هایی که ما در واقع خودمون خلق کردیم در واقع پورتبل کردن همون اون آزمایشگاه بود توی گوشی یه شخص یعنی ما یه لینک می‌فرستادیم حالا نمونه خارجیشم میتونم مثال بزنم شن اون در واقع دوستانی که ما رو می‌شنون می‌تونن استفاده کنن ازش

ارغوان میرشکار: چیه

آلبرت حیدریان: ریل آی ریلآی نسخه خارجیه که خب ما برداشتیم در واقع یک نسخه فارسی بابتش درست کردیم که برای دپارتمان خودمون هست اینه که دیگه نیاز نیست ما برای آیتکینگ و برای فیشال کدینگ دیوایس خاصی داشته باشیم. با دوربین این کار انجام میشه و شخص کافیه اون لینکی که براش فرستادیم رو باز کنه. طبیعتاً مثلاً حدود ۴۰ ثانیه تا یک دقیقه بعد کالیبرشه. ترجیحاً دوربین اگه موبایل اگه دستشه موبایل خیلی حرکت نکنه یه جای خودش رو فیکس نگه داره که این قابل تشخیصم هست.

آلبرت حیدریان: یعنی کسی اگه این کارا رو بکنه سیگنال آره سیگنال بی‌ کیفیتی داره میشه فیلترش کرد و کالیبره میشه دستگاه یعنی در واقع دوربین گوشی و محتوا می‌بینه شخص هر محتوایی می‌تونه ببینه سایت می‌تونه چک کنه حالا ما این همش راجع به محتوا صحبت کردیم تو فضای یوآی یو ایکس خیلی کاربرد داره چون اونجا پارامتر دیگهای مثل موس و تاچ هم بهش اضافه میشه اینکه مثلاً آدم‌ها افیشنت بودن یک سایت اینکه کجا رو نگاه می‌کنن اصلاً این دکمه دیده شد یا نشد فیدبکه دیده شد یا نشد یکم غیر تبلیغاتی میشه ولی تو دنیای دیزاین پارامتر یوزبیلیتی ارگونومی این‌ها خیلی قابل کشفه از این طریق پس محتواشو می‌بینه سایتشو می‌چرخه عکسشو می‌بینه یا هر چیز دیگه‌ای و در این حین با حفظ مسائل مربوط به اتیک و حریم خصوصی دیتا ذخیره میشه دیتایی که ذخیره میشه

آلبرت حیدریان: اون بخش خصوصیشو بگم که استرس نداشته باشن آدم‌ها اینه که به هیچ وجه تصویربرداری از دوربین انجام نمی‌شه یعنی تماماً این دوربین تبدیل میشه به یک سری عدد اینکه شخص داره کجا از تصویرو میبینه و چه حسی داره اون لحظه و این دیتا در واقع برای بهزای هر شخص ذخیره میشه و باز به صورت لایو یه چیز جالبی که باز این پلتفرم‌ها دارن اینه که تو از اولین ریکوردی که داری اولین تستی که انجام شد داری نتیجه می‌بینی. خب نتیجه اول طبیعتاً خیلی اکیورسی بالایی نداره یعنی خیلی سابجکتیو اون شخصه طبیعتاً بعد از ۵۰ دفعه ۵۰ شخصی که آزمون دادن خیلی دیگه اکیورسی بالاتری داری و اصلاً اصل آره اصل کار اونه دیگه که ردیابی چشم و احساسات رو ببینی و این مثلاً یکی از راهحلاشه که دیگه

آلبرت حیدریان: ایجی استفاده نکنیم با همین پلتفرم و بدیم دست آدم‌ها نمی‌دونم اس ام اس بدیم بذاریم تو شبکه اجتماعی بابتش گیف بذاریم نز نذاریم به هر شکل این اسکیل میشه یعنی ما انگار تست‌های نوروسایکولوژیکال رو از یک لابراتوار خارج می‌کنیم می‌بریم بیرون مثلاً آدمه شاید توی نمی‌دونم همون قطار این تست رو انجام بده خیلی واقعی‌تره دیگه شاید همون محتوا رم تو قطار میدید دیگه شاید توی کان روی کاناپی خونهش نشسته اینو انجام میده این اولیش دومیش که خیلی برا من خودم خیلی جذابه که خب من این کارو خیلی خیلی ساله تو دیزاین دارم پیگیری می‌کنم. یعنی راستش علاقه من بیشتر سمت دیزاینه نه تبلیغات. حالا مبتنی بر اون کریری که دارم دارم تو تبلیغات انجامش میدم. تو دیزاین همیشه برا من سوال این بود که آقا چی میشه واقعاً یه آدم از یه صندلی خوشش میاد؟

آلبرت حیدریان: همینقدر ساده و تو معماری من خود فضای ایآی رو هم تو معماری خب خیلی کار کرده بودم. واقعاً اون حس فضا رو چهجوری آدم‌ها دوست دارن؟ می‌گن ایول این چه کافی شاپ خفنی بود اینتریوره چه تأثیری می‌ذاره خیلی در واقع مقاله نوشتم تو این قضیه خیلی پژوهشهای این شکلی تو دانشگاه هم تو این حول این محور بودم و توی در واقع صحبتهامون با یکی از پروفسورهای دانشگاه بستون که اون هم انگار داشت یه همچین کاری می‌کرد منتها خیلی ساده که دانشجوهاش میومدن معماری رو تحلیل می‌کردن مبتنی بر همین آزمون‌ها پلت پلتفرمی رو چند سال پیش ما معرفی کرد به اسم تری ام تری ام اومدن یک مدلی رو ساختن شما فرض کنین که چه بگم که چه اینپوت‌ها و اوتپوتهایی داره فکر کنین ما یه عالمه اومدیم آیترکینگ کردیم یعنی یه عالمه آدم اومد مثلاً

آلبرت حیدریان: ه۰۰ نفر آدم اومدن و هر کدوم مثلاً ۲۰ تا محتوا رو دیدن عکسو فقط دیدن و ما اینجا یک دیتایی داریم از یه عالمه آدم و آیترکینگه محتوا وا پلاس اون آی ترکینگی که ما می‌خوایم یک مدلی رو در واقع ترین کردن که ما هم داریم ورژن ایرانیش رو می‌سازیم اینه که به جای اینکه حالا ما دیگه این هم محتوا بوده به جای اینکه ما بیایم دوباره تست بگیریم خود مدل با یه اکیوریسی حدوداً ۹۰ که تو پیپراشون هم این پلتفرم‌ها تعدادشون زیاده دارن به ۹۰ اشاره می‌کنن نسبت به تست واقعی میان پردیکت می‌کنن خیلی روندش ساده است شما عکس رو می‌ذاری و میگی که حالا اگه آدم‌ها اینو می‌دیدن چه شکلی می‌دیدن برا ما شاید یک هفته طول می‌کشید اینو بگیم یا اگه می‌خواستیم یه روزم بگیم با تعداد پایین ولی اون ۳۰ ثانیه‌ای

آلبرت حیدریان: میاد هیت مپ بهت میده بعد حالا اینو اسکیل کنین توی کارهای مختلف حتی مثلا پلتفرم تری ام پلاگین فتوشاپ و ایستریتور و ایکس دی هم داره که چون این اتفاق با کارایی بالا باید پیش دیزاینر باید پیش اون طراح اتفاق بیفته اصلاً پلتفرم باید دست اون باشه یه پلتفرمیه برای اینکه اون ازش استفاده کنه نه نورال و شخص میاد و یه اتد می‌زنه با یه دکمه در واقع هیت مپ آیترکینگش رو می‌بینه و می‌گه آدم‌ها لوگو رو ندیدن لوگو رو جابهجا می‌کنه همون لحظه دوباره با یه دکمه هیت مپ آیتکینگشو می‌بینه فکر می‌کنم آینده این دنیای نور نوروساینس و نورومارکتینگ میره فناوری مارکت و فناوری‌های مارکتینگ میره این سمت که سمت میانرشته‌ای هست

آلبرت حیدریان: یعنی ایآی به تنهایی اگه بخواد این سایت بده اینسایت درستی رو شاید نتونه بده ایآی به ایآی بگیم این عکس خوب بود یا بد بود خب بنده خدا از کجا بفهمه خوب بود یا بد بود اصلاً خوب بود یا بد بود برا چه مخاطبی خوب بود یا بد بود اینکه ما مخاطب رو هم بیا بیایم دخیل کنیم آینده میره به این سمت که ما مخاطب رو ببینیم نوروساینس رو ببینیم و از در واقع ایآی روی چتر روی همه این‌ها بیایم استفاده کنیم خب این موضوع رو پل این پلتفرم‌ها توی محتوای تبلی در واقع ویدیویی هم انجام دادن یعنی ما بعد اومدیم همون محتوایی که با آی ترکینگ انجامش داده بودیم خودمون دادیم به این پلتفرم که میاد پردیکت می‌کنه

آلبرت حیدریان: آیتکینگ رو و باز با یه نسبت بالایی داشت درست جواب میداد تا رسیدیم به یک چالش اونم چالش تکست بود چون این مدل روی محتواهای لاتین آره ترین شده وقتی تکست میبینه پردیکت می‌کنه که آدم‌ها خب از چپ به راست دارن تکست رو می‌خونن دیگه در صورتی که تو محتوای فارسی تو محتوای ایرانی این اتفاق نمیفته و اصلاً یکی از دلایلی که ما خیلی برامون جذاب شد خودمون یک مدلی بسازیم همین بود که آقا مخاطب ایرانی مثلاً یک چیزی داره تحت عنوان نستالژی و حتماً نستالژیا اینور با اونور فرق می‌کنه و نمی‌دونم مثلاً یه شمدونی برا مخاطب ایرانی خیلی فرق می‌کنه

آلبرت حیدریان: اونور و حالا ما اگه قراره یک مدلی بسازیم این باید با دیتای ایرانی باشه یعنی تو عکس‌ها باید یه شمدونی باشه که مخاطب ایرانی م به عنوان مثال اون رو نگاه کنه که بعد ما می‌خوایم یه عکس جدید بهش بدیم که آی ترکینگ بهمون بده اگه شمدونی بود بفهمه وگرنه تو اون پلتفرم‌های خارجی که بدی خب طبیعتاً نمی‌فهمن و فکر می‌کنم این اون در واقع پلتفرمیه که حالا می‌تونه اسکیل بشه اون دغدغه‌هایی که این کار زمانبره این کار گرونه این کار اصلاً پیچیده است همه اینها رو زیر پا می‌ذاره و شما خیلی راحت ب حتی بدون اینکه که دپارتمانی داشته باشید تحت عنوان نورب می‌تونید در واقع مستقیماً طراح این پلتفرم‌ها رو یاد بگیرن و اینسایت بگیرن و ازشون استفاده کن ابزار استفاده کن به عنوان ابزار حالا یک اتفاقی که باز در آینده می‌تونه

آلبرت حیدریان: که حالا الانم شروع شده ما هم داریم روش کار می‌کنیم می‌تونه یه استپ اینو ببره جلوتر راجع به اون صحبت کنیم اینه که آقا اوکی ما آی ترکینگم گرفتیم دیگه دیدیمم آدما اینجا رو میبینن اولاً اصلاً این معنیش چیه؟ هر کسی می‌تونه یه چیزی بگه دیگه مثلاً تو پراکندگیه یکی می‌تونه بگه ایول این خیلی خفنه همه جاش دیده شد تو اون تمرکز یکی می‌گه ببین آدما توافق نظر دارن اینجا اون تحلیله دوباره یهکم سابجکتیو میشه برای اینکه با ذهنیت خودش با ذهنیت خودش یعنی اون دیتای نسبتاً خام رو انگار با ذهنیت خودش داره تحلیل می‌کنه برای اینکه اون تحلیلهم سوئ نداشته باشه دوباره ما می‌تونیم بریم سراغ ایآی حالا فلو جدید رو ببینین ایآی قبلاً ترین شده برای اینکه پردیکت کنه که آدم‌ها چه شکلی رفتار می‌کنن در مقابل یک محتوا. کاری که ما تو نورولب انجام میدادیم رو ایآی می‌تونه تشخیص بده پردیک کنه با یه اکیورسی نسبتاً خوب.

آلبرت حیدریان: بعد از اون ایآی دوم می‌تونه بیاد این رو این تحلیل رو نسبت بهش اینسایت بده به ما. یعنی می‌تونه بگه که که حالا می‌گم پلتفرم فنگ یوآی فنگجی یوآی یه پلتفرم اسرائیلی هم هست منتها تقریباً توی بنچمارک ما خفن‌ترین پلتفرمیه که می‌تونه این پردیکشن رو انجام بده یعنی می‌تونی ویدیو بهش بدی خیلی از این پلتفرما مثل تری ام فقط با عکس کار می‌کنه میشه ویدیو بهش بدی و بیاد اینسایت بده بهت پس مرحله دوم اینه که ما دوباره اینکه چی شد که آدم‌ها اینجا رو دیدن یک د چیکار کنیم بهتر شه این د تا سؤالو دوباره میشه از ایآی بسپاریم منتها نه ایآی که بیرونه ایآی که دیت داره تحلیلش رو از انگار یک سیگنال بایولوژی می‌بینه این تفاوتش اینه چون قبلاً ترین شده مبتنی بر سیگنال‌های بایولوژی ترین شده مبتنی بر رفتاری که آدم‌ها دارن نشون میدن. پس د تا ایآی.

آلبرت حیدریان: ایآی اول می‌گه که آدم‌ها احتمالاً چهجوری رفتار می‌کنن در مقابل این محتوا. ایآی دوم میاد اینسایت میده روش. میاد می‌گه که گرافیست عزیز این دیده نشد. می‌خوای دیده شه لوگوته ببرش بالا. از این اینسایت ها میده و اونجا باز گرافیسته خیلی راحت‌تره با یه ایآی کار کنه تا یه آدم. تند تند می‌تونه ازش بپرسه. ایآی که مخصوصاً دیگه خیلی جدی اون محتوا رو دیده تحلیلش کرده ازش بپرسه چهجوری میشه اینو بهبود داد من پیشبینیم اینه که نسل دیگه تا اونجایی که ذهن من می‌تونه یاری کنه آخر محتوا خلق یعنی یک ایآی خلق محتوا مبتنی بر اینسایت‌های بایولوژیکال باشه یک ایآی که محتوا خلق می‌کنه ولی نه با پرامپت صرفاً محتوا رو با آزمون ونهایی که حالا یه ایآی دیگه داره مبتنی بر نوروساینس میگیره میاد خلق می‌کنه

آلبرت حیدریان: و حالا شما فرض کنین توی دیتا ستتون اون دسته بندی محتوا و حرکت دوربین هم داشته باشی یعنی ایآی توی تست‌هاش قبلاً دیده باشه که این حرکت دوربین چه حسی در مخاطب ایجاد می‌کنه خب الان ما ایآی داریم که میاد در واقع حرکت دوربین ایجاد می‌کنه ویدیو می‌سازه منتها اون مبتنی بر پرامپت این کارو می‌کنه بله ما بشنی بر حس ما که از استراتژی ما اومده اون دیگه به نظرم یه انفجاره یعنی اون به اندازه یک استودیو خیلی بزرگ که یه عالمه واحد و تجربه و کارگردان داره می‌تونه خروجی جذاب به ما بده

ارغوان میرشکار: آره خیلی جالبه و تا حد زیادی هم گیج کننده است یعنی مثلاً من نمی‌تونم الان تصور کنم که وقتی میگید بر مبتنی بر پرامپتنی نیپس مبتنی بر اون حسایه که بهش داده یعنی چی؟ چهجوری این اتفاق میفته؟ اونم می‌تونید یه کم توضیح بدید

آلبرت حیدریان: آره ببینین بذاریم بریم تو نسخه آدمی زادیش خب چهجوری محتوا سفارش میدیم ما گفتیم یه واحد استراتژی داریم تا اینجا رو می‌دونیم که چه حس حالا اینکه اونجا میشه از ایآی استفاده کرد یا نه دیگه یه فیلد دیگهست یعنی میشه قطعاً استفاده کرد

ارغوان میرشکار: برای بریفه اولیه

آلبرت حیدریان: آره برا بریفه آقا خب مثلاً یکی از کارای استراتژی دیتا دریونه دیگه یعنی دیتا می‌گیره بعد می‌گه آقا این با اون نمی‌خونه اون اینجوریه مثلاً من نمی‌دونم این شاخص از برندم رو باید تقویت کنم به ذهنش می‌رسه که مثلاً این شکل تبلیغات کنه که ایآی می‌تونه انجام بده اگه اونجوری بخوایم فکر کنیم که اصلاً باید بریم خونه‌هامون دیگه یعنی کلاً کسب‌وکارو بسپریم به دست ایآی و پس یه حسی میاد ما توی بریف اولیه به کارگردان اون کسی که قراره بریف رو بگیره می‌گیم آقا یه محتوا می‌خوایم با یک آبجکتیو دیگه یا مثلاً این محصولمون دیده شه یا [عبارت نامفهوم در زیرنویس] این فیچر دیده شه این حس تبدیل میشه به یه متن دیگه طبیعتاً خب اگه این متن رو مستقیماً بدی تبدیلش کنی به پرامپت و بدی به مثلاً نمی‌دونم لوما رانوی اینا برات ویدیو برات بسازن آیا اون ویدیو همون چیزیه که ما تو متن می‌خواستیم؟

آلبرت حیدریان: نه طبیعتاً ویدیو یا اون ایآی داره تلاش می‌کنه یک محتوای با کیفیت بسازه که تقریباً فیت باشه با درخواستی که تو ازش داشتی ولی اون ارتباط بین حس احساساتی که تو گفتی ارتباط بین اعتماد مثلاً ایآی بهش بگی یه محتوایی برا من بساز که اعتماد آدما رو جلب کنه خب این حسی پیچیده رو نمی‌فهمه دیگه اونور اگه بهش بگی یه محتوای خنده‌دار مثلاً برای من بساز شاید بتونه بفهمه ولی حسای پیچیده رو نمی‌فهمه و استراتژیهای پیچیده رو نمی‌فهمه به خاطر همین ما اینو میدیم به یک آدم یک واحد مثلاً ما توی استودیومون یک واحد خلاقه داریم اینا کارشون صرفاً اینه که دیتا رو از استراتژی می‌گیرن خلاقیت به خرج میدن و سعی می‌کنن اون بریفی که از استراتژی رو گرفتن نزدیک کنن به محتوا و تهشم محتوا بشه دیگه

آلبرت حیدریان: تهش فیلم‌نامه بنویسن نمی‌دونم دکوپاژ بنویسن و اینا و اونها خب مبتنی بر یه ریسرچ و دیتایی هم دارن این کارو می‌کنن دیگه مخاطب ایرانی رو میشناسن این تغییر اینجاست دقیقا ما پرامپت رو فقط داریم میدیم محتوا ساخته بشه یا نه ما از ایآی بخوایم که تو بیا یک محتوایی برای من بساز این حسو در واقع بده به ما حالا با یه نالجی دیگه طبیعتاً راجع به این محصول راجع به این برند راجع به این مخاطب مهم احبت کنیم نه اینکه یه [عبارت نامفهوم در زیرنویس] شرح بدیم این خیلی ابزار جالبیه ولی خب همین پرامپتو اگه به یه آدمم میدادی که انجام میداد حالا توی تایم بیشتری اون مزیت رقابتی می‌تونه این باشه که آدمه راجع به احساسات باهاش صحبت می‌کنی با سوئ برخورد می‌کنه اگه قراره محتوای احساسی ساخته بشه منتها ایآی دیگه

آلبرت حیدریان: اون سویه رو نداره داره ایآی داره اورآل یک عالمه دیتاستی که تست از آدم‌های متنوع بودن رو می‌بینه و حالا تو با احساس باهاش صحبت می‌کنی میگی محتوای اعتماد برانگیز برای این محصول برای من بساز و اگه اون محتوا در واقع برات بسازه خیلی طبیعتاً فرق می‌کنه با محتوایی که با یه پرامپت ساده بود اون داره از دیتا ستی که بایولوژیکاله از ناخ دیتاهای ناخودآگاه انسان داره استفاده می‌کنه کنه ولی این نه این صرفاً داره سعی می‌کنه محتوا خلق کنه مبتنی بر پراف

ارغوان میرشکار: اون در واقع اصلاً یک مدل جدیده دیگه یعنی اصلا کلاً ترین شده و با همون دیتا سایتهایی که میگید یعنی کلاً نحوه تعامل باهاش و مدل فکر کردنش فرق می‌کنه با یک مدل عادی که شما همینو توی بخش معماری یا دیزاین فکر کنم گفتید شعب اسنابم انجام دادید درسته گفتید یک هوش مصنوعی داشتید که ازش استفاده کردین توی توسعه شعب درسته

آلبرت حیدریان: آره ببینید ما د تا بخش ازش استفاده کردیم یه بخشش طراحی بود مثلاً حالا همش راجع به بایو سیگنال صحبت کردیم اصلاً یه دیتاهای جالب دیگه هم داریم مثل حرکت آدم‌ها توی یک فضا خیلی هم مبتنی بر روانشناسیه اینکه مثلاً فرض کنید شما رفتین توی یک شاپ توی برند شاپ شما چهجوری دارین حرکت می‌کنین اصلاً آدم ها چی باعث میشه که اون پف و مسیر حرکتیشون تعیین بشه؟ خب این توی آبجکتیو‌های اینتریور دیزاین تبلیغاتی خیلی مهمه. یعنی اونجا دیگه حالا مثلاً آدم نمی‌خنده که ما بگیم ما طراحی اینتریورمون خنده دار بود یا اعتماد آبجکتیواش فرق می‌کنه

آلبرت حیدریان: اونجا خیلی مکس‌ها مهمه آدم‌ها اینجا مکس کردن این استند خیلی استند خوبیه یا تو این معماری اینجا این نقطه از این معماری خیلی معماری در واقع جذابی می‌تونه بشه آدما وایمیستن اینجا نگاه می‌کنن اینجا هیرو پروداکتتو بذار پروداکتی بذار که می‌خوای دیدشه مثلاً یه چنین اینساایت‌هایی یا ترافیک حرکتی مثلاً توی فرض کنین یک فروشگاهی که خیلی بزرگ هست همیشه این دغدغه هست که ترافیک به وجود میاد آدم‌ها نمی‌تونن حرکت کنن خب طراح اگه بتونه این پیشبینی رو داشته باشه برای اینکه همون میشد طراحی برپایه آنالیز اینکه ما چیز نکنیم پلتفرمشم بگم یه پلتفرمیه به اسم پت سیم که میاد حرکت آدم‌ها رو شبیه سازی می‌کنه دیگه حالا مثلا رفتار نیست دیگه

آلبرت حیدریان: حرکت آدم آدم‌ها خیلیهم فضای بامزهی داره ت دیتو بهش میدی و تارگت و اون شروعو بهش میگی میگی مثلا اینجا یه موزهست تو تبلیغات خودشم اینو گذاشته میگی اینجا یه موزهست آدم‌ها توی این استندها قراره برن درب ورودی هم اینه حالا ۲۰ نفر آدم برم ببینم چه شکلیه؟ بعد هیت مپ بهت میده می‌گه خب این ۲۰ نفر آدم احتمالاً اینجوری میرن اینجوری میرن این استندها رو می‌بینن و اینجوری خارج میشن تو این هیت مپه می‌بینی یه جاهایی خیلی هیته مثل اون تبلیغاتی که گفتم می‌بینی تو تصویر آدم‌ها یه جایی رو زیاد نگاه کرد آره اینجاهم می‌بینی یه جایی خیلی هیته آدما خیلی از اینجا رد شدن یه جایی خیلی ترافیک زیاده من این راهرو رو یه کم راه نداره بزرگترش کنم یا می‌بینی یه جایی اصلاً آدما نرفتن یعنی حالا تو مسیرشون نبوده یا جذاب نبوده تو اون تیر دیگه

آلبرت حیدریان: آدم‌ها اصلا اینجا نرفتن حالا چیکار کنیم آدم‌ها اینجا هم برن یا یک مسیری که باز خیلی مبتنی بر استراتژی ماست تو طراحی دیگه مثلاً یکی از اون دیتاها اینه ما یک بخشی که سعی کردیم تو فروشگاه‌های اسنوا استفاده کنیم یه بخشش همین دیدگاه روانشناسی به کمک تکنولوژی بود که ببینیم مخاطب ایرانی اصلاً تو فروشگاه چه شکلی برخورد می‌کنه مخاطب ایرانی ی ترجیح میده از راست حرکت کنه توی فروشگاه یا از چپ این اینسایت‌ها رو برداشت کردیم و چون تعداد در واقع فروشگاههم خیلی زیاد بود ما نمیتونستیم به حالا یه فهمی پیدا کردیم دیگه به یه این سایتی هم رسیدیم نمیتونستیم اینو اپلای کنیم رو تکتک فروشگاه‌ها و بیایم و اونها رو طراحی کنیم و تایمم کم بود یه جورایی فروشگاه‌ها خریداری شده بود و خیلی سریع باید فشار روی تیم طراحی بود.

آلبرت حیدریان: اینجا باز ما رفتیم سراغ ایآی که بیاد و با آبجکتیو‌های ما خب یه بخششم آبجکتیو‌های طراحی بود دیگه. اصولاً ترجیح میدیم پرتی نداشته باشیم. اصولاً ترجیح میدیم که بیشترین استفاده رو از فضا کنیم. تو طراحیمون ما رویکرد مدولار داشتیم. یعنی اومدیم برای هر استند لوازم خانگی یه مجموعه‌ای از حالت‌های استند رو طراحی کردیم و این مدول‌ها رو می‌تونستی بذاری کنار همدیگه و خب طراحی تموم شده بود و توی نماونم یه همچین در واقع مدول‌هایی رو داشتیم و از ایآی کمک کردیم برای اینکه رول رول‌های اولیه مدلول‌های اولیه اینکه آبجکتیو هات چیاست ترافیک ایجاد نشه محدوده حریم‌ها رو رعایت کن اینا رو بهش دادیم و حالا در واقع چین شد و حالا ما بهش پلان میدادیم صرفاً و تو پلان مشخص بود درب ورودی کجاست نمی‌دونم نقصهای پلان

ارغوان میرشکار: انگار اکت می‌کرد به مثل یک معمار

آلبرت حیدریان: آره یا مثل یک معماری که داره نقشه رو در واقع نقش کشی می‌کنه با همون دیتا ستهایی که شما از قبل دیتهایی که ما از قبل بهش داده بودیم منتها دیتا ست هامون اصطلاحاً رول بیس بود یعنی ما اومده بودیم یک مجموعه زیادی از رول‌ها رو براش تعریف کرده بودیم بهش می‌گن ول دیفاین اومده بودیم کامل براش تشریف کرده بودیم و این یک سری موتورهای آپتیمایزر داشت که سعی می‌کرد بهینه کنه فضا رو و پلان بهش می‌دادیم و چیدمان می‌کرد و خب طبیعتاً نقشه فنی به ما میداد چیزهایی که تیم طراحی باید میداد به در واقع پیمانکار دیگه که بسازه اونجا رو همه اینها رو توی تایم خیلی کمی جنریت می‌کرد یا برای نما فقط خط نما رو بهش می‌دادین.

آلبرت حیدریان: چون اگه دقت کنین نمای در واقع فروشگاه‌های اسنوا یک مجموعه‌ای از ترمووده و لوگوهایی که میاد روش و می‌تونه چند مثلاً مثل فروشگاه چندبر اصطلاحاً و خط فروشگاه رو بهش می‌دادی و طراحی می‌کرد بهت می‌داد نقشه فنی می‌داد محاسبه هزینه می‌کرد همه اینا ارم انجام می‌داد این دنیا رو اگه بخوایم پیچیده‌ترش رو ببینیم میره یه سمت دیگه میره سمت رویت میره سمت بیآی ام سیستمیی که خیلی مثلاً می‌تونه اون یه سشن دیگه باشه راجع بهش صحبت کنی که آقا ایآی من شخصیت خودم رو اگه بخوام تشریح کنم اینه ایآی خیلی برام جذابه و نوروساینس و دیزاین یعنی سعی می‌کنم اینها رو ترکیب کنم بر این عقیده هم ایآی به تنهایی قر اگه قرار باشه دیزاین کنه احتمالاً دیزاین‌هایی رو انجام میده که هیومن یوزر ارگونومی اینها توش دیده نمی‌شه ایآی وقتی تی مسلح میشه

آلبرت حیدریان: به نوروساینس که مبتنی بر انسان و بایولوژی هست اون وقت خیلی ایآی کارآمدتری هست و آره خلاصه این شکلی اونجا هم فروشگاه رو دیزاین کردیم و هنوزم دارن اتفاقاً ازش استفاده می‌کنن از اون ای استفاده می‌کنن

ارغوان میرشکار: الان سوالی که میخواستم بپرسم این بود که توی خروجی این معماریا و دیزای که انجام میداد به چه نکته‌هایی برمیخوردین که هی برمیگشتین عقب و اون مدلتونو بهبود بود می‌دادید. یعنی شما گفتید که ما نیاز به ترکیبی داریم از نوروساینس و طراحی و هوش مصنوعی مسلماً خروجیهای اولیه اون مطلوبیتی که بایدو نداشته دیگه برای اینکه برگردین و هی بهترش کنین و بهتر ترنش کنین چه اتفاقایی افتاد؟

آلبرت حیدریان: اصطلاحاً به این کار می‌گن مولتی آبجکتیو اپتیمایزیشن یعنی وقتی ما آبجکتیومون یکی دو تا نیست خیلی زیاده تو معماری هم این خیلی زیاده حالا مثلا تو تبلیغات ویدیویی که مثلا آبجکتیوا اون تعداد نیست یه کار قشنگی رو اتودسک انجام داده برای یکی از آفیساش که اومده گفته من میخوام با ایآی آفیسم رو طراحی کنم منتها مبتنی بر کوششنری مبتنی بر یک سری پرسشنامه از آدم‌هایی که اونجا دارن زندگی می‌کنن. قراره آفیس برای اونا باشه دیگه. خیلی وقتا ما اینکه می‌گم ایآیو فقط می‌بینیم آدمه رو نمی‌بینیم می‌گیم مثلاً بیا برا ما پلان بکش. خب اونم می‌کشه. خیلی هم شاید به لحاظ بستری جذاب باشه برای ما ولی اینکه واقعاً کارایی داره یا نه واقعاً ریلایله یا نه یوزبیلیتی داره افیشنسی داره این پارامترهای طراحی خب خیلی پارامترهای پیچیده‌ایه. اینا رو که ایآی نمی‌تونه همینوری با یه پرامپت در واقع بهش برسه.

آلبرت حیدریان: توی اون کیس استادی داشتم می‌گفتم میاد اول یه پرسشنامه میده به کارمنداش. می‌گه که آقا شما چی دوست دارین دیگه؟ سر صدا دوست دارین یا نه؟ نمی‌تونین. نور چهجوری دوست دارین؟ ببینین مطلوب‌ترین چیزایی که شخص دوست داره دیگه. دوست دارین میزتون کنار پنجره باشه بیرونو ببینین یا نه؟ حواستون پرت میشه زیاد رفت و آمد دارین یا نه؟ تکتک مثلاً فرض کنید ۲۰۰ نفر اون آفیس این پرسشنامه رو پر می‌کنن. بعد در واقع پلان رو بهش میده و این آبجکتیو‌ها رو تبد آبجکتیو‌هایی که از پرسشنامه میاد رو با یک سری انجین‌ها تبدیل می‌کنه به یک سری آبجکتیو مثل مثلاً ایزویست آدم‌ها کجا رو ببینن مثل نور نور کجاها باشه مثل صدا و مثل چیزای این شکلی این بهش می‌گن مولتی آبجکتیو یعنی شاید به یک طرحی برسی که حالا اونجا تو اون پلتفرمه مثلاً می‌رسه به

آلبرت حیدریان: یه تاپ تن که هر کدوم یک مجموعه امتیاز داره مثلاً اینو می‌خواستم بگم به یه طرح برسی به لحاظ رفت و آمد عالی باشه یعنی این طراحی بیشترین اسکور رو توی رفت و آمد گرفته منتها شاید به لحاظ مثلاً روانشناسی محیط و به لحاظ نور و به لحاظ این‌ها اوکی نباشه و اونجا خب خلاصه به این تاپ تن می‌رسه و بهترینش که بیشترین امتیازها رو داره اون رو انتخاب می‌کنه و دیگه اون کارمندی که دوست داشته تاریک باشه سر جای خودش فضای خودشو داره یوزر سنتر عمل کرده اینجا هم ما این چالش‌ها رو داشتیم که بیایم مولتی آبجکتیو ببینیم یعنی طرحه این نشه فقط آدما خوششون بیاد مثلاً این باشه که اون کارمندی که قراره تو فروشگاه کار کنه هم دوست داشته باشه اونجا رو یعنی از پی او وی کسی که پشت استیشن قرار

آلبرت حیدریان: داره هم موضوع رو ببینیم یا ما مثلاً یک نکته روانشناسی تو معماری داریم به اسم یه جورایی سیفتی و سکیوریتی ارگانیک طبیعی که می‌گه جاهایی که دیده میشن توی شهر اینها به لحاظ ارگانیک سیف هستن کجاها سیف نیست جاهایی که دیده نمی‌شه دید آره این قابل دید نبودن تبهکارا مثلاً اصولاً میل دارن اونجاها تبهکاری کنن کمین کنن آره و مثلاً این نکته خب مهم بود دیگه برای ما حالا اونجا چیزی نبود برای دزدی ولی ولی اینکه اون شخصی که پشت استیشن هست همه جا رو ببینه نمی‌دونم یه کسی سؤال داره سریع بتونه بره پیشش یا هر چیز دیگه‌ای چالش این بود برای ما که برمی‌گشتیم عقب سعی می‌کردیم که یه پارامتر دیگه

آلبرت حیدریان: هم بهش اضافه کنیم یه رول جدید هم بهش اضافه کنیم و آپتیمایز کردن اینها خب خیلی پیچیده بود ما هی سعی می‌کردیم می‌گم از طریق مدولار کردنه خیلی کارو ساده کردیم چون ایآی الان بهش بگی پلان برا من درست درست کن مثلاً میلیاردها حالت توی ذهنشه که هر چیزی امکان داره به تو بده ولی ما محدودش کردیم به یک مدول‌هایی که ما داریم و گفتیم با این مدول‌ها بردار و طراحی کن انگار و آبجکتیو های مختلفی بهش دادیم و نسبتاً جالب بود قطعاً کلی ایراد خواهد داشت یعنی نمی‌دونم مثلا اگه ایآی هم استفاده نکرده بودیم خودمون نشسته بودیم پلان کشیده بودیم ایراد داشت ولی نکتهش اون تایمه بود.

آلبرت حیدریان: ۳۰ ثانیه‌ای فرض کنین پلان فروشگاه بهت می‌داد، نقش فنی بهت می‌داد، برآورد هزینه می‌تونست برات کنه و و همه این‌ها که حالا اگه این موضوع بخواد بررسیشه که طراح‌ها به جای مارکتینگ و اینا طراح‌ها چهجوری می‌تونن از ایآی پلاس نوروساینس استفاده کنن اون دیگه می‌تونه یه سشن دیگه باشه. خیلی وسیع‌تره.

ارغوان میرشکار: ولی الان نکته‌ای که وجود داره اینه که همه میخوان از ایآی استفاده کنن. یعنی از این [عبارت نامفهوم در زیرنویس] به عنوان یک ابزار استفاده کنن ولی مدیریت خروجیهاش خودش یه بحث جداگانهست دیگه یعنی اون قسمتی که خیلی هنوز به آدما نیازمنده یه دونه اون بخش قبلشه که اون دیتا سته رو بدی یعنی اونو یه جور ترن کنی که جواب بهینه تری بهت بده و اینکه وقتی هم حالا اون جوابو داد باز درصد خطا داره و با اون چیزی که می‌خوای همونجوری هم که خدای یه تیمم اگر بتونه اونو طراحی کنه ایآی هم اونو داره قاعدتاً ولی این بخشی که چهجوری خروجی جیا رو ولیدیت کنی و مثلاً یه حالتی بهش برسی که مدیریت کنی اون چالشاش کجاست؟ یعنی وقتی ما می‌خوایم به هوش مصنوعی بمونه یک ابزار نگاه کنیم برای اینکه از این ابزار درست استفاده کنیم و خروجی درست بگیریم چه چالشهایی وجود داره؟

آلبرت حیدریان: بابت این سؤال من بدم نمیاد که خیلی سریع یه تاریخچه‌ای رو بگم از خود طراح‌ها پلس ابزارها یعنی مثلاً بریم سال ۱۹۹۰ که کامپیوترا اومدن اولین نسخه‌های کدم بود و طراح استفاده می‌کردن صرفاً دراوینگ انجام بدن بعد سال‌های ۲۰۰۰ طراحها دیدن که آقا من یه طرح خفن توی ذهنمه خیلی فرم جذابی داره ولی میام اینو طراحیش کنم بسازمش یعنی تریزیش کنم خروجی عینیش اصلاً یه چیز دیگهست یعنی این چالشی بود که خیلی طراح داشتن با تکنولوژی می‌گفتن آقا خب خیلیاهم قبول نداشتن و اینو و پس می‌زدن می‌گفتن آقا من بحثم اینه من اگه گل بدی دستم خیلی خفن اونو برات می‌سازم ولی میرم مثلاً توی اتوکد یا تری دی مکس اونجا من یه چار تا دونه ابزار دستمه با اینا باید بیام بسازم و خیلی هم باعث شده بود که طرحها شبیه به هم بشه دیگه

آلبرت حیدریان: یعنی همه کسایی که با اتوکد و مثلاً فرض کنید تی دی مکس کار می‌کردن فرماشون یه شکل بود. کسایی که با رویت کار می‌کردن فرماشون یه شکل دیگه بود. اینجا آدما رفتن سراغ اینکه یعنی طراحها که آقا خودمون بیایم پلتفرم خلق کنیم دیگه خودمون یه نرم‌افزار بسازیم مخصوص خودمون که ابزارهای خودمونو داخلش داریم و اینا. خب خیلی از استودیوهای معماری دنیا رفتن سراغ این منتها خیلی کار سختی بود. یعنی فضای برنامه‌نویسی برای یک طراح هنوزم خیلی سخته دیگه خیلی کار سختیه و فضا رفت سمت اصطلاحاً کامپیوتیشنال دیزاین یعنی اینکه یک پلتفرم‌های بصری خلق بشه که به صورت نود بیس مثلاً کار می‌کنن که این‌ها یک لایه طراح رو انگار به اون زبان کامپیوتر نزدیک‌تر می‌کنن ولی در عین حال خیلی سادهن کاربر قرار نیست بیاد کد بزنه و مثلا سالهای ۲۰۵ تا ۲۰۱ این خیلی جذاب بود دیگه

آلبرت حیدریان: کاربر اون الگوریتمی که توی ذهنش بود رو اینجا پیاده‌سازی می‌کرد و طرح میزد سال ۲۰۱ پارامتریک دیزاین اومد که گفتن حالا که ما داریم اون چیزهایی که تو ذهنمون الگوریتمشو می‌نویسیم یک سری پارامتر داریم دیگه مثلا من تو ذهنم یک مکعبه میام مکعبو مثلاً میذارم بعد یه سری پارامتر داره این مکعبه حالا مکعب مستطیل طول و عرض و ارتفاع داره داره این پارامترها استخراج شد. این شد که داستان بهینه‌سازی و این انقلابی که توی طراحی اتفاق افتاد از اینجا شکل گرفت که گفتن حالا که ما این پارامترها رو داریم چرا نذاریم یه موتور بهینه‌سازی این پارامترها رو بهینه‌سازی کنه دیگه؟ یعنی طراحی کامل عوض شد. یعنی از خود کامپیوتر استفاده شد برای یه بخشی از طراحی که ما اون الگوریتم اصلیه رو بنویسیم و پارامتراش رو تعیین کنیم تو محدوده‌های خودش، محدوده‌های مجاز خودش.

آلبرت حیدریان: و از ایآی حالا اون ایآی به معنای یک آپتیمایزره از اون موتور بهینه‌ساز بیایم بخوایم که این پارامترها رو تغییر بده برای چی؟ برا اون اهدافه اون اهدافه چیاست؟ اون اهدافه نوره، صداست، نمی‌دونم شرایط محیطیه، روانشناسی محیطه، همون پارامترهایی که معمارا حواسشون هست و بابت تک‌تک اون‌ها انجین ساخته شد. یعنی یک انجینی معمار نیاز نبود زاویه نور خورشیدو ببینه، محاسبه کنه، همه اینا انجین بود بهش ت دی محیطو می‌دادی، رفتار نورو بهت نشون می‌داد. انجین بود استاتیک مثلاً نمی‌دونم ستون‌گذاری می‌دادی اونو بهت نشون می‌داد.

آلبرت حیدریان: برای هر انجین دما بود مثلاً نمی‌دونم سیستم دمایی خونه رو می‌دادی اینکه ترمال کامفرت باشه رو مثلاً بهت می‌گفت میزانشو بهت می‌گفت و انگار عوض شد اونجا طراحی شد اینکه به جای اینکه خودمون برداریم و فرممون رو بسازیم بعد تازه حالا آنالیزش کنیم نکنیم بعد دوباره برگردیم فرمو تغییر بدیم که تهش مثلاً سه چار تا ایده داریم که حالا می‌تونیم بسازیمشون رفت به این سمت یه لوپ ایجاد شد که در لحظه یک تعداد زیا چون پارامترا رو می‌تونست تغییر بده دیگه اون مکعب رو می‌تونست بزرگ کوچیک کنه هی در لحظه آنالیزش کنه ببینه کدومش بهتره و فکر کنی مثلاً تو یک دقیقه مثلاً ۱۰۰ تا رو می‌زد آنالیز می‌کرد و بهترین طرح رو بهت می‌داد این از اونجا شروع شد حالا الان به این سمت رفته که چرا طراح دوباره خودش بشینه و اون الگوریتمه

آلبرت حیدریان: رو بنویسه اون پارامتره رو بنویسه این موتور طور هوش مصنوعی خودش هم بیاد اون الگوریتم‌ها رو بنویسه و ما صرفاً بهش کانسپت بدیم صرفاً بهش بگیم که یک مثلاً نمای معماری میخوام برگرفته از نمی‌دونم مثلاً قوسهای اسلامی پترن های اسلامی و خودش بیاد بنویسه و بیاد آپتیمایز کنه نمی‌دونم سوالتون رو جواب دادم یا نه

ارغوان میرشکار: بیش میخواستم همین تجربه استفاده از ایآی به به عنوان یک ابزار و حالا آخرای بحثمونم هست می‌خوایم یه جمع‌بندی داشته باشیم راجع به اینکه ایآی از ابزار چهجوری می‌تونیم ازش استفاده درست کنیم و این موقعیتو ازش درست استفاده کنیم یعنی نه خیلی بهش وابسته بشیم و اون خروجیا رو خروجیای نهایی فرض کنیم نه اینکه نتونیم بهش اعتماد کنیم یعنی الان این د تا طیفی که وجود داره اون بخشی که انسان باید هنوز روی لوپ جنریت کردن خروجی بمونه و اینکه چهجوری از این ابزار درست استفاده کنیم کجاست؟

آلبرت حیدریان: اه من می‌تونم اشاره کنم به موضوع زیبایی مثلاً یعنی درسته ما حالا این همه ساعت راجع به اینکه ایآی می‌تونه نمی‌دونم با یه لوژیکال اینا رو بفهمه صحبت کردیم ولی زیبایی انگار یه پارامتر خیلی پیچیده است یعنی ایآی هنوز با وجود اون حالا دیتاست‌های بایولوژیکال هم هنوز نمی‌تونه موضوع زیبایی رو بفهمه و مثلاً با دیدن یک طرح ما می‌تونیم ببینیم این زیباست یا نه حالا کاری نداریم با بیسش اگه ایآی به تنهایی قرار باشه خلق کنه به عنوان یک ابزار خب احتمالاً اون زیبایی که برای آدم‌ها شگفت انگیز هست رو نخواهد بهش رسید طراح اینجاست برای اینکه کمک ایآی کنه یعنی ما فرض کنیم اگه یک اپروچ داشته باشیم که ایآی قراره همه کار رو انجام بده یه سری می‌گن نه ایآی باید به کمک کاربر بیاد یه سریا می‌گن نه ایآی باید اصلاً تنهایی

آلبرت حیدریان: خودش کار کنه یا کاربر تنهایی خودش کار کنه من می‌گم اتفاقاً من پایاننامم یه جورایی همینه که دقیقاً طراح و ایآی نس بهترین نسبتشون چیه یا یه پروژه‌ای که اینم سریع بگم برای یکی از دانشگاه‌های سوئد یکی از دوستانم تز دکتراش بود داشت کار می‌کرد گفت آقا ایآی تو مارکتینگ داره محتوا خلق می‌کنه آدما هم دارن محتوا خلق می‌کنن من می بیام یک مدلی بسازم امتیاز بده یعنی یک بریفو بدم آدم انجامش بده امتیاز بدیم ایآی هم انجامش بده امتیاز بدیم اول ببینیم که توی این فراآیند طرای خلق محتوا ایآی کجا امتیاز بیشتری گرفته آدم کجا امتیاز بیشتریو گرفته تو بریف کدومشون بهتر بوده توی نمی‌دونم خلق کدومشون خروجی کدومشون بهتر بوده و بعدم توی فصل دوم پایاننامهش قصد داشت که بیاد بهترین مدلو ارائه بده بگه آدما تا اینجای ایآی ما فهمیدیم که این

آلبرت حیدریان: بخش رو بسپریم دست آدم این بخش رو بسپاریم دست ماشین این بخش آدم این بخش ماشین این خیلی جذاب‌تر خواهد بود حالا منم بحثم اینه من می‌گم طراح باید اگه قراره بسپر ایآی طراحیشو انجام بده باید به کمک ایآی بیاد مثلاً ما مدل‌هایی داریم که تو زیبایی رو صرفاً با کلیک کردن روی یک چندین طرح تعیین می‌کنی یعنی به ایآی میگی آقا اینا زیباست حالا برو حول اینا بچرخ و طرح جدید جنریت کن. یعنی بیایم این شکلی نگاه کنیم نه طراح به تنهایی نه ایآی به تنهایی و حتی نه ایآی به کمک طراح توی آینده طراح به ایآی کمک کنه که اون بتونه خروجی کجاها کمک کنه؟ جاهایی که پیچیده است ایآی نمی‌تونه انجام بده و این شکلی طراح هم بیاد اینسایت بده بهش و این ابزار اون موقع خیلی کارآمد خواهد بود.

ارغوان میرشکار: خیلی هم عالی مرسی آلبرت جان ممنون خیلی گفتگوی خوبی بود اگر نکته‌ای هم پایانی هم که داری فکر می‌کنی برای جمعبندی خوبه بگ

آلبرت حیدریان: حتماً من این نکته رو زندگی خودم بذاریم بگم خب مثلاً وقتی راجع به ایآی صحبت می‌کنیم می‌گیم آقا ما تو ایران ایآی گرافیک نداریم دیتا نداریم نمی‌شه مثلاً بیایم بریم به جای این کارا سرچ کنیم ببینیم چه پلتفرم جدیدی ایجاد شد من دوست دارم این پیشنهاد رو بدم که شما به عنوان یک شخصی تو ایران دارین کار می‌کنین خیلی مزیت رقابتی دارین. یکی از مزیت رقابتون کاربرهای ایرانیه. یعنی رفتار آدم‌های ایرانی، فرهنگ ایرانی، اینها چیزاییه که هنوز کد نشده اونور و شما خیلی فکر نکنین همیشه نفر آخرین لبه نیستین. شما هم توی تکنولوژی هوش مصنوعی مبتنی بر همین دیتاهایی که از فرهنگ ایرانی میاد، از زبان فارسی میاد، از دیتاهای لوکال میاد، با این‌ها می‌تونین واقعاً پلتفرم‌هایی خلق کنین که بتونه رقابت کنه با پلتفرم‌های حالا مثلاً خیلی جذابی که فکر می‌کنین خارج از ایران دارن اینا رو کار می‌کنن. همین

ارغوان میرشکار: مرسی از شما

گوینده نامشخص: خ خواهش می‌کنم سلامت باشین.

آلبرت حیدریان: مرسی از دعوتتون امیدوارم که مفید بوده باشه. می‌کنم.

ارغوان میرشکار: مرسی ازتون.

نظرات

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

درباره این قسمت:

گفتگوهای مشابه:

نیم‌نگاه سوم: تاملی در باب مرگ دولت در اقتصاد ایران به روایت دکتر محمدی

نیم‌نگاه دوم: دکتر بیرانوند و اضمحلال نظام آموزش عالی در ایران

نیم‌نگاه اول: ترامپ، عربستان و هوش مصنوعی

نیم‌نگاه

پراپ‌تاک ۴: پراپ‌تک چیست به روایت دکتر کیارش عباس‌زاده

پراپ‌تاک ۳: آینده اقتصاد صنعت ساختمان در گفتگوی دکتر عباس‌زاده با دکتر سنگینیان