می‌خواهید عمر یک سایت را ببینید، نسبت رنک الکسا را ببینید. به روش جعبه سیاه

من به الکسا به عنوان تمرین تحلیل خارج از جعبه نگاه می‌کنم. یعنی نمی‌دانیم دقیقا الگوریتمش چطور کار می‌کند، اما بر اساس خروجی آن می‌توان رفتارهای مختلف آن ا بررسی کرد.

یک نمونه را قبلا در «رتبه جهانی الکسا کمتر از رتبه کشوری!» آورده بودم. حالا یک مورد جدید را در نظر بگیرید.

  • عمر سایت‌های پربازدید ایرانی از سایت‌های پربازدید جهانی کمتر است!

چطور می‌توان این موضوع را بررسی کرد؟ به عکس بالا نگاه کنید که مربوط به دو سایت مختلف (در یک زمان) است، با درصد ایران برابر. یعنی هر دو تقریبا ۹۴ درصد بازدیدشان در ایران بوده است. اما یکی عمر کوتاهی دارد و یکی عمر بلند!

با توجه به این موضوع، احتمالا بتوان گفت:

۱- سایت الکسا به مجموع بازدیدها در طول دوران (دوره‌ای بیش از ۴۰ روز) توجه دارد. اما ضریب تاثیر آن در مقابل بازدید روزانه خیلی کمتر است! چرا که نسبت رتبه ایران به رتبه جهانی در سایت‌های جوان کمتر از سایت‌های پیر (سن را از زمانی حساب کنید که در الکسا رنک زیر ۱ میلیون گرفتید) است.

۲- به طور متوسط عمر سایت‌های پربازدید ایرانی از سایت‌های پربازدید در دنیا کمتر است!

۳- اگر می‌خواهید دو سایت که رتبه آن‌ها در ایران نزدیک است را با هم مقایسه کنید، به نسبت رنک جهانی به ایرانی نگاه کنید، آنکه نسبت بزرگ‌تری دارد، قدیمی‌تر است.

توجه کنید که شاید این موارد برای شما بدیهی باشد، یا این که شک برانگیز و همراه با خطا. فقط به چند نکته توجه کنید.

–  این که جایی یک چیز نوشته شود و حتی اگر خود آمازون الگوریتم خود را اعلام کند، باز هم برای من قابل قبول نیست چون می‌دانم رفتار الگوریتم‌ها، با چیزی که شرکت‌ها می‌گویند کاملا متفاوت است. حتی الگوریتم‌ گوگل هم با آن چیزی که گفته می‌شود متفاوت است و با این تحلیل خارج از جعبه (مدل تحلیل جعبه سیاه بسته) می‌توان حرف‌های شرکت‌ها را راستی‌آزمایی کرد و از طرفی یاد گرفت.

– در اکثر مسائل حقیقی در طبیعت، ما یک جعبه سیاه داریم که باید رفتار آن را تحلیل کنیم در حالی که هیچ چیز از منطق آن افراد و موجودیت‌های داخل سیستم نمی‌دانیم. از تحلیل رفتار مشتری بگیر (برای سیستم‌های توصیه‌کننده و پیش‌بینی رفتار)  تا بررسی قیمت بورس. در بسیاری از مدل‌ها (مثل سیستم‌های دینامیکی)، رفتار مشتریان را ساده‌سازی می‌کنند و تاثیر بسیاری از پارامترهای ریز را در نظر نمی‌گیرند. اگرچه گاهی چاره‌ای نیست، اما اگر کاری است که زمان زیادی برایش دارید، سعی کنید تحلیل خارج از جعبه انجام دهید. یعنی مثل تصویر زیر فرض کنید یک جعبه سیاه دارید، ورودی‌های مختلف را روی آن (با توجه به شرایط و زمان و ….) به آن دهید و اثراتش را ثبت کنید. بعد سعی کنید یک مدل برای تحلیل آن طراحی کنید یا یک سری گزاره‌ها را بر اساس آن مدل بیان کنید. البته لزومی هم ندارد این گزاره‌ها نزدیک به واقعیت باشد، اما درک زیادی از آن سیستم به شما می‌دهد.

– از اولیه‌ترین شرایط چنین تحلیل‌هایی، پذیرش خطاست، منتها باید سعی کرد با آزمایش‌های مختلف، خطا را با توجه به حقایق به حداقل برسانیم. در مورد بالا هم چنین است و صحبت‌های من ممکن است اشتباه باشد!

– روش فوق بیشتر در یک آزمون نرم‌افزار به نام black-box testing انجام می‌شود.  در واقع در این تست، فرض می‌گیریم که ما بدون توجه به الگوریتم‌ها و مستندات، فقط عملکرد نرم‌افزار را با توجه به ورودی‌های مختلف بررسی می‌کنیم (پانوشت را ببینید).

– نکته نهایی که باید ذکر کنم این است که برای همگانی و ساده‌کردن مفهوم، در جاهایی غیردقیق حرف زده‌ام، اما متخصصان من را به بزرگی خودشان ببخشند، بلد نبودم با رعایت جزئیات این مفهوم را ساده کنم. دوستانی هم که شاید این موضع برایشان ثقیل بود، من را عفو کنند، ساده‌سازی بیش از این در توانم نبود.

آزمون جعبه سیاه الکسا رنک جهانی ایرانی
آزمون جعبه سیاه

 

در این مورد بیشتر خواهم نوشت.

 


پانوشت:

این جعبه سیاه در نظریه محاسبه را اوراکل می‌گویند که شما نمی‌دانید چگونه، اما برخی از سوال‌های شما (از یک کلاس مسئله خاص) را پاسخ می‌دهد. حالا این اوراکل به شما کمک می‌کند ماشین‌های قوی‌تری بسازید.

مثلا فرض کنید شما یک الگوریتم می‌نویسید که در برخی موارد نیاز به هوش انسانی در تشخیص یک عکس دارد (مثل کپچا). شما یک الگوریتم می‌نویسید که اوراکل شما می‌شود انسانی که بلد است عکس‌ها را تشخیص دهد. حالا شما یک الگوریتم قوی‌تر دارید.

حالا برعکس، فرض کنید به یک انسان مسئله‌ای را می‌دهید تا حل کند، اما کتاب را برای او باز می‌گذارید تا استفاده کند. حالا محتوای آن کتاب، مجموعه مسائلی است که کتاب (به عنوان اوراکل) می‌تواند پاسخ دهد.

اوراکل در دنیای قدیم، به شخص، الهه، یا سازمانی گفته می‌شد که بتواند آینده را ببیند، به شما اطلاعاتی دهد یا در تصمیمی به شما کمک کند. در تصویر زیر تعدادی شاهزاده را می‌بینید که در مقبره یک اوراکل (پیامبر دانایی) ایستاده اند.

اوراکل معبد جعبه سیاه
اوراکل معبد جعبه سیاه

برای این که یک نگاهی هم  داشته باشید به جهل مردم قدیم (شاید امروز هم زیاد ببینید) کافیست نگاهی بیندازید به اوراکل مرغ‌های مقدس!

البته جدیدا از هشت‌پا، میمون و … هم برای پیش‌بینی استفاده شده است (طبق گفته فیزیک-آماردان بزرگ هانس رولسینگ  هر دوی هشت‌پا و میمون پیش‌بینی‌های بهتری از اقتصاددانان انجام می‌دهند، اینجا توضیح داده‌ام). اما برای شرط‌بندی فوتبال روی این پیش‌بینی حساب می‌کنند نه این که وارد جنگ شوند یا نه.

در حدود ۲۹۰ قبل از میلاد، برای این که ببینند وارد یک جنگ شوند یا نه؟ مجموعه‌ای از مرغ‌ٰهای مقدس داشتند، کمی غذا در اختیار آن مرغ‌ها قرار می‌دادند:

هرچه مرغ‌ها حریص‌تر غذا می‌خوردند، یُمن و شانس بیشتری برای آن‌ها وجود داشت و وارد جنگ می‌شدند و اگر مرغ‌ها از خوردن غذا امتناع می‌کردند، نشانه بدی بود و وارد جنگ نمی‌شدند.

اوراکل مرغ‌های مقدس
اوراکل مرغ‌های مقدس

البته در هر دو جنگ Samnites  و Drepanum مرغ‌ها از خوردن غذا امتناع کردند، ولی نتایج دو جنگ کاملا متفاوت بود. البته این هم دلیلی نشد تا در نگاهشان به این اوراکل تغییری ایجاد شود.

حالا می‌پرسید چرا انقدر در مورد اوراکل حرف زدم؟ نکته این جاست که تفکر از طریق الگوریتم‌های اوراکل‌دار تاثیر زیادی بر تصمیم‌گیری در حوزه‌های

  • برون‌سپاری پروژه‌ها و داده‌ها
  • استخدام کارمندان و مشاوران
  • طراحی سیستم‌های بهینه سخت‌افزاری، نرم‌افزاری تعاملی بین انسان و ماشین
  • طراحی فرایند حل مسائل

و بسیاری موراد دیگر دارد. این اوراکل را حالا حالاها باهاش کار داریم.

پاسخ دهید

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

This site uses Akismet to reduce spam. Learn how your comment data is processed.