همیشه قبل از ارسال، به خصوص در تبلیغات سرد، آدرسهای ایمیل را تأیید کنید تا از بازگشتهای سخت و فیلتر شدن جلوگیری شود. تمیز کردن و تأیید مجدد منظم لیست ایمیل، ... را کاهش میدهد.
نکات کلیدی
- یادگیری ماشینی، شخصیسازی، زمانبندی و آزمایش را در مقیاس بزرگ مدیریت میکند، در حالی که بازاریابان پیامرسانی، اهداف و تصمیمات مربوط به برند را کنترل میکنند.
- مدلهای هوش مصنوعی که بر اساس لیستهایی با نرخ پرش بالا و آدرسهای نامعتبر آموزش دیدهاند، پیشبینیهای نادرستی ارائه میدهند و همین امر، دادههای پاک را ضروری میکند.
- هوش مصنوعی پیشبینیکننده، دادهها را تجزیه و تحلیل میکند تا مشخص کند چه کسی و چه زمانی ایمیلها را دریافت میکند؛ در همین حال، هوش مصنوعی مولد، عنوان و محتوا را ایجاد یا اصلاح میکند.
تیم ایمیل شما هر هفته ساعتها وقت صرف بخشبندی لیستها، نوشتن موضوعات مختلف، انتخاب زمان ارسال و بررسی گزارشهای عملکرد میکند. و بعد از همه این کارها، نرخ باز شدن ایمیلها همچنان ثابت است و تعامل همچنان ناپایدار است.
هوش مصنوعی نحوه انجام این کار را تغییر میدهد. هوش مصنوعی جایگزین استراتژی انسانی نمیشود، اما تحلیل و اجرای تکراری را که زمان زیادی را صرف میکند، بدون نیاز به ورودی خلاقانه، به عهده میگیرد. به جای تست دستی A/B برای ۱۰ موضوع، هوش مصنوعی میتواند صدها موضوع را به طور همزمان تولید و آزمایش کند. به جای حدس زدن زمان ارسال، به رفتار هر فرد نگاه میکند و ایمیلها را زمانی ارسال میکند که احتمال باز شدن آنها برای هر فرد بیشتر است.
پلتفرمهای ایمیل بیشتری در حال ادغام مستقیم هوش مصنوعی در گردشهای کاری روزمره هستند، بنابراین تیمها میتوانند بدون نیاز به مهارتهای علوم داده از این قابلیتها استفاده کنند. این تغییر از اجرای دستی (نوشتن هر متغیر، انتخاب هر بخش و تصمیمگیری در مورد هر زمان ارسال) به سمت نظارت استراتژیک است. بازاریابان بر اهداف، پیامرسانی و صدای برند تمرکز میکنند، در حالی که هوش مصنوعی بهینهسازی و شخصیسازی را در مقیاس بزرگ مدیریت میکند.
این راهنما توضیح میدهد که هوش مصنوعی چگونه در سناریوهای واقعی بازاریابی ایمیلی عمل میکند، کدام ابزارها آن را به طور مؤثرتری به کار میبرند، در کجا بیشترین دستاورد را ارائه میدهد و قبل از تکیه بر هوش مصنوعی برای بازاریابی ایمیلی، چه محدودیتهایی را باید درک کنید.
نحوه عملکرد هوش مصنوعی در بازاریابی ایمیلی
هوش مصنوعی در بازاریابی ایمیلی از طریق دو مکانیسم اصلی عمل میکند: تجزیه و تحلیل رفتار گذشته برای پیشبینی اقدامات آینده و تولید تغییرات محتوا بر اساس الگوهای آموخته شده از کمپینهای موفق.
تشخیص الگو از دادههای تعامل
هوش مصنوعی نحوه تعامل گیرندگان با ایمیلها، از جمله باز کردن، کلیک کردن، خرید و لغو اشتراک را تجزیه و تحلیل میکند تا الگوهایی را که رفتار آینده را پیشبینی میکنند، شناسایی کند. مدلهای یادگیری ماشینی، هنگامی که روی هزاران یا میلیونها تعامل آموزش میبینند، تشخیص میدهند که ساختارهای خاص موضوع، انواع محتوا یا زمان ارسال با تعامل بیشتر برای بخشهای خاص مخاطبان مرتبط است.
این مدلها با پردازش دادههای بیشتر، بهطور مداوم بهبود مییابند. هر کمپین سیگنالهای جدیدی (چه کسی ایمیل را باز کرده، چه کسی کلیک کرده، چه کسی خریده) تولید میکند که پیشبینیها را برای ارسال بعدی اصلاح میکند. با گذشت زمان، سیستم یاد میگیرد که کدام عوامل بیشترین تأثیر را بر تعامل مخاطبان خاص شما دارند.
هوش مصنوعی پیشگو در مقابل هوش مصنوعی مولد
هوش مصنوعی پیشبینیکننده از دادههای تاریخی برای پیشبینی نتایج و تصمیمگیری استفاده میکند. در بازاریابی ایمیلی، این به معنای:
- پیشبینی اینکه کدام مشترکین به احتمال زیاد با محتوای خاص تعامل خواهند داشت
- تعیین زمانهای ارسال بهینه برای گیرندگان منفرد بر اساس رفتار گذشته آنها
- شناسایی مشترکینی که در معرض خطر لغو اشتراک یا غیرفعال شدن هستند
- امتیازدهی به سرنخها بر اساس سیگنالهای تعامل
هوش مصنوعی مولد، محتوای جدید را بر اساس الگوهای آموخته شده از نمونههای موجود ایجاد میکند. در زمینههای ایمیل، این موارد شامل موارد زیر است:
- نوشتن انواع مختلف عنوان که با الگوهای موفق مطابقت دارند
- تولید متن ایمیل با لحنها یا سبکهای خاص
- ایجاد توصیههای شخصیسازیشده برای محصولات یا پیشنهادهای محتوایی
- تطبیق پیامرسانی برای بخشهای مختلف مخاطبان
هر دو نوع با هم کار میکنند: هوش مصنوعی پیشبینیکننده تصمیم میگیرد چه کسی و چه زمانی باید ایمیل دریافت کند، در حالی که هوش مصنوعی مولد به ایجاد آنچه که در آن ایمیل باید گفته شود کمک میکند.
چرا کیفیت دادهها برای دقت هوش مصنوعی اهمیت دارد؟
مدلهای هوش مصنوعی فقط به اندازه دادههایی که بر اساس آنها آموزش دیدهاند، خوب هستند. اگر دادههای تعامل شما شامل نرخ پرش بالا، شکایات مربوط به هرزنامه یا ارسال به آدرسهای نامعتبر باشد، هوش مصنوعی از سیگنالهای تحریفشده یاد میگیرد. ممکن است زمان ارسال را بر اساس زمان وقوع پرشها بهینه کند یا بخشهایی ایجاد کند که شامل آدرسهای غیرفعالی باشد که هرگز تعامل نخواهند داشت.
حفظ فهرستهای ایمیل پاک، تضمین میکند که مدلهای هوش مصنوعی به جای خطاهای سیستم، بر اساس رفتار واقعی گیرنده آموزش میبینند. ابزارهایی مانند DeBounce آدرسهای نامعتبر، پرخطر و غیرفعال را قبل از اینکه دادههای تعامل را تحریف کنند، حذف میکنند و به هوش مصنوعی کمک میکنند تا پیشبینیهای دقیقی را بر اساس تعاملات واقعی کاربر انجام دهد.
ابزارها و پلتفرمهای بازاریابی ایمیلی هوش مصنوعی
در بازاریابی ایمیلی، هوش مصنوعی معمولاً به عنوان بخشی از پلتفرمهای گستردهتر یا به عنوان ابزارهای تخصصی که با سیستمهای موجود ادغام میشوند، ظاهر میشود.
پلتفرمهای جامع ایمیل مارکتینگ
پلتفرمهای اصلی ایمیل مارکتینگ اکنون هوش مصنوعی را مستقیماً در گردشهای کاری اصلی قرار میدهند و بدون نیاز به ابزارهای جداگانه، اتوماسیون، شخصیسازی و بهینهسازی را مدیریت میکنند.
- میلچیمپ از هوش مصنوعی برای بهینهسازی زمان ارسال، پیشنهاد موضوع ایمیل و ترسیم نقشه سفر مشتری استفاده میکند. این پلتفرم زمانهایی را که مشترکین بهطور معمول درگیر میشوند، تجزیهوتحلیل میکند و بهطور خودکار ارسالها را برای آن زمانها برنامهریزی میکند.
- هاباسپات از یادگیری ماشینی برای امتیازدهی به سرنخها، شخصیسازی ایمیل و توصیههای محتوا استفاده میکند. هوش مصنوعی به شناسایی اینکه کدام سرنخها بیشترین احتمال تبدیل شدن به مشتری را دارند و هر بخش باید چه محتوایی دریافت کند، کمک میکند.
- ActiveCampaign از ارسال پیشبینیشده برای تعیین زمانهای بهینه تحویل و از محتوای پیشبینیشده برای توصیه محتوای ایمیلها بر اساس علایق و رفتار گیرنده استفاده میکند.
- کلاویو (با تمرکز بر تجارت الکترونیک) از هوش مصنوعی برای توصیههای محصول، پیشبینی ارزش طول عمر مشتری و تقسیمبندی خودکار بر اساس رفتار خرید و الگوهای مرور استفاده میکند.
این پلتفرمها مدیریت کمپین را از ابتدا تا انتها انجام میدهند و هوش مصنوعی هر مرحله را به طور خودکار بر اساس دادههای تاریخی کمپین شما بهینه میکند.
ابزارهای هوش مصنوعی متمرکز بر محتوا
ابزارهای تخصصی بهطور خاص بر تولید یا اصلاح متن ایمیل با استفاده از هوش مصنوعی مولد آموزشدیده بر اساس محتوای بازاریابی موفق تمرکز دارند.
- Copy.ai و Jasper بر اساس دستورالعملهایی که اهداف کمپین، مخاطبان و صدای برند شما را توصیف میکنند، عنوان ایمیل، متن بدنه و متن فراخوان برای اقدام تولید میکنند. آنها به سرعت انواع مختلفی را ایجاد میکنند که بازاریابان میتوانند آنها را اصلاح و آزمایش کنند.
- فریسی (که اکنون ژاکارد نام دارد) در بهینهسازی زبان ایمیل تخصص دارد و با استفاده از هوش مصنوعی، عناوین و متنهای متنوعی تولید میکند که با لحن برند همسو هستند و در عین حال، بر اساس الگوهای آموختهشده از میلیونها کمپین، تعامل را به حداکثر میرسانند.
- پرسادو با استفاده از هوش مصنوعی و تجزیه و تحلیل کلمات، عبارات و لحنهای احساسی که بیشترین تعامل را برای مخاطبان خاص و انواع کمپینها ایجاد میکنند، پیامهای احساسی طنینانداز ایجاد میکند.
این ابزارها با سرعت بخشیدن به تولید محتوا و ارائه تغییرات مبتنی بر دادهها برای آزمایش، به بازاریابان کمک میکنند تا سریعتر عمل کنند. اما آنها به نظارت انسانی نیاز دارند تا اطمینان حاصل شود که همه چیز مطابق با برند باقی میماند و پیام در واقع در متن معنیدار است.
ابزارهای داده و تحلیل
پلتفرمهای تحلیلی مبتنی بر هوش مصنوعی به بازاریابان کمک میکنند تا عملکرد کمپینها را درک کرده و بر اساس بینشهای رفتاری، تصمیمات استراتژیک بگیرند.
- گوگل آنالیتیکس با قابلیتهای هوش مصنوعی، بخشهایی از مخاطبان را که رفتار غیرمعمول دارند شناسایی میکند، احتمال تبدیل را پیشبینی میکند و بر اساس الگوهای تعامل کاربر در کانالهای ایمیل و وب، فرصتهای بهینهسازی را پیشنهاد میدهد.
- حس هفتم با تجزیه و تحلیل الگوهای تعامل گیرندههای ایمیل و تعیین اینکه هر فرد چه زمانی بیشترین احتمال تعامل با ایمیلها را دارد، زمان ارسال ایمیل را بهینه میکند.
- بلوشیفت از هوش مصنوعی برای ایجاد بخشهای پویای مشتری در لحظه و بر اساس تغییرات رفتاری استفاده میکند و تضمین میکند که کمپینها همیشه مرتبطترین مخاطبان را هدف قرار میدهند.
حفظ دادههای مربوط به تعاملات با کیفیت بالا برای این ابزارهای تحلیلی جهت ایجاد بینشهای دقیق بسیار مهم است. نظارت بر لیست ایمیل با شناسایی و علامتگذاری خودکار آدرسهای نامعتبر یا پرخطر، سلامت مداوم لیست را تضمین میکند، بنابراین ابزارهای تحلیلی هوش مصنوعی میتوانند پیشبینیهایی را بر اساس رفتار واقعی کاربر انجام دهند.
کاربردهای کلیدی هوش مصنوعی در بازاریابی ایمیلی
هوش مصنوعی در وظایف خاص بازاریابی ایمیلی که قبلاً نیاز به تلاش دستی قابل توجهی داشتند، ارزش عملی ارائه میدهد.
تولید و بهینه سازی محتوا
هوش مصنوعی بر اساس الگوهای موفق کمپینهای گذشته، انواع مختلف عنوان ایمیل، متن بدنه ایمیل و فراخوان به اقدام را مینویسد. به جای نوشتن دستی ۵ تا ۱۰ گزینه برای عنوان، بازاریابان زمینه کمپین را فراهم میکنند و هوش مصنوعی دهها نوع مختلف را که با صدای برند هماهنگ و برای تعامل بهینه شدهاند، تولید میکند. بازاریابان به جای اینکه از ابتدا شروع به نوشتن کنند، بهترین گزینهها را بررسی، اصلاح و انتخاب میکنند. یادگیری نحوه استفاده هوش مصنوعی برای بهبود ایمیلها این روند را تسریع میکند.
تقسیمبندی پیشبینیکننده
هوش مصنوعی به جای ایجاد بخشهای ایستا بر اساس دادههای جمعیتی یا رفتارهای اولیه، بخشهای پویایی میسازد که به طور مداوم بر اساس سیگنالهای تعامل در لحظه بهروزرسانی میشوند. این سیستم بخشهای کوچک (گروههایی از مشترکین با الگوهای رفتاری مشابه) را شناسایی میکند و به طور خودکار محتوای مناسب را بدون دخالت دستی به هر گروه هدایت میکند.
ارسال بهینه سازی زمان
هوش مصنوعی تجزیه و تحلیل میکند که مشترکین چه زمانی ایمیلها را باز کرده و با آنها تعامل داشتهاند، سپس به جای ارسال همزمان برای همه، ارسال را برای زمان بهینه هر شخص برنامهریزی میکند. این زمانبندی شخصیسازیشده میتواند نرخ باز شدن ایمیلها را در مقایسه با ارسال دستهای در یک «بهترین میانگین زمان» واحد، به طور قابل توجهی بهبود بخشد.
شخصی سازی در مقیاس
هوش مصنوعی با درج پویای بلوکهای محتوا، توصیههای محصول و تغییرات پیامرسانی بر اساس رفتار، ترجیحات و سابقه تعامل هر گیرنده، شخصیسازی واقعی تک به تک را امکانپذیر میکند. آنچه قبلاً نیاز به ایجاد کمپینهای جداگانه برای هر بخش داشت، اکنون به طور خودکار در یک کمپین واحد انجام میشود.
امتیازدهی به سرنخها و بینشها
هوش مصنوعی، تعامل ایمیل را در کنار سایر سیگنالهای رفتاری ارزیابی میکند تا احتمال تبدیل یک سرنخ به مشتری را ارزیابی کند. این فناوری به جای تکیه بر اقدامات جداگانه، به دنبال الگوهایی از تبدیلهای موفق گذشته است. این امر به تیمهای فروش و بازاریابی اجازه میدهد تا تلاشهای پیگیری را بر روی مخاطبینی با قویترین سیگنالهای قصد و نیت متمرکز کنند.
بهینهسازی عملکرد کمپین
هوش مصنوعی به طور مداوم متغیرهایی مانند عنوان ایمیل، زمان ارسال و تغییرات محتوا را آزمایش میکند و به طور خودکار ترافیک را به گزینههای با بهترین عملکرد اختصاص میدهد. این بهینهسازی در لحظه به این معنی است که کمپینها در طول اجرا بهبود مییابند، نه اینکه نیاز به آزمایش دستی A/B و تنظیمات بعدی کمپین باشد.
درک چگونگی اثربخشی کمپین بازاریابی ایمیلی خود را اندازهگیری کنید به شما کمک میکند تا ارزیابی کنید کدام بهینهسازیهای هوش مصنوعی قویترین نتایج را برای اهداف خاص شما ارائه میدهند.
مزایای استفاده از هوش مصنوعی برای بازاریابی ایمیلی
هوش مصنوعی پیشرفتهای قابل اندازهگیری در زمینههای کارایی، مرتبط بودن و عملکرد کمپین ارائه میدهد.
- صرفهجویی در زمان و بهرهوریخودکارسازی وظایف تکراری، بازاریابان را آزاد میکند تا روی استراتژی، توسعه خلاقانه و برنامهریزی کمپین تمرکز کنند. وظایفی که قبلاً به ساعتها کار دستی نیاز داشتند، اکنون به صورت خودکار در عرض چند دقیقه انجام میشوند.
- بهبود ارتباط و شخصیسازیهوش مصنوعی امکان شخصیسازی را در مقیاسی که از طریق تلاش دستی غیرممکن است، فراهم میکند. هر گیرنده میتواند محتوای بهینه شده برای علایق، رفتار و الگوهای تعامل خود را دریافت کند، که باعث افزایش ارتباط و کاهش رویکرد عمومی «دستهبندی و ارسال انبوه» میشود که باعث لغو اشتراک میشود.
- تعامل و نرخ تبدیل بالاترایمیلهایی که در لحظه مناسب ارسال میشوند، با محتوایی که با علایق خواننده مطابقت دارد و موضوعاتی که توجه را جلب میکنند، معمولاً عملکرد بهتری نسبت به کمپینهایی دارند که کاملاً دستی مدیریت میشوند. توانایی هوش مصنوعی در آزمایش صدها تغییر و یادگیری از نتایج، میزان باز شدن، کلیکها و تبدیلها را در طول زمان بهبود میبخشد.
- مقیاسپذیری بدون رشد متناسب منابعهوش مصنوعی به تیمهای کوچک اجازه میدهد تا کمپینهای پیچیدهای را اجرا کنند که در غیر این صورت به کارکنان بسیار بزرگتری نیاز دارند. یک بازاریاب با ابزارهای هوش مصنوعی میتواند شخصیسازی و بهینهسازی را در بخشهایی مدیریت کند که به طور سنتی به چندین نفر به صورت دستی نیاز دارند.
- تصمیم گیری مبتنی بر دادههوش مصنوعی، بینشهایی را از دادههای تعامل که ممکن است انسانها از دست بدهند، مانند رفتارهای غیرمنتظره بخشبندی، تغییرات ظریف الگو و روندهای نوظهور، آشکار میکند و به بازاریابان اجازه میدهد تا تصمیمات استراتژیک را بر اساس تجزیه و تحلیل جامع دادهها به جای شهود یا بررسی دستی محدود، اتخاذ کنند.
دویدن بهتر کمپین های ایمیل با بهینهسازی هوش مصنوعی به تیمها کمک میکند کسب درآمد از ایمیل مارکتینگ با بهبود بازده در هر ارسال، به طور مؤثرتری عمل کنید.
محدودیتها و ملاحظات هوش مصنوعی در بازاریابی ایمیلی
هوش مصنوعی مزایای قابل توجهی ارائه میدهد اما محدودیتهای مهمی نیز دارد که نیاز به درک و مدیریت دارد.
وابستگی به کیفیت دادهها
مدلهای هوش مصنوعی از دادههای تاریخی یاد میگیرند، بنابراین اگر لیستهای ایمیل شما حاوی نرخ پرش بالا، آدرسهای نامعتبر یا تعامل تحریفشده به دلیل قابلیت تحویل ضعیف باشد، هوش مصنوعی بر اساس سیگنالهای بد آموزش میبیند. ورودی بیکیفیت، خروجی بیکیفیت مستقیماً اعمال میشود، زیرا هوش مصنوعی نمیتواند از دادههای بیکیفیت نتایج خوبی تولید کند. پاکسازی و تأیید منظم لیست، پیشنیازهای پیادهسازی مؤثر هوش مصنوعی هستند.
خطرات اتوماسیون بیش از حد
تکیه بیش از حد بر هوش مصنوعی بدون نظارت انسانی میتواند منجر به موارد زیر شود:
- تناقضات صدای برند زمانی که محتوای تولید شده توسط هوش مصنوعی به درستی بررسی نمیشود
- پیامرسانی غیرحساس وقتی هوش مصنوعی زمینه یا رویدادهای جاری را درک نمیکند
- خستگی ناشی از تقسیمبندی زمانی که هوش مصنوعی به قیمت از دست دادن روابط بلندمدت، تعامل کوتاهمدت را بهینه میکند
هوش مصنوعی باید قضاوت انسانی را تقویت کند، نه اینکه کاملاً جایگزین آن شود.
ملاحظات مربوط به حریم خصوصی و انطباق با قوانین
شخصیسازی هوش مصنوعی نیازمند جمعآوری و تجزیه و تحلیل دادههای رفتاری قابل توجه است. این امر نگرانیهای مربوط به حریم خصوصی و الزامات انطباق با مقررات را تحت GDPR، CCPA و چارچوبهای مشابه افزایش میدهد. اطمینان حاصل کنید که ابزارها و رویههای داده هوش مصنوعی شما با مقررات مربوط به حریم خصوصی مطابقت دارند و به ترجیحات مشترکین احترام میگذارند.
نیاز به نظارت استراتژیک انسانی
هوش مصنوعی در جهت اهدافی که شما تعیین میکنید، بهینه میشود، اما نمیتواند تعیین کند که آن اهداف چه باید باشند. انسانها هنوز باید:
- تعریف اهداف کمپین و معیارهای موفقیت
- تدوین دستورالعملهای صدا و پیامرسانی برند
- در مورد مخاطبان، جایگاهیابی و پیشنهادات، تصمیمات استراتژیک بگیرید
- بررسی خروجیهای هوش مصنوعی از نظر مناسب بودن و همترازی با برند
اگرچه هوش مصنوعی یک ابزار اجرایی قدرتمند است، اما تدوین استراتژی همچنان یک مسئولیت انسانی است.
منحنی یادگیری و تلاش برای پیادهسازی
استفاده مؤثر از هوش مصنوعی زمان میبرد. تیمها به فضایی برای آموزش مدلها بر اساس دادههای خود، اتصال ابزارها به سیستمهای موجود و یادگیری نحوه تفسیر و عمل بر اساس بینشهای مبتنی بر هوش مصنوعی نیاز دارند. قبل از مشاهده نتایج بهینه، انتظار یک دوره سرمایهگذاری اولیه را داشته باشید.
خط پایین
هوش مصنوعی برای بازاریابی ایمیلی، وظایف تکراری تجزیه و تحلیل، بهینهسازی و شخصیسازی را که قبلاً وقت بازاریابان را میگرفت، خودکار میکند و آنها را آزاد میکند تا روی استراتژی، توسعه خلاقانه و برنامهریزی کمپین تمرکز کنند. هوش مصنوعی پیشبینیکننده تعیین میکند که چه کسی و چه زمانی باید ایمیلها را دریافت کند، در حالی که هوش مصنوعی مولد به ایجاد محتوای مرتبط و جذاب در مقیاس بزرگ کمک میکند.
مؤثرترین رویکرد، هوش مصنوعی را به عنوان یک سیستم پشتیبانی در نظر میگیرد که بهینهسازی اجرا را مدیریت میکند، در حالی که انسانها کنترل تصمیمات استراتژیک، صدای برند و اهداف کمپین را حفظ میکنند.
فعلی خود را ارزیابی کنید زمانبندی ایمیل مارکتینگ و رویکردهای تقسیمبندی. مشخص کنید کدام وظایف تکراری بیشترین زمان را مصرف میکنند و ابزارهای هوش مصنوعی را که آن گردشهای کاری خاص را در پلتفرم موجود شما یا از طریق ادغام خودکار میکنند، بررسی کنید.
قبل از استفاده از بهینهسازی هوش مصنوعی، از پاک بودن لیستهای ایمیل خود و قابل اعتماد بودن دادههای مربوط به تعامل اطمینان حاصل کنید. از DeBounce برای شناسایی و حذف آدرسهای نامعتبر، پرخطر و غیرفعال که دادههای آموزشی هوش مصنوعی را تحریف میکنند، استفاده کنید. با لیستهای تأیید شدهای شروع کنید که سیگنالهای تعامل دقیقی تولید میکنند، سپس اجازه دهید هوش مصنوعی بر اساس رفتار واقعی کاربر بهینه شود، نه بر اساس معیارهای تحریف شدهی ناشی از پرش.
