گزارش بازاریابی دیجیتال ۱۴۰۴؛ رشد ۱۰.۸ برابری کاربران فعال ماهانه و الگوی استفاده از ابزارهای هوش مصنوعی
اقتصاد۲۴- سال ۱۴۰۴ برای آتنا با افزایش قابل‌توجه تعداد کاربران همراه بود. اما بررسی داده‌های این سرویس نشان می‌دهد که برای شناخت وضعیت استفاده از هوش مصنوعی، تعداد ثبت‌نام‌ها به‌تنهایی کافی نیست.
اینکه چند نفر استفاده از سرویس را آغاز کرده‌اند، چه تعداد دوباره بازگشته‌اند و کدام ابزارها سهم بیشتری از تعامل‌ها داشته‌اند، تصویر دقیق‌تری از رفتار کاربران ارائه می‌دهد.
بخش آتنا در گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴، این موضوعات را در کنار عملکرد مدل‌های زبانی، نرخ موفقیت درخواست‌های تولید محتوا و سرعت پاسخ‌گویی بررسی کرده است.
از یک میلیون ثبت‌نام جدید تا رشد ۱۰.۸ برابری کاربران فعال ماهانه
بر اساس گزارش سالانه، آتنا در سال ۱۴۰۴ تعداد ۱٬۰۸۷٬۶۰۱ ثبت‌نام جدید داشته است. به این ترتیب، تعداد کل حساب‌های ثبت‌شده از حدود ۲۵۰ هزار در ابتدای سال به حدود ۱.۳۴ میلیون در پایان سال رسیده است.
هم‌زمان، تعداد کاربران فعال ماهانه از حدود ۲۴ هزار نفر در فروردین به بیش از ۲۶۰ هزار نفر در اسفند افزایش یافته؛ رشدی که در گزارش معادل ۱۰.۸۳۴ برابر اعلام شده است.
میانگین کاربران فعال روزانه نیز از حدود ۲٬۰۶۰ نفر در ابتدای سال به بیش از ۱۲٬۳۰۰ نفر در اسفند رسیده و تقریبا شش برابر شده است.
از هر سه ثبت‌نام‌کننده، حدود دو نفر استفاده از آتنا را آغاز کردند
یکی از یافته‌های گزارش، تفاوت میان ایجاد حساب و شروع واقعی استفاده از سرویس است.
از مجموع ثبت‌نام‌کنندگان جدید سال ۱۴۰۴، تا ۱۵ فروردین ۱۴۰۵ تعداد ۷۱۳٬۳۸۵ نفر، معادل ۶۵.۶ درصد دست‌کم یک گفت‌وگو یا درخواست تولید محتوا ثبت کرده بودند.
البته شروع استفاده به معنای دریافت پاسخ موفق یا بازگشت مجدد نیست؛ این شاخص صرفا ثبت نخستین تعامل را اندازه‌گیری می‌کند.
بررسی کانال‌های ورود نیز تفاوت‌هایی را نشان می‌دهد. نرخ شروع استفاده در حساب اصلی آتنا ۷۵.۴ درصد، تلگرام ۷۳.۵ درصد، کافه‌بازار ۵۳.۴ درصد و بله ۴۵ درصد بوده است.
بااین‌حال، حجم کاربران کانال‌ها یکسان نیست. برای مثال، تلگرام حدود ۴٬۶۰۰ ثبت‌نام داشته و جامعه آن بسیار کوچک‌تر از حساب اصلی آتنا بوده است. بنابراین، نرخ شروع بالاتر لزوما به معنای عملکرد بهتر یک کانال در جذب کاربران ماندگار نیست.
کاربرانی که با متن شروع کردند، نرخ بازگشت بالاتری داشتند
آتنا در گزارش خود، رابطه میان نوع نخستین ابزار استفاده‌شده و بازگشت کاربران را نیز بررسی کرده است.
طبق این داده‌ها، کاربرانی که تجربه خود را با گفت‌وگوی متنی آغاز کرده‌اند، در مقایسه با کاربران شروع‌کننده با تصویر، نرخ بازگشت بالاتری داشته‌اند.
نرخ بازگشت هفت‌روزه کاربران شروع‌کننده با متن ۲۲.۹ درصد بوده، درحالی‌که این رقم برای تصویر ۶ درصد ثبت شده است.
در پنجره ۳۰روزه نیز نرخ بازگشت متن ۲۸ درصد و تصویر ۸.۱ درصد بوده است.
شروع با ویدیو نیز نرخ‌های بازگشت نسبتا بالایی داشته، اما تعداد کاربران این گروه بسیار محدود بوده است؛ به‌طوری‌که جامعه بررسی‌شده ویدیو برای بازگشت هفت‌روزه حدود ۱٬۲۰۰ نفر و برای بازگشت سی‌روزه حدود ۹۰۰ نفر بوده است.
بنابراین، این اختلاف‌ها نباید به‌عنوان اثبات تاثیر قطعی یک ابزار بر ماندگاری تفسیر شوند. داده‌ها تنها همراهی میان نوع شروع استفاده و الگوی بازگشت را نشان می‌دهند.
متن، پرکاربردترین ابزار آتنا در سال ۱۴۰۴ بود
بررسی سهم ابزارهای مختلف نشان می‌دهد آتنا در سال ۱۴۰۴ عمدتا محصولی متن‌محور بوده است.
بر اساس گزارش، ۸۳.۵ درصد از تعامل‌های ثبت‌شده مربوط به متن بوده است. در مقابل، تصویر سهم کمتری از تعامل‌ها داشته، اما ۲۴.۱ درصد از کاربران فعال دست‌کم از این ابزار استفاده کرده‌اند.
این تفاوت نشان می‌دهد ممکن است کاربران زیادی تصویر را تجربه کرده باشند، اما تعداد تعامل‌های متنی بسیار بیشتر بوده باشد.
سهم کاربران ابزارها نیز انحصاری نیست؛ زیرا یک فرد ممکن است هم از متن و هم از تصویر استفاده کرده باشد.
مقایسه تازه‌واردها و کاربران بازگشتی نیز الگوی متفاوتی را نشان می‌دهد.
در میان تازه‌واردها، ۱۶.۹ درصد از استفاده‌ها مربوط به تصویر بوده؛ درحالی‌که سهم استفاده از سرویس تصویر برای کاربران بازگشتی ۹.۲ درصد ثبت شده است.
از سوی دیگر، ۸۳.۴ درصد کاربران بازگشتی از چت عمومی آتنا استفاده کرده‌اند.
این داده‌ها با الگوی تجربه ابزارهای تصویری در ابتدای ورود و استفاده بیشتر از گفت‌وگو در مراجعات بعدی سازگارند؛ اما ثابت نمی‌کنند که استفاده از متن یا تصویر، علت بازگشت کاربران بوده است.
کدام مدل‌های هوش مصنوعی در آتنا بیشتر استفاده شدند؟
گزارش آتنا، استفاده از مدل‌های زبانی مختلف را نیز بررسی کرده است.
در مجموع ۱٬۹۳۵٬۸۵۵ گفت‌وگوی متنی ثبت‌شده در سال ۱۴۰۴، مدلGPT-4o mini با سهم ۳۷.۸ درصدی پرکاربردترین مدل بوده است.
پس از آن،Gemini 2.5 Flash Lite با ۲۷.۳ درصد،GPT-5 nano با ۱۲.۹ درصد، Gemini 2.0 Flash با ۴.۷ درصد و Grok 4 Fast با ۳.۱ درصد قرار گرفته‌اند.
اما این رتبه‌بندی لزوما ترجیح آگاهانه کاربران را نشان نمی‌دهد؛ زیرا مدل پیش‌فرض آتنا در طول سال تغییر کرده است.
بر اساس داده‌ها، کاربران تنها در ۶.۵ درصد گفت‌وگوها مدل را مستقیما انتخاب کرده‌اند.
در همین زیرمجموعه،GPT-4.1 mini با سهم ۲۱.۴ درصدی بیشترین انتخاب را داشته و پس از آن GPT-5.1 با ۱۶ درصد و GPT-5 با ۱۲.۸ درصد قرار گرفته‌اند.
بنابراین، تفاوت میان مدل‌های پرکاربرد و مدل‌های انتخاب‌شده توسط کاربران اهمیت دارد. فهرست نخست تحت تاثیر مدل‌های پیش‌فرض قرار گرفته، درحالی‌که فهرست دوم تنها رفتار بخش کوچکی از گفت‌وگوها را منعکس می‌کند.
مقایسه نرخ موفقیت و سرعت تولید محتوا در آتنا
یکی دیگر از بخش‌های گزارش، عملکرد ابزارهای تولید محتوا را از نظر نرخ موفقیت و زمان پاسخ بررسی کرده است.
در سال ۱۴۰۴، نرخ موفقیت درخواست‌های تصویر ۸۷.۴ درصد، صوت ۸۴.۹ درصد و ویدیو ۶۶.۶ درصد بوده است.
در میان ابزارهای مشخص، ویرایش تصویر با نرخ موفقیت ۹۳.۴ درصد بالاترین مقدار گزارش‌شده را داشته است. پس از آن ElevenLabs با ۹۱.۷ درصد و Kling 2.5 با ۸۲.۸ درصد قرار گرفته‌اند. نرخ موفقیت Hedra نیز ۴۰.۵ درصد بوده است.
از نظر سرعت، میانه زمان پاسخ متنی ۳.۷ ثانیه بوده و ۹۰ درصد پاسخ‌های متنی در کمتر از ۱۲ ثانیه ارائه شده‌اند.
میانه زمان تولید تصویر حدود ۲۰ ثانیه بوده، درحالی‌که تولید ویدیو بسته به مدل، حدود یک تا سه دقیقه زمان می‌برده است.
این تفاوت‌ها را نمی‌توان صرفا به کیفیت بهتر یا ضعیف‌تر یک ابزار نسبت داد. پیچیدگی درخواست‌ها، مدل‌های مورد استفاده و ترکیب کاربران متفاوت بوده و داده‌های موجود امکان بررسی مستقل اثر هر عامل را فراهم نمی‌کنند.
گزارش تعاملی ۱۴۰۴؛ از رشد کاربران تا تحلیل رفتار استفاده از هوش مصنوعی
داده‌های آتنا نشان می‌دهند که رشد تعداد کاربران، تنها بخشی از مسیر توسعه یک سرویس هوش مصنوعی است. فاصله میان ثبت‌نام و نخستین استفاده، میزان بازگشت و نوع ابزارهای مورد استفاده نیز برای شناخت رفتار کاربران اهمیت دارند.
گروه پگاه داده کاوان شریف در گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴، با استفاده از دستیار هوش مصنوعی آتنا امکان گفت‌وگو با محتوای گزارش را فراهم کرده است.
مخاطبان می‌توانند درباره رشد کاربران، تفاوت رفتار تازه‌واردها و کاربران بازگشتی، عملکرد مدل‌ها یا نرخ موفقیت ابزارهای مختلف سوال کنند و یافته‌ها را با توجه به محدودیت‌های هر شاخص بررسی کنند.
هدف از این قابلیت، علاوه بر دسترسی ساده‌تر به داده‌ها، فراهم کردن امکان پرسشگری و به چالش کشیدن یافته‌های گزارش است؛ رویکردی که متخصصان را به طرح سوال‌های دقیق‌تر برای دستیابی به بینش‌های کاربردی تشویق می‌کند.
علاقه‌مندان و فعالان حوزه فناوری می‌توانند برای بررسی داده‌های کامل به گزارش تعاملی بازاریابی دیجیتال ۱۴۰۴ مراجعه و پرسش‌های خود را درباره آمارها مطرح کنند.
