ඩිජිටල් නිෂ්පාදන වෙළඳපලේ ගුමරෝඩ්, Systeme.io, Whop වැනි ප්ලැට්ෆෝම්වලින් නිෂ්පාදකයින්ට තම ආදායම කෙලින්ම පෙන්වන්නේ නැත. ඒ නිසා කාටත් ඒවායේ අලෙවි ප්රමාණය හොයන්න කටයුතු කරලා තිබුණා. InsightRaider කියන දත්ත වේදිකාව මේ ගැටළුවට නව විසඳුමක් ගෙන එයි – සාරගත සංකේත වලින් පදනම් වූ මොඩල 4ක් සමඟ 15‑25% නිරවද්යතාවයක් ලබා දීම.
මෙම පර්යේෂණයේ ප්රධාන අදහස නම්, පළමු වරටම රහස්ය තොරතුරු නොලැබෙන පරිසරයකින්, පොදු දත්ත, වෙබ් ගමන් මාර්ග, සහ පාරිභෝගික විග්රහයන් එකතු කරලා අලෙවි ගණනය කිරීමයි. BrandSearch නමැති සමාගම Shopify සහ Amazon වෙළඳපලේ ආදායම ±20% නිරවද්යතාවයෙන් ගණනය කළ උදාහරණය මූලික කරගෙන, InsightRaider එකම ක්රමවේදය අනුගමනය කරයි.
ආදායම අනුමාන කිරීමේදී ඔවුන් තුනේ පදනම් තීරුවලට යොමු වෙයි:
- පොදු සංකේත ග්රහණය – නිෂ්පාදන තනතුර, සමාන්ය ශ්රේණිගත කිරීම, සමාලෝචන ගණන, මතක තත්ත්වය, මිල, නිර්මාතෘගේ අනුගාමික සංඛ්යාව වැනි දත්ත.
- වෙබ් ගතගැනීම් විශ්ලේෂණය – මාසික ගමන් මට්ටම, මූලාශ්ර අනුව ගමන් වර්ග, පිටුවේ සිටීමේ කාලය, පිරිවිතරය.
- මාදිලි හතරක් – (A) ශ්රේණිගත කිරීම‑අදායම් සම්බන්ධතාව, (B) සමාලෝචන‑ගනුදෙනු අනුපාත, (C) ගමන්‑පරිවර්තන‑මිල, (D) ML‑එන්සෙම්බ්ලය (නිර්මාතෘන් පළ කරන ලද ආදායම් දත්ත).
මෙම මොඩල හතරක් එකට එකතු කරලා, දත්ත ලබාගත හැකි අවස්ථාවට අනුව බර ප්රමාණය තීරණය කරයි. උදාහරණයක් වශයෙන්, තද ගමන් දත්ත තිබේ නම් Model C‑ට වැඩි බර දෙන අතර, සමාලෝචන ගණන වැඩි නම් Model B‑ට ප්රමුඛත්වය ලැබේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ව්යාපාර, අන්තර්ජාල නිෂ්පාදකයින්, සහ විශ්වවිද්යාල සිසුන්ට මේ තොරතුරු බොහෝ ප්රයෝජනවත් වේ. පළමුව, නිෂ්පාදකයින් තම නිෂ්පාදනයේ අලෙවි තත්ත්වය ඉක්මනින් ඇස්තමේන්තු කරගෙන, මිල සැකසීම, ප්රචාරණය, සහ අලෙවි කුමාරිකාවන් (funnels) සැලසුම් කරගත හැකිය. දෙවැනිය, ශ්රී ලංකාවේ ආරම්භක (startup) කණ්ඩායම්වලට වෙළඳපල පරිමාණය, තරඟකාරීත්වය, සහ ලාභදායී නියමයන් පිළිබඳ දෘශ්යමාන අංක ලබා දී, අයවැය සැලසුම් කිරීමේදී වැරදි අවස්ථා අඩු කරයි. තුන්වැනිය, විශ්වවිද්යාල හා පුහුණු පාඨමාලා සඳහා ඩිජිටල් නිෂ්පාදන වෙළඳපලේ දත්ත මත පදනම් වූ පර්යේෂණ, කේස් ස්ටඩි, සහ කාර්ය මණ්ඩල පුහුණුව ලබා දීමට උපකාරී වේ.
ඉදිරියට, InsightRaider ආදායම් අනුමාන පද්ධතිය පවත්වාගෙන යාමෙන්, ශ්රී ලංකාවේ තාක්ෂණික පාරිසරිකය තවත් පාරදෘශ්ය සහිත, තීරණාත්මක, සහ ව්යාපාරික වශයෙන් ශක්තිමත් වනු ඇත.
