وضعیت آزمایش: پروتکل پیشنهادی؛ مدل ارزیابی‌شده و نتیجه عددی قابل‌استناد در سایت موجود نیست.
مسئله
Rage Click یک سیگنال است، نه تشخیص علت. کلیک تکراری ممکن است روی کنترل خراب، رابط کند، متن قابل‌انتخاب یا تعامل عادی رخ دهد. اگر AI بدون Context تنها شمار کلیک را ببیند، Noise را به Issue تبدیل می‌کند.
فرضیه
مدلی که Sequence رویداد، نوع Element، تأخیر UI، Device و Outcome را کنار هم ببیند می‌تواند Candidateها را بهتر اولویت‌بندی کند؛ اما برای حذف Review انسانی شواهدی نداریم.
Workflow دستی
- نمونه Sessionها با و بدون Flag جمع‌آوری شود.
- دو Reviewer مستقل، رفتار و علت احتمالی را برچسب بزنند.
- اختلاف‌ها با Rule مشخص حل شوند.
- مدل بدون دسترسی به Label نهایی ارزیابی شود.
- خطاها بر اساس نوع UI و Device تحلیل شوند.
روش آزمایش
Labelها می‌توانند «Issue محتمل»، «Noise»، و «نامشخص» باشند. Precision برای جلوگیری از Backlog آلوده مهم است و Recall برای از دست‌ندادن Bugها. موارد نامشخص نباید به‌اجبار به دو کلاس تبدیل شوند.
مثال عملی
سه کلیک سریع روی دکمه‌ای که Loading State ندارد، اگر با تأخیر Network و تکرار در چند Session همراه باشد، Candidate قوی‌تری است. سه کلیک هنگام انتخاب متن یا Zoom روی موبایل می‌تواند Noise باشد.
اتوماسیون
مدل می‌تواند Sessionها را Rank کند، توضیح کوتاه و Evidence Pointer بدهد و Confidence پایین را جدا کند. ارسال مستقیم تسک به تیم محصول بدون Review مناسب نیست. طرح Analyzer در Clarity UX Issue Analyzer آمده است.
ابزارها
- Clarity یا منبع Session Replay با رعایت Privacy
- Event و Error Log
- Annotation Guideline و ابزار Labeling
- Experiment Log برای Version مدل
خروجی
گزارش باید Dataset Definition، Ruleهای برچسب‌گذاری، Version مدل، Matrix خطا و نمونه‌های مرزی را شامل شود. هیچ عددی بدون Sample و روش محاسبه منتشر نمی‌شود.
نتیجه فعلی
فعلاً نمی‌توان گفت AI این تفکیک را با کیفیت قابل‌قبول انجام می‌دهد. این صفحه مسیر اعتبارسنجی را تعریف می‌کند. Workflow تحلیل انسانی در راهنمای Clarity موجود است.
محدودیت‌ها
Replay ممکن است ناقص باشد، DOM تغییر کند و Privacy دسترسی به Context را محدود کند. Label انسانی Subjective است و رفتار کاربران میان سایت‌ها انتقال‌پذیری مدل را کم می‌کند.
چه زمانی این روش مناسب نیست
وقتی داده حساس Mask نشده، نمونه کافی نیست یا Bug با Error Log روشن است، استفاده از AI برای طبقه‌بندی مناسب نیست.
جمع‌بندی عملی
AI را برای اولویت‌بندی Evidence آزمایش کنید، نه صدور حکم. Agentهای بازبین باید Guardrail و Human Approval داشته باشند؛ الگوهای مرتبط در AI Agents قرار می‌گیرند.
CTA: قبل از انتخاب مدل، Guideline برچسب‌گذاری و تعریف «نامشخص» را بنویسید.