مهندسی پرامپت از آن دسته مفاهیم جدیدی است که بهرغم عمر کم در دنیای فناوری، پیشرفت بسیاری داشته است. وقتی از مهندسی پرامپت صحبت میکنیم، منظور انجام کارهایی برای بهینه سازی دستورهای متنی است که کاربر به هوش مصنوعی صادر میکند. این دستورها باید با شیوههای خاصی بهینه شوند تا هوش مصنوعی پاسخهای شایستهتری در اختیار کاربر قرار دهد. شیوههایی که از آن صحبت میکنیم با عنوان فریمورک یا مدل در مهندسی پرامپت شناخته میشوند.
از آنجایی که این مدلها به تازگی کاربرد پیدا کردهاند، تعریف جامعی از آنها در منابع رسمی وجود ندارد. مدل های RISE، CREO و PAIN به عنوان معروفترین فریم ورکهای مهندسی پرامپت بهحساب میآیند. در ادامه، ابتدا تعریفی از این مدلها مطرح میکنیم و به بررسی کاربرد آنها در دیجیتال مارکتینگ و استراتژیهای تبلیغاتی میپردازیم. در انتها نیز اطلاعات سودمندی دربارهی انتخاب بهترین مدل برای پروژههای مختلف در اختیار شما قرار میدهیم.
معرفی مدل های CREO، RISE و PAIN
مدل های RISE، CREO و PAIN، بهعنوان مدلی برای هدایت هوش مصنوعی در مسیر دستیابی به پاسخِ مد نظر کاربر به حساب میآیند. هر کدام از این فریم ورکها، سازوکار خاص خودش را دارد. مدلهایی که از آنها صحبت میکنیم، با هدف تعامل بیشتر با هوش مصنوعی طراحی شدهاند. استفاده از این مدلها به کاربر کمک میکند تا بازخوردهای مهندسی شدهای بر اساس پارامترهای پیشفرض از هوش مصنوعی دریافت کند.
وقتی از بازخوردهای مهندسی شده سخن به میان میآید، منظور دریافت پاسخهایی خلاقانه، فنی یا تحلیلی از هوش مصنوعی است. برای دریافت چنین پاسخهایی، باید مدلِ مشخصی را در مهندسی پرامپتنویسی به کار بگیرید.
نام مدل RISE، از مخفف عبارتهای Role، Input، Steps و expectation تشکیل شده است. فعالان دنیای هوش مصنوعی، نام فریمورک CREO را از مخفف واژههای Context، Request، Explanation و Outcome، انتخاب کردهاند. نامگذاری فریم ورک PAIN نیز بر اساس مخفف واژههای Problem، Action، Information و Next Steps، انجام شده است. هر کدام از این واژهها، معنای خاصی را در فریمورک مد نظر دارند.
تعریف و کاربرد هر مدل در مهندسی پرامپت
با توجه به توضیحاتی که مطرح کردیم، حتما متوجه شدهاید که هر کدام از این فریم ورکها، کاربردی خاص در مهندسی پرامپت دارند. برای آشنایی بیشتر با این فریم ورکهای رایج در مهندسی پرامپت، به تعریفی کوتاه از مفهوم و کاربرد آنها میپردازیم.
فریم ورک RISE
چارچوب RISE با ادغام چهار عنصر کلیدیِ نقش، ورودی، مراحل و انتظار، مهندسی پرامپتنویسی هوش مصنوعی را متحول کرده است. این رویکرد روش اجرا، وضوح و جهتگیری پرامپتها را بهبود میبخشد و اطمینان میدهد که تعاملات با هوش مصنوعی نهتنها هدفمند و مرتبط هستند، بلکه با اهداف و نتایج خاص همراستا میباشند.
کاربرد چارچوب RISE امکان کاوش ساختاریافته موضوعات را فراهم میکند. در این فریمورک، هر جزء نقش مهمی در هدایت هوش مصنوعی به سمت ارائه پاسخهای جامع و عمیق دارد تا در نهایت تعاملاتی معنادارتر و پربارتر ایجاد شود.
سرواژههایی که نام فریمورک RISE از آنها گرفته شده، هر کدام معنای خاصی در این چارچوب برای مهندسی پرامپنویسی دارند. توضیح معنای هر کدام از این واژهها در فریمورک RISE از قرار زیر است:
نقش: نقش هوش مصنوعی را در زمینه پرامپت تعریف میکند و عملکرد آن و دیدگاه مورد انتظار برای انجام وظیفه را مشخص میسازد.
ورودی: اطلاعات، دادهها یا منابعی که هوش مصنوعی باید در نظر بگیرد یا در تدوین پاسخ خود استفاده کند را تعیین میکند.
مراحل: مجموعهای از اقدامات یا فرایندهایی که هوش مصنوعی باید برای پاسخ به پرامپت دنبال کند را مشخص میکند و مسیری روشن به سوی خروجی مورد انتظار ارائه میدهد.
انتظار: نتیجه، قالب یا جزئیات مورد نظر پاسخ هوش مصنوعی را توصیف میکند و معیاری برای موفقیت تعامل، تعیین مینماید.
فریم ورک CREO
چارچوب CREO نوعی روش شناسی برای بهینهسازیِ فرمول بندیِ پرامپتهای طراحی شده به حساب میآید. این رویکرد باعث میشود تا تعاملات مؤثرتری با مدلهای زبانی مانند Grok، Perplexity و ChatGPT ایجاد شود. فریمورک CREO بر اهمیت ارائه زمینه، بیان درخواست واضح، توضیح دقیق وظیفه و تعریف نتیجه مورد انتظار تأکید دارد. معنای سرواژههایی که عبارت CREO را تشکیل دادهاند، از قرار زیر است.
زمینه: اطلاعات پسزمینهای را فراهم میکند که مدل برای درک موقعیت یا موضوع به آن نیاز دارد.
درخواست: بهوضوح بیان میکند که چه چیزی از مدل انتظار میرود.
توضیح: وظیفه را با جزئیات شرح میدهد تا مدل هدف درخواست را بهطور کامل درک کند.
نتیجه: نوع پاسخ یا نتیجهای که کاربر انتظار دارد از مدل دریافت کند را مشخص میکند.
فریم ورک PAIN
ساختار پرامپت PAIN الگویی برای مهندسی پرامپت بر اساس شناسایی و حل مشکلات خاص با استفاده از هوش مصنوعی است. این فریم ورک، فرمول بندی درخواستها را به گونهای هدایت میکند که راهحلهای دقیق و کاربردی ارائه شود. معنای سرواژههایی که مخفف PAIN را تشکیل میدهد به شرح زیر است.
مشکل: مسئلهای که باید حل شود را شناسایی میکند و چالش یا نیاز کاربر را روشن میسازد.
اقدام: اقدام یا نوع کمکی که از هوش مصنوعی انتظار میرود را مشخص میکند و آن را به سمت حل مسئله هدایت میکند.
اطلاعات: درخواست ارائه بینشها یا توضیحات دقیق میکند که هوش میتواند برای درک بهتر زمینه یا ظرایف مشکل فراهم کند.
گامهای بعدی: درخواست برنامه عملی، منابع یا مراحل بعدی میکند که کاربر میتواند برای حل مسئله یا دستیابی به هدف مورد نظر دنبال کند.
تحلیل مزایا و معایب هر مدل
مدلهایی که به آنها اشاره کردیم، همانند هر فریمورک دیگری، فایدهها و معایبی دارند. آشنایی با این فایدهها و معایب به کاربر کمک میکند تا بر اساس نیاز خود، مدل دلخواه را برای مهندسی پرامپت انتخاب نماید.
1. فریمورک RISE (نقش، ورودی، مراحل، انتظار)
مزایا:
• ساختارمند و هدفمند: RISE با تعریف نقش، ورودی، مراحل و انتظار، پرامپتهایی منظم و دقیق ایجاد میکند که برای کاربردهای پیچیده مانند برنامهنویسی یا تحلیل داده مناسب است.
• انعطافپذیری: این فریمورک برای طیف وسیعی از وظایف، از تولید محتوای فنی تا حل مسائل، قابل استفاده است.
• بهبود تدریجی: تأکید بر مراحل مشخص، امکان اصلاح و بهینهسازی خروجیها را از طریق پرامپتهای متوالی فراهم میکند.
• مناسب برای کاربران حرفهای: به کاربران با تجربه کمک میکند تا کنترل دقیقی بر خروجیهای مدل زبانی داشته باشند.
معایب:
• پیچیدگی برای مبتدیان: ساختار چهارگانه ممکن است برای کاربران تازهکار که با پرامپتنویسی آشنا نیستند، گیجکننده باشد.
• زمانبر: طراحی پرامپتهای دقیق با مراحل مشخص میتواند وقتگیر باشد، بهویژه برای وظایف ساده.
• وابستگی به جزئیات: اگر ورودیها یا مراحل بهدرستی تعریف نشوند، خروجی ممکن است از هدف دور شود.
کاربرد ایدهآل: پروژههای فنی یا تحلیلی که نیاز به فرایندهای گامبهگام و خروجیهای دقیق دارند، مانند نوشتن کد یا تحلیل داده.
2. فریمورک CREO (زمینه، درخواست، توضیح، نتیجه)
مزایا:
• تحریک خلاقیت: CREO با تمرکز بر زمینه و توضیحات باز، برای تولید محتوای خلاقانه مانند داستان، ایدههای بازاریابی یا طرحهای بصری بسیار مناسب است.
• انعطافپذیری در خروجی: امکان ایجاد محتوایی منحصربهفرد و غیرمتعارف را فراهم میکند که در حوزههای هنری و تبلیغاتی ارزشمند است.
• کاربرپسند: ساختار سادهتر آن نسبت به RISE برای کاربران با سطوح مختلف تجربه قابل فهم است.
• جذابیت برای مخاطب: خروجیهای خلاقانه CREO معمولاً برای جلب توجه و تعامل مخاطبان دیجیتال مؤثر هستند.
معایب:
• عدم دقت در وظایف فنی: برای کاربردهای دقیق مانند برنامهنویسی یا تحلیل داده، CREO ممکن است بیش از حد کلی باشد و خروجیهای غیرمرتبط تولید کند.
• وابستگی به زمینهسازی قوی: بدون زمینه یا توضیحات کافی، خروجیها ممکن است از هدف کاربر فاصله بگیرند.
• نیاز به بازبینی: خروجیهای خلاقانه اغلب نیاز به ویرایش یا اصلاح دارند تا با نیازهای خاص هماهنگ شوند.
کاربرد ایدهآل: تولید محتوای خلاقانه، ایدهپردازی برای کمپینهای بازاریابی، یا طراحی آثار هنری و ادبی.
3. فریمورک PAIN (مشکل، اقدام، اطلاعات، گامهای بعدی)
مزایا:
• تمرکز بر حل مسئله: PAIN برای شناسایی و رفع چالشهای خاص، مانند عیبیابی یا بهبود فرایندها، بسیار مؤثر است.
• خروجیهای عملی: با تأکید بر گامهای بعدی، راهحلهای قابل اجرا و برنامههای عملیاتی ارائه میدهد.
• وضوح در پرامپتنویسی: ساختار مسئلهمحور آن، کاربران را به تعریف دقیق مشکلات و نیازها تشویق میکند.
• مناسب برای سناریوهای بحرانی: در موقعیتهایی که نیاز به پاسخهای سریع و کاربردی است، عملکرد خوبی دارد.
معایب:
• محدودیت در کاربردهای خلاقانه: PAIN برای تولید محتوای خلاق یا ایدهپردازی بدیع مناسب نیست، زیرا تمرکز آن بر حل مسائل خاص است.
• نیاز به تعریف دقیق مشکل: اگر مشکل بهدرستی شناسایی نشود، خروجیها ممکن است غیرمرتبط یا ناکارآمد باشند.
• کمبود انعطافپذیری: ساختار خطی PAIN ممکن است برای پروژههای پیچیده یا چندوجهی محدودکننده باشد.
کاربرد ایدهآل: حل مسائل مهندسی، عیبیابی سیستمها، مشاوره کسبوکار، یا بهبود تجربه کاربری در فرآیندهای مشخص.
مقایسه کلی
فریم ورک مزیت کلیدی عیب اصلی بهترین کاربرد
RISE ساختارمند و دقیق پیچیده برای مبتدیان پروژههای فنی و تحلیلی
CREO خلاق و کاربرپسند عدم دقت در وظایف فنی تولید محتوای خلاقانه
PAIN مسئلهمحور و عملی محدود در خلاقیت حل مسائل و ارائه راهحل
مدل CREO و کاربردهای آن در دیجیتال مارکتینگ
مدل CREO، ساختاری توضیح و نتیجهای دارد. از این ساختار میتوان برای تمرکز هوش مصنوعی در ایجاد محتوای جذاب و نوآورانه بهره گرفت. چنین ویژگیهایی برای جلب توجه مخاطبان در پلتفرمهای دیجیتال حیاتی به نظر میرسد. این مدل زمان ایدهپردازی را کاهش میدهد، تعامل مخاطب را بیشتر میکند و برند دیجیتال مارکتینگ را یک سروگردن بالاتر از رقبا نگه میدارد.
مثال هایی از استفاده موفق از مدل CREO
فرض کنید میخواهید هوش مصنوعی ایدههای خلاقانهای برای یک کمپین دیجیتال مارکتینگ تولید کند. نحوه اعمال ساختار CREO، با تمرکز بر رویکرد خلاقانه این مدل در مهندسی پرامپتنویسی، به این صورت است:
زمینه: توجه به اینکه مخاطبان هدف ما، جوانان 18 تا 30 سال هستند که به محتوای بصری جذاب و تعاملی در شبکههای اجتماعی علاقه دارند.
درخواست: مجموعهای از ایدههای نوآورانه برای یک کمپین دیجیتال مارکتینگ طراحی کنید.
توضیح: این ایدهها باید خلاقانه، بدیع و متناسب با پلتفرمهایی مانند اینستاگرام و تیکتاک باشند و بتوانند تعامل کاربران را به حداکثر برسانند.
نتیجه: انتظار دارم لیستی از ایدههای کمپین ارائه شود که شامل مفاهیم بصری منحصربهفرد، چالشهای تعاملی و استراتژیهای داستانسرایی خلاقانه برای جلب توجه مخاطبان باشد.
تحلیل کارایی این مدل در تولید محتوا
مدل CREO در مهندسی پرامپت نویسی، با تمرکز بر خلاقیت، ابزار قدرتمندی برای تولید محتوا جذاب به حساب میآید. این مدل با بهرهگیری از ساختار CREO (زمینه، درخواست، توضیح، نتیجه)، پرامپتهایی برای خلق خروجیهای نوآورانه و غیر متعارف توسط مدلهای زبانی تولید میکند. در تولید محتوا، CREO به ویژه در حوزههایی مثل بازاریابی دیجیتال، نویسندگی خلاق و طراحی بصری کارآمد است.
با ارائه زمینه مناسب، مانند ویژگیهای مخاطب هدف، مدل را به درک عمیق موقعیت سوق میدهد. درخواست واضح، جهتگیری خلاقانه را مشخص میکند، در حالی که توضیح دقیق، مدل را به تولید محتوای همیشه سبز و کاربردی تشویق میکند. نتیجه مورد انتظار، خروجی را به شکلی ساختارمند و متناسب با هدف کاربر شکل میدهد.
کاراییهای کلیدی CREO شامل تحریک ایدهپردازی بدیع، ایجاد محتوای منحصربه فرد برای جلب توجه مخاطب، و افزایش تعامل در پلتفرمهای دیجیتال است. برای مثال، در بازاریابی، CREO میتواند کمپینهای خلاقانهای با داستانسرایی جذاب پیشنهاد دهد که نرخ تعامل را بالا ببرد. این مدل با پرورش خلاقیت، زمان تولید محتوا را کاهش داده و کیفیتی متمایز ارائه میکند.
مدل RISE و مزایای آن برای استراتژی های تبلیغاتی
ساختار نقش، ورودی، مراحل و انتظار در مدل RISE برای کمپینهای تبلیغاتی داده محور و پیچیده، سودمند است. دقت در خروجیها به دلیل فرآیند گام به گام، انعطاف پذیری برای پروژههای چند مرحلهای، و توانایی بهبود تدریجی کمپینها از طریق بازخورد را میتوان به عنوان مهمترین مزایای مدل RISE در استراتژی تبلیغاتی نام برد.
این مدل به تیمهای بازاریابی کمک میکند تا با تحلیل دادهها، محتوای تبلیغاتی مؤثر طراحی کنند و عملکرد را بهینه سازی کنند. همچنین، RISE زمان تصمیمگیری را کاهش میدهد و هم راستایی با اهداف برند را تضمین میکند.
چگونه مدل RISE میتواند به رشد برند کمک کند
این فریمورک با تعریف نقش برای نمونه مشاور بازاریابی دیجیتال، ورودی (مانند دادههای رفتار مخاطب)، مراحل تحلیل، طراحی، بهینهسازی و انتظار را در قالب پاسخهایی ساختارمند، پیش روی کاربر قرار میدهد. در تبلیغات، RISE برای تدوین استراتژیهای هدفمند، مانند تبلیغات کلیکی یا کمپینهای شبکههای اجتماعی، کاربرد دارد. چنین رویکردی، در درازمدت باعث رشد برند خواهد شد.
تحلیل نمونههای موفق از این مدل
برای تحلیل مدل RISE، اجازه دهید سناریویی فرضی با هدف طراحی کمپین تبلیغاتیِ کتاب در شبکه اجتماعی گودریدز را تصور کنیم. در این سناریوی فرضی، یک ناشر میخواهد رمانی هیجانی و ترسناک را در Goodreads با هدف دسترسی به مخاطب های جوان ۲۵ تا ۴۵ سال، تبلیغ کند. در این شرایط پرامپت مهندسی شده با فریمورک RISE میتواند از قرار زیر باشد.
نقش: شما یک متخصص بازاریابی دیجیتال با تجربه در تبلیغات کتاب در پلتفرم های اجتماعی مانند Goodreads هستید.
ورودی: دادههای جوانان 25-45 سال، علاقهمند به رمانهای هیجانانگیز و ترسناک و بحثهای کتاب خوانی. بودجه: 8,000 دلار. پلتفرم: Goodreads. اطلاعات کتاب: رمان ترسناک و هیجانی با خمیرمایه ارواح و سفر به جهنم.
مراحل: ۱. تحلیل رفتار مخاطبان و ترندهای رمان ترسناک و هیجانانگیز 2. پیشنهاد ایدههای محتوا برای پستها، گروههای بحث و تبلیغات 3. طراحی برنامه تبلیغاتی برای افزایش تعامل و فروش. ۴. ارائه معیارهای ارزیابی بر اساس شاخص کلیدی عملکرد (KPI).
انتظار: استراتژی تبلیغاتی جامع با ایدههای محتوا، زمانبندی، و شاخص کلیدی عملکرد مشخص (نرخ تعامل 15% و افزایش 25% در فروش آنلاین).
مدل PAIN و تفاوت آن با دو مدل دیگر
تفاوت های کلیدی میان مدل PAIN در مهندسی پرامپتنویسی با RISE و CREO وجود دارد. تمرکز PAIN بیشتر بر حل مسئلههای خاص و رفع چالشهای مشخص است. از طرف دیگر CREO، تأکید بر خلاقیت برای تولید محتوای بدیع (مثل ایدههای تبلیغاتی) دارد. PAIN خروجیهای عملی و مسئله محور ارائه میدهد و کمتر به خلاقیت میپردازد.
همانگونه که توضیح دادیم، RISE نیز با ساختار گامبهگام و انعطافپذیری برای پروژههای پیچیده (مثل استراتژیهای دادهمحور)، رویکردی کلیتر نسبت به فریمورک PAIN دارد. در مجموع باید گفت، PAIN برای حل سریع مسائل، CREO برای خلاقیت، و RISE برای پروژههای ساختاریافته مناسبتر است.
کاربردهای مدل PAIN در بهبود تجربه کاربری
یک سناریوی فرضی را در نظر بگیرید که با آن میخواهید تجربه کاربری در استفاده از فریمورک PAIN برای مهندسی پرامپتنویسی را بهبود دهید و پرامپتها برای کاربران مبتدی واضحتر و مؤثرتر باشند. نحوه اعمال ساختار PAIN به این صورت است:
مشکل: کاربران مبتدی در استفاده از فریمورک PAIN برای نوشتن پرامپتهای مؤثر دچار سردرگمی میشوند.
اقدام: یک راهنمای سادهشده برای استفاده از فریمورک PAIN نیاز دارم که برای مبتدیان قابل فهم باشد.
اطلاعات: چه تکنیکها یا قالبهایی را برای سادهسازی فرایند پرامپتنویسی با PAIN برای کاربران تازهکار پیشنهاد میکنید؟
گام های بعدی: یک راهنمای گامبهگام ارائه دهید که کاربران مبتدی بتوانند فوراً از آن برای نوشتن پرامپتهای PAIN استفاده کنند.
مقایسه عملکرد این مدل با CREO و RISE
مدل PAIN در مقایسه با CREO و RISE در مهندسی پرامپتنویسی، عملکرد متفاوتی دارد. PAIN با تمرکز بر حل مسائل خاص (مثل کاهش نرخ تبدیل)، خروجیهای عملی و مستقیم تولید میکند، اما این مدل در خلاقیت محدود است. در این بین، CREO با تأکید بر خلاقیت، برای تولید محتوای بدیع (مثل ایدههای تبلیغاتی) گزینهای مناسب بهنظر میرسد، اما برای مسائل فنی یا تحلیلی دقت کمتری دارد.
RISE، به لطف ساختار گام به گام، برای پروژههای پیچیده و داده محور (مثل استراتژیهای تبلیغاتی چند مرحلهای) مناسب است و انعطاف پذیری بالایی دارد. ناگفته نماند که تعامل با RISE برای کاربران مبتدی، پیچیده و دشوار به نظر میرسد. PAIN در سادگی و سرعت حل مسائل برتری دارد، در حالی که CREO در جلب توجه مخاطب و RISE در مدیریت پروژههای ساختاریافته بهتر عمل میکند.
چگونه بهترین مدل را برای پروژههای مختلف انتخاب کنیم
هدف و نیازی که از یک پروژه دارید، راه را برای انتخاب بهترین فریموُرک باز میکند. برای این انتخاب از خود بپرسید آیا به مهندسی پرامپت خلاق نیاز دارید یا اینکه در فکر تولید محتوایی ساختارمند و دقیق هستید. پاسخ به این دست پرسشها، نقش مهمی در انتخاب بهترین فریمورک ایفا میکند. ناگفته نماند که هیچ محدودیتی برای استفاده از یک فریمورک خاص وجود ندارد و بسته به نوعِ نیاز پروژه، میتوانید ترکیبی از فریمورکهای مختلف را برای مهندسی پرامپت در نظر بگیرید.
راهنمایی برای انتخاب مدل مناسب
اگر بخواهیم سر شما را درد نیاوریم و بهصورت خلاصه راهنمایی برای انتخاب مناسب مطرح کنیم، باید بگوییم CREO برای خلق ایدههای نو، RISE برای اجرای ساختارمند و PAIN برای حل مشکلات کاربرد دارند.
بررسی مثالهای عملی از انتخاب مدلهای مختلف
مثالهایی که در ادامه مطرح میکنیم، دیدگاهی کامل برای انتخاب یکی از فریمورکهای مهندسی هوش مصنوعی پیش روی کاربر قرار میدهد. در مثال نخست، فریمورک RISE برای یک برند غذایی که نیاز به کمپین چندمرحلهای در فیسبوک دارد را در نظر میگیریم. ساختار گامبهگام این فریمورک، نتیجه مطلوب از تحلیل مخاطب، طراحی محتوا، و ورودیهای دادهمحور مانند بودجه و دموگرافیک (demographics) را در اختیار مدیران تبلیغات قرار میدهد تا استراتژی دقیقی برای افزایش کلیکها تدوین کنند.
به همین دلیل در نمونهی نخست، نیاز به فرایند جامع و قابل سنجش بهعنوان مهمترین دلیلهای انتخاب فریمورک RISE شناخته میشود. در مثال دوم، CREO را برای تبلیغ محصولات یک برند فروشنده ساعتهای لوکس در اینستاگرام انتخاب میکنیم، زیرا فریمورک CREO خلاقیت در تولید چالشهای ویدیویی با هدف مخاطبان جوان را در حین مهندسی پرامپتنویسی دراختیار مدیران تبلیغات قرار میدهد. بهلطف توانمندیهای این فریمورک، محتوای ایجادشده تعامل بیشتری با مخاطب برقرار میکند.
به همین دلیل در نمونه دوم، اولویت با ایدههای بدیع و جذابیت بهعنوان دلیل اصلی انتخاب فریمورک CREO بهحساب میآید. در سومین مثال، PAIN را برای وبسایت فروشی انتخاب میکنیم که حدود ۳۰ درصد از سبدهای خرید آن توسط خریداران رها شده است. در این شرایط فریمورک PAIN، بهخوبی از طرح راهحل عملی برای سادهسازی پرداخت بر میآید.
در نتیجه تمرکز بر حل سریع مسئله را میتوان دلیل انتخاب PAIN در مثال سوم دانست.
