اگر قیمت محصول را ۱۰ درصد بالا ببرید، فروش چقدر کم میشود؟ اگر تخفیف بدهید، افزایش حجم فروش آنقدر هست که حاشیه سود را جبران کند؟ تحلیل کشش قیمتی دقیقاً برای پاسخ به همین سؤالهاست. بسیاری از کسبوکارهای ایرانی قیمت را با ترکیبی از حس بازار، فشار رقبا و تجربه مدیر فروش تعیین میکنند؛ اما وقتی داده فروش دارید، میتوانید اثر تغییر قیمت بر تقاضا را با عدد ببینید. در این راهنما یاد میگیرید داده لازم را آماده کنید، کشش را محاسبه و تفسیر کنید و خروجی آن را به تصمیم قیمتگذاری تبدیل کنید.
- تحلیل کشش قیمتی چیست و چه مسئلهای را حل میکند؟
- برای محاسبه کشش قیمتی به چه دادههایی نیاز دارید؟
- فرمول تحلیل کشش قیمتی و محاسبه گامبهگام
- چطور عدد کشش را تفسیر کنیم؟
- چارچوب تصمیمگیری برای تبدیل کشش به قیمت
- دو مثال واقعینما از بازار ایران
- چرا کشش را باید برای بخشهای مختلف مشتری جداگانه سنجید؟
- چطور نتیجه را با آزمایش و داده جدید اعتبارسنجی کنیم؟
- مقایسه روشهای محاسبه کشش قیمتی
- عواملی که نتیجه کشش را منحرف میکنند
- اشتباهات رایج در تحلیل کشش قیمتی
- سوالات متداول
- جمعبندی و برنامه اقدام
تحلیل کشش قیمتی چیست و چه مسئلهای را حل میکند؟
تعریف ساده و کاربردی
کشش قیمتی تقاضا نشان میدهد وقتی قیمت تغییر میکند، مقدار تقاضا چند درصد تغییر میکند. اگر قیمت ۵ درصد زیاد شود و تعداد فروش ۱۰ درصد کم شود، تقاضا نسبتاً کشسان است. اگر فروش فقط ۲ درصد افت کند، مشتریان حساسیت کمی به قیمت دارند. این شاخص به شما نمیگوید قیمت خوب یا بد است؛ میگوید بازار نسبت به تغییر قیمت چه واکنشی نشان میدهد.
چرا برای مدیر بازاریابی مهم است؟
در قیمتگذاری، تصمیم اشتباه گران تمام میشود. افزایش قیمت ممکن است درآمد را بالا ببرد اما نرخ تبدیل را کم کند. تخفیف ممکن است فروش را زیاد کند اما سود ناخالص را بسوزاند. کشش کمک میکند تصمیم را از سطح «رقیب ارزانتر زده» به سطح «اگر ۸ درصد قیمت را تغییر دهیم، انتظار چه اثری روی فروش، درآمد و سود داریم» ببرید.
چه زمانی از آن استفاده نکنیم؟
اگر محصول تازه لانچ شده، داده فروش کافی ندارید، موجودی ناپایدار است یا قیمت در کنار چند تغییر بزرگ مثل کمپین تلویزیونی، تغییر بستهبندی و ورود رقیب جدید عوض شده، محاسبه ساده کشش ممکن است گمراهکننده باشد. در چنین شرایطی باید یا آزمایش کنترلشده طراحی کنید یا تحلیل را تا جمعآوری داده پایدار به تعویق بیندازید.
برای محاسبه کشش قیمتی به چه دادههایی نیاز دارید؟
حداقل داده لازم
برای شروع، داده ماهانه یا هفتگی فروش کافی است؛ اما باید تمیز و قابل اتکا باشد. حداقل به قیمت واقعی پرداختشده، تعداد واحد فروختهشده، بازه زمانی، کانال فروش، محصول یا SKU، موجودی، تخفیف و هزینه ارسال نیاز دارید. قیمت اسمی کافی نیست؛ چون مشتری معمولاً قیمت نهایی بعد از تخفیف، کد تخفیف، هدیه و هزینه ارسال را تجربه میکند.
کیفیت داده مهمتر از پیچیدگی مدل است
در یک فروشگاه اینترنتی ایرانی، ممکن است قیمت روی سایت ثابت باشد اما کاربران از کدهای اینستاگرامی، تخفیف اولین خرید یا ارسال رایگان استفاده کنند. اگر این موارد را در قیمت لحاظ نکنید، مدل شما اثر تخفیف را نمیبیند و کشش را کمتر یا بیشتر از واقعیت نشان میدهد. قبل از محاسبه، دادههای پرت مثل روزهای قطعی سایت، اتمام موجودی یا فروش سازمانی بزرگ را علامتگذاری کنید.
چکلیست آمادهسازی داده
- قیمت نهایی پرداختشده را بهجای قیمت لیست محاسبه کنید.
- فروش روزهای بدون موجودی را از تحلیل حذف یا جدا کنید.
- داده را حداقل در ۸ تا ۱۲ بازه زمانی قابل مقایسه جمع کنید.
- کمپینهای سنگین، مناسبتها و تغییر کانال تبلیغاتی را با ستون جداگانه مشخص کنید.
- اگر تورم یا تغییر نرخ ارز روی قیمت تمامشده اثر دارد، بازههای خیلی دور را بدون تعدیل با هم مقایسه نکنید.
فرمول تحلیل کشش قیمتی و محاسبه گامبهگام
فرمول پایه
فرمول ساده کشش قیمتی تقاضا این است: درصد تغییر مقدار تقاضا تقسیم بر درصد تغییر قیمت. چون معمولاً با افزایش قیمت، تقاضا کم میشود، عدد کشش منفی است. در تصمیمگیری تجاری معمولاً قدر مطلق عدد را میبینیم. مثلاً کشش ۱.۵ یعنی با ۱ درصد افزایش قیمت، تقاضا حدود ۱.۵ درصد کاهش مییابد.
روش نقطه میانی برای مقایسه دو دوره
برای جلوگیری از خطای جهت مقایسه، بهتر است از روش نقطه میانی استفاده کنید. درصد تغییر مقدار برابر است با اختلاف مقدار فروش تقسیم بر میانگین دو مقدار. درصد تغییر قیمت هم اختلاف قیمت تقسیم بر میانگین دو قیمت است. سپس این دو نسبت را بر هم تقسیم میکنید. این روش مخصوصاً زمانی مفید است که قیمت از ۱۰۰ به ۱۲۰ هزار تومان تغییر کرده و میخواهید نتیجه با مسیر برگشت هم سازگار باشد.
مثال محاسبه سریع
فرض کنید یک برند قهوه در فروش آنلاین، قیمت بسته ۲۵۰ گرمی را از ۲۸۰ هزار تومان به ۳۰۸ هزار تومان رسانده است. فروش هفتگی از ۱۰۰۰ بسته به ۸۸۰ بسته کاهش پیدا کرده. تغییر قیمت حدود ۹.۵ درصد و تغییر مقدار حدود منفی ۱۲.۸ درصد است. کشش برابر منفی ۱.۳۵ میشود. یعنی بازار این محصول نسبتاً کشسان است و افزایش قیمت باید با احتیاط انجام شود. در تحلیل کشش قیمتی همین عدد خام پایان کار نیست؛ باید اثر آن بر سود ناخالص هم بررسی شود.
چطور عدد کشش را تفسیر کنیم؟
کشش کمتر از ۱
اگر قدر مطلق کشش کمتر از ۱ باشد، تقاضا بیکشش است. افزایش قیمت ممکن است درآمد را بالا ببرد، چون افت تعداد فروش کمتر از رشد قیمت است. این وضعیت معمولاً برای محصولات ضروری، برندهای قوی، کالاهای کمیاب یا خدماتی که هزینه جابهجایی مشتری بالاست دیده میشود. البته بیکشش بودن تقاضا بهمعنای آزادی کامل در افزایش قیمت نیست؛ ممکن است نارضایتی، ریزش بلندمدت یا آسیب به برند ایجاد شود.
کشش نزدیک به ۱
کشش نزدیک به ۱ یعنی تغییر درآمد چندان قابل پیشبینی نیست و باید حاشیه سود، موجودی و هدف رشد را هم وارد تصمیم کنید. برای مثال در فروشگاه پوشاک، اگر افزایش قیمت درآمد را ثابت نگه دارد اما حجم فروش را کم کند، شاید از نظر سود بهتر باشد؛ چون هزینه ارسال، مرجوعی و پشتیبانی کمتر میشود.
کشش بیشتر از ۱
اگر قدر مطلق کشش بیشتر از ۱ باشد، مشتریان به قیمت حساساند. در این وضعیت افزایش قیمت ممکن است درآمد را کم کند و تخفیف، اگر حاشیه سود اجازه دهد، میتواند حجم فروش را بالا ببرد. این حالت در محصولات قابل مقایسه، کالاهای پررقیب و دستههایی که کاربر قبل از خرید چند سایت را چک میکند، رایجتر است.
چارچوب تصمیمگیری برای تبدیل کشش به قیمت
چرا این چارچوب وجود دارد؟
عدد کشش بهتنهایی تصمیم نمیسازد. هدف کسبوکار، حاشیه سود، ظرفیت عملیات، جایگاه برند و واکنش رقبا باید کنار آن قرار بگیرد. این چارچوب برای زمانی مناسب است که داده فروش دارید و میخواهید بین افزایش قیمت، کاهش قیمت، حفظ قیمت یا طراحی بسته پیشنهادی تصمیم بگیرید.
چهار مرحله تصمیم
- هدف را مشخص کنید: افزایش سود، رشد سهم بازار، تخلیه موجودی یا کاهش فشار عملیاتی؟
- کشش را در سطح بخش مشتری بسنجید: مشتری وفادار، مشتری جدید و خریدار تخفیفی رفتار یکسانی ندارند.
- اثر بر سود را شبیهسازی کنید: فقط درآمد را نبینید؛ سود ناخالص بعد از تخفیف، ارسال و مرجوعی مهم است.
- ریسک برند را ارزیابی کنید: افزایش قیمت برای برند اقتصادی ممکن است بیش از عدد فروش، به ادراک ارزش آسیب بزند.
چه زمانی مناسب نیست؟
این چارچوب زمانی ضعیف میشود که بازار تحت شوک بیرونی است؛ مثل جهش شدید ارز، محدودیت واردات یا تغییر ناگهانی قیمت مواد اولیه. در این حالت، رفتار گذشته الزاماً آینده را توضیح نمیدهد. اگر بودجه تبلیغات همزمان تغییر کرده، بهتر است اثر قیمت را از اثر رسانه جدا کنید. برای این کار، مطالعه مدلسازی مارکتینگ میکس برای تصمیم بودجهای میتواند کمک کند.
مزایا و محدودیتها
مزیت اصلی این رویکرد، تبدیل بحثهای سلیقهای قیمت به سناریوی عددی است. محدودیت آن این است که همیشه روابط خطی و ثابت فرض نمیشوند. ممکن است افزایش قیمت از ۵۰۰ به ۵۳۰ هزار تومان اثر کمی داشته باشد، اما عبور از آستانه روانی ۵۹۹ هزار تومان فروش را شدیداً کم کند.
دو مثال واقعینما از بازار ایران
مثال اول: فروشگاه آنلاین لوازم آرایشی
یک فروشگاه آنلاین لوازم آرایشی متوجه شد کرم ضدآفتاب پرفروش آن با هر تخفیف ۱۲ درصدی، فروش واحدی را حدود ۲۵ درصد افزایش میدهد. در نگاه اول، تخفیف جذاب بود. اما بعد از محاسبه سود ناخالص، مشخص شد افزایش فروش فقط وقتی بهصرفه است که تأمینکننده تخفیف خرید عمده بدهد یا ارسال رایگان حذف شود. تصمیم نهایی این بود: تخفیف عمومی کمتر، اما باندل ضدآفتاب با شوینده صورت برای افزایش ارزش سبد خرید.
در این سناریو، تحلیل سبد خرید میتواند نشان دهد چه کالاهایی در کنار محصول حساس به قیمت فروخته میشوند. اگر میخواهید این مسیر را ادامه دهید، راهنمای تحلیل سبد خرید برای افزایش فروش مکمل مکمل خوبی برای تصمیم قیمتگذاری است.
مثال دوم: سرویس آموزش آنلاین زبان
یک پلتفرم آموزش زبان در تهران، قیمت اشتراک ماهانه را از ۴۹۰ به ۵۹۰ هزار تومان رساند. ثبتنام جدید ۱۸ درصد کم شد، اما تمدید کاربران فعلی فقط ۴ درصد افت کرد. نتیجه روشن بود: مشتریان جدید کشش بالاتری داشتند، اما کاربران فعال ارزش سرویس را بهتر درک کرده بودند. تصمیم درست، کاهش قیمت نبود؛ بلکه ارائه پلن ورودی ارزانتر برای کاربران جدید و حفظ قیمت بالاتر برای تمدیدکنندگان بود.
درس مشترک دو مثال
در هر دو مورد، میانگین کل بازار گمراهکننده بود. وقتی همه مشتریان را با هم ببینید، ممکن است فکر کنید محصول کشسان یا بیکشش است؛ اما در عمل، کانال جذب، سابقه خرید و سطح اعتماد مشتری رفتار متفاوتی میسازد.
چرا کشش را باید برای بخشهای مختلف مشتری جداگانه سنجید؟
میانگینها تصمیمهای بد میسازند
کشش کل فروشگاه معمولاً عددی زیبا اما کمکاربرد است. مشتری که از گوگل با جستوجوی دقیق وارد شده، احتمالاً قیمت چند سایت را مقایسه میکند. مشتری وفاداری که از پیامک باشگاه مشتریان برمیگردد، ممکن است کمتر حساس باشد. مشتری سازمانی هم شاید به اعتبار فاکتور، پشتیبانی و تسویه بیشتر از قیمت واحد اهمیت دهد.
بخشبندیهای پیشنهادی
- مشتری جدید در برابر مشتری تکراری
- کانال جذب: سئو، تبلیغات کلیکی، اینستاگرام، پیامک، مارکتپلیس
- دسته محصول: کالای ضروری، لوکس، مکمل یا قابل جایگزینی
- شهر یا منطقه ارسال، مخصوصاً وقتی هزینه لجستیک متفاوت است
- سطح تخفیفپذیری: خریداران عادی در برابر شکارچیان تخفیف
پیشنهاد عملی
اگر داده شما محدود است، از سه بخش شروع کنید: مشتری جدید، مشتری تکراری و مشتری تخفیفی. برای هر بخش حداقل ۳۰ تا ۵۰ سفارش در هر بازه مقایسه داشته باشید. اگر حجم سفارش کمتر است، نتیجه را قطعی ندانید و فقط بهعنوان نشانه اولیه استفاده کنید.
چطور نتیجه را با آزمایش و داده جدید اعتبارسنجی کنیم؟
چرا آزمایش لازم است؟
محاسبه تاریخی نشان میدهد در گذشته چه اتفاقی افتاده؛ اما همیشه معلوم نیست تغییر فروش واقعاً بهخاطر قیمت بوده یا بهخاطر تبلیغات، فصل، رقبا یا موجودی. آزمایش کمک میکند فرضیه قیمت را در محیط کنترلشدهتر بسنجید. برای مثال میتوانید یک محصول مشابه را در دو شهر، دو کانال یا دو گروه کاربری با آفر متفاوت بررسی کنید.
نکات اجرای تست قیمت
تست قیمت حساس است؛ چون مشتریان ممکن است تفاوت قیمت را ناعادلانه بدانند. بهجای نمایش قیمتهای متناقض به کاربران یکسان، از تست بسته پیشنهادی، هزینه ارسال، هدیه، حجم بسته یا مدت اشتراک استفاده کنید. اگر تست مستقیم انجام میدهید، بازه کوتاه، نمونه کافی و سیاست شفاف برای پشتیبانی داشته باشید.
برای طراحی درست حجم نمونه و جلوگیری از نتیجهگیری عجولانه، راهنمای تست افزایش نرخ تبدیل و محاسبه حجم نمونه را کنار تحلیل قیمت بخوانید.
معیارهای اعتبارسنجی
- تغییر نرخ تبدیل، نه فقط تعداد سفارش
- درآمد به ازای بازدیدکننده یا هر جلسه
- سود ناخالص به ازای سفارش
- نرخ مرجوعی و لغو سفارش
- اثر روی خرید تکراری طی ۳۰ تا ۶۰ روز
مقایسه روشهای محاسبه کشش قیمتی
روش محاسبه باید با حجم داده، میزان تغییر قیمت و هدف تصمیم هماهنگ باشد. جدول زیر کمک میکند روش مناسب را انتخاب کنید، نه اینکه صرفاً پیچیدهترین مدل را اجرا کنید.
| روش | بهترین زمان استفاده | مزیت | محدودیت | تصمیم مناسب |
|---|---|---|---|---|
| مقایسه دو دوره | وقتی فقط یک تغییر قیمت مشخص دارید | سریع و قابل فهم برای مدیران | کنترل ضعیف عوامل مزاحم | ارزیابی اولیه افزایش یا کاهش قیمت |
| روش نقطه میانی | وقتی میخواهید تغییر رفت و برگشتی را منصفانه بسنجید | خطای جهت محاسبه را کم میکند | هنوز به کیفیت داده وابسته است | گزارش مدیریتی و سناریوسازی ساده |
| رگرسیون فروش | وقتی چندین دوره داده و متغیرهای تبلیغاتی دارید | قابلیت کنترل فصل و کمپین | نیازمند داده تمیز و مهارت تحلیلی | قیمتگذاری دسته محصول یا کانال |
| آزمایش کنترلشده | وقتی تصمیم پرریسک است | اعتماد بالاتر به رابطه علت و معلولی | هزینه، زمان و حساسیت اخلاقی | تغییر قیمت محصولات کلیدی |
عواملی که نتیجه کشش را منحرف میکنند
فصل و مناسبت
در ایران، مناسبتها اثر جدی دارند: نوروز، شب یلدا، بازگشایی مدارس، بلکفرایدی ایرانی، ماه رمضان و حتی روزهای حقوقگیری. مقایسه قیمت قبل و بعد از یک مناسبت بدون کنترل، نتیجه را آلوده میکند. بهتر است دوره مشابه سال قبل یا هفتههای نزدیک با الگوی تقاضای مشابه را مبنا بگیرید.
رقابت و جایگزینها
اگر رقیب اصلی همزمان قیمت را کم کند، افت فروش شما فقط ناشی از افزایش قیمت خودتان نیست. برای محصولات قابل مقایسه مثل موبایل، لوازم خانگی، بیمه یا مکملهای غذایی، پایش قیمت رقبا ضروری است. اختلاف قیمت ۳ تا ۵ درصد شاید قابل تحمل باشد، اما در برخی دستهها اختلاف ۱۰ درصدی بدون تمایز برند فروش را بهشدت کم میکند.
موجودی و کیفیت سرویس
افت فروش ممکن است به دلیل تأخیر ارسال، کاهش موجودی سایزهای محبوب، کندی سایت یا ضعف پاسخگویی باشد. اگر این عوامل را وارد تحلیل نکنید، ممکن است بهاشتباه قیمت را مقصر بدانید و با تخفیف غیرضروری سود را کاهش دهید.
اشتباهات رایج در تحلیل کشش قیمتی
تمرکز روی درآمد بهجای سود
یکی از خطاهای رایج این است که بعد از تخفیف، افزایش درآمد را موفقیت بدانیم. اگر حاشیه سود از ۳۰ درصد به ۱۵ درصد برسد، شاید درآمد بیشتر اما سود کمتر شود. تحلیل کشش قیمتی باید همیشه با حاشیه سود ناخالص و هزینههای متغیر همراه باشد.
نادیده گرفتن آستانههای روانی
قیمت ۹۹۰ هزار تومان با ۱,۰۲۰,۰۰۰ تومان فقط ۳ درصد تفاوت دارد، اما در ذهن مشتری ممکن است عبور از مرز یک میلیون تومان باشد. مدلهای ساده این جهش ادراکی را خوب نمیبینند. برای کالاهای مصرفی و اشتراکها، چند نقطه قیمتی کلیدی را جداگانه تست کنید.
استفاده از میانگین کل محصولات
اگر کشش دسته لپتاپ را با لوازم جانبی، گارانتی و کیف ترکیب کنید، عدد نهایی برای هیچکدام کاربرد ندارد. محصول اصلی، مکمل و خدمات پس از فروش باید جدا تحلیل شوند. گاهی محصول اصلی کشسان است اما لوازم جانبی بیکششترند و سود واقعی از همانجا میآید.
تصمیم دائمی بر اساس داده کوتاهمدت
یک هفته فروش خوب بعد از تخفیف لزوماً نشانه استراتژی درست نیست. بخشی از تقاضا ممکن است از آینده جلو افتاده باشد. برای محصولاتی با خرید تکراری، اثر ۳۰، ۶۰ و ۹۰ روزه را هم بررسی کنید.
سوالات متداول
فرمول کشش قیمتی تقاضا چیست؟
فرمول اصلی، درصد تغییر مقدار تقاضا تقسیم بر درصد تغییر قیمت است. برای مقایسه دقیقتر دو دوره، از روش نقطه میانی استفاده کنید تا نتیجه به جهت محاسبه وابسته نباشد.
کشش قیمتی منفی یعنی چه؟
منفی بودن طبیعی است؛ چون معمولاً افزایش قیمت باعث کاهش تقاضا میشود. در تصمیمگیری، بیشتر قدر مطلق عدد مهم است؛ مثلاً کشش منفی ۲ یعنی حساسیت بالا به قیمت.
برای محاسبه کشش چند ماه داده لازم است؟
اگر فروش زیاد است، ۸ تا ۱۲ هفته داده میتواند شروع خوبی باشد. برای فروش کم یا محصولات فصلی، بهتر است چند ماه داده و دورههای مشابه سال قبل را بررسی کنید.
آیا کشش قیمت برای خدمات هم کاربرد دارد؟
بله. برای اشتراک نرمافزار، دوره آموزشی، مشاوره، بیمه یا خدمات زیبایی هم کاربرد دارد؛ اما باید تمدید، ریزش، ظرفیت ارائه خدمت و ارزش طول عمر مشتری را هم بسنجید.
اگر کشش بیشتر از ۱ باشد باید قیمت را کم کنیم؟
نه همیشه. اگر حاشیه سود پایین است یا کاهش قیمت به برند آسیب میزند، شاید بهتر باشد بسته اقتصادی، تخفیف محدود، باندل یا پلن ورودی طراحی کنید، نه کاهش قیمت عمومی.
چطور اثر تبلیغات را از اثر قیمت جدا کنیم؟
با ثبت بودجه و شدت کمپین در داده، مقایسه دورههای مشابه، استفاده از گروه کنترل و در صورت داشتن داده کافی، مدل رگرسیونی یا مارکتینگ میکس. بدون این کنترلها، نتیجه قطعی نیست.
آیا تحلیل قیمت رقبا لازم است؟
برای بازارهای پرمقایسه بله. اگر مشتری قبل از خرید چند سایت را میبیند، قیمت نسبی شما در برابر رقیب گاهی از قیمت مطلق مهمتر است.
جمعبندی و برنامه اقدام
تحلیل کشش قیمتی راهی برای حدس زدن قیمت جادویی نیست؛ ابزاری است برای فهمیدن واکنش تقاضا به تغییر قیمت و کاهش ریسک تصمیم. بهترین خروجی وقتی به دست میآید که داده فروش تمیز، بخشبندی مشتری، حاشیه سود و آزمایش کنترلشده را کنار هم قرار دهید.
قیمتگذاری خوب یعنی دانستن اینکه کدام مشتری، در کدام کانال، برای کدام محصول و در چه شرایطی نسبت به قیمت حساس است.
برنامه اقدام ۷ روزه
- روز اول: داده فروش ۳ تا ۶ ماه اخیر را با قیمت نهایی، تعداد، کانال و تخفیف خروجی بگیرید.
- روز دوم: روزهای بدون موجودی، کمپین سنگین و داده پرت را علامتگذاری کنید.
- روز سوم: برای ۵ محصول پرفروش، کشش را با روش نقطه میانی محاسبه کنید.
- روز چهارم: نتیجه را برای مشتری جدید و تکراری جدا کنید.
- روز پنجم: سه سناریو بسازید؛ افزایش قیمت ۵ درصد، حفظ قیمت، تخفیف محدود.
- روز ششم: اثر هر سناریو را بر درآمد، سود ناخالص و نرخ تبدیل تخمین بزنید.
- روز هفتم: یک آزمایش کمریسک روی بسته پیشنهادی، هزینه ارسال یا پلن ورودی اجرا کنید.
اگر فقط یک توصیه را اجرا میکنید، این باشد: هیچ تصمیم قیمتگذاری را فقط با میانگین فروش کل نگیرید. قیمت را در سطح محصول، کانال و بخش مشتری تحلیل کنید؛ سپس تغییر را کوچک، قابل اندازهگیری و برگشتپذیر اجرا کنید.
