پروپوزال نویسی برای دانشجویان هوش تجاری: راهنمای جامع گامبهگام
آیا در مسیر نگارش پروپوزال هوش تجاری خود نیازمند راهنمایی و مشاوره تخصصی هستید؟
پروپوزال اولین گام و نقشهراه پژوهش شماست. با مشاوره متخصصان موسسه انجام پایان نامه پرواسکیل، از انتخاب موضوع تا تدوین روش تحقیق، هر گام را با اطمینان بردارید. همین امروز با ما تماس بگیرید و آینده پژوهشی خود را تضمین کنید.
اینفوگرافیک: نقشه راه تدوین پروپوزال هوش تجاری
1. انتخاب موضوع
- ✔️ مرتبط با BI (دادهکاوی، تحلیل پیشبین)
- ✔️ نوآورانه و چالشبرانگیز
- ✔️ قابلیت اجرا
2. بیان مسئله
- ❓ خلاء موجود در دانش
- ❓ اهمیت حل مسئله
- ❓ سؤالات اصلی تحقیق
3. اهداف
- 🎯 SMART (Specific, Measurable, Achievable, Relevant, Time-bound)
- 🎯 اهداف کلی و جزئی
- 🎯 منطبق بر بیان مسئله
4. روش تحقیق
- 🛠️ نوع مطالعه، جامعه و نمونه
- 🛠️ ابزار و نحوه جمعآوری داده
- 🛠️ روش تحلیل (یادگیری ماشین، آمار)
5. منابع و زمانبندی
- 📚 منابع علمی مرتبط
- ⏰ گانت چارت پروژه
- ⏰ بودجهبندی (در صورت لزوم)
هر مرحله نیازمند دقت و بینش عمیق است. با برنامهریزی دقیق، پروپوزالی قدرتمند ارائه دهید.
مقدمه: چرا پروپوزال نویسی در هوش تجاری حیاتی است؟
در دنیای امروز که دادهها به مثابه طلای جدید شناخته میشوند، هوش تجاری (Business Intelligence – BI) نقش کلیدی در تبدیل این دادههای خام به بینشهای عملی و تصمیمات استراتژیک ایفا میکند. دانشجویان این حوزه، در مسیر تحصیل و پژوهش خود، با چالش نگارش پروپوزال مواجه میشوند. پروپوزال، در واقع، طرح اولیه و نقشهراه جامع یک پژوهش است که نه تنها ایدههای شما را ساختار میبخشد، بلکه قابلیت اجرایی و نوآوری آن را نیز به مخاطب (اساتید، کمیته داوری یا حامیان مالی) اثبات میکند. برای دانشجویان هوش تجاری، توانایی نگارش یک پروپوزال قوی به معنای نمایش درک عمیق از مسئله، تسلط بر ابزارها و روشهای تحلیل داده و چشماندازی روشن برای ارائه راهحلهای نوآورانه در دنیای کسبوکار است. این مقاله با هدف ارائه راهنمایی گامبهگام و علمی برای تدوین پروپوزالی حرفهای در این رشته تدوین شده است. اگر در این مسیر نیاز به کمک تخصصی دارید، کارشناسان موسسه انجام پایان نامه پرواسکیل آمادهاند تا شما را در تمام مراحل مشاوره و نگارش پروپوزال هوش تجاری یاری رسانند.
1. انتخاب موضوع پژوهش: سنگ بنای یک پروپوزال موفق
انتخاب موضوع مناسب، اولین و شاید مهمترین گام در نگارش پروپوزال هوش تجاری است. موضوع باید نه تنها برای شما جذاب باشد، بلکه از نظر علمی و کاربردی نیز ارزشمند تلقی شود. در حوزه هوش تجاری، موضوعات میتوانند از تحلیل دادههای مشتریان برای بهبود استراتژیهای بازاریابی گرفته تا بهینهسازی زنجیره تأمین با استفاده از مدلهای پیشبین متغیر باشند.
نکات کلیدی برای انتخاب موضوع هوش تجاری:
- ارتباط با حوزههای هوش تجاری: موضوع شما باید مستقیماً به یکی از جنبههای هوش تجاری نظیر دادهکاوی، انبار داده، داشبوردهای مدیریتی، تحلیل پیشبین، هوش مصنوعی در کسبوکار یا اتوماسیون فرآیندهای کسبوکار مرتبط باشد.
- نوآوری و اصالت: سعی کنید موضوعی را انتخاب کنید که قبلاً به طور کامل بررسی نشده باشد یا حداقل، رویکرد و جنبه جدیدی برای آن ارائه دهید. آیا میتوانید یک شکاف تحقیقاتی (Research Gap) را پر کنید؟
- قابلیت اجرایی و دسترسی به داده: مطمئن شوید که امکان دسترسی به دادههای لازم برای انجام پژوهش وجود دارد. در هوش تجاری، اغلب نیاز به دادههای واقعی از کسبوکارها یا دیتاستهای عمومی بزرگ است. این مرحله میتواند به اندازه جمع آوری دادهها در پایاننامه هوش تجاری پیچیده باشد.
- علاقه شخصی و تخصص: موضوعی را انتخاب کنید که واقعاً به آن علاقه دارید و تا حدی با دانش پیشین شما همخوانی دارد. این امر انگیزه شما را در طول فرآیند پژوهش حفظ خواهد کرد.
- مشورت با اساتید: حتماً با استاد راهنمای خود مشورت کنید. آنها میتوانند با توجه به تجربه و تخصصشان، شما را در انتخاب موضوعی مناسب و قابل دفاع یاری دهند.
مشکلات رایج و راهحلها در انتخاب موضوع:
- مشکل: موضوع بسیار گسترده یا بسیار محدود است.
راهحل: با مطالعه مقالات مروری (Review Articles) و مشورت با اساتید، دامنه موضوع را بهینه کنید. از کلمات کلیدی خاصتری استفاده کنید. - مشکل: عدم دسترسی به دادههای مورد نیاز.
راهحل: پیش از نهایی کردن موضوع، از امکان دسترسی به دیتاستهای عمومی (مانند Kaggle، UCI Machine Learning Repository) یا همکاری با شرکتها برای دسترسی به دادههای واقعی اطمینان حاصل کنید. در صورت لزوم، موضوع را به گونهای تغییر دهید که با دادههای در دسترس همخوانی داشته باشد.
2. بیان مسئله (Problem Statement): قلب پروپوزال شما
بیان مسئله، اساسیترین بخش پروپوزال است که ضرورت و اهمیت پژوهش شما را توجیه میکند. این بخش باید به وضوح نشان دهد که چه مشکلی وجود دارد، چرا حل آن اهمیت دارد و چگونه پژوهش شما به حل این مشکل کمک خواهد کرد. در حوزه هوش تجاری، بیان مسئله اغلب حول محور چالشهای سازمانی در بهرهبرداری از دادهها، ناکارآمدی در تصمیمگیریها یا فقدان بینشهای لازم برای رقابتپذیری میچرخد.
ساختار یک بیان مسئله مؤثر:
- زمینه (Context): توضیحات کلی درباره حوزه مورد نظر (مثلاً اهمیت تحلیل رفتار مشتری در صنعت خردهفروشی).
- مشکل (Problem): شناسایی دقیق خلاء یا چالش موجود (مثلاً عدم توانایی پیشبینی ریزش مشتریان در یک شرکت مخابراتی علیرغم حجم بالای داده).
- پیامدها (Implications): توضیح عواقب و پیامدهای ناشی از عدم حل مشکل (مثلاً افزایش هزینههای جذب مشتری جدید و کاهش سودآوری).
- شکاف تحقیقاتی (Research Gap): اشاره به اینکه چرا راهحلهای موجود ناکافی هستند یا چرا نیاز به یک رویکرد جدید وجود دارد. (مثلاً روشهای سنتی پاسخگو نیستند و نیاز به مدلهای یادگیری ماشین پیشرفتهتر است).
- هدف پژوهش شما: به طور خلاصه، بیان کنید که پژوهش شما چگونه قصد دارد این مشکل را حل کند.
مشکلات رایج و راهحلها در بیان مسئله:
- مشکل: بیان مسئله مبهم و غیرقابل سنجش است.
راهحل: از آمار، ارقام و مثالهای عینی برای ملموس کردن مشکل استفاده کنید. به جای “شرکتها در تصمیمگیری مشکل دارند”، بنویسید: “شرکت X در سه ماه گذشته به دلیل عدم پیشبینی دقیق تقاضا، با ۱۷٪ مازاد موجودی و ۲۲٪ کسری موجودی در محصولات کلیدی مواجه شده است.” - مشکل: عدم توجیه اهمیت پژوهش.
راهحل: به پیامدهای اقتصادی، اجتماعی، رقابتی یا عملیاتی عدم حل مشکل اشاره کنید. نشان دهید که پژوهش شما چگونه به بهبود وضعیت موجود کمک میکند.
3. پیشینه تحقیق (Literature Review): نگاهی به گذشته برای ساخت آینده
بخش پیشینه تحقیق، نشاندهنده تسلط شما بر مطالعات قبلی در حوزه مورد نظر است. در این بخش، باید تحقیقات مرتبط، نظریهها، مدلها و رویکردهای استفاده شده توسط محققان دیگر را مرور و تحلیل کنید. هدف این بخش نه تنها جمعآوری اطلاعات، بلکه شناسایی شکافهای تحقیقاتی است که پروپوزال شما قصد دارد آنها را پر کند. این مرحله اغلب در نگارش پایان نامه هوش تجاری بسیار حائز اهمیت است.
نحوه نگارش یک پیشینه تحقیق قدرتمند:
- جامعیت: مقالات، کتب، کنفرانسها و گزارشهای علمی معتبر و جدید را در حوزه هوش تجاری مطالعه کنید.
- تحلیل و نقد: صرفاً به خلاصه کردن اکتفا نکنید. نقاط قوت و ضعف هر مطالعه را نقد کنید و نشان دهید که چگونه پژوهش شما از تجربیات قبلی بهره میبرد یا محدودیتهای آنها را رفع میکند.
- سازماندهی منطقی: مطالب را به صورت موضوعی یا زمانی سازماندهی کنید. میتوانید از زیرعنوانها برای دستهبندی موضوعات مرتبط استفاده کنید.
- ارجاعدهی صحیح: از یک سبک ارجاعدهی استاندارد (مانند APA، IEEE) استفاده کنید.
مشکلات رایج و راهحلها در پیشینه تحقیق:
- مشکل: صرفاً فهرست کردن مقالات بدون تحلیل.
راهحل: برای هر مقاله، خلاصهای از هدف، روش، یافتهها و محدودیتها را بنویسید، سپس آن را با سایر مقالات مقایسه کنید و ارتباط آن را با موضوع خود روشن سازید. - مشکل: عدم شناسایی شکاف تحقیقاتی.
راهحل: پس از مرور هر بخش، سوالاتی مانند “چه چیزی هنوز مورد بررسی قرار نگرفته است؟” یا “چه محدودیتهایی در روشهای قبلی وجود داشته است؟” را از خود بپرسید. این سوالات شما را به سمت شناسایی شکاف هدایت میکنند.
4. اهداف (Objectives) و سوالات (Questions) تحقیق
اهداف تحقیق، نتایج مشخصی هستند که قصد دارید از طریق پژوهش خود به آنها دست یابید. سوالات تحقیق نیز همان پرسشهایی هستند که با انجام پژوهش به آنها پاسخ داده خواهد شد. این دو بخش باید به طور مستقیم از بیان مسئله نشأت گرفته و با یکدیگر همسو باشند.
ویژگیهای اهداف SMART:
- Specific (مشخص): دقیقاً چه چیزی قرار است انجام شود؟
- Measurable (قابل اندازهگیری): چگونه میتوان به پیشرفت و تکمیل هدف پی برد؟ (مثلاً افزایش دقت مدل پیشبینی به ۹۰%)
- Achievable (قابل دستیابی): آیا با منابع و زمان موجود، دستیابی به آن واقعبینانه است؟
- Relevant (مرتبط): آیا هدف با مشکل اصلی پژوهش و حوزه هوش تجاری مرتبط است؟
- Time-bound (زمانبندیشده): چه زمانی قرار است به هدف دست یابیم؟
انواع اهداف و سوالات:
- هدف کلی: بیانی جامع از آنچه پژوهش در نهایت به دنبال آن است.
- اهداف جزئی: گامهای مشخص و قابل اندازهگیری برای دستیابی به هدف کلی. هر هدف جزئی معمولاً به یک سوال تحقیق پاسخ میدهد.
- سوال اصلی: سوالی که کل پژوهش حول محور آن میچرخد.
- سوالات فرعی: سوالات جزئیتری که با پاسخ به آنها، به سوال اصلی پاسخ داده میشود.
مشکلات رایج و راهحلها در تعیین اهداف:
- مشکل: اهداف غیرقابل اندازهگیری هستند (مثلاً “درک بهتر”).
راهحل: از افعال عملی و قابل سنجش استفاده کنید: “مدلسازی”، “ارزیابی”، “توسعه”، “شناسایی”. - مشکل: عدم همخوانی بین اهداف، سوالات و بیان مسئله.
راهحل: اطمینان حاصل کنید که هر هدف و سوال تحقیق مستقیماً به بخشی از بیان مسئله پاسخ میدهد. این سه جزء باید یک زنجیره منطقی را تشکیل دهند.
5. روش تحقیق (Methodology): چگونگی انجام پژوهش
بخش روش تحقیق، جزئیات گامبهگام نحوه انجام پژوهش شما را توضیح میدهد. در حوزه هوش تجاری، این بخش شامل انتخاب الگوریتمها، ابزارهای نرمافزاری، روشهای جمعآوری و پیشپردازش داده و معیارهای ارزیابی مدل خواهد بود. تحلیل دادهها در پروپوزال هوش تجاری بسیار تخصصی است.
اجزای اصلی بخش روش تحقیق در BI:
- نوع مطالعه: توصیفی، تحلیلی، توسعهای، ترکیبی.
- جامعه و نمونه آماری: اگر پژوهش شما با افراد یا شرکتها سر و کار دارد، جامعه آماری را تعریف و نحوه انتخاب نمونه را توضیح دهید. (مثلاً همه مشتریان یک بانک، نمونه تصادفی از ۱۰۰۰ مشتری).
- روش و ابزار جمعآوری داده:
- دادههای ثانویه: دیتابیسهای سازمانی، دیتاستهای عمومی، گزارشهای تحقیقاتی.
- دادههای اولیه (کمتر در BI): پرسشنامه، مصاحبه.
- ابزارها: SQL، Python (با کتابخانههایی مانند Pandas, NumPy, Scikit-learn)، R، ابزارهای ETL مانند SSIS، Tableau، Power BI.
- روشهای پیشپردازش داده: مراحل پاکسازی، یکپارچهسازی، تبدیل و کاهش ابعاد داده. (مثلاً حذف مقادیر گمشده، نرمالسازی دادهها).
- روشهای تحلیل داده:
- دادهکاوی: الگوریتمهای طبقهبندی (Classification)، خوشهبندی (Clustering)، رگرسیون (Regression)، قوانین انجمنی (Association Rules).
- یادگیری ماشین: شبکههای عصبی، درخت تصمیم، ماشینهای بردار پشتیبان (SVM)، یادگیری عمیق (Deep Learning).
- تحلیل آماری: رگرسیون خطی، تحلیل واریانس (ANOVA).
- ابزارهای نرمافزاری: پایتون (Jupyter Notebooks, Spyder)، RStudio، MATLAB، Weka، RapidMiner، SAS، SPSS.
- معیارهای ارزیابی: چگونه عملکرد مدل یا راهکار پیشنهادی را ارزیابی خواهید کرد؟ (مثلاً Accuracy, Precision, Recall, F1-score, RMSE, Silhouette Score).
جدول: مثالهایی از روشهای تحلیل داده در هوش تجاری
| بخش روش تحقیق | مثال کاربردی در هوش تجاری |
|---|---|
| جمعآوری داده | استخراج دادههای فروش و مشتری از CRM شرکت با SQL |
| پیشپردازش داده | حذف ردیفهای دارای مقادیر گمشده در پایتون، نرمالسازی ستون درآمد |
| روش تحلیل (دادهکاوی) | اجرای الگوریتم خوشهبندی K-means برای تقسیمبندی مشتریان |
| روش تحلیل (یادگیری ماشین) | توسعه مدل رگرسیون لجستیک برای پیشبینی ریزش مشتریان |
| ابزارهای نرمافزاری | استفاده از کتابخانه Scikit-learn در پایتون، ایجاد داشبورد با Power BI |
| معیارهای ارزیابی | محاسبه دقت (Accuracy) مدل، ارزیابی ROC Curve |
مشکلات رایج و راهحلها در روش تحقیق:
- مشکل: عدم توضیح کافی درباره انتخاب روشها و ابزارها.
راهحل: برای هر انتخاب (مثلاً چرا K-means و نه DBSCAN)، توجیه علمی و منطقی ارائه دهید. به محدودیتها و مزایای هر روش اشاره کنید. - مشکل: عدم وضوح در مراحل اجرایی.
راهحل: فرآیند را به صورت گامبهگام و با جزئیات کافی شرح دهید. میتوانید از فلوچارت (که البته در متن نمیتوانم ارائه دهم) برای نمایش بصری مراحل استفاده کنید.
6. جنبههای نوآوری و کاربردی (Innovation & Practical Implications)
این بخش به کمیته داوری نشان میدهد که پژوهش شما چه سهم جدیدی در دانش موجود خواهد داشت و چگونه میتواند در دنیای واقعی کسبوکارها مورد استفاده قرار گیرد.
توضیح جنبههای نوآورانه:
- مدل یا الگوریتم جدید: آیا قصد دارید مدل یا الگوریتمی را توسعه دهید که قبلاً وجود نداشته یا بهبود یافته است؟
- کاربرد در حوزه جدید: آیا میخواهید یک روش موجود را در یک صنعت یا حوزه خاصی از هوش تجاری که کمتر به آن پرداخته شده، به کار ببرید؟
- ترکیب روشها: آیا از ترکیب نوآورانه چند روش موجود استفاده میکنید که نتایج بهتری نسبت به روشهای تکین میدهد؟
جنبههای کاربردی:
- تصمیمگیری بهتر: چگونه نتایج تحقیق شما به مدیران کمک میکند تا تصمیمات آگاهانهتری بگیرند؟
- افزایش کارایی: آیا منجر به بهبود فرآیندها، کاهش هزینهها یا افزایش بهرهوری میشود؟
- مزیت رقابتی: چگونه به شرکتها کمک میکند تا در بازار رقابتی مزیت کسب کنند؟
7. برنامهریزی زمانبندی (Timeline) و منابع (Resources)
این بخش به کمیته نشان میدهد که شما برنامهریزی واقعبینانهای برای انجام پژوهش دارید.
زمانبندی (گانت چارت):
پروژه خود را به مراحل کوچکتر تقسیم کنید و برای هر مرحله یک بازه زمانی اختصاص دهید. میتوانید از یک گانت چارت ساده (که در اینجا به صورت متنی شرح داده میشود) استفاده کنید:
- ماه اول: انتخاب موضوع نهایی و نگارش بیان مسئله، پیشینه اولیه
- ماه دوم: تکمیل پیشینه تحقیق، تعیین اهداف و سوالات
- ماه سوم: طراحی روش تحقیق، شناسایی منابع داده
- ماه چهارم و پنجم: جمعآوری و پیشپردازش داده
- ماه ششم و هفتم: اجرای مدلها و تحلیل نتایج
- ماه هشتم: نگارش پایاننامه و ارائه نتایج
برای اطمینان از زمانبندی دقیق و مدیریت بهینه پروژه، میتوانید از خدمات مدیریت پروژه پایاننامه در موسسه پرواسکیل بهرهمند شوید.
منابع مورد نیاز:
- منابع انسانی: مشاوران، کارشناسان.
- منابع نرمافزاری: پایتون، R، ابزارهای BI (Tableau, Power BI)، پایگاه داده.
- منابع سختافزاری: کامپیوتر با توان پردازشی بالا، فضای ذخیرهسازی.
- منابع مالی: هزینههای احتمالی برای دسترسی به دادههای خاص یا نرمافزارهای غیررایگان.
8. منابع (References): اعتبار علمی پژوهش شما
فهرست منابع شامل تمامی کتب، مقالات، گزارشها و وبسایتهایی است که در نگارش پروپوزال خود از آنها استفاده کردهاید. این بخش نشاندهنده دقت و احترام شما به حقوق فکری دیگران است و به خواننده اجازه میدهد تا در صورت نیاز به منابع اصلی مراجعه کند.
نکات مهم در بخش منابع:
- استانداردسازی: از یک سبک ارجاعدهی واحد (مانند APA، IEEE، Chicago) در سراسر پروپوزال و در بخش منابع استفاده کنید.
- بهروز بودن: به خصوص در حوزه هوش تجاری که به سرعت در حال تغییر است، از منابع جدید و بهروز استفاده کنید (ترجیحاً مربوط به ۵ تا ۱۰ سال اخیر).
- دقت: تمام جزئیات مربوط به منبع (نام نویسندگان، سال انتشار، عنوان، نام نشریه، شماره و صفحات) را با دقت وارد کنید.
نتیجهگیری: گامی محکم در مسیر پژوهش
نگارش پروپوزال برای دانشجویان هوش تجاری، فراتر از یک تکلیف دانشگاهی، تمرینی است برای تفکر ساختاریافته، حل مسئله و برنامهریزی دقیق. یک پروپوزال قوی نه تنها زمینه را برای یک پایاننامه موفق فراهم میکند، بلکه میتواند دریچهای به سوی فرصتهای پژوهشی و شغلی آینده باشد. با رعایت اصول و نکاتی که در این مقاله به آنها اشاره شد، میتوانید پروپوزالی تهیه کنید که نه تنها از نظر علمی معتبر است، بلکه پتانسیل بالای شما را در عرصه هوش تجاری به نمایش میگذارد. به یاد داشته باشید که موفقیت در این مسیر، نیازمند پشتکار، دقت و در صورت لزوم، بهرهگیری از مشاورههای تخصصی است.
آیا برای تدوین پروپوزال هوش تجاری خود به کمک تخصصی نیاز دارید؟
متخصصان و مشاوران با تجربه در موسسه انجام پایان نامه پرواسکیل، آمادهاند تا شما را در هر مرحله از نگارش پروپوزال، از انتخاب موضوع تا تدوین روش تحقیق و تحلیل داده، یاری رسانند. با اطمینان، بهترین آغاز را برای پروژه پژوهشی خود رقم بزنید.
/* Global styles for better readability and responsiveness */
body {
font-family: ‘Vazirmatn’, sans-serif; /* Fallback for Vazirmatn if not loaded */
margin: 0;
padding: 0;
background-color: #fff; /* Light background for general content */
color: #333333;
line-height: 1.8;
direction: rtl; /* Right-to-left for Persian text */
text-align: right;
}
/* Vazirmatn Font Import (ensure this is included in your actual website CSS or HTML head) */
/*
@font-face {
font-family: ‘Vazirmatn’;
src: url(‘path/to/Vazirmatn-Regular.woff2’) format(‘woff2’);
font-weight: 400;
font-style: normal;
font-display: swap;
}
@font-face {
font-family: ‘Vazirmatn’;
src: url(‘path/to/Vazirmatn-Bold.woff2’) format(‘woff2’);
font-weight: 700;
font-style: normal;
font-display: swap;
}
*/
p {
margin-bottom: 1.2em;
font-size: 1.05em;
}
ul {
margin-bottom: 1.2em;
list-style-position: inside; /* Ensures bullets align correctly with RTL text */
}
li {
margin-bottom: 0.8em;
}
a {
text-decoration: none;
color: #FF6B6B; /* Tertiary accent for links */
transition: color 0.3s ease;
}
a:hover {
color: #1A535C; /* Darker hover effect */
text-decoration: underline;
}
/* Responsive adjustments */
@media (max-width: 768px) {
h1 span {
font-size: 2em !important;
}
h2 span {
font-size: 1.5em !important;
}
h3 span {
font-size: 1.1em !important;
}
p {
font-size: 0.95em;
}
.cta-box {
padding: 20px;
}
.cta-box a {
padding: 12px 25px;
font-size: 1em;
}
.infographic-item {
flex: 1 1 100% !important; /* Stack infographic items on small screens */
min-width: unset !important;
}
table, thead, tbody, th, td, tr {
display: block;
}
thead tr {
position: absolute;
top: -9999px;
left: -9999px;
}
tr { border: 1px solid #E0E0E0; margin-bottom: 15px; border-radius: 8px; overflow: hidden; }
td {
border: none;
position: relative;
padding-left: 50%;
text-align: right;
}
td:before {
position: absolute;
right: 6px;
width: 45%;
padding-right: 10px;
white-space: nowrap;
font-weight: bold;
color: #1A535C;
}
td:nth-of-type(1):before { content: “بخش:”; }
td:nth-of-type(2):before { content: “مثال:”; }
}
@media (max-width: 480px) {
h1 span {
font-size: 1.8em !important;
}
h2 span {
font-size: 1.3em !important;
}
h3 span {
font-size: 1em !important;
}
.cta-box p {
font-size: 1em;
}
}
