نمایش HN: Hacker Smacker – نظر دهندگان عالی (و وحشتناک) HN را در یک نگاه ببینید

فراتر از رأی مثبت: چه سیستم های اعتبار آنلاین به کسب و کارها در مورد کیفیت سیگنال انسانی آموزش می دهند

در تابستان 2023، یک سری موضوعات ویروسی در هکر نیوز مشکلی را آشکار کرد که هر کسی که زمان خود را در جوامع فنی آنلاین گذرانده است از نزدیک می داند: همه صداها وزن یکسانی ندارند، و ابزارهای فعلی که ما برای تشخیص سیگنال از نویز استفاده می کنیم به طرز شرم آور ابتدایی هستند. یک عدد کارمای واحد، یک نشان سن حساب، یک تعداد نظرات - این ابزارهای صریح واقعیت بسیار ظریف تری را در مورد اینکه چه کسی واقعاً ارزش گوش دادن دارد را پنهان می کند. پیدایش ابزارهایی که برای امتیاز دادن به نظر دهندگان در یک نگاه طراحی شده اند، فقط یک تازگی مدیریت جامعه نیست. این زنگ خطری برای یکی از مهم‌ترین چالش‌هایی است که سازمان‌های مدرن با آن مواجه هستند: چگونه می‌توانید به طور سیستماتیک افرادی را که ورودی‌شان واقعاً سوزن را حرکت می‌دهد، در مقابل افرادی که در مقیاس تولید سر و صدا می‌کنند، شناسایی کنید؟

این سوال بسیار فراتر از انجمن های اینترنتی اهمیت دارد. این در قلب برنامه های بازخورد مشتری، بررسی عملکرد کارکنان، مدیریت خط لوله فروش و فرهنگ ارتباط تیم قرار دارد. کسب‌وکارهایی که متوجه می‌شوند چگونه سیگنال‌های انسانی با کیفیت را نشان می‌دهند - و بقیه را فیلتر می‌کنند - مزیت‌هایی را نسبت به آن‌هایی که هنوز در ورودی‌های متفاوت غرق می‌شوند، ترکیب می‌کنند.

هزینه پنهان ورودی تمایز نیافته

بیشتر سازمانها به طور چشمگیری میزان هزینه سر و صدا را دست کم می گیرند. تیم پشتیبانی مشتری که به هر شکایتی با فوریت یکسان رسیدگی می‌کند، منابعی را می‌سوزاند که به شاکیان مزمن کم‌ارزش پاسخ می‌دهند در حالی که مشتریان واقعاً مضطرب با ارزش بالا در صف منتظر می‌مانند. تیم محصولی که تمام درخواست‌های ویژگی را می‌سنجید، در نهایت برای بلندترین صداها ساخته می‌شود تا نماینده‌ترین یا از نظر استراتژیک مهم‌ترین صداها. یک سازمان فروش که هر سرنخ ورودی را به همان اندازه شایسته پیگیری می‌داند، بهترین نمایندگانش بعدازظهرها را به دنبال بن‌بست می‌گذرانند.

تحقیقات مشاوره‌های تجربه مشتری به طور مداوم نشان می‌دهد که 20 درصد از مشتریان برتر از نظر ارزش طول عمر درآمد نامتناسبی ایجاد می‌کنند - در بسیاری از کسب‌وکارهای B2B SaaS، این رقم به‌طور چشمگیری به سمت یک هسته متمرکز منحرف می‌شود. اما اکثر استقرارهای CRM این طبقه بندی را در زمان واقعی نشان نمی دهند، در لحظه ای که یک نماینده تصمیم می گیرد چگونه صبح خود را اولویت بندی کند. داده وجود دارد. سیگنال مدفون است.

مشکل امتیازدهی نظر دهندگان Hacker News از نظر ساختاری یکسان است. جامعه روزانه هزاران نظر تولید می کند. اکثرا خوبن یک زیرمجموعه معنادار استثنایی هستند - از نظر فنی دقیق، از نظر فکری صادقانه، نقاط را در دامنه‌ها به روش‌هایی به هم متصل می‌کنند که بینش واقعی ایجاد می‌کند. و یک کسری قابل اندازه گیری به طور فعال مخرب هستند: بد ایمانی، با اطمینان اشتباه، یا به سادگی بلند. چالش این است که بدون یک لایه امتیازدهی در بالای معیارهای فعالیت خام، یک خواننده معمولی نمی تواند در یک نگاه تشخیص دهد کدام کدام است.

مشارکت با کیفیت بالا در واقع چگونه به نظر می رسد

هنگامی که محققان و مدیران جامعه آنچه را که مشارکت‌کنندگان ارزشمند را از مولدهای نویز جدا می‌کند مطالعه می‌کنند - چه در انجمن‌های فنی، کانال‌های Slack داخلی، جوامع مشتری، یا چرخه‌های بررسی کارمندان - الگوهای خاصی با ثبات قابل‌توجهی ظاهر می‌شوند. مشارکت کنندگان با کیفیت بالا تمایل دارند که ویژگی را بر کلیت نشان دهند و پیچیدگی را به جای اینکه آن را صاف کنند، تصدیق می کنند. آنها با ارائه شواهد جدید، موضع خود را به روز می کنند. آنها به جای عقب نشینی به انتزاع، مثال های عینی را ذکر می کنند. و آن‌ها چیزی را که روان‌شناسان «عدم قطعیت کالیبره‌شده» می‌نامند را نشان می‌دهند - آنها چیزهایی را می‌دانند که نمی‌دانند.

این را با الگوهایی که مشخصه مشارکت با کیفیت پایین هستند مقایسه کنید: ادعاهای مطمئن بدون شواهد پشتیبان، ضدگرایی انعکاسی، ناتوانی در تمایز بین سطوح مختلف اطمینان، و تمایل به تولید گرما به جای نور در هر بحثی. این الگوها چه در حال خواندن یک رشته اخبار هکر، مرور دسته‌ای از بازخوردهای کارکنان 360 یا مرتب‌سازی پاسخ‌های نظرسنجی NPS مشتری باشید، قابل تشخیص هستند.

"با ارزش‌ترین سیگنال در هر سیستم بزرگ ورودی انسانی، میانگین نیست - این توانایی تشخیص اینکه کدام ورودی‌ها به طور سیستماتیک ارزش وزن‌دهی بیشتری دارند، و انجام این شناسایی با سرعت گردش کار، نه به عنوان یک تحلیل گذشته‌نگر است."

ابزارهایی که در جوامع آنلاین به‌منظور امتیازدهی به مشارکت‌کنندگان در یک نگاه پدیدار می‌شوند - الگوهای ردیابی مانند نسبت سازنده به بحرانی، ثبات موضوع، دقت پاسخ در طول زمان، و عمق تأیید همتایان - اساساً چیزی را ایجاد می‌کنند که محققان رفتار سازمانی آن را «شاخص‌های کیفیت مشارکت» می‌نامند. اینها از نظر آکادمیک مفاهیم جدیدی نیستند. چیزی که جدید است زیرساخت ابزاری است که آنها را از نظر عملیاتی مفید می کند.

ترجمه منطق شهرت جامعه به عملیات تجاری

مکانیک سیستم امتیازدهی نظرات به‌طور شگفت‌انگیزی مستقیماً به زمینه‌های تجاری ترجمه می‌شود، هنگامی که جزئیات سطح ویژه انجمن را حذف می‌کنید. اجزای اصلی را در نظر بگیرید که چنین سیستمی را مفید می کند:

• تشخیص الگوی تاریخی: آیا سوابق این مشارکت‌کننده نشان می‌دهد که ورودی فعلی او ارزش اولویت‌بندی دارد؟
• ویژگی دامنه: آیا آن‌ها در حوزه‌هایی که تخصصشان تثبیت شده است اظهار نظر می‌کنند یا در محدوده‌ای هستند که کیفیت سیگنال‌شان از لحاظ تاریخی کاهش می‌یابد؟
• نسبت کیفیت تعامل: چه نسبتی از مشارکت‌های آن‌ها باعث ایجاد بحث در پایین دست در مقابل بن‌بست می‌شود؟
• ثبات تحت بررسی: آیا موقعیت آنها در هنگام به چالش کشیدن پابرجا می ماند یا بلافاصله سقوط می کند؟
• تأیید شبکه: چه کسی - که ما به نظرات آنها اعتماد داریم - مشارکت آنها را ارزشمند می داند؟

اکنون «نظردهنده» را با «احتیاط فروش»، «ارائه‌دهنده بازخورد کارمند»، «ارائه‌کننده بلیت پشتیبانی مشتری» یا «مخاطب ارتباط با فروشنده» جایگزین کنید. هر یک از این ابعاد دارای یک آنالوگ عملیاتی مستقیم است. مشتری بالقوه فروش با سابقه درگیر شدن با محتوای فنی، درخواست دمو برای محصولاتی که دقیقاً با نقش آنها مطابقت دارند، و ارجاع سایر مشتریان واجد شرایط، بسیار متفاوت از کسی است که دو سال پیش یک مقاله سفید دانلود کرده و از آن زمان تاکنون درگیر نشده است. امتیاز باید منعکس کننده این تفاوت باشد - و باید در لحظه ای که نماینده تصمیم می گیرد تلفن را بردارد ظاهر شود.

معماری فیلتر کردن سیگنال هوشمند در پشته فناوری شما

ایجاد جریان‌های کاری آگاه از شهرت در عملیات تجاری مستلزم اتصال داده‌هایی است که معمولاً در سیلوها زندگی می‌کنند. تاریخچه تعامل با مشتری در CRM زندگی می کند. پشتیبانی از الگوهای بلیط به صورت زنده در پلتفرم های میز پشتیبانی. رفتار خرید در سیستم های صورتحساب زندگی می کند. کیفیت مشارکت کارکنان - کسانی که ایده‌هایی را ایجاد می‌کنند که بر اساس آنها عمل می‌شود، بازخورد آنها در بررسی‌ها دقیق است، برآوردهای پروژه آنها به طور قابل اعتماد کالیبره شده است - اغلب به هیچ وجه به‌طور سیستماتیک ثبت نمی‌شود.

این جایی است که سیستم‌های عامل تجاری یکپارچه مزایای ساختاری نسبت به راه‌حل‌های نقطه‌ای ایجاد می‌کنند. هنگامی که CRM شما یک لایه داده را با ماژول پشتیبانی مشتری، سابقه صورتحساب و گزارش های ارتباطی شما به اشتراک می گذارد، سیستم می تواند شروع به ایجاد معادل شاخص کیفیت مشارکت برای هر رابطه با ذینفعان کند. مشتری که منبع قابل اعتمادی از گزارش‌های اشکال بوده که به ویژگی‌های ارسال شده تبدیل شده است، مشتریان دیگر را ارجاع می‌دهد و صورت‌حساب‌ها را به موقع پرداخت می‌کند، با مشتری‌ای که حجم پشتیبانی بالایی ایجاد می‌کند، استثنائات دائمی درخواست می‌کند و سابقه پرداخت‌های با تاخیر داشته است - حتی اگر هر دو دارای ارزش قرارداد یکسان باشند، متفاوت است.

پلتفرم‌هایی مانند Mewayz که ماژول‌های CRM، صورت‌حساب، منابع انسانی، تجزیه و تحلیل، و ماژول‌های تعامل با مشتری را در یک معماری داده یکپارچه ادغام می‌کنند، این نوع امتیازدهی چند بعدی شهرت را از نظر عملیاتی قابل اجرا می‌کنند. هنگامی که داده‌های خط لوله فروش شما با سابقه پشتیبانی و سوابق مالی شما صحبت می‌کند، می‌توانید نوع نمرات سلامت مشتری چند سیگنالی را که برای ساخت و نگهداری نیاز به تیم‌های مهندسی داده اختصاصی داشت، نشان دهید. 138000 کسب و کار که در سطح جهان از Mewayz استفاده می کنند، به طور موثر بر روی یک لایه عملیاتی واحد اجرا می شوند که در آن این سیگنال ها به جای نشستن در سیستم های جداگانه ای که هرگز ارتباط برقرار نمی کنند، ترکیب می شوند.

مشکل بازخورد کارکنان: اعمال تفکر کیفیت سیگنال در داخل

مشکل ورودی تمایز نیافته در هیچ کجا به اندازه سیستم های بازخورد داخلی کارکنان پیامد - یا از نظر سیاسی بیشتر نیست. اکثر فرآیندهای بازبینی 360 همه بازخوردها را به یک اندازه معتبر ارزیابی می‌کنند که باعث ایجاد تحریف‌های سیستماتیک می‌شود. افرادی که محبوب هستند، نظرات مثبتی را ایجاد می کنند. افرادی که تصمیمات بد را به چالش می کشند، نه به این دلیل که کارشان ضعیف است، بلکه به این دلیل که صداقت آنها ناراحت کننده است، امتیازات کمتری کسب می کنند. افراد با عملکرد بالا که درون گرا هستند و به ندرت در اقتصاد اجتماعی قابل مشاهده دفتر شرکت می کنند، در برابر برون گراهایی که نسبت خروجی به دید کمتر است، دست کم گرفته می شوند.

بینش امتیازدهی نظردهنده اعمال شده در اینجا درباره ایجاد یک سیستم اعتبار اجتماعی دیستوپیایی برای کارمندان نیست. این در مورد تشخیص این است که کیفیت بازخورد خود قابل ارزیابی است. آیا این بازبین به طور مداوم بین ترجیحات شخصی خود و مشاهدات عینی عملکرد تمایز قائل می شود؟ آیا رتبه بندی آنها از دیگران کالیبراسیون را نشان می دهد - آیا آنها بین سطوح عملکردی تفاوت قائل می شوند یا تقریباً همه را یکسان ارزیابی می کنند؟ آیا نظرات مکتوب آنها شامل مثال های رفتاری یا کلیاتی است؟

پلتفرم‌های منابع انسانی که داده‌های بازخورد ساختاریافته را در طی چرخه‌های بررسی متعدد جمع‌آوری می‌کنند، می‌توانند این الگوها را آشکار کنند. مدیری که رتبه‌بندی‌های عملکردش اعتبار پیش‌بینی قابل‌توجهی را نشان می‌دهد - که گزارش‌های مستقیم با رتبه بالا به طور مداوم عملکرد بهتری دارند - باید در بحث‌های برنامه‌ریزی جانشینی وزن بیشتری نسبت به مدیری داشته باشد که رتبه‌بندی‌هایش اصلاً سیگنال پیش‌بینی نشان نمی‌دهد. این امتیاز کیفیت مشارکتی است که در خود سیستم بازخورد اعمال می‌شود و یکی از مرزهای ناشناخته‌تر در تجزیه و تحلیل افراد است.

اجتناب از سمت تاریک: هنگامی که سیستم های شهرت مزیت را کلسیفیک می کنند

هر تحلیل صادقانه سیستم های امتیازدهی شهرت باید با حالت های شکست آنها دست و پنجه نرم کند. کارما هکر نیوز، علیرغم پیچیدگی نسبی آن در میان سیستم‌های جامعه اینترنتی، نمونه‌ای مستند از مکانیزم شهرت است که در طول زمان تمایل دارد تا صداهای تثبیت شده را نسبت به تازه واردان، خودی‌ها نسبت به افراد خارجی، و سبک‌های ارتباطی خاصی را نسبت به دیگران که ممکن است به همان اندازه ارزشمند باشند اما کمتر قابل تشخیص برای تطابق الگوی جامعه موجود هستند، برتری دهد. کارمای بالا خود را تقویت می کند: نظرات شما بیشتر دیده می شود، به این معنی که آنها بیشتر مورد تایید قرار می گیرند، که کارما بیشتری ایجاد می کند، به این معنی که نظرات شما بیشتر دیده می شود.

سیستم های شهرت تجاری با خطرات یکسانی روبرو هستند. اگر مدل امتیازدهی سرنخ شما بر اساس داده‌های تبدیل تاریخی آموزش دیده بود، و تیم فروش تاریخی شما در مورد اینکه کدام چشم‌انداز را دنبال می‌کردند، تعصبات سیستماتیک داشتند، مدل شما صادقانه این سوگیری‌ها را بازتولید و تقویت خواهد کرد. اگر سیستم بازخورد داخلی شما با عنوان "بازبینی کننده با کیفیت بالا" با دوره تصدی و دید سازمانی مرتبط باشد، کارمندان جدیدتر با دیدگاه های تازه به طور سیستماتیک وزن کمتری را بدون توجه به کیفیت واقعی مشاهدات خود خواهند داشت.

راهکار این نیست که فیلتر سیگنال آگاه از شهرت را کنار بگذاریم - جایگزین تلقی همه ورودی‌ها به‌عنوان یکسان معتبر، نتایج بدتری ایجاد می‌کند. راه حل این است که مکانیسم‌های حسابرسی صریح را در هر سیستم امتیازدهی ایجاد کنید، و به طور منظم آزمایش کنید که آیا نمرات واقعاً پیش‌بینی‌کننده نتایجی هستند که شما به آن‌ها اهمیت می‌دهید یا صرفاً پیش‌بینی‌کننده‌های پراکسی‌های سطحی هستند. سیستم‌های امتیازدهی خوب نسبت به محدودیت‌های خود متواضع هستند و به روش‌های ساختاری برای کشف و تصحیح تعصبات خود در طول زمان ساخته می‌شوند.

ساخت سازمان آگاه به شهرت

مسیر عملی رو به جلو برای بیشتر سازمان‌ها یک پروژه معماری بزرگ نیست، بلکه مجموعه‌ای از مراحل افزایشی است که شروع به اتصال تفکر کیفیت سیگنال به جریان‌های کاری موجود می‌کند. چند نقطه شروع که به طور مداوم بازدهی اولیه ایجاد می کنند:

1. جریان‌های ورودی با بالاترین اولویت خود را برای سر و صدای تمایزناپذیر حسابرسی کنید - بلیط‌های پشتیبانی، ورودی‌های خط لوله فروش، پاسخ‌های نظرسنجی کارمندان - و تشخیص دهید چه ابرداده‌هایی در حال حاضر وجود دارند که می‌توانند به عنوان سیگنال‌های کیفیت پروکسی عمل کنند.
2. پیگیری نتایج مشارکت را شروع کنید به‌جای صرف حجم مشارکت: درخواست‌های ویژگی‌های مشتریان ارسال می‌شود، بازخورد کارکنان در نگاه به گذشته دقیق است، کدام نیازهای اعلام شده مشتریان احتمالی فروش با رفتار خرید نهایی هماهنگ است.
3. مشاهده امتیاز را در لحظه تصمیم گیری ایجاد کنید، نه به عنوان یک گزارش گذشته نگر. نماینده ای که در ساعت 9 صبح در مورد اولویت بندی تماس تصمیم می گیرد، به سیگنال نیاز دارد، نه در بررسی سه ماهه.
4. حلقه‌های بازخورد ایجاد کنید تا سیستم امتیازدهی بتواند از اشتباهات خود درس بگیرد - مواردی که نمرات بالا نتایج کم ارزش را پیش‌بینی می‌کنند و بالعکس.
5. مالکیت کیفیت امتیاز را به یک عملکرد خاص اختصاص دهید، خواه این عملیات درآمد، تجزیه و تحلیل افراد، یا یک تیم داده اختصاصی باشد، تا سیستم کلسیفیه نشود.