-
文本分析
员工体验可衡量吗？
体验可衡量吗？如果可以，那么怎么衡量？我将尝试权衡所有可用的方法和技术可能性来回答这个问题。我们将体验概念分为员工、用户和客户，它们本质上是一样的。那么我们要衡量的体验是什么？它是什么样子的？
首先，我们需要定义“体验”。体验是一组时刻。“矩”是相互作用的最小单位。作为体验的主体，个体是一个社会存在，在任何情况下，即使是独自一人，这一时刻也是社会的——它被赋予了社会行动。时刻包括个人与他人的互动（身体的、精神的）以及这种互动本身唤起的情感。当下是意义生成的过程和建构。
最近的一份报告给出了与员工体验相当的实际情况：“当员工思考员工体验时，他们并没有想到公司范围内的计划、津贴或福利。他们也没有考虑自己在员工生命周期或旅程中的位置。员工们正在思考他们的个人经历，这是他们在一个组织中进行的数千次互动的集合，无论是积极的还是消极的。包括：他们进行的每一次对话、阅读的电子邮件、看到的海报、已收到（或未收到）赞赏；领导人如何对待他们；如何容易或困难地获得资源、答案和信息等。员工所经历的不是一年一两次的人力资源计划，而是他们每一个工作日所遇到的所有微观体验。92%的员工将员工经历描述为“每天”的经历。
从行为科学到体验科学
在我的上一篇文章中，对此定义的评论强调了体验的主观特征。它是主观性这一事实使我想到了一个问题：“如何对其进行衡量？或如何设计？”。“我认为您对体验的定义阐明了设计一种最终是主观的体验可能有多困难，该体验可能基于过去的体验而取决于不同的期望，而且还涉及对象可能处于特定互动状态的情感状态。 ” 亨利克·古斯塔夫森指出。
然而，主观性并不使研究过程不可分割。此外，现有的数字技术已准备好与许多工具一起使用，以缓解那些害怕主观性的人。但是，在我介绍这些工具之前，我想谈一谈对主观性的恐惧如何驱动社会科学方法论的发展。为什么我们害怕（已知）会带来不确定性：如果不确定，我无法衡量并且无法控制。不幸的是，我们对恐惧的共同反应是“无视或逃跑”。人类心理的这种反应还以我们的社会存在、我们的组织方式（例如组织结构）和我们所有的组织活动（例如科学知识的产生）为特征。这就是为什么社会科学长期以来一直受到对主体性的恐惧的引导。“社会行动”作为不可衡量的单元被“行为”所取代，而行为科学主导了社会科学领域。
另一方面，将“社会行动”置于社会现实中心的方法论一直保留在社会科学中。这种方法学传统从一开始就没有对主观性的恐惧。马克斯·韦伯的社会学的定义是基于这样的假设：“社会学是关于本身就是一个科学的解释理解的社会行动，并因此具有因果性解释其过程和结果的”。
主观性并不意味着偏见或任意性。当然，在社会科学中接受主观性的方法学传统具有产生科学知识的标准，并明确定义了可以避免偏见的过程。
尽管体验的概念在组织界获得了新的流行（Josh Bersin表示，它在2017年提出了AirBnB），但体验研究并不新鲜，社会科学有方法论的积累和探索体验的传统。我们只需要依靠正确的传统。即使在大数据时代，民族志研究的重要性也植根于它与这一传统的联系。最近的一份报告强调了小数据在大数据时代的重要性，提出了重要的发现。
行为科学将在不久的将来被体验科学取代。转型的发起者是数字技术，这对于将社会科学家留在团队中至关重要。
在新生代的体验科学，除非它们所依赖的社会行动的角度仍将方法论不足。新颖的是，由于技术的发展，体验正在进入测量领域。问题是，即使我们拥有所有的测量手段、测量方法本身也阻碍了整体理解和解释。
作为新生代的体验科学需要正确的方法论方法作为安全的巢穴。如果行为科学仍在方法论领域内，科学将无法发展。换句话说，体验科学必须严格遵守“以人为本”的观点。否则，它将被监视技术将造成的信任危机所破坏。
体验是一瞬间，包含了很多东西。我们所谈论的是在给定的时间和地点出现的物理、技术、心理和文化整体。因此，需要一种整体方法。如果您同时使用忠诚度、满意度、雇主品牌调查，甚至还有许多其他调查，那么它将无法正常工作。您将无法透露体验。当然，您可以根据需要连续或同时进行多个调查。但这只能暂时使您感到舒适。它无法揭示体验，在方法上也不可能。此外，它可能导致信任危机。正如尼克·林恩（Nick Lynn）所说，信任是员工体验的核心。通过经典测试和调查与他们联系在一起的员工没有专注于理解和倾听自己，而是对他们的组织失去了信心。同样，使用“分析”平台或应用程序从不同角度捕获时刻可能会导致信任问题，无论出于何种目的。
技术能力
如何以整体方式访问体验数据？
即使我们正处于数字革命的开始，现有的技术可能性仍为检验和发现体验提供了巨大的机会。随着技术的渗透，我们见证了体验科学的出现。有许多工具和平台可帮助您探索这一时刻。
探索员工体验需要能够渗透与组织（当然包括客户和其他利益相关者）互动的每时每刻。可以记录声音、图像、动作等。这些记录也是用于报告到分析平台（甚至实时！）的数据流。在这种情况下，请务必牢记，HR分析技术可为体验科学服务。换句话说，人力资源部门没有将这些技术用于监视。数字技术可以为以人为本的设计做出贡献，从而可以增加价值并创造价值。
组织应为员工创建有效的聆听渠道，并为这些渠道的可持续性建立信任。甚至打开和向员工展示聆听渠道的方式也应该使他们感到被重视。员工应该相信他们的组织愿意听取自己的意见，以改善他们的工作体验。珍贵和真诚的感觉是建立信任的基本要素。简而言之，当今体验科学的限制障碍不是技术而是建立信任。
信任友好的倾听渠道：
-定性访谈和民族志观察
-开放式调查
-通过声音、视频或文字与我分享您的时刻
举个例子：保险技术公司使用了一种新型的开放文本问题。这些问题基于定性研究方法“记忆写作”，并要求员工回想起Allstate NI的前90天。
如何分析这些数据？
形成或转换为文本的数据要进行许多统计分析，这些统计分析由术语“ 文本分析 ” 普及。该术语描述了没有机器就无法分析的大规模数据的分析过程。今天，一旦我们听到分析这个术语，我们就假定涉及机器学习或人工智能。我们正处在学习算法使巨大数据有意义的时代。文本分析对于体验数据的分析至关重要。因为，文本分析是对通过真实监听创建的数据进行分析的。通过文本分析显示员工（以及客户、用户）的讲话和话语。我认为，所有的专业人员都需要遵循文本分析技术，并将其纳入业务流程中，以便更好地完成工作（研究、设计）。Workometry是Andrew Maritt开发的平台，我在国际舞台上一直关注。它直接专注于员工体验这一事实使该平台变得强大。另一方面，Artiwise 是一个非常成功的体验分析平台，在土耳其取得了许多首创。
以上由AI翻译，仅供参考！
作者：Elif Kuş Saillard
来源：https://www.linkedin.com/pulse/employee-experience-measurable-assessment-competence-ku%C5%9F-saillard/
-
文本分析
利用AI让招聘更高效，文本分析公司Textio获2000万美元B轮融资
致力于帮企业提升招聘质量和效率的创业公司 Textio近日宣布，已获得2000万美元B轮融资，由SCAle Venture Partners领投， Bloomberg Beta、Cowboy Ventures、EmerGEnce Capital以及Upside Partnership跟投。
2004年，Textio 在西雅图创立，多年来一直被应用于人才招募。服务模式是：用户将起草好的招聘启事递交给Textio，Textio通过机器学习平台和AI识别这则招聘的语言模式，对其作出评级（百分制，超过90分算合格），从而判断这则招聘的效果。 根据分析结果，Textio还会提供相应建议，即告诉用户使用哪些相似的词或句子能吸引更多人的注意，从而提高合格应征者的比例，加快招聘进度。
Textio 的强大之处在于：拥有强大的自然语言处理能力，除了能分析语言模式外，还能理解手写笔迹的细微差异。
经过几年发展，Textio现已帮助像思科和强生这样的世界500强企业招募更多更好的人才。目前，它每月完成1000万个新工作岗位的文本分析，并利用这些数据来不断改进其分析模型。
经过此轮融资， Textio希望将自己的这项技术运用到其它商业写作领域，譬如销售抵押品、商务谈判、营销策划等。对此，Textio的CEO Kieran Snyder 表示“有太多丰富的可能性”。
在改进自身服务方面，Textio也做了一些努力。“它最困难的部分是将数据中的模式转化为切实可行的指导，并让真正的人采纳。”Snyder认为，“虽然得分是很重要的，但分数为什么会改变这点更重要”，因为系统不一定能以一种人类可理解的自然的方式去表达这些技巧。
为了确定这一点，Textio实际上会对用户提出不同的建议，试图找出哪些技巧与分数的改进有关联，从而不断地更新系统。
此外，作为融资的其中一项条件，Stacey Bishop——领投者SCAle Venture Partners的合作伙伴——将加入Textio的董事会。作为营销自动化公司Hubspot，Scale和Bishop的投资人，他或许能为Textio在应对销售和营销沟通方面的业务时提供一些专业指导。
值得一提的是，AI除了能改善招聘启事，还能识别最佳求职者和为求职者提供模拟面试。Riminder 便是一家帮助 HR 更高效地处理简历、更精准地找到人才的法国创企；而日前刚刚成立的 “有职”则是一家基于AI技术提供模拟面试的人才举荐平台，36氪曾对它们做过专门报道。
『本文图片来自：Yestone 邑石网正版图库』
本文参考了多个信息来源：venturebeat.com，如若转载，请注明出处：http://36kr.com/p/5080794.html
-
文本分析
基于文本分析、标签匹配的招聘引擎——内聘网如何改善招聘市场撮合效率？
白领招聘是个高度碎片化、非标准的市场。站在求职者一端，面对海量的招聘信息无从做出选择，只能去无脑海投，这造成了整个市场上垃圾信息的充斥。在招聘企业一端，同样需要面对海量的求职简历，要在成千上万份简历中筛出最合适的人选宛如大海捞针。这里的情况是，越是知名的企业，无效简历越会向你集中，导致大企业 HR 的简历筛选成本过高、筛选过程简单粗暴。而不那么知名的企业，往往无法搜集到充足简历，需要你打广告找猎头，付出额外的成本。
注意力分配的不均、供求信息的碎片化，这是白领招聘市场匹配效率低下的根源，而专注互联网人才招聘的内聘网，则试图用文本分析 + 标签匹配的方法让这一状况得到扭转：
针对求职者一端，内聘网会搜集他的简历和职业诉求（行业、薪资、职位等），通过对简历做文本分析，提取出求职者的标签。
针对企业一端，则会搜集企业的用人诉求、职位信息、行业属性、产品信息和媒体报道，同样是用文本统计、分析的方式，提取出关于该企业的标签。这里由于企业数据的复杂性，内聘采用了机器初筛、人工调优的办法来校正和迭代算法。目前已经提取出来的6000个标签中，约有三分之二是人工生成。
当原本高度非结构化的求职者信息和企业信息都变得相对结构化，招聘引擎就可以在二者之间建立更精准的联系。内聘网会在标签之间构建关联，形成一幅职场标签图谱。求职者和企业可以在图谱上找到自己的位置，两者的位置越接近，则说明他们潜在匹配的概率越高。
内聘网典型的使用体验是：求职者只需提交简历和职位诉求，系统将自动生成一份职位推荐列表，列表会以标签的形式告诉你这家企业的特点（比如工资高、美女多），也会告诉你你们之间的匹配分数，以此作为用户定向投简历的依据。而 HR 们则只要简单发布职位，系统将依匹配度排序，告诉你哪些简历可能需要你的重点关注。由于不同类型的企业招聘同一职位的需求不尽相同，所以职位匹配的基础应该是“标签组合”。比如一家做 to B 软件的公司（“to B”+“软件”），和一家做 to C 软件的公司（“to C”+“软件”），当两者同时发布一个“产品经理”的职位时，得到的结果应该是个性化的。
内聘网创始人肖恒是北大计算机硕士，毕业后旅日工作，曾在京瓷和松下电器任项目经理。肖恒曾创办一家面向日企的人才派遣和软件外包公司，据说一度业绩不错。在随后经历了若干次职场调整后，12 年 4 月二次创业做了内聘网。我们现在看到的内聘网上线于今年 3 月份（此前尝试过做微信招聘），次月即拿到某机构的数百万人民币天使。
十一期间，内聘网进行了一次大改。肖恒介绍，目前使用内聘网的企业用户有 6000 多家，改版后的日 UV 已达 1 万左右，个人用户则已超过 10 万。下一步他们将试图向职场社交延伸。
关于用大数据做职位匹配，其实还有一些有意思的玩法，比如：
1、可以绑定求职者的社交账号，通过社交数据为求职者打上更丰富的标签，同时评估他背后的人脉价值。人脉优质的候选人显然应该得到更多的关注，同时在为其匹配职位上，或许 BD、市场类的工作排名应该更靠前。这点是以前依靠一纸简历无法实现的，做职场社交的脉脉，在这个方向已经做了较好的表率。
2、企业可以主动触达潜在候选人，激活对方的跳槽意愿，变被动的等人上门为主动的上门招人。
3、让企业将现有员工的背景资料上传，在引擎里跑上一圈，构建出企业现有员工的素质模型。再结合该企业的历史表现，分析该模型的有效性，以及改进方向，从而更精准地评判是否应该吸纳某类型的新人进入——这或许算是一种“量化 HR”？
[36氪原创文章，作者: 沈超]
扫一扫 加微信
hrtechchina
