Тексты, цифры и A/B-тесты: как не сойти с ума в аналитике EJM?

•EJM - что за зверь?
•Разработка EJM
•Как выбрать опорные точки для анализа?


Метрики уверенно докладывают «всё ок», а сотрудники уходят пачками. Знакомо? Поздравляю — вы застряли в ловушке «цифрового нарратива».

🟧Проблема в том, что:
▪️Цифры показывают ЧТО (например, текучесть +20%)
▪️Слова объясняют ПОЧЕМУ («меня достали бессмысленные митапы»)

🟧Качественные данные: где копать?
▪️Exit-интервью, где сотрудник на прощание выдаёт: «Ухожу, потому что мой менеджер ф энергетический вампир»
▪️Анонимные опросы с открытыми вопросами: «Что бы вы изменили в адаптации?» - «Уберите эти 10 презентаций про миссию компании. Мы не в секте»

Netflix, например, внедрил ежеквартальные «письма ненависти» — анонимные фидбэки от сотрудников. Результат: 30% процессов упростили за год.

🟧Количественные данные: а если без эмоций?
▪️A/B-тесты процессов:
Группа А: онбординг через 10 лекций.
Группа B: онбординг через квест в чат-боте.
▪️Корреляционный анализ:
Обнаружили, что сотрудники с 2+ часами обучения в месяц уходят на 25% реже (емнип, кейс Линкдина)

🟧Как совместить?
▪️NLP для анализа текстовых отзывов. Автоматическое тегирование.
▪️Гибридные опросы:
После вопроса «Оцените адаптацию от 1 до 10» добавьте открытый вопрос. Лучше неформальный.



На мой взгляд, ошибочно делить аналитику на «суровые цифры» и «бла-бла».
Вы больше верите цифрам или историям? И как часто ваши цифры врут как сивый мерин?
@HRTech_Vision