В профессиональных сообществах довольно часто обсуждают, как оценивать эффективность учебных курсов. Причем наибольшее количество споров возникает, когда речь заходит о влиянии обучения на бизнес-показатели компании.
Ведь зафиксировать изменение определенной метрики относительно просто. Например, можно сравнить среднее время обработки клиентского обращения до обучения и после него.
Но гораздо сложнее доказать, что данное изменение произошло именно благодаря обучению.
Дело в том, что на практике сотрудники проходят определенную цепочку: проходят курс, усваивают материал, начинают применять новые знания в работе, меняют своё поведение, после чего компания получает определённый бизнес-результат.
И наиболее сложной становится последняя часть данной цепочки.
Предположим, сотрудников отдела продаж обучили технике выявления потребностей клиента с помощью проблемных вопросов. Через некоторое время конверсия увеличилась. Можно сделать вывод, что обучение оказалось эффективным. Однако одновременно с обучением компания могла изменить систему распределения лидов, пересмотреть скрипты первого контакта с клиентом или запустить новое рекламное предложение. Каждый из данных факторов способен повлиять на конверсию независимо от пройденного курса.
Получается, что мы видим изменение показателя, но не можем с полной уверенностью определить, какая его доля связана именно с учебным курсом.
Подробнее о том, какие данные собирать после обучения, читайте в статье «Как провести анализ обучения и тестирования персонала»
Чтобы доказать прямую причинно-следственную связь, потребуется исследование. Например, можно выделить контрольную группу сотрудников, которая продолжит работать по прежней методике, сравнить группы с сопоставимыми показателями до начала обучения, проанализировать динамику конверсии за одинаковый период и учесть изменения в качестве и количестве лидов, рекламных активностях и других условиях.
Но подобное исследование провести сложно. Поэтому попытки перевести результаты каждого учебного курса в бизнес-результат часто приводят к слишком поспешным выводам.
Особенно заметна данная проблема при оценке обучения сотрудников, чья работа не связана с выручкой компании напрямую.
Например, рассмотрим специалиста технической поддержки. Раньше он самостоятельно расшифровывал голосовые сообщения клиентов и вручную готовил на них ответы. После обучения на курсе по работе с генеративным ИИ сотрудник создал качественный промпт и перестроил процесс. Нейросеть теперь расшифровывает сообщение, а затем формирует проект ответа. Специалист проверяет результат, вносит необходимые изменения и отправляет сообщение клиенту.
В данном случае мы можем измерить вполне конкретные изменения. Например, оценить, насколько сократилось среднее время обработки одного обращения или сколько обращений специалист теперь успевает обработать за рабочий день.
Но сколько выручки данное обучение принесло компании?
Ответить на данный вопрос значительно сложнее. Между скоростью подготовки одного ответа и финансовым результатом компании находится целая система промежуточных процессов. Иными словами, более быстрое обслуживание может сократить время ожидания клиента, повысить его удовлетворённость, снизить количество повторных обращений, уменьшить нагрузку на службу поддержки и потенциально повлиять на удержание клиентов. Однако каждый из данных показателей, в свою очередь, зависит от качества продукта, цен, работы других подразделений, уровня сервиса и множества других условий.
С менеджером по продажам ситуация несколько проще, поскольку действия сотрудника находятся ближе к выручке. Можно оценить конверсию, средний чек, количество сделок, продолжительность цикла продажи и другие показатели. Однако и данные метрики зависят от множества условий, которые выходят за пределы учебного курса. На количество сделок могут влиять объём и качество входящего трафика, сезонность, изменение цен, конкурентные предложения, продуктовые обновления, система мотивации продавцов, распределение лидов между сотрудниками и другие факторы.
Получается, что чем дальше должность находится от непосредственного получения выручки, тем сложнее установить прямую связь между эффективностью обучения сотрудника и бизнес-результатом для компании.
Поэтому во многих случаях эффективность курса логичнее оценивать через изменения в работе сотрудников:
- сокращение количества ошибок;
- увеличение скорости выполнения задач;
- повышение качества результата по выполняемым задачам;
- увеличение самостоятельности при решении рабочих задач и т. д.
Данные поведенческие показатели находятся ближе к содержанию учебного курса и позволяют понять, произошло ли запланированное изменение именно благодаря обучению.
Как это может выглядеть на практике, описали в кейсе ГК «Электрокомплект».
Безусловно, изменение поведения сотрудников может влиять на результаты компании. Например, снижение количества ошибок в работе сокращает затраты, а повышение скорости увеличивает производительность. Однако стоит снова отметить, что между поведением сотрудника и итоговым финансовым результатом остаётся множество промежуточных факторов.
Поэтому при оценке обучения важно разделять два вопроса:
- Первый связан с тем, изменились ли знания, умения, навыки и рабочее поведение сотрудников после прохождения курса.
- Второй касается того, какой вклад данные изменения внесли в бизнес-результаты.
На первый вопрос во многих случаях можно получить достаточно убедительный ответ. Второй требует значительно более глубокой интерпретации.
Именно поэтому еще на этапе проектирования курса важно определить, какое изменение в задачах или образовательном результате мы хотим получить и каким способом будем его оценивать. Данную логику я подробно разбираю в своём курсе «Модели проектирования учебных программ», а отдельные практические инструменты для работы с учебными метриками и оцениванием собрал для в «Магазине фреймворков».
Поэтому я бы не отказывался от бизнес-метрик полностью.
Возможно, гораздо важнее определить, произошло ли запланированное изменение в работе сотрудников и связано ли оно с решением тех рабочих задач, ради которых создавался учебный курс.
