Gallup พบว่าพนักงานที่ได้รับการชื่นชมอย่างมีคุณภาพมี โอกาสลาออกน้อยลง 45% ภายในสองปีถัดมา ตัวเลขนี้น่าสนใจมาก แต่มันนำไปสู่คำถามที่ยากกว่า: เราสามารถใช้ข้อมูลการชื่นชมเพื่อทำนายการลาออกก่อนที่มันจะเกิดขึ้นได้หรือไม่?
คำตอบจากข้อมูลขององค์กรกว่า 200 แห่งบนแพลตฟอร์ม Happily คือ ได้ และสัญญาณจะปรากฏเร็วกว่าที่ผู้นำส่วนใหญ่คาดคิด
ทีมที่ความถี่ของการชื่นชมพนักงานลดลง 30% หรือมากกว่าภายในเดือนเดียว มี อัตราการลาออกสูงกว่าถึง 2.3 เท่า ในไตรมาสถัดไป โดยเฉลี่ยแล้ว ทีมที่สูญเสียพนักงานที่ไม่อยากให้จากไป มีรูปแบบการชื่นชมที่ลดลงมา 87 วันก่อนที่จดหมายลาออกจะมาถึง
แปดสิบเจ็ดวัน นั่นคือสามเดือนของสัญญาณเตือน ที่ซ่อนอยู่ในข้อมูลซึ่งบริษัทส่วนใหญ่ไม่เคยมองเห็น
ทำไมรูปแบบการชื่นชมพนักงานถึงเป็นตัวชี้วัดนำ
แบบสำรวจบอกคุณเกี่ยวกับสิ่งที่เกิดขึ้นแล้ว เมื่อคะแนนความผูกพันของพนักงานลดลง ความเสียหายได้เกิดขึ้นแล้ว ความไว้วางใจถูกกัดกร่อน บทสนทนาเริ่มเสื่อมลง และคนเก่งของคุณกำลังอัปเดตโปรไฟล์ LinkedIn อยู่แล้ว
รูปแบบการชื่นชมทำงานต่างออกไป มันจับพฤติกรรมแบบเรียลไทม์
กลไกเป็นดังนี้ การชื่นชมเป็นพฤติกรรมทางสังคมที่ต้องการสามสิ่ง: การตระหนักถึงผลงานของเพื่อนร่วมงาน ความปลอดภัยทางจิตใจมากพอที่จะแสดงความขอบคุณ และพลังงานมากพอที่จะลงมือทำ เมื่อสิ่งใดสิ่งหนึ่งในสามสิ่งนี้พังทลาย ความถี่ของการชื่นชมจะลดลง
ทีมที่หยุดชื่นชมกันกำลังบอกคุณบางอย่างที่เฉพาะเจาะจง ไม่ว่าจะเป็นการหยุดสังเกตเห็นงานที่ดี (ปัญหาด้านการโฟกัส) ไม่รู้สึกปลอดภัยที่จะแสดงความขอบคุณ (ปัญหาด้านความไว้วางใจ) หรือหมดแรงจนไม่อยากทำ (ปัญหาด้านภาวะหมดไฟ) ทั้งสามอย่างล้วนเป็นสัญญาณนำของการลาออก
นี่คือเหตุผลที่ความถี่ของการชื่นชมมีความสัมพันธ์กับคะแนนความผูกพันของพนักงานที่ r=0.64 จากองค์กรกว่า 200 แห่งในฐานข้อมูลของเรา การชื่นชมไม่ได้แยกจากความผูกพัน มันคือการแสดงออกทางพฤติกรรมของความผูกพัน และเพราะมันเป็นพฤติกรรมที่สังเกตได้ทุกวัน มันจึงเคลื่อนไหวเร็วกว่าคะแนนรายไตรมาสใดๆ
สิ่งนี้คล้ายกับสิ่งที่พนักงานบ่น ซึ่งทำนายการลาออกได้ดีกว่าตัวชี้วัดแบบหยาบเช่นกัน เนื้อหาของข้อร้องเรียนและความถี่ของการชื่นชมต่างเป็นสัญญาณเชิงคุณภาพที่ปรากฏก่อนคะแนนเชิงปริมาณจะขยับหลายสัปดาห์
ภาวะแล้งของการชื่นชม: 87 วันมีลักษณะอย่างไร
รูปแบบ 87 วันไม่ได้ปรากฏเป็นหน้าผาที่ดิ่งลงทันที แต่เป็นการจางหายอย่างค่อยเป็นค่อยไป
วันที่ 90-60 ก่อนการลาออก: ความถี่ของการชื่นชมลดลง 15-20% จากค่าพื้นฐาน การลดลงนี้ละเอียดอ่อนพอที่จะมองข้ามไปบนแดชบอร์ด สมาชิกในทีมที่เคยชื่นชมเพื่อนร่วมงานทุกสัปดาห์เริ่มข้ามสัปดาห์ ไม่มีใครสังเกตเห็นเพราะการเปลี่ยนแปลงกระจายอยู่ทั่วทั้งทีม
วันที่ 60-30: การลดลงเร่งตัวขึ้น การชื่นชมลดลง 30-40% จากค่าพื้นฐาน ถึงตอนนี้ พลวัตของทีมเปลี่ยนไปอย่างเห็นได้ชัด การประชุมให้ความรู้สึกเป็นเชิงธุรกรรมมากขึ้น ความร่วมมือจำกัดอยู่เฉพาะการปฏิสัมพันธ์ที่จำเป็น เนื้อเยื่อเชื่อมต่อระหว่างผู้คนอ่อนแอลง
วันที่ 30-0: การชื่นชมตกถึงจุดต่ำสุด การลาออกให้ความรู้สึก "กะทันหัน" สำหรับผู้บริหาร แต่ข้อมูลเชิงพฤติกรรมบอกเล่าเรื่องราวนี้มาหลายเดือนแล้ว
สิ่งที่ทำให้รูปแบบนี้มีคุณค่ามากคือมันเป็นสัญญาณ ระดับทีม ไม่ใช่ระดับบุคคล คุณไม่ได้ติดตามว่าคนใดคนหนึ่งหยุดพูดขอบคุณหรือไม่ คุณกำลังติดตามว่าโครงสร้างทางสังคมของทั้งกลุ่มกำลังสึกกร่อนหรือไม่ นั่นเป็นข้อมูลเชิงลึกที่แตกต่างอย่างสิ้นเชิงจากคะแนนความเสี่ยงการลาออกของบุคคล
ตัวเลขเบื้องหลังการชื่นชมและการรักษาพนักงาน
กรณีทางธุรกิจสำหรับการให้ความสำคัญกับข้อมูลการชื่นชมพนักงานนั้นมีหลักฐานรองรับอย่างชัดเจน
ผลสำรวจปี 2023 ของ SHRM พบว่า 79% ของพนักงานกล่าวว่าการได้รับการชื่นชมมากขึ้นจะทำให้พวกเขาทำงานหนักขึ้น นี่ไม่ใช่แค่ความชอบส่วนตัว แต่เป็นความเชื่อมโยงโดยตรงระหว่างการชื่นชมกับความพยายามเพิ่มเติม ซึ่งเป็นความพยายามที่แยกทีมที่ทำงานได้ปกติออกจากทีมที่มีผลงานสูง
ขนาดของช่องว่างนี้น่าตกใจ จากข้อมูลของ งานวิจัยร่วมระหว่าง Workhuman และ Gallup ในปี 2023 พบว่ามี พนักงานเพียงหนึ่งในสามเท่านั้นที่ได้รับการชื่นชมในช่วงเจ็ดวันที่ผ่านมา การเพิ่มตัวเลขนี้เป็นสองเท่าจะช่วยเพิ่ม ผลิตภาพ 22% และช่วยบริษัทที่มีพนักงาน 10,000 คนประหยัดได้ถึง 16.1 ล้านดอลลาร์ต่อปีจากผลิตภาพที่สูญเสียไป
เมื่อรวมงานวิจัยภายนอกเข้ากับข้อมูลเชิงพฤติกรรมจากแพลตฟอร์มของเรา ภาพที่ชัดเจนจะปรากฏขึ้น: ความถี่ของการชื่นชมไม่ใช่ตัวชี้วัดวัฒนธรรมที่ "มีก็ดี" แต่เป็นตัวชี้วัดนำของความมั่นคงของทีม ผลิตภาพ และการรักษาพนักงาน บริษัทที่ติดตามข้อมูลนี้จะได้เปรียบในการพยากรณ์ บริษัทที่เพิกเฉยจะต้องมานั่งอ่านข้อมูลจากการสัมภาษณ์ตอนลาออกแล้วสงสัยว่าเกิดอะไรขึ้น
CEO สามารถใช้ข้อมูลการชื่นชมพนักงานเพื่อทำนายการลาออกได้อย่างไร
การเปลี่ยนจากตัวชี้วัดตามหลังเป็นตัวชี้วัดนำต้องอาศัยการเปลี่ยนแปลงวิธีที่คุณใช้ข้อมูลด้านบุคลากรอย่างเฉพาะเจาะจง นี่คือสิ่งที่มันมีลักษณะในทางปฏิบัติ
ติดตามความถี่การชื่นชมระดับทีม ไม่ใช่จำนวนนับรายบุคคล การชื่นชมของบุคคลมีสัญญาณรบกวนมาก บางคนแสดงออกมากโดยธรรมชาติ แต่เมื่อการชื่นชมของทั้งทีมลดลง 30% ในเดือนเดียว นั่นคือสัญญาณ ไม่ใช่สัญญาณรบกวน ตั้งการแจ้งเตือนในระดับทีม
เปรียบเทียบกับค่าพื้นฐาน ไม่ใช่ค่ามาตรฐาน ทีมที่เฉลี่ย 12 การชื่นชมต่อสัปดาห์แล้วลดลงเหลือ 8 กำลังส่งสัญญาณที่แตกต่างจากทีมที่เฉลี่ย 4 แล้วลดลงเหลือ 3 เปอร์เซ็นต์การเปลี่ยนแปลงจากค่าพื้นฐานของทีมเองมีความสำคัญมากกว่าการเปรียบเทียบกับค่าเฉลี่ยของบริษัท
รวมข้อมูลการชื่นชมเข้ากับสัญญาณเชิงพฤติกรรมอื่นๆ ความถี่ของการชื่นชมเพียงอย่างเดียวบอกเล่าเรื่องราวได้เพียงบางส่วน ใช้ร่วมกับรูปแบบการเช็คอินความผูกพันและตัวชี้วัดสุขภาพทีมเพื่อภาพที่สมบูรณ์ยิ่งขึ้น เมื่อหลายสัญญาณลดลงพร้อมกัน ความเร่งด่วนจะเพิ่มขึ้น
ลงมือในช่วง 60 วัน ค่าเฉลี่ย 87 วันหมายความว่าคุณมีเวลาประมาณสองเดือนระหว่างการลดลงครั้งแรกที่ตรวจจับได้กับการลาออก นั่นเป็นเวลาเพียงพอสำหรับผู้จัดการที่จะพูดคุยอย่างตรงไปตรงมา แก้ไขปัญหาที่แท้จริง และปรับทิศทาง แต่จะไม่เพียงพอหากคุณรอให้แบบสำรวจรายไตรมาสมายืนยันสิ่งที่ข้อมูลรายวันบอกไปแล้ว
ระบบวิเคราะห์การชื่นชมของ Happily จะแสดงรูปแบบเหล่านี้โดยอัตโนมัติ โดยแจ้งเตือนทีมที่ความถี่ของการชื่นชมเบี่ยงเบนจากค่าพื้นฐาน เพื่อให้ผู้นำสามารถเข้าแทรกแซงได้ขณะที่ยังมีเวลา
การชื่นชมในฐานะข้อมูลเชิงลึกขององค์กร
การตีความใหม่ที่มีประโยชน์ที่สุดสำหรับ CEO: การชื่นชมพนักงานไม่ใช่โปรแกรม มันคือกระแสข้อมูล
ทุกครั้งที่สมาชิกในทีมชื่นชมเพื่อนร่วมงาน พวกเขากำลังสร้างจุดข้อมูลเกี่ยวกับความสามัคคีของทีม ความไว้วางใจ และพลังงาน ทุกครั้งที่พวกเขาไม่ทำ (ทั้งที่เคยทำ) พวกเขากำลังสร้างจุดข้อมูลอีกประเภทหนึ่ง
องค์กรที่ปฏิบัติต่อการชื่นชมเป็นโปรแกรม ("เรามีการชื่นชม") จะพลาดสิ่งนี้โดยสิ้นเชิง พวกเขาวัดอัตราการเข้าร่วมโปรแกรมแล้วเรียกว่าความสำเร็จ องค์กรที่ปฏิบัติต่อการชื่นชมเป็นข้อมูลเชิงลึก ("เราอ่านรูปแบบการชื่นชม") จะได้รับสิ่งที่มีคุณค่ามากกว่า: ตัวชี้วัดนำของสุขภาพทีมที่อัปเดตทุกวัน การชื่นชมเป็นพลังขับเคลื่อนวงจรฟีดแบ็กเชิงบวกที่ทำให้วัฒนธรรมเสริมแรงตัวเองได้ เมื่อวงจรเหล่านั้นหยุดลง วัฒนธรรมก็เริ่มแตกสลาย
ความแตกต่างระหว่างสองแนวทางนี้คือความแตกต่างระหว่างการอ่านรายงานสภาพอากาศของสัปดาห์ที่แล้วกับการเฝ้าดูบารอมิเตอร์แบบเรียลไทม์ ทั้งสองเกี่ยวข้องกับข้อมูลสภาพอากาศ แต่มีเพียงอย่างเดียวที่ช่วยให้คุณเตรียมพร้อมสำหรับสิ่งที่กำลังจะมาถึง
แปดสิบเจ็ดวันของสัญญาณเตือนจะมีประโยชน์ก็ต่อเมื่อมีคนกำลังเฝ้าดู ข้อมูลนี้มีอยู่ในองค์กรส่วนใหญ่แล้ว คำถามคือคุณกำลังอ่านมันหรือไม่
