Как повысить эффективность и стабильность проектного бизнеса? На это можно повлиять в том числе двумя путями:
Для обоих пунктов нужно иметь под рукой отчет прибыль/убытки (P&L-отчет) от заказанной фичи к проекту и по всей компании в целом. Такой отчет можно построить на основе анализа нормы выработки сотрудников.
В статье разберем, как это реализовать на практике.
Для постоянного контроля отчета прибыль/убытки нужно:
Прямые расходы — это расходы на тех сотрудников, деятельность которых продается непосредственно. Как уже говорилось выше, подход, описанный в этой заметке, наиболее применим для проектного бизнеса работников умственного труда, труд которых не поддается измерению. Например, если вы продаете юридические услуги, то такими сотрудники будут юристы, работающие на клиента, а если вы бухгалтерия на аутсорсе, то такими сотрудниками будут бухгалтеры, работающие на клиентов.
Косвенные расходы — это расходы на тех сотрудников, деятельность которых не продается непосредственно. Например, если вы IT разработка на аутсорсе, то такими сотрудниками будут юрист, бухгалтер и маркетолог. Их деятельность не продается вашим клиентам, ее оплачивает ваша компания.
Очень хотелось бы не держать таких сотрудников в штате, но, к сожалению, это невозможно, так как вряд ли у вас на сайте будут заявки без усилий маркетолога, а налоговый отчет сдан без бухгалтера. Если бы это было возможно, то проектный бизнес был бы более стабильным и предсказуемым, так как нам не пришлось бы все время нести косвенные расходы.
Разумеется, не только расходы на сотрудников будут косвенным или прямыми. Любые расходы можно подвергнуть этой классификации. Также заметим, что в реальности отделить косвенные расходы очень сложно, потому что когда старший бекэнд разработчик настраивает Zabbix для всей вашей компании, то, скорее всего, это косвенные расходы.
Так как же отделить работу, которая продается клиентам, от той, что приходится оплачивать самому, чтобы поддерживать компанию и ее развитие? Без ответа на этот вопрос говорить о постановке финансовых целей будет преждевременно.
Метрика, которая позволит отделять косвенные расходы от прямых — это норма выработки сотрудника.
Как измерить норму выработки программиста? К сожалению, не существует метрики, которая позволит измерить норму выработки в контексте результата его деятельности. Можно посчитать сколько деталей сделал фрезеровщик за день на заводе, и сравнить с количеством деталей, которые он «должен» был сделать. С программистом так не получится сделать, из-за высокой абстрактности его деятельности.
Поэтому делаем следующее упрощение: нет никаких мифических программистов, которые едут в автобусе или моются в душе и думают о вашей задаче, а потом подходят к компу и пишут фичу, эстимированную на несколько часов, за 5 минут. Мы предполагаем, что разработчики сидят часами у компов и бьются над тем, чтобы фича заработала согласно заданию. Эти часы — и будет их норма выработки. То есть, мы предполагаем, что человек на окладе «должен» потратить на наши задачи каждый рабочий день месяца. Многие СТО скажут, что это наивно и посмеются. Пускай — эта колонка для коммерческих директоров, не показывайте ее СТО )
Таким образом, нашим сотрудникам придется логгировать рабочее время в каждой задаче, с которой они как-то соприкасались: будь то кодинг или митинг.
Важно считать, сколько времени сотрудник реально работает и сколько денег его работа приносит. Так мы не только поймем экономику проекта. Еще мы будем справедливо мотивировать члена команда — увидели, что прибыль от сотрудника растет, значит, можно поднять ему оклад.
Кирилл Гришанин
Основатель WB—Tech
Приведем умозрительный пример, наглядно иллюстрирующий важность такого расчета:
Очевидно, эффективность второго проекта выше, хотя на первый взгляд так не кажется. Такой расчет нужно делать на постоянной основе, системно для всех сотрудников, задач и проектов.
Результат, к которому надо прийти — это однозначное понимание, на какую задачу ушел каждый потраченный рубль. Для этого:
Ниже подробнее каждый пункт.
В этом помогает система иерархии таск-трекера Jira (для команд, которые разрабатывают ПО, Jira — идеальная среда контроля и постановки):
Теперь «переведем» затраченное время каждого сотрудника на каждую задачу в деньги. Для этого нужно рассчитать реальную ставку сотрудников на окладе — у всех она каждый месяц разная. Как получается, что ставка каждый раз разная?
Сотрудники на окладе каждый месяц получают фиксированный оклад. То есть не важно сколько дней болели, сколько помогали бабушке, а сколько пили чай и смотрели ютуб в рабочее время. Например, у сотрудника Пети зарплата 100 тыс рублей.
Умножив ставку на каждый ворклог — получим деньги.
Так как мы не переводим людям микротранзакции каждый день, то нам придется выделить эти деньги из вознаграждения каждого. Для этого в конце каждого месяца программа проходится по всем задачам-заказам, собирает их ворклоги, умножает их на вычисленную ставку и разбивает оклад на каждый из этих компонентов. Остаток оклада, который не относится к налогу — это косвенная часть оклада человека, который не относится ни к одному проекту.
Приведем пример
Теория | Практика |
---|---|
1. Посчитать, сколько часов с точки зрения самого человека он должен был записать (то есть вычесть отпуск и больничный). | Вернемся к Пете. Как мы уже знаем из варианта №2 предыдущего абзаца. Он брал 4 выходных и 3 больничных в рабочем месяце. Получается, должен был отработать 15 дней по 8 часов. Итого 120 часов. |
2. Рассчитать теоретическую ставку — разделить чистый оклад сотрудника (без налога) на количество часов, которые он нам должен. | Например, фиксированный оклад сотрудника 100 000 руб. Тогда, каждый из его 120 часов обойдется в 833 рублей за час. Это уникальная ставка за час конкретного сотрудника за конкретный месяц. |
3. Сравнить предполагаемое количество рабочих часов с реальным количеством часов, то есть с теми, которые он записал. | Мы выяснили, что сотрудник должен был отработать 120 часов, но реально отработал (залоггировал) за месяц 110 часов — это будет отработанная норма выработки сотрудника, то есть на сколько он смог выдержать свой план в этом месяце. |
4. Рассчитать косвенную часть оклада сотрудника. Остаток оклада, который не относится ни к налогу, ни к проекту — это косвенная часть оклада человека. Чем меньше таких расходов — тем стабильнее бизнес. Не факт, что человек ничего не делал, но факт, что мы знаем сколько нам стоил его труд. | Реальное отработанное количество часов умножаем на уникальную ставку в этом месяце (110 часов * 833 руб = 91 630 руб). Из ЗП сотрудника вычитаем получившее значение и получаем остаток оклада (100 000 руб – 91 630 руб = 8 370 руб) — это и есть косвенный расход. |
Для автоматического расчета прибыли мы написали программу на Python, которая обращается к базе данных и отдает результат в Финолог на регулярной основе.
Теперь мы знаем норму выработки каждого сотрудника, а также какая часть оклада отработана, какая нет. Причем буквально в режиме реального времени, ведь данные обновляются ежедневно.
Как правило, если человек не заносит время, значит он выгорает. Когда нет времени, это значит что с сотрудником что-то не так. Это повод поговорить с ним и попробовать решить эту проблему.
Кирилл Гришанин
Основатель WB—Tech
Когда разбили все расходы и посчитали прибыль по каждому клиентскому заказу, можем сделать расчет прибыльности проектов (например, по клиентам), и получим реальный отчет P&L по проектам, — это становится делом техники.
Даже если каждый проект прибыльный, общая прибыльность компании будет меньше реальной. Эта разница возникает из-за косвенных расходов — часы, которые люди не отнесли ни к одному из проектов (операционка, работа бухгалтеров, маркетологов, HR и других сотрудников, часы которых не относятся к клиентским заказам).
Уменьшайте косвенные расходы — это сделает бизнес более предсказуемым.
Что мы получили в результате:
Если хотите также, то пишите нам — мы оцифруем бизнес-процессы и настроим связь между вашими сервисами так, чтобы можно было ничего не трогать, а оно само работает.
Никакого спама, только анонсы новых статей
По прогнозам Precedence Research, к 2025 году мировой рынок ИИ в e-Commerce вырастет до 9,01 млрд долларов, а к 2034 превысит 64 млрд долларов — тем самым обеспечив среднегодовой темп роста в 24,34%.
Источник: https://www.precedenceresearch.com/artificial-intelligence-in-e-commerce-market
Кроме того, искусственный интеллект активно внедряется и в российский e-commerce. Так, в Rb.ru рассказали, что в 2024 году генеративный ИИ использует 67% представителей интернет-торговли в РФ — при этом, половина из них инвестирует в AI до 5% бюджета компании.
Почему применение искусственного интеллекта в e-commerce набирает популярность и какие инструменты для этого лучше использовать, подробнее расскажем в этой статье.
С внедрением ИИ персонализация вышла на новый уровень. Если раньше интернет-магазины в основном предлагали клиентам популярные или сопутствующие товары, то теперь рекомендации стали более индивидуальными и предельно точными. Так, искусственный интеллект в e-commerce позволяет:
Amazon анализирует поведение пользователей и подбирает рекомендации
Также с помощью искусственный интеллект в e-commerce можно быстро разделять аудиторию на сотни микро-сегментов и лучше обрабатывать поисковые запросы клиентов. Например, при запросе «удобные кроссовки», AI проанализирует отзывы и описания товаров, и только после этого предложит пользователю максимально комфортную обувь.
ИИ в eCommerce помогает автоматизировать аналитику компании и оптимизировать ее внутренние процессы, например:
Кроме того, ИИ-инструменты помогают оптимизировать скоринг лидов. Например, система учитывает все переходы по ссылкам, просмотры страниц и другие взаимодействия с интернет-магазином, после чего в режиме реального времени определяет насколько пользователь готов совершить покупку.
С помощью искусственного интеллекта можно не только анализировать текущие бизнес-метрики для интернет магазинов, но и оценивать будущий спрос на конкретные виды и категории товаров. Так, благодаря AI можно проводить:
Например, если человек добавил товар в корзину, но не завершил покупку, ИИ может расценить это, как потенциальный интерес к продукту и использовать его для будущих рекомендаций под конкретную целевую группу.
При этом, прогнозирование спроса через AI позитивно отражается и на планировании закупок. Например, заранее заказав у поставщика потенциально популярные товары, компания минимизирует риск их дефицита на складе, а также повысит удовлетворенность клиентов за счет своевременной доставки покупок.
Также к ИИ-трендам e-commerce 2025 года можно отнести виртуальных помощников и чат-боты, распознавание изображений, AR-технологии и голосовой поиск. Как именно AI применяется интернет-магазинами, рассмотрим в следующем разделе с кейсами.
Искусственный интеллект в e-commerce широко применяются многими крупными компаниями и интернет-магазинами, например:
Amazon использует ИИ для прогнозирования популярность продуктов — это помогает бренду оптимизировать логистику и снабдить склады для удовлетворения всех потребностей рынка.
Кроме того, Amazon активно применяет AI для определения лучшей цены на каждый товар. Стоимость меняется в зависимости от активности сайта, цен на продукцию конкурентов, истории заказов и других важных бизнес-метрик для интернет-магазина. При этом, за счет непрерывного анализа данных, цены сбрасываются и корректируются каждые 10 минут.
Чат-бот Rufus от Amazon — онлайн-консультант, который отвечает на вопросы о товаре на основании характеристик и отзывов
В 55% случаев продукцию Domino’s Pizza заказываю через онлайн-платформу компании — поэтому бренд активно использует ИИ для автоматизации аналитики интернет-магазина и сегментирования своей аудитории.
Также бренд применяет ИИ для контроля качества своей продукции. Например, в Новой Зеландии и Австралии Domino’s Pizza запустили пилотный проект, в котором интеллектуальный сканер следил за процессом выпечки и оценивал каждую пиццу по размеру, типу, начинке и другим критериям. Это помогло компании оптимизировать качество производства и повысить количество лояльных клиентов.
Stitch Fix — это онлайн-платформа для персонального стайлинга, которой удалось совместить алгоритмы машинного обучения и творческий потенциал стилистов. Собранные через ИИ данные о предпочтениях клиентов показывают, как меняются вкусы потребителей и от чего они зависят. Кроме того, так в Stitch Fix определяют какие fashion-направления будут популярны в будущем.
Игра Style Shuffle от Stitch Fix позволяет определять предпочтения пользователя и предсказывать актуальные направления в моде
Система компании анализирует цвет одежды, длину рукава, глубину выреза и ряд других атрибутов, после чего алгоритм комбинирует их и отправляет на согласование к стилистам.
Кроме того, Stitch Fix применяет ИИ для оптимизации внутренних процессов и логистики. После получения запроса на доставку одежды алгоритм выбирает ближайший к клиенту склад, а также определяет оптимальный маршрут, чтобы все посылки были доставлены вовремя.
Но, несмотря на все преимущества, в ходе интеграции AI могут возникнуть различные сложности, например:
Решение: Чтобы повысить безопасность данных интернет-магазина и его пользователей, необходимо внедрять шифрование, использовать надежные протоколы передачи информации и регулярно проводить аудиты безопасности. Кроме того, важно соблюдать законодательные требования, вроде GDPR, и информировать клиентов о мерах защиты своих персональных данных.
Решение: Оптимизировать расходы можно за счет поэтапного внедрения ИИ — желательно начинать с наиболее критичных бизнес-процессов. Использование облачных решений и платформ с AI также может сократить затраты на создание и содержание инфраструктуры.
Статистика обеспокоенности неточностью информации, которую предоставляет ИИ
Кроме того, важно не переоценивать возможности искусственного интеллекта. При том, что ИИ эффективно анализирует данные, он не всегда может уловить мелкие нюансы, вроде внешних экономических факторов.
Поэтому AI нужно использовать как дополнительный инструмент для принятия решений, а не единственный источник истины. Лучшая связка — это алгоритмические выводы ИИ, дополненные экспертными оценками и стратегическими знаниями команды.
Искусственный интеллект — это будущее e-Commerce. С его помощью можно анализировать огромные объемы данных, сокращать количество возвратов, автоматизировать задачи и обеспечивать персонализированный подход к клиентами — все это значительно повысит конкурентоспособность компании.
Но чтобы ИИ в eCommerce работал эффективно, нужно контролировать качество данных и регулярно корректировать AI-модели. Если вы хотите чтобы внедрение ИИ в ваш интернет-магазин прошло максимально легко, оставьте заявку на нашем сайте и мы обеспечим вам полное сопровождение вашего проекта.
ИИ уже умеет предсказывать спрос, оптимизировать запасы и повышать прибыль интернет-магазина — если внедрить его правильно. Ошибка в подходе может обернуться замороженными деньгами на складе и провалом в продажах. Как сделать так, чтобы искусственный интеллект работал на вас, ускорял оборачиваемость товаров и приносил максимум прибыли? Разбираем ключевые стратегии как оптимизировать оборачиваемость склада с ИИ в статье.
Как ИИ помогает навести порядок в магазине
Большие данные и прогнозирование спроса
Когда, где и как внедрять ИИ в интернет-магазин
Пошаговый план внедрения ИИ, чтобы оптимизировать оборачиваемость склада
Перечень «горячих» тем, которые всегда в повестке любого интернет-магазина независимо от рынка и масштаба.
Общий признак и главная причина «болезней» в каждом случае — отсутствие автоматизации и централизованного контроля. Если эти процессы запускаются вынужденно — «по ситуации», а учет ведется в общей тетради, компания всегда будет работать в режиме цейтнота.
Искусственный интеллект и его производные позволяют раз и навсегда избавиться от глупых ошибок, делегировать рутину роботам и начать, наконец получать от продаж удовольствие вместе с прибылью.
Сценариев использования нейросетей в ритейле и e-commerce множество.
Возьмем кейс WMS-платформы (системы управления складом) с интеграцией ML-модуля, использующей принцип learn from experience (обучение на опыте). Это уже существующая альтернатива скучному учетному ПО, которое по умолчанию предлагают ecomm-площадки. Ключевое различие между ними — объем полезной функциональности:
Процессы | Учет | AI/ML |
Автоматический диспетчер | – | + |
Оперативный учет | – | + |
Учет за период | + | + |
Адресное хранение | + | + |
Контроль ресурсов: персонал, оборудование | – | + |
Партионный учет | + | + |
Кросс-докинг | – | + |
Операционный биллинг | – | + |
Источник: TAdviser
Такая система самостоятельно, точнее и быстрее человека обнаруживает закономерности в процессах и предлагает решения для оптимизации складской логистики: заранее предугадывает спрос, находит самые короткие маршруты между точками и лучшие схемы размещения товарных запасов.
Точное прогнозирование спроса гарантирует, что магазин сможет удовлетворять потребности клиентов без избытка или недостатка товаров, поддерживая баланс, необходимый для эффективной оборачиваемости.
Рост показателей на фоне внедрения ИИ:
Используя алгоритмы машинного обучения для анализа Big Data, включая исторические данные о продажах, рыночные тенденции, поведение потребителей и более широкие экономические показатели, искусственный интеллект способен выявлять взаимосвязи, прогнозируя спрос с поразительной точностью.
ИИ одинаково эффективно учитывает индивидуальные параметры цепочки продаж и поставок на любом рынке, помогая оптимизировать запасы, сокращать расходы, заблаговременно реагируя на запросы самых разных клиентов.
Лучшее время задуматься о внедрении ИИ — этап планирования. Хотя интеграция интеллектуальных технологий в уже существующие, отлаженные коммерческие и технические процессы возможна, по опыту, она всегда сопряжена с бОльшими расходами и длительностью адаптационного периода.
Традиционно выбор онлайн-ритейла происходит между инструментами low-code/no-code и созданием сайта c нуля. Не видим смысла повторять многочисленные сравнения и обзоры. Если оставить за бортом набившие оскому, очевидные технические детали и споры о достоинствах и недостатках той или иной платформы, совет относительно подхода к разработке, будет следующим:
В настоящее время создание онлайн-магазина при помощи классического программирования — это удел больших брендов, опирающихся в работе на сложные алгоритмы высоконагруженных систем, либо компаний из премиум-сегмента, которые стремятся отстроиться от конкурентов за счет уникального функционала. Средний и тем более малый бизнес полностью закрывает потребность в эффективности и комфорте, решениями на основе low-code/no-code.
Теперь о специфике, которая сопровождает внедрение технологий ИИ. В первую очередь стоит оценить стоимость внедрения. Вот общий перечень расходов, которые придется учитывать предпринимателю:
Причем, и это важно, расходы на ИИ не заканчиваются вместе с подписанием акта о приеме проекта. Такие этапы, как тестирование, поиск лучших моделей, бесшовная интеграция при обновлении ПО или доработка функциональности c изменением бизнес-архитектуры компании, по сути, никогда не прекращаются, но стоят денег.
Тем не менее снизить стоимость внедрения искусственного интеллекта до «земного» уровня вполне возможно, достаточно подойти к этому вопросу про оборачиваемость склада рационально.
Дороже всего в разработке обходится кастом: чем больше ручного кода требует продукт, тем «тяжелее» итоговая смета. Отсюда вывод: дешевле собирать онлайн-магазин, параллельно (или последовательно) внедряя ИИ, используя готовые решения — low-code/no-code.
Именно поэтому компании всё чаще отдают предпочтение готовым e-commerce платформам: они позволяют минимизировать затраты на кастомную разработку, быстрее запускать интернет-магазины и внедрять ИИ без сложного программирования.
Вот основные причины, по которым бизнес выбирает e-comm платформы:
Функциональные возможности | Важность |
Интеграция стороннего софта | 90% |
Масштабируемость | 90% |
Стоимость | 85% |
Доступность кастомизации | 81% |
Мониторинг процессов в реальном времени | 80% |
Скорость внедрения | 73% |
Мониторинг нескольких складов | 70% |
Скорость обучения персонала | 69% |
Потенциал ML и AI | 63% |
Мобильное ПО | 49% |
Арсенал дополнительных решений | 44% |
Использование по принципу SAAS | 42% |
Источник: «Сколково»
Безусловно, зерокодинг и шаблонная сборка не избавят вас от необходимости платить программистам за настройку беспроблемной работы приложений и сервисов, однако стоить это будет на порядок меньше, чем создание и автоматизация магазина с нуля, по индивидуальному проекту.
Зачем вашей компании искусственный интеллект?
Чем точнее сформулированы цели, тем короче (и дешевле) путь к ним. В этом отношении компании с опытом на рынке находится в более выигрышном положении, чем новички, так как уже знакомы с реалиями и могут оперировать настоящими, а не предполагаемыми данными о трафике, покупательском спросе, хронических «болячках» своего бизнеса, требующих вмешательства ИИ.
Чтобы не тратить лишние ресурсы и сразу задать верное направление, и вам было проще разобраться, мы подготовили практическое руководство по внедрению ИИ — с его помощью вы сможете избежать ошибок, оценить необходимые ресурсы и сэкономить бюджет.
Прежде чем передавать управление ИИ, разберите, какие задачи в бизнесе можно автоматизировать.
Четкое понимание задач поможет выбрать подходящие инструменты. Например:
Снижение товарных излишков на 15%
Повышение точности прогнозирования спроса до 90%
Оптимизация времени обработки заказов на 20%
Автоматическое пополнение запасов без ручного вмешательства
ИИ — это не волшебная кнопка, а инструмент, который требует координации работы специалистов:
ИИ должен работать в связке с вашими ERP, CRM, TMS. Проверьте:
Может ли система получать и обрабатывать данные без задержек?
Есть ли совместимость с текущим ПО, или потребуется кастомизация?
Как защищены данные? Исключите риски утечек.
Не внедряйте ИИ во все процессы сразу — начните с теста на небольшом участке:
ИИ — не статичное решение, а самообучающаяся система. Контролируйте:
Точность прогнозов — если снижается, пересмотрите алгоритмы.
Оборачиваемость склада — растёт ли скорость продаж?
Экономию на закупках и логистике — действительно ли AI сокращает затраты?
Вывод: Правильное внедрение AI/ML не просто снижает затраты, но и делает бизнес предсказуемым. Чем раньше компания научится использовать ИИ, тем быстрее выйдет на новый уровень эффективности.
В современном бизнесе оптимизация запасов и эффективная оборачиваемость склада с помощью ИИ меняет правила игры для компаний, которые стремятся быть первыми. Благодаря способности улучшать прогнозирование спроса, минимизировать проблемы с запасами и принимать решения на основе данных, искусственный интеллект меняет подход к работе с цепочками поставок. Применяя возможности ИИ, компании любого масштаба уже сейчас могут выйти на новый уровень эффективности, удовлетворенности клиентов и адаптивности.
Готовы вывести бизнес на новый уровень с помощью искусственного интеллекта? Оставьте заявку — наши эксперты помогут вам на любом этапе внедрения, от стратегии до готового решения!
Структурированная и глубокая база знаний (БЗ) — серьезный актив организации. Это ваша локальная «Википедия», где в любое время можно найти ответ на вопрос, связанный с компанией, продуктом, рабочими процессами.
Как собрать полезную библиотеку готовых решений и превратить ее в автомат самообслуживания для сотрудников и клиентов вы узнаете из этого руководства.
Навигация по статье:
Преимущества внедрения корпоративной базы знаний
Шаг 3: Формируем контент и структуру
Как оценивать эффективность внедрения
Корпоративная база знаний — это централизованное хранилище полезных практик, документов и ответов на часто задаваемые вопросы. Его задача — упростить коммуникацию клиентов и персонала в среде компании, обеспечив оперативный доступ к нужной информации.
Работать с документами удобно, когда они систематизированы. Индексация и номенклатура помогают в организации налогового и управленческого учета на 50-90% ускоряют процессы принятия решения и обратную связь. Кроме того, централизованное хранение упрощает архивацию и защиту конфиденциальной информации.
Единые сценарии событий и утвержденная классификация объектов избавляют от хаоса и оптимизируют коммуникацию между людьми и подразделениями. Администрация, отдел маркетинга, IТ и HR-специалисты действуют в рамках общих протоколов: это помогает увеличивать продажи на 29%.
Доступное и понятное руководство сокращает время поиска решений, сохраняя фокус на рабочих процессах и мотивацию сотрудников: трудно оставаться сфокусированным, постоянно отвлекаясь на поиск и проверку данных. База знаний служит платформой, на которой формируется культура обмена опытом. В целом, бизнес с высокой вовлеченностью персонала на 21% прибыльнее.
Метрики показывают: почти 50% посетителей покидают ресурс, если не получают отклика в первые 10 секунд. В то же время интерактивная БЗ с подготовленными инструкциями и шаблонами ответов позволяет сократить период ожидания: 45% компаний отмечают рост конверсий с ее внедрением. Возможность самостоятельно найти решение, повышает уровень доверия клиентов.
Базы знаний играют важную роль в подготовке новых и обучении действующих сотрудников. Предоставляя ресурсы для изучения внутренних процессов и, позволяя в удобной форме повышать компетенции, они почти вдвое сокращают стадию онбординга. Наличие доступного источника служебной информации облегчает акклиматизацию.
Принцип самообслуживания, положенный в основу БЗ, снижает нагрузку на ответственный менеджмент и сокращает число визитов в службу поддержки: сегодня локальные Вики встречаются у 68% организаций. Обращение пользователей к открытому источнику знаний и опыта минимизирует занятость текущего персонала и снимает потребность в найме дополнительного.
Прежде чем приступить к созданию базы знаний, определите задачи и аудиторию. Поддержка клиентов, адаптация новых сотрудников и централизация документации требуют разного контента и должны учитывать потребности целевой группы.
Где размещать корпоративную базу, зависит от целей и масштабов проекта, требования к платформе неизменны в любом случае:
Далее несколько популярных практик размещения.
Общедоступный, бесплатный инструмент, который позволяет структурировать информацию, добавлять изображения, таблицы, ссылки. Автоматически сохраняет изменения в документах, допускает онлайн и офлайн-режимы редактирования. Возможна совместная работа с разграничением прав доступа.
Google Docs способны закрыть потребность в БЗ для компании уровня малого и среднего бизнеса или стать решением для локальных проектов в рамках отдельных подразделений.
Формат PDF (Portable Document Format) — более совершенный аналог Google Docs. Платформа предлагает разнообразие решений для верстки и визуализации контента, однако полноценная работа требует установки дополнительных сервисов для редактуры и совместного доступа (PDF Commander, PDFelement, Xodo и т. д.), а также доплаты за расширенную функциональность.
Популярный выбор для оцифровки бумажных архивов, документооборота и, особенно, при организации интерактивного обучения. В PDF-формате создается большинство брошюр, отраслевых справочников, брендбуков.
Специфический подход, не для всех, так как далеко не каждый продукт или процесс нуждаются в целом ролике с пояснением, а сценарий, съемка и монтаж стоят дороже самого качественного текста. К тому же формат видео платформ часто ограничивает интерактив: получить ответ на дополнительный вопрос можно, только задав его в комментариях, и то, если они открыты.
В рамках базы знаний серия обучающих видео может добавить наглядности технически сложным, многоэтапным инструкциям к продукту (для клиентов) или внутренним протоколам взаимодействия (для сотрудников).
Если у компании уже есть сайт, логично создать на нем дополнительный раздел, разъясняющий нюансы работы организации. Преимущество подхода: вам не придется ломать голову над стилистикой, достаточно просто повторить дизайн веб-ресурса, а если сайт создан на основе CMS (WordPress, 1C-Битрикс, Joomla!), задача и вовсе решается простой установкой плагина. Останется лишь настроить версию FAQ для клиентов и персонала.
Решение для компаний у которых есть собственный портал в сети и собственная айдентика.
Однотипные обращения от персонала и клиентов возможно закрыть чат-ботами. Схема включает три компонента:
Способности искусственного интеллекта к обучению, качество ответов, объем базы и количество метрик для анализа конверсии зависят от конструктора и настроек чат-бота. Стоимость простейшего линейного робота составляет несколько тысяч рублей, но необходимо учитывать, что дополнительные функции (интеграции в поисковики или CRM, прием оплаты и модерация) придется докупать отдельно.
Потенциал этого инструмента следует изучить организациям, имеющим собственную службу поддержки и многочисленную аудиторию посетителей — онлайн-магазинам, сервисам услуг. Камерным проектам с небольшим количеством сотрудников или штучным трафиком чат-боты не нужны.
Эффективное решение для бизнеса с объемным штатом и постоянно мощным трафиком клиентов — корпоративная база знаний на основе специально разработанной для этого платформы.
Вот такие возможности, например, предлагает сразу «из коробки» профильное приложение Confluence от Atlassian. Это стандартный набор требований, без которых функциональность корпоративной базы знаний не будет полной. Сохраните его в качестве ориентира для будущего технического задания на разработку.
Все платформы (за редким исключением) предлагают бесплатные тарифы с некоторыми ограничениями. Как правило, их достаточно, чтобы понять потенциал сервиса и сделать выводы о его пользе для компании.
Подобные программы — это уже не «костыли» вроде базы знаний в Google Docs, которые хороши для обеспечения местных процессов. Это функциональные комплексы, которые не только решают большинство административных задач, но и служат витриной бизнеса, демонстрируя уровень автоматизации и клиентского сервиса.
База знаний может быть внутренней, внешней и объединенной.
Определив цели и аудиторию, можно приступать к созданию контента и структуры.
У компаний, которые обращаются к нам за консультацией по внедрению БЗ, как правило, уже есть некоторый операционный опыт. Это значит, что есть и темы для контента.
Чтобы их увидеть, достаточно заглянуть в поведенческие метрики маркетологов, попросить пул запросов у службы поддержки и собрать популярный фидбэк у менеджеров. Еще помогут логи CRM и ВРМ-систем, изучение карточек в планировщиках задач (Trello, Todoist, Asana), анкетирование сотрудников. Этого точно хватит чтобы понять, на каком этапе взаимодействия с компанией (продуктом) пользователи «спотыкаются».
Формат передачи информации может быть любым: текст, графика, видео, аудио. Главное, чтобы контент закрывал интент пользователя, отвечая на вопрос, показывая путь к решению проблемы, рассказывая о ценностях компании.
Отвечайте ясно и лаконично. Разговаривайте с читателем дружелюбно, пошагово проводя через практику решений. В инструкциях избегайте отраслевого жаргона и сложных технических терминов. Цель базы в том, чтобы упростить понимание процессов, демонстрировать совершенное знание предмета здесь необязательно.
Единственно правильной структуры БЗ не существует. Каждая компания индивидуальна и должна отталкиваться от собственного опыта и специфики.
В организации хранилища возможны три схемы:
Иерархическая модель станет оптимальным решением для организации с похожей системой управления. В такой структуре каждый уровень имеет свои задачи и обязанности, это обеспечивает точный контроль над нами.
Если же компания состоит из небольших, иерархически равных отделов, ориентируйтесь на сетевую или смешанную структуру. Пользователям будет проще переходить между связанными материалами и проектами, а взаимодействие между подразделениями в рамках базы будет более гибким.
В любом случае выбор должен быть основан на анализе потребностей компании, ее клиентов и сотрудников, а также на оценке эффективности каждого типа структуры в конкретных условиях.
Создавая структуру с нуля, избегайте перфекционизма. Начните с общего: разделите контент по подразделениям, продумайте теги, классифицируйте основную документацию и процессы. С течением времени пользовательский опыт покажет тонкие места.
Схемы, иллюстрации, инфографика помогают разложить информацию по полочкам и облегчают восприятие.
Не забудьте оптимизировать визуальные элементы для быстрой загрузки, убедитесь, что они четко обозначены и соответствуют сопровождающему тексту.
Четкий редакционный процесс имеет решающее значение для качества и согласованности базы знаний на всех этапах: создание, проверка, обновление, архивирование, удаление.
Крайне важно, особенно на первых этапах, заручиться поддержкой лояльных сотрудников. Период интеграции пройдет быстрее и легче, если на ключевые позиции назначить сотрудников, которые поддерживают идею базы, готовы ее тестировать и улучшать.
Запускайте проект в тестовом режиме для узкой группы пользователей, используя фидбэк для оптимизации. Если сотрудники отмечают, что поиск недостаточно эффективен, доработайте систему, добавив теги, ключевые слова, фильтры. Получив удовлетворительные отзывы от тестовой группы, масштабируйте интеграцию, поэтапно подключая подразделения и проекты.
Для этого есть метрики:
Сложности, которые возникают при внедрении БЗ, типичны, но в этом есть и положительная сторона: для них существуют проверенные решения.
Решение: терпение и продуманная стратегия по донесению эффективности базы с активной демонстрацией ее преимуществ.
Решение: регулярный анализ метрик, тестирование интерфейсов, работа с обратной связью.
Решение: полноценное администрирование базы знаний с регулярной проверкой качества контента и назначением ответственных за его актуальность.
Поддержание актуальности контента в корпоративной базе знаний — естественный процесс, и задумываться о решении данной задачи нужно уже на старте.
Рекомендации по обновлению и поддержке актуальности базы знаний:
Актуальность, понятная структура и доступность — три принципа, о которых следует помнить, создавая корпоративную базу знаний, если вам нужна живая и функциональная система, а не пыльный архив для галочки.
Информация в базе знаний должна быть точной. Устаревшие или неверные данные приведут к разочарованию пользователей и подорвут доверие к ресурсу. Установите регулярный аудит содержимого, включая проверку наличия любых изменений в продуктах, услугах или политике компании, которые могут повлиять на качество контента.
Поощряйте сотрудников сообщать о любых несоответствиях или обновлениях, с которыми они сталкиваются. Рассмотрите возможность создания системы, в которой пользователи смогут отмечать устаревший или некорректный контент, что позволит им участвовать в поддержании качества вашей базы знаний.
Ищите способ организовать корпоративные коммуникации, собрав собственный опыт и знания в единую автоматизированную базу? Мы готовы помочь вам с выбором оптимального решения, внедрением или миграцией базы знаний. Подробнее здесь
ИП Гришанин Кирилл Олегович
ИНН 774313842609
Б. Новодмитровская ул., 36, стр. 12, вход 6,
Москва, Россия, 127015
Ahad Ha'am 54,Tel Aviv-Yafo,Израиль