অভিজ্ঞতা ও মনোভাব বিশ্লেষণ
অভিজ্ঞতা বিশ্লেষণ ব্যবহারকারীদের জিজ্ঞাসা করে একটি সেবা তাঁদের কীভাবে সাহায্য করেছে এবং তাঁরা আসলে কীভাবে তা ব্যবহার করেন তা দেখে; জরিপ, মতামতের টেক্সট, মনোভাব বিশ্লেষণ ও অভিজ্ঞতার সেবা স্তর চুক্তি কাজের যখন প্রশ্ন ন্যায্য, উত্তরদানের পক্ষপাত স্বীকৃত, মনোভাব টুল মানুষের নিজের কথার বিপরীতে যাচাই করা হয়, এবং কোনো ব্যক্তিকে র্যাঙ্ক বা নজরদারি করা হয় না।
কেন এটি গুরুত্বপূর্ণ
একটি সেবা প্রতিটি প্রযুক্তিগত লক্ষ্য পূরণ করেও মানুষকে হতাশ রাখতে পারে। ব্যবস্থা চালু, টিকিট সময়মতো বন্ধ, আর একজন কর্মী সেই সকালে প্রয়োজনীয় একটি টুলের প্রবেশাধিকার পেতে দুই ঘণ্টা চেষ্টা করেছেন। ব্যবস্থার ডেটা থেকে গড়া ড্যাশবোর্ড তা দেখতে পায় না। এগুলো গোনে যন্ত্র যা রেকর্ড করেছে, ব্যক্তির কেমন কেটেছে তা নয়।
অভিজ্ঞতা বিশ্লেষণ সেই ফাঁক ভরে। এটি মানুষকে সরাসরি জিজ্ঞাসা করে, ব্যবহারের মুহূর্তে ছোট জরিপ এবং দীর্ঘতর নিয়মিত জরিপের মাধ্যমে। এটি তাঁরা যা লেখেন তা পড়ে: টিকিটের মন্তব্য, জরিপের উত্তর, চ্যাটের বার্তা। এটি পর্যবেক্ষণ করে তাঁরা সেবা কীভাবে ব্যবহার করেন, কোথায় একটি ফর্ম ছেড়ে দেন, সফল হওয়ার আগে কতবার চেষ্টা করেন। এগুলো মিলিয়ে এটি এমন একটি অভিজ্ঞতার ছবি তৈরি করে, যা প্রযুক্তিগত মাপকাঠি মিস করে। বিষয় 3.7 — সার্ভিস লেভেল ম্যানেজমেন্ট-এ পরিচিত অভিজ্ঞতার সেবা স্তর চুক্তির (XLA) পেছনের ধারণা হলো প্রযুক্তিগত কার্যকারিতার লক্ষ্যের পাশাপাশি অভিজ্ঞতার লক্ষ্য ঠিক করা।
এই পদ্ধতিগুলোর নিজস্ব ঝুঁকি আছে। জরিপ কেবল তাদের কাছে পৌঁছায় যারা উত্তর দেয়। মনোভাব বিশ্লেষণ টুল শব্দ থেকে অনুভূতি আন্দাজ করে, এবং প্রায়ই ভুল আন্দাজ করে, বিশেষ করে ভাষা ও সংস্কৃতি জুড়ে। স্কোর লক্ষ্যে পরিণত হয়, আর লক্ষ্য উত্তরদাতাদের ওপর চাপ ডেকে আনে। কর্মীদের ডেটা গোপনীয়তা ও আস্থার প্রশ্ন তোলে। এই বিষয়টি বর্ণনা করে অভিজ্ঞতার ডেটা ন্যায্যতা এবং কী দেখাতে পারে সে বিষয়ে বিনয়সহ কীভাবে সংগ্রহ ও ব্যবহার করবেন। এটি সার্ভিস ডেস্ক (বিষয় 3.1 — সার্ভিস ডেস্ক), সেবার স্তর (বিষয় 3.7 — সার্ভিস লেভেল ম্যানেজমেন্ট), পরিমাপ (বিষয় 7.3 — পরিমাপ ও প্রতিবেদন) এবং টেক্সট পড়তে এআই-এর ব্যবহারের (বিষয় 5.1 — সেবা ব্যবস্থাপনায় এআই) সঙ্গে যুক্ত।
মূল ধারণা
অভিজ্ঞতা। একটি সেবা ব্যবহারের সময় প্রথম যোগাযোগ থেকে ফল পর্যন্ত একজন ব্যক্তি কী ভাবেন, অনুভব করেন ও করেন। Wikipedia গ্রাহকের অভিজ্ঞতা ও ব্যবহারকারীর অভিজ্ঞতা বর্ণনা করে। অভ্যন্তরীণ সেবার জন্য "গ্রাহক" হলেন সহকর্মীরা, এবং মানুষ তাঁদের প্রযুক্তি কীভাবে অভিজ্ঞতা করেন তার জন্য কখনো ডিজিটাল কর্মী অভিজ্ঞতা শব্দটি ব্যবহার হয়। এতে আছে সহজতা, গতি, আস্থা এবং তাঁরা লক্ষ্যে পৌঁছেছেন কি না।
সন্তুষ্টি ও সম্পর্কিত মাপকাঠি। Wikipedia-য় বর্ণিত গ্রাহক সন্তুষ্টি সাধারণত একটি স্কেলে "আপনি কতটা সন্তুষ্ট ছিলেন?" হিসেবে জিজ্ঞাসা করা হয়। সেখানেই বর্ণিত নেট প্রোমোটার স্কোর জিজ্ঞাসা করে একজন সেবাটি অন্যকে সুপারিশ করার সম্ভাবনা কতটা, এবং প্রচারক বিয়োগ সমালোচকের অংশ থেকে গণনা হয়। অন্য মাপকাঠি প্রচেষ্টা নিয়ে জিজ্ঞাসা করে, যেমন কিছু করা কতটা সহজ ছিল। প্রতিটির ব্যবহার ও সমালোচনা আছে: এগুলো দ্রুত ও তুলনীয়, আবার ভোঁতা এবং হেরফের ও ভুল পড়ার সুযোগ রাখে।
লেনদেনভিত্তিক ও সম্পর্কভিত্তিক জরিপ। একটি লেনদেনভিত্তিক জরিপ একটি যোগাযোগ নিয়ে, যেমন একটি সমাধান হওয়া টিকিট, তার অল্প পরে জিজ্ঞাসা করে। একটি সম্পর্কভিত্তিক জরিপ বিরতিতে সামগ্রিক সেবা নিয়ে জিজ্ঞাসা করে। লেনদেনভিত্তিক জরিপ নির্দিষ্ট সমস্যা দেখায়; সম্পর্কভিত্তিক জরিপ বৃহত্তর দৃষ্টি দেখায়। দুটিই ব্যবহার করুন, এবং ছোট রাখুন।
জরিপের নকশা। শব্দচয়ন উত্তর প্রভাবিত করে। Wikipedia জরিপ পদ্ধতি এবং সাধারণ সমস্যা বর্ণনা করে: একটি উত্তর ইঙ্গিত করা প্ররোচনামূলক প্রশ্ন; সম্মতির পক্ষপাত, একমত হওয়ার প্রবণতা; এবং সামাজিক-কাঙ্ক্ষিততার পক্ষপাত, গ্রহণযোগ্য মনে হওয়া উত্তর দেওয়া। নিরপেক্ষ শব্দচয়ন, একটি স্পষ্ট স্কেল, প্রশ্ন প্রতি একটি ধারণা এবং একটি খোলা মন্তব্য বাক্স ব্যবহার করুন। Wikipedia লাইকার্ট স্কেল ও প্রশ্নমালা বর্ণনা করে। কয়েকজনের ওপর জরিপ পরীক্ষা করুন। এই নির্দেশিকার জরিপ নকশার স্কিল দেখুন।
উত্তর ও পক্ষপাত। কেবল কিছু মানুষ উত্তর দেন, এবং তাঁরা সাধারণ নন। Wikipedia উত্তরের হার এবং অংশগ্রহণের পক্ষপাত বর্ণনা করে: যাঁদের প্রবল অনুভূতি আছে বা সময় আছে তাঁরা বেশি উত্তর দেন। 10 শতাংশ উত্তরের একটি স্কোর বাকি 90 শতাংশ সম্পর্কে সামান্যই বলতে পারে। উত্তরের হার জানান, যেখানে পারেন উত্তরদাতাদের জনসংখ্যার সঙ্গে তুলনা করুন, এবং স্কোরকে নির্ভুল ধরবেন না।
জরিপে ক্লান্তি। খুব ঘন ঘন জিজ্ঞাসা করা মানুষ উত্তর দেওয়া বন্ধ করে বা অসাবধানে উত্তর দেয়। কত ঘন ঘন জিজ্ঞাসা করেন সীমিত করুন, শুধু যা ব্যবহার করবেন তা জিজ্ঞাসা করুন, এবং উত্তরের কারণে কী বদলেছে দেখান। যে জরিপ শূন্যে মিলিয়ে যায় তা মানুষকে বিরক্ত না হতে শেখায়।
মুক্ত-টেক্সট মতামত। মন্তব্য আপনাকে কেন বলে। একটি নমুনা পড়া অপরিহার্য, এবং টুল পরিমাণে সাহায্য করতে পারে। Wikipedia বিষয়ভিত্তিক বিশ্লেষণ, গুণগত ডেটায় বিষয় শনাক্তের চর্চা, এবং আরও বিস্তৃতভাবে গুণগত গবেষণা বর্ণনা করে। বিষয় গোনা এবং উদাহরণ উদ্ধৃত করা মন্তব্যকে ব্যবহারযোগ্য করে।
মনোভাব বিশ্লেষণ। যে সফটওয়্যার টেক্সটকে ইতিবাচক, নেতিবাচক বা নিরপেক্ষ, বা আবেগ অনুযায়ী শ্রেণিবদ্ধ করে। Wikipedia মনোভাব বিশ্লেষণ ও তার পদ্ধতি বর্ণনা করে। বিপুল পরিমাণ টেক্সটের মোটামুটি বাছাইয়ের জন্য এটি কাজের। এটি ব্যঙ্গ, মিশ্র অনুভূতি, ক্ষেত্রের শব্দ ("জরুরি" একটি অগ্রাধিকার হতে পারে, আবেগ নয়), এবং ভাষা ও উপভাষার পার্থক্যে হিমশিম খায়। মানুষের পড়া একটি নমুনার বিপরীতে এর লেবেল যাচাই করুন, এবং ফলকে কোনো ব্যক্তির অনুভূতি ধরবেন না। Wikipedia আবেগ শনাক্তকরণও বর্ণনা করে, যা গুরুতর নির্ভরযোগ্যতা ও নৈতিক উদ্বেগ তোলে, বিশেষ করে মুখ বা কণ্ঠে প্রয়োগ করলে; এমন পদ্ধতি ব্যবহারের আগে যত্ন নিন ও পরামর্শ নিন।
বিষয় আবিষ্কার। Wikipedia-য় বর্ণিত বিষয় মডেলসহ প্রাকৃতিক ভাষা প্রক্রিয়াকরণের কৌশল মন্তব্যকে বিষয় অনুযায়ী গুচ্ছবদ্ধ করতে পারে। গোষ্ঠীর নাম দিতে ও যাচাই করতে মানব পর্যালোচনাসহ, হাজার হাজার মন্তব্যে বিষয় খুঁজতে এগুলো সাহায্য করে।
আচরণ ও ব্যবহারের সংকেত। মানুষ যা করে তা প্রায়ই তারা যা বলে তার থেকে ভিন্ন। ছেড়ে দেওয়া ফর্ম, বারবার অনুসন্ধান, পুনঃচেষ্টা এবং স্বয়ংসেবা চেষ্টার পরে যোগাযোগ ঘর্ষণ দেখায়। Wikipedia ব্যবহারযোগ্যতা পরীক্ষা বর্ণনা করে, যেখানে পর্যবেক্ষকরা অসুবিধা লেখার সময় মানুষ বাস্তবসম্মত কাজ চেষ্টা করে। কয়েকটি পর্যবেক্ষণ করা সেশন প্রায়ই এমন সমস্যা খুঁজে পায়, যা কোনো জরিপ প্রকাশ করে না।
গুণগত পদ্ধতি। সাক্ষাৎকার ও ফোকাস গ্রুপ, যা Wikipedia বর্ণনা করে, গভীরতা দেয়। প্রকৃত ব্যবহারকারীদের সঙ্গে অল্প কয়েকটি কথোপকথন একটি বড় জরিপের চেয়ে বেশি অগ্রাধিকার বদলাতে পারে। ভূমিকা, দক্ষতা ও অবস্থানে ভিন্ন মানুষদের বাছুন।
অভিজ্ঞতার সেবা স্তর চুক্তি। অভিজ্ঞতার মাপকাঠির লক্ষ্য ঠিক করা চুক্তি, যেমন "অন্তত 80 শতাংশ ব্যবহারকারী বলেন সেবা তাঁদের কাজ সম্পন্ন করতে সাহায্য করেছে"। এগুলো সবচেয়ে ভালো ব্যবহার হয় জরিমানার সঙ্গে বাঁধা একক সংখ্যা হিসেবে নয়, একটি ভাগ করা লক্ষ্য ও আলোচনা হিসেবে, কয়েকটি মাপকাঠিসহ, কারণ অভিজ্ঞতার স্কোর সহজেই বিকৃত হয়। দেখুন বিষয় 3.7 — সার্ভিস লেভেল ম্যানেজমেন্ট।
গ্রাহকের কণ্ঠ। গ্রাহকেরা যা বলেন তা ধরা এবং তার ওপর কাজ করার চর্চা। Wikipedia তা বর্ণনা করে। এটি জরিপ, মন্তব্য, সহায়তার যোগাযোগ, রিভিউ ও কথোপকথন একত্র করে, এবং অন্তর্দৃষ্টি তাঁদের কাছে পৌঁছায় যাঁরা কাজ করতে পারেন।
কর্মীর কল্যাণ ও কাজের চাপ। বিশ্লেষণ সেবা প্রদানকারী কর্মীদের অভিজ্ঞতাও দেখতে পারে: কাজের চাপ, অন-কলের বোঝা ও মনোবল। Wikipedia কর্মীর সম্পৃক্ততা এবং পেশাগত ক্লান্তি বর্ণনা করে। সম্মতি ও যত্নসহ দল-পর্যায়ে মাপুন, এবং যা পান তার ওপর কাজ করুন।
নীতিশাস্ত্র, গোপনীয়তা ও সম্মতি। মতামত সংগ্রহ ও বিশ্লেষণে ব্যক্তিগত ডেটা এবং কখনো সংবেদনশীল মতামত জড়িত। Wikipedia গোপনীয়তা, বেনামিত্ব এবং অবহিত সম্মতি বর্ণনা করে। বলুন কী ও কেন সংগ্রহ করেন, যেখানে গুরুত্বপূর্ণ সেখানে বেনামিত্ব অনুমতি দিন, প্রতিবেদনের আগে একত্র করুন, এবং ভালো কারণ ছাড়া মন্তব্য থেকে ব্যক্তিকে শনাক্ত করবেন না। কর্মক্ষেত্রে কর্মীদের আচরণ বা মনোভাব মনিটর করা, যা Wikipedia কর্মী নজরদারির অধীনে বর্ণনা করে, আস্থা নষ্ট করতে পারে এবং আইনত সীমিত হতে পারে; আইনি পরামর্শ নিন। দেখুন বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি।
চক্র বন্ধ করা। মানুষকে বলুন আপনি কী শুনেছেন এবং কী বদলেছেন। যাঁরা গুরুতর সমস্যা তুলেছেন তাঁদের অনুসরণ করুন। দৃশ্যমান সাড়া ছাড়া অংশগ্রহণ কমে।
দৃষ্টিকোণগুলো কীভাবে খাপ খায়। অভিজ্ঞতা বিশ্লেষণ সেই মানবিক ফল দেয়, যা অন্য তিনটি দৃষ্টিকোণ উন্নত করতে চায়। এজাইল অনুশীলন ছোট পরীক্ষা চালায় এবং ব্যবহারকারীদের জিজ্ঞাসা করে তা সাহায্য করেছে কি না। এআই পর্যালোচনার অধীনে টেক্সট পড়তে ও গুচ্ছবদ্ধ করতে সাহায্য করে। অটোমেশন জরিপ ট্রিগার করে এবং মতামত রুট করে।
সেরা অনুশীলন
- শুধু সন্তুষ্টি নয়, ফল নিয়ে জিজ্ঞাসা করুন। "আপনি কি যা দরকার তা পেয়েছেন?" ধরনের একটি প্রশ্ন এবং প্রচেষ্টা নিয়ে একটি অন্তর্ভুক্ত করুন। স্কোরকে একটি মুক্ত-টেক্সট "কী বাধা দিয়েছিল?" এর সঙ্গে জোড়া বাঁধুন।
- জরিপ ছোট ও সময়োপযোগী রাখুন। একটি যোগাযোগের অল্প পরে এক থেকে তিনটি প্রশ্ন জিজ্ঞাসা করুন, এবং বছরে কয়েকবার একটি ছোট সম্পর্কভিত্তিক জরিপ চালান। একই বিষয়ে বারবার জিজ্ঞাসা করবেন না।
- নিরপেক্ষ প্রশ্ন লিখুন এবং পরীক্ষা করুন। প্ররোচনামূলক শব্দ, দ্বৈত প্রশ্ন ও পরিভাষা এড়ান। চালুর আগে ভিন্ন গোষ্ঠীর কয়েকজনের ওপর জরিপ চেষ্টা করুন।
- উত্তরের হার এবং কারা উত্তর দিয়েছেন জানান। কতজন উত্তর দিয়েছেন দেখান, যেখানে সম্ভব জনসংখ্যার সঙ্গে তুলনা করুন এবং সীমা বর্ণনা করুন। মিথ্যা নির্ভুলতা এড়ান।
- মন্তব্য পড়ুন। প্রতি সপ্তাহে নমুনা নিন, প্রতিবেদনে উদ্ধৃত করুন এবং বিষয়ে গুচ্ছবদ্ধ করুন। মাপের জন্য টুল ব্যবহার করুন, মানব পর্যালোচনাসহ।
- মনোভাব টুল মানুষের বিপরীতে যাচাই করুন। মানুষকে একটি নমুনা লেবেল করান, টুলের সঙ্গে তুলনা করুন এবং কোথায় ব্যর্থ হয় লিখুন। টুল বাছাইয়ের জন্য ব্যবহার করুন, ব্যক্তি সম্পর্কে সিদ্ধান্তের জন্য নয়।
- শব্দের পাশাপাশি আচরণ দেখুন। ছেড়ে দেওয়া, পুনঃচেষ্টা ও পুনরাবৃত্ত যোগাযোগ দেখুন, এবং বাস্তব কাজসহ কয়েকটি ব্যবহারযোগ্যতার সেশন চালান। মানুষ যা করে তা যা বলে তার সঙ্গে তুলনা করুন।
- XLA-কে ভাগ করা লক্ষ্য হিসেবে ব্যবহার করুন। গ্রাহকদের সঙ্গে অভিজ্ঞতার মাপকাঠির একটি ছোট সেটে সম্মত হোন, একসঙ্গে পর্যালোচনা করুন, এবং জরিমানা বা ব্যক্তির কার্যকারিতার সঙ্গে বাঁধা এড়ান।
- মানুষকে রক্ষা করুন। কী সংগ্রহ করেন ব্যাখ্যা করুন, ফল একত্র করুন, ব্যক্তি শনাক্ত এড়ান, এবং কর্মীদের মনোভাব মনিটরের আগে পরামর্শ নিন। ব্যক্তিকে র্যাঙ্ক করতে কখনো অভিজ্ঞতার ডেটা ব্যবহার করবেন না।
- দৃশ্যমানভাবে চক্র বন্ধ করুন। "আপনি বলেছেন, আমরা করেছি" সারসংক্ষেপ প্রকাশ করুন এবং গুরুতর সমস্যা অনুসরণ করুন। যে প্রশ্ন কাজে যায় না তা সরান।
দলের সঙ্গে আলোচনার প্রশ্ন
মানুষ আমাদের সেবা কীভাবে অভিজ্ঞতা করে সে সম্পর্কে আমরা কী জানি যা আমাদের প্রযুক্তিগত মাপকাঠি দেখায় না? সাম্প্রতিক অভিযোগ বা মন্তব্যের তালিকা করুন। ড্যাশবোর্ডের সঙ্গে অমিল আশা করুন। পরবর্তী ধাপে প্রবেশাধিকার পাওয়ার সময়ের মতো একটি দিক বেছে তা নিয়ে একটি অভিজ্ঞতার প্রশ্ন যোগ করুন।
কারা আমাদের জরিপের উত্তর দেন, আর কারা কখনো দেন না? উত্তরদাতাদের জনসংখ্যার সঙ্গে তুলনা করুন। আশা করুন রাতের কর্মী বা দূরবর্তী সাইটের মতো গোষ্ঠী অনুপস্থিত। পরবর্তী ধাপে একটি ছোট সাক্ষাৎকারের মতো অন্য উপায়ে একটি অনুপস্থিত গোষ্ঠীর কাছে পৌঁছান।
গত ত্রৈমাসিকে ব্যবহারকারীদের কথার কারণে আমরা কী বদলেছি, এবং তাঁরা কি জানেন? উদাহরণ চান। কয়েকটি আশা করুন। পরবর্তী ধাপে একটি নিয়মিত "আপনি বলেছেন, আমরা করেছি" বার্তায় সম্মত হোন।
একজন ব্যক্তি একই মন্তব্যের একটি নমুনা পড়লে আমাদের মনোভাব টুল কতটা নির্ভুল? পরীক্ষা করুন। ব্যঙ্গ ও ক্ষেত্রের শব্দে ত্রুটি আশা করুন। পরবর্তী ধাপে টুল কোথায় ব্যবহার করা যাবে এবং কোথায় যাবে না তাতে সম্মত হোন।
আমাদের কোন অভিজ্ঞতার মাপকাঠি অভিজ্ঞতা উন্নত না করেও ঠেলে বাড়ানো যেত? উত্তরদাতাদের ওপর চাপ, বাছাই করা জরিপ, বা জিজ্ঞাসার আগে টিকিট বন্ধ করার কথা ভাবুন। পরবর্তী ধাপে উত্তর প্রভাবিত করার বিরুদ্ধে একটি নিয়ম এবং জরিপ কীভাবে পাঠানো হয় তার যাচাইয়ে সম্মত হোন।
কর্মীদের অভিজ্ঞতা নিয়ে আমরা কী সংগ্রহ করব, এবং তা সাহায্যে ব্যবহার হবে, নজরদারিতে নয় আমরা কীভাবে নিশ্চিত করব? সম্মতি, একত্রীকরণ ও উদ্দেশ্য নিয়ে আলোচনা করুন। প্রবল মত আশা করুন। পরবর্তী ধাপে একটি ব্যবহারের বিবৃতিতে সম্মত হোন এবং কর্মী প্রতিনিধি ও আইনি পরামর্শ জড়ান।
বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ
একটি জাতীয় গ্রন্থাগার নেটওয়ার্কের আইটি দল 300টি শাখায় 6,000 কর্মীকে সহায়তা করে। প্রযুক্তিগত মাপকাঠি ভালো কার্যকারিতা দেখায়: প্রাপ্যতা 99.5 শতাংশের ওপরে এবং 92 শতাংশ টিকিট লক্ষ্যের মধ্যে সমাধান। তবু একটি বার্ষিক কর্মী জরিপ বলে "আইটি সহায়তা" সবচেয়ে কম রেটিং পাওয়া সেবা, এবং শাখা ব্যবস্থাপকরা বলেন আইটি তাঁদের কাজ বোঝে না।
সেবা ব্যবস্থাপক একটি ছোট লেনদেনভিত্তিক জরিপ দিয়ে শুরু করেন, টিকিট সমাধান হলে স্বয়ংক্রিয়ভাবে পাঠানো: দুটি প্রশ্ন ("আমরা কি আপনার সমস্যা সমাধান করেছি?" ও "সাহায্য পাওয়া কতটা সহজ ছিল?") এবং একটি ঐচ্ছিক মন্তব্য। উত্তরের হার 18 শতাংশ। উত্তরদাতাদের কর্মীদের জনসংখ্যার সঙ্গে তুলনা করে তিনি দেখেন বড় শাখা অতিপ্রতিনিধিত্ব পেয়েছে এবং ছোট, দূরবর্তী শাখা প্রায় নেই। তিনি এলোমেলোভাবে বাছা পাঁচটি ছোট শাখায় মাসিক একটি ফোন কল যোগ করেন, এবং তিনটি ব্যবহারযোগ্যতার সেশন চালান যেখানে কর্মীরা একটি নতুন লগইনের অনুরোধ ও একটি সভাকক্ষের ডিসপ্লে বুক করার চেষ্টা করেন।
সংখ্যা দেখায় 84 শতাংশ বলেন তাঁদের সমস্যা সমাধান হয়েছে, কিন্তু মাত্র 55 শতাংশ বলেন সাহায্য পাওয়া সহজ ছিল। দুজন বিশ্লেষকের বিষয় অনুযায়ী গুচ্ছবদ্ধ করা মন্তব্য দেখায় সবচেয়ে সাধারণ অভিযোগ প্রতিটি ব্যক্তিকে আবার সমস্যা ব্যাখ্যা করতে হওয়া: মন্তব্যের 31 শতাংশ। 200টি হাতে লেবেল করা মন্তব্যের বিপরীতে পরীক্ষা করা একটি মনোভাব টুল প্রায় এক-চতুর্থাংশ ভুল লেবেল করে, যার মধ্যে অনেক "জরুরি" বা "গুরুত্বপূর্ণ"কে বর্ণনামূলক শব্দ হিসেবে ব্যবহার করে, তাই দল এটি কেবল পড়ার জন্য মন্তব্য সাজাতে ব্যবহার করে। ব্যবহারযোগ্যতার সেশন দেখে অনুরোধের ফর্ম একটি সম্পদ ট্যাগ চায়, যা বেশিরভাগ কর্মী জানেন না।
দল ফর্ম বদলায়, এজেন্টদের মধ্যে টিকিটের সঙ্গে চলা একটি দৃশ্যমান ইতিহাস তৈরি করে, এবং কী বদলেছে তার একটি মাসিক নোট প্রকাশ করে। তারা শাখা ব্যবস্থাপকদের সঙ্গে একটি অভিজ্ঞতার লক্ষ্যে সম্মত হয়: 75 শতাংশ কর্মী বলেন সাহায্য পাওয়া সহজ ছিল, ত্রৈমাসিক পর্যালোচিত, মন্তব্য ও উত্তরের হারসহ। ব্যবস্থাপক দলকে বলেন স্কোর ব্যক্তিগত মূল্যায়নে ব্যবহার হবে না।
যা বদলায়: দুই ত্রৈমাসিকে সহজতার স্কোর 68 শতাংশে ওঠে, এবং "আবার ব্যাখ্যা করা" মন্তব্যের 15 শতাংশে নামে। যা এখনো কঠিন: সবচেয়ে ছোট শাখায় উত্তরের হার কম থাকে; বিবৃতি সত্ত্বেও কিছু এজেন্ট উদ্বিগ্ন যে স্কোর তাদের বিরুদ্ধে ব্যবহার হবে; এবং একজন ভেন্ডর ফোন কলের জন্য একটি আবেগ শনাক্তকরণ টুল প্রস্তাব করেছে, যা আইনি ও কর্মী প্রতিনিধিরা পর্যালোচনা না করা পর্যন্ত ব্যবস্থাপক প্রত্যাখ্যান করেন। তিনি ফোন নমুনা বাড়ানোর পরিকল্পনা করেন।
চারটি দৃষ্টিকোণ
পণ্য ও ডেলিভারি দল
আপনার বৈশিষ্ট্যের ফল নিয়ে ব্যবহারকারীদের জিজ্ঞাসা করুন, কয়েকটি প্রকৃত সেশন পর্যবেক্ষণ করুন, এবং ছেড়ে দেওয়ার মতো ঘর্ষণ বিন্দুতে যন্ত্রব্যবস্থা বসান। যা শেখেন সেবা দলের সঙ্গে ভাগ করুন।
সেবা ও অপারেশন দল
মন্তব্য পড়ুন, গ্রাহকদের কী বদলেছে বলুন, এবং প্রক্রিয়া কোথায় মানুষকে হতাশ করে তা দেখতে অভিজ্ঞতার ডেটা ব্যবহার করুন। স্কোরের হেরফের করবেন না, এবং মানুষকে আপনাকে ভালো রেটিং দিতে বলবেন না।
নেতৃত্ব ও শাসন
উত্তরের হার ও মন্তব্যসহ অভিজ্ঞতার মাপকাঠি চান। গুণগত কাজ ও অনুসরণে অর্থ দিন। ব্যক্তিকে র্যাঙ্ক বা পুরস্কৃত করতে অভিজ্ঞতার স্কোর ব্যবহার করবেন না। গোপনীয়তা ও কর্মী নজরদারি নিয়ে পরামর্শ নিন।
গ্রাহক ও ব্যবহারকারী
আপনাকে যা গুরুত্বপূর্ণ তা নিয়ে জিজ্ঞাসা করা, যেখানে উপযুক্ত সেখানে বেনামে বলতে পারা, এবং কী বদলেছে শোনা উচিত। জরিপ আপনার অভিজ্ঞতা কোথায় মিস করে সরবরাহকারীকে জানান, এবং আপনার মন্তব্যে উদাহরণ দিন।
এজাইল, এআই, অটোমেশন ও বিশ্লেষণ
এজাইল
অভিজ্ঞতার ওপর ছোট পরীক্ষা চালান, যেমন একটি ফর্ম বদলানো, এবং কয়েকজন ব্যবহারকারীকে জিজ্ঞাসা করুন তা সাহায্য করেছে কি না। নকশায় ব্যবহারকারীদের জড়ান। সতর্কতা: ক্রমাগত জরিপ বদলানো তুলনা নষ্ট করে; একটি স্থিতিশীল মূল রাখুন এবং কম করে প্রশ্ন যোগ করুন।
এআই
মূলের বিপরীতে একজন ব্যক্তি যাচাই করে, এআই মন্তব্য গুচ্ছবদ্ধ, বিষয়ের সারসংক্ষেপ এবং "আপনি বলেছেন, আমরা করেছি" নোট খসড়া করতে পারে। একজন মালিকের নাম দিন। সতর্কতা: এআই মনোভাব ও আবেগ শনাক্তকরণ ভুল এবং গোষ্ঠী ও ভাষা জুড়ে অন্যায্য হতে পারে; একটি লেবেল করা নমুনায় পরীক্ষা করুন এবং ব্যক্তির ওপর ব্যবহার এড়ান। দেখুন বিষয় 5.6 — এআই শাসন, ঝুঁকি ও সম্মতি।
অটোমেশন
জরিপের ট্রিগার, গুরুতর মন্তব্য একজন ব্যক্তির কাছে রুট এবং অনুসরণের রিমাইন্ডার স্বয়ংক্রিয় করুন। সতর্কতা: শুধু ভালো ফলের পরে পাঠানো স্বয়ংক্রিয় জরিপ স্কোর ফাঁপায়; সঙ্গতভাবে ট্রিগার করুন। দেখুন বিষয় 6.2 — ওয়ার্কফ্লো অটোমেশন ও অর্কেস্ট্রেশন।
বিশ্লেষণ
স্কোর, উত্তরের হার, বিষয়, আচরণের সংকেত এবং প্রযুক্তিগত ডেটা মেলান। সতর্কতা: স্কোর কোলাহলপূর্ণ, কে উত্তর দেন ও প্রশ্ন কীভাবে করা হয় তার দ্বারা প্রভাবিত; প্রবণতা ব্যবহার করুন, অনিশ্চয়তা জানান এবং মন্তব্য পড়ুন। দেখুন বিষয় 7.3 — পরিমাপ ও প্রতিবেদন এবং Service Management Metrics বই।
সাধারণ ব্যর্থতার ধরন
- শুধু প্রযুক্তিগত মাপকাঠি। সবুজ ড্যাশবোর্ড, অসন্তুষ্ট ব্যবহারকারী। অভিজ্ঞতার মাপকাঠি ও মন্তব্য যোগ করুন।
- জরিপের পক্ষপাত উপেক্ষা। সবচেয়ে জোরালোরা উত্তর দেয়। উত্তরের হার জানান এবং অনুপস্থিত গোষ্ঠীর কাছে পৌঁছান।
- প্ররোচনামূলক প্রশ্ন। উত্তর বেঁকে যায়। নিরপেক্ষ শব্দচয়ন ব্যবহার করুন এবং পরীক্ষা করুন।
- মনোভাবের স্কোরে ভরসা। টুল ভুল লেবেল করে। মানুষের পড়ার বিপরীতে যাচাই করুন এবং বাছাইয়ে ব্যবহার করুন।
- লক্ষ্য হিসেবে স্কোর। মানুষ উত্তরদাতাদের ওপর চাপ দেয়। কয়েকটি মাপকাঠিসহ XLA-কে ভাগ করা লক্ষ্য হিসেবে ব্যবহার করুন।
- জরিপে ক্লান্তি। উত্তর কমে। কম জিজ্ঞাসা করুন, এবং কী বদলেছে দেখান।
- মানুষ মনিটর করা। আস্থা ও বৈধতা ক্ষতিগ্রস্ত হয়। একত্র করুন, সম্মতি নিন এবং পরামর্শ নিন।
পরিপক্বতা মডেল
| মাত্রা | সূচনা | বিকাশ | মানসম্মতকরণ | ব্যবস্থাপনা | সমন্বয় |
|---|---|---|---|---|---|
| সংগ্রহ | বার্ষিক জরিপ | লেনদেনভিত্তিক জরিপ | মন্তব্যসহ ছোট লেনদেনভিত্তিক ও সম্পর্কভিত্তিক জরিপ | উত্তর ও পক্ষপাত যাচাই, অনুপস্থিত গোষ্ঠীর কাছে পৌঁছানো | কয়েকটি চ্যানেলের মতামত একীভূত |
| বিশ্লেষণ | শুধু স্কোর | হাতে পড়া বিষয় | নমুনাসহ বিষয়, মানুষের বিপরীতে যাচাই করা টুল | আচরণ ও প্রযুক্তিগত ডেটার সঙ্গে যুক্ত অভিজ্ঞতা | অভিজ্ঞতার অন্তর্দৃষ্টি সেবা জুড়ে পরিকল্পনা চালায় |
| ব্যবহার | জানানো হয় | কিছু কাজ | কাজ ট্র্যাক করা এবং "আপনি বলেছেন, আমরা করেছি" প্রকাশিত | গ্রাহকদের সঙ্গে পর্যালোচিত অভিজ্ঞতার লক্ষ্য | অংশীদার জুড়ে ভাগ করা অভিজ্ঞতার চুক্তি |
| নীতিশাস্ত্র | অস্পষ্ট | সচেতনতা | উদ্দেশ্য, বেনামিত্ব ও একত্রীকরণের নিয়ম | কর্মী ও উপদেষ্টাদের সঙ্গে চর্চা পর্যালোচিত | সংগ্রহ ও বিশ্লেষণে গাঁথা গোপনীয়তা |
চেকলিস্ট
- আমরা শুধু সন্তুষ্টি নয়, ফল ও প্রচেষ্টা মাপি।
- জরিপ ছোট, নিরপেক্ষ ও পরীক্ষিত।
- আমরা উত্তরের হার এবং কে অনুপস্থিত জানাই।
- আমরা প্রতি সপ্তাহে মন্তব্য পড়ি এবং বিষয়ে গুচ্ছবদ্ধ করি।
- মনোভাব টুল মানুষের লেবেলের বিপরীতে যাচাই করা এবং শুধু বাছাইয়ে ব্যবহৃত।
- আমরা শুধু জিজ্ঞাসা নয়, প্রকৃত ব্যবহার পর্যবেক্ষণ করি।
- আমরা অভিজ্ঞতার লক্ষ্য ভাগ করা উদ্দেশ্য হিসেবে ব্যবহার করি, ব্যক্তির মাপকাঠি হিসেবে নয়।
- আমরা প্রকাশ করি মতামতের কারণে কী বদলেছে।
এআই প্রম্পট
পর্যালোচনার জন্য মন্তব্যগুলোকে বিষয়ে গুচ্ছবদ্ধ করুন।
Here are free-text comments from users with personal details removed: [paste].
Group them into up to eight themes, give a count for each, and quote two short comments exactly for each theme. List comments that do not fit. Do not rate sentiment or guess who wrote anything.
List what you are unsure of.
জরিপের প্রশ্ন পর্যালোচনা করুন।
Here is a draft survey: [paste].
List questions that are leading, double-barreled, unclear, or likely to produce biased answers, quoting each, and suggest a neutral rewording. Do not add questions.
List what you are unsure of.
একটি মনোভাব টুল পরীক্ষা করুন।
Here are 40 comments, each with a human label and the tool's label: [paste].
Compute the number and share of agreements and disagreements, list the comments with disagreements, and say what they have in common. Do not conclude anything about the tool beyond this sample.
List what you are unsure of.
এআই স্কিল
- survey-design: ন্যায্য, কাজের জরিপ নকশা করতে ব্যবহার করুন।
- getting-feedback: ব্যবহারকারী ও সহকর্মীদের কাছ থেকে মতামত সংগ্রহ ও ব্যবহার করতে ব্যবহার করুন।
- stakeholder-analysis: কাকে জিজ্ঞাসা করবেন এবং কে অনুপস্থিত তা শনাক্ত করতে ব্যবহার করুন।
- statistical-analysis: অনিশ্চয়তাসহ উত্তরের ডেটা বিশ্লেষণ করতে ব্যবহার করুন।
- service-level-agreement: প্রযুক্তিগত লক্ষ্যের পাশাপাশি অভিজ্ঞতার লক্ষ্য সাজাতে ব্যবহার করুন।
মূল সূত্র
- Don Dillman, Jolene Smyth, and Leah Christian, Internet, Phone, Mail, and Mixed-Mode Surveys (4th edition, 2014): জরিপ নকশার একটি মানক নির্দেশিকা।
- Jakob Nielsen, ব্যবহারযোগ্যতা গবেষণা (nngroup.com): ছোট নমুনায় ব্যবহারযোগ্যতা পরীক্ষা নিয়ে ব্যবহারিক প্রমাণ।
- সঙ্গী Service Management Metrics বই: অভিজ্ঞতার মাপকাঠির সংজ্ঞা ও রক্ষাকবচ।
- Wikipedia, "Customer satisfaction" ও "Sentiment analysis": প্রধান ধারণাগুলোর পরিচিতি।
তথ্যসূত্র
- Customer satisfaction — Wikipedia — https://en.wikipedia.org/wiki/Customer_satisfaction
- Net promoter score — Wikipedia — https://en.wikipedia.org/wiki/Net_promoter_score
- Customer experience — Wikipedia — https://en.wikipedia.org/wiki/Customer_experience
- User experience — Wikipedia — https://en.wikipedia.org/wiki/User_experience
- Survey methodology — Wikipedia — https://en.wikipedia.org/wiki/Survey_methodology
- Participation bias — Wikipedia — https://en.wikipedia.org/wiki/Participation_bias
- Sentiment analysis — Wikipedia — https://en.wikipedia.org/wiki/Sentiment_analysis
- Thematic analysis — Wikipedia — https://en.wikipedia.org/wiki/Thematic_analysis
- Usability testing — Wikipedia — https://en.wikipedia.org/wiki/Usability_testing
- Voice of the customer — Wikipedia — https://en.wikipedia.org/wiki/Voice_of_the_customer
- Employee monitoring — Wikipedia — https://en.wikipedia.org/wiki/Employee_monitoring
- Privacy — Wikipedia — https://en.wikipedia.org/wiki/Privacy