So erstellt Outdoo AI personalisiertes Micro-Learning aus Leistungsdaten
Scorecard-Ergebnisse zeigen Ihnen, wo jedes Teammitglied Schwierigkeiten hat, etwa bei einer schwachen Einwandbehandlung oder oberflächlichen Fragen in der Bedarfsanalyse. Mit diesen Daten können Sie kurzes Micro-Learning erstellen, das genau auf diese Lücke abzielt, statt allgemeiner Inhalte, die alle bekommen, unabhängig davon, wo sie tatsächlich Schwierigkeiten haben. Dieser Artikel erklärt, wie Sie das mit den heute verfügbaren Tools umsetzen.
Im Performance-Dashboard werden diese Lücken zuerst sichtbar, sowohl für einzelne Personen als auch für das Team.
Wo die Lücke zuerst sichtbar wird
Der Bereich Performance (Performance in der linken Seitenleiste) stellt Managern diese Daten bereits zur Verfügung. Performance > Scorecards zeigt, welche Ziele ein Teammitglied oder ein Team regelmäßig verfehlt, und die Einzelansicht eines Teammitglieds zeigt jede bewertete Sitzung mit den im Zeitverlauf erreichten und verfehlten Zielen. Wie dieses Dashboard aufgebaut ist, erfahren Sie unter Analysen zur Roleplay-Performance und Performance-Analysen im Überblick.
Ein Teammitglied, das immer wieder beim selben Ziel Punkte verliert, etwa bei der Behandlung von Preiseinwänden, sollte gezielt genau dieses Ziel üben, statt ein weiteres vollständiges Discovery-Roleplay zu absolvieren, das das Thema nur kurz streift.
Von der Lücke zum gezielten Üben
Ein Micro-Learning-Agent ist darauf ausgelegt, einen einzelnen Gesprächsabschnitt wie Einwandbehandlung, Verhandlung oder Preisgespräch zu isolieren, statt ein ganzes Gespräch von Anfang bis Ende durchzuspielen. Manuell läuft das so ab:
- Beginnen Sie mit einem Prompt, der das Szenario beschreibt.
- Wählen Sie den Modus Micro-Learning statt Full Conversation.
- Wählen Sie den passenden Unterabschnitt (zum Beispiel Negotiation > Discount Negotiation).
- Legen Sie ein kurzes Zeitlimit fest, damit die Sitzung fokussiert bleibt.
Die vollständige manuelle Anleitung finden Sie unter Einen Micro-Learning-Roleplay Agent erstellen.
Die Personalisierung kommt aus der Scorecard: Das Ziel, das ein Teammitglied immer wieder verfehlt, zeigt Ihnen, auf welchen Unterabschnitt das Micro-Roleplay abzielen sollte. Outdoo AI erstellt oder weist diese Micro-Roleplays nicht automatisch zu. Ein Manager wählt die Lücke aus, erstellt oder wählt den Agent und teilt ihn mit den Teammitgliedern, die ihn brauchen, zum Beispiel indem er ihn zu einem Course hinzufügt.
Die Scorecard-Empfehlungen nutzen
Jede bewertete Sitzung zeigt für jedes Ziel eine Recommendation und für die gesamte Sitzung eine Overall Recommendation. Lesen Sie diese zusammen mit dem verfehlten Ziel, um zu entscheiden, was im Micro-Roleplay geübt werden soll.
Unter Manage > Scorecards legt die Einstellung Recommendation Context in Scorecard Details fest, welche Daten die KI beim Verfassen dieser Empfehlungen verwendet: Team Calls, AI Knowledge Hub und Past Recommendations (damit wird vermieden, dass dasselbe Teammitglied bereits gegebenes Feedback erneut erhält).
Referenzmaterial hinzufügen
Wenn Sie eine Battle Card oder ein anderes kurzes Referenzdokument zur selben Fähigkeit haben, laden Sie es unter Manage > Resources hoch. Sie können es dem Micro-Learning-Agent über Add Context > From Resources hinzufügen oder es zu den Resources des Course hinzufügen, damit Teammitglieder es vor oder nach der Übungssitzung durchsehen können. Siehe Resources verwalten.
Den Kreislauf schließen
Der Kreislauf sieht so aus: Eine Sitzung bewerten, das schwache Ziel erkennen, ein kurzes Roleplay (und Referenzmaterial) zu diesem Ziel zuweisen und dann unter Performance > Scorecards die nächste Bewertungsrunde prüfen, um zu sehen, ob sich das Ziel verbessert hat. Wenn Ihre Scorecards für Real Calls dieselben Ziele abdecken, können Sie außerdem prüfen, ob sich das Üben auch in den Bewertungen echter Gespräche zeigt.
Wir hoffen, dieser Artikel war hilfreich. Bei Fragen schreiben Sie uns bitte an support@outdoo.ai