[发明专利]用于在企业中使用的社交网络分析的方法

说明书

技术领域

本发明总体上涉及在企业内使用社交网络，并且更具体地涉及应用社交网络分析以提高同事生产率和满意度。

背景技术

一种用于监视与企业关联的人员的总体满意度状态的传统方式一直只是使用静态和不频繁调查，这些调查还承担大量开支并且在可靠性方面颇有问题。特别是如果未在匿名进行的保证之下执行这样的调查，则对调查的响应很可能由于个体感知的明显可能响应将被企业偏爱而有偏见。在另一方面，匿名进行的调查将丢失与企业可以能够解决的具体个体的满意度水平有关的信息。

这些方式在提供同事满意度的实时理解或者在动作可以在实现提高的生产率时更有效时的及早日期解决满意度改变的潜在问题时具有很低价值。问题由于企业获得可以支持改进条件和增加满意度的信息可能视为有冒犯并且直接有害于工作满意度这样的事实而进一步变复杂。

此外还可能有影响同事满意度的附加社交因素。将预计在密切关联的个体之中的高水平分权、友谊和认同应当增加满意度。相似地，可以在相互关联的个体之中散布对企业境况的一些方面的满意度。

发明内容

因此，本发明的一个目的是提供一种用于通过组合行为分析、偏差检测和社交网络分析来提供同事满意度的实时、增加的理解。

本发明的另一目的是提供一种具有实时满意度评估系统的管理工具。

为了实现本发明的这些及其它目的，提供一种评估在个人群体内所述群体的成员将对鼓励或者激励做出响应的可能性的方法，该方法包括以下步骤：标识在群体内的多个同级组，这些同级组被选择为对群体公共的多个因素中的每个因素具有相似响应，关于相应因素评估相应同级组的成员以获得基线或者分布，基于同级组的成员的评估相对于在同级组内用于因素的所述基线或者分布而言的位置对同级组的成员进行计分以形成同级组成员分数，并且组合组成员分数并且根据比在同级组内的组成员分数的平均值或者中值显著更高或者更低的分数确定对鼓励或者激励的响应可能性。优选地，通过执行前瞻分析——这通过重复计分过程并且比较用于个体的当前分数与用于个体的先前分数——并且预计影响在群体内的散布——这通过将历史分析和/或前瞻分析的结果与群体的社交网络分析的结果叠加——来细化这样的分析的结果。

附图说明

将参照附图从本发明的一个优选实施方式的以下具体描述中更好地理解前述和其它目的、方面以及优点，在附图中：

图1是本发明的一个优选实施方式的高级示意图或者数据流程图，以及

图2是可以在传达本发明的方法的理解时有用的关于满意度因素或者指示符的用于同级同事组的数据分布的图形。

具体实施方式

现在参照附图并且更具体地参照图1，示出本发明的一个优选实施方式的架构的高级示意图。也以如下方式布置图1，该方式使得可以理解它为本发明的方法的流程图。

作为综述，在具体讨论本发明之前，本发明包括组合的两个主要分析组成：被前瞻分析补充和利用的历史分析，该前瞻分析基于可以在实时基础上执行的局外者检测和计分；以及用于预计关于社交网络同伴的(充分为正或者为负)兴趣满意度分数的定量部分的社交网络分析。

历史分析是对个体组执行的并且关于境况的可以承载满意度的属性提供该组的个体成员的行为的定量统计分布。因此，可以基于与个体行为的统计平均值或者期望值的差异推导用于个体的满意度分数。在通过引用而完全结合于此的美国公开专利申请2009/0228233A1中提供用于执行此技术的优选算法，但是其它算法可以是适合的并且可以在本发明的成功实践中有用。在任何情况下，这样的方法及其结果在对同级个体组执行时变得远远更有意义，这些个体可能显得表现如在本发明的实践中优选的响应于在企业或者个体境况中的特定事件或者改变的相互相似的行为改变。如下文更详细所述，在一个方面，选择这样的同级组(例如，可能也限于企业的相异运营的机械工程师、电气工程师、分析员、支持人员、行政人员等)往往使行为分布稳定，因为执行历史分析并且随时更新结果，而在另一方面，选择这样的同级组往往使行为分布更接近地符合标准分布曲线，该标准分布曲线简化个别满意度分数计算并且在计分过程的结果中提供增加的置信度水平。