ما امروز رها می کنیم شواهدموتور رایگان ، با آزمایش باز برای سازمان های غیر انتفاعی برای سازمان های غیر انتفاعی آزمایش های تصادفی خود را انجام دهید. این پلتفرم جدید برای حفظ طراحی شده است آموزش سریع و دقیق برای سازمان ها در بخش اجتماعی.
وقتی خدمات و برنامه های اجتماعی هستند دنیای واقعیتست های A/B یکی از سریعترین و کاربردی ترین راهها برای یادگیری و بهبود را ارائه می دهد. آنها بین مکث های غریزه و تست های کنترل شده تصادفی در مقیاس کامل (RCT) قرار می گیرند. با مقایسه شرکت کنندگان در برنامه با کسانی که به این برنامه پیشنهاد نشده اند ، RCT می تواند به این سؤال پاسخ دهد: “آیا برنامه اصلاً کار می کند؟” برای مقایسه ، آزمون های A/B سؤال می کنند: “چه تغییراتی در تأثیر برنامه فعلی ما بهبود می یابد؟” با آزمایش نسخه های جدید یک برنامه با توجه به آنچه در حال حاضر در دسترس است ، آنها می توانند طی چند هفته از بخشی از هزینه ، نتیجه بگیرند.
اما برای بسیاری از تیم های تأثیر اجتماعی ، آزمایش های سریع اغلب از زمان محدود ، ابزار و ظرفیت محدود می شوند. قرار دادن سیستم های آزمایش داخلی A/B – جمع آوری داده های مناسب ، شکل گیری فرضیه های آزمایش شده و طراحی آزمایش ها – می تواند بسیار زیاد باشد. در چند سال گذشته ، ما بارها و بارها همان درخواست را از شرکای غیر انتفاعی خود شنیده ایم: “ما می دانیم که آزمایش های سریع کار می کنند ، اما آیا می توانید آن را بدون درد انجام دهید؟”
سهم شواهد به عنوان یک گام عملی در این جهتحرف
در ابتدا ، Idinsight و صندوق آژانس بدون تحقق آن با همان چالش به طور جداگانه مدیریت کردند. هر یک از آنها یک تحلیل کامل در بازار انجام دادیم ، پس از آن همه فهمیدند که هیچ ابزار تجاری برای مقابله با محدودیت های اساسی شرکای خود وجود ندارد.
اکثر سیستم عامل های تجاری A/B می پذیرند که همه چیز به صورت آنلاین با فناوری های فناوری اتفاق می افتد که در نهایت برای سازمان های غیرانتفاعی که در خدمت جوامع آسیب پذیر در کانال های دیجیتال و شخصی هستند ، غیر واقعی هستند. ابزارهای تجاری برای تحریک درآمد به جای بهبود زندگی ساخته شده اند و آنها موفقیت را از طریق شاخص هایی مانند کلیک بر روی نرخ ها اندازه گیری می کنند تا نتیجه ای مانند تغییر در سلامت ، یادگیری یا رفتار. آنها برای سیستم عامل های ساده و متمرکز مانند یک برنامه یا وب سایت طراحی شده اند ، نه برای سیستم های پیچیده غیر انتفاعی که از آنها برای دستیابی به افراد استفاده می کنند ، از جمله واتس اپ ، مطالعات و پاسخ صوتی تعاملی (IVR). آنها همچنین با هزینه های بالایی همراه هستند و به منابع مهندسی قابل توجهی احتیاج دارند و آنها را برای بسیاری از سازمان ها در بخش اجتماعی دور می کنند.
سپس هرکدام راه حل هایی برای مقابله با قسمت های مختلف مشکل ایجاد کرده ایم. صندوق آژانس ابزاری را برای سازمانهایی با سیستم های داده موجود در حال حاضر ساخته است که آزمایش های سریع را با استفاده از داده های موجود تسهیل می کند. IdInsight یک بستر انعطاف پذیر و تطبیقی برای تیم هایی که به دنبال بینش در زمان واقعی هستند ، ایجاد کرده است و به سرعت ارزیابی می کند که بهترین کار را انجام می دهد و آموزش را عملی می کند.
وقتی فهمیدیم که رویکردهای ما چقدر یکدیگر را تکمیل می کنند ، ما به تلاش های خود برای ساخت پیوستیم شواهد – یک ابزار عملی برای بخش اجتماعی برای آزمایش سریعتر ، مطالعه مداوم و تعمیق تأثیرحرف
در حالی که هر سازمانی می تواند آزمایش A/B را انجام دهد از نظر تئوری ، شواهد باعث می شود آزمایش برای سازمانهای غیر انتفاعی آسانتر و در دسترس باشد و به آنها در طراحی تست هایی که بعد از هفته ها بینش می دهد ، کمک می کند. Didential آزمایش های سریعتر از برنامه های جبهه در بخش اجتماعی را به ارمغان می آورد.
ما این پلتفرم را طراحی کرده ایم تا تنظیم و استفاده از آن آسان باشد: هنگامی که انبار داده خود را وصل کنید یا داده های زنده را از طریق API پخش کنید ، شما آماده انجام آزمایشات در طی روزها هستید. در پشت صحنه ، شواهد ، تعیین میزان درمان تصادفی ، ارزیابی قدرت نمونه و تجزیه و تحلیل را پردازش می کند ، بنابراین می توانید به جای نوشتن کد یا نگرانی در مورد هزینه های فنی ، روی یادگیری آنچه کار می کند تمرکز کنید. به روزرسانی نتایج در زمان واقعی برای کمک به شما در متوجه سود یا خطرات اولیه ، با مجموعه داده های مرتب برای تجزیه و تحلیل عمیق تر. با امنیت ساخته شده ، فقط رزومه های آماری بدون داده حساس به اشتراک گذاشته می شوند و زیرساخت های شما را ترک می کنند.
Diventiial چیزی بیش از نرم افزار است. یک تیم مشترک از IdInsight و آژانس در هر مرحله از فرآیند با شما همکاری می کنند و پشتیبانی مرحله ای را ارائه می دهند و به ساخت عضلات سازمان یادگیری داخلی خود کمک می کنند.
ما با شناسایی قابلیت ها با تأثیر زیاد در سفر کاربر شما و تبدیل آنها به فرضیه های واضح و آزمایش شده شروع می کنیم. سپس برای اطمینان از اجرای صاف ، آزمایشات را با هم شروع و مشاهده می کنیم. هنگامی که نتایج به دست آمد ، ما به شما کمک می کنیم تا آنها را تفسیر کنید ، درس ها را بارگیری کنید و تکرار بعدی آزمایش خود را طراحی کنید.
با گذشت زمان ، شواهد به یک مبنای خصوصی مداوم از دانش سازمان شما تبدیل می شود ، در حالی که ناشناس بینش هایی است که می تواند به آموزش در سراسر بخش کمک کند.
اگرچه می تواند سالها طول بکشد ، سازمان ها می توانند طی چند هفته از تست های A/B طراحی ، شروع و یاد بگیرند. شواهد چگونه کمک می کند؟
یک آموزش فرضی غیر انتفاعی به نام دانشگاه آژانس (آژانس) را تصور کنید ، که از دانشجویان در تنظیمات کم منابع از طریق ابزارهای یادگیری دیجیتال پشتیبانی می کند. مداخله اصلی آنها یک سیستم یادآوری مبتنی بر WhatsApp است که دانش آموزان را به انجام و ارسال تکالیف به موقع سوق می دهد. در حالی که این برنامه در حال حاضر نسبتاً خوب کار می کند ، Agendu مایل به افزایش نتایج ، بهبود راندمان هزینه و مقیاس رسیدن است ، بنابراین آنها با اثبات همکاری می کنند تا بررسی کنند که آیا آزمایش A/B می تواند کمک کند.
هفته 1: برنامه
آژانس یک چالش مداوم دارد: در حالی که تعهدات کاربران معمولاً قوی شروع می شوند ، اما انجام وظایف خانه در نهایت شروع به عقب می افتد. با کار با اثبات ، آنها یادآوری جدیدی از WhatsApp را یادآوری می کنند ، که به گونه ای انگیزه تر از نسخه فعلی طراحی شده اند. هدف این است که بررسی شود که تغییر در پیام ها می تواند تعامل دانش آموزان را بهبود بخشد.
هفته 2: آزمون
یک شواهد تصادفی دانش آموزان را برای دریافت جریان یادآور جدید یا موجود منصوب می کند. این آزمایش به طور خودکار متعادل و از نظر آماری قدرتمند است ، با پیام رسانی واقعی و تکمیل تکالیف که آژانس می تواند در داشبورد زنده مشاهده کند.
هفته 3: یاد بگیرید و تکرار کنید
این آزمایش نشان می دهد که پیام انگیزشی 14 ٪ ارسال تکالیف را افزایش می دهد – نتیجه مهیج برای آژانس. هنگامی که با اثبات مورد بررسی قرار گرفتند ، آنها قصد دارند پیام بهبود یافته را از طریق کل پایگاه کاربر خود رها کنند. و آنها شروع به طراحی آزمایش دیگری برای آزمایش فرضیه بعدی خود می کنند: آیا ما باید چنین پیام انگیزشی را برای والدین آشکار کنیم؟
Divential در حال حاضر توسط 12 سازمان پیشگام ، گروهی را هدف قرار می دهد – برخی از آنها در حال حاضر در این سکو زندگی می کنند و برخی دیگر در ماه های آینده سوار سوار می شوند. اما ما به طور فعال از ابراز علاقه جدید استقبال می کنیم. در اینجا چگونه می توانید درگیر شوید:
هرچه بیشتر سازمان ها در حال تجربه تجربه هستند ، با استفاده از اثبات ، ما قصد داریم به طور مداوم پلتفرم را به روز کنیم و از جمله ادغام با خدمات تحقیقاتی و پیام هایی که سازمانهای غیر انتفاعی به آنها بیشترین اعتماد را دارند ، بپردازیم.
ما مشتاقانه منتظر شنیدن صحبت های شما هستیم! سپاسگزاری آموزش موشکی برای خدمت به عنوان بیشترین – و حوصله ترین – سیستم عامل های تست و یک شریک طراح. با تشکر خاص و به سلامت نورا. ، مگس. ، جاکراندا. ، وت سعده برای اعتماد به ما برای انجام آزمایشات با هم و برای بازخورد ارزشمند آنها در طول راه.
ویرایش شده توسط گرگ لارسونحرف
توجه : این مطلب از منابع غیر فارسی به فارسی ترجمه شده است و ممکن است شامل خطا و ایردات ترجمه ای باشد !
