Facebook sladret til sjefen min!

DN lørdag (24.01.12) forteller oss om mannen som rasende gikk inn på en Target-butikk og klaget over at tenåringsdatteren fikk tilsendt kuponger på bleier og vugger. Faren beskyldte kjeden for å prøve å oppmuntre henne til å bli gravid, noe det etter hvert viste seg at hun jo allerede var. Ved hjelp av elektronisk spor hun hadde lagt igjen, som ved kjøp av kalsiumtabletter, kokoshudkrem, magnesium, sink, et blått teppe og en veske stor nok til å ha bleier i, hadde butikkjedens algoritmer regnet ut at sjansen for at hun var gravid var 87 %. Hun ble dermed medlem i en attraktiv målgruppe og kjeden begynte å spisse markedsføringen. Det er sannelig ikke lett å holde på hemmeligheter lengre.

Storebror ser deg

Etterhvert som mer eller mindre all aktivitet vi gjør blir registrert elektronisk har mengden data som lagres eksplodert. Erik Schmidt, CEO i Google, fortalte i 2010 at annenhver dag ble det da produsert like mye informasjon som vi hadde produsert i hele menneskets historie frem til 2003. Det er så man kan miste pusten.

Tenk hvilke spor du selv legger igjen. Til frokost drikker du en Nespresso-kaffe, blar gjennom Aftenposten, besøker finanssidene i en nettavis, klikker på en annonse for boliglån og en for samlivsterapi, kjører forbi en fotoboks, fyller bensin, liker statusoppdateringen til en politiker på Facebook, blir medlem av en faggruppe på LinkedIn, søker på ledige stillinger på Finn, kjøper en operabillett til deg og kjæresten og ser etter mulighetene for å dra på safari i Afrika.

Før arbeidsdagen er over har du villig signalisert hvem du er, hvilke vaner du har, hva som interesserer deg, hvor mye du tjener, hvilke behov du har og hva du kommer til å gjøre det kommende året. Eller kanskje helst uvillig; mye av informasjonen vi gir gjennom elektroniske spor ville vi nølt med å gi bort om noen hadde spurt oss direkte.

Mer personlig HR

Fenomenet kalles gjerne «big data». Det kommer med en del etiske problemstilling, men informasjonen som nå er tilgjengelig er åpenbart interessant for mange. Toppledere og markedsførere har allerede omfavnet mulighetene og mye tyder på at også HR kommer på banen etter hvert.

Generelt kan vi si at bruken av «big data» dreier seg om to ting. Det første er å sortere mennesker i ulike grupper slik at vi kan spisse tilbudene. Det andre er å forutse hva de kommer til å foreta seg i fremtiden. Det sistnevnte (prediktiv validitet) har lenge vært en slags «hellig gral» for HR. Klarer vi å tilegne oss og dra nytte av iallefall en del av informasjonen som er tilgjengelig om folk kan det virkelig endre måten vi tilnærmer oss både ansatte og relevante kandidater på.

Konkret hva HR kommer til å gjøre er ikke så lett å si, men jeg tillater meg å spå litt i kaffegrut. Her får du noen løse tanker om hva som kan være mulig. Jeg har ikke tatt særlig hensyn til hverken etiske eller juridiske begrensninger, så ta det for hva det er og prøv å se for deg mulighetene.

Kan algoritmer hjelpe oss å spisse markedsføringen innen employer branding?

Markedsføringsteori anbefaler oss å segmentere grupper vi ønsker å nå og tilpasse budskap og kommunikasjon deretter. Innenfor employer branding gjør vi dette, til en viss grad. Vi segmenterer som regel målgrupper etter fagretning, så spørsmålet er om dette er det mest hensiktsmessige, eller om vi burde gjøre det annerledes.

I analysene fra Karrierebarometeret i 2012 fant vi at der er nesten ingen signifikante forskjeller mellom ulike faggrupper på hva de vektlegger ved valg av arbeidsgiver. Blant økonomene finnes der altså så mange ulike typer folk at det er en for stor gruppe å jobbe mot om du virkelig ønsker å spisse budskapet. Vi jobber altså på et nivå som egentlig er litt for lite nyansert og burde på sikt forsøke å bli mer spesifikke.

La meg ta noen eksempler. For Rolls Royce i Ulsteinvik er ikke alle ingeniører like relevante. De mest relevante er de som har relevant utdanning, og samtidig interesseområder og verdier som gjør at de sannsynligvis vil trives med å bo på et sted som Ulsteinvik. For Flyktninghjelpen er det ikke bare fagretning som er interessant. De ønsker i tillegg at kandidatene skal ha en genuin interesse for internasjonalt hjelpearbeid. Organisasjoners målgrupper er altså i realiteten mer spissede enn kun fagretninger.

I dag er det litt vanskelig å jobbe mot målgrupper så er så spisse som de beskrevet over. Vi klarer gjerne ikke å fange de i omdømmeundersøkelser, og det er ofte krevende å finne kommunikasjonskanaler som er tilstrekkelig målrettede. Dette gjør at vi løper en risiko å utforme budskap som er for generelle og lage kommunikasjonskampanjer som favner for vidt.

Problemstillingen kan imidlertid sammenlignes den til Target, som jeg beskrev i innledningen. Vi skulle helst hatt en algoritme som på nettet identifiserte personer i som var i målgruppene til Rolls Royce og Flyktninghjelpen. Aller helst skulle vi i tillegg klart å fange opp om disse var i moduls til å bytte jobb. I så tilfelle ville de vært ekstra interessante. Det ville vært interessant for oss å «skjevfordele» markedsføringen vår, slik at vi ble ekstra godt eksponert mot disse kandidatene. Enkelte nettsider har allerede systemer som ivaretar deler av dette. Teknologien er der så når employer branding får (enda) høyere prioritet tror jeg vi kan vente å se mer av dette.

Kan informasjon fra sosiale medier hjelpe oss å identifisere de beste vekterne?

For en tid tilbake ble det litt ståhei da media gjengav forskning fra Donald Kluemper fra Northern Illinois University i USA, som fant at en jobbsøkers Facebook-profil gav et like godt bilde av en persons personlighet som de personlighetstestene vi vanligvis bruker i rekruttering.

Dette er interessant i den forstand at det viser at det er mulig å sette sammen informasjon fra sosiale medier som er i stand til å predikere fremtidig jobbatferd. For lenge siden, da jeg jobbet i SHL, gjorde jeg et prosjekt for et vekterselskap der vi utviklet en kort screeningtest på personlighet. Denne testen viste seg å være i stand til å identifisere de kandidatene som hadde størst sannsynlighet for å være «upålitelige», og selskapet bruker det i dag når de skal velge hvilke kandidater de skal kalle inn på intervju.

Noe tilsvarende kunne sikkert blitt gjort basert på data fra sosiale medier. Ved å finne ut hva en burde se etter i sosiale media og koble kildene til annonsering og rekrutteringsprosessen kunne en bli mer presis både med hensyn til hvem en presenterte jobbannonsen for og hvem en valgte å ta inn på intervju.

Kan vi lage system som automatisk tilbyr de mest relevante belønningspakkene?

Det er noe grunnleggende ulogisk ved at vi, i et marked med mangel på arbeidskraft, skal starte med å designe roller, utforme belønningssystemer som er felles for alle, og så gå ut og prøve å finne folk som passer inn.

En skulle tro det var bedre å jobbe motsatt. At en spikret fast målene, men så hadde fleksibilitet på hvordan rollen ble utformet og hvordan belønningsmodellene ble satt sammen. En kunne da gå i markedet og finne de mest talentfulle kandidatene, og la de få pakker som passet til deres personlighet og motivasjonsprofil.

En persons preferanser og behov er heller ikke konsistente over tid. Hvordan en ønsker rollen og belønningspakken kan endre seg som følge av at en får kjæreste, barn, går over i an ny fase i karrieren, og liknende. Å legge til rette for slike endringer kan selvsagt ivaretas gjennom årlige medarbeidersamtaler. I alle fall kan det gjøre det på papiret. I store organisasjoner tror jeg imidlertid at det kan være vanskelig å holde oversikt og reagere raskt nok. Medarbeidersamtalen kommer gjerne kun en gang i året, mye endrer seg mellom hver samtale og attraktive kandidater vil regelmessig få henvendelser med andre jobbtilbud.

Så for å være i forkant kan vi tenke oss en algoritme som fanger opp når sentrale endringer skjer og automatisk sender tilbud om endringer i pakker. De ansatte kan da velge å akseptere eller avslå disse, alt etter hva en ønsker.

Kan vi bruke Facebook-informasjon til å finne ut om du vurderer å bytte jobb?

Du har sikkert sett det selv; kommentarer i sosiale medier som signaliserer at en person er lei av jobben og klar for noe nytt. Frustrasjon med oppgaver, for mye arbeid, fravær av mening, misnøye med lederen. Et av områdene som blir stadig mer aktuelt innenfor analyser er analyser av tekst i sosiale medier. Tro hvilke muligheter som vil dukke opp her etter hvert. Oppdateringer av LinkedIn-profilen, at personen leser artikler om karrieremuligheter eller klikker på jobbannonser. Det er ikke vanskelig å se for seg at vi kunne laget en algoritme som med en viss presisjon predikerte fremtidig turnover.

Så vil vi en gang komme tid at denne type informasjon ble gjort tilgjengelig for arbeidsgiver? Denne er selvsagt utfordrende, og tar oss et godt steg i retning George Orwell sin berømte roman 1984. Men, hvem vet hva som vil bli lov og mulig i fremtiden.