Pēdējos gadus esmu pētījis simtiem pakalpojumu sniegšanas uzņēmumu bilances, un tajās ir kāds atkārtots bieds, kas īpašniekus vajā vairāk nekā jebkurš cits: tukšais krēsls. Skaistumkopšanas un personīgās aprūpes nozarē tukšs krēsls nav tikai nerealizēti ieņēmumi; tā ir degoša naudas kaudze. Jūs maksājat par elektrību, telpu īri un, kas ir vissāpīgāk, par speciālistu, kurš sēž tajā krēslā un gaida tālruņa zvanu.
Tā nav tikai plānošanas problēma. Tā ir datu problēma. Lielākā daļa īpašnieku mēģina to atrisināt ar „iekšējo sajūtu” vai skatoties pagājušā gada kalendārā. Taču „pagājušais gads” nezina, ka trīs kvartālu attālumā ir atvērts jauns konkurents vai ka pēkšņs lokāls karstuma vilnis nupat ir palielinājis pieprasījumu pēc pedikīra par 40%. Lai to labotu, jums nav vajadzīgs labāks vadītājs; jums ir nepieciešama AI transformācija, kas pārvērš jūsu vēsturiskos datus prognozēšanas dzinējā.
Nesen es strādāju ar 5 salonu skaistumkopšanas grupu, kas zaudēja gandrīz ceturto daļu no savas potenciālās peļņas normas tam, ko es saucu par darbaspēka elastības plaisu (The Staffing Elasticity Gap) — attālumu starp fiksētajām darbaspēka izmaksām un mainīgo klientu pieprasījuma realitāti. Līdz brīdim, kad pabeidzām viņu transformāciju, viņi bija samazinājuši darbaspēka dīkstāvi par 22%, neatlaižot nevienu darbinieku. Viņi vienkārši sāka norīkot pareizos cilvēkus pareizajos krēslos pareizajā laikā.
"Tukšā krēsla" krīzes anatomija
💡 Vai vēlaties, lai Penijs analizē jūsu biznesu? Viņa kartē, kuras lomas AI var aizstāt, un izveido pakāpenisku plānu. Sāciet savu bezmaksas izmēģinājuma versiju →
Šai grupai problēma nebija pamanāma, jo tā šķita „normāla”. Viņi plānoja maksimālo darbinieku skaitu katru ceturtdienu līdz sestdienai. Uz papīra tas šķita loģiski. Tās bija viņu noslogotākās dienas. Tomēr, kad mēs faktiski analizējām izmantošanas rādītājus pa minūtēm, mēs atklājām pārsteidzošu „mikro-dīkstāves” apjomu.
Stilistam būtu 45 minūšu pārtraukums starp matu krāsošanas procedūrām. Terapeitam otrdienas rītā nebūtu neviena rezervējuma līdz pat plkst. 11:00, tomēr viņš bija darbā jau no plkst. 9:00. Piecās lokācijās un vairāk nekā 60 darbinieku sastāvā šīs spraugas uzņēmumam izmaksāja vairāk nekā £12,000 mēnesī „tukšās” algās.
Ja redzat līdzīgus modeļus savā uzņēmumā, jūs neesat vieni. Mūsu skaistumkopšanas un personīgās aprūpes ietaupījumu ceļvedis rāda, ka lielākā daļa neatkarīgo grupu klusākajās dienās nodarbina par vismaz 15% vairāk darbinieku nekā nepieciešams, bet ienesīgākajās dienās darbinieku trūkst.
Kāpēc tradicionālā plānošana neizdodas
Tradicionālā plānošana ir reaktīva. Jūs redzat, ka tuvojas aizņemta sestdiena, tāpēc darbā norīkojat visus. Jūs redzat klusu otrdienu, tāpēc vienu cilvēku sūtāt mājās. Bet, kamēr jūs reaģējat, nauda jau ir zaudēta.
5 salonu grupa, kuru es konsultēju, bija iesprostota šajā ciklā. Viņu vadītāji katrs pavadīja aptuveni 10 stundas nedēļā, darbojoties ar izklājlapām un mēģinot uzminēt, kam un kad būtu jāstrādā. Tas ir tas, ko es saucu par vadības berzes nodokli (Management Friction Tax) — maksājot augsta līmeņa darbiniekiem par manuālu datu ievadi, ko viņi pat neveic īpaši labi, jo viņiem trūkst visaptveroša skatījuma uz datiem.
Lai tiktu tam pāri, mēs nevis vienkārši nopirkām jaunu rezervēšanas lietotni, bet veicām pilnīgu viņu operāciju AI transformāciju. Mēs pārstājām jautāt „Kurš ir pieejams?” un sākām jautāt „Ko dati saka par to, kas tūlīt notiks?”.
Stratēģija: Prediktīvās signālu kopas izveide
Uz AI vērsts uzņēmums neskatās tikai uz saviem rezervējumiem. Tas skatās uz pasauli. Šai skaistumkopšanas grupai mēs izveidojām to, ko es saucu par prediktīvo signālu kopu (Predictive Signal Stack). Tas ir trīs līmeņu datu modelis, kas baro darbinieku plānošanas dzinēju:
1. Iekšējais pulss (Vēsturiskie dati)
Mēs apkopojām trīs gadu rezervāciju datus. AI ir izcils, lai pamanītu likumsakarības, kuras cilvēks-vadītājs palaiž garām. Tas atklāja, ka, lai gan sestdienas bija aizņemtas, pakalpojumu veids mainījās atkarībā no mēneša nedēļas (algu diena pret mēneša vidu). Tas identificēja „rezervēšanas ātrumu” — cik ātri piektdiena aizpildās salīdzinājumā ar trešdienu —, ļaujot mums prognozēt pilnībā rezervētu dienu 72 stundas iepriekš ar 94% precizitāti.
2. Ārējā vide (Kontekstuālie dati)
Šeit notiek īstā transformācija. Mēs sasaistījām plānošanas dzinēju ar vietējiem laikapstākļu API un pasākumu kalendāriem. Skaistumkopšanas pasaulē laikapstākļi nosaka likteni. Lietaina piektdiena var izraisīt 20% pieaugumu pēdējā brīža matu fēna ieveidošanas atcelšanā, bet 15% pieaugumu masāžas rezervācijās. Ievadot šos datus AI, grafikus varēja pielāgot vēl pirms lietus sākšanās.
3. Digitālā pēda (Nodomu dati)
Mēs uzraudzījām Google Search tendences vietējā reģionā un grupas tīmekļa vietnes trafiku. Ja otrdienas vakarā viņu pasta indeksā pieauga meklējumi „balayage netālu no manis”, AI to atzīmēja kā augsta nodoma signālu gaidāmajai nedēļas nogalei.
Transformācijas process: no minējumiem līdz grafika automatizācijai
Tā nebija vienas nakts pāreja. Mēs izmantojām pakāpenisku pieeju, lai komanda justos atbalstīta, nevis aizstāta.
1. fāze: Signālu tīrīšana. Mēs revidējām viņu esošās algu aprēķina pakalpojumu izmaksas un rezervāciju datus. Atklājām, ka viņu dati bija „trokšņaini” — darbinieki ne vienmēr pareizi reģistrēja nepieteiktos klientus (walk-ins). Pirms AI varēja prognozēt nākotni, tam bija nepieciešams tīrs pagātnes ieraksts.
2. fāze: Ēnu grafiks. 30 dienas mēs darbinājām AI prognozēto grafiku paralēli vadītāja manuālajam grafikam. Mēs vēl nemainījām faktiskās maiņas; mēs vienkārši salīdzinājām abus. AI pārspēja vadītājus 18 no 20 rādītājiem, īpaši prognozējot „klusumu” starp plkst. 14:00 un 16:00 darba dienās.
3. fāze: Dinamiskais maiņu modelis. Mēs ieviesām „dežūras” stimulus un elastīgus darba sākšanas laikus, pamatojoties uz AI prognozēm. Tā vietā, lai visi sāktu plkst. 9:00, AI varētu ieteikt pakāpenisku sākumu: divi cilvēki plkst. 9:00, trīs plkst. 10:30 un viens plkst. 13:00. Tas vien novērsa milzīgu daļu no darbaspēka elastības plaisas.
Rezultāts: par 22% mazāk dīkstāves, par 100% vairāk sirdsmiera
Sešus mēnešus pēc transformācijas skaitļi bija nenoliedzami:
- Darbaspēka dīkstāve: samazināta par 22%. Saskaņojot darba stundas ar faktisko pieprasījumu, grupa ietaupīja vidēji £14,500 mēnesī visās piecās lokācijās.
- Ieņēmumi uz vienu darba stundu: pieauga par 18%. Stilisti bija aizņemtāki savās maiņās, kas nozīmēja, ka viņi nopelnīja vairāk komisijas maksās un dzeramnaudās.
- Vadības laiks: vadītāji atguva katrs pa 8 stundām nedēļā. Tā vietā, lai cīnītos ar izklājlapām, viņi atgriezās salonā, lai koncentrētos uz klientu pieredzi un apmācību.
- Darbinieku noturēšana: pārsteidzošā kārtā darbinieku apmierinātība pieauga. „Tukšā krēsla” krīze stilistiem ir garlaicīga; viņi vēlas strādāt. AI nodrošināja, ka laikā, kad viņi atradās salonā, viņi arī pelnīja.
Ietvars: 90/10 noteikums pakalpojumu personālam
Savā darbā ar AI prioritāriem uzņēmumiem es izmantoju ietvaru, ko saucu par 90/10 noteikumu. Tas nosaka, ka AI var tikt galā ar 90% loģistikas smagā darba (grafiku laiki un personāls), bet atlikušie 10% — cilvēciskā nianse — ir tie, kas liek tam darboties.
Ja stilista bērns ir saslimis vai komandas biedram ir slikta diena, AI to nezinās. Transformācija nav vērsta uz vadītāja likvidēšanu; tā ir par „supervaroņa” objektīva piešķiršanu vadītājam, kas ļauj viņam redzēt nākamo nedēļu pilnīgi skaidri.
Kā sākt savu transformāciju
Jums nav vajadzīga piecu salonu grupa, lai gūtu labumu no šīs pieejas. Pat viena salona uzņēmums var sākt mazināt plaisu starp datiem un darbību.
- Pārtrauciet uzskatīt algas par fiksētām izmaksām. Tās ir mainīgas izmaksas, kuras jūs pašlaik uztverat kā fiksētas. Sāciet analizēt savus ieņēmumus uz vienu stundu detalizētā līmenī.
- Auditējiet savu datu kvalitāti. Vai katrs nepieteiktais klients tiek reģistrēts? Vai katra atcelšana tiek izsekota? AI ir tikai tik labs, cik labs ir signāls, ko jūs tam dodat.
- Meklējiet „Signālu” ārpus savām sienām. Sāciet pievērst uzmanību tam, kā ārējie faktori (laikapstākļi, pasākumi, vietējās algu dienas) ietekmē jūsu rezervācijas.
AI transformācija nav kāds futūristisks koncepts, kam nepieciešama datu zinātnieku komanda. Tās ir praktiskas, loģiskas izmaiņas tajā, kā jūs pārvaldāt savas operācijas. Mans bizness pilnībā darbojas uz šiem principiem — man nav komandas, asistenta vai vadītāja. Man ir sistēmas. Un, ja pakalpojumu uzņēmums var automatizēt vissarežģītāko savas darbības daļu — savus cilvēkus —, tad iedomājieties, ko jūs varētu darīt ar savējo.
Ja esat gatavi uzzināt, kur jūsu darba grafikos slēpjas dīkstāve, apskatīsim skaitļus. „Tukšajam krēslam” nav jābūt dzīves realitātei. Tas ir tikai signāls, ka jūsu personāla modelis joprojām dzīvo pagātnē.