Gute Umfragedaten können HR Admins, Managers und Geschäftsführung dabei helfen die richtigen Entscheidungen zu treffen. Besonders in größeren Unternehmen ist das sinnvolle Filtern von Umfrageergebnissen immer wichtiger. Mit den neuen Auswertungen im Umfrage Modul kannst Du jetzt Filter kombinieren.
Wenn Du dich fragst, wie Du die Ergebnisse am besten interpretieren solltest und die einzelnen Analysen zu verstehen sind, können Du hier mehr erfahren.
Filterlogik
Du kannst die Liste, Heatmap oder Kommentare nach verschiedenen Parametern filtern und diese Filter auch kombinieren. Um zu verhindern, dass einzelne Befragte mit einer Kombination verschiedener Filter identifiziert werden, erhöht Leapsome die festgelegte Anonymitätsschwelle dynamisch, sobald Du mehr als einen demografischen Filter (wie 'Abteilung' oder 'Manager') anwendest. Dies wird auch im Tool erklärt, wenn Du mit der Maus über das kleine Dreieck oben rechts in den Umfrageergebnissen fährst.
In der Heatmap funktioniert die Filterlogik wie folgt: Wenn Du nach zwei oder mehr Filtern desselben Typs filtern (z.B. zwei Teams), wendet Leapsome eine ODER-Logik an, d.h. es werden Personen angezeigt, die entweder in Team 1 ODER in Team 2 sind. Wenn Du verschiedene Filter kombinierst, z.B. ein Team und einen Bürostandort, wendet Leapsome eine UND-Logik an. Das bedeutet, dass Du nur die Antworten sehen würdest, die von Personen stammen, die in z.B. Team 1 sind UND im Londoner Büro arbeiten.
Filter- und Segmentierungsoptionen
Du kannst folgende Filter verwenden:
In der Listenansicht:
- Umfragerunde
- Frage
- Kategorie
- Team
- Manager
- Level
- Ort / Büro
- Geschlecht
- Alter
- Nutzer (in nicht-anonymen Umfragen)
- Eigene, benutzerdefinierte Attribute
In den Kommentaren:
- Umfragerunde
- Frage
- Stimmung
- Status der anonymen Unterhaltung
- Thema
- Team
- Manager
- Ort / Büro
- Level
- Geschlecht
- Alter
- Nutzer (in nicht-anonymen Umfragen)
- Eigene, benutzerdefinierte Attribute
In der Heatmap:
- Umfragerunde
- Frage
- Kategorie
- Team
- Manager
- Ort / Büro
- Level
- Geschlecht
- Alter
- Nutzer (in nicht-anonymen Umfragen)
- Eigene, benutzerdefinierte Attribute
Außerdem kannst Dy die Heatmap nach folgenden Parametern segmentieren:
- Manager
- Team
- Ort / Büro
- Level
- Geschlecht
- Alter
- Einstellungsdatum
- Performance-Quantil (die den letzten Manager-Score eines Reviews nimmt und die Umfragenteilnehmer entsprechend in Quantile gruppiert)
- Eigene, benutzerdefinierte Attribute
Kommentare
0 Kommentare
Bitte melden Sie sich an, um einen Kommentar zu hinterlassen.