Отдел аналитики и исследований

Миссия

Отдел аналитики и исследований обеспечивает непрерывное улучшение образовательных продуктов Школы Насти Рыбки за счёт системного сбора данных, их анализа и практической реализации рекомендаций.

Ключевые процессы

1. Контроль качества уроков (GetCourse)

Используем встроенный блок «Контроль качества» в уроках.
Студентки могут поставить от 1 до 5 звёзд и добавить текстовый отзыв; оценку изменить невозможно.
Доступ к оценкам открыт только администраторам и сотрудникам с правом «может работать с «Отзывами учеников».
Просмотр и обработка:

Профиль студентки → вкладка «Контроль качества»
Тренинг → вкладка «Качество тренинга» (график по урокам, средняя оценка)
Обучение → «Контроль качества» (фильтры по тренингам, статусам, сотрудникам)

Статусы отзывов: Новый → В работе → Закрыт.
Хранилище первичных данных: GetCourse » Обучение » Контроль качества.

2. Аудит обратной связи «Стервология 3.0»

Последний аудит: май 2025 (итоги 3-го потока).
Средние оценки модулей:

 «Знакомства» — 8,8/10  
 «Деньги» — 8,9/10  
 «Отношения» — 9,1/10

Наивысшая оценка лекций Насти Рыбки — 9,7/10.
Топ-3 рекомендации:

 Добавить больше примеров/скриптов в заданиях 
 Регулярные эфиры с экспертом для разбора кейсов
 Снизить (или лучше спланировать) темп выполнения ДЗ

Ссылка на Google-документ «Аудит обратной связи участниц Стервологии 3.0» с полным отчетом находится по этой ссылке.

3. Индекс Лояльности Участниц (ILU)

ILU — внутренний аналог NPS, рассчитываем удовлетворённость и полезность курса.
Методика:

 1. В конце каждого модуля студентка оценивает «С какой вероятностью вы порекомендуете курс подруге?» по шкале 0–10.  
 2. Категории: Промоутеры (9–10), Нейтральные (7–8), Критики (0–6)
 3. Формула: ILU = %Промоутеров − %Критиков
 4. Дополнительно собираем три суб-метрики: Полезность, Применимость, Эмоциональный эффект (Likert 1–5)

Пороговые значения:

 ILU > +50 — отлично
 +10 … +49 — нормально
 ≤ +9 — требуется вмешательство

4. Дополнительные направления

A/B-тесты контента: Запускаем экспериментальные ветки уроков с разными примерами/формулировками и измеряем прирост ILU и доходимости.
Анализ кураторских чатов: NLP-классификация сообщений на позитив/негатив, выявление «точек боли» в реальном времени.
Прогноз оттока: Используем логистическую регрессию на данных вовлечённости и домашних заданий; сигнал < 60% вовлечённости → триггер персонального напоминания куратору.
База знаний и прозрачность: Все методики и регламенты публикуются в этой Базе знаний для быстрой внутрикросс-командной передачи знаний. Все отчёты передаются руководству.

См. также