JP2015505628A - 人の母集団内で、母集団のメンバが奨励またはインセンティブに反応するであろう尤度を評価する方法（企業で使用するソーシャル・ネットワーク分析） - Google Patents

Abstract

【課題】振舞い分析、逸脱検出、およびソーシャル・ネットワーク分析の組合せによって、要員の満足度のリアルタイムのさらなる把握を実現するための手法およびモニタ装置を提供すること。【解決手段】パフォーマンス改善に向けた奨励またはインセンティブあるいはその両方に反応する有力候補になり得る母集団のメンバを決定するために、履歴分析が、母集団の環境に関する、母集団の個々のメンバの満足度に影響する可能性のある複数の因子に関して、企業または組織の要員などの母集団内のピア・グループ内で実行される。履歴分析は、ほぼリアルタイムの情報を提供し、動向の検出を可能にするために、履歴分析のスコアリングの側面を繰り返し、現在のスコアを以前のスコアと比較することにより、補完されることが好ましい。履歴分析または予測分析あるいはその両方の結果に、母集団内のソーシャル・ネットワーク分析の結果を重ね合わせることにより、母集団内の影響の広がりが予測される。【選択図】図１

Description

本発明は、一般に、企業内でのソーシャル・ネットワークの使用に関し、より詳細には、要員の生産性および満足度の向上へのソーシャル・ネットワーク分析の適用に関する。

企業に関連する人々の満足度の全体的な状態をモニタする従来の手法は、頻度の低い静的な調査を使用するものに限られ、それはかなりの費用を要し、信頼性が非常に疑わしくもあった。そうした調査に対する反応は、特に、匿名による実施が保証されずに調査が行われる場合に、企業に好まれるであろうと個人が認識する見るからにもっともらしい反応によって偏っていることが極めて多い。一方、匿名で実施される調査は、企業が対処できる可能性がある特定の個人の満足度レベルに関して情報を失うことになる。

要員の満足度をリアルタイムで把握する際や、満足度の変化に関する潜在的問題に、生産性向上の実現に対策がより効果的であり得る早い時期に対処する際に、これらの手法はその価値が非常に低い。問題は、状況の改善および満足度の向上をサポートし得る、企業による情報の獲得が、介入的である、また業務満足度への直接的損害であると見なされる場合があるという事実によってさらに複雑になる。

さらに、要員の満足度に影響を与える別の社会的因子が存在する場合がある。緊密な関係の個人の間の、高いレベルでの同僚関係、親交、および共感は満足度を向上させるであろうことが当然期待される。同様に、ビジネス状況のいくつかの側面に対する満足度は、相互に関係する個人の間で広がる可能性がある。

米国特許出願公開第２００９／０２２８２３３Ａ１号

したがって、本発明の一目的は、振舞い分析、逸脱検出、およびソーシャル・ネットワーク分析の組合せによって、要員の満足度のリアルタイムのさらなる把握を実現するための手法およびモニタ装置を提供することである。

本発明の別の目的は、リアルタイムの満足度評価システムを備えた管理ツールを提供することである。

本発明のこれらおよび他の目的を達成するために、人の母集団内で、母集団に共通の複数の因子のそれぞれに対して類似の反応を有するように選択される複数のピア・グループを識別するステップと、ベースラインまたは分布を得るために、それぞれのピア・グループのメンバをそれぞれの因子に関して評価するステップと、ピア・グループ・メンバ・スコアを形成するために、ピア・グループ内の因子の前記ベースラインまたは分布と比べた、ピア・グループのメンバの評価の位置に基づいて、ピア・グループのメンバをスコアリングするステップと、グループ・メンバ・スコアを組み合わせ、ピア・グループ内のグループ・メンバ・スコアの代表値もしくは中央値から著しく高いまたは低いスコアから、奨励またはインセンティブに対する反応の尤度を判定するステップとを含む、人の母集団内で、前記母集団のメンバが奨励またはインセンティブに反応するであろう尤度を評価する方法であって、こうしたステップを実行するコンピュータを構成するステップを含む方法が提供される。こうした分析の結果は、スコアリング・プロセスを繰り返し、個人の現在のスコアを個人の以前のスコアと比較することで、予測分析が実行されることにより、また母集団のソーシャル・ネットワーク分析の結果を履歴分析または予測分析あるいはその両方の結果に重ね合わせることで、母集団内の影響の広がりを予測することにより、改良されることが好ましい。

前述および他の目的、態様、ならびに利点は、本発明の好ましい実施形態に関する以下の「発明を実施するための形態」、および以下の図面の参照から、よりよく理解されよう。

本発明の好ましい実施形態を概説する概略図または本発明の好ましい実施形態のデータ流れ図である。 満足度因子に関する、要員のピア・グループのデータの分布のグラフ、または本発明の手法についての理解を伝える際に役立つであろう表示である。

ここで図面、より具体的には図１を参照すると、本発明の好ましい実施形態のアーキテクチャを概説する概略図が示されている。図１はまた、ある意味では本発明の手法の流れ図として理解することができるように構成されている。

本発明の詳細な説明の前に全体論として、本発明は、２つの主要な分析コンポーネントから構成されており、それは、外れ値検出およびスコアリングに基づく、リアルタイムで実行可能な予測分析によって補完され、活用される履歴分析と、ソーシャル・ネットワークのコホートにおいて関心事に関する（大幅に正または負の）満足度スコアの量的部分を予測する際に役立つソーシャル・ネットワーク分析との組合せである。

履歴分析は、個人のグループにわたって実行されて、満足度に影響し得る状況属性に関わる、グループの個々のメンバの振舞いの量的な統計的分布を提示する。したがって、個々の振舞いの統計的代表値または中央値からの分散に基づいて、個人の満足度スコアを導き出すことができる。この技法を実行するための推奨アルゴリズムは米国特許出願公開第２００９／０２２８２３３Ａ１号に示されており、参照によってその全体が本明細書に組み込まれているが、本発明の正常な実施においては他のアルゴリズムが適切である場合があり、また他のアルゴリズムを使用することができる。どのような場合も、そうした手法およびその結果は、本発明の実施において推奨されるように、特定の事象、またはビジネスもしくは個々の環境の変化に反応して、互いに類似した振舞いの変化を示しそうに見える個人のピア・グループにわたって実行されるとき、はるかに有効なものとなる。そうしたピア・グループ（例えば、機械技術者、電気技術者、アナリスト、サポート担当者、事務担当者などであり、場合によっては、特異な事業活動にも限定される）の選択は一方で、履歴分析が実行され、結果が時々更新されるにつれて、振舞いの分布を安定させる傾向があり、他方、そうしたピア・グループの選択は、振舞いの分布を、正規分布曲線に、よりほぼ共形（conformal）にする傾向があり、このことが個々の満足度スコアの計算を簡略化し、スコアリング・プロセスの結果に対する信頼度の向上を実現するが、このことは、以下でより詳細に議論される。

予測分析は、本質的に、履歴分析によって導き出された情報に基づいて、特定のピア・グループの個人に対するスコアリング・プロセスの繰返しおよび更新をほぼリアルタイムで実施し、要員をより高いレベルの創造性または生産性あるいはその両方に導き得る、サポートまたは奨励あるいはその両方を行うための機会の目安になり得る個々の満足度スコアの変化を検出するものである。任意のスコア変化の大きさの意味は、履歴分析において追跡できる任意およびすべての振舞いに関して、経験的に決定することができる。

履歴分析の実施時および実施直後にピア・グループ内の１つもしくは複数の満足度因子の代表値スコアまたは中央値スコアから著しく逸脱した高スコア（および場合によっては低スコア）が出る事例への介入をサポートするのに十分なほど履歴分析が実行されたとき、履歴分析自体が、満足度に関する有益な洞察をもたらすことができることを理解されたい。予測分析は、特定の事象、またはピア・グループの要員の環境のわずかな変化と相関し得る変化を検出するために、比較的低い計算負荷で頻繁に繰り返すことができるので、履歴分析を補完する。頻繁に繰り返される予測分析は、個人の動向、およびピア・グループ間の満足度レベルの変化の動向も検出することができる。そうしたタイプの満足度レベルの変化は、履歴分析の繰返しによっても検出できるが、（実用性の求めるところに従って、繰返しの頻度が低くなるので）粒度が増し、計算負荷が高まる。

最後に、企業内のソーシャル・ネットワーク分析は、実行されるとともに予測分析の結果に重ね合わせられ、スコア変化を示す一要員による、その要員がしばしば社会的に接触している可能性がある他の要員への潜在的な影響を予測する。すなわち、所与の個人がパフォーマンス改善の潜在的な可能性を示した場合、その個人が多かれ少なかれ密接に関係している可能性がある他の個人も、ある程度の類似の可能性を示す場合がある。

より具体的には、図１に示すように、要員の満足度に影響し得る、または要員の満足度の属性を直接的もしくは間接的に示唆し得る、またそのために情報を入手または作成できる、いくつかの因子１０が確認される。そうした因子は一般に、最終パフォーマンス評価からの時間の長さ、およびその評価の結果（例えば、１０ａで総称しているが、個別に分析される場合がある）、要員がインセンティブを受ける資格があった実例の回数と頻度、インセンティブの特性、およびビジネスへの利益を鑑みた上での要員の状況に対するインセンティブ（複数可）の妥当性（例えば、１０ｂで総称しているが、個別に分析される場合がある）、サポート担当者との接触の数、特性、および頻度（例えば、１０ｃで総称しているが、個別に分析される場合がある）、ならびに、経費請求の数と頻度、休暇の利用、工期の不足、他人との協業の側面などの要員の作業生産物に関する様々な側面等（これらもまた、１０ｄで総称しているが、個別に分析されるのが好ましい）といった因子を含むはずである。これらの因子は、上記の因子、またはそのためにデータが通常収集されている因子に限定されるものではなく、所内伝達のコンテンツなどの入手可能な他の情報から導き出すことができる情報に拡張される場合があり、入手可能な他の情報は、満足度と適切な関連性がある情報、あるいは奨励もしくはインセンティブに対する反応の尤度への経験的または統計的に決定されたつながりがある情報を導き出すために、作業生産物因子の多くのように、２５に示しているような中間分析２０（例えば、意味分析）を受ける可能性がある。

前に示唆したように、そうした因子に対して類似の反応を有することの尤度に基づいて選択されるピア・グループに関して、これらの因子の分析を実行することが望ましい。例えば、１つ（または複数）のピア・グループは、完全にまたは圧倒的に電気技術者であってもよく、一方、１つ（または複数）の他のピア・グループは、完全にまたは圧倒的に機械技術者であってもよく、一方、さらに他のピア・グループは、圧倒的に１つまたは複数のサポート、設計、マーケティング、情報管理などのグループ出身であってもよい。これらのピア・グループは、企業の要員の母集団全体から選択され、例えば、特定のプロジェクトまたは製品生産地域内に限定されないことが好ましく、なぜなら、以降で詳しく説明するが、履歴分析および予測分析の結果に重ね合わせられることになる、ソーシャル・ネットワーク分析は、そうした特定の運用内で相互作用の理由を説明し、そうした特定の運用内の事象は、状況または事象に対して考えられる反応の類似性に基づいて、企業全体から選択されたピア・グループに比べて、前述の満足度指標因子１０に関して、データの統計的分布の安定性をゆがめる、または低下させる、あるいはその両方を招く傾向があり得るからであることが考えられる。また、ピア・グループが企業の母集団全体から選択された場合に、満足度指標因子の分析の結果が正規（例えば、ガウス）分布に一致することの方が、より可能性がある。

ピア・グループが十分大規模で、ピア・グループの特定の因子の値の統計的分布が、実質的に、任意の個人の１つまたは複数の満足度因子の変化の影響を受けないことが望ましい。一個人が単一のピア・グループのみのメンバであること、また一個人を２つ以上のピア・グループに含むか、場合によっては１つまたは複数のピア・グループ間で区分する（例えば、加重ベース）ことができることは必要ではない。

図１の３０に示すように、いったんピア・グループが決定されると、各個人の評価が、すべての、または選択された満足度指標因子１０に関して実行され、またデータの統計的分布が、図１の４０に示すように、各ピア・グループにわたって決定される。各グループは、個々のすべての因子に関して決定された分布を有することができる、または一部のピア・グループでは、いくつかの因子は、所与の満足度指標因子内で関連付けができる、または１つもしくは複数の満足度指標因子は、一部のピア・グループの分析では、まとめて省略することができることを理解されたい。因子１０ａ、すなわち最終評価からの時間に関する例示的な正規分布が、図２に示されている。図２の横軸は、因子の特性に従ってスケール変更される。例えば、企業の方針において年次パフォーマンス評価を提示する場合、任意の所与の個人に関する、代表値または中央値の最新のパフォーマンス評価からの時間は、正規分布曲線のピークに示されているように、ほぼ６カ月になりやすいであろう。縦軸は、図２の左側に示されているように、最新のパフォーマンス評価からの所与の持続時間を有するピア・グループの要員の数（任意単位）である。正規分布曲線２１０は、理想的には対称形であるが、図に示すように、曲線の「尾部」は因子の特性に従って切られる場合がある。この場合、最終パフォーマンス評価からの時間は、ゼロカ月より短くはなり得ないが、その期間は、理論上は、（図２の右側に）無制限に拡張することができる。理想的な正規分布曲線を使用することが好ましいが、所与の因子の定量値の実際の分布に基づいて作られた曲線も使用され得る。例えば、パフォーマンス評価が所与のピア・グループの大抵の要員に対して遅れている場合（例えば、代表値または中央値の時間が８カ月）、個人の満足度は、その因子に起因して大幅に低下することがあり、標準または実際の分布曲線２１０は、おそらくスコア曲線（scoring curve）２２０に対して右へ移動し、異なった形になる場合がある。

再び図２に示されているように、スコア曲線２２０もまた、正規分布曲線２１０に従って提示される。このスコア曲線は、実質的に任意であってよいが、好ましくは、パフォーマンス改善の尤度と各因子の定量値とを相互に関連付ける実験的データに基づいている。所与の因子の例示的スコアが、図２の右側の目盛りに示されている。この場合、代表値または中央値のスコアは、５０という例示的な数値に設定されているが、代表値または中央値に割り当てられたスコア値は、その因子の個々の各要員の値に対する尺度および重みを定めるため以外、本発明の正常な実施に重要ではない。因子の代表値または中央値のスコア値は、複数の因子にわたる要員の総スコアの計算を簡略化するために設定することもできる。例えば、履歴分析において１０の因子が考慮される場合、代表値または中央値の５０というスコアは、満足度指標因子がピア・グループの代表値または中央値に全く等しいと評価された要員の個々の因子のスコアを簡単に合計することにより、５００というスコアを生成するはずである。一方で、通常は、０から１０００の範囲であるか、要員を区別するのに十分な解決をもたらす何らかの他の数値範囲である複合満足度スコアを生成する可能性が高い。便利であることが判明する可能性がある場合、他の尺度構成および基準もまた、使用されてもよい。

図１の５０に示すように、各ピア・グループの、各因子の分布曲線２１０およびスコア曲線２２０を使用して、複合満足度スコアが各要員向けに作成される。要員の最新のパフォーマンス評価からの時間に関し、また６カ月の代表値または中央値を有する、この例示的な事例では、パフォーマンス評価を過去４カ月以内に受けた要員は、この因子に対して低スコア（例えば、約２０）を割り当てられる。一方、定められた企業の方針を超過した時間である１４カ月の間、パフォーマンス評価を待っている要員は、この因子に対し、約１４０の高スコア（および場合によっては、不相応なスコア）を割り当てられる。各ピア・グループ内の各要員のそれぞれの因子のスコアは、次いで、任意選択で各要員の複合満足度スコアに組み合わせられ、その結果はメモリ５５に格納される。任意選択で、ただし好ましいこととして、個々の各要員の個々の因子のスコアも、複合スコアとともに格納され、満足度を向上させるために何らかの措置で対処されるべき特定の因子を決定するために使用されてもよい。

前述の履歴分析は、満足度について、本発明の前に利用できていたものよりも実質的に改善された情報を提供可能であることを理解されたい。すなわち、（例えば、ピア・グループの全スコアの、または企業の要員の全体もしくはかなりの部分の母集団の全スコアの上位四分位点あるいは下位四分位点における）極度の複合の因子のスコアまたは個々の因子のスコアは、履歴分析が繰り返されるか、更新される場合は常に、なかでも、以下で開示されるようにソーシャル・ネットワーク分析をそこに重ね合わせて活用されると、それ自体、パフォーマンス改善の可能性を得るための有力候補に関する比較的信頼性のある指標となる。しかし、結果は、幾分一般化されている場合があり、また企業内の現在の状況および事象に十分に適時性をもたず、または敏感でない場合がある。したがって、本発明によれば、前述の履歴分析を予測分析とともに活用することが好ましく、これについては以下でさらに図１を参照しながら説明する。

本発明によって提供される予測分析は、ほぼリアルタイムの情報を提供するために、本発明による前述の履歴分析を活用することを意図するものである。このさらなる分析は、一般に、満足度の変化を引き起こす可能性のある、事象または状況の変化と所与の要員の満足度レベルの実際の変化との間に時間のずれが生じるようになるという意味において予測的または予言的である。したがって、予測分析は、適切な奨励においてパフォーマンス改善の良い候補になる可能性のある個人に関する、適時性を備えた適切な予測値を提供する。

本発明によって提供される予測分析６０は、全く単純であり、前述の履歴分析の間に作成されたデータに基づいて、迅速に実行することができる。単純に、比較的頻繁に、またはイベント駆動型ベースで、個々の満足度指標因子スコアを投入し、前述のように、複合満足度スコア（しかし、ピア・グループ内の因子の分布ではない）が、全員または要員のグループに対して、再計算されて更新され、その結果が、図１の６０に示すように以前に計算されて格納されたスコア結果と比較され、これにより、スコアの変化およびその変化の大きさを容易に検出できるようになる。次いで、検出されたスコアの変化は大きさでソートでき、それにより、その人物に対する早期の介入または是正措置が、多くの利益を生む可能性が最も高いであろう個人を決定し、また介入で使用される特定の措置の策定のためにその個人にとってより明らかに重要な因子を識別する。

さらに、個人によって取られるか、企図される任意の特定の措置に関して、他の要員の影響が非常に重要である可能性が高いことを、本発明者らは認識している。したがって、図１の７０に示すように、パフォーマンスに関してどの要員が他人に影響を与える可能性が高いかと、所与の要員が別の要員から影響を受けることになる可能性がどの程度かの目安を判定できるよう、ビジネス要員の母集団またはその中の選択された部分へのソーシャル分析７２が実行されることが好ましい。特定の要員間の電子メール・トラフィックの分析などの、ソーシャル・ネットワーク分析の様々な手法が知られている、または予測可能である、あるいはその両方の状態である。ソーシャル・ネットワーク分析によって判定されるとき、ソーシャル分析の結果を前述のように、例えば個々の因子、または「インフルエンサ」および「フォロワ」の複合スコア、あるいはその両方を乗ずることによって、履歴分析または予測分析あるいはその両方の結果に重ね合わせると、要員間の任意の特定の満足度の広がりの目安となるだけでなく、要員間の満足度に影響する効果の連鎖的な伝搬についての説明となる。すなわち、第１の要員は、ある事象に起因してより満足する場合があり、一方、第２の要員は、別の因子または特定の事象に起因してより満足する場合があるが、その満足度の向上は、たとえ第１の要員の満足度の向上をもたらす事象または状況が、第２の要員にはおそらく全く関心のないことであるとしても、第１の要員の満足度の向上によって増加する場合がある。ソーシャル分析の結果を重ね合わせることはまた、前述のように、母集団を通じて奨励またはインセンティブに対する反応の尤度を予測することと実質的に同様に効果的に、履歴分析の結果に直接適用することができることを理解されたい。

８２に示すように、ソーシャル・ネットワーク分析からの情報によって修正されたときに結果として生じたスコアは、次いで、図１の８０に示すように、評価することができ、任意選択で、ある措置に対する候補である個人およびグループを識別するために大きさによってソートすることができる。この場合も、８４に示すように、満足度の変化の特定の源泉は、個々の因子の変化による、個々の要員の複合スコアの変化への貢献によって決定可能である。

以上の観点から、本発明が、その満足度が特定の状況および事象に応じて変わることがある個人をはじめ、介入が有益であることが判明する可能性がある個人を識別するためのシステムならびに手法を提供することが理解される。したがって、本発明によるシステムおよび手法は、企業にほぼリアルタイムのシステムを提供するとともに、企業の要員の生産性およびパフォーマンスを高めるツールを提供することができる。

本発明は、単一の好ましい実施形態に関して説明されてきたが、当業者であれば、本発明が添付の特許請求の範囲の趣旨および範囲の中での変更で実施され得ることが理解されよう。

Claims (18)

1. 人の母集団内で複数のピア・グループを識別するステップであって、前記ピア・グループが、前記母集団に共通の複数の因子のそれぞれに対して類似の反応を有するように選択される、前記識別するステップと、
   ベースラインまたは分布を得るために、それぞれのピア・グループのメンバを前記複数の因子のそれぞれの因子に関して評価するステップと、
   ピア・グループ・メンバ・スコアを形成するために、前記ピア・グループ内の前記因子の前記ベースラインまたは分布と比べた、ピア・グループのメンバの前記評価の位置に基づいて、前記ピア・グループのメンバをスコアリングするステップと、
   前記グループ・メンバ・スコアを組み合わせ、前記ピア・グループ内のグループ・メンバ・スコアの代表値もしくは中央値から著しく高いまたは低いスコアから、奨励またはインセンティブに対する反応の尤度を判定するステップと
   を含む、人の母集団内で、前記母集団のメンバが奨励またはインセンティブに反応するであろう尤度を評価する方法。
2. 正規分布を前記ベースラインに適用するステップをさらに含む、請求項１に記載の方法。
3. 前記グループ・メンバ・スコアを格納するステップと、
   現在のグループ・メンバ・スコアを提供するために、前記スコアリングするステップを繰り返すステップと、
   前記尤度を判定するステップを、前記グループ・メンバ・スコアと前記現在のグループ・メンバ・スコアとの間の変化に基づいて改良するステップと
   をさらに含む、請求項２に記載の方法。
4. 前記母集団内のインフルエンサおよびフォロワを決定するために、ソーシャル・ネットワーク分析を実行するステップと、
   前記ソーシャル・ネットワーク分析の結果を前記グループ・メンバ・スコアの結果に重ね合わせるステップと
   をさらに含む、請求項３に記載の方法。
5. 前記母集団が、企業の要員の母集団である、請求項４に記載の方法。
6. 前記結果を重ね合わせるステップが乗算によって実行される、請求項５に記載の方法。
7. 前記結果を重ね合わせるステップが乗算によって実行される、請求項４に記載の方法。
8. 前記母集団内のインフルエンサおよびフォロワを決定するために、ソーシャル・ネットワーク分析を実行するステップと、
   前記ソーシャル・ネットワーク分析の結果を前記グループ・メンバ・スコアの結果に重ね合わせるステップと
   をさらに含む、請求項２に記載の方法。
9. 前記母集団が、企業の要員の母集団である、請求項８に記載の方法。
10. 前記結果を重ね合わせるステップが乗算によって実行される、請求項９に記載の方法。
11. 前記結果を重ね合わせるステップが乗算によって実行される、請求項８に記載の方法。
12. 人の母集団内で複数のピア・グループを識別するコンピュータを構成するステップであって、前記ピア・グループが、前記母集団に共通の複数の因子のそれぞれに対して類似の反応を有するように選択されるステップと、
    ベースラインまたは分布を得るために、それぞれのピア・グループのメンバを前記複数の因子のそれぞれの因子に関して評価するコンピュータを構成するステップと、
    ピア・グループ・メンバ・スコアを形成するために、前記ピア・グループ内の前記因子の前記ベースラインまたは分布と比べた、ピア・グループのメンバの前記評価の位置に基づいて、前記ピア・グループのメンバをスコアリングするコンピュータを構成するステップと、
    前記グループ・メンバ・スコアを組み合わせ、前記ピア・グループ内のグループ・メンバ・スコアの代表値もしくは中央値から著しく高いまたは低いスコアから、奨励またはインセンティブに対する反応の尤度を判定するコンピュータを構成するステップと
    を含む、人の母集団内で、前記母集団のメンバが奨励またはインセンティブに反応するであろう尤度を評価する方法。
13. 正規分布を前記ベースラインに適用するコンピュータを構成するステップをさらに含む、請求項１２に記載の方法。
14. 前記グループ・メンバ・スコアを格納するコンピュータを構成するステップと、
    現在のグループ・メンバ・スコアを提供するために、前記スコアリングするステップを繰り返し、前記尤度を判定するステップを、前記グループ・メンバ・スコアと前記現在のグループ・メンバ・スコアとの間の変化に基づいて改良する、コンピュータを構成するステップと
    をさらに含む、請求項１２に記載の方法。
15. 前記母集団内のインフルエンサおよびフォロワを決定するために、ソーシャル・ネットワーク分析を実行するコンピュータを構成するステップと、
    前記ソーシャル・ネットワーク分析の結果を前記グループ・メンバ・スコアの結果に重ね合わせるコンピュータを構成するステップと
    をさらに含む、請求項１４に記載の方法。
16. 前記母集団が、企業の要員の母集団である、請求項１５に記載の方法。
17. 前記結果を重ね合わせるステップが乗算によって実行される、請求項１６に記載の方法。
18. 前記結果を重ね合わせるステップが乗算によって実行される、請求項１５に記載の方法。

Images