Airbnb如何培养对客户的同理心

Airbnb通过鼓励员工亲身体验平台服务、在招聘中重视同理心评估及让员工直接接触客户挑战等方式,成功地将客户同理心融入企业文化。

对于任何以客户为中心的公司来说,客户同理心都是一种宝贵的品质。在个人互动层面,它可以帮助了解更好服务的关键——除了满足他们的需求之外,还以他们希望被对待的方式对待客户。在企业级别,它推动了更智能的问题解决,使团队能够注意到挑战并创建可能不明显的解决方案。

但客户同理心并不像我们希望的那样容易培养。

同理心不是自行发展的;它需要培养。它可以从同情客户开始,通过阅读他们的反馈并在出现问题时尝试提供帮助。

Airbnb 是一家著名的家庭共享公司,它清楚地理解同理心的重要性,因为它为自己设定了一个大胆的目标:创造一个任何人都可以“归属任何地方”的世界。“归属感”是一种深深的情感状态,依赖于远方不仅仅是租一个很棒的住宿地点。那么,Airbnb 如何确保其员工拥有确保其客户可以属于任何地方所需的同理心?

鼓励和让每一位员工在平台上做客人和主人

Airbnb 员工在出差时肯定会留在 Airbnb 的物业中,但也鼓励他们在休闲旅行时这样做。这似乎不是一个很大的要求,但 Airbnb 仍然确保其员工有能力和机会这样做,通过给予每个人积分来帮助支付费用。

成为爱彼迎房东需要付出更多努力,但房东是爱彼迎社区至关重要的成员,他们的满意度对爱彼迎的成长能力至关重要。因此,Airbnb 强烈鼓励员工也担任房东——即使它与另一名员工共同主持。通过这种方式,他们可以直接了解这个关键客户群的体验,以及如何改进这些体验。

 

在招聘决策中系统地评估客户同理心的能力

Airbnb 有六个核心价值。第一个是“拥护使命”(归属感),第二个是“做主人”——也就是过好客的生活。从本质上讲,价值观要求一定程度的同理心在文化中根深蒂固。

伴随 Airbnb 招聘团队的是一群精心挑选和训练有素的员工,他们检查是否与这种文化保持一致,并有权拒绝。每个受访者都要经过两轮文化访谈,测试六种价值观。如果申请人通过了,作为新员工,他们会收到一份精心制作的欢迎礼包,里面有一张卡片,上面写着“你属于这里”。他们确实属于——他们已经通过了文化面试来证明这一点。

让每一位新员工都能成为一名支持专家

作为为期一周的入职流程的一部分,每个 Airbnb 员工都有机会在一天的一部分时间跟随支持专家。他们接触到房客和房东面临的挑战,以及 Airbnb 如何从一开始就为他们提供支持,因此在未来的任何时候,对于他们正在考虑的任何决定或他们有的想法,他们可以记住并倾听客户的声音以供参考。

此外,这种做法增强了员工对支持中心同事的同情心。例如,客户政策和流程的任何变化也会影响客户支持,而影子让员工有机会设想和抢占变化也将如何影响这些个人。

邀请客户参与内部决策

每年,Airbnb 的数百名员工都会参加为期 3 天的活动,与房东一起讨论过去一年的成功和挑战,相互学习,并揭开未来的面纱。

首先,不仅鼓励员工看到和感受客户如何接受他们的公司政策,而且让领导层能够同时听到两个群体的反应和反馈,这都是有价值的。它还允许房东建立对 Airbnb 的同理心——他们越了解公司的来源,他们就越能支持它。

Airbnb 员工和客户的体验是平行的,相互加强,而不是分开。以客户为中心的战略显然对员工也很有效,其中 92% 的员工会推荐 Airbnb 作为工作场所。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值