一、指标评审：公式与逻辑
当前公式
兼职人效 = (助教GMV + 班主任GMV + 点评官服务GMV) / 兼职总人数
目标：2026年提升 15%
✅ 优点 (Pros)
- 结果导向：直接挂钩公司核心财务目标（GMV/利润），防止“为了效率而效率”的虚假繁荣。
- 计算简单：数据来源清晰，便于财务核算。
- 统一标尺：用货币价值统一衡量不同岗位的产出，便于横向比较 ROI。
⚠️ 风险 (Risks)
- 角色错位：班主任和点评官本质是“服务与交付”岗，用 GMV 考核可能导致其忽视服务质量，变为“唯销售论”。
- 被动因素：分母（人数）容易控制，但分子（GMV）受市场环境影响极大，可能导致兼职团队努力了但指标不涨。
💡 修正建议
保留 GMV 人效 作为 BSC 一级指标（确保方向对齐），但必须引入 二级过程指标 进行管理：
- 销售岗（助教）：关注 线索转化率（AI 提纯后的人均转化）。
- 服务岗（班主任）：关注 单人服务半径（在维持 NPS 85+ 前提下，一人能带多少学生）。
- 交付岗（点评官）：关注 单位时间点评量（AI 辅助下的产能）。
二、实施路径：OKR 还是 关键战役 (GSA)？
结论： 必须通过 关键战役 (GSA) 来实现。
🎯 GSA 核心策略拆解 (Goal - Strategy - Action)
Goal (必胜目标)
兼职人效提升 15%
(即：在不增加兼职人数的前提下，总产出提升15%)
Strategy 1: 硅基登陆 (AI
Substitution)
用 AI Agent
接管所有“高频、低智、标准化”的动作，让真人只做“情感连接”和“复杂决策”。
- Action 1.1: 部署「AI 清洗机」，拦截 40% 无效通话。
- Action 1.2: 部署「点评 Copilot」，实现 AI 预批改 + 人工审核模式。
Strategy 2: 组织换芯 (Role
Redefining)
重新定义兼职岗位模型（JD），不招“搬砖人”，只招“AI
驾驶员”。
- Action 2.1: 发布新版兼职 JD，考核 AI 工具使用能力。
- Action 2.2: 建立「优胜劣汰」机制，每月淘汰末位 10% 低人效人员。
🤝 协同作战：我们需要谁? (Resource & Support)
@产品技术部 (姚涣)
- 提供稳定的 AI 接口与工具台（Copilot）。
- 数据埋点，确保人效数据可实时看板化。
@教研内容部 (苏秦)
- 将点评标准“结构化”，喂给 AI 训练评分模型。
- 提供标准化的服务 SOP 话术库。
@人力资源部 (王俊)
- 重构薪酬包：将节省下来的兼职费，拿出 30% 奖励给高人效员工。
- 协助进行兼职人员盘点与换血。
| 维度 |
OKR 模式 |
关键战役 (GSA) 模式 ✅ |
| 适用场景 |
日常优化，激发个体积聚微小改进 (Bottom-up)。 |
战略转型，需要跨部门资源重组和系统性变革 (Top-down)。 |
| 提升逻辑 |
"大家加把劲，优化话术，多打几个电话" → 线性增长 (5-10%)。 |
"引入 AI Agent，重构工作流，砍掉低效环节" → 指数级/阶跃式增长 (15%+)。 |
| 资源需求 |
依赖现有资源，团队内部挖潜。 |
需要技术部开发工具、教研部标准化内容、HR重塑岗位模型。 |
为何选择 GSA？
兼职人效提升 15% 不是让人干得更快，而是要改变干活的方式。这需要技术团队（工具）、产品团队（流程）和业务团队（执行）的深度配合，是典型的“攻坚战”。
三、如何提升？分角色执行策略
1. 兼职助教 (销售性质)
开源
痛点： 大量时间浪费在清洗低意向线索、重复回答基础咨询上。
AI 赋能策略：
- AI 寻呼机 (Leads Filter)：系统自动对新线索进行首轮触达（AI 语音/文本），不仅是打分，直接过滤掉无效号码和无意向用户。
- SOP 导航仪：通话中实时语音转文字，AI 实时推荐话术和异议处理方案，缩短新人培训期，提高成单率。
2. 兼职班主任 (服务性质)
留存
痛点： 机械性催课、通知发布、群内刷屏式答疑。
AI 赋能策略：
- 智能班长 (Bot)：接管群内 80% 的通用问题（如“在哪上课”、“怎么交作业”）。
- 精准督学：基于学员学习数据的自动化 1v1 催学消息（千人千面），只有在学员出现掉队风险时才触发人工干预。
- 目标：将单人服务半径从 200 人提升至 350 人。
3. 兼职点评官 (交付性质)
交付
痛点： 作业批改耗时，大量时间花在查错别字、代码运行等基础工作。
AI 赋能策略：
- AI 预批改：AI 先跑一遍作业，标出语法错误、运行结果、逻辑漏洞，并生成“建议评语”。
- 人工审核与升华：点评官只需复核 AI 结果，并添加“情感化、鼓励性”的个性化评语。
- 目标：单份作业平均耗时从 15 分钟降至 3 分钟。
四、40人技术团队如何支持？
技术团队不仅是“接需求”，而是“人效引擎”的打造者。建议采用 平台工程 (Platform Engineering) 思路。
人员配置建议 (40人)
增长前端 (5-6人)
落地页、营销活动、小程序矩阵
目标：流量获取效率
核心后端 (15-18人)
业务中台、Clean Revenue 结算系统、CRM
目标：系统稳定与合规
AI效能应用 (8-10人) ⚠️
专注于内部工具：点评Copilot、销售SOP助手、智能客服
目标：直接提升兼职人效
数据与基建 (4-6人)
数据仓库、DevOps
目标：数据准确性
关键策略
- 内部工具产品化：不要把内部后台做成“这就一填表工具”。内部工具要像 C 端产品一样讲究体验，因为工具难用是兼职人效低下的隐形杀手。
- All-in Copilot：不要试图完全替代人（风险大），而是给每个人配一个 Copilot。技术团队的 KPI 应该是“工具渗透率”和“工具节省时长”。
- 低代码/无代码集成：利用 Dify / Coze 等平台快速搭建 AI 工作流，不要所有 AI 功能都从头手撸代码，把后端算力集中在核心业务逻辑上。