ข้ามไปยังเนื้อหาหลัก
แก่นชีวิต
ธุรกิจและการเป็นผู้ประกอบการ

ทำไมสินค้าใหม่บางอย่างถึงแพร่กระจายเร็ว บางอย่างถึงไม่มีใครใช้เลย: ทฤษฎีการแพร่กระจายของนวัตกรรม

ทฤษฎีการแพร่กระจายนวัตกรรมอธิบายรูปแบบการรับสินค้าใหม่ โมเดล Bass ทดสอบเวลาซื้อครั้งแรกในสินค้าคงทน 11 ประเภท จึงต้องระวังเมื่อนำไปใช้ทำนายตลาดอื่น

r1dx
r1dx

บรรณาธิการ

แชร์
ทำไมสินค้าใหม่บางอย่างถึงแพร่กระจายเร็ว บางอย่างถึงไม่มีใครใช้เลย: ทฤษฎีการแพร่กระจายของนวัตกรรม

สรุปสั้น (Key Takeaways)

  • Everett Rogers สังเคราะห์งานวิจัยกว่า 508 ชิ้นในหนังสือ *Diffusion of Innovations* (พิมพ์ครั้งแรกปี 1962) แบ่งผู้รับนวัตกรรมออกเป็น 5 กลุ่มตามลำดับเวลาที่รับ ได้แก่ innovators, early adopters, early majority, late majority และ laggards
  • Bass (1969, *Management Science*) พัฒนาโมเดลคณิตศาสตร์สำหรับเวลาที่ผู้บริโภคซื้อสินค้าคงทนใหม่ครั้งแรก โดยใช้จำนวนผู้ซื้อก่อนหน้าเป็นตัวแปรในแบบจำลอง และทดสอบกับสินค้า 11 ประเภท
  • Tornatzky & Klein (1982, *IEEE Transactions on Engineering Management*) วิเคราะห์อภิมานจาก 75 บทความ พบว่าคุณลักษณะของนวัตกรรม 3 อย่างมีความสัมพันธ์กับการรับนวัตกรรมอย่างสม่ำเสมอที่สุด ได้แก่ความเข้ากันได้กับสิ่งที่มีอยู่เดิม (compatibility) ข้อได้เปรียบเชิงเปรียบเทียบ (relative advantage) และความซับซ้อน (complexity)
  • Van den Bulte & Stremersch (2004, *Marketing Science*) วิเคราะห์อภิมานข้ามประเทศ พบความสัมพันธ์ระหว่างความไม่เท่าเทียมของรายได้กับอัตราส่วนสัมประสิทธิ์ imitation ต่อ innovation ในแบบจำลอง ไม่ได้ทดลองเปลี่ยนรายได้หรือวัดอิทธิพลของสื่อโดยตรง
  • Peres, Muller & Mahajan (2010, *International Journal of Research in Marketing*) ทบทวนวรรณกรรมเชิงวิพากษ์ ชี้ว่ากระบวนการแพร่กระจายของนวัตกรรมในโลกปัจจุบันซับซ้อนขึ้นมาก จากปัจจัยเช่นเครือข่ายสังคม การแข่งขันระหว่างสินค้า และโลกาภิวัตน์ ซึ่งโมเดลดั้งเดิมยังต้องปรับปรุงเพื่อรองรับ
  • กรอบ เข้า–ต่าง–ง่าย–กลุ่ม สังเคราะห์ปัจจัยที่หลักฐานแข็งแรงที่สุดเป็นขั้นตอนเปิดตัวสินค้าใหม่ให้แพร่กระจายเร็วขึ้น

ลองนึกถึงสองบริษัทที่เปิดตัวสินค้านวัตกรรมพร้อมกันในปีเดียวกัน บริษัทหนึ่งเห็นยอดผู้ใช้พุ่งจนกลายเป็นของที่ทุกคนต้องมีภายในไม่กี่ปี ขณะที่อีกบริษัทลงทุนไปมหาศาลกลับไม่มีใครสนใจใช้เลยแม้สินค้าจะดีไม่แพ้กัน ความแตกต่างแบบนี้ไม่ใช่เรื่องโชคช่วยล้วนๆ แต่ถูกศึกษาอย่างเป็นระบบมาตั้งแต่ทศวรรษ 1960 ในทฤษฎีที่เรียกว่า "Diffusion of Innovations" ซึ่งอธิบายว่านวัตกรรมแพร่กระจายผ่านกลุ่มคนอย่างไร ใครเป็นคนกลุ่มแรกที่รับ และอะไรที่ทำให้อัตราการรับนวัตกรรมเร็วหรือช้าต่างกัน

ห้ากลุ่มผู้รับนวัตกรรมของ Rogers

Everett Rogers นักสังคมวิทยาชนบทตีพิมพ์หนังสือ *Diffusion of Innovations* ครั้งแรกในปี 1962 (พิมพ์ครั้งล่าสุดฉบับที่ 5 ปี 2003 โดยสำนักพิมพ์ Free Press) โดยสังเคราะห์งานวิจัยกว่า 508 ชิ้นจากหลายสาขา ทั้งมานุษยวิทยา สังคมวิทยาชนบท การศึกษา สังคมวิทยาอุตสาหกรรม และสังคมวิทยาการแพทย์ เข้าด้วยกันเป็นกรอบทฤษฎีเดียว

จุดที่โด่งดังที่สุดของหนังสือเล่มนี้คือการแบ่งผู้รับนวัตกรรมออกเป็น 5 กลุ่มตามลำดับเวลาที่ยอมรับนวัตกรรม ได้แก่ innovators (กลุ่มเสี่ยงสูงที่กล้าลองสิ่งใหม่ก่อนใคร) early adopters (ผู้นำทางความคิดที่คนอื่นมักดูเป็นตัวอย่าง) early majority (กลุ่มใหญ่ที่รับนวัตกรรมหลังจากเห็นคนอื่นใช้แล้ว) late majority (กลุ่มที่รับนวัตกรรมหลังจากคนส่วนใหญ่รับไปแล้ว) และ laggards (กลุ่มสุดท้ายที่รับนวัตกรรมเมื่อมันกลายเป็นเรื่องล้าสมัยไปแล้วด้วยซ้ำ) นอกจากนี้ Rogers ยังระบุปัจจัยสำคัญที่มีผลต่อความเร็วในการรับนวัตกรรม เช่น ข้อได้เปรียบเชิงเปรียบเทียบ ความเข้ากันได้ ความซับซ้อน ความสามารถในการทดลองใช้ และการสังเกตเห็นผลได้ง่าย

สมการที่ทำนายยอดขายสินค้าใหม่: Bass Model

Frank Bass นักการตลาดเชิงปริมาณ ตีพิมพ์งานวิจัยชื่อ "A New Product Growth Model for Consumer Durables" ใน *Management Science* ปี 1969 (เล่ม 15 ฉบับ 5 หน้า 215-227) โดยพัฒนาโมเดลคณิตศาสตร์ที่ทำนายรูปแบบการซื้อสินค้าใหม่ตามเวลา และทดสอบกับข้อมูลจริงของสินค้าคงทน 11 ประเภท

แนวคิดหลักของโมเดลคือแยกองค์ประกอบที่ไม่ขึ้นกับจำนวนผู้ซื้อก่อนหน้า (innovation) ออกจากองค์ประกอบที่เพิ่มตามจำนวนผู้ซื้อก่อนหน้า (imitation) สัมประสิทธิ์สองตัวนี้ไม่ได้วัดโดยตรงว่าใครซื้อเพราะสื่อหรือเพราะเห็นคนรอบข้าง โมเดลทดสอบกับข้อมูลย้อนหลังของสินค้าคงทน 11 ประเภท และให้ค่าพยากรณ์จุดสูงสุดและเวลาที่ถึงจุดนั้นได้ดีในข้อมูลที่ศึกษา

งานต่อมานำแบบจำลองไปปรับใช้กับสินค้าและบริการหลายประเภท แต่ผลในงานปี 1969 ไม่ยืนยันความแม่นยำของการพยากรณ์สำหรับทุกตลาด โดยเฉพาะสินค้าที่มีการซื้อซ้ำหรือมีข้อจำกัดด้านอุปทาน

คุณลักษณะไหนของนวัตกรรมที่ทำให้คนรับเร็วหรือช้า

Louis Tornatzky และ Katherine Klein ตั้งคำถามว่า คุณลักษณะของนวัตกรรมแบบไหนที่สัมพันธ์กับการรับนวัตกรรมอย่างสม่ำเสมอที่สุด ในงานวิเคราะห์อภิมานชื่อ "Innovation Characteristics and Innovation Adoption-Implementation: A Meta-Analysis of Findings" ตีพิมพ์ใน *IEEE Transactions on Engineering Management* ปี 1982 (เล่ม 29 ฉบับ 1 หน้า 28-45) โดยทบทวนบทความ 75 ชิ้นที่เกี่ยวข้องกับคุณลักษณะของนวัตกรรมและความสัมพันธ์กับการรับและนำไปใช้จริง

ผลการวิเคราะห์พบว่าในบรรดาคุณลักษณะที่ Rogers เสนอไว้ มีสามอย่างที่สัมพันธ์กับการรับนวัตกรรมอย่างสม่ำเสมอและมีนัยสำคัญที่สุด ได้แก่ compatibility (ความเข้ากันได้กับค่านิยม ประสบการณ์ และความต้องการเดิมของผู้ใช้) relative advantage (ข้อได้เปรียบเชิงเปรียบเทียบกับสิ่งที่มีอยู่เดิม) และ complexity (ความง่ายหรือยากในการเข้าใจและใช้งาน โดยความซับซ้อนที่สูงมักสัมพันธ์กับการรับที่ช้าลง) งานนี้สำคัญเพราะช่วยกลั่นกรองว่าในบรรดาปัจจัยหลายอย่างที่ Rogers เสนอไว้ ปัจจัยไหนมีหลักฐานเชิงประจักษ์รองรับแข็งแรงที่สุดจริงๆ

ทำไมนวัตกรรมแพร่กระจายเร็วช้าต่างกันในแต่ละประเทศ

Christophe Van den Bulte และ Stefan Stremersch ขยายคำถามไปสู่ระดับข้ามประเทศในงานวิจัยชื่อ "Social Contagion and Income Heterogeneity in New Product Diffusion: A Meta-Analytic Test" ตีพิมพ์ใน *Marketing Science* ปี 2004 (เล่ม 23 ฉบับ 4 หน้า 530-544) โดยวิเคราะห์อภิมานค่าสัดส่วนระหว่างสัมประสิทธิ์ imitation กับ innovation (q/p ratio) จากการนำโมเดล Bass ไปใช้ในหลายประเทศและหลายสินค้า

ผลพบว่าค่าสัดส่วนนี้สัมพันธ์เชิงบวกกับดัชนีความไม่เท่าเทียมของรายได้ (Gini index) ของแต่ละประเทศ และแปรผันตามมิติวัฒนธรรมบางด้านกับลักษณะสินค้า งานวิเคราะห์ข้อมูลข้ามประเทศนี้ชี้ว่าอัตราส่วนพารามิเตอร์ของโมเดลต่างกันตามบริบท แต่ยังไม่ยืนยันว่าความไม่เท่าเทียมของรายได้เป็นสาเหตุของความต่างนั้น

โลกที่ซับซ้อนขึ้น: ข้อจำกัดของโมเดลดั้งเดิม

Renana Peres, Eitan Muller และ Vijay Mahajan ทบทวนวรรณกรรมเชิงวิพากษ์ในงานวิจัยชื่อ "Innovation Diffusion and New Product Growth Models: A Critical Review and Research Directions" ตีพิมพ์ใน *International Journal of Research in Marketing* ปี 2010 (เล่ม 27 ฉบับ 2 หน้า 91-106) โดยชี้ว่ากระบวนการแพร่กระจายของนวัตกรรมในโลกปัจจุบันซับซ้อนกว่าที่โมเดลดั้งเดิมอย่าง Bass Model จะจับภาพได้ครบถ้วน

ปัจจัยที่ทำให้ซับซ้อนขึ้น ได้แก่โครงสร้างเครือข่ายทางสังคมที่ไม่ได้เป็นเนื้อเดียวกัน การแข่งขันระหว่างสินค้าหลายตัวในตลาดเดียวกัน อิทธิพลข้ามประเทศจากโลกาภิวัตน์ และผลกระทบจากเครือข่ายทางสังคมออนไลน์ที่ไม่มีอยู่ในยุคที่โมเดลดั้งเดิมถูกพัฒนาขึ้น ผู้เขียนเสนอว่าการวิจัยในอนาคตควรบูรณาการปัจจัยเหล่านี้เข้ากับกรอบทฤษฎีดั้งเดิม แทนที่จะละทิ้งกรอบเดิมไปทั้งหมด เพราะแก่นของทฤษฎี (อิทธิพลจากการสื่อสารมวลชนกับอิทธิพลทางสังคม) ยังคงเป็นจริงอยู่ เพียงแต่ต้องขยายให้ครอบคลุมความซับซ้อนของโลกปัจจุบันมากขึ้น

กรอบเข้า–ต่าง–ง่าย–กลุ่ม

ปัจจัยจาก Rogers และการยืนยันของ Tornatzky & Klein เป็นแนวคิดที่ทรงพลัง แต่พอต้องเปิดตัวสินค้าใหม่จริง หลายคนไม่รู้จะเริ่มจากตรงไหน เราสังเคราะห์เป็นลำดับขั้นตอนเดียว เข้า–ต่าง–ง่าย–กลุ่ม ที่ร้อยงานวิจัยของ Rogers, Bass และ Tornatzky & Klein เข้าด้วยกันเป็นกระบวนการที่ทำซ้ำได้ กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่แบบจำลองที่ผ่านการทดสอบทางวิชาการแยกต่างหาก

1. เข้า — ทำให้สินค้าเข้ากับพฤติกรรมเดิมของผู้ใช้ให้มากที่สุด

ตามที่ Tornatzky & Klein (1982) พบว่า compatibility เป็นหนึ่งในสามคุณลักษณะที่สัมพันธ์กับการรับนวัตกรรมสม่ำเสมอที่สุด ให้ออกแบบสินค้าให้ไม่ต้องเปลี่ยนพฤติกรรมผู้ใช้มากเกินความจำเป็น

2. ต่าง — สื่อสารข้อได้เปรียบที่ต่างจากของเดิมให้ชัดเจน

ตามคุณลักษณะ relative advantage ที่ Rogers (1962/2003) และ Tornatzky & Klein (1982) ยืนยันร่วมกัน ให้ระบุชัดว่าสินค้าใหม่ดีกว่าทางเลือกเดิมอย่างไรในแง่ที่ลูกค้าสัมผัสได้จริง ไม่ใช่แค่คุณสมบัติทางเทคนิคที่ไม่มีใครเห็นความแตกต่าง

3. ง่าย — ลดความซับซ้อนในการใช้งานให้มากที่สุด

ตามที่ Tornatzky & Klein (1982) พบว่าความซับซ้อนสูงสัมพันธ์กับการรับที่ช้าลง ให้ตัดขั้นตอนการใช้งานที่ไม่จำเป็นออก แม้จะต้องเสียฟีเจอร์บางอย่างที่ทีมภูมิใจไปก็ตาม

4. กลุ่ม — เลือกกลุ่มเป้าหมายและข้อความให้ตรงช่วงของ diffusion curve

ตามกรอบ 5 กลุ่มของ Rogers การสื่อสารกับ innovators และ early adopters ควรต่างจากการสื่อสารกับ early majority ที่ต้องการหลักฐานทางสังคมว่าคนอื่นใช้ไปแล้วจริง ตามที่โมเดลของ Bass (1969) อธิบายไว้ด้วยสัมประสิทธิ์ imitation ที่เพิ่มขึ้นเมื่อฐานผู้ใช้โตขึ้น

ลำดับนี้ใช้ได้ตั้งแต่การออกแบบสินค้าไปจนถึงการวางแผนสื่อสาร สามขั้นแรกทำที่ตัวสินค้า ส่วนขั้นสุดท้ายทำที่กลยุทธ์การตลาด

กรณีจำลอง: แอปการเงินสตาร์ทอัพที่เปิดตัวแล้วยอดผู้ใช้นิ่ง

ลองนึกถึงทีมสตาร์ทอัพที่เปิดตัวแอปช่วยออมเงินอัตโนมัติ ยอดดาวน์โหลดช่วงแรกดีเพราะกลุ่มเพื่อนสายเทคโนโลยีมาลองใช้ แต่หลังจากนั้นยอดผู้ใช้ใหม่กลับนิ่งไม่โตต่อ

ทีมกลับมาทบทวนตามกรอบนี้ พบว่า เข้า แอปเดิมบังคับให้ผู้ใช้เปลี่ยนธนาคารหลักเพื่อใช้งานได้เต็มรูปแบบ ซึ่งเป็นอุปสรรคใหญ่สำหรับคนทั่วไป จึงปรับให้เชื่อมกับธนาคารเดิมที่ผู้ใช้มีอยู่แล้วได้เลย จากนั้น ต่าง ทีมเปลี่ยนข้อความโฆษณาจากการพูดถึงเทคโนโลยี AI ที่ใช้ มาเน้นตัวเลขที่จับต้องได้ว่าผู้ใช้ออมเงินเพิ่มขึ้นเฉลี่ยกี่บาทต่อเดือน ต่อมา ง่าย ทีมตัดขั้นตอนสมัครสมาชิกจาก 7 ขั้นตอนเหลือ 3 ขั้นตอน สุดท้าย กลุ่ม ทีมปรับกลยุทธ์การตลาดจากการเน้นความล้ำสมัยสำหรับกลุ่ม early adopters มาเป็นการโชว์รีวิวและจำนวนผู้ใช้จริงเพื่อดึง early majority ที่ต้องการความมั่นใจก่อนลอง

หลังปรับตามกรอบนี้สามเดือน ยอดผู้ใช้ใหม่กลับมาเติบโตอีกครั้ง โดยเฉพาะกลุ่มที่ไม่ใช่สายเทคโนโลยีซึ่งเคยเป็นกลุ่มที่แอปเข้าไม่ถึงมาก่อน กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่บริษัทหรือแอปจริง

ลองเอาไปปรับใช้ดู

1. ลองระบุกลุ่มเป้าหมายให้ตรงกับช่วงของ diffusion curve ดูครับ ตามกรอบของ Rogers การทำการตลาดกับ innovators และ early adopters น่าจะต้องใช้ข้อความและช่องทางที่ต่างจากการทำตลาดกับ early majority หรือ late majority ซึ่งมักต้องการหลักฐานทางสังคมและความมั่นใจว่าคนอื่นใช้ไปแล้วจริง 2. ลองเน้นสามคุณลักษณะที่หลักฐานแข็งแรงที่สุดดูครับ ตามงานของ Tornatzky & Klein (1982) หากอยากเร่งการรับนวัตกรรม น่าจะช่วยได้ถ้าสื่อสารให้ชัดว่าสินค้าเข้ากันได้กับพฤติกรรมเดิมของลูกค้า (compatibility) มีข้อได้เปรียบชัดเจนเทียบกับของเดิม (relative advantage) และใช้งานไม่ซับซ้อนเกินไป (low complexity) 3. ลองอย่าคาดหวังว่าอัตราการแพร่กระจายจะเหมือนกันทุกตลาดนะครับ จากงานของ Van den Bulte & Stremersch (2004) ปัจจัยเชิงวัฒนธรรมและความไม่เท่าเทียมทางรายได้ในแต่ละประเทศส่งผลต่อรูปแบบการแพร่กระจาย กลยุทธ์ที่ได้ผลในตลาดหนึ่งอาจต้องปรับก่อนนำไปใช้ในอีกตลาดหนึ่ง 4. ลองใช้โมเดลของ Bass เพื่อประเมินระยะยาว ไม่ใช่แค่ยอดขายเดือนแรกดูครับ สินค้าใหม่หลายตัวดูเหมือนล้มเหลวในช่วงแรกเพราะยังอยู่ในช่วง innovators/early adopters ที่มีขนาดเล็ก การเข้าใจโครงสร้างของ innovation coefficient กับ imitation coefficient ช่วยประเมินได้ว่าสินค้ากำลังจะ "ระเบิด" ในอนาคตหรือกำลังจะล้มเหลวจริงๆ 5. ลองพิจารณาปัจจัยร่วมสมัยที่โมเดลดั้งเดิมยังไม่ครอบคลุมเต็มที่ดูครับ ตามข้อเสนอของ Peres, Muller & Mahajan (2010) เช่น อิทธิพลจากโซเชียลมีเดีย การแข่งขันของหลายแบรนด์พร้อมกัน และผลกระทบข้ามพรมแดน ซึ่งอาจทำให้รูปแบบการแพร่กระจายจริงต่างจากที่โมเดลดั้งเดิมทำนายไว้

#Diffusion of Innovation#Everett Rogers#Bass Model#การตลาด#นวัตกรรม

แหล่งอ้างอิง

AI คัดเรซูเม่ "เป็นกลาง" กว่ามนุษย์จริงไหม งานวิจัยใหม่พบคนทำตามคำแนะนำอคติของ AI ถึง 90% และระบบเดียวกันกีดกันผู้สมัครผิวดำเกิน 1 ใน 4 ซ้ำในหลายบริษัท
ธุรกิจและการเป็นผู้ประกอบการ

AI คัดเรซูเม่ "เป็นกลาง" กว่ามนุษย์จริงไหม งานวิจัยใหม่พบคนทำตามคำแนะนำอคติของ AI ถึง 90% และระบบเดียวกันกีดกันผู้สมัครผิวดำเกิน 1 ใน 4 ซ้ำในหลายบริษัท

งานวิจัยจากใบสมัครงานจริงกว่า 4 ล้านใบพบว่าระบบ AI คัดกรองที่หลายบริษัทใช้ร่วมกันกีดกันผู้สมัครผิวดำเกิน 1 ใน 4 อย่างเป็นระบบ และเมื่อทดสอบกับ LLM 5 ตัว ก็ยังพบความลำเอียงทางเชื้อชาติชัดเจนแม้ผู้หญิงจะได้คะแนนดีกว่าผู้ชายโดยรวม

อ่าน 28 นาที
รวมคนกับ AI เข้าด้วยกัน แล้วตัดสินใจแม่นขึ้นจริงไหม งานวิเคราะห์ 106 การทดลองพบทีมผสมมักแพ้ผู้เล่นเดี่ยวที่เก่งที่สุด และแพทย์ที่ใช้ AI ช่วยวินิจฉัยยังทำได้แค่ 76% ขณะที่ AI เดี่ยวทำได้ถึง 92%
ธุรกิจและการเป็นผู้ประกอบการ

รวมคนกับ AI เข้าด้วยกัน แล้วตัดสินใจแม่นขึ้นจริงไหม งานวิเคราะห์ 106 การทดลองพบทีมผสมมักแพ้ผู้เล่นเดี่ยวที่เก่งที่สุด และแพทย์ที่ใช้ AI ช่วยวินิจฉัยยังทำได้แค่ 76% ขณะที่ AI เดี่ยวทำได้ถึง 92%

งานวิเคราะห์ 106 การทดลองพบว่าโดยเฉลี่ยทีมผสมมนุษย์+AI แพ้ผู้เล่นเดี่ยวที่เก่งที่สุด และในการทดลองจริงกับแพทย์ 50 คน กลุ่มที่ใช้ AI ช่วยวินิจฉัยยังทำได้แค่ 76% ขณะที่ AI ทำงานคนเดียวกลับได้ถึง 92% เพราะมนุษย์มักถ่วงน้ำหนักคำแนะนำ AI ต่ำเกินไป

อ่าน 19 นาที
อัลกอริทึมเป็นหัวหน้าคุณหรือยัง: บริษัทในสหรัฐฯ 90% ใช้ AI สั่งงาน-ติดตาม-ประเมินพนักงานแล้ว งานวิจัยชี้ผลกระทบต่อใจคนทำงานจริง
ธุรกิจและการเป็นผู้ประกอบการ

อัลกอริทึมเป็นหัวหน้าคุณหรือยัง: บริษัทในสหรัฐฯ 90% ใช้ AI สั่งงาน-ติดตาม-ประเมินพนักงานแล้ว งานวิจัยชี้ผลกระทบต่อใจคนทำงานจริง

งานสำรวจคนทำงานกว่า 1,000 คนในเยอรมนีพบว่าการถูกจัดการด้วยอัลกอริทึมเพิ่มความเร่งรีบในการทำงาน ลดความเป็นอิสระ และเพิ่มความเครียดทางใจโดยตรง ขณะที่งานวิจัยในไรเดอร์จีนก็พบว่าการรับรู้ถึงการควบคุมแบบนี้นำไปสู่พฤติกรรมเบี่ยงเบนทั้งในที่ทำงานและที่บ้าน

อ่าน 15 นาที
ทีมที่หลากหลายสร้างนวัตกรรมได้ดีกว่าจริงไหม งานวิจัยระดับโลกบอกว่าคำตอบซับซ้อนกว่าสโลแกนขององค์กร
ธุรกิจและการเป็นผู้ประกอบการ

ทีมที่หลากหลายสร้างนวัตกรรมได้ดีกว่าจริงไหม งานวิจัยระดับโลกบอกว่าคำตอบซับซ้อนกว่าสโลแกนขององค์กร

"ความหลากหลายคือกุญแจสู่นวัตกรรม" เป็นประโยคที่ปรากฏในรายงานที่ปรึกษาธุรกิจ สไลด์นำเสนอผู้บริหาร และนโยบายการจ้างงานของบริษัททั่วโลกมานานกว่าทศวรรษ แต่ถ้าถามตรงๆ ว่ามีหลักฐานทางวิทยาศาสตร์ที่หนักแน่นแค่ไหนรองรับคำกล่าวนี้ คำตอบกลับไม่ตรงไปตรงมาอย่างที่สโลแกนบอก นักวิจัยที่วิเคราะห์ข้อมูลสิทธิบัตร งานวิจัยวิทยาศาสตร์นับล้านชิ้น และการทดลองในห้องแล็บนับพันทีม พบทั้งหลักฐานที่สนับสนุนอย่างชัดเจนว่าทีมที่หลากหลายผลิตผลงานที่แปลกใหม่และมีผลกระทบสูงกว่าจริง ไปพร้อมกับหลักฐานที่เตือนว่าความหลากหลายบางประเภทกลับไม่ช่วยหรือถึงขั้นเป็นอุปสรรค และคนที่สร้างนวัตกรรมจากความหลากหลายนั้นอาจไม่ได้รับผลตอบแทนทางอาชีพที่คู่ควรด้วยซ้ำ บทความนี้จะพาไปดูงานวิจัยสำคัญที่สุดในรอบไม่กี่ปีที่ผ่านมาทั้งฝั่งที่สนับสนุนและฝั่งที่ตั้งคำถาม เพื่อให้เห็นภาพที่ใกล้เคียงความจริงมากที่สุด ไม่ใช่แค่คำตอบที่ฟังดูดีสำหรับนโยบายองค์กร

อ่าน 18 นาที