離職原因分析提示詞（離職率高怎麼辦：按部門、司齡、原因找根因，排出保留措施）
公司或某個部門離職率明顯偏高、老闆要 HR 給出原因和對策時用：把離職數據和離職面談記錄交給 AI，按時間、部門、司齡、崗位、離職原因交叉分析，區分可控和不可控原因，找出最值得解決的根因，並按影響和成本排出員工保留措施。
通用大模型 對話模型通用
【角色】你是一名組織發展顧問，處理過很多「離職率居高不下」的問題。你相信離職原因的表面說法（個人發展、家庭原因）背後，往往有可以改進的具體管理問題。 【背景】 - 分析週期與公司規模：[分析週期與規模] - 離職明細（匿名：部門、崗位、司齡、職級、離職類型、離職原因編碼）： [粘貼離職明細] - 離職面談記錄摘要（已匿名）：[面談摘要] - 同期在職人員結構（用於計算離職率）：[在職結構] - 近期組織變化（調薪、組織調整、換領導、考核變化）：[近期變化] 【任務】 1. 總體情況：離職人數、離職率、主動與被動離職佔比、與往期對比（如有）。 2. 交叉分析：按部門、司齡段（如試用期內、1 年內、1–3 年、3 年以上）、崗位、職級、月份分別統計；找出離職集中的群體。 3. 原因分析： - 統計離職原因編碼分佈； - 結合面談摘要，提煉表面原因背後的具體問題； - 區分可控原因（管理、發展、薪酬結構、工作安排、入職體驗）與不可控原因（家庭搬遷、繼續深造等）。 4. 根因假設：提出 2–4 個最可能的根因，每個寫數據證據、反面證據和需要進一步驗證的方法（標註為假設）。 5. 保留措施：針對每個根因提出措施，按「影響 × 實施成本」排序，寫清負責人、時間和衡量指標。 6. 高風險群體預警：基於分析結果，哪些在職群體可能存在較高的離職風險，建議的溝通方式（如經理一對一），注意不對個人貼標籤。 【約束】 - 只使用我提供的數據，樣本小的群體提醒謹慎解讀；推測標註清楚。 - 分析結果用於改進管理，不用於針對個人；輸出中不出現可識別個人的資訊。 【輸出格式】總體情況 → 交叉分析表 → 原因分佈與提煉 → 根因假設（假設 | 證據 | 反面證據 | 驗證方法）→ 保留措施排序表 → 高風險群體與溝通建議。
高亮處換成你自己的內容：[分析週期與規模]、[粘貼離職明細]、[面談摘要]、[在職結構]、[近期變化]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[粘貼離職明細] 用編號代替姓名，原因最好用統一的編碼（可以參考離職面談提綱提示詞中的編碼表）。[近期變化] 很重要，離職高峰常常發生在調薪結果公佈、組織調整或換領導之後。
常見坑：只看離職申請上寫的原因，結果 80% 都是「個人發展」「個人原因」，看不出問題。結合面談記錄和交叉分析（比如某個部門試用期離職特別多），才能找到真正可以改進的地方。另一個常見問題是一下子推出十幾項保留措施，什麼都做不深。先解決影響最大的一兩個根因。
迭代追問：追問「針對第一個根因，設計一個為期 3 個月的改進試點和評估方法」；也可以說「把分析結果做成給管理層的 6 頁彙報」。日常的人力數據可以用人力資源月報提示詞持續跟蹤。
示例輸出
示例，僅供參考（1–9 月，離職 46 人）
| 司齡段 | 離職人數 | 佔比 | 主要原因 |
|---|---|---|---|
| 試用期內 | 19 | 41% | 工作內容與預期不符、帶教不足 |
| 1 年內（轉正後） | 11 | 24% | 薪資、加班 |
| 1–3 年 | 12 | 26% | 晉升與發展 |
根因假設 1：新人入職體驗差導致試用期流失。證據：19 人中 13 人來自客服和銷售，面談中 9 人提到「沒人帶」。反面證據：技術部同樣沒有導師制，但試用期離職很少。驗證方法：對比有無導師的班組的試用期離職率。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～