• 00:00 1.
    為什麼傳統的激勵方法，效果不好？
  • 索引
  • 筆記
  • 全螢幕
為什麼傳統的激勵方法，效果不好？
長度: 07:13, 瀏覽: 381, 最近修訂: 2026-07-11
主題索引
1. 和績效掛勾
2. 公開表揚
3. 遊戲化
傳統典型的方法，例如
  1. 和績效掛勾
  2. 公開表揚
  3. 遊戲化
  4. ...

看起來都很好，大家也都在用
一開始可能有幫助，但長遠的實際效果卻很有限，甚至可能會產生嚴重的副作用 ...

怎麼說呢？
根據福格的行為模型 B = MAP (動機X小行為X提示)


傳統的「激勵」方法，
僅著重在「動機」，而忽略更重要的兩個重要條件「小行為」和「清楚的提示」。
甚至可能會產生嚴重的副作用。

例如「和績效掛勾」，
有了 KPI 大家就會開始思考如何用最省力的方式拿到高分，徹底扼殺了發自內心的分享意願。

公開表揚呢？
挑戰在於它的頻率和規模，需要動用很多資源，成本不低，所以不可能常常辦。
就無法符合 ABC 的原則、很難養成習慣。

以下就舉幾個常見的方法以及分析其中的利弊得失。


和績效掛勾
這是最傳統的方式，就是把知識分享的質與量跟最實際的東西「績效和獎金」掛鉤，用金錢來強化「動機 M」。

方法簡單粗暴且直接，
但執行難度最高 (要建立複雜的制度和有資源)，
而且還有嚴重副作用「劣幣驅逐良幣」！

一旦分享變成一個要被打分數的 KPI，
大家就會開始思考如何用最省力的方式拿到高分，結果可能導致知識庫裡充滿了大量為了湊數而寫的品質低落的內容。

更糟的是他會徹底扼殺了發自內心的分享意願！
大家會從我想幫助同事變成我得完成這個任務。把一件美事變成「上下交相賊」的苦差事，投入大量心力、大錢卻弄巧成拙 ...


公開表揚
例如，評選一個本月最佳分享王，
在全公司大會上燈光打下來執行長親自頒獎，滿足了榮譽感。

榮譽感和社會認同，的確是比金錢更持久的內在動機。
但是這個方法的挑戰在於它的頻率和規模。

要辦一場有儀式感的表揚會，
需要動用很多資源，成本不低，所以不可能常常辦。

而一旦頻率太低 (如一季一次)，
跟日常的微小行為之間的連接感就變弱了，就很難養成習慣。
就像是你每天運動，但一年後才給你一個獎盃，那中間的364天，你很難感受到激勵一樣。


遊戲化
像是設計一個知識貢獻排行榜，
用積分徽章之類的，利用人們的競爭心和成就感來驅動行為。

核心是提供及時可視化的進度回饋。
當你看著自己的名字在排行榜上攀升或是解鎖了一個分享大師的徽章，那種滿足感本身就是一種強烈的內在動機。

不過遊戲化也有陷阱，
如果設計不當，很容易變成另一種形式的 KPI，大家會開始刷分，而不是真正投入在分享有價值的內容。

    評語
    請登入後才可以評分
    上一篇 下一篇
    1. 知識庫
    2. AI 人工智慧之道 ~ 每天 10 分鐘，打造沒有幻覺的 AI 知識庫
    1. 1.
      快速入門
      1. 1.1
        AI 人工智慧之道
      2. 1.2
        60 分鐘就上手 ~ 從 AI 知識庫到 10 倍速傳承
      3. 1.3
        問&答，是打造企業 AI 知識庫唯一實務可行的方法！
    2. 2.
      打造沒有 AI 幻覺的知識庫
      1. 2.1
        需求：有問題要問誰？
      2. 2.2
        GenAI 鴻溝 ~ 95% 企業 AI 投資零回報
      3. 2.3
        為什麼 AI 展示時都很厲害，但實際導入後卻常常令人失望
      4. 2.4
        AI 幻覺 (hallucination) 與可能的風險
      5. 2.5
        隱性經驗危機，AI 巧婦難為無米之炊
      6. 2.6
        30 分鐘，建立基礎的 AI 知識庫
      7. 2.7
        每天 10 分鐘，打造一個沒幻覺的 AI 知識庫
      8. 2.8
        AI 知識社群
      9. 2.9
        從討論互動中紀錄 QA (寫了，就不要浪費)
      10. 2.10
        用 AI 帶動團隊業績提升 20%
      11. 2.11
        提升業績案例 (1) ~ 連鎖超商的水餃促銷
      12. 2.12
        提升業績案例 (2) ~ 連鎖超商泡麵促銷
      13. 2.13
        推動，很困難？「小行為 + 即時激勵」就對了
      14. 2.14
        輔導方案 ~ 導入 xms+ AI 知識庫
      15. 2.15
        教育訓練指引 (以圖書館為例)
    3. 3.
      生成式 AI 的根本限制、風險與對策
      1. 3.1
        生成式 AI 的 5 個根本限制
      2. 3.2
        知識管理的 3 大痛點 ~ 經驗進不去、維護困難、找不到
      3. 3.3
        突破 ~ 什麼都先問 AI 就對了
      4. 3.4
        避免 AI 幻覺 ~ 不讓 AI 生成、直接輸出 FAQ 內容)
      5. 3.5
        AI 人工智慧之道 ~ 打破砂鍋問到底！
    4. 4.
      AI 驅動的學習革命
      1. 4.1
        記錄經驗，可以很簡單！
      2. 4.2
        70-20-10 學習法則，要很久才能累積經驗
      3. 4.3
        設計測驗，確保學習效果最有效的方法！
      4. 4.4
        用 AI 實踐 10 倍速經驗傳承
      5. 4.5
        AI 驅動的翻轉教室 3.0，打破聽課只有 5% 吸收率的魔咒
      6. 4.6
        翻轉教室 2.0 ~ 上課同步錄影出高品質的教材
      7. 4.7
        學習的 5 大關鍵 ~ 理解、整理、刻意練習、回想
    5. 5.
      數位轉型
      1. 5.1
        AI 會議管理
      2. 5.2
        專案 / 工作管理
      3. 5.3
        職能知識庫
      4. 5.4
        工作日誌 ~ 結合職能 + 專案管理的超強便利貼
    6. 6.
      如何記錄經驗？
      1. 6.1
        寫文件，很難！
      2. 6.2
        只有文件，不夠！
      3. 6.3
        已經有文件了，為什麼還要寫 FAQ？
      4. 6.4
        不同的經驗，適合的紀錄方式也不同 (因地制宜)
      5. 6.5
        紀錄經驗，寫 FAQ 就對了
      6. 6.6
        文件 + FAQ，互補、截長補短
      7. 6.7
        文件看不到重點 vs. FAQ 對症下藥
    7. 7.
      維護資料
      1. 7.1
        維護資料，很困難！
      2. 7.2
        ISO 的文件規範，很理想，但是 ...
      3. 7.3
        AI 驅動的維護資料 ~ 什麼都問 AI 就對了！
      4. 7.4
        維護案例 (1) ~ 改善「過時」的流程
      5. 7.5
        維護案例 (2) ~ 改善「不完整」的流程
    8. 8.
      記錄經驗 (1) ~ 寫 FAQ
      1. 8.1
        FAQ 怎麼寫？
      2. 8.2
        QBS ~ 寫成一個 QA 還是分拆多個？
      3. 8.3
        降低寫 FAQ 的門檻：AI 輔助與 PREP 結構應用
      4. 8.4
        寫 1 個 QA 要花多少時間？ (含寫作技巧)
      5. 8.5
        寫 FAQ (1) ~ 快速、高品質的標準化流程
      6. 8.6
        寫 FAQ (2) ~ 問題，要怎麼描述？ (原則與步驟)
      7. 8.7
        寫 FAQ (3) ~ 內容，先講重點就對了 (PREP)
      8. 8.8
        寫 FAQ (4) ~ 前提，有時候很重要
      9. 8.9
        寫 FAQ (5) ~ 排版，可以畫龍點睛！ (凸顯重點、增加可讀性)
      10. 8.10
        寫 FAQ (6) ~ 案例練習 (下標題、排版)
      11. 8.11
        向 AI 學習！
      12. 8.12
        向 AI 學習的案例：官網價格比較低，為什麼要向你們買比較貴的？
    9. 9.
      記錄經驗 (2) ~ 寫文件
      1. 9.1
        文件：用「重點」來整理就會簡單很多
      2. 9.2
        寫操作手冊 (1) ~ 設計原則
      3. 9.3
        寫操作手冊 (2) ~ 流程 & 案例練習
      4. 9.4
        經一事長一智，寫案例分析
      5. 9.5
        從案例分析到行為變革 (真實案例分析：不仔細看沒 follow 規格)
    10. 10.
      採取行動 ~ 導入系統與建立制度
      1. 10.1
        ABC 行動指南
      2. 10.2
        為什麼傳統的激勵方法，效果不好？
      3. 10.3
        冰山在融化 ~ 組織成功變革的 8 個步驟
      4. 10.4
        做，就對了
      5. 10.5
        導入企劃書 (1) ~ 策略
      6. 10.6
        導入企劃書 (2) ~ 深耕人才發展，邁向頂尖 (成為台灣領頭羊、全球典範)
      7. 10.7
        導入企劃書 (3) ~ AI 驅動的學習革命 ~ 翻轉教室 3.0 (邁向頂尖大學)
    11. 11.
      應用
      1. 11.1
        打造「學習型組織」的指南
      2. 11.2
        課程小幫手
      3. 11.3
        護理臨床經驗，可以 10 倍速傳承
      4. 11.4
        醫師案例報告，小改變大效果 (1) ~ 微調「重點整理」 ( take home message)
      5. 11.5
        醫師案例報告，小改變大效果 (2) ~ 使用「重點分析」
    12. 12.
      操作教學
      1. 12.1
        [操作] 建立 AI 小幫手 (1) - 基礎 AI 服務
      2. 12.2
        [操作] 建立 AI 小幫手 (2) - 打造沒有 AI 幻覺的小幫手
      3. 12.3
        [操作] AI 知識社群
      4. 12.4
        [操作] 用 AI 實踐 10 倍速經驗傳承
      5. 12.5
        [操作] 依據 AI 統計資料，持續改善的操作流程
      6. 12.6
        [操作] 翻轉教室 3.0 ~ 線上錄影、AI 重點整理、設計測驗
      7. 12.7
        [操作] 案例分析 (1) ~ 問題處理
      8. 12.8
        [操作] 案例分析 (2) ~ 重點整理
    13. 13.
      Q&A
      1. 13.1
        Google 查得到的、ChatGPT 都可以回答的，還要問嗎？
      2. 13.2
        現在已經有很多文件了，可以直接給 AI 用嗎？
      3. 13.3
        紀錄經驗很難？
      4. 13.4
        AI 為什麼會胡說八道？
      5. 13.5
        AI 胡說八道，可以解決嗎？
      6. 13.6
        要如何避免 AI 胡說八道？
      7. 13.7
        不讓 AI 生成，那要如何回答問題？
      8. 13.8
        大家都不想寫 Q&A ...
      9. 13.9
        能紀錄下來的經驗有限，真的有用嗎？
      10. 13.10
        寫錯怎麼辦？
      11. 13.11
        寫錯，會留下證據 ...
      12. 13.12
        FAQ 怎麼寫？
      13. 13.13
        推動很困難？
      14. 13.14
        AI 小幫手 or 知識社群 (討論區)，我該如何選擇？
    14. 14.
      課程目標與簡介 (07-01 14:00)
    © Copyright since 2017 by FormosaSoft Corporation.
    All rights reserved.