1854年，伦敦苏豪区暴发霍乱。医生约翰·斯诺面对的首先是一串死亡数字，但总数无法告诉他疾病为何集中出现，也无法指出该采取什么行动。
斯诺把死亡地点标在地图上，并调查居民取水的地点。病例在宽街公共水泵周围形成明显聚集。随后，地方当局移除了水泵手柄。斯诺的调查没有立即终结当时关于霍乱传播方式的争论，却留下了一个重要方法：不要只数发生了多少，还要观察事件发生在谁身上、何处发生，以及彼此如何关联。美国疾病控制与预防中心在其公共卫生史材料中记录了这项调查。
教会面对的判断难题规模不同，数据逻辑却相似。礼堂里的总人数是一张没有标出位置的地图。它能显示规模，却很难说明会友是否持续参与、是否顺利完成签到、是否感到被接纳，也无法及时暴露正在变弱的连接。
人数相同，教会健康状况可能完全不同
假设两场活动各有800人参加。
第一场活动的大部分参加者过去几个月持续参与小组和教会活动，提前完成报名，到场后顺利签到，并在反馈中表示愿意再次参加。
第二场活动同样有800人，但许多熟悉的会友已经连续缺席。现场人数主要由一次性来宾补足，签到队伍很长，巴士信息散落在多个WhatsApp群里，活动后的满意度也偏低。
只看800这个数字，两场活动没有区别。观察参与频率、签到体验和反馈，两者呈现的是两种完全不同的连接状态。
这正是会友参与度评分的价值。ChurchFlow规划中的MES，将已参加活动、签到速度和满意度放在总活动机会中一起观察。它试图回答的不是“今天坐满了吗”，而是“会友是否持续出现，过程是否顺畅，他们是否愿意继续参与”。
实际使用时，每个指标都应先转换到一致方向和范围。例如，签到耗时越短，体验通常越好，因此不能直接把秒数当作越高越好的分值。评分方法也需要根据真实行为数据校准，不能把目标值当成已经验证的结果。
参与度评分让牧养问题更早显现
总人数适合回答容量问题：礼堂够不够大，需要几辆巴士，现场要安排多少志愿者。
参与度评分更适合发现连接问题：
某个分堂的总出席保持稳定，但持续参与活动的会友比例下降，说明新到访者可能正在掩盖老会友的流失。
某场大会报名很多，实际签到偏少，说明问题可能出现在提醒、交通安排或临时变更的传达上。
会友按时到场，签到也很快，但满意度持续下降，说明流程顺畅并不等于体验有温度。
同一个家庭只登记一个名字，或者签到记录分散在纸张、群聊和表格里，也会让数据失真。遇到这类情况，应先修复记录基础，再讨论综合评分。[当多个应用显示不同人数时，先建立可信的统一记录](/blog/zh-CN/五个应用显示不同人数时-分堂牧师该相信哪个数字-5f442d2b/)。
评分还能帮助教会找到值得关心的变化。与其等到一位会友彻底消失，不如留意其参与频率连续下降、已报名却未到场，或者长期不再回应活动通知。数字在这里不是给人贴标签，而是提醒牧养团队：谁可能正在与群体失去联系。
一套有用的评分必须保留原始事实
综合分数方便比较，也容易遮住原因。一个MES从72降到61，可能源于签到变慢，也可能源于满意度下降，还可能是活动增加后，会友参加比例被稀释。三个原因需要三种不同处理方式。
因此，管理页面不应只显示一个颜色或排名。每个综合分都应能展开查看：
参加了哪些活动，错过了哪些活动； 从抵达到完成签到用了多久； 反馈来自多少人，是否存在样本过少； 分数变化来自哪个指标； 不同分堂、年龄层或志愿岗位是否出现持续差异。
评分也不该成为惩罚工具。会友缺席可能与工作、照护责任、健康或交通有关。MES能指出需要了解的变化，不能替牧者解释一个人的生活。
从“来了多少人”转向“谁正在失去连接”
开始时不必设计复杂模型。先选三项能够稳定记录的数据，例如活动参与率、签到体验和活动后反馈。按月查看趋势，同时保留每项原始数据。连续观察几个周期后，再判断各项权重是否合理。
约翰·斯诺的地图之所以有用，并非因为它让死亡数字看起来更整齐，而是因为它把数字之间的关系显现出来。教会的参与数据也应承担同样的工作：让领导者看到人数背后的连接强弱，并在一位会友彻底离开群体之前，发现值得关心的信号。
评论
暂无评论。