처음에는 가볍고 효율적인(lean) 접근 방식을 제안합니다.
그 뜻은 먼저 특정 사용 사례에 대한 구체적인 솔루션을 설계하고, 이를 실행에 옮긴 후 반복 개선(iterate)하는 것이 도움이 될 수 있다는 것입니다. 이것이 커뮤니티 팀을 위한 본격적인 크로스 커뮤니티 대시보드로 발전할 수도 있고, 혹은 ‘충분히 좋은(good enough)’ 수준이 그보다 훨씬 작을 수도 있습니다.
예를 들어, CM(커뮤니티 관리자)은 먼저 Discourse Hub를 사용하여 세 커뮤니티의 피드를 모두 확인하고, 각 커뮤니티에서 처리가 필요한 미해결 플래그가 언제 발생하는지 파악할 수 있습니다.
한 단계 더 나아가면, 그중 하나의 커뮤니티에 있는 채팅 채널을 ‘홈 베이스’로 사용하고, 먼저 모든 커뮤니티의 검토 대기열(review queue) 알림 피드를 구성하여 모든 커뮤니티의 운영(moderation)을 지원하는 것입니다.
메트릭과 리포팅의 경우, 각 커뮤니티의 관리자 UI 영역이나 데이터 탐색기(data explorer) 보고서에 대한 북마크 세트를 시작점으로 삼는 것이 간단한 출발점이 될 수 있습니다.
한 단계 더 나아가면, Discourse Automation을 사용하여 AI가 생성한 보고서를 설정하고, 해당 커뮤니티 내 다양한 소스의 데이터를 집계하여 각 커뮤니티의 PM(프로젝트 매니저)에게 보고서를 전달할 수 있습니다. 여전히 세 개의 별도의 PM이지만, 확인해야 할 곳은 줄어들 것입니다.
그보다 한 단계 더 나아가면, AI 페르소나(AI personas) 내의 도구를 사용하여 커뮤니티 전체에서 데이터를 가져와 단일 보고서를 작성하는 것입니다.
많은 구성 요소(building blocks)가 이미 준비되어 있다고 생각합니다. 그것들을 조립하는 것이 더 많은 작업처럼 보일 수 있지만, 동시에 정확히 필요한 것을 구축하고 어떤 부분을 더 빨리, 어떤 부분을 나중에 우선적으로 배치할지 결정할 수 있는 기회이기도 합니다.
그리고 모든 것이 가치 있다고 입증되고 더 많은 것이 원해지면, 원하는 결과를 제공할 것이라는 확신을 가지고 커스텀 플러그인 같은 더 맞춤화된 것을 구축할 수 있습니다.