Pekka Vuorela

Kirjoittaja

Otin keväällä kantaa teknologiseen muutoksen megatrendiin, joka ajaa erityisesti automaation ja tekoälyn yleistymiseen tiedolla johtamisen markkinassa.  Syksyn Nordic Business Forum 2018 sai minut ymmärtämään, että muutos on vielä nopeampaa kuin uskoinkaan.  NBF:ssa Andrew McAfee puhui siitä, miten keinoälyn ja koneoppimisen valtakaudella on pitkään uskottu, että koneälyn kehitys pohjautuu ohjeiden ja sääntöjen opettamiseen ja matemaattisiin kaavoihin, ei niinkään luovaan ja strategiseen ajatteluun. Tähän on kuitenkin tullut muutos. Pärjätäkseen ihmiselle keinoälyn on tulevaisuudessa osattava ratkaista monimutkaisempia ja piilevän tiedon varassa olevia haasteita. Malliesimerkkinä McAfee käytti kiinalaista yli 3000 vuotta vanhaa luovuutta vaativaa strategiapeliä Go, jota vastaan valjastettiin syväoppimiseen erikoistunut AlphaGoZero-keinoäly.  Lyhyellä oppimisella keinoäly ei pelkästään pystynyt voittamaan pelialan huippuammattilaiset, vaan pelasi strategisesti ja luovasti tasolla, jolle yksikään ihminen ei ollut pelihistoriassa yltänyt. Viimeisimmät McAfeen esimerkit ottivat kantaa Polanyin Paradoksin kaltaisiin haasteisiin, joissa sääntöjen ja ohjeiden taakse jää paljon hiljaista, tunteisiin ja kokemuksiin pohjautuvaa tietoa, jota on vaikea konkreettisesti selittää.  Tiedämme enemmän kuin osaamme kertoa.

Meillä Innolinkissä haasteet datamassojen analysoinnin osalta ovat vielä McAfeen esimerkkejä paljon maanläheisempiä. Puhumme kovan asiakaspohjaisen datan, kokemuspohjaisen tutkimusdatan ja liiketoimintaymmärryksen yhdistämisestä. Pyrimme lisäämään dialogia näiden 3 eri tietotason välillä, aikaansaamaan näkemyksellisyyttä ja vahvistamaan jaettua ymmärrystä kohti uusia tiedon avulla tunnistettuja kilpailuetuja. Tämä vaatii toteutuakseen tiedolla johtamisen arkkitehtuurin, prosessien ja kulttuurin vahvistamista organisaatioissa.

Törmäämme Polanyin Paradoksin kaltaisiin tilanteisiin asiakkaidemme kanssa viikoittain. Asiakkaiden liiketoimintadatan, kokemuspohjaisen tiedon ja markkinanäkemyksen väliin jää useita piileviä alueita, joita on vaikea suoraan havainnoida.  Tämä konkretisoituu esimerkiksi asiakastutkimuksissa, joissa havainnoidaan ja mitataan asiakaspolun eri vaiheissa olevan asiakkaan asiakaskokemusta yksilö- ja organisaatiotasolla. Yksilötasolla pystymme lähes aina yhdistämään mitatun tiedon ja tilanteessa kohdatun kokemuksen, verbaalin ja nonverbaalin viestinnän ja tunnetason toisiinsa sekä peilaamaan löydöstä omaan liiketoimintaymmärrykseemme. Jälkeenpäin tilannetta läpikäytäessä tiedämme yleensä onnistuttiinko asiakaskohtaamisessa vai ei. Tätä samaa ymmärrystä on kuitenkin hyvin vaikea siirtää sellaisenaan yksilötasolta suurempien ryhmien asiakaskokemukseen, puhumattakaan koko organisaatiotason kokemuksesta. Esimerkiksi, jos pohdimme asiakaskokemusta satojen tai tuhansien asiakaskohtaamisten datan avulla, ongelmaksi nousee juuri hiljaisen tiedon siirtäminen ja kohtaamisten välinen yhteismitallisuus. Joudumme tilanteisiin, joissa samanaikaisesti tiedämme datan avulla koko organisaation asiakastyytyväisyyden avainluvut, mutta emme ymmärrä asiakastyytyväisyyden tekijöiden yksilöllisiä vaikutuksia mm. asiakassitoutumiseen tai asiakaspoistumaan.

Seuraavassa kuvassa on pyritty havainnollistamaan asiakkuuden polkua ja sen keskeisiä kohtaamispisteitä (asiakaspalvelua, tuote- ja asiakaskokemusta, asiakasviestintää ja kokonaispalvelua) sekä niiden ympärillä asiakkaan kokemaa tyytyväisyyttä ja laatua liittyen mm. yhteishenkilön toimintaan, ammattitaitoon ja organisaation mielikuviin. Asiakkuus ei ole polku, joka loppuu asiakkaaksi pääsyyn, vaan se on enemminkin jatkuva ja kehittyvä polku, jossa asiakaskokemus on jatkuvasti altis säröille ja muutoksille.

Innolinkin mallintama asiakkuuden jatkuva polku 2018

Tällä hetkellä Innolinkin analytiikkatiimi ponnistelee löytääkseen asiakaskokemukseen liittyviä katvealueita ja pieniä heikkoja signaaleja, jotka aiheuttavat asiakaskokemuksen säröjä ja asiakassuhdetta pitkällä aikavälillä heikentäviä tekijöitä.  Kovan datan ja asiakaskohtaamisten touchpointtien ajaminen yhteen asiakaskokemusta mittaavien kokemuspohjaisten mittareiden kanssa antaa uudenlaisia näkemyksiä ja helpottaa asiakkuudenhoidon ymmärtämisessä. Suurin osa havainnoista liittyy asiakasputken alku- tai loppupäähän ja ovat siten luonteeltaan helpommin algoritmien ja matemaattisten kaavojen avulla laskettavissa. Pienet läpimurrot antavat uskoa myös putken keskiosan vaikutusten löytämiseen, jolloin kyse on Polanyin Paradoksin kaltaisten haasteiden ratkaisemisesta.

Tulevaisuudessa pyrimme rakentamaan kokemuspohjaista tietoa ja kovaa dataa yhdistämällä ennustavia malleja, jolloin kaupallisten toimenpiteiden vaikutuksia pystytään ennakoimaan ja jopa ennustamaan asiakasdatan ja asiakaskokemuksen pohjalta. Pieniä voittoja tällä saralla olemme jo saaneet aikaan: asiakkaan kovan datan ja kokemuspohjaisen tiedon yhdistämisessä on syntynyt uusia supermittareita. Nämä mittarit ennustavat, mitkä tekijät NPS:n ja asiakastyytyväisyyden takana oikeasti vaikuttavat asiakkaan tahtoon pysyä asiakkaana tai saavat aikaan negatiivista asiakaspoistumaa. Me Innolinkissä tavoittelemme asiakkaidemme kanssa asiakaskokemuksen syvällisempää ymmärrystä. Uskon, että olemme matkalla vaiheeseen, jossa jonain päivänä voimme kysyä keinoälyltä, mitä tämä tutkimustieto tarkoittaa tai mitä tiedolla pitäisi tehdä? Matkalla sinne on kuitenkin useampi askel otettavana.

Jos blogini herätti ajatuksia ja tarpeen löytää selityksiä oman asiakasputken harmaisiin kohtiin, niin ota yhteyttä ja lähdetään yhdessä jakamaan ymmärrystä syvemmälle tasolle.

Pekan tavoitat:

Email: pekka.vuorela@innolink.fi
Puh: +358 50 571 8804


Viimeisimmät artikkelit:

Tilaa Innolinkin uutiskirje ja ryhdy tiedolla johtajaksi.

 

Miten voimme helpottaa arkeasi? Jätä viesti, niin otamme sinuun yhteyttä.

 

Ota yhteyttä