Digitalisaation myötä analytiikka on kasvattanut merkitystään yritysten tekemisessä ja asiat, joita suuryritykset ovat tehneet jo kymmeniä vuosia, ovat nyt uusien työkalujen myötä yhä pienempien yritysten hyödynnettävissä. Jopa keinoälyn käyttö arkipäiväistyy kovaa vauhtia ja uusien menetelmien käyttö myös asiakaskokemuksen kehittämisessä nousee yhä keskeisempään rooliin.

Analytiikka terminä on erittäin laaja ja se voidaan mieltää kuulijasta riippuen eri tavoilla. Suppeimmillaan analytiikka mielletään raportoinniksi, jossa keskeisiä lukuja on koottu samaan paikkaan (mikä useissa yrityksissä olisi myös jo merkittävä edistysaskel). Keskeinen lähtökohta analytiikalle tulisi kuitenkin aina olla se, että sen avulla löydetään liiketoimintaan uusia näkökulmia ja ideoita, mikä ei ns. perinteisen raportoinnin avulla aina ole mahdollista. Toisaalta, usein jo parempi datan visualisointi saattaa auttaa tekemään uusia havaintoja ”tutuista” muuttujista. Tässä apuna ovat viime aikoina merkittävästi kehittyneet datan visualisointityökalut, joista tunnetuin esimerkki lienee viime vuosina yleistynyt Tableau.

Analytiikan tasoja kuvataan usein kehityspolulla, jonka ensimmäinen vaihe on kuvaileva analytiikka (descriptive analytics). Tämä voi olla esimerkiksi dashboard, jossa valittuja muuttujia seurataan jatkuvasti niitä analysoiden. Analyysimallin tavoitteena tulisi kuitenkin aina olla näkemys siitä, miten asiat tulevat kehittymään, jolloin puhutaan ennustavasta analytiikasta (predictive analytics). Tästä tunnetuimpia esimerkkejä ovat teleoperaattorien käyttämät poistumamallinnukset, joilla pyritään ennustamaan, ketkä asiakkaista ovat alttiimpia irtisanomaan liittymänsä. Analytiikan viimeisimpänä kehityskaarena pidetään ”ohjailevaa analytiikkaa” (prescriptive analytics), joka täydentää ennustavan analytiikan tuloksia tuottamalla vaihtoehtoja siitä, miten voimme parhaiten hyödyntää saatuja tuloksia ja mihin kaikkeen ne vaikuttavat.

Miten tämä kaikki sitten liittyy asiakaskokemuksen kehittämiseen? Kokemukseni mukaan asiakaskokemukseen liittyy useimmiten kuvaileva analytiikka, eikä raportoinnissa hyödynnetä vielä kovinkaan laajasti datan visualisoinnin menetelmiä, jolla aiheesta saisi johtoryhmässä enemmän irti. Lisäksi analytiikkaa tehdään usein siiloissa yhdistämättä oman vastuualueen analyysejä muihin mittareihin (asiakaskokemusta saatetaan seurata hyvinkin tarkasti määritellyillä mittareilla, mutta niitä ei tarkastella myyntiä, asiakaspysyvyyttä, henkilöstökokemusta tai muita keskeisiä mittareita vasten). Ensisijaisena tavoitteena tulisi siis olla tehdä asiakaskokemuksen analytiikasta muuttujien osalta yhä monipuolisempaa läpi siilojen.

Asiakaskokemuksen johtamisessa voidaan tunnistaa analytiikan osalta eri tasoja, joista laajin taso on ns. strateginen taso, jossa pyritään selvittävään asiakaskokemukseen panostamiseen liittyvä business case. Yleensä yrityksissä on tehty ”strateginen päätös” asiakaskokemuksen kehittämisestä ja siihen on allokoitu budjetti ja resursseja, jolloin on tärkeää tietää, johtaako parempi asiakaskokemus kannattavampaan tai laajempaan liiketoimintaan. Tämä voidaan saada selville vain analysoimalla asiakaskokemuksen mittareita (esim. asiakastyytyväisyys tai NPS) yhdessä liiketoiminnan lukujen kanssa (liikevaihto, keskiostos, asiakaspysyvyys jne.). Jälkimmäisiin vaikuttava toki monet muutkin asiat, mutta joka tapauksessa jostain on aloitettava ja kokemukseni mukaan yllättävän harva yritys on nähnyt vaivaa selvittääkseen asiakaskokemuksen ja liiketoiminnan menestyksen välisen yhteyden valitulla aikajänteellä.

Asiakaskokemuksen analytiikan taktinen taso, liittyy asiakaskokemuksen kehittämiseksi tehtävien toimenpiteiden analysointiin, jota tehdään arvioni mukaan yrityksissä jopa enemmän kuin strategisen tason business casen mallintamista. Tyypillisimmillään tämä on esimerkiksi asiakaspalvelun mittareiden (vastausaika, jonoaika, CES jne.) peilaamista asiakaskokemuksen päämittareihin. Analyysi pystyy esimerkiksi ennustamaan jonoajan vaikutusta asiakaskokemukseen, jolloin suhteuttamalla asiakaspalvelun kontaktimäärät kaikkien kanavien kontaktimääriin voidaan luoda suuntaa antava ennustemalli siitä, miten muutos vaikuttaa jopa koko yrityksen keskimääräiseen asiakaskokemuksen arvosanaan.

Kolmas, erittäin mielenkiintoinen asiakaskokemuksen analytiikan taso on asiakaskohtaamisten taso, jota tehdään verkkopalveluiden käyttöliittymäsuunnittelussa paljonkin, mutta joka henkilökohtaisten kohtaamisten puolella tarjoaa valtavat mahdollisuudet luoda parempia (ja kannattavampia) asiakaskohtaamisia. Tällä tarkoitan asiakaspalvelijan/ myyjän sekä asiakkaan välisen optimaalisen kommunikaation rakentamista analytiikan avulla. Analyysi vaatii luonnollisesti valtavasti dataa, mutta tietyillä toimialoilla se tarjoaa mielenkiintoiset lähtökohdat ”mikrotason” kohtaamisten kehittämiseen. Esimerkkinä tästä on USA:ssa tehty noin 250.000 myyntikeskustelun data-analyysi (gong.io), jossa havaittiin mm. se, että myyjän ”optimaalinen” puhu-kuuntele- suhde kaupan saamiseksi on 40/60, mikä on yksi, varsin konkreettinen lähtökohta myyjän tarjoaman asiakaskokemuksen kehittämiselle.

Share This