Asiakastiedon muuttaminen näkemykselliseksi kehittämiseksi

Kirjoittajat: Mirja Kälviäinen, Markus Ahola, Tarja Keski-Mattinen & Sanna Apajalahti

Asiakaskokemustiedon haasteellisuus

Asiakaskokemus voidaan määritellä asiakkaan kokemuksiksi palveluun liittyvästä vuorovaikutuksesta koko palvelupolun aikana eli ennen, aikana ja jälkeen ydinpalvelun. Yrityksillä on yhä enemmän mahdollisuuksia hankkia käyttäjätietoa erilaisista asiakasvuorovaikutuksen kanavista ja asiakkaan jättämän digitaalisen jalanjäljen avulla palvelupolun varrelta. (Lemon & Verhoef 2016). Kun asiakastieto pitäisi hankkia koko asiakkaan palvelupolun eri vaiheista, voi se jäädä heikoksi erityisesti niissä kanavissa, jotka ovat jonkin muun kuin yrityksen itsensä hallinnoimia tai jotka ovat digitaalisten kanavien ulkopuolella tapahtuvaa asiakkaan toimintaa.

Vaikka asiakastietoa on digitalisoitumisen kautta paljon tarjolla, haasteeksi muodostuu tiedon osittainen puutteellisuus joistain asiakkaan palvelupolun vaiheista sekä asiakastiedon muuttaminen käyttökelposeksi kehittämisvälineeksi. Viimeksi mainittu tarkoittaa monen laatuisen asiakastiedon yhdistelemistä niin, että se tukee näkemyksellistä päätöksentekoa ja kehittämistä. Englanniksi tätä kutsutaan nimellä actionable insight eli toimeenpanon mahdollistavaksi näkemyksellisyydeksi.

Näkemyksellisyyttä rakentavan asiakastiedon eri sisällöt

Asiakastieto voi kuvata niitä asioita, joita asiakas on tehnyt tai kokenut. Tämä on usein digitaalisen palvelupolun osalta määrällistä tietoa, jota on varsin helppo kerätä asiakkaiden toimintatietoja tai tyytyväisyysmittareita seuraamalla (Holmlund ym. 2020). Se voi näyttää palvelupolusta kohtia, joissa asiakas toimii toisin kuin yritys toivoisi tai reaktioita tai vastauksia, jotka kertovat tyytyväisyyden asteesta. Tyypillisiä tietolähteitä ovat asiakkaan vierailutoimintojen osalta nettisivuilta tai e-kaupasta kerätty tieto, ostotiedot sekä tyytyväisyysmittaukset. Esimerkkejä näistä voivat olla ne, millaisten tuotteiden kohdalla asiakas hakee lisätietoa tai tyytyväisyyden mittaaminen tiedon löytymisen helppoudesta.

Asiakkaan toiminnan seuraamisen lisäksi olennaista on tietää, miksi asiakas tekee tiettyjä toimia tai kokee palvelun tietynlaisena (Holmlund ym. 2020). Tämä on erityisen tärkeää ei toivotun toiminnan tai kokemusten kohdalla. Tällainen tieto selviää usein laadullisesta aineistosta, jonka avulla päästään käsiksi siihen, mikä on asiakkaalle tärkeää: mitä hän tavoittelee yrityksen palvelun kautta ja mikä häntä motivoisi esimerkiksi ostamaan tai olemaan tyytyväinen. Tällaista tietoa voi löytyä asiakkaan kirjoittamista viesteistä, puhelinsoitoista tai sitä voidaan kerätä kysymällä asiakkailta esimerkiksi asiakaspalvelutilanteiden yhteydessä. Myös sosiaalinen media voi olla lähde tällaiselle tiedolle. Generatiivista tekoälyä voi nykyään käyttää apuna sellaisten isojenkin teksti-, kuva- tai ääniaineistojen analysointiin, joissa on laadullista asiakastietoa. Tekoäly voi esimerkiksi analysoida tuhansia asiakaspalvelun tikettejä muutamassa minuutissa ja ehdottaa erilaisia ratkaisuja.

Asiakastieto voi myös kertoa, mihin suuntaan asiakkaiden mieltymykset ovat muuttumassa. Tällaistakin tietoa voi löytää seuraamalla digitaalisista kanavista asiakkaiden toiminnan määrällisiä muutoksia tiettyyn käyttäytymissuuntaan (Holmlund ym. 2020). Suoraviivaisia lähteitä tällaiselle tiedolle ovat myös asiakkaiden kasvavat toiveet joistain palveluista. Sosiaalisen median kautta on mahdollista seurata yrityksen toimintaan liittyvien jopa hiljaisten signaalien tai selkeämpien trendin vahvistumista kirjoituksissa ja muussa asiakassegmenttien jakamissa materiaaleissa (Bayley 2021, 32). Laajempaa muutostietoa löytyy erilaisten trendiorganisaatioiden materiaaleista, usein kansainvälisistä kuluttajatrenditutkimuksista tai yritysasiakkaiden kohdalla toimialan muuttuvista trendeistä.

Viimeinen asiakastiedon ja -ymmärryksen muoto on jo sellainen, että se kertoo, mitä palvelulle pitäisi tehdä. Tällainen näkemyksellinen tieto syntyy, kun on mahdollisuus yhdistää edellisissä kappaleissa kerrottuja asiakastiedon muotoja yhteen ja vetää niistä kehittämiseen liittyviä johtopäätöksiä. Näkemykselliset asiakastiedon yhdistelmät kertovat, mitä palveluosia on syytä priorisoida, miten palvelua on syytä korjata tai millaisilla palveluilla ja sisällöillä sitä kannattaa kehittää.

Bayley (2021, 13–15) uskoo asiakastiedon yhdistelmistä parhaimmillaan syntyvän selkeitä ja merkityksellisiä ohjeita sellaiseen toimintaan, joka parantaa asiakaskokemusta ja kilpailukykyä. Näkemyksellinen asiakasymmärrys voi auttaa pohtimaan strategiaa ja sisältöjä, vahvistamaan tai hälventämään epäilyksiä sekä tarjoamaan määrällistä tai muuta näyttöä siitä, kuinka tärkeä jokin asia on – tai kertomaan, ettei jokin asia ole olennainen.

Näkemyksellisen asiakastiedon saavuttaminen

Digitalisaatio ja monet vuorovaikutuskanavat asiakkaan kanssa tarkoittavat sitä, että asiakastietoa on paljon tarjolla, mutta se on hajallaan eri kanavissa. Kaikista vuorovaikutuksen kanavista pitäisi pitää huolta ja hyödyntää niiden kautta saatavaa tietoa asiakaskokemuksen parantamiseksi. (Lemon & Verhoef 2016). Jotta yritys voi kerätä tarvittavaa näkemyksellistä asiakastietoa, sen on tärkeää tarkastella ja analysoida asiakkaan palvelupolkua. Samalla on syytä arvioida, onko palvelupolun eri vaiheista kerätty olennaista tietoa ja miten se on eri tavoin saatavilla tai hankittavissa. Palvelupolku tulee hahmottaa asiakkaan näkökulmasta niin, että siihen kuuluu vaihe ennen palvelua, eli miten asiakas tarpeen havaitsemisen jälkeen löytää yrityksen ratkaisun ja pääsee siihen sisään. Vasta sen jälkeen on vuorossa varsinaisen palvelun oston ja käytön vaiheet. Niiden jälkeen tulee myös miettiä, mitä asiakkaan kannalta tapahtuu palvelussa vietetyn ajan jälkeen.

Asiakkaan palvelupolun tarkastelu voi auttaa huomaamaan olennaisia aukkoja asiakastiedossa, kuten kuvio 1. esittää. Kriittisiä tietokatkoksia ovat esimerkin mukaisesti sellaiset, että digitaalisen jalanjäljen data näyttää osan asiakkaista löytävän palvelun, mutta poistuvan polulta ennen ostopäätöstä ja poistumisen syitä ei tiedetä. E-kaupan verkkosivuilta saatu data voi osoittaa, että tuotesivulla on paljon kävijöitä, mutta ostoja ei tapahdu tai ostajat jopa tekevät valintoja ostoskoriin, mutta eivät kuitenkaan lopulta osta. Tärkeimmäksi syyksi viimeksi mainittuun on todettu lisäkustannukset, toiseksi tärkeimmäksi hankala ostosuorituksen loppuunsaattaminen ja kolmanneksi luottamus esimerkiksi luottokorttiostoksen tietojen siirtymisestä (Dynamic Yield). Tyypillisiä tietokatkoksia on myös ydinpalvelukokemuksen jälkeinen tieto siitä, mitkä olivat asiakkaalle merkityksellisimmät kontaktipisteet ja palvelun jälkeen tieto siitä, milloin, missä ja miksi asiakas olisi halukas saamaan lisätietoa yrityksen palveluista.

Kuvio 1. Esimerkki yrityksen palvelupolusta ja sille jäävistä tietokatkoksista.

Palvelupolun kuvauksessa tärkeää on listata kuvion 1. esimerkin tapaan kaikki ne vuorovaikutuskanavat, joiden kautta asiakastietoa on hankittavissa. Palveluun voi sisältyä kasvokkain tapahtuvia asiakaspalvelutilanteita, joissa asiakkaalta voisi tiedustella toiminnan syitä, tai sähköpostiviestintää, joka paljastaa tärkeitä puutteita tai toiveita. Tyytyväisyysmittaus ydinpalvelun lopussa voi jäädä vain tyytyväisyyden asteen kuvaukseksi, jolloin se ei kerro tyytyväisyyden sisällöstä, joka on tärkeää kehittämistietoa ja tietokatkoksena ovat silloin tyytyväisyyden tai tyytymättömyyden syyt.

Asiakastiedon täydentäminen kannattaa kohdentaa palvelupolun kriittisiin vaiheisiin. Tietoa kannattaa kerätä yhdistämällä asiakkaiden havaittu toiminta, sen syyt ja motiivit sekä heidän kiinnostuksen kohteensa, jotta saadaan näkemyksellistä ja toimeksi pantavissa olevaa tietoa palvelujen kehittämiseen.

Lähteet

Bayley, C. 2021. Customer Insight Strategies. How to understand your audience and create remarkable marketing. London, New York, New Delhi: Kogan Page Limited.

Dynamic Yield. eCommerce Benchmarks.Viitattu 19.2.2025. Saatavissa https://marketing.dynamicyield.com/benchmarks/cart-abandonment-rate/

Holmlund, M., Van Vaerenbergh, Y., Ciuchita, R., Ravald, A., Sarantopoulos, P., Villarroel Ordenes, F. & Zaki, M. 2020. Customer experience management in the age of big data analytics: A strategic framework. Journal of Business Research. Vol. 116, 356-365.

Lemon, K. N., & Verhoef, P. C. 2016. Understanding customer experience throughout the customer journey. Journal of Marketing. 80 (6), 69–96.

Kirjoittajat

Mirja Kälviäinen on LAB-ammattikorkeakoulun muotoilun ja median yliopettaja ja toimii laadullisen asiakastutkimuksen asiantuntijana ASKO-hankkeessa.

Markus Ahola on LAB-ammattikorkeakoulun asiakaskokemuksen johtava asiantuntija ja toimii ASKO-hankkeen projektipäällikkönä.

Tarja Keski-Mattinen on LAB-ammattikorkeakoulun liiketoiminta-alan tietojenkäsittelyn lehtori. ASKO-hankkeessa hän toimii asiakasdataa hyödyntävän asiakaskokemuksen tunnistamisen asiantuntijana.

Sanna Apajalahti on LAB-ammattikorkeakoulun palvelumuotoilun TKI-asiantuntija ja toimii ASKO-hankkeen asiantuntijana.

Artikkelikuva: https://www.pexels.com/fi-fi/kuva/liikemies-mies-naine-toimisto-5686051/ (Pexels Licence)

Viittausohje

Kälviäinen, M., Ahola, M., Keski-Mattinen, T. & Apajalahti, S. 2025. Asiakastiedon muuttaminen näkemykselliseksi kehittämiseksi. LAB Pro. Viitattu pvm. Saatavissa https://www.labopen.fi/lab-pro/asiakastiedon-muuttaminen-nakemykselliseksi-kehittamiseksi/