Dataa asiakkaista on saatavissa tänä päivänä valtavat määrät, ja sitä on myös mahdollista kerätä ja käyttää monella tavalla. Tekoäly luo monia uusia mahdollisuuksia markkinointiin ja sen avulla saatua tietoa voidaan hyödyntää asiakaskokemuksen parantamiseen. Tekoälyn käytössä on myös riskinsä. Sen kulut ja haitat voivat olla kuitenkin hyötyjä suuremmat, ja se voi antaa myös tietoa, joka ei pidä paikkaansa. Mikäli tekoälyä sovelletaan henkilötietoja sisältävän aineiston käsittelyyn, tulee tietosuojan asettamat vaatimukset ja lait ottaa huomioon. Henkilötietojen käsittelyn tulee aina olla asianmukaista, läpinäkyvää, ja sen tulee perustua selkeään tarpeeseen ja sillä on oltava laillisuusperusteet.

Kirjoittajat: Ulla Harjamäki, Kati Järvinen, Virpi Meuronen & Reko Juntto

Miten tekoäly oppii asiakkaista

Tekoäly kerää algoritmiensa avulla dataa asiakkaista ja pystyy datan perusteella tunnistamaan käyttäytymismalleja ja tietynlaiseen käyttäytymiseen johtavia syitä. Tämän tiedon perusteella tekoäly voi tehdä erilaisia kehitysehdotuksia. Tekoäly hyödyntää käytettyjä kuvia, katsottuja videoita ja luettuja tekstejä etsiessään potentiaalisia asiakkaita. (Nieminen 2022.) Tekoäly seuloo suuria määriä dataa, jolloin sen avulla pystytään hakemaan tulevia trendejä. Kuvia, videoita ja tekstejä on runsaasti vapaasti nähtävissä eri sosiaalisen median kanavissa, jolloin tekoälyn avulla löydetään usein toistuvia asioita.

Jätämme digitaalisia jalanjälkiä aina kun olemme kosketuksissa internetin tai digitaalisten dataa keräävien laitteiden kanssa. Jokapäiväiset tavalliset asiat keräävät meistä tietoja huomaamatta ja näitä tietoja voidaan käyttää analysointiin ja hyödyntää markkinoinnissa (Aaltonen 2019, 81). Kerätyllä datalla koulutetaan tekoälyä ja saadaan se oppimaan haluttuja asioita. Asiakkaista kerätään dataa yhä useammassa laitteessa olevilla sensoreilla, sovelluksista, sosiaalisesta mediasta, matkapuhelimista ja niissä olevista sovelluksista sekä hakukoneista (Aaltonen 2019, 93). Datan kerääminen on helppoa, mutta onko kerätty data laadukasta? Voidaanko aina luottaa siihen, että tekoäly osaa tehdä siitä oikeat tulkinnat? Tekoäly oppii, mutta sen tuottamaan tietoon ei voi kaikissa tilanteissa tukeutua täysin ilman kriittistä katsantoa.

Tekoälystä asiakkaille henkilökohtaisempi assistentti

Tekoäly mahdollistaa verkkosivujen optimoinnin ja personoinnin eri käyttäjien henkilökohtaisten profiilien ja mieltymysten mukaan (King 2019, 23). Keskusteleva ja argumentoiva tekoäly voikin houkutella asiakkaita uudella tavalla, huomioiden asiakkaan persoonan ja tarpeet tämän aikaisemman käyttäytymisen perusteella.

Asiakkaiden kanssa keskustelua helpottavilla älykkäillä työkaluilla ja teknologioilla on luontaisia mahdollisuuksia markkinoinnin yhteydessä. Ne soveltuvat esimerkiksi asiakkaiden sitouttamiseen ja päätöksentekoon vaikuttamiseen koko asiakaspolun ajan sekä tyytyväisyyden ja arvon lisäämiseen asiakaskokemuksessa. (Rosário 2021, 11.)

Markkinoijien suurin voitto on tekoälyn suorittaman ihmisten personoinnin hyödyntäminen. Personointi on prosessi, jossa asiakkaalle annetaan oikea viesti, oikealla alustalla, oikeaa kanavaa käyttäen ja oikeaan aikaan ilman pääsyä heidän henkilötietoihinsa. Tekoälyn avulla asiakkaalle tarjotaan arvokkaampaa asiakaskokemusta, jolloin yritys maksimoi mahdollisuutensa asiakkaan aktivoimiseksi, esimerkiksi kannustaa lataamaan sovelluksen tai tilaamaan uutiskirjeen. (King 2019, 18.) Markkinoijat voivat päästä ennakoimaan asiakkaiden tarpeita tekoälyn avulla ja siten tavoittelemaan asiakkaita erityistarjouksilla ja tiedottamaan ostotarpeista.

Nykyisten chat-asiakaspalvelijoiden rajallinen saavutettavuus ja yritysten kankeat automaattiset chatit kaipaavat lisää kehitystä tekoälystä asiakaspersonoinnin ja tekoälyn argumentoinnin kehityksen osalta. Chatbottien kehitys on isossa roolissa verkkopalveluiden kehittämisessä. Niiden avulla on mahdollista palvella asiakkaita automaattisesti, jotta asiakkaiden kasvavat odotukset vasteajan nopeudesta voidaan täyttää (Rubanovitsch 2018, 61).

Tulevaisuudessa digitaaliset henkilökohtaiset assistentit tekevät ostopäätöksiä asiakkaiden tarpeet ja mieltymykset huomioiden. Ne jopa hankkivat tuotteita, joita itse ei ole ymmärtänyt tarvitsevansa. (Lahtinen et al. 2022, 40.) Tekoälyn avulla markkinointi automatisoituu entisestään ja kommunikointi asiakkaaseen on personoidumpaa. Tekoäly nopeuttaa reagointia asiakkaisiin ja ehdottaa tuotteita näiden tarpeet huomioiden ilman, että asiakas olisi sitä erikseen kysynyt.

Haasteita tekoälyn käytössä

Pelko uutta teknologiaa kohtaan voi aiheuttaa vastustusta asiakkaiden osalta heidän asioidessaan esimerkiksi chatbottien kanssa. Sosiaalinen vastustus uusia tekoälyn mahdollistamia palveluita vastaan voi olla esteenä markkinoiden kehitykselle, esimerkiksi Über-palvelualustan tullessa markkinoille varsinkin taksinkuljettajat vastustivat ja katsoivat sen vinouttavan markkinoita. Organisaatioissa yritysjohto voi nähdä teknologiaratkaisut vain isona kulueränä, joka vaatii henkilöresursseja sekä taloudellisia varoja kehittämiseen, käyttöönottoon ja ylläpitoon. Kulut ja haitat nähdään suurempina kuin mahdollinen teknologiasta saatu hyöty, joka ei konkretisoidu välttämättä heti vaan vasta ajan kanssa. (Kananen & Puolitaival 2019, 216–217.)

Asiakkaille tietoa tarjoavien tekoälypalveluiden kohdalla ongelmana voi olla, että tekoäly ei pysty vielä tunnistamaan milloin sillä ei ole tietoa jostakin asiasta, kertoo tekoälytutkija Jaakko Lehtinen. Se voi antaa tietoa, joka ei pidä paikkaansa. (Pulkkinen 2023.) Myös semantiikkaan eli lauseiden merkitykseen liittyvät asiat voivat olla ongelmallisia tekoälylle. Lauseiden oikein ymmärtämiseksi vaaditaan niiden merkitykseen liittyviä vihjeitä tai asiaan liittyvä laajempi lauseyhteys eli konteksti. (Pradeep et al. 2019, 64.)

Tekoälyn käyttämään datatiedostoon hakkeroituminen ja tietojen muuttaminen sekä tiedon manipulointi voivat saada tekoälyn tuottamaan virheellistä tietoa ja tuloksia. Tätä pyritään estämään riittävällä testaamisella, syötteiden oikeellisuuden tarkistamisella ennen käyttöä sekä tietolähteiden turvaamisella ja pääsyn hallitulla rajoittamisella. (Kääriäinen et al. 2018, 30.)

Kaikkien henkilöiden yksityisyyden ja tietojen suojaamiseksi on EU luonut tietosuojaa koskevan asetuksen, joka tulee huomioida tekoälysovellusten kehittämisessä ja hyödyntämisessä. GDPR eli henkilötietojen käsittelyä sääntelevä laki määrää, mitä tietoja ja mihin tarkoitukseen yksityishenkilöistä dataa saa kerätä, kuinka sitä saa hyödyntää ja kuinka kauan tietoja saa säilyttää. (Kananen & Puolitaival 2019, 215–219.) GDPR:n mukaan sähköistä suoramainontaa saa kohdistaa vain asiakkaille ja muille henkilöille, jotka ovat siihen antaneet suostumuksensa. Henkilön tulee saada tietoon, mihin tarkoitukseen hänen tietojansa kerätään ja käytetään, lisäksi suostumus suoramainontaan ja omien tietojen käyttöön tulee olla peruutettavissa asiakkaan puolelta milloin tahansa. (Tietosuojavaltuutetun toimisto 2023.)

Muita huomioitavia asioita

Tekoäly on kehittynyt huimasti viime vuosina ja kehittyy edelleen. Entistä personoidumpi ja kohdistetumpi mainonta ja tekoälyn käyttö sekä asiakaspalvelijana että asiakkaan assistenttina mahdollistaa paremman asiakaskokemuksen. Jotta tekoälyn tarjoamia uusia mahdollisuuksia päästään hyödyntämään markkinoinnissa tarkoittaa se myös yrityksille ja markkinoijille vaatimusta opetella uusia asioita ja toimintatapoja.

Tekoäly muodostaa omat mallinsa keräämällä valtavasti dataa eri lähteistä, etsimällä toistuvia asioita ja tulkitsemalla niitä. Datan kerääminen on helppoa, mutta onko kerätty data laadukasta ja osaako tekoäly kuitenkaan tehdä oikeita tulkintoja? Osataanko tekoälyä hyödyntää oikein ja ymmärretäänkö myös ongelmat, joihin voidaan ajautua? Onko tietosuoja, henkilötietojen käsittelyn vaatimukset, laillisuusperusteet, läpinäkyvyys ja luotettavuus varmasti huomioitu tarpeeksi hyvin?

Lähteet

Aaltonen, M. 2019 Tekoäly. Ihminen ja kone. Helsinki: Alma Talent Oy.

An, Y., An, J., & Cho, S. 2020. Artificial intelligence-based predictions of movie audiences on opening Saturday. International Journal of Forecasting. Vol. 37 (1), 274–288. Viitattu 27.4.2023. Saatavissa https://doi.org/10.1016/j.ijforecast.2020.05.005

Ilmarinen, V. & Koskela, K. 2015. Digitalisaatio. Yritysjohdon käsikirja.  Helsinki: Alma Talent Oy.

Kananen, H. & Puolitaival, H. 2019. Tekoäly: bisneksen uudet työkalut. Helsinki: Alma Talent Oy.

King, K. 2019. Using artificial intelligence in marketing: how to harness AI and maintain the competitive edge. London, United Kingdom: Kogan Page Limited.

Kääriäinen, J, Aihkisalo, T., Halén, M., Holmström, H., Jurmu, P., Matinmikko, T., Seppälä, T., Tihinen, M. & Tirronen, J. 2018. Ohjelmistorobotiikka ja tekoäly – soveltamisen askelmerkkejä. Valtioneuvoston kanslia. Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 65/2018. Viitattu 27.4.2023. Saatavissa http://urn.fi/URN:ISBN:978-952-287-616-4

Lahtinen, N., Pulkka, K., Karjaluoto, H. & Mero, J. 2022. Digimarkkinointi. Alma Bisneskirjasto. Helsinki: Alma Talent. Viitattu 15.2.2023. Saatavissa https://bisneskirjasto-almatalent-fi.ezproxy.saimia.fi/teos/JABBXXBTABGEE#kohta:Digimarkkinointi/piste:tSV

Nieminen, K. 2022. Tekoäly markkinoinnissa. Markkinoinnin trendit. Viitattu 5.2.2023. Saatavissa: https://markkinoinnintrendit.fi/tekoaly-markkinoinnissa/

Pulkkinen, J. 2023. Tekoäly voi mullistaa pian verkon hakukoneet. Helsingin Sanomat. 20.1.2023 A 34.

Pradeep, A. K., Appel, A. & Sthanunathan, S. 2019. AI for Marketing and Product Innovation: Powerful New Tools for Predicting Trends, Connecting with Customers, and Closing Sales. Hoboken, New Jersey: Wiley.

Rosário, A. 2021. The background of artificial intelligence applied to marketing. Academy of Strategic Management Journal. Vol. 20, 1–19.

Rubanovitsch, M. 2018. Myyntikapina: korvaako kone ihmisen myyntityössä? Espoo: OY Imperial Sales AB/Johtajatiimi.

Tietosuojavaltuutetun toimisto. 2023. Usein kysyttyä: suoramarkkinointi. Viitattu 17.2.2023. Saatavissa: https://tietosuoja.fi/usein-kysyttya-suoramarkkinointi

Kirjoittajat

Ulla Harjamäki opiskelee liiketalouden YAMK-tutkintoa LAB-ammattikorkeakoulun liiketalouden digitaaliset ratkaisut -koulutusohjelmassa.

Kati Järvinen opiskelee liiketalouden YAMK-tutkintoa LAB-ammattikorkeakoulun liiketalouden digitaaliset ratkaisut -koulutusohjelmassa.

Virpi Meuronen opiskelee liiketalouden YAMK-tutkintoa LAB-ammattikorkeakoulun liiketalouden digitaaliset ratkaisut -koulutusohjelmassa.

Reko Juntto on LAB-ammattikorkeakoulun digitaalisen liiketoiminnan lehtori.

Artikkelikuva: Tekoäly ja futuristinen tausta. Saatavissa https://www.pexels.com/fi-fi/kuva/valaistu-futuristinen-ai-vaalea-tausta-373543/  (CC0)

Julkaistu 27.4.2023

Viittausohje

Harjamäki, U., Järvinen, K., Meuronen, V. & Juntto, R. 2023. Tekoäly avuksi asiakastiedon hyödyntämiseen. LAB Pro. Viitattu pvm. Saatavissa https://www.labopen.fi/lab-pro/tekoaly-avuksi-asiakastiedon-hyodyntamiseen/