Kuva luotu käyttämällä Stable Diffusion -mallia kehotteella ”Groene Amsterdammer magazine cover (drawing): A stylized illustration of a hand holding a magnifying glass, hovering over various types of data symbols. The image represents the concept of data collection and the need for careful consideration and analysis of data types. Hyper Detail, Expressive dark matte gouache painting. –ar 4:5”

Miten ja millaista dataa tulisi kerätä?

  • Määrittele asiakaskokemuksen mittarit koko yhtiön tasolla yli liiketoimintojen ja siilorajojen, jotta keskeisiä mittareita voidaan tarkastella kokonaisuutena kustannustehokkaasti.
  • Kerää asiakkaan subjektiivisesta kokemuksesta tietoa, esimerkiksi miten hän kokee käyttämänsä palvelun laadun tai arvon.
  • Keskustele asiakkaiden kanssa tuottaaksesi laadullista dataa, joka auttaa tulkitsemaan määrällistä dataa ja asettamaan sen kontekstiin.
  • Yhdistä laadullista ja määrällistä dataa paremman asiakasymmärryksen rakentamiseksi. Laadullinen data auttaa ymmärtämään asiakkaan motiiveja, kun taas määrällinen data kuvaa, miten asiakas on käytännössä toiminut.
  • Käytä hyväksi havaittuja asiakaskokemuksen mittareita: suositteluhalukkuus (NPS), käynnin onnistuminen (task completion rate), asioinnin vaivattomuus (CES) tai asiakastyytyväisyys (CSAT).

Useimmat mediayhtiöt keräävät isot määrät dataa, mutta sen hyödyntäminen eli toiminnallistaminen on usein iso haaste. Dagens Nyheterin Lovisa Bergström kertoo millaisia tehtäviä datalla on heidän yhtiössään

Lovisa Bergström: So on a daily basis, it consists of anything from building predictions on future traffic on our site and apps or working with ad hoc analysis on user behavior, for example, dashboard development, data modeling, optimizing product offerings and prices, for example, on our digital and physical products or improving customer journeys. So it’s really a lot and it’s a wide range of tasks. 

Yleisin haaste asiakaskokemuksen analyysissa on nimenomaan se, että asiakkaista on olemassa suurelta osin vain kvantitatiivista käyttäytymisdataa ja mahdollisesti tavallisempia taustamuuttujia kuten asuinpaikka, tulotaso, sukupuoli, ikä. Asiakkaan subjektiivisesta kokemuksesta – miten hän kokee käyttämänsä palvelun laadun tai arvon – on tietoa aivan liian vähän, saati että tämä tieto olisi yhdistettävissä helposti hänen käyttäytymisdataansa tai muuhun tietoon asiakkuudesta.

Quantitative analytics tells you what your audience is doing, qualitative data tells you why your audience is doing that

Mikäli asiakkaiden palvelu- tai asiakaskokemuksesta kerätään dataa, se on usein pistemäistä; joko sitä kerätään vain silloin tällöin, tai eri tavoin eri liiketoimintayksiköissä ja palveluissa. Toki eri liiketoimintojen tarpeet ja asiakaslupaukset saattavat erota toisistaan niin paljon, että on järkevää pystyä luomaan ja tutkimaan myös palvelukohtaisia mittareita.  Ydinmittarit asiakaskokemuksen suhteen tulisi pystyä kuitenkin määrittelemään koko yhtiön tasolla yli liiketoimintojen ja siilorajojen. Tällöin asiakaskokemuksen keskeisiä mittareita on mahdollista tarkastella kokonaisuutena kustannustehokkaasti ja sellaisin menetelmin, jotka kaikki ymmärtävät samalla tavalla. Hyviä esimerkkejä tällaisista mittareista ovat suositteluhalukkuus (NPS, Net Promoter Score), käynnin onnistuminen (task completion rate), asioinnin vaivattomuus (CES, Customer Effort Score) tai asiakastyytyväisyys (CSAT, Customer Satisfaction Score).

Mikään mainituista mittareista ei yksin kuitenkaan tee kerätystä datasta vielä toiminnallista, vaan se edellyttää näiden mittareiden

  • jatkuvaa tutkimista kaikissa yhtiön palveluissa yhtenäisellä tavalla yli liiketoimintojen,
  • yhdistämistä kaikkeen muuhun asiakkaasta käytössä olevaan dataan (edellämainittu digitaalisten palveluiden käyttäytymisdata sekä kaikki asiakkaasta tiedetty muu informaatio kuten asiakkuuden euromääräinen kokonaisarvo tai asiakkaan sosiodemografiset taustamuuttujat), sekä
  • valjastamista käyttöön osana yrityksen päätöksentekoa kaikissa relevanteissa foorumeissa.

Haastattelemamme asiantuntijat painottivat sitä miten tärkeää on kerätä laadullista dataa ja yhdistää se muuhun käytettävissä olevaan asiakastietoon. Rikas, monipuolinen määrällinen ja laadullinen data yhdessä on hyvä lähtökohta yhtiötasoisten asiakaskokemuksen perusmittareiden luomiselle.

Kevin Anderson kuvaa haastattelussa kuinka laadullista ja määrällistä dataa voi yhdistää paremman asiakasymmärryksen rakentamiseksi. Tärkeää on huomata että laadullinen data auttaa ymmärtämään asiakkaan motiiveja, mutta määrällinen data kuvaa kuinka asiakas on käytännössä toiminut.

Kevin Anderson: Quantitative analytics tells you what your audience is doing, what your customer is doing, qualitative data tells you why your audience is doing that and what their motivations are, and often that is one of the things that unlocks better customer experience, better products, and if you want to take it to the extreme extent and tactical thing, product-led growth.

Kirsi Pietilä kertoo haastattelussa, miten keskustelut asiakkaiden kanssa tuottavat laadullista dataa, joka puolestaan auttaa tulkitsemaan määrällistä dataa ja asettamaan se kontekstiin. Näin kyky hyödyntää määrällistä dataa ja kehittää toimenpiteitä kasvaa eli se auttaa toiminnalistamaan dataa paremmin.

Kirsi Pietilä: Me ollaan myös luotu mittareita asiakkaiden kanssa uusiksi; siellähän on tietenkin perinteisiä NPS-tyyppisiä mittareita, jotka tuottavat numeerista arvoa. Mutta oikeastaan NPS:n suhteenkin sanoisin, että arvokkainta ovat kuitenkin siihen liittyvät laadulliset vastaukset, koska sieltä pystyy rakentamaan aika hyvin käsitystä siitä mikä asiakkaiden näkökulmasta oikeasti toimii ja mikä ei. Ja sitten taas kun ollaan laadullisella kyselyllä osallistettu, niin aika monesti ne on ihan niitä samoja asioita jotka yrityksen työntekijät yleensä jo tietää, mitkä siellä asiakaspuolellakin eniten turhauttaa. He eivät vain välttämättä pysty tekemään niille asioille mitään.

Erittäin mielenkiintoisen lisän laadullisen datan analyysiin tuovat lähivuosina edistyneihin kielimalleihin (LLM, Large Language Model) perustuvat teknologiat liittyen strukturoimattoman datan käsittelyyn. Esimerkiksi suurenkin tekstimuotoisen asiakaspalautemassan analyysi liittyen vaikkapa siinä korostuviin teemoihin tai palautteen sentimenttiin ja sävyyn on jo tätä kirjoitettaessa triviaalia. Laadukkaiden tuotteistettujen kielimallipalveluiden markkinan räjähtäessä lähiaikoina laajojenkaan tekstimassojen analysointiin ei tarvita enää kuin internet -yhteys ja luottokortti.

Kevin Anderson tuo haastattelussa esiin sen miten ihmisten kuunteleminen auttaa määrällisen datan hyödyntämisessä.

Kevin Anderson: Data is not just the numbers that Google Analytics kicks out: It’s also user surveys, it’s qualitative data, it’s understanding the behaviour and motivations of your audience, as much as it is to understand the activity on your site through analytics. What I’ve seen in my own career, in my own work, is that if you want to understand why people are doing what they’re doing, you really have to talk to them. There has to be qualitative data, whether that’s interviews or surveys.

Datalla on merkittävä rooli etenkin asiakkaiden käyttäytymisen ymmärtämisessä. Mediaorganisaation on vaikea rakentaa hyvää asiakaskokemusta jos se ei ymmärrä lukijoidensa käyttäytymistä. Jos lukijakunta muuttuu tai laajenee, se vaikuttaa välittömästi paitsi asiakkaiden odotuksiin myös käyttäytmiseen.

Lovisa Bergström:  What strikes me often is how the reader behavior constantly changes.  Since the reader or the subscription base changes, then the behaviors also change. So in order to keep up with those changes, we cannot rely on old facts. We need to learn, challenge and keep on trying new ways in order to constantly improve and learn from the data, I think, because old truths get old pretty fast nowadays.

BBC:n Ian Forrester puhuu siitä, miten perusmetriikat ja mittarit auttavat yritystä ymmärtämään yleisöjen median käyttöä isossa kuvassa. Ne eivät kuitenkaan vielä auta mediayhtiötä tarjoamaan asiakkaille heille relevanttia sisältöä.

Useimmiten tämä edellyttää vuorovaikutusta asiakkaiden kanssa.

Ian Forrester: Currently we use these kinds of user metrics which everyone else tends to use: how people view, what time they view, where do they view it from, stuff like that. And that’s OK  if you want a kind of surface-level understanding of the audience. But what we should be doing is we need to get deeper and deeper without actually getting creepy. Ask them a good question that isn’t something they would make up but something that actually will tell you what you need to hear, and those questions are probably the most important part. It’s like working out which questions and how to ask these questions in the correct way. 

Monissa suomalaisissa mediataloissa tarve yhtenäisen laadullisen asiakasdatan keräämiseksi on tiedostettu. Keskisuomalaisen ja Alman edustajat kuvaavat tilannetta seuraavasti:

Kirsi Hakaniemi: Me ei mitata sitä vielä, NPS:ää tai muuta vastaavaa. Toki nyt ajattelen, että asiakaskokemuksen pitää resonoida siinä, että kuinka monta tilausta meille vaikka tulee, kuinka paljon meillä on asiakkaita… kyllähän me mitataan sitä joka pisteessä nyt digipalveluissa, että kuinka paljon asiakkaat viettää aikaa sivuilla, kuinka monta kertaa he tulee sivuille tai palveluun päivässä tai viikossa. Tuleeko maksumuuritilauksia, asiakaspoistumaa ja muuta, sillä eihän asiakaskokemuksella muuten ole mitään merkitystä. Mutta nyt siihen kylkeen pyritään tosiaan saamaan vielä sellaista laadullista dataa, josta tiedettäisiin paremmin miksi näin tapahtuu.

Sanna Laurell: No Alma-tasoisesti meillä on vain kovia mittareita, ollaan aika perinteisesti menty tuolla, että mikä meidän aktiivinen käyttö on, ja uusien kirjautuneiden käyttäjien määrä. Sitten meillä on tietysti erilaisia churn-mittareita. Mutta me tehdään liian vähän insight-tutkimusta kaiken kaikkiaan, ja siihen meillä ei ole mitään virallisia mittareita edes olemassa, niitä juuri nyt pyritään luomaan.

Asiakkaat ovat nykyään paitsi kiireisiä, usein myös varovaisia sen suhteen millaisia tietoja he itsestään jakavat ja millaisiin kyselyihin osallistuvat. Subjektiivisen tiedon saaminen siitä miten asiakkaat kokevat palvelun tai sisällön edellyttää luottamuksen rakentamista. Tähän auttaa usein se, jos yhtiö on valmis antamaan jotain asiakkaille tarjottua tietoa vastaan.

Sanna Laurell: Se ei ole kauhean helppoa – ihmiset ovat nykyisin aika tietoisia, eivätkä välttämättä anna itsestään kovin mielellään mitään tietoja. Meillä on porukka, jonka kanssa mietitään jokaisen liiketoiminnan ja saitin kanssa yhdessä, mitkä voisivat olla ne pisteet missä voitaisiin kysyä asioita, jotka liittyvät joko liiketoiminnan ja esimerkiksi mainosmyynnin edistämiseen. Ja sitten lähdetään miettimään sitä joko palvelumuotoilun keinoin, että missä kohtaa käyttökokemusta tai palvelun käyttöä olisi sopivaa kysyä jotain, ja sitten keksitään siihen joku fiksu tapa… esimerkiksi voidaan kysyä millä alueella asut, ja esittää se asiakkaalle niin että “hei, anna sun osoite, niin me kerrotaan sulle, että miten sun asunnon arvo tulee tulevaisuudessa kehittymään”, niin silloinhan asiakas aidosti saa myös itse siitä jotain kiinnostavaa insightia käyttäjänä. Me ollaan aika paljon benchmarkattu kv-puolelta näitä juttuja, vaikkapa arvonta jossa kysytään jotain, ja ihmiset yllättävän kivuttomasti saadakseen jonkun kiinnostavan asian antaa tietoja itsestään – eli että se on vähän kaikkea tuolta väliltä. Mutta se riippuu tosi paljon kontekstista.

Lähes kaikissa tilanteissa mediayhtiöt haluavat asiakkaiden kirjautuvan palveluun ja sitoutuvan tilaajaksi, mikä ohjaa niitä kuuntelemaan asiakkaitaan entistä enemmän. Parhaillaan ollaan murroksessa, jossa testataan erilaisia keinoja rakentaa vuorovaikutusta asiakkaiden kanssa jotta löydetään parhaita tapoja ymmärtää asiakkaitaan paremmin.

Sanna Laurell:  On tosi paljon kokeilemista – jotkut tavat resonoi ja jotkut ei. Mitään silver bulletia ei ole vielä tullut, että tiedettäisiin että tämä toimii aina, että tämän vuoksi ihmiset on valmiita kirjautumaan. Toki pääasiassa isossa kuvassa medioissa on kyse siitä, että sisällön pitää olla niin hyvää, että asiakkaat haluavat nähdä sen vaivan ja kirjautua tai tilata, mutta riippuu median luonteesta mikä toimii ja mikä ei.

Mediapalveluiden käytön suhteen usein kuultu argumentti palveluiden laadullisten mittareiden suhteen on se että käytetty mediasisältö – kuten positiiviset lifestyle -artikkelit tai negatiivinen katastrofiuutisointi –  vaikuttaisi vastauksiin. Käytännössä on kuitenkin todettu, että mikäli asiakaskokemusta mittaavat kysymykset esitetään asiakkaalle relevantissa kohdassa palvelukokemusta ja ne on muotoiltu siten, että niissä keskitytään palveluun eikä sisältöön, ne tuottavat analyysikelpoisia tuloksia.


Kirjallisuus

There are three main areas where big data has the potential to disrupt the status quo and stimulate economic growth within the media and entertainment sectors:

1. Products and Services: Big data-driven media businesses have the ability to publish content in more sophisticated ways. Human expertise in, e.g., curation, editorial nous, and psychology can be complemented with quantitative insights derived from analysing large and heterogeneous datasets. But this is predicated on big data analysis tools being easy to use for data scientists and business users alike.

2. Customers and Suppliers: Ambitious media companies will use big data to find out more about their customers—their preferences, profile, attitudes—and they will use that information to build more engaged relationships. With the tools of social media and data capture now widely available to more or less anyone, individuals are also suppliers of content back to media companies. Many organizations now back social media analysis into their orthodox journalism processes, so that consumers have a richer, more interactive relationship with news stories. Without big data applications, there will be a wasteful and random approach to finding the most interesting content.

3. Infrastructure and Process: While start-ups and SMEs can operate efficiently with open source and cloud infrastructure, for larger, older players, updating legacy IT infrastructure is a challenge. Legacy products and standards still need to be supported in the transition to big data ways of thinking and working. Process and organizational culture may also need to keep pace with the expectations of what big data offers. Failure to transform the culture and skillset of staff could impact companies who are profitable today but cannot adapt to data-driven business models (Lippell 247

There is a vocal privacy-protection movement—perhaps more active in Europe than in North America—that has been energized by the increasing role that individual information plays in ordinary commerce, and the perceived threat to individual privacy that this poses. However, both practical experience as well as a number of academic studies have shown that the vast majority of consumers are not at all reluctant to share their individual information whenever there is a clear value proposition for doing so. Therefore, if a company can demonstrate to the customer that individual information will be used to deliver tangible benefits (and provided the customer trusts the enterprise to hold the information reasonably confidential beyond that), then the customer is usually more than willing to allow the use of the information. Trusting relationships or not, protecting customer privacy and ensuring the safety and security of customer-specific information are critical issues in the implementation of customer strategies (Pepper & Rogers s. 100-101)

How are media and entertainment businesses reinventing in an age of transformation? https://www.ey.com/en_gl/tmt/how-the-media-and-entertainment-enterprise-is-evolving

Sen sijaan, että median käyttöä ymmärrettäisiin ensisijaisesti kvantitatiivisten mittareiden, kuten klikkausten, sivulla käytetyn ajan, jakamisen tai kommenttien avulla, kriittinen huomio datafikaation ongelmallisiin ilmentymiin tulisi yhdistää laajempaan ja syvempään käsitykseen mediasta kokemuksena käyttämällä erilaisia ​​sekamenetelmiä. Tässä yhteydessä vastuullisen mediainnovoinnin on perustuttava tietoon, jossa huomioidaan käyttäjien erilaisten mediakokemusten ja median käytön demokraattinen rooli (Trattner & et al.”Once persuaded of the importance of [customer] experience, every function has a role to play. Marketing has to capture the tastes and standards of every one of its targeted market segments, circulate that knowledge within the company, and then tailor all consumer communications accordingly. Service operations must ensure that processes, skills, and practices are attuned to every touch point. (Present-patterns surveys are good for tracking high-volume touch points such as call centers.) Product development should do more than specify needed features. It should also design experiences after observing how customers use products and services, learning why they use offerings as they do, and figuring out how existing products might be frustrating them. Ideally, product developers will identify customer behavior that runs counter to a company’s expectations and uncover needs that haven’t been identified” (Meyer & Schwager s. 10-11)