Kuinka parantaa asiakaskokemusta tekoälyllä

Osa (4/4): 

On selvää, että personoidun asiakastiedon käyttö on yksi tärkeimmistä tekijöistä parempien asiakaskokemusten rakentamisessa. Älykkäiden kokemusten luomisesta on viime vuosina kirjoitettu melko paljon, ja tekoälyyn perustuvien tietojenkäsittelyrutiinien kasvavien valmiuksien myötä on suuria toiveita siitä, että tämän kehittyneen teknologian käyttö edistää parempia ja kiinnostavampia kokemuksia.

Harvard Business Review -lehdessä maaliskuussa 2022 julkaistussa artikkelissa (täällä) hahmotellaan edessä olevaa tehtävää ja korostetaan eri alojen, myös tekoälyn, vuorovaikutuksen merkitystä: "Kyse ei ole vain asiakaspolun kartoittamisesta tai teknologian suunnittelusta. Kyse on siitä, että kehitetään front-end-virtausta asiakkaalle ja back-end-polttoainetta älykkäiden elämysmoottoreiden käyttämiseksi."

Artikkelissa kerrotaan myös end-to-end-kokemusten luomisen tärkeydestä. Kirjoittajat kirjoittavat:

"Täyttääkseen jokaisen yksittäisen tavoitteen, joka asiakkaalla voi olla end-to-end-kokemukselle, yritysten on mietittävä, miten suunnitella tietyn hetken virtaus, sen tukemiseen tarvittava informaatio ja vuorovaikutuksen onnistuneeseen loppuunsaattamiseen tarvittavat kanavien tai osapuolten väliset yhteydet." (sama kuin edellä, korostus tehty itse)

Toisin sanoen: meidän on rakennettava järjestelmiä, jotka voivat varustaa toimet vaikutuksella ja merkityksellä ja jotka voivat tuottaa malleja, joita muut järjestelmät voivat käyttää oivallusten johtamiseen.

Tämä on varmasti melko abstrakti käsite. Hahmotan siis tämän ajattelun kulmakivien avulla.

1. Keskittyminen mikrotason tavoitteisiin

Vaikka jokaisen yrityksen on oltava kiinnostunut saamaan perustasonsa kuntoon, yksittäisten asiakkaiden toimien aggregoitu näkymä ei enää auta. Jos yrityksesi on hyödyllisen SaaS-ratkaisun luoja keskisuurten yritysten henkilöstöhallintoon, ja kaikki mitä verkkosivustollasi on tarjottavana potentiaalisille asiakkaille, on live-demon varaaminen, saat muutaman varauksen demoa varten, mutta valtaosasta verkkosivustokäyntejä saat juuri ja juuri: et mitään. Enää ei ole kyse siitä, kuinka älykäs ratkaisusi on, vaan siitä, kuinka samaistuttava ja ymmärrettävä se on asiakkaillesi.

Kuvittele nyt henkilöstöjohtaja, joka arvioi erilaisia SaaS-tuotteita tähän tarkoitukseen. Ennen kuin hän on valmis varaamaan live-demon, on käsiteltävä pari muuta avointa kysymystä: Onko toimittaja luotettava? Saammeko palvelulle tukea tavanomaisina työaikoina? Aiheutuuko palvelusta muita kustannuksia kuin kuukausimaksu käyttäjäkohtaisesti?

Tässä ei ole niinkään kyse henkilöstöjohtajan omista tarkastelutavoista, vaan siitä, että henkilöstöjohtajan on tehtävä päätöksiä ja ehdotuksia, jotka ovat avoimia ja joita pidetään kohtuullisina yrityksen muiden toimintojen näkökulmasta. Mitä tietohallintojohtaja haluaisi tietää ratkaisusta? Miten jo olemassa olevat tietosuoja- ja tietoturvaohjeet voidaan panna täytäntöön, varmistaa ja valvoa asianmukaisesti? Miten sisäiset IT-järjestelmät ja HR-tietokannat liittyvät kyseiseen ratkaisuun? Entä miten tämän loistavan uuden ratkaisun avulla tuotetut tietomallit voidaan poimia ja syöttää asiakkaiden omiin järjestelmiin hyötyjen aikaansaamiseksi? Ja (kuten talousjohtaja saattaa kysyä): millä hinnalla?

2. Henkilökohtaistaminen oikein

Vaikka on helposti ajateltavissa, että tietyillä yritystoiminnoilla on pitkälti erilaisia intressejä (talousjohtajilla ja tietohallintojohtajilla on erilaiset vaatimukset), meidän on tarkasteltava, miten hyvin mahdolliset uutuusjärjestelmät soveltuvat organisaatioiden eri kypsyystasoille. Valmiusaste automaattisen päätöksenteon käyttöönotolle vaihtelee suuresti eri toimialoilla ja toimialojen sisällä, mutta jos tietynasteinen formalisointi on ennakkoedellytys järjestelmän käyttöönotolle, sen mahdollisuudet sopeutua kypsymättömään organisaatioon ovat pienet.

Siirtymävaiheen avun tarjoaminen tarvittavien organisaatiostandardien luomisessa on yksilöllinen palvelu, josta monet yritykset voivat mahdollisesti hyötyä. On tärkeää, että SaaS-toimittajan liiketoimintamalli tukee asiakasorganisaatioiden siirtymävaihetta, mutta monet yritykset keskittyvät edelleen ensin omiin tuotteisiinsa ja odottavat, että tuotteen ja asiakkaan välinen vastaavuus saavutetaan luonnollisesti ja heti alusta alkaen.

3. Täytä asiakkaiden toimialueella

Riippumatta siitä, kuinka hyvin tarjonta on määritelty teknisestä tai organisatorisesta näkökulmasta: jos asiakasorganisaatio ei voi saada arvoa tarjotusta ratkaisusta, koska organisaatio ei täytä tarvittavaa muodollisuutta, ehdotettu ratkaisu ei todennäköisesti selviä pilottitoteutusta pidemmälle.

Myyjän tai järjestelmän vaihtamisesta aiheutuvat kustannukset ovat SaaS-ratkaisuja käytettäessä verrattain alhaiset, joten on ensiarvoisen tärkeää, että kaikissa täyttämistä koskevissa pyrkimyksissä ei enää keskitytä maksettujen kuukausittaisten paikkojen määrään (tai lisenssimaksuihin), vaan käytetään "asiakasorganisaatiolle luotua arvoa" koskevaa näkökulmaa.

Useimmat suorituskykymittarit ovat sisäisiä mittareita. Ne kattavat, millä kampanjoillamme oli suurin ROI, mitkä tuotteistamme myivät parhaiten jne. Vain harvoin näemme asiakasarvoon perustuvia mittareita.

4. Kanavalukituksen voittaminen

Organisaatioiden perinteiset omistajuusrakenteet eivät ole juurikaan auttaneet saumattomien kokemuskanavien luomisessa. Kun vuorovaikutus ja konversiot on sidottu tiettyihin kanaviin (ja, kuten Resmini totesi: "järjestelmän tietoisuus meneillään olevista toimista on rajallinen"), näemme paljon hylättyjä käyttäjätoimintoja ilman ymmärrystä niiden perimmäisistä syistä tai kilpailevien kosketuspisteiden vuorovaikutuksesta. Tähän mennessä rakentamamme järjestelmät keskittyvät laajamittaisiin transaktioprosesseihin (osto, live-esittelyn varaaminen tai verkkotilin luominen), mutta suorituskykyä tarkastellaan lähes aina kanavasuorituksena. Meidän on muutettava tätä ymmärtääkseen, miten merkityksiä syntyy ja luodaan kaikissa asiakasvuorovaikutuksen eri vaiheissa.

5. Tarkastellaan koko asiakaskokemusta, ei kontaktipistettä.

Kuten alkuperäisessä esimerkissämme pizzaravintolan kanssa (ks. tämän sarjan osa 1) nähtiin, asiakaskokemus kehittyy tietynlaiseksi merkityksellisten tapahtumien sarjaksi ajan kuluessa. Asiakkaan motiivit voivat muuttua polun varrella, ja kehittyvät asiakastarpeet (valintamahdollisuuksien määrittämiseksi ja tutkimiseksi tai rauhoittamiseksi) jäsentävät kokemuspolkua paljon enemmän kuin joukko onnellisen polun virstanpylväitä, joista alkuperäiset asiakaspolun piirroksemme usein koostuvat.

Asiakkaan sujuva eteneminen on kuitenkin vain kolikon toinen puoli. Virtauksen periaatteeseen kuuluu paljon muutakin kuin päämäärän saavuttaminen ilman suuria ponnisteluja. Asiakkaan näkökulmasta kokemusarvo syntyy merkityksellisten tilannekohtaisten valintojen mahdollistamisesta, ei "yhden klikkauksen ostosta".

Tässä kohtaa tekoäly voi tulla avuksemme: Toisin kuin jäykkien sääntöpohjaisten järjestelmien luominen, tekoälyjärjestelmät toimivat pääasiassa todennäköisyysperiaatteilla. Ja nämä periaatteet ovat todella lähellä sellaisten tapahtumasarjojen tukemista, jotka kohdistuvat suoraan toimintahalukkuuteen, joka on aito ihmisen ominaisuus. Seuraavaksi paras toiminta on heuristinen arviointimalli.

Koneoppimisen avulla voimme antaa tekoälyn luokitella tekstejä ja kaapata kokonaisia tapahtumasekvenssejä määrittääksemme toimijoiden kiinnostuksen tuotteiden ja palvelujen ympärillä ennen konversioita. Meidän pitäisi pystyä saamaan syvempi ymmärrys mukavuustekijöistä, joita ihmiset soveltavat ennen päätelmien tekemistä. Näiden näkemysten perusteella luodut käyttäjäpolut saattavat olla hieman mutkittelevampia kuin neoklassinen talous olisi antanut suunnitella - paljon riippuu kai siitä, suosimmeko miellyttäviä valintoja nopeiden päätösten sijaan vai emme.

Ja tässä on varoitus siitä näkökulmasta, jota tutkimme tämän artikkelisarjan aikana:

Tekoälyn hyödyntäminen asiakaskokemuksen parantamisessa ei näennäisestä huolimatta ole ensisijaisesti tekninen tehtävä. Tietenkin: teknologia on jossain määrin mukana, mutta organisatorisia haasteita näyttää olevan paljon enemmän kuin teknisiä haasteita.

Tämä on ainakin yksi niistä yllättävistä yhteenvedoista, joita Harvard Business Review -lehden tuore artikkeli piirtää. Kirjoittajat ovat johtaneet niin sanotun 70/20/10-säännön. He kirjoittavat:

"Seitsemänkymmentä prosenttia organisaation - sen prosessien, toimintatapojen, keskeisten suorituskykymittareiden ja kannustimien - muuttamiseen liittyvistä ponnisteluista liittyy ihmisiin. Kaksikymmentä prosenttia liittyy tietojen saamiseen oikein. Loput 10 prosenttia koskee teknologista perustaa."

Jos olet yhtä yllättynyt tästä lajittelusta kuin minä, voi auttaa muistamaan, että koneoppimisen ja tekoälyn aiheesta kirjoittavat lähes yksinomaan teknologiayritysten lähettiläät. Heidän näkökulmansa on varsin järkevä: jos leipätyösi on myydä teknologiaratkaisuja liiketoimintaprosessien optimoimiseksi, painopisteen on oltava oikean teknologian valinnassa ("Meidän!") ja oikean datan hankkimisessa (datapisteitä ehdotetun teknologiaratkaisumme polttoaineeksi). Väitän, että HBR:n kirjoittajat saattavat olla oikeassa, ja koko tekoälyä on tarkasteltava paljon teknologiavälitteisemmin kuin mitä todellisuudessa tapahtuu. Tarvitaan kuitenkin rohkeita ja uskaliaita organisaatioita osoittamaan, että tämä ajatus pitää paikkansa.

Ainakin kun ChatGPT:n käyttämästä laajasta kielimallista kirjoitetaan kaikenlaista mielenkiintoista, nähdään, että käytettävissä oleva teknologia on jo tarpeeksi kypsää tuottamaan hämmästyttäviä tekstituloksia. Fiksut ihmiset ovat jo maininneet, että hallusinoivat tekoälyt kuuluvat pian menneisyyteen. Mutta ajatelkaapa, mitä varten ChatGPT on luotu ja suunniteltu: luomaan uskottavalta kuulostavia tekstitulosteita, jotka vastaavat rajoitettuun syöttökehotteeseen. Keskustelut siitä, mitä tekoälyt voivat ja mitä ne eivät voi tehdä, siirtyvät pian siihen, mitä niiden pitäisi ja mitä niiden ei pitäisi tehdä.

Mutta luodaksemme "älykkäitä elämyskoneita" meidän on ajateltava paljon pidemmälle. Meidän on mietittävä, miten tietoja käsitellään yhdessä järjestelmässä ja miten nämä tulokset tulkitaan toisessa järjestelmässä:

"Erityisesti tekoälyvuorovaikutuksen lisääntyessä olemme jäämässä kiinni merkityksen, keskustelun ja vuorovaikutuksen luomisen pintapuoliseen vaikutelmaan ajattelematta syvällisemmin palautesilmukoita." Erika Hall (@mulegirl) Twitterissä, 29. tammikuuta 2023).

Toistaiseksi näytämme tyytyvän pitkälti siihen, että annamme ChatGPT:n luoda kokousaikatauluja tai pizzareseptejä Shakespearen sonetin muodossa, mutta emme ole vielä katsoneet konepellin alle ja kysyneet, miten se voi muuttaa päättelyn muotoa akateemisissa ja liike-elämän konteksteissa.