Asiakasymmärrykseen tarvitaan monenlaista dataa

Mira Mäkiranta

Mira Mäkiranta

Asiakasymmärrykseen tarvitaan monenlaista dataa

Kaikki ovat samaa mieltä siitä, että asiakasymmärrys on tärkein reitti hyvään asiakaspalveluun. Suurin osa on myös sitä mieltä, että digitaalisessa maailmassa asiakasymmärrys vaatii tiedon keräämistä asiakkaista. Sen sijaan siitä, onko mittaroitu data ylivoimasta vai onko parempi kysyä asioita asiakkailta suoraan, jaksetaan edelleen kinata. Oikeasti ei tarvitsisi, sillä molempia tarvitaan.

Olen aina pitänyt asiakasdatasta. Kun menin opiskelijana noin 20 vuotta sitten assistentiksi ja myöhemmin markkinatutkijaksi Taloustutkimukselle, tunsin heti oloni kotoisaksi datan parissa. Opin nopeasti kyselyn suunnittelun jipot ja otannan perusteet, mistä on ollut hyötyä paljon myös myöhemmissä rooleissa.

Kun toissa vuosikymmenen lopulla siirryin digitaaliseen maailmaan Satamalle, suuri intohimoni oli yhdistää survey-tietoa mittaroituun dataan (web-analytiikkaan) kokonaisvaltaisen ymmärryksen saamiseksi. Sama intohimo on edelleen tallella. Onneksi mittausjärjestelmien kehitys ovat reilussa vuosikymmenessä myös tehnyt kaikesta tästä helpompaa.

Kumpi sitten on hyödyllisempää, kyselytutkimukseen perustuva tieto vai mittaroitu tieto? Vastakkainasettelun aika on ohi, sillä kumpaakin tarvitaan. Mittarointi vastaa parhaiten kysymykseen mitä, kun taas kysymällä saat selville miksi.

Mittarointi kertoo, mitä

Ensimmäinen käyttökelpoinen nyrkkisääntö on tässä: Jos tutkimuskysymykseesi on olemassa oikea vastaus, älä kysy. Mittaa mieluummin.. Tällaista tietoa sanotaan objektiiviseksi tiedoksi.

Mitä tämä tarkoittaa käytännössä? Yksinkertaisesti sitä, että ihmisten vastaukset kyselytutkimuksissa ovat parhaimmillaankin epätarkkoja. Joissain asioissa vastaajat saattavat jopa arastella totuuden kertomista. Näin kävi esimerkiksi Britanniassa vuonna 1992, kun etukäteiskyselyt näyttivät aivan liian pieniä lukuja John Majorille, sillä monet äänestäjät eivät syystä tai toisesta kehdanneet sanoa äänestävänsä konservatiiveja. Syitä tahalliselle epärehellisyydelle tutkimuksissa on muitakin, ja lisäksi joskus saattaa vastaajien muisti pettää.

Jos siis tiedät vastaajan iän ja sukupuolen jotain muuta kautta, älä kysy niitä. Luota mieluummin mittarointiin. Jos haluat tietää, millaisissa verkkosisällöissä kävijä on käynyt, milloin hän liittyi kanta-asiakasohjelmaan tai mistä tuoteryhmistä hän on eniten ostanut tuotteita, älä kysy. Mittaa tieto web-analytiikan avulla tai nappaa se CRM:stä.

Kysymällä saat selville, miksi

On myös tilanteita, joissa suoraan kysyminen pesee mittaroidun datan mennen tullen. Toinen nyrkkisääntö: Jos haluat tietää motiiveja käytöksen takana, mittaamisesta ei ole juuri hyötyä. Kysy mieluummin. Tätä dataa kutsutaan subjektiiviseksti dataksi. Mittaamisella todennetaan käytös ja sen yleisyys, mutta lopulta henkilökohtaiset syyt ja motiivit käytökselle selviävät parhaiten asiaa kysymällä. Tilanteesta riippuen aineisto voi olla joko kvantitatiivista (strukturoidut kysymykset eli valmiit vastausvaihtoehdot) tai kvalitatiivista (avoin teksti, fokus-ryhmät ja haastattelut)

Miten päätellään mittaroidusti, onko käyttäjä tyytyväinen verkkopalveluun, löysikö hän etsimänsä, kuinka hyödyllisenä hän pitää chat-robottia tai millaisia brändimielikuvia hän liittää tuotteisiin? Ei mitenkään. Näihin kysymyksiin ei ole yhtä vastausta, eivätkä mielipiteet ja motiivit välttämättä näy online-käytöksessä lainkaan.

Aina ei ole mahdollista tai järkevääkään kysyä asioita suoraan käyttäjiltä. Silloin voidaan haarukoida mahdollisia syitä käytökselle mittaroidun datan pohjalta, ja päädytään erilaisiin arvauksiin eli hypoteeseihin. Hypoteesien paikkansapitävyyttä voidaan sen jälkeen testata verkkosivustolla AB-testein. Kaikki motiivit eivät kuitenkaan ilmene suoraan mitattavassa muodossa, joten kyselyitä ja haastatteluita tarvitaan jatkossakin aitojen fiilisten selvittämiseksi.

Vältä siiloutumista

Kun olet aikeissa lisätä asiakasymmärrystä keräämällä tietoa asiakkaistasi eri lähteistä, on vielä yksi sudenkuoppa, jota kannattaa välttää. Se on datan siiloutuminen, eli se, että asiakasdata on tallennettu eri varastoihin ja työkaluihin, jotka eivät ole missään yhteydessä toisiinsa.

Parhaan ymmärryksen asiakkaastasi saat silloin, kun yhdistät kaikki häntä koskevat tiedot yhteen paikkaan. Silloin tarvitaan jokin muuttuja, jonka perusteella datalähteet yhdistetään, kuten samassa muodossa jokaiseen lähteeseen tallennettu asiakasnumero.

Kun yhdistät analytiikan kyselytutkimukseen, mitä-data yhdistyy miksi-tietoon: Missä sisällöissä tyytyväiset asiakkaat kävivät? Missä kohtaa ostoputkea tyytymättömät asiakkaat poistuivat palvelusta? Mistä tuotteista brändiuskolliset käyttäjät ovat erityisen kiinnostuneita? Kun samaan pankkiin yhdistetään lisäksi CRM-järjestelmän tai mainosjärjestelmien dataa samasta käyttäjästä, päästään jo hyvin lähelle kokonaisvaltaista ymmärrystä.

Voit kasata kaiken asiakasdatan erilliseen datavarastoon, mutta se ei välttämättä ole aina tarpeen. Yksinkertainen versio on käyttää analytiikkajärjestelmää asiakasdatan varastointiin. Esimerkiksi kun teet online-tutkimuksen verkkosivuillasi, kätevintä on tallentaa tulokset jo alun perin samaan analytiikkatyökaluun online-mittaroinnin kanssa. On kuitenkin aina muistettava, ettei Google Analyticsiin saa viedä mitään tietoa, mistä asiakkaan henkilöllisyyden pystyy tunnistamaan.

Hyvä asiakasymmärrys mahdollistaa hyvän asiakaspalvelun. Kun datan kerääminen on täysin avointa ja kerättyä tietoa käytetään niin, että asiakas kokee saavansa parempaa palvelua, hälvenevät myös epäluulot datan ympäriltä.

Mira Mäkiranta

Mira Mäkiranta

Related Blog & News