Herätä asiakasdata henkiin – Asiakasymmärrystä palvelu- ja tukipyyntöjen analyysista

30 Jan 2020

Herätä asiakasdata henkiin – Asiakasymmärrystä palvelu- ja tukipyyntöjen analyysista

Jan 30, 2020

Asiakasdata piilee palvelu- ja tukipyynnöissä. Ne ovat arvokasta informaatiota, joka kevyelläkin analysoinnilla kasvattaa yrityksen asiakasymmärrystä.

Tuoteorganisaatioiden työ pyörii jatkuvasti omien tuotteiden ja palveluiden ympärillä. Yleinen ongelma on, että sokeudutaan sille, miltä ne tuntuvat asiakkaan näkökulmasta. Joskus tuotekehityksessä käytetään aivan liian paljon aikaa sellaisten ominaisuuksien viilaamiseen, joita asiakkaat tuskin huomaavat. Joskus taas asiakkaiden näkökulmasta hyvinkin tärkeät palvelupolut jäävät keskeneräisiksi. Miten tuotteita voisi kehittää niin, että jatkuvasti huomioi asiakkaille tai käyttäjille relevantit asiat ja priorisoi oman tekemisensä asiakasymmärryksen pohjalta? 

Helpottamaan tätä ongelmaa aloitamme Contribytellä blogisarjan, jossa annamme tuoteorganisaatioille vinkkejä sellaisen käyttäjistä kertovan asiakasdatan analysoimiseen, jota organisaatiossa on valmiina. Käsittelemme datan käyttöä asiakasymmärryksen kasvattamisessa myös webinaarissamme Herätä asiakasdata henkiin.

Loistava datan lähde on asiakaspalveluun tulleet palvelu- ja tukipyynnöt.

 

Asiakasdata piilee palvelu- ja tukipyynnöissä

Yksi lähes jokaisesta organisaatiosta löytyvä, mutta usein alihyödynnetty datan lähde on asiakaspalveluun tulleet palvelu- ja tukipyynnöt. Tällaiset puhelimitse, sähköpostitse tai vaikka chatin kautta tulevat pyynnöt kertovat hyvin konkreettisesti siitä, mitkä asiat tyypillisesti tuottavat palveluiden käyttäjille ongelmia tai vaativat heiltä yhteydenottoa palvelun tuottaneeseen organisaatioon.

 

Kategorisoi

Jos palvelupyyntöjä ei asiakaspalvelutapahtuman yhteydessä ole vielä luokiteltu sisällön mukaan, kannattaa analyysia varten koota esimerkiksi vuoden tai puolen vuoden palvelupyynnöt ja luokitella ne oman organisaation tarpeita vastaaviin kategorioihin. 

Luokittelun voi tehdä ylätasolla sen mukaan, mitä tuotetta ne koskevat ja tarkemmalla tasolla esimerkiksi sen mukaan, mihin ominaisuuksiin ne kyseisen tuotteen kohdalla liittyvät. Pienen määrän palvelupyyntöjä (kuten muutamia satoja) voi luokitella käsin esimerkiksi Excelin tekstisuodattimia hyödyntäen, mutta isompaan määrään (tuhansia, kymmeniä tuhansia) voi olla tarpeellista käyttää tekstianalytiikkaan pohjautuvaa luokittelijaa (joiden arvioita löytyy esimerkiksi täältä).

Lopputuloksena nousee esiin sellaisia kategorioita, jotka ovat muita selvästi suurempia.

Luokittelun lopputuloksena asiakasdata todennäköisesti nostaa esiin sellaisia kategorioita, jotka ovat muita selvästi suurempia. Voisiko niissä esiintyviä ongelmia tai tarpeita ratkoa tuotekehityksen keinoin? Joskus pienelläkin muutoksella saadaan aikaan huomattava parannus monen ihmisen asiakaskokemukseen. 

 

Tarkastele luokittelua asiakassegmenteittäin

Ihanteellisessa tapauksessa palvelupyynnöt myös kytkeytyvät tunnistettuihin asiakkaisiin, jolloin luokittelun tuloksia voidaan tarkastella asiakassegmenttien mukaan. Mitkä asiat aiheuttavat eniten yhteydenottoja esimerkiksi jonkin strategisesti merkittävän asiakasryhmän parissa? 

Tällainen asiakkaiden kipukohtien tunnistaminen helpottaa tuotepäällikköä tai tuoteomistajaa backlogin päivittämisessä ja priorisoinnissa. Backlogin hallinnasta voit lukea lisää täältä.

Camilla Magnusson

Camilla Magnusson

Senior Konsultti

Camilla Magnusson on Contribyten konsultti ja valmentaja, joka auttaa tuotekehitysorganisaatioita parantamaan toimintaansa. Camilla on väitellyt tekstidatan hyödyntämisestä liiketoimintaympäristön ennakoinnissa, ja tällä hetkellä häntä kiinnostavat erityisesti datalähtöinen tuotekehityksen johtaminen sekä kiertotalouden mahdollisuudet tuote- ja palvelukehityksessä.

Share This