Exoven 1.11.2017 järjestämän dataohjattu asiakaskokemus -seminaarin esitykset: - Reaaliaikainen datan hyödyntäminen asiakaskokemuksessa, Kalle Varisvirta, Exove - Käyttäjäymmärrys, etnografia ja yhteiskehittäminen – parempia asiakaskokemuksia laadullisen tiedon ohjaamana, Veera Suomalainen, Exove Design - Asiakaskokemuksen johtamisesta prosessi (Nesteen osuus jätetty pois esityksestä), Tommi Huuska, CEO, WheelQ

6. ▪
▪
▪
▪
▪

7. ▪
▪
▪
▪
▪
▪
▪

9. ▪
▪
▪
▪
▪
▪

10. ▪
▪
▪
▪
▪

11. ▪
▪
▪
▪
▪

13. 1
Käyttäjäymmärrys, etnografia ja
yhteiskehittäminen
Parempia asiakaskokemuksia laadullisen tiedon ohjaamana
Veera Suomalainen
Service Designer, Exove Design

14. Exove Design
1.11.2017
2
Veera Suomalainen
● Palvelumuotoilija
● Sosiaali- ja kulttuuriantropologi
● Kiinnostuksena:
yhteiskuntatieteellisen analyysin
tuominen palvelukehitykseen

15. Exove Design
1.11.2017
3
Käyttäjäymmärryksen kerryttäminen
Kyselytutkimus
KyselytutkimusAnalytiikka Kyselytutkimus Laadullinen tutkimus
Mitä ja kuinka paljon? Miten ja kuka? Miksi ja mitä se
merkitsee?

16. Exove Design
1.11.2017
4
Käyttäjäymmärryksen kerryttäminen
Kyselytutkimus
KyselytutkimusAnalytiikka Kyselytutkimus Laadullinen tutkimus
Mitä ja kuinka paljon? Miten ja kuka? Miksi ja mitä se
merkitsee?

17. Exove Design
1.11.2017
5
Laadulliset menetelmät
Syvennytään määrällisestä
tutkimuksesta löydettyihin
teemoihin tai käyttäjäryhmiin
TAI
Tutkitaan mitä ylipäänsä pitäisi
kysyä
Verkkokeskustelut
Haastattelut
Fokusryhmät
Kulttuuriset luotaimet
Osallistuva havainnointi
Etnografinen tutkimus
…

18. Exove Design
1.11.2017
6
Etnografia
Etnografia

19. Exove Design
1.11.2017
7
Miten käyttää laadullisia menetelmiä
palvelukehityksessä?

20. Exove Design
1.11.2017
8
Tuplatimantti

21. Exove Design
1.11.2017
9
Tuplatimantti

22. Exove Design
1.11.2017
10
Tuplatimantti

23. Exove Design
1.11.2017
11
“Punatulkku-malli”

24. Exove Design
1.11.2017
12
Laadullisesta tutkimuksesta seuraa
“thick dataa”

25. Exove Design
1.11.2017
13
Eli mitä sillä tehdään?
● Merkitysten löytäminen arkisista tilanteista
● Oikean käyttökontekstin ymmärtäminen
● Tehdään palvelut luontevaksi osaksi arkea

26. Exove Design
1.11.2017
14
Merkitysten löytäminen arkisista tilanteista
● Case: Neste
● Menetelmä: Havainnointi ja
haastattelut huoltoasemilla
● Löydökset: Motivaatiot aseman
valintaan sekä arkisilta tuntuvien
rutiinien yllättävät merkitykset

27. Exove Design
1.11.2017
15
Kontekstin ymmärtäminen
● Case: Vantaan vuokra-asunnot
● Menetelmät: Havainnointi VAV:n toimistolla, haastattelut
asukkaiden kodeissa sekä yhteiskehittelytyöpajat eli
“ideariihet”
● Löydökset: Millainen suhde asukkailla on VAV:lla
asumiseen, miten asukkaat hahmottavat vuokranantajan
palvelut, millaisia asioita ja milloin on tarvetta hoitaa.

28. Exove Design
1.11.2017
16
Palvelut osana arkea
● Case: Yle Uutiset
● Menetelmät: Päiväkirjat ja etnografia
● Löydökset: Miten Ylen verkkouutiset suhteutuu
päivittäiseen ajankäyttöön, miten kilpaileviin palveluihin.
Miten omat roolit vaikuttaa palvelun käyttöön, milloin
käytetään mitäkin palvelua.

29. Exove Design
1.11.2017
17
Laadullisen tiedon arvo:
Mistä kaikesta palvelun käyttökokemus muodostuu?

30. Exove Design
1.11.2017
18
Oivalluksista asiakaskokemuksen kehittämiseen
Oikeat kysymykset löytyvät laadullisen tiedon kautta.
Sekä määrällisen että laadullisen datan käytössä tulkinta on tärkeintä.
Ennakointi: vinkkejä heikoista signaaleista havainnoinnin kautta.

31. Exove Design
1.11.2017
19
veera@exovedesign.com
Kiitos!

33. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 1
Customer Experience Process

34. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 9
Seuraavia askeleita

35. © WheelQ 2017 | CONFIDENTIAL. NOT TO BE SHARED. 10
Talous'ede
€
• Psykologia
• Psykometria
• Kongni'o'ede
• Lingvis'ikka
• Matema'ikka
• Tilasto'ede
• Tietojenkäsi:ely'ede
• Koneoppiminen
Kolme vaikeaa ongelmaa:
1. a) taloudellises' relevanA ongelma b) lopputulos on ymmärre:ävä
2. Psykometria on eri:äin haastava tutkimusalue, koska ihmisen käy:äytymistä on vaikea mitata
3. Käy:äytymiseen lii:yvät ilmiöt ovat hyvin epälineaarisia, joten matemaaAsissa malleissa pitää käy:ää hyvin
kehi:yneitä malleja kuten neuroverkkoja

36. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 11

37. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 12
NPS ja oston tiheys

38. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 13
Klikkaukset
Sivulataukset
NPS
Ostopäätösten ymmärrys
Liidit
Myyn;käynnit
Tarjoukset ja ostot
Perinteinen asiakasdata ei riitä
Asiakkaan tarpeet
Mo;ivit ja arvostukset
Riskit ja epävarmuudet
Kilpailjat ja vaihtoehdot
Asiakaspolku
Henkilökohtaiset kohtaamiset
Asiakaspoten;aali
Odotukset ja lupauksen lunastus
vs. perinteinen asiakasdata

39. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 14
NPS
Questback
Reitti
Ostopäätös
Myynnin laatu
Tarpeiden tunnistaminen
Poistuman pienentäminen
NPS
Surveytool

40. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 15
Asiakkaiden ja henkilöstön vuorovaikutus ratkaisee
“Myy tuolle segmen'lle lisää
tätä”
“Tätä asiakkaat toivovat eniten, puhu tästä”
• Henkilöstö luo työllään asiakaskokemukset ja rakentaa asiakasarvon.
• Tiedon täytyy olla relevanAa, helpos' saatavana ja kiinnostavassa muodossa.
“Keskity tämän tekijän kehi:ämiseen, se vaiku:aa
ostotodennäköisyyteen eniten”

41. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 16

42. © WheelQ 2016 | CONFIDENTIAL. NOT TO BE SHARED. 17
Kiitos!
tommi.huuska@wheelq.com

44. ▪
▪
▪
▪