Asiakastutkimusten data-analytiikka

Toimintaa kehitetään asiakasymmärryksellä

Liiketoiminnassa on keskeistä pystyä muuttamaan asiakasymmärrys muutoksiksi organisaation toiminnassa ja tarjoamassa, asiakastutkimukset ovat eräs perinteinen tapa lähestyä asiaa. Kiinnostavia mahdollisuuksia tarjoavat syvän kvalitatiiviset menetelmät sekä toisaalta laajempi data-analyytikan hyödyntäminen joka irroitetaan perinteisestä yhden tutkimuksen ja sen koosteen lähestymistavasta. Tässä kirjoituksessa käsitellään lähinnä erilaisten kvantitatiivisten survey – muotoisten tutkimusten tulosten hyödyntämistä.

Asiakastutkimuksen dataan liittyvistä käsitteistä

Tyypillisesti organisaatiolla on toimintansa seurauksena hallussaan tietoa sen palveluita käyttävistä ja käyttäneistä asiakkaista, näistä muodostuu otoskehikko. Joissain tapauksissa organisaation itse muodostama otoskehikko ei olisi kattava tai ei sisältäisi tarvittavia taustamuuttujia. Tällaisessa tapauksessa voi olla pakko kääntyä ulkoisen palveluntarjoajan puoleen, jolta tällaisen otoskehikon muodostaminen onnistuu taikka jolla on osana jotain tuotettaan tällainen. Luonnollisesti otoskehikko muodostetaan käsiteltävän ongelman taikka kiinnostavan kysymyksen tarpeesta johdettuna eikä se ole pelkästään tekninen kysymys datan olemassaolosta. Havaintoyksikkö on otoskehikon jäsen, esimerkiksi juuri asiakas taikka työntekijä jos työntekijöiden tutkimuksesta on kyse.

Otoskehikon perusteella muodostetaan otos, otos on osajoukko otoskehikon yksiköistä. Otos voidaan teknisesti muodostaa hyödyntäen erilaisia tilastotieteen osa-alueen otantateorian tarjoamia menetelmiä. Usein otos on muodostettu jollain ositusmenetelmällä. Ositetta voidaan ajatella pienempänä osajoukkona.

Onko nykyaikana enää tarvetta otoksille, jos kerran on käytettävissä koko otoskehikko ja laajat datankäsittelyn keinot? Filosofisesti asiaa voidaan lähestyä superpopulaatio – argumentilla ja toisaalta teknisessä mielessä erilaiset vastauskadon syyt voidaan paremmin mallintaa, jos meillä on erikseen otoskehikko, otos ja otoksen vastanneet havaintoyksiköt.

Tietosuoja asiakastutkimusten data-analytiikassa

Kun käsitellään otoksen perusteella vastauksia, niin olisi hyvä olla mekanismi, jossa vastaukset olisivat anonyymejä, täydellisen anonymiteetin varmistaminen on kuitenkin teoreettisesti ja teknisesti vaativaa. Minimissään erilaisten teknisten linkitysten sekä tietysti suorien tunnistetietojen poistaminen olisi tehtävä.

Organisaatio eli rekisterinpitäjä vastaa käsittelynsä laillisuudesta mutta erilaisia teknisiä toimenpiteitä kannattaa joka tapauksessa tehdä, jotta mahdollisen tietovuodon tapauksessa voidaan minimoida siitä koituvat seuraukset.

Rekisterinpitäjän pitää ymmärtää asiakastutkimuksissa käsiteltävän datan luonne, henkilötietojen ryhmät sekä mahdollisten arkaluonteisten henkilötietojen olemassaolo. Anonyymi data mahdollistaisi enemmän, jos se on teknisesti mahdollista saavuttaa koska tietosuojaan liittyvät kysymykset eivät tule samalla tavalla eteen sitä käsitellessä. Tietosuojaan liittyvät kysymykset tulisivat eteen otoskehikkoa ja otosta muodostettaessa.

Vastanneiden havaintoyksiköiden muuttujat ja niiden mitta-asteikot

Tyypillisesti kvantitatiivisten tutkimusten aineisto eli havaintomatriisi koostuu erilaisista kentistä eli muuttujista ja jokaisella muuttujalla on oma mitta-asteikkonsa. Mitta-asteikko määrittää teoriassa sen millaisia tunnuslukuja muuttujan arvoista voidaan laskea. Monesti näitä testien mitta-asteikkojen vaatimuksia voidaan tahallisesti tai tahattomasti loukata ja jotkut testit voivat olla hieman sallivampia poikkeamille tästä.

Havaintoaineiston perusteella voidaan tuottaa erilaista kuvailevaa asiakasymmärrystä mutta toisaalta on mahdollista testata erilaisia hypoteeseja, jotka on muodostettu ennen otoksen poimimista.

Havaintoaineiston käsittely on datankäsittelyä, datavisualisointeja ja usein tilastotiedettä vaativa työ, johon on hyvä käyttää riittävästi aikaa.

Otoskehikon hyödyntäminen tulosten analyysissä

Kun otokseen kuuluvilta havaintoyksiköiltä on saatu tulokset havaintomatriisin ja sen muuttujien muodossa niin lisämahdollisuutena olisi mallintaa aineiston muuttujien perusteella tuloksia myös otoskehikon tasolle ja raportoida niitä. Käytännössä tämä tarkoittaisi oletusta siitä, että otoskehikon taustamuuttujat vaikuttavat vastausten jakaumiin selittäen niitä. Tämä oletus on vahva ja ei välttämättä pidä aina kovin vahvasti paikkaansa. Teknisesti mallinnus on toteutettavissa myös anonyymillä datalla, mikäli otoskehikon vastanneiden havaintoyksiköiden kohdalla on säilytetty otoskehikon taustamuuttujat.

Otoskehikon tasolle mallinnetut tiedot ovat rikasteita, tuotettu mallipohjaisesti ja tämä on syytä ottaa huomioon, mikäli tällaisia tietoja käytettäisiin jossain muussa tarkoituksessa kuin vain asiakasymmärryksen kasvattamisessa.

Asiakasymmärryksen luomisen olisi syytä olla jatkuvaa

Suurimmat hyödyt saadaan, kun on olemassa jatkuva ja lähes automaattinen prosessi joka tuottaa tuloksia mutta sitä prosessia myös seurataan. Tällöin organisaation ei tarvitse erikseen kohdentaa voimavarojaan yksittäisiin tutkimustarpeisiin.

Ready Solutionin edistyneen analytiikan – palvelut sisältävät tällaista kehittämistyötä jolla organisaatio voi päästä nopeasti hyviin tuloksiin vaikka omia voimavaroja ei olisikaan toteuttaa vastaavaa.