Vieraskynä: Parempia päätöksiä - miten Finnairilla tulkitaan dataa asiakaslähtöisesti?

Työskentelemme Finnairilla asiakaspolun vastakkaisissa päädyissä. Emmi keskittyy kaikkeen, mikä edeltää lennon varaamista, kun taas Olga huolehtii varauksen jälkeisestä kokemuksesta, joka sisältää  matkan valmistelun ja lähtöselvityksen. Vaikka vastuualueemme ja käyttäjämäärämme eroavat toisistaan, lähestymistapamme tuotekehitykseen on sama: yhteinen ajattelutapa, prosessit ja viitekehykset mahdollistavat tietoon perustuvan päätöksenteon koko matkan ajan.

Kaksi matkaa, yksi lähestymistapa

Finnair.com on Suomen suurin verkkokauppa. Emmin alkupuolen asiakaspolulla liikenne on massiivista (puhutaan miljoonista käyttäjistä) ja asiakkaiden käyttäytymistä on haastava ennustaa. Olgan puolella taas varauksen jälkeiset vuorovaikutustilanteet ovat määrältään pienempiä, mutta luonteeltaan hyvin kriittisiä. Keräämme suuria määriä dataa kaikista asiakaspolun vaiheista, ja haasteena on jalostaa se käyttökelpoiseksi, ymmärrettäväksi ja päätöksentekoa ohjaavaksi.

Haasteet ennakkovarauksessa: Ihmisillä on vaihtelevia tarpeita matkoillaan ja erilaisia motiiveja valita Finnair. Asiakkaat saattavat selata yksittäisen matkustajan lentoja puhelimellaan, mutta päätyvät ostamaan tietokoneella lennot perheelleen. Lentojen hakuvaiheesta tulee haastava, kun asiakkaiden tarpeet vaihtelevat paljon. Lisäksi emme aina voi yhdistää asiakkaan dataa eri laitteiden välillä.Henkilökohtaisemman kokemuksen tarjoamiseksi pyrimme yhdistämään datapisteet eri laitteista ja kanavista. Siksi suosittelemme, että asiakkaat kirjautuisivat Finnair Plus -profiiliinsa aina kun mahdollista.

Toinen usein kohtaamamme haaste on asiakkaiden segmentointi, kun heidän tarpeensa muuttuvat. Yhtenä päivänä he saattavat suunnitella perhelomaa ja pian sen jälkeen yksin tehtävää työmatkaa. Asiakkaamme odottavat personointia, mutta kaikissa tilanteissa sitä ei voida toteuttaa hyvin. Oletusten sijasta keskitymme mieluummin tyypillisiin toimintatapoihin, ja jätämme mieluummin personoinnin pois kuin suosisimme huonoa personointia.

Varauksen jälkeiset realiteetit: Käyttäjiä on vähemmän, mutta kaikki ovat jo maksavia asiakkaita. Pienillä ongelmilla voi olla valtava vaikutus, vaikka ne koskisivat vain kourallista ihmisiä. Esimerkiksi kerran lentojen muutoksessa ilmennyt häiriö jätti muutamat asiakkaat epätietoisiksi oliko heidän lippunsa aikataulu todella päivittynyt. Tämä ongelma oli lähes näkymätön numeroissa, mutta se tuli esiin lokien ja asiakastuen palautteen kautta.

Vaikka meillä on paljon määrällistä tietoa, sen suhteuttaminen asiayhteyteen vaatii liiketoimintallista tietoa. Meidän on esimerkiksi ymmärrettävä, kuinka suuri osa koko asiakaskunnastamme on edustettuna tietyissä datapiikeissä. Tämän vuoksi laadullinen data ja tiivis yhteistyö asiakaspalvelun kanssa ovat välttämättömiä. Määrällinen data voi antaa meille trendin suunnan, mutta laadullinen data auttaa meitä ymmärtämään tarinan sen takana.

Turvallisuuden ja yksityisyyden ytimessä

Finnairilla turvallisuus on aina etusijalla, mikä sisältää yksityisyyden ja vastuun kerätyistä tiedoista. Kun käsittelemme dataa, lähtökohtamme on aina asiakkaiden henkilötietojen suojaaminen ja tiedot kerätään tiukkojen turva- ja turvallisuusstandardiemme mukaisesti. Varmistamme, ettei käyttämissämme koostenäkymissä ole koskaan henkilötietoja näkyvissä. Yksityisyyden kunnioittaminen on työmme kulmakivi, ja tietoja kerätään, tallennetaan ja käytetään vain asiakkaidemme antaman suostumuksen mukaisesti.

Työskentelemme sekä määrällisten että laadullisten tietojen kanssa, ja koostenäkymiämme (dashboards) hyödyntävät monet eri tahot: kehittäjät, suunnittelijat, analyytikot ja tuotepäälliköt. Jopa johtajillamme on päätöksenteon tueksi räätälöityjä seurantanäkymiä. Nämä työkalut auttavat meitä visualisoimaan käyttäytymismalleja, seuraamaan asiakaspolkujen suorituskykyä, ymmärtämään konversiolukuja ja seuraamaan live-kokeiluja.

Tietoihin luottaminen mahdollistaa nopeat julkaisut

Selkeinkään koostenäkymä ei auta, jos emme osaa tulkita sitä. Esimerkiksi meille positiivinen merkki on negatiivisen palautteen loppuminen. Hiljaisuus tarkoittaa usein sitä, että asiat toimivat odotetulla tavalla. Ihmiset antavat harvoin palautetta, kun kaikki sujuu hyvin.

Ensimmäiset kysymykset, jotka kysymme kun työskentelemme datalähteiden kanssa ovat:

• Onko tämä merkityksellistä?

• Miksi näin tapahtuu?

Julkaisemme päivityksiä Finnair.comiin kahdesti viikossa. Tiimimme voivat vapaasti testata ja julkaista itsenäisesti ilman turhia hyväksymiskierroksia. Tämä on mahdollista, koska luotamme datalähteisiin, ihmisiin ja prosesseihin. Sen ansiosta voimme tehdä päätöksiä nopeasti ja tarvittaessa myös palauttaa edelliseen versioon tai korjata virheet nopeasti. Välttelemme tarkkojen julkaisupäivien lupaamista tai priorisoimista niiden perusteella. Tärkein toimintaa ohjaava mittari on asiakasvaikutus (customer impact). Lisäksi priorisoimme vaaditun työpanoksen (effort) ja odotetun vaikutuksen varmuuden (confidence) perusteella.

Viisi vinkkiä: Miten saamme datan toimimaan käytännössä

Vaikka intuitio voi johdattaa meidät kiinnostaville uusille alueille, emme koskaan luota siihen yksin. Data ei valehtele, mutta sen tulkinta voi harhauttaa. Annamme intuition auttaa meitä esittämään parempia kysymyksiä ja luotamme siihen, että data vastaa niihin.

Datalähtöisen päätöksenteon keskeiset oivalluksemme ovat:

1. Varmista, että datalähteet ovat luotettavia ja monipuolisia: Käytä luotettavia lähteitä ja varmista että keräät tietoa erilaisista käyttäytymismalleista. Monipuoliset lähteet johtavat parempiin oivalluksiin..

2. Data ei valehtele, mutta siitä tehty tulkinta voi. Numerot ovat objektiivisia, mutta niistä tehdyt johtopäätökset eivät. Validoi aina tulkintasi.

3. Valitse oikea validointitapa: Kaikki hypoteesit eivät edellytä suoraa vuorovaikutusta asiakkaiden kanssa. Sovita menetelmä päätöksen riskiin ja vaikutukseen.

4. Luota vaistoosi, mutta ole valmis olemaan väärässä: Intuitio on arvokas lähtökohta. Ole kuitenkin valmis vaihtamaan suuntaa - kun epäonnistut nopeasti, opit nopeammin.

Myös tekoälystä on tullut osa työkalupakkiamme. Käytämme sitä palautteen tiivistämiseen, tulosten ennustamiseen ja selvitystyön tukemiseen. Jokin aika sitten järjestimme tutkimissprintin (discovery sprint), jossa osallistimme Copilotin yhdeksi sprintin osallistujaksi syöttämällä sille avoimia kysymyksiä. Koska Copilot ei sensuroi itseään, se toi esiin yllättäviä ideoita. Joskus tekoälyn tekemä ehdotus auttaa saamaan ajatuksia, jonka olisimme muuten ehkä hylänneet liian nopeasti.

Lopputuloksena

Datalähtöinen toiminta auttaa meitä priorisoimaan asiakkaillemme arvokkaimpia kehityskohteita. Se on tapa kuunnella asiakkaidemme tarpeita, vaikka he eivät kertoisikaan niitä meille suoraan. Jos voisimme jakaa yhden oivalluksen muiden tuotetiimien kanssa, se olisi tämä: itse data on harvoin ongelma. Todellinen haaste on datan jatkuva tulkinta - kyky ymmärtää ja oppia lukemaan myös rivien välistä. Vain sitä kautta voimme aidosti kehittää asiakaskokemusta jatkuvasti paremmaksi.