Vieraskynä: K-Ruoka -verkkokaupassa data auttaa ja ilahduttaa asiakasta

Ruokaostokset eroavat monista muista hankinnoista. Uuden television ostopäätös vaatii harkintaa, sillä telkkarin hintaisia tuotteita ei osteta ihan joka viikko. Ruokaa meistä jokaisen on kuitenkin syötävä päivittäin. K-Ruoka -verkkokaupan asiakkaiden ostoskorit notkuvat kymmenistä elintarvikkeista ja päivittäistavaroista, eivätkä he useinkaan halua käyttää aikaansa jauhopakettien vertailuun. Ruokaostoksilla arjen asioinnilta odotetaan nopeutta ja helppoutta niin kivijalassa kuin verkossakin.

Verkkokaupan ensiluokkaisen asiakaskokemuksen kehittäminen lähtee asiakasdatan fiksusta hyödyntämisestä. Tässä kirjoituksessa kerron, millaisilla teoilla olemme onnistuneet parantamaan asiakaskokemusta ja kasvattamaan ruoan verkkokauppamme asiakaskuntaa.

Muuta data merkityksellisiksi keskusteluiksi

Digitaalisessa kaupassa asiakasdataa saadaan monista eri lähteistä. Se voi olla esimerkiksi asiakkaan itsestään antamia tietoja, kuten oma nimi tai ruokaostoksia määrittävät mieltymykset. Ihmiset harvoin ilmoittavat vapaaehtoisia valintoja, joten tämäntyyppinen data on usein varsin hajanaista ja sellaisenaan vaikeasti hyödynnettävissä.

Sen sijaan asiakkaan toiminnasta kerätty data, kuten K-Plussa-asiakkaidemme ostohistoria, on hyvin tarkkaa ja sitä on yleensä paljon. Tämäntyyppinen tieto sopii erinomaisesti käyttäjäkokemuksen personointiin. Voimme esimerkiksi näyttää K-Ruoka -sovelluksessa kullekin asiakkaalle räätälöityjä tuotesuosituksia tämän ostodataan ja vaikkapa tietyn tuotteen ostofrekvenssiin perustuen.

Ruoan verkkokaupassa isona haasteena on tuotteiden korvaaminen silloin, kun asiakkaan valitsema tuote on ennättänyt myydä loppuun ennen tilauksen keräämistä. Meille on todella tärkeää löytää asiakkaalle se sopivin tuote tilalle. Koneoppimisen avulla voimme löytää keskenään korvaavat tuotteet sekä niiden joukosta kullekin asiakkaalle sopivimman vaihtoehdon.

Vaikka asiakkaiden toimintaan perustuvan datan avulla voidaan tarjota heille tarkkoja suosituksia, aiheuttaa sen yksityiskohtaisuus haasteita strategisessa analysoinnissa ja päätöksenteossa. Äärettömän tarkasta datasta saadaan helposti tuotettua satoja tuhansia erilaisia skenaarioita, jolloin kokonaisuutta on hankala hahmottaa. 

Sen sijaan dataa eri lähteistä yhteen tuomalla voimme tunnistaa ja tarkastella erilaisia asiakasryhmiä eli segmenttejä. Yleistyksiin perustuva segmenttidata ei ole yhtä tarkkaa kuin asiakaskohtainen, mutta sen avulla voimme käydä strategista pohdintaa: miten eri asiakasryhmät toimivat ja millaisia toistuvia kaavoja nousee esille. Näissä keskusteluissa on hyvä käyttää tunnistettujen asiakasryhmien pohjalta luotuja asiakaskertomuksia, jotka kuvaavat havaintoja tarinallisessa muodossa.

K-ryhmässä saatamme esimerkiksi pohtia, millaisia sisältöjä kannattaisi suunnitella nuorelle, lapsettomalle pariskunnalle, joka arvostaa vaivattomuutta ruoanlaitossa, mutta ei juuri vietä aikaa reseptisisältöjemme parissa. Näin voimme vastata paremmin tämän ryhmän tarpeisiin tai tuottaa juuri heille kohdennettua viestintää.

Asiakaskuvausten renessanssi ja suuret kielimallit

Uskon suurten kielimallien johtavan vielä sisäisenä työvälineenä käytettävien asiakaskuvausten renessanssiin, sillä luonnollisella kielellä koulutetut mallit kaipaavat ihmisystävällisessä muodossa olevaa dataa. Meidän tulee siis pystyä kuvaamaan asiakasta kompaktilla tavalla, jos mielimme hyödyntää tekoälyä tehokkaasti esimerkiksi personoitujen tekstien tuottamisessa.

Tekoäly voi myös auttaa täydentämään datassa olevia aukkoja etenkin silloin, kun tiedon ei tarvitse olla absoluuttisesti oikein, vaan personoinnin kontekstissa riittävällä tasolla. Esimerkiksi banaanin tuotetiedoista usein puuttuu eksplisiittinen merkintä siitä, että kyseessä on vegaaninen tuote. Ihmiselle tämä on itsestään selvää, mutta järjestelmä ei välttämättä tunnista sitä ilman erillistä merkintää. Jos haluamme tarjota vegaaniasiakkaalle vain vegaanisia tuotteita, tarvitsemme tuotteista kattavaa tietoa.

Kielimallit osaavat päätellä tällaiset itsestäänselvyydet ja vastata kysymykseen siitä, onko Pirkka-banaani vegaaninen. Kielimallit voivat olla tehokas työkalu myös datan laadun parantamisessa, mikä puolestaan mahdollistaa paremman ja personoidumman asiakaskokemuksen.

Tämä yksinkertainen teko yllättää asiakkaasi

Asiakasdatan ei välttämättä tarvitse jäädä organisaation sisälle tuottaakseen aitoa asiakasarvoa. Yksi yllättävän alihyödynnetty näkökulma piilee datan antamisessa takaisin asiakkaalle. Luonnollisesti laki myös velvoittaa organisaatioita antamaan asiakkaille pääsyn heidän omaan dataansa, mutta miksi jäädä idean kanssa vain minimitasolle?

Kaikista hyödyllisin data syntyy asiakkaan käytöksen pohjalta. Asiakkaalle oman toiminnan ja mieltymyksien tarkastelu voi olla todella antoisaa ja hauskaa. K-Ruoka -sovelluksen Ruokavuotesi-koosteessa asiakkaamme pääsivät näkemään oman kuluneen vuoden ruokaostosten pohjalta personoidun tarinansa.

Emme tyytyneet raportoimaan vain käyttäjien ostetuimpia tuotteita, vaan toimme pintaan uniikkeja ja somejakoihin kannustavia poimintoja kunkin omasta ostoskorista. Vuonna 2022 Ruokavuotesi-kooste kasvatti uusien sovelluksen lataajien määrää jopa 800 % – ja nettosi voiton vuoden 2023 Grand One -gaalassa.

Sama idea toimii myös asiantuntijatietoon yhdistettynä, kuten niin ikään Grand One -voiton vuonna 2024 netonnut K-Hyvinvointi-palvelumme osoittaa. Palvelu vertaa K-Plussa-asiakkaiden tekemiä ostoksia asiantuntijoiden laatimiin ravintosuosituksiin ja auttaa näin asiakasta tekemään parempia päätöksiä, kuten lisäämään kasviksia tai kuituja ruokavalioonsa. 

K-ryhmän datanlukutaito auttaa luomaan aitoa asiakasetua

K-ryhmällä on pitkä historia datan hyödyntämisestä sekä digitaalisten palveluiden että kivijalkamyymälöiden asiakaskokemuksen kehittämisessä. Esimerkiksi asiakkaidemme rakastamat, yksilölliseen ostohistoriaan perustuvat OmaPlussa-edut ovat olleet jossakin muodossa käytössä jo yli kymmenen vuotta.

Samalla kun mahdollisuudet personoida digitaalisia palveluitamme ovat lisääntyneet, dataa käytetään enemmän ja monipuolisemmin kuin ennen. Tätä vauhdittaa myös kulttuurimme, jossa näkyy asiakaskeskeisyyden lisäksi tietynlainen tekemisen meininki sekä halu rakentaa parempaa kauppaa yhdessä.

Mielestäni organisaatiossa tarvitaan hyvää datanlukutaitoa, jotta tiedosta voidaan jalostaa aitoa asiakashyötyä. Meillä dataan ei suhtauduta vain asiaan vihkiytyneiden käpistelynä, vaan K-ryhmäläiset pääsevät tarkastelemaan sitä työssään hyvin laajasti yhteisen raportointityökalumme kautta – huolellisesti määriteltyjen käyttöoikeuksien ja tietosuojaperiaatteiden mukaisesti.

Vastuullinen datan hyödyntäminen on meille keskeistä: asiakastieto tuodaan aina valmiiksi sopivalle tasolle. Näin edistämme kulttuuria, jossa datasta saadaan aikaan aitoa asiakasarvoa ketterästi ja merkityksellisin tavoin.