Tuomo Helo
Valehäipyjät ja lumehorjujat
Uskolliset asiakkaat saavat usein huomata, että asiakasuskollisuus ei kannata. Otan pari esimerkkiä elävästä elämästä. Tuttu kotimainen elintarvikekauppa lähettää vähän väliä henkilökohtaisia kirjeitä, jotka sisältävät tuotekuponkeja. Näillä tuotekupongeilla saisi esimerkiksi ilmaista suklaata ja levitettä puoleen hintaan. Mikä on siis ongelma? Ongelma on se, että näitä kirjeitä alkaa tulla vasta siinä vaiheessa, kun perhe on jo siirtänyt merkittävän osan ostoksista huomattavasti edullisempaan ulkomaiseen kilpailijaan. Puhelinoperaattorit houkuttelevat asiakkaita ”todella edullinen data plus puhe plus”-nettitelkkaritarjouksilla. Mikä tässä on ongelma? Se, että uskollinen asiakas oli juuri tehnyt sopimuksen uuden operaattorin kanssa. Verkkokaupasta asiakas saa sähköpostiinsa henkilökohtaisen kirjatarjouksen. Luonnollisesti tämä tapahtuu vasta sen jälkeen, kun surffailija oli ottanut saman kirjan täysihintaisena pois ostoskoristaan.
Häipyväksi tai horjuvaksi profiloitua asiakasta siis hemmotellaan. Ainakin jos hän on
aikaisemmin tahkonnut yritykselle katetta. Omaa etuaan voi siis ajaa ostamalla sieltä, missä on halpaa ja vaihtamalla puhelinoperaattoria säännöllisesti. Verkkokaupasta tuotteita voi yrittää saada halvemmalla räpläämällä niitä edestakaisin ostoskoriin ja pois. Kannattaa myös peruuttaa välittömästi lehtien kestotilaukset. Viitseliäimmät voivat yrittää hyötyä myös verkkokauppojen hinnoitteluvirheistä. Esimerkiksi lentoyhtiöiden järjestelmävirheiden johdosta voi löytää matkoja puoli-ilmaiseksi.
Mitä etuja ja hyötyjä asiakkuutesi analysointi on kohdennetun
markkinoinnin lisäksi tuottanut sinulle? Oletko saanut niitä myös kiltin
asiakkaan roolissa?
Yllä kuvatut esimerkit valaisevat yksityisten yritysten
harjoittamaa kanta-asiakasohjelman analysointia, asiakkaiden profilointia ja markkinoinnin
kohdentamista, mutta eivät kuitenkaan vielä edusta varsinaista big dataa.
Big data tarkoittaa sitä, että dataa voi olla todella paljon:
teratavuja, petatavuja tai enemmän. Tämä ”todella paljon” voidaan kerätä
erilaisista tietolähteistä, joita voivat olla esimerkiksi perinteiset
kanta-asiakasrekisterit, kännyköiden generoimat paikallistamistiedot,
antureiden koneen ja sen ympäristön tilasta tekemät havainnot, videokameroiden
kuvamateriaali, web-sivustojen klikkausvirrat, internet-haut ja sosiaalisen
median postaukset.
Big data karkaa monilta perinteisiltä tiedon määrittelyiltä siten,
että se voi olla rakeellista tai rakenteetonta. Rakenteellista dataa on
esimerkiksi relaatiotietokannassa olevat asiakastiedot, kun taas rakenteetonta dataa
edustavat mm. sähköpostit ja videomateriaali.
Big data tarkoittaa myös teknologioita, joilla voidaan taltioida
suuria määriä tietoa ja etsiä lainalaisuuksia ja merkityksiä sieltäkin, mistä aikaisemmin
ei juuri pystytty – esimerkiksi juuri rakenteettomasta tiedosta.
Big datan tavoitteena on yhdistää aikaisemmin eri tahoilla luotuja
tietoaineistoja ja luoda niistä uusia, entistä isompia aineistoja. Big dataa ei
lähtökohtaisesti kerätä vain yhtä tarkoitusta varten, vaan samaa dataa voidaan
hyödyntää mitä erilaisempiin analyysitarkoituksiin.
Mutta tuleeko big datakin palvelemaan vain hankalaa asiakasta?
Ainakin sen avulla on teknisesti mahdollista saada entistä enemmän tietoa
yrityksen kannattavuutta uhkaavasta toiminnastasi; tapahtuipa se sitten melkein
missä vaan.
Big data innostaa tekohäipyvän ja lumehorjuvan asiakkaan mielikuvitusta. Voisikohan siis elintarvikeketjulta houkutella jatkossa henkilökohtaisia alennuskuponkeja myös tekemällä kierroksia kilpailijan liiketiloissa paikannusjärjestelmällä varustettu älykännykkä taskussa? Vai pääsisiköhän toivottuun tulokseen pelkästään pyöräyttämällä autolla kierroksen liikkeen parkkipaikalla aina joskus kotiin ajaessa? Tekisikö puhelinoperaattori edullisen tarjouksen jatkosopimuksesta, jos sitä arvostelisi sosiaalisessa mediassa?
Teknisesti tämä olisi mahdollista. Big data ei kuitenkaan ole
pelkästään tekninen kysymys. Big dataan liittyy oleellisesti kysymys
tietosuojasta. Varsinkin henkilötietojen
kohdalla monet big datan kuningasideat alkavat natista liitoksistaan. Henkilötietojen
käsittely on käyttötarkoitussidonnaista ts. niitä saa käyttää vain ennalta
määriteltyyn tarkoitukseen. Henkilötietojen käsittely edellyttää ennalta
tehtävää käyttötarkoituksen määrittelyä ja suunnittelua sekä käsittelyn
lainmukaista perustetta. Henkilötietoja ei siis voi kerätä big datan henkeen
siten, että sen perusteella voitaisiin analysoida tulevaisuudessa jotain aivan
muuta kuin alun perin on ilmoitettu. Henkilötietoaineistoja saa myös yhdistää
vain säännösten sallimissa rajoissa. Kuinka siis yhdistää eri toimijoiden
aineistoja yksittäisen asiakkaan yksityiskohtaisemmaksi profilisoimiseksi?
Big data -strategioita ja lainsäädäntöä ollaan uusimassa Suomessa
ja Euroopassa. Toivottavasti yksityisyyden suojan osalta osataan tehdä yksityishenkilöiden
etuja palvelevia ratkaisuja. Sellaisia, jotka palvelisivat myös kilttejä
asiakkaita.
Tuomo Helo
lehtori, VTM
Turun ammattikorkeakoulu
tuomo.helo@turkuamk.fi
NEMO-hankkeessa etsitään vastausta kysymykseen: miten
ristiriitaisia ja negatiivisia tunteita voidaan hyödyntää eettisesti kestävällä
tavalla asiakaskokemusten ja työilmapiirin parantamisessa, yhteiskuntavastuun
viestimisessä sekä kasvun, innovaatioiden ja jopa uusien liiketoimintamallien
lähteenä?