Valehäipyjät ja lumehorjujat

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?