Tekoäly lupaa paljon, mutta sen käyttöönotto voi olla silkka mysteeri. Edessä näkyy vain sumua, kun pitäisi siirtyä ideoista eteenpäin. Nyt kerromme, mistä kannattaa aloittaa, kun haluaa ennakoida tulevaa ja käyttää dataa entistä tehokkaammin.
Jos kirjoitat Googleen “tekoälyn käyttö”, saat satojatuhansia tuloksia. Se tarkoittaa kahta asiaa: Ensinnäkin, tekoälyn (AI) käyttö kiinnostaa. Toiseksi, se myös hämmentää.
Visionäärit ja asiantuntijat (teknologiayrityksiä unohtamatta 😉) tarjoilevat AI-eliksiiriä vastauksena moneen vaivaan. Asiakkaatkin ovat uteliaita: heistä 69 % näkisi mielellään, miten tekoäly parantaa asiointikokemusta, kertoo State of the Connected Customer -tutkimus.
Mutta miten voit olla varma siitä, että juuri sinun firmasi hyötyy tekoälystä? Mihin se pystyy ja mihin taas ei pysty? Mitkä asiat pitää tehdä eri tavalla kuin nykyisin? Etene pala kerrallaan ja ota avuksi tämä lista:
1. Muotoile ensin konkreettisia kysymyksiä
Jotta saat vastauksia, tarvitset kysymyksiä. Selvitä yksityiskohtaisesti, mitä tietoa haluat tekoälyn tarjoavan. Olennaista on tunnistaa, minkälainen kysymys on kyseessä.
Kyllä/ei -kysymys
Kyllä/ei -tyyppiset, kaksinapaiset kysymykset ovat tekoälyn käytössä yleisiä: “Onko Virtanen meille kiinnostava liidi vai ei?” Tekoäly pureksii dataa, jota järjestelmässä jo on, ja oppii vähitellen tekemään ennusteita sen pohjalta.
Vastauksen voi ilmaista myös prosentteina: “Virtasesta tulee asiakas 35 % todennäköisyydellä”. Joskus on käytännöllisempää muuntaa prosentit pisteiksi. Silloin napakymppi-liidi saa 100 pistettä, toivoton tapaus 0, ja loput tekoäly sitten arvottaa näiden välimaastoon.
LUE MYÖS ► Tekoäly kiihdytti myyntiä – Miten Schneider Electric sinkosi luvut uudelle tasolle?
Numeromuotoinen kysymys
Kaikki liiketoiminnan muuttujat eivät millään mahdu kyllä/ei -muottiin. Voit pyytää tekoälyä kertomaan myös lukumääristä: “Kuinka paljon Virtanen tuo meille rahaa?”
Vastauksen saat silloin euroissa: “Virtanen tulee tuottamaan meille 40 000 euron edestä liikevaihtoa koko asiakkuutensa aikana.”
Paras match
Jos ongelma ei taivu kyllä/ei -muotoon tai numeroiksi, älä huoli – voit pyytää tekoälyä myös suosittelemaan parhaiten sopivaa vaihtoehtoa. Tätä tekniikkaa käytetään erityisesti verkkokaupassa: “Mitä tuotetta Virtaselle kannattaisi suositella juuri nyt?”
Kysymystä voi muunnella moniin tarpeisiin. Rekrytoija voi kysyä tekoälyltä “mikä olisi paras toimenkuva tälle hakijalle”, tai päinvastoin “kuka olisi paras ehdokas tähän pestiin”. Markkinoija saattaa kysyä “mikä versio uutiskirjeestä Virtaselle kannattaa lähettää”.
☝️ Jos muistat yllä kerrotusta vain yhden jutun, niin muista tämä: jokainen tekoälyprojekti alkaa tavoitteista. Selvitä, mitä haluat saavuttaa ja millaisia ennusteita tarvitset sitä varten. Kun olet muovannut ideat konkreettisten kysymysten muotoon, voit alkaa pohtia, onko käytössäsi riittävästi dataa. 👀
LUE MYÖS ► Markkinoinnin automaatio B2B-yritykselle – mitä, miksi ja miten?
2. Varmista, että data tarjoaa vastaukset
Jos aiemmin kertynyt data ei tarjoa vastauksia kysymyksiisi, et pysty ennustamaan tulevaa. Kokoa siis eri lähteistä yhteen kaikki se data, joka tarjoaa ongelman kannalta tarpeellista tietoa.
Käytännön esimerkki: kun haluat tietää “pysyykö Virtanen asiakkaanamme”, ruoki tekoälyn algoritmeja rakentamalla raportti kaikista aiemmista asiakkaistasi. Raportin tulee kertoa riittävän kattavasti ja vertailukelpoisesti, minkälaiset asiakkuudet ovat päättyneet, mitkä taas jatkuneet.
Asiakaspoistuman seuraaminen on yksinkertaista esimerkiksi silloin, jos myyt kuukausimaksuun perustuvaa palvelua. “Unsubscribe”-nappula päättää matkan ja that’s it. Joskus raja on häilyvämpi. Joudut määrittelemään erikseen, katsotko asiakkuuden päättyneeksi esimerkiksi puolen vuoden hiljaiselon jälkeen.
Kun pohdit, onko yrityksesi valmis tekoälyn käyttöönottoon, arvioi näitä asioita:
Sijaitseeko data paikassa, josta tekoäly pystyy lukemaan sitä?
Onko datan muoto linjassa käyttötarpeidesi kanssa?
Onko data syystä tai toisesta harhaanjohtavaa?
Vaatiiko data paljon siistimistä vai onko se jo käyttövalmista?
Jotta tekoälyprojektisi onnistuu, tarvitset laadukasta dataa, sitä on oltava riittävästi ja sen pitää olla selkeästi luokiteltavissa. Kuten MIT:kin totesi raportissaan, monimutkaisinkaan algoritmi ei pärjää puutteellisen datan kanssa.
LUE MYÖS ► If: “Käyttämätön data on yritykselle vain kuluerä”
3. Kytke tekoälyn ja ennusteiden käyttö liiketoimintaan
Kun sinulla on selkeitä kysymyksiä ja data, joka antaa niihin vastauksia, alat olla valmis tekoälymoottorin käynnistämiseen. ⚙️ ⏩
Seuraava haaste on se, miten jaat ennusteita ja tietoa työntekijöiden käyttöön. Voit esimerkiksi täydentää myyntitiimien CRM-näkymää asiakasprofiileihin liitetyillä ennusteilla: “Virtanen pysyy asiakkaana 60 % todennäköisyydellä”.
Voit koota ennusteet myös näppäriksi yhteenvedoiksi. Jos rekisterissä on kaksi miljoonaa asiakasta ja 50 000 heistä on todennäköisesti nostamassa kytkintä, kriittisistä tapauksista kannattaa muodostaa selkeä lista. Näin myyjien ei tarvitse plärätä profiileja läpi yksitellen.
Joskus ennusteet kannattaa jalostaa suoraan suosituksiksi (tai jopa automaattisiksi toimenpiteiksi). Siis sen sijaan, että näyttäisit listan todennäköisesti poistuvista asiakkaista, voit luoda järjestelmään workflown, joka kertoo työntekijälle, mitä tehdä: “Virtanen on jättämässä meidät 40 % todennäköisyydellä, buukkaa palaveri” tai “Virtanen on jättämässä meidät 20 % todennäköisyydellä, soita hänelle”.
Viime kädessä tekoälyn käyttö tarjoaa vain numeroita ja todennäköisyyksiä. Ihmiset päättävät toimenpiteistä. Tavoitteesi on tarjota juuri oikealla hetkellä tarpeellista tietoa niille avainhenkilöille, jotka pystyvät vaikuttamaan asioihin.
LUE MYÖS ► Revenue marketing tuo mitattavia tuloksia – Mitä onnistuminen edellyttää?
4. Selvitä, miten tekoälyn käyttö vaikuttaa työnkulkuihin ja vastuunjakoon
Tekoälyn käyttöönotto on tärkeä käännekohta koko liiketoiminnallesi. Roolit ja vastuut saattavat muuttua läpi organisaation. Sen vuoksi sinun on vielä varmistettava,
oletko osallistanut kaikki vastuuhenkilöt projektiin,
miten nykyiset työnkulut muuttuvat ja
miten osoitat, että tekoälyyn panostaminen maksaa itsensä takaisin (ROI).
Et tee vielä mitään sillä tiedolla, että asiakaspoistuma on tietyssä segmentissä 25 %. Tarvitset toimintaa, kuten sitouttavia kampanjoita ja toimivan työnjaon niiden toteuttamiseksi, ja vasta se vie sinut kohti muutosta.
Sokerina pohjalla: vältä reviiritaistelut datan omistajuuden ympärillä. Johtajan roolina on rohkaista eri tiimejä tiedon jakamiseen ja tähdätä siihen, että sirpaleisesta datasta muodostuisi ehjä kuva. Jos se ei onnistu, osa tekoälyn hyödyistä valuu hukkaan.
Tekoälyllä on jo nyt valtava vaikutus (työ)elämäämme, eikä kehitykselle näy loppua. Käytännön toteutus voi vaikuttaa mutkikkaalta, mutta onneksi saatavilla on työkaluja ja esimerkkejä onnistuneista sovelluksista. Kun tunnistat tärkeimmät kysymykset, datan vaatimukset ja luot avointa ilmapiiriä, olet jo pitkällä. 👍
Jos tekoälyn käyttöönotto kiinnostaa, Trailheadista löydät ilmaisia kursseja, joilla pääset jyvälle erilaisista käyttötapauksista. Toimisiko jokin niistä juuri sinun yrityksesi tarpeisiin? Voit myös ottaa minuun yhteyttä ja kysyä lisää aiheesta!
Tutustu tekoälyn mahdollisuuksiin Salesforcen avulla
LUE MYÖS:
► Salesforce-kokemuksia suoraan asiakkailtamme
► Mitä asiakaspolut ovat ja miten niitä voi mallintaa?
► Paranna B2B-ostajan asiakaskokemusta mahdollisuuksilla itsepalveluun
