Ovatko digitaaliset terveyspalvelut löydettäviä? – case: Tampere.fi ja koronavirus

Abstract

Suomalaisten sosiaali- ja terveydenhuollon sähköisten palveluiden käyttö on lisääntynyt vuosi vuodelta. Digipalveluiden käytön kasvaessa yhä tärkeämmäksi, kriteeriksi nousee palveluiden löydettävyys. Opinnäytetyön tavoitteena oli löytää tietoa siitä, millaiset asiat vaikuttavat digitaalisten terveyspalveluiden löydettävyyteen. Tarkoituksena oli selvittää, voidaanko laadullisen tutkimushaastatteluaineiston avulla kuvailla verkkoanalytiikan kävijäseurantadataa ja saadaanko sitä kautta tietoa terveydenhuollon digipalveluiden löydettävyydestä. Tarkoituksena oli myös selvittää, miten terveydenhuollon digitaalisten palveluiden piiriin löydetään. Työn toimeksiantajana toimi Tampereen kaupungin tietohallintoyksikkö.

Opinnäytetyö oli monistrateginen tutkimus, joka yhdisti laadullista tutkimusmenetelmää määrälliseen tutkimusmenetelmään. Työn määrällinen aineisto kerättiin Google Analytics-verkkoanalytiikan kävijäseurantadatasta ja laadullinen aineisto puolistrukturoiduilla haastatteluilla. Kävijäseurantadata rajattiin koskemaan Tampere.fi -verkkosivuston kolmea korona-aiheista sivua. Monistrategisella tutkimusmenetelmällä pyrittiin tässä työssä kuvailemaan määrällistä kävijäseurantadataa laadullisella haastatteluaineistolla.

Kirjallisuudesta nousi esiin, että osana löydettävyyden arviointia on tärkeä tunnistaa oman kohderyhmän tiedonhaku- ja internetkäyttäytyminen. Tutkimushaastatteluissa esiin nousseilla tiedonhakutavoilla ja niiden taustalla olevilla syillä, voitiin ainakin osaltaan kuvailla numeraalisen kävijäseurantadatan taustalla olevien ihmisten ja tiedonhakijoiden käyttäytymistä. Näin ollen voitiin todeta, että laadullinen aineisto tuo lisää syvyyttä määrälliseen kävijäseurantadataan. Selvisi, että digitaalisten terveyspalveluiden piiriin hakeudutaan useimmin mobiililaitteilla sekä hakukoneiden kautta. Näiden suosio näkyi myös laajemmin osana arjen tiedonhankinnan kanavia. Lopputuloksena voitiin todeta: mikäli verkkosivuston sisältöjen hakukoneoptimointiin on panostettu, tunnistetaan oman kohderyhmän tiedonhaku- ja internetkäyttäytyminen sekä ne ovat linjassa analysoidun verkkoanalytiikan datan kanssa, terveydenhuollon digipalvelut ovat löydettäviä.

Opinnäytetyön tulosten pohjalta kehitettiin Tampereen kaupungilla jo käytössä olevaa Digiasioinnin mittariston Asioinnin polut -osa-aluetta. Toteutus suunniteltiin ja luotiin Power BI:n avulla kuvaamaan terveydenhuollon digipalveluiden asioinnin polkuja kolmella korona-aiheisella verkkosivulla. Jatkotutkimuksena voi tutkia tarkemmin mobiilikäyttöä julkisen sektorin laajoilla sivustokokonaisuuksilla.

The aim was to gather information about the issues that affect the findability of the digital healthcare services. The purpose was to discover if it is possible to narrate the web analytics data with the qualitative interview material. The intention was to find out how healthcare customers find their way to digital healthcare services.

The research method was a multi-method research that combined qualitative research with a quantitative research method. The quantitative data were collected from web analytics data through Google Analytics and the qualitative data were gathered through semi-structured interviews. The commissioner of the thesis was City of Tampere’s IT Management.

The results indicated that as part of the assessment of findability, it is important to identify the Internet behavior and information retrieval behavior of your target audience. The information retrieval behaviors and the reasons behind those behaviors that emerged in the interviews can at least partly describe the behavior of information seekers behind the quantitative web analytics data. The digital healthcare services are most often sought on mobile devices and through search engines. Furthermore, the popularity of these was more widely seen as part of everyday information retrieval channels.

Overall, the study suggest that the digital healthcare services can be findable if the website’s content is optimized, the information retrieval behavior of one’s own target audience is identified and those are in line with the analyzed web analytics data.