Tekoäly asiakaskokemustiedon analysoinnin ja asiakasymmärryksen kehittämisen tukena

Abstract

Syvällinen ymmärrys asiakkaiden tarpeista, odotuksista ja käyttäytymisestä on liiketoiminnassa menestymisen edellytys. Yritykset, jotka pystyvät tehokkaasti hyödyntämään asiakaslähtöistä tietoa, kykenevät kehittämään palveluitaan ja tuotteitaan asiakkailleen merkityksellisemmiksi. Asiakasymmärryksen kehittämisessä tekoäly nähdään merkittävänä mahdollistajana. Tekoälyä hyödyntämällä yritykset voivat tunnistaa asiakastarpeiden muutoksia entistä paremmin ja reagoida niihin ketterämmin.

Opinnäytetyön tavoitteena oli selvittää, miten tekoäly voi tukea erityisesti pieniä ja keskisuuria yrityksiä laadullisen asiakaskokemustiedon analysoinnissa ja asiakasymmärryksen kehittämisessä. Toimeksiantajana toimi LAB-ammattikorkeakoulun Asiakaskokemuksen kehittyvät menetelmät (ASKO) -hanke.

Tutkimus toteutettiin laadullisena tapaustutkimuksena, ja aineisto kerättiin teemahaastatteluilla Päijät-Hämeen alueen pk-yrityksiltä. Aineisto analysoitiin teemoittelemalla. Teoreettisessa viitekehyksessä käsiteltiin asiakasymmärrystä, tiedon hyödyntämistä organisaatiossa sekä tekoälyä.

Tutkimuksen tulosten perusteella asiakasymmärrys perustui yrityksissä vielä suhteellisen kapea-alaiseen ja hajanaiseen tietoon. Tekoälyn tarjoamia mahdollisuuksia tunnistettiin, mutta niitä oli hyödynnetty vielä melko vähäisesti. Tekoälyn nähtiin tehostavan analysointiprosesseja, tukevan päätöksentekoa ja mahdollistavan myös syvemmän asiakasymmärryksen muodostumista. Lisäksi se nähtiin työn luonnetta muuttavana tekijänä. Käyttöönoton haasteiksi koettiin erityisesti osaaminen, datan laatuvaatimukset ja hallinta sekä tekoälyn luotettavuuteen ja epävarmuuteen liittyvät tekijät.

Tulosten perusteella laadittiin kehitysehdotuksia toimeksiantajan jatkokoulutussisältöjen suunnitteluun. Lisäksi tehtiin suosituksia pk-yrityksille tekoälyn hyödyntämisestä asiakaskokemustietojen analysoinnissa ja asiakasymmärryksen kehittämisessä.

A deep understanding of customer needs, expectations and behavior is essential for business success today. Companies that can effectively utilize customer-oriented data can develop more meaningful services and products. Artificial intelligence (AI) is seen as a key enabler in enhancing customer insight, as it allows companies to identify shifting customer needs and respond to them with greater agility.

The aim of this thesis was to find out how AI can support small and medium-sized enterprises (SMEs) in analyzing qualitative customer experience data and developing deeper customer insight. The research was commissioned by ASKO -project at LAB University of Applied Sciences.

The study was conducted as a qualitative case study. Data was collected through thematic interviews with SMEs located in the Päijät-Häme region. The data was analyzed using thematic content analysis. The theoretical framework focused on customer insight, organizational data utilization, and AI.

The findings show that the customer insight in the participating companies was still relatively narrow and fragmented. While the potential of AI was recognized, its practical use in data analysis was still limited. AI was seen as a tool for streamlining analysis processes, supporting decision-making, and enabling more comprehensive understanding of customers. Additionally, AI was perceived as a factor transforming the nature of work. Key challenges in adoption included a lack of skills, data quality and governance requirements, as well as concerns related to the reliability and uncertainty of AI-generated content.

Based on the findings, the thesis provides development suggestions for the ASKO project’s future training initiatives. It also offers practical recommendations for SMEs on how to utilize AI in customer experience data analysis and customer insight development.