Vår omvärld förändras allt snabbare och för att fortsatt vara relevant för kunderna på marknaden är det viktigt att följa dessa förändringar. Vad som tidigare skapat värde för kunder kan idag istället utgöra hygienfaktorer, till exempel säkerhetsbältet i bilen eller internetåtkomst i telefonen. Med hjälp av datadrivna insikter kan omvärldsanalyser göras bättre. Tänk om vi till och med kunde få rekommendationer om vad som skulle skapa ännu högre kundvärde eller rentav förutspå vad som kommer skapa kundvärde i framtiden!
Vi diskuterar i den här artikelserien hur en organisation kan arbeta datadrivet, specifikt med fokus på produkt- och tjänsteledning (product management). Att analysera kundvärde är en central komponent inom omvärldsanalys och en del av produktledningsprocessen:
Vad är det som skapar kundvärde? Hur kan vi öka efterfrågan på våra produkter? Vad bör vi förändra för att göra våra kunder nöjdare? Frågeställningarna kring hur produkterna/tjänsterna görs relevanta för kunderna är många och bör hanteras inom företagets produktledning. Genom att analysera både hårda faktorer (till exempel leveranstid och pris) och mjuka faktorer (miljöpåverkan, politik, etcetera) kan man skapa en tydligare bild över vad som skapar kundvärde. Vid analys om vad som skapar värde för kunderna är det viktigt att anta både ett externt och ett internt perspektiv. Om endast hänsyn tas till det interna perspektivet såsom historiska köpbeteenden, köpvanor och prisfaktorer finns en stor risk att man går miste om viktiga parametrar som faktiskt påverkar kundens upplevelse och inställning.
Hur kan jag göra min omvärldsanalys mer datadriven?
En klassisk omvärldsanalys, till exempel i form av en SWOT- eller PESTEL-analys, väger på olika sätt in makroekonomisk utveckling, förutsättningarna på marknaden i form av konkurrens eller reglering, råvarukostnader etcetera. Idag kan traditionella och nya indikatorer identifieras och omsättas i strategi snabbare än någonsin.
Ett av de mest kraftfulla verktygen är sociala medier där de stora jättarna med Facebook i spetsen har samlat information om sina användare och deras åsikter. Genom att addera information om vad som händer i omvärlden, exempelvis genom att analysera Twitterflöden, kan man förstå vad som påverkar kundens inställning till produkt- eller tjänsteleverantören.
Ibland kan till och med en hel marknadsstrategi baseras på spridning i sociala medier. Ett exempel är Colin Kaepernick, stjärnan i amerikansk fotboll som med en knäböjande protest upprörde en stor del av den amerikanska befolkningen och framförallt dess president. Två år efter sin protest presenterades Kaepernick som frontfigur för Nikes kampanj för att uppmärksamma 30-årsdagen av sin ikoniska slogan ”Just do it”. En granskning av Nikes Twittervisningar tydliggjorde att märket nämndes över hundra gånger mer dagarna efter tillkännagivandet än innan. I en sentimentsanalys publicerad av Forbes, där man kopplar ord i en viss kontext till en positiv eller negativ uppfattning, avslöjades att de tidigare överhängande positiva associationerna nu gick över till negativa sådana. En djupare analys visar dock att det inte var bland stamkunderna som de mest negativa reaktionerna uppstod - köpviljan i det segmentet ökade faktiskt! Det verkar alltså som att Nikes agerande var en beräknad risk, där man analyserat sin konsumentbas och kopplat demografi och beteende till de frågor som är viktiga för just den gruppen.
Hur kan jag förutspå vad som påverkar kundvärdet?
Låt oss backa lite och börja med att ställa frågan om vilka faktorer som påverkar kundvärdet. Beroende på vilken sorts produkt eller tjänst du tillhandahåller kan det vara dess egenskaper, kvalitet, kostnad, användbarhet och/eller image. Av de nämnda faktorerna är image den som främst kan ses som en extern faktor i en omvärldsanalys.
Idag finns inte bara möjlighet att blicka bakåt och granska nuläget med moderna BI-verktyg. Vi behöver heller inte nöja oss med att försöka förutspå framtiden med avancerade statistiska metoder. Nu kan vi till och med få rekommendationer som leder oss till de optimala besluten. Det här tredje steget i analystrappan kallas för preskriptiv analys. Preskriptiva analysmodeller skiljer sig rent tekniskt inte nämnvärt från de algoritmer som används när en prediktiv analys görs, utan väger istället samman flera olika analysdiscipliner för att identifiera möjligheter och risker för att rekommendera det bästa sättet att agera.
Hur kan jag använda mina insikter på ett smart sätt?
Som ett spännande exempel kan den amerikanska budfirman UPS nämnas. UPS har sedan lång tid tillbaka en strategi som går ut på att förarna inte ska göra vänstersvängar om det inte är absolut nödvändigt. Genom att minimera antalet vänstersvängar sparar bolaget enorma summor årligen och kan därför erbjuda sina kunder mervärde med en mer kostnadseffektiv tjänst. I det egenutvecklade kartsystemet görs skillnad på bra och dåliga vänstersvängar, i något som kan liknas en avancerad version av Google Maps. Förarna följer alltså helt enkelt en fördefinierad rutt som är vänstersvängsminimerad.
Företagets strategi om minimering av vänstersvängar är baserad på möjligheten till kostnadsbesparing. Preskriptiva analysmodeller kan på samma sätt även vara ett stöd för insikt i försäljningspotential. Ett system kan rekommendera dig att fokusera på särskilda värdeerbjudanden i din portfolio baserat på att just dessa faktorer tycks skapa högre kundvärde än andra, och därmed sannolikt resulterar i högre försäljning. Vilka vänstersvängar kan man lyckas undvika genom att samla information om förändringar i omvärlden och därigenom bättre förstå vad som skapar högre värde för kunden?
Det här exemplet avslutar vår artikelserie om produktledning med hjälp av datadrivna insikter. Vi hoppas att du har blivit inspirerad att gå vidare i din egen verksamhet och inte tvekar att ta kontakt med oss för en fördjupad diskussion! Hör av dig till Henrik Olofsson eller Matilda Pasanen.