KPI-työkalu mittaamaan chattibottien lisäarvoa

Keskustelevan tekoälyn hyödyntäminen asiakaspalvelussa on yleistynyt (McKinsey & Company 2022). Open AI:n ChatGPT-3 julkaisun myötä keskustelevan tekoälyn suosio on kasvanut maailmalla ja yritysten keskuudessa. Yhä useampi yritys harkitsee asiakaspalvelun automatisointia tekoälyn avulla. Investointien kasvaessa, kasvaa myös tarve selkeille tuloksille ja arvonluonnille.

Moni yritys kokee kuitenkin chattibotti-hankkeiden arvon riittämättömäksi verrattuna niihin laitettuihin investointeihin. Osasyy on alan nuoruus ja puute keskeisistä liiketoiminta-arvoa mittaavista tunnusluvuista. (Hedvall 2023.) Tähän tarpeeseen vastaamiseksi käynnistyi yhteistyössä chattibotti -konsulttiyrityksen kanssa opinnäytetyöprosessi, jonka tavoitteena oli kartoittaa yritysten asettamia tavoitteita ja mittareita sekä selvittää, miten tätä tietoa voisi jalkauttaa keskustelevan tekoälyn konsultointiyrityksen työntekijöiden arkeen.

Henkilö pitää kädessään puhelinta, jossa chattibotti kysyy, voiko se auttaa.
Kuva 1. Keskustelevaa tekoälyä käytetään enenevässä määrin asiakaspalvelun automatisoinnissa. (Kuva: khunkornStudio 2023)

Käyttäjäkeskeinen KPI-työkalu

Opinnäytetyön keskeisenä tavoitteena oli lisätä yrityksessä toimivien konsulttien ymmärrystä keskustelevan tekoälyn liiketoiminnallisesta arvosta, tavoitteista ja tunnusluvuista. Koska työn tarkoituksena oli parantaa käyttäjien ymmärrystä AI:n tuomasta lisäarvosta sekä mahdollistaa saavutettujen hyötyjen helppo arviointi, kehitysprojektin lähtökohdaksi otettiin käyttäjälähtöinen muotoiluajattelun prosessi (Dam 2002). Aiheesta olemassa olevaa tutkimusta verrattiin chattibottien käyttäjiltä ja kehittäjiltä kerättyyn tietoon, joka täydensi ymmärrystä keskeisimmistä ongelmista ja haasteista. Taustatyön pohjalta ideoitiin loppukäyttäjien testattavaksi KPI-työkalun prototyyppi. 

KPI, Key Performance Indicator, on sarja mittareita, jotka kertovat, miten tehokkaasti yritys saavuttaa liiketoimintansa keskeiset tavoitteet. Mittarit vaihtelevat kontekstista toiseen (Turunen 2020).

Käyttäjätieto lopputuloksen pohjana

Jotta työkalu vastaisi parhaimmalla mahdollisella tavalla loppukäyttäjän arjen tarpeisiin, kehitysprosessissa hyödynnettiin asiakasymmärrystä kasvattavia menetelmiä, kuten empatiakarttaa ja käyttäjäprofilointia (Gray 2017). Jotta lopputulos vastaisi konsulttiyrityksen tarpeita ja työkalu auttaisi konsultteja tekemään informoituja päätöksiä, käyttäjätiedon keruu ja konsulttien osallistaminen suunnitteluun sekä ideointityöpajassa että testauksessa oli tärkeää.

Osallisina tutkimuksessa oli myös konsulttiyrityksen asiakasyrityksiä, joiden avulla saatiin käytännönläheistä tietoa yritysten chattibotilleen asettamista liiketoiminnallisista tavoitteista ja mittareista. Tätä tietoa hyödynnettiin KPI-työkalun sisällössä.

Muotoiluprosessin myötä syntyi typologia keskustelevan tekoälyn liiketoiminnallisista tavoitteista ja niitä mittaavista tunnusluvuista. Vastaavaa kartoitusta asiakaspalvelussa hyödynnettävien keskustelevan tekoälyn chattiboteista ja niiden arvoa ja vaikutusta mittaavista tunnusluvuista ei ole vielä aiemmin tehty.

Kirjoittajat

Anna Hedvall on LAB-ammattikorkeakoulussa kokemus- ja palvelumuotoilua viimeistä vuottaan opiskeleva kauppatieteiden maisteri. Kokemukseen ja mielenkiinnon kohteisiin kuuluu IT-alan palveluiden kehittäminen ja käyttäjälähtöisten asiakaspalveluratkaisujen implementointi.

Ari Hautaniemi työskentelee TKI-asiantuntijana LAB-ammattikorkeakoulun muotoiluinstituutissa, jossa on keskittynyt erityisesti teknologiaan ja asiakaskokemukseen liittyviin hankkeisiin.

Lähteet

Dam, R. F. 2022. 5 stages in the design thinking process. The Interaction Design Foundation. Viitattu 2.9.2023. Saatavissa https://www.interaction-design.org/literature/article/5-stages-in-the-design-thinking-process

Gray, D. 2017. Updated Empathy Map Canvas. Medium. Viitattu 25.8.2023. Saatavissa https://medium.com/@davegray/updated-empathy-map-canvas-46df22df3c8a

Hedvall A. E. 2023. What Constitutes Conversational AI Chatbot Success? – an investigation into finding the KPIs to measure overall performance. AMK-opinnäytetyö. LAB-ammattikorkeakoulu, muotoiluinstituutti. Viitattu 31.10.2023 Saatavissa: https://urn.fi/URN:NBN:fi:amk-2023110628627

McKinsey & Company. 2022. The state of AI in 2022—and a half decade in review. McKinsey & Company. Viitattu 12.4.2023. Saatavissa https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2022-and-a-half-decade-in-review#/

khunkornStudio. 2023. Chatbot conversation Ai Artificial Intelligence technology online customer service #567681994. Adobe Stock. Viitattu 31.10.2023. Saatavissa https://stock.adobe.com/images/chatbot-conversation-ai-artificial-intelligence-technology-online-customer-service-digital-chatbot-robot-application-openai-generate-futuristic-technology-virtual-assistant-on-internet/567681994?prev_url=detail

Turunen, T. 2020. Myynnin tärkeimmät KPI-mittarit. Vainu. Viitattu 1.11.2023. Saatavissahttps://www.vainu.com/fi/blogi/kpi-mittari/