�ݺ�ߣ

© Dain Studios 2018© Dain Studios 2018
Data ja tekoäly asiakaskokemuksen
ja brändin kehittämisen
taustavoimana
Pysäyttämättömät
Niina Hagman
Senior Data& Analytics Strategist
Helsinki, 21.3.2019
Studio Helsinki:
Ulla Kruhse-Lehtonen
+358 45 639 3125
ulla.kruhse-lehtonen@dainstudios.com
Studios Berlin & Munich:
Dirk Hofmann
+49 176 56717150
dirk.hofmann@dainstudios.com

30+ asiakasta
17 toimialaa
5 maata
3 studiota
Helsinki
Berlin
Munich
Data & AI &
INsight
From Strategy to
Execution
3-vuotias
25 henkeä
Data Scientists
Data Engineers
Data Strategists
Omat AI-tuotteet
Travel AI
Smart Recruit
DAIN STUDIOS
We help companies to realize the full potential of data and AI for future business success

Mitä on tekoäly (AI)? • Ei ole yhtä yhteisesti sovittua määritelmää tekoälylle,
monitahoinen kokonaisuus
• Tekoälyn kenttä uudelleenmuotoutuu jatkuvasti – jotkut
topiikit luetaan ” ulos” tekoälyn sateenvarjon alta, ja uusia
ilmenee. Tekoäly ei siis ole dikotominen luonnehdinta (ts.
jokin asia on tekoälyä vs. ei ole), vaan ennemminkin skaala –
jokin asia voi sisältää enemmän tekoälyä kuin jokin toinen.
Kyky suorittaa tehtäviä
monimutkaisessa koneellisissa
ympäristöissä ilman jatkuvaa
ohjausta tai valvontaa
Kyky parantaa
suoritusta oppimalla
kokemuksesta /datan
määrän lisääntyessä
*Elements of AI / University of Helsinki

Tekoälyn taksologia
Tietojärjestelmätiede
Tekoäly/ Artificial intelligence (AI)
Koneoppiminen/Machine learning (ML)
Syväoppiminen/Deep learning
Matematiikka
Symbolinen
logiikka
Eräs määritelmä:
Systeemit, jotka parantavat
mitattavasti toimintaansa
annetussa tehtävässä
kokemuksen ja/tai datan
määrän lisääntyessä
Logiikka, jos-niin-säännöt,
päätöspuut ja knowledge
graphit). Näitä ei aina lueta
tekoälyyn.
Koneoppimisen alalaji. Tällöin käytetään usein
neuroverkkoja (ANN, GAN), jotka performoivat erityisen
hyvin ei-strukturoidun datan parissa (esim.kuvat, video,
strukturoimaton teksti jne.)
Tilastotiede

Tekoälyn ekosysteemi
MACHINE
LEARNING
Unsupervised
learning
Supervised
learning
Reinforcement
learning
Deep learning
(NN)
Classic models
(Bayes,
Logistic &
Linear
Regression,
tree models
etc.)
Image recognition
Classify (text,
images etc.)
Numeric prediction
Probability
assessment
Optimization (LP
etc.)
Pattern analysis
Dimensionality
reduction
Predictive
recommendations,
scores, actions,
ranking, forecasts
(SYMBOLIC)
LOGIC
Deterministic
rules &
decisions
Natural
language
processing
Chatbots/virtual
assistant
Voice to text
Translation
AI

Miten tekoäly muuttaa
markkinointia, brändiä ja
asiakaskokemusta?

© Dain Studios 2018
Japanilainen mainostoimisto kehitti tekoälyyn perustuvan ”luovan
johtajan” – mainosala piti tämän mainoksesta enemmän kuin ihmisen
tekemästä
http://www.businessinsider.com/mccann-japans-ai-creative-director-creates-better-ads-than-a-human-2017-3?r=US&IR=T&IR=T

Alusvaatevalmistaja Cosabella korvasi digitoimistonsa
Albert-nimisellä tekoälyalustalla
Cosabella on yli kolminkertaistanut ROI:nsa
ja kasvattanut asiakaskuntaansa 30%:lla
http://www.campaignlive.co.uk/article/why-cosabella-replaced-its-
agency-ai-will-go-back-humans/1427323#zezP0XhcjRQiQaMi.99

Markkinointiyritys Phrasee: Tekoälyä hyödyntävä työkalu, joka
kirjoittaa mm. Facebook- ja Instagram-mainosten copyja

Amazon Alexa hotelleissa

Amazon GO – jonoton ja maksupäätteetön kauppa
Konenäkö, sensorit ja tunnistautuminen
Tunnistaudu
puhelimen
sovelluksella
Tee ostokset
Kävele ulos

Tekoälyn hyötykäyttö edellyttää digi- ja datatransformaatiota
• Tekoäly ei ole pelkkiä päräyttäviä Youtube-
videoita uusista ja mahtavista tekoälyä
hyödyntävistä sovelluksista tai palveluista, tai
buzzwordeja powerpointilla. Järkevä tekoälyn
valjastaminen liiketoimintahyötyä tuottavaksi
vaatii monipuolisesti panostuksia dataan, uusiin
taitoihin, organisaation kulttuuriin ja prosessien
hallintaan
• Näistä kenties tärkein komponentti on ymmärtää
datan merkitys, sillä ilman laadukasta dataa ei ole
juurikaan käyttöä vaikkapa hienoille
koneoppimismalleille
Data asset (data
quantity, data
quality)
Artificial
intelligence
(algorithmic)
capabilities
Customer Use Cases guiding operational priorities
Data architecture
and technology
Human skills
Data governance
Culture
Shared company vision and strategy

Dataa on käytetty vaikka kuinka
kauan. Mikä nyt on erilaista?
Eksponentiaalinen datan kasvu
90 %
mailman
yhteenlasketusta
datamäärästä on
generoitu viimeisen
kahden vuoden aikana

Dataa on käytetty vaikka kuinka kauan. Mikä nyt on erilaista?
80% yritysten tuottamasta datasta on käytännössä ei-strukturoitua ja lisääntyy paljon nopeammin kuin
rakenteellinen vastineensa. Viime vuosina ei-strukturoidun datan käsittelyn ja varastoinnin teknologiat
ovat kehittyneet nopeasti, ja näin ollen ei-strukturoitua dataa on mahdollista hyödyntää aiempaa
paremmin
Strukturoitu vs. ei-strukturoitu data Ei-strukturoitu data kasvattaa merkittävästi datavolyymia

Reaaliaikaisen datan osuus kasvaa räjähdysmäisesti, erit. streaming-data
% of global data Real-time data (Zb)

Merkittävästi kasvanut tietokoneiden laskentateho
yhdistettynä halvempiin kustannuksiin
Pilven merkitys laskennassa

Large data piles represent significant business opportunities.
And as more and more companies are utilizing data more and
better than before, it now represents not only opportunity
but more like prerequisite for competitiveness
Yhä useammat yritykset
etenevät yhä
sofistikoituneempaan datan
käyttöön
* Progress | State of Digital Business
85% of enterprise decision
makers believe that if they don’t
make serious progress on
digitally transforming their
businesses in the next 24
months, they’ll fall behind the
competition and take a hit on
their bottom line*)

Datan hyötykäyttö niin yrityksen kuin asiakaskokemuksen/brändin hyväksi ei
onnistu ilman toimivaa data-arkkitehtuuria, jossa erilaisten datalähteiden
automaattinen linkitys toisiinsa on mahdollista
Basic customer data
Name, Address
Demographics
Household data
Products
Purchased products
Subscriptions
Customer interactions
Customer care contacts
Sales calls
Marketing messages received
Retail visits
Online behavioral data
Sites visited
Products viewed
Abandoned shopping carts
External 3rd party data
External registers
Social media
Inferred/modelled data
Next best offer
Interests
Intent
Spatial and sensor data
Identity
Customer ID
Name, address
Email, phone
SSO ID
Mobile/browser ID
Esimerkki
TAVOITE:
Asiakas 360

Toimiva data-arkkitehtuuri tukee keskeisesti datan hyödyntämistä
Real-time data
sources (examples)
Batch data sources
(examples)
• Online event data (Brand
website and its sub-domains)
• Brand application data
• Call center data
• Survey data
• Network data
• IoT sensor data etc.
• CRM-data
• (CRM-data 2)
• POS data (point-of-sales)
• 3rd party data
Data collecting layer (different technologies / software)
Data lake
Data analysis / machine
learning layer
Business
reporting /
dashboards
Enterpriseinternalusers
Orchestration/delivery layer Marketing automation
Channel
layer
Email SMS
Call
center
Own
website
Store
Customerinterface/UI
*Example architecture, true composition varies
App

It all starts with a vision
Olemme puhuneet paljon datasta. Kuitenkin, data palvelee
liiketoimintaa (eikä toisinpäin), ja tällöin liiketoiminnan
avainkysymykset sanelevat etenemistä
Mihin
kysymykseen
etsin vastausta?
Mitä dataaminulla on? Mitäpuuttuu?
Mikä data auttaa
minua vastaamaan
kysymykseeni?
Mitä
analysointimenetelmiä
kannattaa käyttää?

Data ja analytiikka tuottamassa ymmärrystä
asiakaspolkuihin ja asiakaskokemukseen
TouchpointsObjectivesKeyQuestions
Optimize conversion Capture user profiles
Best ownership
experience
Upgrade, resell
Appeal Guide Reassure Serve Support Enable Ensure longevity
Discover Consider Prefer Onboarding Use Extend use Upgrade
Best shopping
experience
No hassle onboarding
• What are the features
people interested in?
• Is something missing?
Efficient marketing
Brand advocacy
• How to reach customers
and drive engagement?
• What are the most
impactful channels for
marketing ?
• What drives
engagement?
Retention, upsell
Most lucrative brand
• When do people
convert, when not?
• What can be done to
avoid drop-outs?
• What and where is the
demand for our phones?
• How effective are our
promotions?
• How satisfied are the
people with our phones?
• What drives
satisfaction?
• What type of user needs
do we have?
• When do people seek for
a new device?
• What arguments,
incentives make them
buy a new product?
Best customer care
Understand and
engage users
Consistent omni-
channel experience
Desired products
• What are the issues,
concerns and wishes do
people have?
• How does the usage
develop over time –
what drives
engagement?
ESIMERKKI

Data ja analytiikka tuottamassa ymmärrystä
asiakaspolkuihin ja asiakaskokemukseen
TouchpointsObjectivesKeyQuestions
Best ownership
experience
Upgrade, resell
Discover Consider Prefer Onboarding Use Extend use Upgrade
Best shopping
experience
• What are the features
people interested in?
• Is something missing?
Efficient marketing
Brand advocacy
• How to reach customers
and drive engagement?
• What are the most
impactful channels for
marketing ?
• What drives
engagement?
Retention, upsell
Most lucrative brand
• When do people
convert, when not?
• What can be done to
avoid drop-outs?
• What and where is the
demand for our phones?
• How effective are our
promotions?
• How satisfied are the
people with our phones?
• What drives
satisfaction?
• What type of user needs
do we have?
• When do people seek for
a new device?
• What arguments,
incentives make them
buy a new product?
Best customer care
Understand and
engage users
Consistent omni-
channel experience
Desired products
• What are the issues,
concerns and wishes do
people have?
• How does the usage
develop over time –
what drives
engagement?
ESIMERKKI
MITÄ DATAA TARVITSEN, JOTTA LIIKETOIMINTAKYSYMYKSENI
TULEVAT VASTATUIKSI / VOIN HYÖDYNTÄÄ DATAA AITOIHIN
TOIMENPITEISIIN ASIAKASKOKEMUKSEN PARANTAMISEKSI

Hyödynnä olemassa olevia/ helposti saatavilla olevia
datalähteitä tehdäksesi tuotteista ja palveluista älykkäitä
nCare contacts
nEvents
nService purchases / sales
nConsumer bids
nSearches nAd clicks, views
nAds shown
nOnline browsing
nMobile application usage
nWebsites visited
nLocation
nSpouse
nChildren
nParents
nFriends
nFacebook, Google+
nBlogs
nContent sharing
nProduct and service ratings
nOpinion surveys
nOnline panel data
nOther 3rd party research
data
nPictures
nBlogs
nPostings
nEmail
nTelesales
nDirect Mail
nNext-best offer
nCLV
nLikelihood to churn
nLikelihood to respond to campaign
nBehavioral segment
Demographics
User-
generated
content
Basic data
Advertising
consumption
Social
Media
Derived
attributes
Digital
Services &
eCOM
Customer
interaction
Campaign data
Digital
behavior
nSubscriptions
nOnline subscriptions
nPurchase history
nBundles
nRevenues
Family
relationships
nAge, gender,
income
nName, address
nPhone number
nMarketing consent
Subscriptions
nCredentials
nConsents
nBasic details
Esimerkki: Mediayrityksen kuluttajadata
Kuluttaja- ja
tilausdata
Sosiaalinen
data
Kuluttaja-
interaktiot
Digidata
Analyyttinen
tieto
Research
Tutkimus-
data

Insights ja
raportointi
Kohdennukset
Dynaaminen
hinnoittelu
Sisällön
personointi ja
suositukset
Markkinoinnin
automaatio
Asiakas-
palvelun
optimointi
Data Asset: 360-kuluttajaprofiili
CRM-data Online-data
Applikaatio-
data /käyttödata
Asiakapalvelu-
data
Palvelu-
innovointi
Some-data Tutkimusdata Lokaatiodata
Käyttötapaukset
Datalähteet
Rakenna kyvykkyydet kerran ja hyödynnä eri
käyttötapauksiin
Data Science/AI: Poistumamallit, A/B-testaus, mikrosegmentointi, NLP-menetelmät, next-best offers, jne.

TouchpointsObjectivesKPIs
Best ownership
experience
Upgrade, resell
Discover Consider Prefer Get started Use Extend use Upgrade
Best shopping
experience
Efficient marketing
Brand advocacy
Retention, upsell
Most lucrative brand Best customer care
Understand and
engage users
Consistent omni-
channel experience
Desired products
Reach (organic, paid)
uniques (own sites)
Engagement
Likes
Newsletter registrations
Activation
NPS
Conversion
Active users
Usage index
NPS
Conversion
Accounts (Care)
Number of care cases
Sentiments
Conversion
Basket value
Accounts (eCom)
NPS
Mittaa liiketoimintahyötyjä asianmukaisilla KPI:lla
ESIMERKKI

Esimerkkejä asiakas360-
hyödyntämisestä

Autoliike: Liiketoiminta- ja palveluhyötyä datasta
Asiakas
Asiakasymmärrys
päätöksentekoa varten
Kuluttajan elinkaarihallinta
(CRM)
Kohdennettu digi- ja
monikanavamainonta
Palvelun personointi
Tuotekehitys ja innovaatiot
Transaktiot / ostot
Huoltokäynnit
Tuotedata (auto)
Anturit
Digitaalinen data
(webbisaitit, applikaatiot)
Sosiaalinen media
Markkinadata
Datan hallinta ja mallinnusDatan keräys Käyttötapaukset
Identifikaatio
1. Asiakasinteraktiot
2. Datan keräys
3. Holistinen
asiakasnäkymä
4. Asiakasymmärrys
ja algoritmit
5. Toimenpiteet
Esimerkki

Raakadatasta lasketut analyyttiset scoret syöttävät
markkinoinnin automaatiojärjestelmiä
Data capabilities
- Data gathering
- Data integrations
- Data management
- Consumer 360 view development
- Privacy policies
- Machine Learning
- …
Scores ContentData

Autoliikkeen kohdennettu sähköposti
Hyvää puolivuotispäivää
Ford Fiestallesi!
Varaa ilmainen
ohjelmiston päivitys
Etuja sinulle!
Sisältöviesti
Ristiinmyynti
Huoltotarjous
Sisältöviesti perustuen
asiakkaan auton
käyttöhistoriaan (jos
saatavilla, muuten yleisen
tiedon perusteella)
Perustuu tietoon asiakkaan
auton statuksesta ja
asiakkaan arvosta
Tiesitkö, että voit yhdistää
puhelimen Fiestaasi ja
kuunneella lempimusiikkiasi?
Tarjous, joka
perustuu tietoon
asiakkaan
perhetilanteesta ja
asiakkaan
laskennalliseen
arvoon (ARPU)
Triggeriin perustuva
pääviesti. Kuvassa
asiakkaan auto.
Esimerkki

Tavoita autonostajat verkosta
Sivustokävijä Facebook
Uutissivusto
Testiajot, autovertailut,
hintatutkimus
Kuluttajakäyttäytyminen Kohdennettu online-markkinointiviestintä
Autoartikkelien
lukeminen
Dynamic
Retargeting
Omatsivustot
Ostoaikeet
Muutsivustot
Esimerkki

It all starts with a vision
Miten lähteä liikkeelle datan ja tekoälyn
hyödyntämisessä?

Olemme tunnistaneet kuusi erilaista asiakassegmenttiä
datan hyödyntämisessä (epätieteellinen segmentointi)
Musta aukko -optimisti Lisätietoja, lisätietoja Pessimisti
Ei hätää Selustansuojaajat Fiksu

Dataohjatun yrityksen rakennuspalikat
Arkkitehtuuri ja teknologia
Osaaminen
Organisaatio, johtaminen, hallintomalli, kulttuuri
DELIVERY – BUSINESS USE CASES
DECISION – DATATIEDE, ANALYTIIKKA, TUTKIMUS
DATA
LIIKETOIMINTAVISIO JA -STRATEGIA
YriyksenDNAYrityksenassetit

Vaikuttaa hienolle. Mutta entä jos
• EI CDO:ta
• EI CIO:TA
• EI BUDJETTIA
• EI ISOJA DATAMÄÄRIÄ
VOINKO SIIS
TEHDÄ YHTÄÄN
MITÄÄN?

TIETYSTI.
• Pientäkin datamäärää kannattaa voi hyödyntää. Jokaisella yrityksellä on jotain dataa, ja usein
dataa voi ja pitää hyötykäyttää paremmin. Avainasemassa ovat datan varastointi, saavutettavuus
ja käytettävyys. Modernit datan varastointiratkaisut ovat pääosin hyvin edullisia.
Pientäkin datamäärää
voi hyödyntää
Osta älykkäitä tuotteita
ja palveluita
Liiketoimintahaasteet
ohjaavat priorisointia
Rakenna intohimoa
datalle organisaation
joka tasolla
Osta datan ja analytiikan
strategista konsultointia
• Tänä päivänä moniin tuotteisiin ja palveluihin on integroitu yhä edistyneempiä analytiikan
kyvykkyyksiä. Esimerkiksi markkinoinnin automaation työkalut alkavat olla yhä kehittyneempiä, ja
saattavat sisältää sekä asiakasdataplatformin että “tekoälykomponentteja”, kuten automaattista A/B-
testausta, lead scoringia ym.
• Yrityksen ei tarvitse muuttua data- ja tekoälyvetoiseksi yhdessä päivässä ja kaikilta osin. Jos
resursseja on vähän, niin ne kannattaa käyttää fiksusti – tehdään mieluummin jotain kunnolla kuin
kaikkea vähän ja sinnepäin.
• Datan ja tekoälyn laajempi hyötykäyttö edellyttää organisaation muutosvalmiutta, ei vain yhden
osaston tai henkilön. Jostain pitää aloittaa, mutta yrityksen johdon sponsorointi hankkeelle
tarvitaan loppukädessä aina, ja koska dataa kootaan yli osastosiilojen, täytyy jokaisen osaston
ymmärtää kokonaisuutta
• Sinun ei tarvitse opetella kaikkea alusta lähtien itse, tässäkään kohdin. Asiantuntija-avun käyttäminen voi
nopeuttaa ja tehostaa prosessia merkittävästi, ja auttaa mm. havaitsemaan mistä kannattaa aloittaa
1
2
3
4
5

Analysoi liiketoimintamahdollisuudet ja
datamahdollistajat ja laadi suunnitelma
Tee priorisoitu lista datalähtöisistä
liiketoimintamahdollisuuksista /
liiketoiminnan hygieniavaatimuksista
Tee datainventaari ja
mahdollistajien gap-analyysi
Laadi
liiketoimintamahdollisuuksien
tiekartta ja toimeenpanotiekartta
Arvioi liiketoiminta-arvo
a) Nykyliiketoiminnalle (lisää
tuottoja / säästä kustannuksia /
must-do (markkinoilla
pärjääminen)
b) (Uudelle datalähtöiselle
liiketoiminnalle)
Laadi datainventaari
Tee mahdollistaja-analyysi
liiketoimintamahdollisuuksia
vastaan
Luo tiekartta nopeille voitoille ja
pitkän ajan
liiketoimintamahdollisuuksille
Liiketoimintamahdollisuudet Datamahdollistajat Tiekartta

Niina Hagman
Senior Data & Analytics Strategist
DAIN Studios
niina.hagman@dainstudios.com
+358 44 984 3518
@ninsku
KIITOS!

Opi lisää!
• AI for Everyone course (Coursera)
• Elements of AI (Helsingin Yliopisto & Reaktor)
• #Mimmitkoodaa

�ݺ�ߣ

Data ja tekoäly asiakaskokemuksen ja brändin kehittämisen taustavoimana

Recommended

More Related Content

Similar to Data ja tekoäly asiakaskokemuksen ja brändin kehittämisen taustavoimana (20)

Data ja tekoäly asiakaskokemuksen ja brändin kehittämisen taustavoimana