NPS-kriisi - ja miten se ratkaistaan
Parinkymmenen vuoden historiansa aikana asiakkuuksien johtamisen tunnusluvuista suosituin, NPS eli nettosuositteluarvo, on ehtinyt pitkälle. Nykyisellään jo kaksi-kolmasosaa Fortune 1000 -yrityksistä käyttää sitä - eikä suosio ole juuri vähäisempää täällä rapakon toisellakaan puolella. Voidaanko siis puhua NPS-kriisistä, ja miksi?
NPS:n keskeisiin kehittäjiin kuuluva Bain & Company:n Fred Reichheld on todennut, että pelkkää NPS-lukua oleellisempaa ovat sen taustalla olevat tekijät - siis se, miksi lukema on sellainen kuin on. Selvällä suomen kielellä tämä tarkoittaa, että emme voi tuudittautua vain tuijottamaan tämänkään tunnusluvun muutoksia miettimättä, mikä muutoksia ajaa.
NPS:n laaja käyttö yhdistettynä vähäiseen taustoitukseen muodostavat riskialttiin yhdistelmän. Luku itsessään peittää taustallaan olevat ilmiöt - sen muutoksen taustatekijät voivat elää omaa elämäänsä toisensa vaikutukset kumoten ja ilman kunnon työkaluja emme tiedä mitkä organisaatiomme NPS:n ajurit ovat.
Onneksi on olemassa ratkaisu. Perinteisten porautumis- ja pureutumismahdollisuuksien ja normeerauksen lisäksi olemme täydentäneet NPS-perusteisen tiedolla johtamisen työkalupakkia vahvalla diagnostisella työkalulla - tekoälyhaastattelulla ja roolikohtaisilla raporteilla tiivistelmineen ja toimenpidesuosituksineen.
Tekoälyhaastattelu on vastalääke NPS:n ongelmiin
Mitäpä jos ajatellaan koko prosessi uusiksi. Perinteisesti NPS on ollut osa pitkähköä kysymyssarjaa ja parhaimmillaan eri suositteluarvon antajia tai näiden ryhmiä (arvostelijat, passiiviset ja suosittelijat) on segmentoitua erojen löytämiseksi.
Tämä sinänsä ansiokas tapa tutkia ei ole suoranaisesti antanut toimenpide-ehdotuksia - tai ne on ainakin täytynyt kaivaa esiin kovalla työintensiivisellä analyysilla. Tämä voisi vielä menetellä, mutta miten toimia jos ja kun aineisto muuttuu jatkuvasti ja analyysitarpeet syvenevät sen edetessä. Lisäksi vastaajat, yleensä asiakkaat, ovat antaneet rutkasti arvokasta aikaansa vastatakseen laajaan kysymysten kattaukseen.
Ratkaisu: kyselyjä voidaan tiivistää menettämättä merkittävässä määrin niiden selitysvoimaa. Tapa on yksinkertainen. Kysytään kyselyn alkuvaiheessa NPS ja sen jälkeen annetaan generatiivisen tekoälyn haastatella vastaaja suosittelun juurisyiden löytämiseksi. Eli esimerkiksi henkilön antaessa kiitettävän palautteen häneltä kysytään, miksi hän oli näin tyytyväinen? Mikäli hän vastaa esimerkiksi asiakaspalvelun olleen hyvää, tekoäly kysyy miltä osin palvelu oli esimerkillistä.
Prosessin pituutta voidaan säätää, se voi olla pari kysymystä tai vaikkapa, Lean johtamisesta tuttu, viisi kertaa miksi -metodi. Koko tämä osio käydään tyylikkäästi tekoälyn haastattelulla ja lopuksi vielä summataan asiakkaalle hänen antamansa palaute suoraan omalla kielellä.
Asiakkaat rakastavat tilannetta! Vastaaminen vie murto-osan aiemman prosessin ajasta ja analyysissa ette menetä käytännössä lainkaan syvyyttä, päin vastoin.
Tiedon tiivistämismetodeina tekoälyanalyysi ja johdon tiivistelmä
Analyysipuolella NPS-kriisin ratkaisussa hyödynnetään yhtä lailla generatiivista tekoälyä. Riippumatta aineiston laajuudesta se voidaan tyypitellä ja vetää yhteen siten, että nähdään, mitkä tekijät vaikuttavat eniten positiivisiin tai negatiivisiin arvioihinne. Esiin nousee kymmenisen teemaa, jotka parhaiten selittävät NPS:nne vaihtelun.
Kuva. Tekoälyhaastattelun yhteenveto näyttää NPS:n kannalta merkittävät tekijät.
Aineiston muuttuessa merkittävästi teemoittelu suoritetaan uudelleen. Tämä on automaattista eli ette joudu tekemään työläitä analyysivaiheita käsin uudelleen. Teemoittelun lisäksi käytössänne on myös tekstimuotoinen tiivistelmä teemaan liittyen. Näin päästään käsiksi NPS:n juurisyihin - juuri kuten Reichheldkin on metodia suunnitellessaan ajatellut.
Kuva. Raportin kohdistaminen yleisölle on helppoa.
Tekoälykehityksen edetessä kiihtyvään tahtiin olemme päässeet toteuttamaan myös johdon tiivistelmä -ominaisuuden (executive summary), joka kertoo avoimella tekstillä tärkeimmät löydökset. Tätä voidaan vieläpä tarkentaa siten, että annetaan tekoälylle tieto raportin lukijan roolista. Näin ollen sama data voidaan näyttää esim. toimitusjohtajan, myyntijohtajan tai laatukoordinaattorin kannalta oleellisilla johtopäätöksillä ja toimenpidesuosituksilla.
Kuva. Johdon tiivistelmä analysoi tarkalleen, mihin toimenpiteisiin aineiston antaa aihetta.
Näin tarkasteltuna NPS:n käytettävyys nousee, kuin itsestään aivan uudelle tasolle. Ymmärrys NPS-ajureista vahvistuu ja kehittämistoimenpiteitä on helppo käynnistää - jopa nopeasti muuttuvilla toimialoilla, joilla datan hyöky on valtava.
Toivottavasti tämä uutiskirje on tarjonnut sinulle ajattelemisen aihetta tai ainakin innostanut pohtimaan omaa NPS:ää ja sen pohjalta tehtävää kehittämistä! Jos tykkäsit sisällöstä, vinkkaa uutiskirjeestä kaverillekin.
Tsemppiä tiedolla johtamiseen!
Lopuksi vielä pohdittavaa työpaikan kahvipöytään
Mikä teidän yrityksellenne on historian saatossa eniten NPS:n vaikuttanut yksittäinen tekijä?