12.01.2016Blogi

Miksi tehdä reaaliaikaista analytiikkaa?

Osaatko kuvitella millaisia tämän päivän suositut verkkopalvelut olisivat ilman reaaliaikaista analytiikkaa ja käyttäjän toimintaan mukautuvia elementtejä? Millainen olisi Amazonin käyttökokemus, jos palvelu ei osaisikaan kertoa, mitä muut samaa tuotetta katselleet ovat ostaneet? Tuntuisiko Netflix yhtä koukuttavalta, jos et tietäisi mikä palvelussa on kulloinkin suosittua? Entä jos Twitter ei osaisikaan kertoa mitkä hashtagit trendaavat ympäri maailman? Aivan niin, ilman koukuttavia ja mielenkiintoa herättäviä elementtejään palvelut olisivat vain palveluita muiden joukossa.

Verkkopalveluiden jättiläiset ovat nostaneet esille kiinnostavia tapoja herättää asiakkaan mielenkiinto ja saada sitoutettua asiakas vierailemaan palvelussa myös tulevaisuudessa. Käyttökokemuksesta on luotu samalla sekä henkilökohtaista että yhteisöllistä. Nämä ominaisuudet mahdollistaa palvelun taustalla tehtävä analytiikka sekä jatkuva käyttäjien toimintaan reagointi.

Palveluiden reaaliaikakyvykkyys luo monenlaisia mahdollisuuksia asiakkaan sitouttamiseksi. Käyttötapaukset voivat olla erilaisia eri palveluissa ja niitä voidaan luokitella yleistasolla esimerkiksi seuraavasti:

1. Tarjotaan käyttäjälle juuri häntä kiinnostavaa sisältöä.

Sisällön kohdennus voidaan tehdä nykyiseen istuntoon tai historiatietoon perustuen ja vertaamalla käyttäytymistä esimerkiksi ennalta laskettuihin profiileihin. Palvelusta luodaan henkilökohtainen kokemus, jossa on parhaimmillaan myös sosiaalinen elementti.

2. Kohdennetaan mainontaa tai tuodaan esille transaktiomahdollisuuksia tilanteissa, joissa niitä muuten ei ole mielekästä tai edes mahdollista tarjota.

Kiinnostuksen kohteiden mukaan voidaan esimerkiksi tarjota kiinnostavia tuotepaketteja tai optimoida hintaa kysynnän mukaan. Näin markkinointi voidaan kokea olevan osa palvelua tyrkyttämisen sijaan.

3. Kerätään statistiikkaa verkkopalvelun käytöstä.

Tunnistetaan palvelupolkuja ja havaitaan missä tilanteissa ja olosuhteissa palvelua käytetään tietyllä tavalla. Tätä tietoa voidaan käyttää kahdessa edellisessä kohdassa tai palvelun myyntipotentiaalin tunnistamisessa.

Sen lisäksi, että käyttäjän kokemusta voidaan rikastaa esimerkiksi edellä kuvatuilla tavoilla, voidaan taustalla lisäksi jopa ennakoida asiakkaan toimintaa ennakoivan analytiikan keinoin. Tapahtumatietoa voidaan käsitellä heti, mikä parantaa esimerkiksi tuotesuositusten tehokkuutta sen mukaan, vaikuttiko kohdennus asiakkaan toimintaan vai ei.

Amazonin ja Twitterin kaltaiset verkkopalveluiden jättiläiset ovat osoittaneet mitä kaikkea reaaliaikakyvykkyys voi mahdollistaa. Digitalisaation ansiosta mahdollisia datalähteitä on enemmän kuin ikinä ja toisaalta ratkaisujen hintalappu laskee koko ajan. Onko sinulla varaa jättää palvelusi vain yhdeksi monista muista?

Tuomas Melin työskentelee Solitalla Data Scientistina ja hän on kiinnostunut erityisesti reaaliaikaisen analytiikan hyödyntämisestä.

Haluatko tietää lisää? Olemme avanneet verkkosivuillamme enemmän tuotteita ja ratkaisuja informaation hallinnan ja analytiikan problematiikkaan. Löydät meidät lisäksi aiheen tiimoilta 10.2. Solita HUB: Tietovaraston modernisointi -aamiaistilaisuudesta Finlandia-talolta. Kurkkaa ohjelma ja ilmoittaudu nopeasti mukaan!

Kurkkaa myös muut ajankohtaiset blogimme ja seuraa meitä twitterissä @SolitaOy #SolitaHub.