Syvällinen asiakasymmärrys -työpaketti keskittyy hankkimaan tietoa todellisesta asiakasarvosta. Se saadaan potentiaalisten palvelujen, tuoteominaisuuksien ja muiden mahdollisten käyttäjien vuorovaikutuksesta tuotteen tai palvelun kanssa. Tavoitteena on mahdollistaa tietoon pohjaavia suunnitteluratkaisuja. Se onnistuu tiedonhankintamenetelmien, -tekniikoiden ja -työkalujen määrittelyn, kehittämisen ja arvioinnin kautta. Syvällistä ymmärrystä asiakkaista ja tuotteista ymmärrystä kertyy, kun tietoa kerätään jatkuvasti tuotteen reaaliaikaisesta käytöstä.

Liiketoiminnan tuotto – eli myyntivolyymi ja liikevaihto – paranee huomattavasti tuotteiden, palveluiden tai idea-pohjaisten toimintojen yhdistämisestä liiketoimintaan, käyttäen välitöntä asiakaspalautetta ja todennettua tietoa asiakasarvosta (trendit, markkinat, jne.).

Työpaketti

• tarjoaa monialaisia mekanismeja, joita yritykset voivat käyttää ennalta todentamaan innovatiivisia idea-, ominaisuus-, tuote-, palvelu- ja liiketoimintamalleja sekä tulevia asiakastarpeita
• tarjoaa tukea organisaatioille tietopohjaisten suunnittelupäätösten laatimiseen uusien ohjelmistopohjaisten tuotteiden ja palveluiden kehittämiseksi
• rakentaa vankkoja, automatisoituja palautejärjestelmiä sekä uusille että olemassa oleville tuotteille ja palveluille
• kehittää työkalupohjaista infrastruktuuria jatkuvaa kokeilua ja reaaliaikaista asiakaspalautetta varten, jota eri alojen organisaatiot voivat tehokkaasti käyttää
• toteuttaa kustannustehokkaasti massiivisia kokeita todellisilla käyttäjillä, yhdessä analyyttisten työkalujen kanssa, jotka ovat välttämättömiä tuotteiden ja palvelujen todellisen käytön tutkimiseen
• tutkii edistyneitä mekanismeja, kuten suosittelujärjestelmiä, asiakaskäyttäytymisen ennustamiseksi olemassa olevaa tietoa käyttäen, tai jäljittelemällä todellisia asiakkaita todennettujen mallien perusteella

Tutkimusalueet

• tiedonkeruu, reaaliaikainen palaute todellisilta asiakkailta todellisessa ympäristössä 
• tietojen analysointi, visualisaatio, tulkinta ja integraatio liiketoimintaan
• jatkuva kokeilu

Tiedonkeruu, reaaliaikainen palaute todellisilta asiakkailta ja todellisesta ympäristöstä

Tämä tutkimusalue keskittyy mekanismien, työkalujen ja menetelmien luomiseen, joilla voidaan kerätä käyttö- ja käyttäytymisdataa ja palautetta. Se kerää tietoa myös erilaisista trendeistä ja markkinoista, hyödyntää teknisiä ja kilpailutietoja, heikkoja signaaleja ja palvelutietoja. On tärkeää ymmärtää, millaista tietoa tulisi kerätä. Onko esimerkiksi käyttäjän pääasiallisena tavoitteena yhden tietyn ominaisuuden käyttö, eri ominaisuuksien yhdistelmä, vai koko uusi palvelu tai tuote? Asianmukaiset mittaustulokset tulee saada mittaustavoitteiden avulla, mukaan lukien liiketoimintaan liittyvät mittaukset, esimerkiksi innovaatiokirjanpito (mitä on opittu asiakasarvosta).

Päätavoitteena on kerätä käyttäjätietoa häiritsemättä itse käyttöä. Täydentäviä keinoja käyttäjäpalautteen ja muun tiedon keräämiseen tulisi kuitenkin hyödyntää. Tällaiset keinot käsittävät mm. perinteiset käytettävyystestit, haastattelut ja käyttäjien havainnoinnin, käyttäjätutkimukset, sekä aktiivisen käyttäjäpalautteen saaminen suoraan sovelluksista, sekä erilaiset sosiaalisen median kanavat, joissa käyttäjät keskustelevat, arvioivat sekä kritisoivat käyttämiään palveluita ja tuotteita. Tiedon keruun tulisi perustua tarkkoihin tieteellisiin periaatteisiin tiedonkeruusta ja kokeilusta, selvästi mukautettuna teollisuuden tarpeisiin. Tiedonkeruun ei esimerkiksi tulisi häiritä muuta tuotekehitystoimintaa.

Tietojen analysointi, visualisaatio, tulkinta ja integraatio liiketoimintaan

Kokeilun ja tiedonkeruun pääasiallinen tarkoitus on tuottaa tiedollinen perusta päätöksenteolle. Tämä edellyttää, että kerätty data analysoidaan asianmukaisesti ja tulkitaan oikein asianomaisten sidosryhmien toimesta. Asianmukaisten menetelmien ja työkalujen tulee olla helposti saatavilla ja sisäänrakennettu kokeilujärjestelmään. Tämä sisältää avoimen lähdekoodin ohjelmistot analysointia varten sekä muut työkalutuet OpenStack-alustaan rakennettuna sekä muut avoimen lähdekoodin ohjelmistoalustat. Tiedon tulkinnassa potentiaaliset eroavaisuudet käyttökontekstissa tulee ymmärtää ja ottaa huomioon vakavien virheellisten tulkintojen ja näistä seuraavien väärien päätösten välttämiseksi. Lopuksi tieto tulee esittää graafisessa muodossa ja sen tulee osoittaa suora yhteys asiakasarvoon ja liiketoiminnan tavoitteisiin, sekä mahdollistaa selkeästi tulkittavat vastaukset hyvän päätöksenteon tukemiseksi.

Jatkuva kokeilu

Tämä tutkimusalue keskittyy kokeellisen infrastruktuurin luomiseen, joka koostuu mekanismeista, työkaluista, prosesseista ja menetelmistä todellisessa elämässä tapahtuvien nopeiden kokeilujen tekemiseksi. Esimerkiksi innovatiiviset ominaisuudet, jotka eivät ole asiakkaille tuttuja, tulee testata mahdollisimman aikaisessa vaiheessa, jotta niiden todellinen arvo voidaan ymmärtää. Kokeellinen infrastruktuuri tulee voida helposti mukauttaa eri organisaatioiden tarpeisiin, jotta he voivat räätälöidä sen tehokkaasti omia tarkoitusperiään varten. Aluksi on tarpeellista analysoida, mitkä kokeelliset suunnittelu- ja testausmenetelmät soveltuvat eri tavoitteisiin ja asiayhteyksiin. Tämän analyysin perusteella tulisi saada tukea päätökselle sopivien suunnittelumenetelmien valinnasta. Lisäksi koekohteiden valintaa tulee paremmin ymmärtää ja opastusta kehittää.

Kun tavoitteena on asiakaspalautteen nopea kerääminen jatkuvan kokeilun kautta, kokeilujärjestelmän tulee olla pitkälle automatisoitu. Asianmukaisia mekanismeja ja työkaluja tällaiseen automaatioon tulee tunnistaa ja kehittää. Koeinfrastruktuuriin tulee myös sisällyttää konseptit suoritetuista kokeista saatujen tulosten tallentamiseen ja paketoimiseen. Kokeelliset tulokset voidaan esimerkiksi tallentaa yrityskohtaiseen “kokemustietokantaan”, joka kerää tiedon ja tukee edistynyttä asiakaskäyttäytymisen ja asiakasodotusten analyysiä. Tiloja ja laboratorioita, kuten ohjelmistotehtaita, voitaisiin perustaa luomaan kokeellisia objekteja (kuten prototyyppejä ja yksinkertaisimpia toimivia tuotteita).

← N4S aarrearkku eli miten tehdä ohjelmistobisnestä reaaliajassa