Forstå kundebehov detaljeret ud fra data, og tilpas dine løsninger løbende.



Bliv konkret og skab klarhed.

Der er gode indikationer på, at succesfulde data-drevne virksomheder designer løsninger ud fra dybdegående undersøgelser af kundebehov og købsproces. Derfor overrasker disse virksomheder ofte med helt nye løsninger, der flytter markedsandele.

Disse virksomheder arbejder ofte med feltstudier, bruger egne kundeerfaringer, henter inspiration fra andre brancher, og bruger i høj grad data, som grundlag for deres beslutninger. De er kendetegnet ved at være nysgerrige og lærende virksomheder, hvor der er stor sammenhæng mellem design af løsninger og de tilhørende data og analytics.  

De succesfulde virksomheder udnytter, at etablerede virksomheder ikke allerede har løst de væsentlige kundebehov, og at disse stadig kæmper med en datastruktur, der ikke er tilpasset den nye konkurrence.

De succesfulde tilpasser kundeløsningerne, så de passer meget præcist til den enkelte kunde. De går analytisk til værks, og det kræver en stærk og tilpasset datastrategi.

Dette kundefokuserede udgangspunkt kan mange lære af. Sørg derfor for, at udfordre de eksisterende løsninger løbende, og afsæt tid til refleksion.




Uber og Klarna - eksemplerne

Uber tilbyder, som etablerede taxa virksomheder, at transportere folk i bil fra A til B. Uber har bevidst valgt, at løse flere kundebehov end de etablerede taxa virksomheder, og har opnået betydelig succes hermed. Behovet for nemt, at kunne bestille en bil, og nemt og fleksibelt at kunne vælge størrelse og ”kvalitetsgrad” af bilen, løses nemt på Uber’s ”App”. En gruppe på 5 forretningsfolk har behov for en større og mere luksuriøs bil, end de 2 backpackere, selvom turen for alle går til lufthavnen. Uber udnytter geo-lokation og viser, hvor de potentielle biler befinder sig. Det giver kunden vished for, hvornår en valgt bil indfinder sig. Man kan se det. Kunder, der ønsker at anvende Uber, tilknytter et kreditkort til app’en, og betalingsprocessen sker automatisk, og ikke som en særskilt proces ved endestationen. For kunden løser det behovet for hurtig udstigning ved endestationen. Processen er optimeret til kundebehovene.  

Uber opnår samtidig ny indsigt. Registreringen af betalingskort, kombineret med samtykker, sikrer Uber et løbende overblik over den enkelte Uber-kundes trafikmønster, giver indsigt i kundens alder, køn, bopæl og andre socio-demografiske forhold, som Uber bruger som input til at tilpasse løsningerne yderligere til den enkelte kunde. Samtidig opsamler Uber information fra kunderne og chaufførerne, idet disse ”rater” hinanden. Al ny indsigt bruges, til at løbende at tilpasse løsningerne, og sikre Uber konkurrencemæssig styrke på markedspladsen. Dataene skaber værdi.

Disclaimer: Det gælder selvfølgeligt også for Uber, som helt generelt, at sås der tvivl om det etiske kodeks, overholdelse af love mv., så holder forretningsmodellen ikke på lang sigt.

Klarna er et andet eksempel på en succesfuld virksomhed, der løser en række kundebehov, som ikke er blevet løst af de etablerede virksomheder i øvrigt. I Klarnas tilfælde relateret til on-line shopping. Klarna løser et kundehehov for fleksible betalingsmuligheder, Klarna samler kundens afgivne bestillinger i en samlet oversigt, og løser et behov for de kunder, der hyppigt handler on-line: at få overblik over købene. Endelig tilbydes chats, så kunden kan få hjælp i forbindelse med eventuelle leveringsproblemer. Klarna løser blot nogle væsentlige, og åbenlyst meget efterspurgte, kundebehov, som ikke allerede var løst. De etablerede har måske overset disse, eller måske set disse, men ikke fået lavet løsningerne tids nok. Fakta er, at Klarna i dag har en markedsværdi på mere 10 mia. USD, ca. 85 mio. slutkunder, er tilknyttet 200.000 e-butikker, og beskæftiger 3000 medarbejdere. Klarna har få år på bagen.




Rolls Royce - eksemplet

Men der er også rigtigt gode eksempler på etablerede virksomheder, der har ændret deres forretningsmodel, så den bedre løser kundens behov.

Rolls Royce fabrikerer ekstremt kostbare og sofistikerede jetmotorer til flyselskaber globalt. Oprindeligt som et klassisk salg, gradvist dog også via leasing og andre finansielle løsninger. Oprindeligt opnåede Rolls Royce den største del af indtjeningen i form af eftersalg af vedligeholds- og reservedelsydelser. Konkurrencen i dette eftersalgsmarked tog til, og Rolls Royce oplevede at deres ”share of wallet” faldt. Som konsekvens har Rolls Royce udviklet en helt ny forretningsmodel, som igen har ændret det konkurrencemæssige styrkeforhold til Rolls Royce’s fordel, og som viser, at etablerede virksomheder godt kan, når det gælder.

Fra at sælge jet motorer lejes disse nu ud på timebasis, med tilknyttet vedligeholdelsesaftale. Den enkelte motor er blevet udstyret med en række sensorer, der i real-tid sender data tilbage til Rolls Royce, om status på motordelene mv. Dataene modelleres til indsigt, som bruges til at effektivisere vedligeholdsopgaven. På den baggrund kan Rolls Royce planlægge vedligeholdet af de enkelte motorer mere præcist og effektivt til gavn for alle parter. Flyselskaberne kan fokusere på det, de er gode til. Rolls Royce løser et kundebehov på en helt ny måde. Rolls Royce ændrede "spillereglerne" ved at bruge data. En win-win for virksomhed og brugerne.

Incitamentet for Rolls Royce til at træffe bedre beslutninger på baggrund af data og analytics er stort. For det afgør Rolls Royce’s finansielle resultater. Data er blevet Rolls Royce’s mest værdifulde aktiv. Og de opsamlede data kan endda også bruges som back-up for ”black boxes” på flyene, og som prognose grundlag for udviklingen i flytrafikken. Sidstnævnte et emne, der interesserer luftfartsanalytikere, konsulenter og journalister. Dataenes værdi stiger med anvendelsesmulighederne.

Flere etablerede virksomheder er, som Rolls Royce, i færd med at ændre forretningsmodel, og blive data-drevne. Alt baseret på detaljeret indsigt i kundebehov og design af nye kundeløsninger.




Er der uklarheder stiger risikoen for tilbageløb og forkerte løsninger.

De fleste etablerede virksomheder har helt givet visioner og tanker om nye kundeløsninger. Risikoen er, at disse visioner og strategier ikke blive konkretiseret tydeligt og tilstrækkeligt detaljeret, og uden tilstrækkelig sammenhæng til de i organisationen, der skal udvikle.  

Det øger risikoen i udviklingsarbejdet. En hypotetisk dialog, om end ret karikeret, illustrerer risikoen:

”Vi får mine bedste kollegaer på besøg til spisning, og skal have en rigtig hyggelig aften. Vil du ikke købe ind og gøre klar, da jeg har en travl dag?”

Hallo min kære: Jeg har lige købt den bedste culotte steg, og overvejer nu blot, om vi skal anvende vores grill eller bruge ovnen”. Endvidere har jeg købt stearinlys – det synes jeg lyder hyggeligt.

”Jamen kære, det går jo slet ikke, for mine kollegaer er alle vegetarer, og Ejner er allergisk overfor stearinlys.

Målgruppen og begrebet ”en hyggelig aften” er ikke beskrevet tydeligt nok. Sammenhængen mellem tanke og den handling, der skal for at tanken bliver til realitet er for svag. En mere detaljeret beskrivelse ville have sparet parret for fejlindkøb og tilbageløb i processen.

I en mere relevant kontekst: Hvis de kundebehov, der skal løses, for at bringe virksomheden i front, ikke er designet og beskrevet tilstrækkelig detaljeret så øges risikoen for fejlindkøb af teknologi, og for etablering af mangelfulde datamodeller. Det kan være indkøb af software og datamodeller, der skyder langt over det forretningsmæssige formål, eller omvendt ikke er tilstrækkelige til formålet.

Anbefaling: Vær nysgerrig og se Jeres virksomhed ”ude fra og ind”. Analyser data og brug indsigten herfra til at få detaljeret kundeindsigt. Bliv inspireret af hvad ”de bedste gør”, og forstå Jeres kunders behov – detaljeret. Så kan I skabe de bedste løsninger, og den organisatoriske klarhed om disse, der sikrer, at ingen er tvivl, og gør det der skal til. I modsat fald gætter organisationen, og I risikerer at der træffes forkerte beslutninger.


Mogens Kristensen

mk@mokon.dk

+45 21 69 53 40

MK_final-01png