Avainasiakkuudet vaativat ihmissuhteita – onko tekoälyllä paikkaa KAM-työskentelyssä?

Avainasiakkaat – yrityksen kannalta erityisen tärkeät asiakkaat – vaativat erityistä huomiota ja ihmisten väliset henkilökohtaiset suhteet nousevat näissä merkityksellisiksi. Jääkö tekoälylle paikkaa avainasiakkuuksien johtamisessa?

→ Webinaari: Kuinka tekoäly tehostaa KAM-työskentelyä

Avainasiakkuuksien johtaminen (Key Account Management, KAM) voidaan määritellä esimerkiksi seuraavien toimenpiteiden kautta:

• ostavien ja potentiaalisten, strategisesti tärkeiden asiakkaiden systemaattista analysointia,
• toimenpiteiden valintaa ja
• toteuttamista pysyvän kilpailuedun saavuttamiseksi.

Koska kyse on strategisesti tärkeistä asiakkaista, näihin yleensä myös panostetaan enemmän: asiakkuus on yleensä yhden ihmisen vastuulla, mutta asiakkuuden parissa työskentelee organisaatiossa useita ihmisiä.

Tässä kohtaa moni kysyy: voiko tekoäly oikeasti auttaa asiakassuhteiden johtamisessa? Eikö kyse ole nimenomaan ihmissuhteista? Hyvä kysymys. Vastaus: kyllä voi – jos ymmärretään, mitä tekoäly tekee, ja mihin sitä kannattaa käyttää.

Tekoäly tukee ihmistä, ei korvaa

Onnistumisen avaimet KAM-työssä liittyvät olennaisesti kyvykkyyteen ymmärtää avainasiakkaan liiketoimintaa (esim. nykytilanne, toimintaympäristö, vahvuudet, heikkoudet) sekä siihen liittyviä mahdollisuuksia ja uhkia (esim. lainsäädäntö, trendit, teknologia). Näihin asioihin liittyvä ymmärrys ja kyky visioida tarjoavat pohjan rakentaa asiakkaan liiketoimintaa hyödyttäviä ratkaisuja. Haasteeksi on kuitenkin monesti osoittautunut se, ettei avainasiakkuutta johtavalla henkilölle ole tarvittavia resursseja – monesti ennen kaikkea aikaa – laatia esimerkiksi tarvittavia analyysejä, joita edellä kuvattu ymmärrys vaatii.

Onnistumisen avaimet KAM-työssä liittyvät olennaisesti kyvykkyyteen ymmärtää avainasiakkaan liiketoimintaa sekä siihen liittyviä mahdollisuuksia ja uhkia.

Olen vuosien varrella auttanut monia yrityksiä kehittämään KAM-työskentelyä. Usein käsitys sekä yksittäisen asiakkuuden nykytilanteesta että kehittämisestä perustuu enemmän asiakkuutta hoitavan henkilön tuntumaan kuin varsinaiseen dataan. Tuntuma itsessään voi olla oikea – tai sitten ei. Perustelut jäävät väistämättä hatariksi, mikäli dataa ei ole. Asiakkuuteen liittyvän datan kerääminen ja analysointi on monesti työlästä ja osittain siksi se jää tekemättä.

Tekoäly ei korvaa ihmistä neuvottelupöydässä, vie asiakasta lounaalle eikä ratkaise luottamuspulaa asiakassuhteessa. Mutta tekoäly voi analysoida dataa ja auttaa näkemään sen, mitä ihminen ei ehdi tai osaa huomioida: heikot signaalit, toimialan ja toimintaympäristön muutokset, asiakaskäyttäytymisen muutokset ja datasta löytyvät mahdollisuudet.

Tekoäly ei ole taikuutta. Käytännössä se tarkoittaa algoritmeja, jotka oppivat kaavoja datasta ja tekevät niiden pohjalta ennusteita, suosituksia tai valintoja. Kun tähän yhdistetään tekoälyagentit – itsenäisesti toimivat, tiettyyn tehtävään koulutetut tekoälysovellukset – voidaan automatisoida ja tehostaa avainasiakkuustiimin työtä ilman, että kontrolli katoaa.

Miten tekoäly parantaa KAM-työskentelyä?

Tekoälyn hyödyntämiskohteita löytyy paljon. Tässä kolme eri kategoriaa avainasiakkuuksien johtamiseen:

1. Syvempi asiakkaan ymmärrys

Tekoäly voi yhdistää asiakasdataa eri lähteistä – CRM:stä, tiketöintijärjestelmästä,  projektihistoriasta, jopa avoimista lähteistä – ja rakentaa kokonaiskuvan asiakkaan tilanteesta. Se tunnistaa muutostrendejä, analysoi asiakkaan ympäristöä ja markkinoita ja nostaa esiin asioita, jotka muuten hukkuisivat taustakohinaan.

Käytännössä tekoäly voi rakentaa esimerkiksi SWOT- ja PESTEL-analyysit asiakkaasta, joita myyjä voi täydentää oman kokemuksensa pohjalta. Tämä nopeuttaa työskentelyä, mutta voi myös nostaa esiin uusia näkökulmia asiakkuuteen.

2. Vapauttaa aikaa olennaiseen

Rutiinit, muistutukset ja sisäiset koonnit vievät aikaa. Tekoälyagentit voivat automatisoida statuspäivitykset, tehdä kokouksista yhteenvedot tai valmistella asiakaskohtaamisia. Tiimi voi keskittyä siihen, missä ihminen on korvaamaton: vuorovaikutukseen ja luottamuksen rakentamiseen.

Yksinkertaisimmillaan generatiivinen tekoäly voi esimerkiksi luoda luonnoksen asiakkaalle lähetettävästä sähköpostista. Ja tekoälyagentti viedä automatisointia vielä pidemmälle.

3. KAM-työskentelyn johtaminen tiedolla

Liian moni asiakkuusstrategia perustuu parhaaseen arvaukseen. Tekoälyn avulla analytiikka voidaan tuoda aidosti operatiiviseksi: mitkä toimenpiteet oikeasti vaikuttavat asiakkuuden kehittymiseen ja tehdäänkö näitä tarpeeksi? Missä kohtaa asiakastyytyväisyys notkahtaa – ja miksi? Kun data ei jää taulukoiden ja tietokantojen vangiksi, päätökset paranevat.

Aina tiedolla johtaminen ei tosin vaadi tekoälyä. Joskus esimerkiksi oikea datan visualisointi oikeassa paikassa on paras ratkaisu. Tekoälyltä pystyy kuitenkin esimerkiksi kysymään kysymyksiä, joita ei ole tullut mieleen aikaisemmin.

→ Webinaari: Tableau Next – Seuraavan sukupolven analytiikkaa Salesforcessa

Kuinka tuoda tekoäly avainasiakkuustyöskentelyyn?

Tekoäly ei auta, jos data on hajallaan, prosessit epäselvät ja roolit epävarmat. Teknologia ei ratkaise sekavaa toimintamallia, joten ensimmäiseksi suosittelemme segmentoimaan asiakkaat ja miettimään, mitkä asiakkuudet oikeasti täyttävät avainasiakkuuden kriteerit (ostava, potentiaalinen & strategisesti tärkeä). Olen monta kertaa törmännyt siihen, että avainasiakkaan määritelmä on epäselvä ja seurauksena on, että avainasiakkaiksi kutsuttuja asiakkaita on kymmeniä tai satoja.

Seuraava vaihe on rakentaa selkeä toimintamalli avainasiakkuuksien johtamiseen (sekä myös muihin asiakassegmentteihin). Kolmanneksi tulisi varmistaa myös, että käytössä oleva CRM-järjestelmä tukee näitä toimintamalleja ja mahdollistaa tekoälyn saumattoman hyödyntämisen esimerkiksi tekoälyagenttien kautta.

Ei kannata jäädä odottelemaan, sillä hukattu aika tarkoittaa myös arvokkaita hukattuja kokemuksia ja oppeja.

Tämän jälkeen on käärittävä hihat ylös ja lähdettävä tekemään. Ei kannata jäädä odottelemaan, sillä hukattu aika tarkoittaa myös arvokkaita hukattuja kokemuksia ja oppeja. Usein kannattaa valita yksi selkeä käyttökohde, kuten turhautumista aiheuttava rutiini tai erityisen potentiaalinen mahdollisuus, ottaa se käyttöön ja kerätä kokemuksia. Näiden kokemusten pohjalta käyttöä voidaan laajentaa.

Salesforce-käyttäjät ovat tässä hyvässä asemassa: järjestelmä saadaan helposti tukemaan toimintamalleja ja Agentforcen avulla ensimmäiset tekoälyagentit voidaan rakentaa nopeasti.

Jos haluat kuulla lisää tekoälyn hyödyntämisestä avainasiakkuuksien johtamisessa ja nähdä aiheesta myös käytännön demon, voit ilmoittautua webinaariimme “Kuinka tekoäly tehostaa KAM-työskentelyä?” Ja jos haluat perehtyä nykypäivän avainasiakkuuksien johtamiseen, tästä voit ladata oppaan “Key Account Management 2.0 – Avainasiakkuuksien johtaminen tekoälyn aikakaudella”.