Klarna krijgt aandacht voor efficiëntiewinst—we zijn in twee jaar tijd van ~5500 naar ~3000 mensen gekrompen. Maar ik heb altijd benadrukt dat AI slechts een deel van dat verhaal is. Hier is hoe we zijn ontsnapt aan analyse/paralyse en zijn overgestapt naar klantobsessie en klantgerichtheid:

Een jaar geleden deed ongeveer 500 van de 3500 Klarna-medewerkers aan analytics—dashboards, conversieratio's, KPI's. We gebruikten tonnen tools: Amplitude, ClickSense, Google Dashboards, Datadog, FullStory, enzovoort. Het was veel. En toch konden we vaak voor de hand liggende problemen in ons product vinden...

Geïnspireerd door de Gemba-sessies van Toyota, hebben we ongeveer 20 van zulke teams verzameld om ons hun dagelijkse werkzaamheden te laten zien - echt werk, geen gepolijste rapporten. We zagen al snel: te veel herhaling, te veel dashboards, te weinig echte inzichten. We hebben zojuist enkele richtinggevende inzichten naar iemand anders verzonden.

Of nog erger, we eindigden met het debatteren over het formaat en de manier van meten. Of we gaven het probleem gewoon door aan iemand anders om te onderzoeken, die dan weer iemand anders zou vragen om ernaar te kijken, enzovoort... Vaak werden sessies gemarkeerd om dashboards te produceren, maar de markering stond op de verkeerde plek...

We hebben besloten om radicaal te vereenvoudigen. We hebben één nieuw "succes team" gecreëerd. Gefocust op slechts twee dingen: FullStory voor visuele sessie-herhalingen (privacy-vriendelijk!) Direct klanten bellen—vooral degenen met klachten, om feedback te vragen en hun problemen op te lossen.

Belangrijker nog, we hebben een nieuwe kwaliteitsnorm ontwikkeld voor een ticket. Om "gedelegeerd" te worden binnen Klarna, moet een ticket voldoen aan onze kwaliteitsnormen voor het zijn van een "uitvoerbaar inzicht".

Wat maakt een inzicht "Actiegericht" bij Klarna? Duidelijke visuals/schermafbeeldingen, specifieke probleemdefinitie, voorgestelde oplossing, eenvoudige schatting van de financiële impact, benodigde inspanning en duidelijke verantwoordelijkheid.

De bruikbare inzichten die hieruit voortkwamen, verrasten ons. Veel waren kansen ter waarde van miljoenen dollars die dagen werk vereisten. Maar waren over het hoofd gezien door gebrek aan duidelijkheid over eigenaarschap, "niemand dacht eraan" en dergelijke. Dingen op de website verbeteren, wat tekst aanpassen, enz.

Sommige waren complexer en moeilijker op te lossen. Terwijl we ons datamodel voor actiegerichte inzichten uitbreidden, begonnen we het aantal teams op te sommen dat nodig was om tickets op te lossen. En dit heeft ons nu geholpen bij de organisatie- en systeemstructuur. Als een eenvoudige oplossing te veel vereist...

teams OF vereist goedkeuring van te veel plaatsen, wat op zich al een slecht teken is. Sommigen vroegen zich af; hoe weet je dat we de belangrijke kwesties aanpakken? Misschien is dit probleem van de klant zeldzaam, en is de oplossing niet zo belangrijk. Nou, dat is eenvoudig, voorbij de ranking van impact/inspanning.

we hebben een andere vriend die ons helpt prioriteiten te stellen. Het heet "waarschijnlijkheid" De kans dat we met een klant praten over een zeldzaam iets, versus het oppakken van een gewoon iets, is simpelweg zeldzaam... per definitie.

Ik begrijp het, je zou kunnen zeggen: Echt, 20 jaar verder en NU besef je het. Zeker, je hebt gelijk, we hadden dit 20 jaar geleden moeten doen. Maar nu begin ik echte klantobsessie binnen Klarna te zien op een manier die ik nog nooit eerder heb gezien. En als we zo ver zijn gekomen met hoe we het tot nu toe hebben gedaan..

Zeer sterk aanbevolen @fullstory Het is geweldig om mee te werken en heeft geweldige oplossingen voor privacy!

Zeer sterk aanbevolen @fullstory Het is geweldig om mee te werken en heeft geweldige oplossingen voor privacy!