Klarna får uppmärksamhet för effektivitetsvinster – vi krympte från ~5500 till ~3000 personer på två år. Men jag har alltid betonat att AI bara är en del av den historien. Så här kom vi bort från analys/förlamning och in i kundbesatthet och centricitet:

För ett år sedan gjorde ~500 av 3500 Klarna-anställda analyser – instrumentpaneler, konverteringsfrekvenser, KPI:er. Vi använde massor av verktyg: Amplitude, ClickSense, Google Dashboards, Datadog, FullStory, etc. Det var mycket. Och ändå, alltför ofta, kunde vi hitta uppenbara problem i vår produkt...

Inspirerade av Toyotas Gemba-sessioner samlade vi ett 20-tal sådana team för att visa oss deras dagliga jobb – riktigt arbete, inte polerade rapporter. Insåg snabbt: för mycket upprepning, för många instrumentpaneler, för få verkliga insikter. Vi har precis skickat lite riktningsinsikt till någon annan.

Eller ännu värre, det slutade med att vi debatterade formatet och sättet att mäta. Eller bara vidarebefordrade problemet till någon att undersöka som sedan skulle be någon annan att titta på det och så vidare ... Många gånger taggades sessioner för att skapa instrumentpaneler, men taggen var på fel plats...

Vi bestämde oss för att förenkla radikalt. Vi skapade ett nytt "success team" Fokuserad på endast två saker: FullStory för visuella sessionsrepriser (integritetssäker!) Ringa kunder direkt – särskilt de som har klagomål, be om feedback och lösa deras problem.

Ännu viktigare är att vi har utvecklat en ny kvalitetsstandard för en biljett. För att det ska kunna "delegeras" inom Klarna måste ett ärende uppfylla våra kvalitetsstandarder för att vara en "handlingsbar insikt"

Vad gör en insikt "Actionable" hos Klarna? Tydliga bilder/skärmdumpar, specifik problemdefinition, föreslagen lösning, enkel uppskattning av ekonomisk påverkan, ansträngning som krävs och tydligt ägarskap.

De användbara insikterna som kom ut av detta tog oss med storm. Många var möjligheter i miljonklassen som krävde flera dagars arbete. Men hade övervakats på grund av oklarhet i ägandet, "ingen tänkte på dem" och så vidare. Fixa saker på hemsidan, fixa lite copy osv

Vissa var mer komplexa och svårare att fixa. När vi utökade vår datamodell för användbara insikter började vi lista antalet team som krävs för att lösa ärenden. Och detta har nu börjat vägleda oss om organisationsstruktur och systemstruktur. Om en enkel lösning kräver för många...

lag OR kräver signering från till många ställen, det är ett dåligt tecken i sig. En del ifrågasatte; Hur vet du att vi jagar de viktiga frågorna? Kanske är detta kundproblem sällsynt, och lösningen är inte så viktig. Tja, det är enkelt, bortom rankningen av effekt/ansträngning

Vi har en annan vän som hjälper oss att prioritera. Det kallas "sannolikhet" Sannolikheten att vi pratar med en kund om en sällsynt sak, jämfört med att plocka upp en vanlig sak är helt enkelt sällsynt ... per definition.

Jag förstår, man kanske säger: Verkligen 20 år in och NU inser ni. Visst har du rätt, vi borde ha gjort detta för 20 år sedan. Men nu börjar jag se en äkta kundbesatthet inom Klarna på ett sätt som jag aldrig sett förut. Och om vi har kommit så här långt med hur vi har gjort det hittills.

Rekommenderar verkligen @fullstory Har varit fantastiska att arbeta med och har bra lösningar för integritet!

Rekommenderar verkligen @fullstory Har varit fantastiska att arbeta med och har bra lösningar för integritet!