Asiakaskokemuksien ja -elämyksien mittaaminen on monille palvelualan yrityksille arkipäivää ja luontainen osa liiketoiminnan johtamista. Palvelun käyttäjiltä kerättävää tietoa hyödynnetään paitsi asiakasymmärryksen lisäämisessä, myös usein itse palveluiden kehittämisessä.

Itsearviointimenetelmien muistinvaraisuus haasteena

Asiakaskokemusta mitataan usein asiakastyytyväisyyskyselyin tai muun helposti kerättävän palautteen muodossa, vaikkapa sähköpostitse jälkikäteen lähetettävin palautelomakkein, tähtiarvioin tai hymynaamoja hyödyntäen. Perinteisten itsearviointimenetelmien, kuten jälkikäteen tehtävien kyselyiden ja haastatteluiden ongelmallisuus piilee kuitenkin siinä, että ne perustuvat muistinvaraiseen tietoon sekä oletukseen, että asiakas on halukas ja kyvykäs jakamaan todelliset tuntonsa ja mietteensä kokemuksistaan.

Jälkimmäiseen voi vaikuttaa mm. arviointitilanne, kysymyksenasettelu tai sosiaalinen paine, joka muokkaa käyttäytymistämme monissa tilanteissa esimerkiksi sosiaalisten normien tai miellyttämisen halun kautta.

Jälkikäteen tapahtuva itsearviointi perustuu oletukseen, että olemme kykeneviä havainnoimaan tuntemuksiamme reaaliaikaisesti, sekä prosessoimaan nämä havainnot kapasiteetiltaan rajallisesta työmuistista pitkäkestoisempaan säilöön, samalla itse kokemukseen uppoutuen ja sitä rehellisesti arvioiden. Tätä sangen visaista oletusta kritisoivat tutkimukset ovat jo pitkään painottaneet eroavaisuuksia niin sanotun kokevan minän (experiencing self) ja muistavan minän (remembering self) välillä (Kahneman & Riis, 2005).

Siinä missä itsearviointi metodina pohjautuu subjektiiviseen kokemukseen, eli siihen mitä koemme tiedostaen, tunnereaktiot tapahtuvat myös tiedostamattomina kognitiomme ja kehomme automaattisina prosesseina.

Tunnereaktioiden reaaliaikainen havannointi

Tunnereaktioiden merkitys asiakaskokemuksen mittaamisessa on viime aikoina alkanut korostua (Magids, Zorfas & Leemon, 2015). Avainasemassa on teknologian kehitys: tunnereaktioiden tutkiminen reaaliaikaisesti on helpottunut erilaisten biometristen mittareiden kehityttyä ja yleistyttyä.

Muun muassa konenäköön perustuva kasvon mikroilmeiden analysointi sekä sormiin kiinnitettävien elektrodien avulla tapahtuva ihon sähkönjohtavuuden ja sydämen sykkeen vaihtelun mittaus mahdollistavat tiedostamattomien tunnereaktioiden havainnoinnin myös laboratorio-olosuhteiden ulkopuolella.

On kuitenkin hyvä muistaa, että datan keräykseen tarvitaan aina suostumus tutkimukseen osallistuvilta. Koska biometriset menetelmät kajoavat myös tutkittavien fyysiseen koskemattomuuteen koetilanteessa, tulee kaikkien näitä menetelmiä hyödyntävien projektien pyytää lausunto tutkimussuunnitelmiensa eettisyydestä. Näin varmistamme, että hyvät tieteelliset käytännöt, joihin olemme myös Haaga-Heliassa sitoutuneet, toteutuvat.

Mittauskohteena varttuneempi väestö

Tunnereaktioita tullaan mittaamaan biometriikan avulla Haaga-Helian koordinoimassa HomeOpera – Digitaaliset sosiaaliset kulttuurielämykset -hankkeessa. Hankkeessa kehitetään senioreille räätälöityjä digitaalisia sosiaalisia kulttuurielämyksiä laajennetun todellisuuden teknologioita hyödyntäen.

Tunnereaktiot ovat yksi keskeinen mittari, kun tutkitaan teknologian vaikutuksia sosiaalisuuteen sekä koettuun yhteisöllisyyteen digitaalisten kulttuurielämysten kontekstissa. Aikaisempi tutkimuskirjallisuus on raportoinut positiivisia kokemuksia biometriikan hyödyntämisestä, kun mittauskohteena ovat varttuneemmat ihmiset (Stanley & Webster, 2019).

Tutkimuskirjallisuus on myös korostanut varsinkin digitaalisia palveluita varttuneemmille kehitettäessä käytettävyystestauksen merkitystä (Williams ym., 2013). Esimerkiksi Ouyang ja Zhou (2019) tutkivat yli 60-vuotiaiden käyttökokemuksia älytelevisioista, ja totesivat, että television käyttäminen kaukosäätimellä kosketusnäytön sijaan oli merkittävästi sujuvampaa etenkin yli 75-vuotiaiden kohdalla: TV:n käyttö nopeutui ja käyttäjät tekivät vähemmän virheitä.

Tunnereaktioiden mittaamisen avulla HomeOpera-hankkeessa yhteiskehitettävät digitaaliset kulttuurielämykset pystytään paremmin optimoimaan juuri tälle kohderyhmälle sopiviksi esimerkiksi toimivamman käyttöliittymäsuunnittelun kautta. Tulokset avartavat myös laajempaa ymmärrystämme tunnereaktioiden mittaamisen merkityksestä osana uusien digitaalisten palveluratkaisujen kehittämistä.

Lähteet:

• Kahneman, D. & Riis, J. 2005. Living, and thinking about it: Two perspectives on life. In Huppert, F., Baylis, N. & Keverne, B. The Science of Well-Being, s. 285-304. Oxford University Press. Oxford.
• Magids, S., Zorfas, A. & Leemon, V. 2015. The New Science of Customer Emotions. Harvard Business Review 76, s. 66-74.
• Ouyang, X. & Zhou, J. 2019. How to help older adults move the focus on a Smart TV? Exploring the effects of arrow hints and element size consistency. International Journal of Human-Computer Interaction 35, 10, s. 1420-1436.
• Stanley, J. & Webster, B. 2019. A comparison of the effectiveness of two types of deceit detection training methods in older adults. Cognitive Research: Principles and Implications 4, 26.
• Williams, D., Alam, M., Ahamed, S. & Chu, W. 2013. Considerations in Designing Human-Computer Interfaces for Elderly People. 13th International Conference on Quality Software, s. 372-377. URL: 10.1109/QSIC.2013.36.

Kuva: www.shutterstock.com