Klarna erhält Aufmerksamkeit für Effizienzgewinne – wir sind in zwei Jahren von ~5500 auf ~3000 Mitarbeiter geschrumpft. Aber ich habe immer betont, dass KI nur ein Teil dieser Geschichte ist. Hier ist, wie wir uns von Analyse/Paralyse hin zu Kundenobsession und -zentrierung bewegt haben:

Vor einem Jahr haben etwa 500 von 3500 Klarna-Mitarbeitern Analysen durchgeführt – Dashboards, Konversionsraten, KPIs. Wir haben eine Menge Tools verwendet: Amplitude, ClickSense, Google Dashboards, Datadog, FullStory usw. Es war viel. Und doch konnten wir oft offensichtliche Probleme in unserem Produkt finden...

Inspiriert von Toyotas Gemba-Sitzungen haben wir etwa 20 solcher Teams versammelt, um uns ihre täglichen Aufgaben zu zeigen – echte, tatsächliche Arbeit, keine ausgefeilten Berichte. Schnell wurde klar: zu viel Wiederholung, zu viele Dashboards, zu wenige echte Erkenntnisse. Wir haben gerade einige richtungsweisende Erkenntnisse an jemand anderen weitergegeben.

Oder noch schlimmer, wir haben am Format und der Art der Messung debattiert. Oder wir haben das Problem einfach jemandem übergeben, der dann jemand anderen gebeten hat, sich das anzusehen, und so weiter... Viele Male wurden Sitzungen mit dem Ziel gekennzeichnet, Dashboards zu erstellen, aber das Tag war am falschen Ort...

Wir haben uns entschieden, radikal zu vereinfachen. Wir haben ein neues "Erfolgsteam" gegründet. Fokussiert auf nur zwei Dinge: FullStory für visuelle Sitzungswiederholungen (datenschutzsicher!) Direkter Kontakt zu Kunden – insbesondere zu denen mit Beschwerden, um Feedback zu bitten und ihre Probleme zu lösen.

Wichtiger ist, dass wir einen neuen Qualitätsstandard für ein Ticket entwickelt haben. Damit es innerhalb von Klarna "delegiert" werden kann, muss ein Ticket unseren Qualitätsstandards für ein "handlungsrelevantes Insight" entsprechen.

Was macht eine Erkenntnis bei Klarna "umsetzbar"? Klare Visualisierungen/Screenshots, spezifische Problembeschreibung, vorgeschlagene Lösung, einfache Schätzung der finanziellen Auswirkungen, benötigter Aufwand und klare Zuständigkeit.

Die umsetzbaren Erkenntnisse, die daraus hervorgingen, haben uns umgehauen. Viele waren Millionen-Dollar-Chancen, die Tage an Arbeit erforderten. Aber sie wurden übersehen, weil es an Klarheit über die Zuständigkeit mangelte, "niemand hat daran gedacht" und so weiter. Dinge auf der Website reparieren, einige Texte korrigieren usw.

Einige waren komplexer und schwieriger zu beheben. Als wir unser Datenmodell für umsetzbare Erkenntnisse erweiterten, begannen wir, die Anzahl der Teams aufzulisten, die notwendig sind, um Tickets zu lösen. Und das hat uns jetzt dabei geholfen, die Organisationsstruktur und die Systemstruktur zu gestalten. Wenn eine einfache Lösung zu viele...

Teams oder erfordert die Genehmigung von zu vielen Stellen, was an sich ein schlechtes Zeichen ist. Einige fragten sich: Wie wisst ihr, dass wir die wichtigen Themen verfolgen? Vielleicht ist das Problem dieses Kunden selten, und die Lösung ist nicht so wichtig. Nun, das ist einfach, über die Einstufung von Auswirkungen/Aufwand hinaus.

Wir haben einen weiteren Freund, der uns hilft, Prioritäten zu setzen. Er heißt "Wahrscheinlichkeit" Die Wahrscheinlichkeit, dass wir mit einem Kunden über etwas Seltenes sprechen, im Vergleich dazu, etwas Gewöhnliches aufzugreifen, ist einfach selten... per Definition.

Ich verstehe, was du sagen möchtest: Wirklich, 20 Jahre sind vergangen und JETZT erkennst du es. Sicher, du hast recht, wir hätten das vor 20 Jahren tun sollen. Aber jetzt beginne ich, eine echte Kundenobsession bei Klarna zu sehen, wie ich sie noch nie zuvor gesehen habe. Und wenn wir so weit gekommen sind, wie wir es bisher gemacht haben..

Kann ich wirklich nur empfehlen @fullstory Es war großartig, mit ihnen zu arbeiten, und sie haben tolle Lösungen für den Datenschutz!

Kann ich wirklich nur empfehlen @fullstory Es war großartig, mit ihnen zu arbeiten, und sie haben tolle Lösungen für den Datenschutz!