Klarna 因效率提升而受到關注 — 我們在兩年內從 ~5500 人縮減到 ~3000 人。但我一直強調 AI 只是這個故事的一部分。 以下是我們如何擺脫分析/癱瘓，進入客戶至上和以中心為中心的方法：

一年前，3500 名 Klarna 員工中有 ~500 人進行了分析，包括儀錶板、轉化率、KPI。我們使用了大量工具：Amplitude、ClickSense、Google Dashboards、Datadog、FullStory 等。很多。 然而，我們經常會在我們的產品中發現明顯的問題......

受到 Toyota 的 Gemba 會議的啟發，我們召集了大約 20 個這樣的團隊，向我們展示他們的日常工作 — 真實的實際工作，而不是精美的報告。很快就發現：太多的重複，太多的儀錶板，太少的真正見解。我們剛剛向其他人提供了一些方向性見解。

或者更糟糕的是，我們最終討論了格式和測量方式。或者只是將問題交給某人進行調查，然後讓其他人查看它，依此類推...... 很多時候，會話被標記以生成控制面板，但標籤位於錯誤的位置......

我們決定從根本上簡化。我們創建了一個新的“成功團隊” 只關注兩件事： FullStory 用於可視化會話重放（隱私安全！ 直接致電客戶 — 尤其是那些有投訴的客戶，詢問反饋並解決他們的問題。

更重要的是，我們為工單制定了新的質量標準。為了在 Klarna 中“委派”，工單必須符合我們的質量標準，才能成為“可作的見解”

是什麼使洞察在 Klarna 「可作」？清晰的視覺效果/螢幕截圖、具體的問題定義、建議的修復方法、簡單的財務影響估計、所需的工作量和明確的擁有權。

由此產生的可行見解讓我們大吃一驚。許多是需要工作數天才能實現的數百萬美元的機會。但由於擁有權不明確，「沒有人想到他們」等等，所以一直受到監督。修復網站上的內容，修復一些副本等

有些更複雜，更難修復。隨著我們擴展數據模型以獲得可作的見解，我們開始列出解決工單所需的團隊數量。現在，這已經開始指導我們瞭解組織結構和系統結構。如果一個簡單的修復需要很多...

團隊 OR 需要從許多地方簽字，這本身就是一個壞兆頭。 有些人質疑;你怎麼知道我們正在追逐重要的問題？也許這個客戶問題很少見，修復並不那麼重要。 嗯，這很容易，超越了影響/努力的排名

我們還有另一個朋友幫助我們確定優先順序。它被稱為“概率” 我們與顧客談論稀有物品的可能性，與挑選普通物品的可能性非常罕見......根據定義。

我明白了，你可能會說： 真的 20 年過去了，現在你意識到了。當然，你說得對，我們應該在20年前就這樣做。但現在我開始在 Klarna 中看到我以前從未見過的真正客戶至上。如果我們到目前為止是如何做到的已經走到了這一步..

真的強烈推薦 @fullstory 與我合作真是太棒了，並且有很好的隱私解決方案！

真的強烈推薦 @fullstory 與我合作真是太棒了，並且有很好的隱私解決方案！