Att förstå kunden är en avgörande del av en lyckad produktutveckling. I mitt uppdrag på Grundfos, ett ledande globalt företag inom vattenpumpsindustrin, hade jag och mitt team som mål att genomföra insiktsarbete för att identifiera kundernas pain points och behov kring ett särskilt koncept för att kunna fatta strategiska beslut gällande förändringar av befintlig produktportfolio.
Detta arbete möjliggjorde inte bara en djupare förståelse av kunden och marknaden utan också en effektivisering av analysprocessen med hjälp av digitala verktyg. Framförallt skapade detta projekt grunden för att fatta strategiska beslut baserat på kundinsikter.
Här är min sammanfattning av arbetet, utmaningarna och lärdomarna.
Uppdraget och utmaningen
Uppdraget på Grundfos handlade om att förstå hur vi kunde vidareutveckla delar av en befintlig del av produktportfolion basert på kundinsikter. För att uppnå detta genomfördes 10 djupgående intervjuer med experter inom branschen. Vi kompletterade dessa intervjuer med en enkätundersökning för att samla ytterligare data.
Utmaningen låg i att hantera en enorm mängd detaljerad och nischad data på kort tid. Vi hade endast tre dagar för att transkribera, analysera och dra insikter från intervjuerna och enkäterna – en process som traditionellt kunde ta upp till två veckor.
Så löste vi det
För att möta utmaningen använde vi digitala verktyg och AI-lösningar, så som ett research repository (Dovetail) samt Microsoft Copilot. Dessa verktyg hjälpte oss att:
- Tematisera data – Vi utgick från våra hypoteser och använde Copilot för att snabbt sortera och gruppera data utifrån teman.
- Identifiera likheter och skillnader – Genom att iterera promptarna kunde vi analysera datan mer effektivt och identifiera viktiga insikter.
- Generera insikter – Med Grundfos mall för insiktsarbete kunde vi kvalitetssäkra och exportera färdiga insikter direkt till PowerPoint.
Resultatet var en dramatiskt förkortad analysprocess som sparade oss veckor av arbete.
Lärdomar från AI-användningen
En av de största insikterna från projektet är att AI inte är en ersättning för mänsklig kompetens, utan snarare ett komplement.
Här är några viktiga lärdomar:
Vikten av att skriva bra prompts
Att skriva tydliga och kontextuella prompts är avgörande för att AI ska kunna ge relevanta svar. Vi insåg att det är viktigt att ge bakgrundsinfo om datan som analyseras, inklusive regler och kriterier.
Kvalitetssäkring
Trots AI:s hastighet och effektivitet, måste insikterna kvalitetssäkras manuellt för att säkerställa att de inte är ur kontext. Detta var särskilt viktigt för oss eftersom vi hanterade väldigt detaljerad data.
Förberedelse och struktur
Genom att skapa en tydlig struktur för taggar och teman i datan redan innan analysen började, kunde vi ytterligare effektivisera processen. Detta är något vi kommer att prioritera i framtida projekt.
Resultat och tidsbesparing
Med hjälp av AI sparade vi upp till 80 arbetstimmar jämfört med en traditionell manuell analysprocess. Tid som vi annars hade behövt lägga på att manuellt gå igenom och klustra data kunde istället användas till att skapa insikter och förbereda presentationer för styrgruppen.
Utöver tidsbesparingen gav AI oss möjligheten att identifiera samband och insikter som vi själva kanske inte hade upptäckt. Verktygen hjälpte oss att bryta igenom barriärer som ofta uppstår när man är djupt inne i en stor mängd data.
Slutsats
Att arbeta med AI och digitala verktyg är inte "fusk" – det är ett smart sätt att utnyttja teknikens potential för att skapa värde snabbare och med högre kvalitet. Projektet på Grundfos visade att kombinationen av mänsklig expertis och AI kan ge fantastiska resultat, både i form av tidsbesparingar och nya insikter.
För framtida projekt kommer vi att lägga ännu mer fokus på att förbereda data och strukturera våra hypoteser för att utnyttja verktygen till fullo. AI är här för att stanna, och vi ser fram emot att utforska dess potential ännu mer.
Har du liknande utmaningar? Kontakta Juliana Brandt för att boka en konsultation.
