Med denne metoden kan bedrifter bedre tilpasse teknologien til kundens ønsker

KUNNSKAP FRA KRISTIANIA: Teknologi og produktutvikling

Høyteknologibedrifter står overfor et stort paradoks. På den ene siden vet kundene ofte ikke hvilke spesifikke behov de har. På den andre siden må høyteknologibedriften hele tiden måle pulsen på markedet for å kunne være konkurransedyktig.  

Et eksempel kan være å utvikle fremtidens billettsystemer for offentlig transport. Det er ikke lett for brukere å tenke seg hvilke billettsystemer som kan utvikles i fremtiden. Er billetten knyttet til en app eller et kort? Er prisen for reisen knyttet til reisens distanse eller tid? Eier en person billetten, eller kan den deles med andre i familien? Det avgjørende er ikke hva høyteknologibedriften klarer å utvikle, men heller hva kundene vil ta i bruk. 

Å samle god kundebasert informasjon i høyteknologimarkeder er vanskelig fordi kundene ikke alltid er klar over hvilken teknologi som eksisterer, og hvordan teknologien kan dekke fremtidens behov.  

Kombinasjoner av egenskaper 

Det er mulig å undersøke kundenes behov ved å benytte seg av en “conjoint” analyse, som gjør det mulig å statistisk forutse hvilke kombinasjoner av egenskaper kundene mest sannsynlig vil ta i bruk.  

Metoden starter med å presentere et helhetlig produkt med flere egenskaper og deres spesifikke former. I eksempelet med fremtidens billettsystem, kan produktet beskrives i form av følgende egenskaper og former: 

• Billetten (i form av app eller kort)
• Pris (basert på distanse eller tid) 
• Eierskap (individ eller gruppe) 

Basert på egenskaper og former kan høyteknologibedriften presentere helhetlige produkter med ulike kombinasjoner for kundene. Resultatet av studien vil avdekke hvilke kombinasjoner som har størst sannsynlighet for å bli tatt i bruk av kundene. I eksempelet nevnt ovenfor, kan det vise seg at mesteparten av kundene foretrekker at billetten er i form av app, pris er basert på distanse, og eierskapet kan deles med flere folk.  

Denne metoden kan også brukes til å undersøke produkter med egenskaper og former som ennå ikke finnes på markedet. Det gjør metoden godt egnet for produktutvikling. 

Hva kundene ønsker, og ikke ønsker 

Vi har tidligere gjennomført en studie av bruk av teknologi ved salg av laks der vi benyttet oss av en “conjoint-analyse" for å studere teknologiutvikling innen varehandel. Egenskapene som ble definert i studien, var: 

• Pris (fast pris/variabel i sanntid)  
• Holdbarhet (standard holdbarhetsdato/kontinuerlig oppdatert) 
• Kvalitet (standard merke fra leverandøren/andre kunders vurdering) 

 Resultatet av studien viste at den ideelle kombinasjonen av informasjon var fast pris, kontinuerlig oppdatert informasjon om fiskens holdbarhet og informasjon om andre kunders vurdering.  

Funnene viste klart at kundene ikke ønsket en variabel pris i sanntid. Årsaken kan være at en variabel pris skaper usikkerhet og irritasjon hos kundene. Hva vil prisen være om jeg venter en dag med å kjøpe produktet?  

Moralske, teknologiske valg 

Slike studier har også blitt brukt til å studere langt mer alvorlige tema knyttet til utvikling av høyteknologi. Studien som heter «The Moral Machine Experiment» baserte seg nettopp på en slik tilnærming. Deltakere i studien ble presentert for fiktive nødsituasjoner. De kunne velge om selvkjørende biler skulle «fortsette å kjøre på den samme veien, men skade folk som er på veien» eller «skifte kjøreretning som ender med å skade de som er i bilen».  

Formålet med studien var å forutse menneskers avgjørelser basert på hvem som er på veien eller i bilen, slik at selvkjørende biler i prinsippet kan bruke lignende beslutninger. Forfatterne presenterte en rekke scenarioer, og analyserte hvilke egenskaper og former som hadde mest innvirkning på å spare de som gikk på veien eller de som satt i bilen. Blant annet brukte de disse egenskapene og formene. 

• Arter (kjæledyr/mennesker) 
• Antall (få mennesker, mange mennesker) 
• Alder (eldre mennesker/unge mennesker) 

Tilpasser teknologien til menneskelige valg 

Resultatet viste at kombinasjonen av former nevnt ovenfor som deltakeren prioriterte var mennesker fremfor dyr, mange mennesker og unge mennesker. Denne kombinasjonen kan da i teorien bli brukt av selvkjørende biler i nødsituasjoner. Selvfølgelig så kan vi også be bilen om å alltid kjøre rett fram i nødsituasjoner slik at kjøretøyet i prinsippet aldri tar et valg som forfatterne nevner.  

Kanskje så vil vi ikke kunne bruke resultater fra studien med det første, men en slik tilnærming gjør det mulig å analysere hvordan vi kan tilpasse teknologi til komplekse menneskelige avgjørelser.  

Referanser:  

Awad, E., Dsouza, S., Kim, R., Schulz, J., Henrich, J., Shariff, A., ... & Rahwan, I. (2018). The moral machine experiment. Nature, 563(7729), 59-64. 

Fagerstrøm, A., Eriksson, N., & Sigurdsson, V. (2020). Investigating the impact of Internet of Things services from a smartphone app on grocery shopping. Journal of Retailing and Consumer Services, 52, 101927. doi:https://doi.org/10.1016/j.jretconser.2019.101927 

Mohr, J. J., Sengupta, S., & Slater, S. F. (2010). Marketing of high-technology products and innovations: Pearson Prentice Hall. 

Tekst: Professor Asle Fagerstrøm og doktorgradsstipendiat Nikola Ljusic, Avdeling for økonomi, innovasjon og teknologi, Høyskolen Kristiania

Vi vil gjerne høre fra deg!   

Send dine spørsmål og kommentarer til denne artikkelen på E-post til kunnskap@kristiania.no.