Jobs-to-be-done i kombinasjon med AI: Effektivitet i kvalitative analyser

Denne artikkelen ble først publisert på analysen.no

‍

Å starte et prosjekt med faste rammer, post-it-lapper og definerte «jobber» kan virke rigid sammenliknet med en åpen, etnografisk tilnærming som jeg har så kjært. Jeg har derfor ofte foretrukket å utforske forbrukeres ideer og behov fritt, gjerne i form av etnografisk metode. Likevel, etter å ha forstått teorien bak JTBD, ser jeg nå hvor verdifull den er – spesielt når den kombineres med AI.

‍

Hva er Jobs-to-be-Done (JTBD)?

‍

Jobs-to-Be-Done er en forbrukerteori utviklet av professor Clayton Christensen ved Harvard Universitet, primært i forbindelse med innovasjon av nye produkter. Teorien handler om å forstå hvilken «jobb» et produkt eller en tjeneste skal utføre for forbrukeren.

‍

JTBD-eksempelet de fleste kjenner til handler om milkshakes. Et amerikansk fastfood-selskap ønsket å finne ut hvorfor kunder kjøpte milkshakes tidlig på morgenen. Gjennom observasjoner og intervjuer oppdaget de at milkshakes ikke ble kjøpt for smakens skyld, men som en praktisk frokost på vei til jobb. Den kunne drikkes med én hånd, var mektig nok til å mette og fungerte som et tidsfordriv i bilen. Dette innsiktsarbeidet førte til en optimalisering av milkshaken, blant annet med endret konsistens og praktisk emballasje – tilpasset «jobben» den gjorde for forbrukerne.

‍

Fra kompleks manuell kartlegging til effektiv bruk av AI

Tidligere var behovskartlegging og analyse av «alle jobbene» en tidkrevende, manuell prosess for kvalitativt-analytikere. Å finne ut hvilke behov et produkt dekker, og hvordan det kan utvikles videre, kategorisering og strukturering av dataene, tok lang tid.

‍

Med AI som verktøy har dette endret seg. Nå kan vi analysere store mengder data raskt og effektivt. AI kan kategorisere og strukturere kundedata, identifisere mønstre og oppdage nye muligheter som tidligere kunne ha blitt oversett. I JTBD-prosjekter kan AI brukes til å analysere eksisterende data som grunnlag for å identifisere «jobbene» et produkt eller en tjeneste kan fylle. Dette gjør ikke bare prosessen raskere, men også mer presis og kanskje mer overraskende?

‍

Kombinasjonen av JTBD og AI

Kombinasjonen av JTBD-metoden og AI gir oss det beste fra to verdener. Vi kan bruke AI til å analysere kundedata, avdekke behov og utvikle oversikter, mens vi som kvalitative analytikere kan legge til den nødvendige konteksten og menneskelige forståelsen. Ved hjelp av AI kan vi raskere gå fra innsikt til handling – og dermed skape produkter og tjenester som er skreddersydd til forbrukernes behov.

‍

Jobs-to-Be-Done handler til syvende og sist om å forstå drivere og behov – AI gjør denne prosessen smartere og mer effektiv. Forbrukeratferd kan kartlegges, struktureres og analyseres i større skala, og det gir en unik mulighet til å drive innovasjon basert på forbrukernes behov – bare raskere ved bruk av AI.

‍

‍

‍