KUNDECASE
Hva kundene har fått tilbake.
Hva vi har levert innen web, markedsføring og automasjon. Hvert case viser hvilke søyler som var med.
AEVON /web
Web
Fra å gjøre alt selv til å lede bedriften
Gründeren gjorde alt selv: nettbutikk, annonser og kundeoppfølging. Annonsene ble satt opp for hånd i Google og Facebook. Dette tok samlet flere dager i uken.
Vi bygget en optimalisert nettside og setter opp løpende kampanjer. Gründeren får en gjennomgang og sier bare start eller stopp. Skal noe endres, sender han bare en chat, så tar vi oss av resten.
Rutineoppgavene tar 80 % mindre tid, og minga.no fikk 92 av 100 i Google PageSpeed og SEO for Google og AI-søk etter optimalisering.
80 % er et anslag basert på gründerens tidsbruk før og etter.
Betalingsfeil oppdages før kundene merker dem
Feil i betalingsløpet (checkout) ble oppdaget manuelt gjennom testing, noe som kunne la problemer gå uoppdaget i flere uker før kunder selv meldte fra.
Implementerte automatisert overvåking og varsling for checkout-feil, som erstattet den manuelle testprosessen med kontinuerlig, proaktiv deteksjon.
Driften gikk fra å være reaktiv, avhengig av at kunder meldte feil, til proaktiv deteksjon, noe som ga raskere feilløsning.
AEVON /marketing
Marketing
Fra spredte kampanjer til testing som kan måles
Kampanjene og verktøyene var spredte, og det var vanskelig å se hva som faktisk virket.
Ny Google-søkekampanje, A/B-tester i Meta og vårt eget system for annonser.
Løpende verktøykostnad redusert med 24 000 kr i året, og annonser som måles og forbedres.
Kundetilbakemeldinger samles inn automatisk
Tilbakemeldinger fra kunder via live chat og sosiale meldingsplattformer ble håndtert manuelt av agenter, en prosess uten skalerbar, automatisert fangst av data. I en stor bank med mange retningslinjer og interessenter krevde det i tillegg et grundig forankringsarbeid å få en ny løsning på plass.
Ledet leveransen av en integrasjonsløsning som koblet et eksternt SaaS-verktøy for tilbakemeldinger inn i bankens kommunikasjonskanaler, slik at tilbakemeldinger ble samlet inn automatisk. Ansvar for teknisk analyse, kravspesifikasjon, integrasjonsdesign og koordinering på tvers av team. Fulgte løsningen gjennom implementering, UAT, go-live og overvåking etter lansering.
Prosjektet fjernet behovet for manuell agenthåndtering av tilbakemeldinger fullstendig. Ikke minst fikk forretningssiden endelig et mer solid datagrunnlag om kundetilfredsheten.
Fra Toralf S. Kvellands tid hos ABN AMRO, før han startet AEVON.
AEVON /ai
AI og automasjon
Fra 25 timer i uka til 5
Rutineoppgavene tok rundt 25 timer i uka, tid gründeren heller ville brukt på å drive bedriften.
Vi automatiserte rutinene, slik at de krever langt mindre manuelt arbeid.
Rutineoppgavene tar 80 % mindre tid, og rundt 900 timer frigjøres årlig.
Anslag basert på gründerens tidsbruk før og etter.
Endringer på dager i stedet for uker, og 190–240 timer spart i året
Survey-behandlingsarkitekturen var fragmentert, med repetisjon av kode på tvers av over 20 separate arbeidsflyter, noe som gjorde vedlikehold tungt og endringer trege. Forretningssiden måtte vente uker på ingeniørressurser for mindre justeringer.
Redesignet arkitekturen fra bunnen av: konsoliderte de repetitive delene til én sentralisert masterarbeidsflyt med datavask (sanitisering) og feilhåndtering.
Betydelig bedre pålitelighet og vedlikeholdbarhet, 190–240 frigjorte timer årlig, og forretningsteam fikk mulighet til å publisere endringer direkte, i stedet for å vente uker på ingeniørressurser.
Fra Toralf S. Kvellands tid hos ABN AMRO, før han startet AEVON.
51 % færre supporthenvendelser
Aktivering av betalingsmetoder genererte et høyt volum av repetitive supporthenvendelser på tvers av regioner, noe som belastet supportorganisasjonen.
Analyserte rotårsakene til henvendelsene og redesignet deler av aktiveringsprosessen gjennom automatisering og prosessforbedringer.
Relatert supportbehov ble redusert med 51 %.
Fra Toralf S. Kvellands tid hos Adyen, før han startet AEVON.
Vil du se lignende resultater hos dere?
Første kartleggingsmøte er gratis.