Tässä blogissa perehdytään tekoälyn hyödyntämiseen asiakaskyselyiden personoinnissa, kun Google NotebookLM -tekoälysovelluksella tavoitellaan toimivaa ratkaisua. Teksti on osa Tekoäly matkailun myynti- ja markkinointiprosessien tukena -hanketta (AImama-hanke). Lähtöasetelmana oli kaksi restonomiopiskelijaa, joille tekoäly ja tällaiset projektit olivat uusia. Kovan pohdinnan ja työskentelyn päätteeksi loimme suhteellisen toimivan systeemin, jossa tulee huomioida pari muuttujaa: NotebookLM ei pysty luomaan sellaisenaan asiakkaille lähetettäviä kyselyitä ainakaan tällä hetkellä, vaan lisäksi tarvittaisiin joku toinen tekoälytyökalu. Kyselyt eivät ole visuaalisia eikä NotebookLM kykene lähettämään kyselyä itsenäisesti suoraan asiakkaalle. Asiakaslähtöisyys on kuitenkin koko projektin ydin ja sen tavoitteleminen tulosten keskiössä.

Google NotebookLM – Mikä se on ja miten se toimii?

Google NotebookLM (language model) on älykäs työkalu, joka tekee muistiinpanojen tekemisestä ja tiedonhallinnasta helpompaa kuin koskaan. Tekoälyyn perustuva sovellus auttaa luomaan tekstiä, ehdottaa korjauksia ja etsii olennaista sisältöä omista dokumenteistasi – kaikki samassa paikassa. (Google NotebookLM 2025.) Työkalu toimii parhaiten englannin kielellä, mutta myös suomen kieli toimii näppärästi.

Katso TÄSTÄ lyhyt video, miten tekoälysovellus toimii konkreettisesti (HUOM! Päivittynyt videon teon jälkeen ja esim. suomenkieliset “podcastit” ovat nyt saatavilla!).

Mikä on palvelupolku?

• Palvelumuotoilussa käytettävä visuaalinen työkalu.
• Tarkoituksena kuvastaa asiakkaan palvelukokemusta vaiheittain.
• Havainnollistaa asiakkaan kokemuksia palvelun eri vaiheissa.
• Mallintaa palvelukokonaisuuksia ja kontaktipisteitä.
• Sen avulla pyritään parempaan asiakasymmärrykseen.
• Koostuu kuudesta eri vaiheesta: tietoisuus, harkinta, hankinta, palvelun hyödyntäminen, palaute ja uskollisuus sekä kannattaminen. (Hanni-Vaara 2024; Vuorinen 2020, 11-12.)

Tätä projektia varten valitsimme kosketuspisteeksi palvelupolun viidennen vaiheen palautteen ja uskollisuuden. Kosketuspiste valikoitui sen perusteella, että keksimämme ideat, mihin halusimme hyödyntää NotebookLM-tekoälyä, osuivat kyseiseen kosketuspisteeseen.

Personoitu palautekysely

Projektimme tarinaksi suunnittelimme seuraavan: kun asiakas lähtee hotellista vietettyään siellä vähintään yhden yön, tekoäly luo tälle personoidun palautekyselyn. Kyselyn perustana on asiakkaan asiakastiedot, esim. millaisessa huoneessa tämä on majoittunut.

Palautekyselyiden persononnin hyödyt:

• Personoinnilla voidaan kasvattaa kyselyiden vastausprosenttia – asiakas vastaa todennäköisemmin hänelle kohdennettuun kyselyyn, jossa ei ole turhia kysymyksiä. Tämä parantaa asiakaskokemusta ja auttaa luomaan seuraavasta hotelliyöpymisestä entistäkin paremman.
• Hyödyt henkilökunnalle: tekoäly voi jäsennellä palautekyselyn vastaukset helposti saavutettaviksi ja siltä voi kysyä tarkkoja kysymyksiä niihin liittyen (esim. Mitä kehitysehdotuksia perhehuoneissa viipyneet ovat antaneet). Tällä palvellaan nopeaa asiakaskokemuksen kehittämistä.

Kysely kulttuurimatkailijalle

Tarinamme keskiössä on kulttuurimatkailija Laura, jota varten haluamme NotebookLM:n tekevän kohdennetun palautekyselyn. Laura yöpyy ystävänsä Jennin kanssa Rovaniemen keskustassa sijaitsevassa (kuvitteellisessa) Hotel Roihussa. Seuraavana päivänä heidän poistuessaan hotellista Laura saa sähköpostiinsa palautekyselyn, jonka tekoäly on suunnitellut hänelle. Kyselyssä ei ole Lauran kannalta epäolennaisia kysymyksiä ja se on kohdennettu juuri Lauralle, minkä takia hän todennäköisesti vastaa siihen.

Tutustu Lauraan! (Eleven Labs 16.4.2025)

Asiaa tietosuojasta – mitä on hyvä muistaa?

• Tietosuoja-asiat on otettava tosissaan, vaikka tekoälyn hyödyntäminen palautekyselyissä voi tehostaa asiakaspalautteen keruuta.
• Suostumus on avainasemassa: Asiakkaalta tulee saada lupa tietojen käsittelyyn – esimerkiksi varaustilanteessa tai sisäänkirjautumisen yhteydessä.
• Hotellit keräävät jo valmiiksi asiakastietoja, joten tekoälyn hyödyntäminen palautekyselyissä on varmasti mahdollista – kunhan henkilötietoja käsitellään oikein.
• Vastuu tietojen käsittelystä on aina organisaatiolla, vaikka tekoälysovellus väittäisikin käsittelevänsä tietoja tietyllä tavalla.
• Tietosuoja ei ole pelkkä velvollisuus – se on myös mahdollisuus rakentaa luottamusta ja vahvistaa asiakassuhteita. (Värriö 2017.)

Tekoälyllä personoitu palautekysely – miten hyvin se toimii käytännössä?

Testasimme, miten tekoäly osaa tuottaa asiakkaalle suunnatun palautekyselyn hyödyntäen asiakasprofiilin tietoja. Käytimme Google NotebookLM -työkalua ja syötimme testiasiakkaan (Laura) tiedot pohjaksi. Testaus tehtiin kahtena peräkkäisenä päivänä eri laitteilla, ja tavoitteena oli vertailla suomen- ja ruotsinkielisiä kyselyitä sekä arvioida tekoälyn kykyä personointiin.

Mitä testissä mitattiin?

Halusimme selvittää:

• kuinka nopeasti kysely on vastattavissa
• toistuuko sisältö tarpeettomasti eri kerroilla
• kuinka luonnolliselta kieli tuntuu ja
• kuinka hyvin kysely personoituu asiakkaan profiilin mukaan.

Tulokset – Suomi

Suomenkieliset kyselyt olivat sujuvia ja ymmärrettäviä, mutta niissä esiintyi paikoin tekoälymäistä sävyä. Personointi toimi kohtuullisesti, mutta kysymysten sisältö oli yksitoikkoista. Eri ajankohdista ja laitteista huolimatta kyselyt olivat liian samankaltaisia, mikä viittaa tarpeeseen tarkentaa promptia monipuolisemman sisällön luomiseksi.

Tulokset – Ruotsi

Ruotsinkieliset kyselyt kärsivät samoista ongelmista: liikaa samankaltaisuutta ja vähemmän kielellistä luontevuutta. Tekoäly ei osannut hyödyntää asiakasprofiilin äidinkieltä automaattisesti, joten personointi onnistui vain manuaalisella ohjeistuksella.

Johtopäätökset

Tekoäly kykenee tuottamaan toimivan palautekyselyn, mutta laadun parantamiseksi tarvitaan tarkkaa ohjeistusta ja huolellista promptin muotoilua. Kyselyt vaativat myös visuaalista viimeistelyä ennen käyttöä. Parhaiten onnistuttiin silloin, kun asiakasdataa oli syötetty kattavasti ja prompti oli selkeä.

Tekoäly palautekyselyssä – mitä data kertoo ja miksi sillä on väliä?

Kun testaus oli valmis, siirryimme seuraavaan vaiheeseen: kerätyn datan analysointiin. Tavoitteena oli ymmärtää syvemmin, miten tekoälyratkaisu toimii asiakaspolun osana ja millaista arvoa se tuottaa – sekä asiakkaalle että yritykselle.

Tekoälyn paikka asiakaspolussa

Tässä käyttötapauksessa tekoäly toimii palvelun jälkeisessä vaiheessa, jossa asiakasta pyydetään antamaan palautetta hotellivierailusta. Tällainen kosketuspiste voi vaikuttaa suuresti siihen, jääkö asiakkaalle tunne, että häntä arvostetaan – vai että hänelle lähetettiin vain massakysely ilman persoonallista otetta.
Tekoäly auttaa tuottamaan palautekyselyn, joka on paitsi yksilöllinen, myös vaivaton täyttää. Asiakas (Laura) sai kyselyjä, jotka oli muokattu hänen lomansa yksityiskohtien mukaan – ainakin osittain.

Mitä hyötyä tekoäly tuo?

Tekoälyn avulla palautekyselyt ovat asiakkaille helppoja ja relevantteja, sillä ne voidaan personoida nopeasti ilman manuaalista työtä. Tämä lisää vastausmotivaatiota. Yritykselle automaatio säästää aikaa ja parantaa palautteen laatua, kun kyselyt tuntuvat asiakaskohtaisilta ja tuottavat hyödyllisempää tietoa.

Digitaalinen vieraanvaraisuus tekoälyn avulla

Analyysin perusteella voidaan sanoa, että tekoäly mahdollistaa tietynlaisen digitaalisen vieraanvaraisuuden. Tämä näkyi esimerkiksi sinuttelun käytössä, lomamatkan yksityiskohtien huomioimisessa ja kielen valinnassa. Vaikka kieliversiot eivät vielä toimineet täydellisesti. Ruotsinkielinen kysely vaati manuaalista ohjausta.

Digitaalinen vieraanvaraisuus tarkoittaa, että teknologia ei vain automatisoi, vaan myös vahvistaa tunnetta siitä, että asiakasta palvellaan aidosti ja inhimillisesti, vaikka ruudun takana olisi kone.

Millaisia arvoja tekoälyratkaisu edustaa?

Analyysin perusteella tekoälyn käyttö palautekyselyssä heijastaa arvoja kuten:

• Asiakaskeskeisyys – Kysely rakennetaan yksilön tarpeiden mukaan.
• Vaivattomuus – Kysely on lyhyt, ytimekäs ja helposti ymmärrettävä.
• Laadun kehittäminen – Palautetta kerätään aidon kehittämishalun vuoksi.

Erityisen tärkeää on se, että tekoälyn avulla voidaan vastata asiakkaiden odotuksiin ja tarpeisiin: lyhyet kyselyt, selkeä kieli ja henkilökohtainen sävy. Samalla voidaan lisätä ymmärrystä asiakkaasta, mikä tukee parempaa palvelumuotoilua tulevaisuudessa.

Yhteenveto

Tekoälyllä toteutettu palautekysely ei ole vielä täydellinen – mutta se on jo nyt tehokas työkalu, kun sitä käytetään oikein. Personointi ja asiakasymmärrys nousevat keskiöön, ja tekoäly mahdollistaa nopean mutta inhimillisen vuorovaikutuksen myös palvelun jälkeen. Tulevaisuudessa tarkempi ohjeistus ja laajempi asiakastiedon hyödyntäminen voivat tuoda vielä enemmän arvoa sekä asiakkaalle että yritykselle.

Lopuksi: Oivalluksia tekoälyn ja asiakasymmärryksen yhdistämisestä

Havainnot

• Tekoälyn tuottamat palautekyselyt vaativat selkeää ohjeistusta luotettavuuden varmistamiseksi.
• Personointi onnistui suomeksi melko hyvin, mutta ruotsinkieliset versiot vaativat manuaalista hienosäätöä. Kieli oli ymmärrettävää, mutta osin robottimaista.
• Kyselyt olivat liian samanlaisia eri testauskerroilla, mikä vähensi vaihtelua.
• Tekoälyllä on potentiaalia digitaalisen vieraanvaraisuuden kehittämisessä, mutta laatu riippuu datan tarkkuudesta ja ohjeiden suunnittelusta.
• Asiakaskeskeisyys ja palvelun jatkuva kehittäminen korostuivat tekoälyn hyödyntämisessä.

Johtopäätökset

Tekoäly tarjoaa merkittäviä mahdollisuuksia asiakaskokemuksen parantamiseen palautteen keruussa – erityisesti kun se yhdistyy asiakasprofiilitietoon ja huolellisesti suunniteltuun promptaukseen. Personointi ja helppokäyttöisyys lisäävät asiakastyytyväisyyttä. Teknologia ei kuitenkaan yksin riitä – tarvitaan myös ihmislähtöinen lähestymistapa ja kriittinen arvio datan laadusta. Kehityskohteita ovat kieliversioiden hallinta, visuaalinen esitystapa ja sisällöllinen vaihtelu.

Yhteenveto löydöksistä

Testit osoittivat, että tekoäly voi tuottaa asiakasprofiiliin perustuvia palautekyselyjä, mutta kieliversiot ja sisällön vaihtelu vaativat kehittämistä. Personointi toimi osittain, mutta kieli oli paikoin epäluontevaa ja ruotsinkielinen toteutus heikko. Digitaalinen vieraanvaraisuus edellyttää selkeitä ohjeita ja laadukasta dataa. Tekoälyn suurin arvo on asiakaskokemuksen parantaminen automaation keinoin – inhimillisyyttä säilyttäen. Kehityskohteita ovat sisällön monipuolisuus, visuaalisuus ja monikielisyys.

Mitä opimme?

Tekoälyn hyödyntäminen asiakaskokemuksessa vaatii tarkkaa suunnittelua ja asiakasymmärrystä – se ei ole itsestään toimiva ratkaisu. Palautekyselyissä tekoäly tuo nopeutta ja personointia, mutta robottimainen sävy voi heikentää inhimillisyyttä. Parhaat tulokset syntyvät, kun teknologia yhdistetään ihmislähtöiseen palvelumuotoiluun, mikä tukee digitaalista vieraanvaraisuutta ja vahvistaa myönteistä asiakaskokemusta.

Tässä blogissa on hyödynnetty ChatGPT:tä ja Google NotebookLM:ää tiivistämään PowerPointistamme peräisin olevaa tekstiä.

Lähteet

1. Google Notebook LM 2025. Työstä asioita älykkäämmin. Viitattu 17.5.2025 https://notebooklm.google/.
2. Hanni-Vaara, P., Karinti, N., Kähkönen, O., Pajula, M., Paloniemi, P. & Tapaninen, M. 2025. Tekoäly matkailun myynti- ja markkinointiprosessien tukena. Viitattu 17.5.2025 https://blogi.eoppimispalvelut.fi/ehospitality/aimama-hanke/.
3. Hanni-Vaara, P. 2024. 2024_Perusesitys Tekoäly matkailun myynti- ja markkinointiprosessien tukena. Viitattu 17.5.2025 https://lucit-my.sharepoint.com/:p:/g/personal/paivi_hanni-vaara_lapinamk_fi/EZsa8JzIXjpEvaJN8CXrcf0BHqCArXLNz7PHmbzJtWJA_g?e=bJs3cv.
4. Onza, U. 2025. Tekoälyn perusteet ja luovan työn työkalut. Viitattu 17.5.2025 https://marketingfinland.mmg.fi/course/view.php?id=754.
5. Riutta, E. 2024. NotebookLM – tekoäly joka vastaa kysymyksiin tiedostoistasi. Viitattu 17.5.2025 https://www.youtube.com/watch?v=ybi4gelUwbg
6. Vuorinen, E. 2020. Palvelupolun kehittäminen uudelle yritykselle. Case: SUP-lautavuokraamo. LAB-ammattikorkeakoulu. Viitattu 17.5.2025 https://urn.fi/URN:NBN:fi:amk-2020052714625.
7. Värriö, R. 2017. Henkilötietojen käsittelystä majoitusliikkeessä. Viitattu 8.4.2025 https://urn.fi/URN:NBN:fi:amk-2017060412251.

Kirjoittajat: Iiris Pohjolainen ja Saija Asikainen

---

Lapin AMKin Tekoäly matkailun myynti- ja markkinointiprosessien tukena eli AImama-hanke toimi restonomiopintojen 2. vuoden Collaborative Customer Experience and Digital Marketing -opintojakson oppimisprojektin toimeksiantajana.