คำกล่าวของ John Wanamaker ที่ว่า “Half the money I spend on advertising is wasted; the trouble is I don't know which half.” เป็นตัวอย่างการเสียดสีที่ดีสำหรับการกระทำ หรือการตัดสินใจอะไรก็แล้วแต่ ที่ไม่ได้มีการใช้ข้อมูลเป็นตัวช่วย

ในยุคสมัยที่ John Wanamaker มีชีวิตอยู่นั้นระหว่างปี 1838 กับ 1922 ซึ่งมันก็คงไม่แปลกอะไร เพราะในยุคนั้นเทคโนโลยีต่างๆ ที่ช่วยในการเก็บข้อมูลนั้นยังไม่ก้าวหน้า (ซึ่งมันก็เลยส่งผลให้เขาไม่รู้ว่างบโฆษณาที่ลงไปของเขานั้นมันหายไปที่ไหน)

แต่ปัจจุบันนั้นต่างออกไป ด้วยการเติบโตแบบก้าวกระโดดของเทคโนโลยี หลายๆ สิ่ง หลายๆ อย่างนั้นสามารถวัดผลได้ และการวัดผลได้นั้นก็หมายถึงการเข้าถึงข้อมูล

ในบทความนี้ ผมจะมาอธิบายถึงเหตุผลว่าทำไมข้อมูลไม่ว่าจะเป็น Big Data หรือ Small Data ถึงเป็นสิ่งที่สำคัญ ถ้าคุณอยากที่จะนำหน้าคู่แข่งในยุคนี้ นอกจากนั้นแล้วผมจะยกตัวอย่างการเอาข้อมูลไปใช้อีกด้วย

ถ้าพร้อมแล้ว เลื่อนลงไปอ่านได้เลยครับ

ป.ล. ความรู้เกี่ยวกับ Big Data ของผมนั้นค่อนข้างจำกัด ถ้ามี Data Scientist หรือคนที่ทำงานสายนี้บังเอิญผ่านมาอ่าน แล้วมีคำแนะนำ เขียนมาบอกผมได้ในคอมเมนต์เลยนะครับ : )

ทำไมข้อมูลถึงสำคัญกับการทำการตลาด?

สำหรับผม เหตุผลหลักๆ มี 4 ข้อครับ

1. รู้จัก

ข้อมูลจะทำให้คุณรู้จักคนที่คุณปฏิสัมพันธ์ด้วยมากยิ่งขึ้น ยิ่งถ้าเป็นข้อมูลแบบระบุตัวตน (Personally Identificable Information) เช่นชื่อ อีเมล เบอร์โทร บริษัท ตำแหน่ง หรือความชอบส่วนบุคคล จะทำให้คุณรู้ว่าคนนั้นๆ มีพฤติกรรม หรือมีความต้องการแบบไหน

ตัวอย่างเช่น Content Shifu ทำการขอข้อมูลแบบระบุตัวตนของคุณเพื่อแลกกับ eBook เป็นต้น

2. วิเคราะห์

ข้อมูล ถ้ามีจำนวนมากพอจะทำให้คุณทำนายทายทักผลลัพธ์ที่จะเกินขึ้นในอนาคตได้ ซึ่งเรื่องนี้เกี่ยวข้องกับพวก Big Data อะไรพวกนั้น ซึ่งอาจจะยากเกินไป เพราะฉะนั้นผมขอยกตัวอย่างง่ายๆ ใกล้ตัวแล้วกันนะครับ

ทุกครั้งที่คุณไถ Feed แล้วไปกดไลก์เพื่อนใน Facebook หรือทุกครั้งที่คุณพิมพ์คำค้นหาบน Google แพล็ตฟอร์มทั้ง 2 แพล็ตฟอร์มนี้ทำการเก็บข้อมูลของทุกไว้ตลอด ไม่ว่าคุณชอบไลก์เพจเกี่ยวกับสาวๆ หรือชอบค้นหาข่าวคราวเกี่ยวกับการท่องเที่ยว พวกเขารู้หมดครับ เผลอๆ จะรู้จักคุณดีกว่าที่คุณรู้จักตัวเองด้วยซ้ำ

3. เข้าใจ

รู้เขารู้เรา รบร้อยครั้งชนะร้อยครา

เมื่อคุณมีข้อมูลอยู่ในมือ และนำข้อมูลเหล่านั้นมาวิเคราะห์ คุณก็จะเริ่มที่จะเข้าใจกลุ่มลูกค้าของคุณว่าเขาชอบ ไม่ชอบอะไร เขาจะพร้อม/มีแนวโน้มที่จะพร้อมซื้อสินค้าของคุณในตอนไหน

เช่นถ้าคุณรู้ว่านาย A เป็นลูกค้าประจำ คุณอาจจะต้องพยายามเทคแคร์ ดูแลเขาให้ดี หรืออาจจะมอบส่วนลดพิเศษให้กับเขา หรือถ้าคุณรู้ว่านาย B ยังไม่ได้เป็นลูกค้า แค่มาสอบถามข้อมูลเฉยๆ คุณก็อาจจะพยายามให้ข้อมูล ตอบคำถามที่เกี่ยวข้อง เพื่อทำให้นาย B เชื่อถือคุณ เป็นต้น

4. สื่อสาร

เมื่อรู้จัก วิเคราะห์ และเข้าใจแล้ว ก็ต้องใช้ข้อมูลที่ได้มาสื่อสารให้ถูกคน ถูกที่ และถูกเวลา

ตัวอย่าง Customer Persona / Buyer Persona ธุรกิจ B2B

ในอดีตการสื่อสารแบบเหมารวม (Mass Communication) อาจจะเป็นวิธีที่ดีเพราะผู้บริโภคไม่ได้มีช่องทางในการรับข่าวสารมากนัก แต่ในปัจจุบันที่ผู้บริโภคมีทางเลือกเยอะแยะมากมาย สามารถเข้าถึงคอนเทนต์ได้เป็นจำนวนมากตลอดเวลา การใช้สิ่งที่ได้มาจากข้อมูลแล้วเลือกสื่อสารออกไปให้ตรงตาม Buyer Persona และตรงตาม Buyer’s Journey จะทำให้นักการตลาดสามารถทำการตลาดให้ได้มีประสิทธิภาพที่สุดเมื่อเทียบกับงบประมาณที่ลงไป

เก็บ Data แบบไหนดี?

ผมขอแบ่ง Data ที่เอาไว้ใช้ในการทำการตลาดเป็น 2 แบบใหญ่ๆ นะครับ

1. Non-personally Identifiable Information (Non-PII)

ข้อมูลแบบไม่ระบุตัวตน เช่นพวกข้อมูลใน Facebook Insights, Google Analytics, Heatmap ซึ่งข้อมูลแบบนี้จะเป็นข้อมูลที่เก็บได้ไม่ยาก (แค่คนมีปฏิสัมพันธ์กับ Facebook Page หรือเข้ามาเยี่ยมชมเว็บไซต์ของคุณ คุณก็จะได้ข้อมูลตรงส่วนนี้มาแล้ว)

สำหรับการเก็บ และการวิเคราะห์ข้อมูลตรงส่วนนี้ ระบบ Analytics ที่ดีจะช่วยให้คุณสามารถเอาข้อมูลไปใช้ได้ง่ายยิ่งขึ้น

2. Personally Identifiable Information (PII)

ข้อมูลแบบระบุตัวตนเช่นพวกข้อมูลเกี่ยวกับชื่อ อีเมล เบอร์โทรศัพท์ ซึ่งข้อมูลแบบนี้นั้นเป็นข้อมูลที่เก็บมาได้ยากกว่าข้อมูลแบบแรก เพราะคนจะต้องยินยอมให้ข้อมูลเหล่านั้นกับคุณ ซึ่งวิธีการได้มาซึ่งข้อมูลเหล่านี้ก็จะมีทั้งศาสตร์ และศิลป์หลายวิธีเช่นการขอข้อมูลในงานอีเวนต์ การขอข้อมูลดื้อๆ บนเว็บไซต์ การขอข้อมูลด้วยการให้อะไรบางอย่างเป็นการแลกเปลี่ยน เป็นต้น

สำหรับการเก็บ และการวิเคราะห์ข้อมูลตรงส่วนนี้ ระบบ CRM ที่ดีจะช่วยให้คุณสามารถเอาข้อมูลไปใช้ได้ง่ายยิ่งขึ้น

ตัวอย่างการเอา Data ไปใช้งานในทางการตลาด

ผมขอยกตัวอย่างการเอา Data ไปใช้จากสิ่งที่ผมเคยทำมานะครับ ในความเป็นจริง Data ยังสามารถเอาไปใช้ได้หลายอย่างมากกว่านี้

1. การทำ Remarketing

การทำ Remarketing นั้นสามารถทำได้ง่ายๆ โดยการติด Script ของ Facebook, Google หรือเครื่องมือโฆษณาอื่นๆ ไว้ที่เว็บไซต์ของคุณ (ถ้าเป็น Facebook คุณสามารถ Remarketing หาคนที่เข้ามาเยี่ยมชมเพจของคุณก็ได้) เพื่อให้แพล็ตฟอร์มเหล่านั้น Track Data ของคนที่เข้ามายังเว็บไซต์ของคุณ แล้วจับไปเชื่อมกับฐานข้อมูลบนแพล็ตฟอร์มเหล่านั้น

จากนั้นคุณก็จะสามารถยิงโฆษณาหาคนเหล่านั้นได้

ซึ่งวิธีการนี้เป็นวิธีการที่ Content Shifu ทำเป็นประจำ เวลาต้องการจะสื่อสารด้วยการซื้อโฆษณาบน Facebook กับคนที่เคยเขียนมาอ่านบทความ หรือคนที่เคยเข้ามายังเว็บไซต์ของพวกเราอยู่แล้ว

คุณสามารถอ่านเกี่ยวกับ Facebook Remarketing ต่อได้ที่นี่

2. การ Personalize Content ให้กับกลุ่มเป้าหมาย

ถึงแม้ว่าคนทั้ง 2 คนจะเป็นกลุ่มลูกค้าที่คุณสนใจเหมือนกัน แต่คอนเทนต์ที่แต่ละคนจะได้รับนั้นสามารถทำให้เหมาะสมสำหรับคนแต่ละคนได้ตามความสนใจ ตำแหน่ง หรือความชอบ

ตัวอย่างเช่นของ Content Shifu เองนั้นก็จะมีการขอข้อมูลจาก Subscribers เพิ่มเติมว่าเขาทำงานตำแหน่งอะไร อยู่ในอุตสาหกรรมไหน บริษัทมีขนาดเท่าไหร่ ซึ่งในช่วงของการขาย อีเมลที่ส่งไปให้ C-Level นั้นจะต่างไปกับ Students โดยที่อีเมลที่ส่งให้ CEO อาจจะเป็นเรื่องการขาย Solutions ส่วนอีเมลที่ส่งให้ Students อาจจะเป็นการเชิญชวนให้มาทำงานหรือฝึกงาน เป็นต้น

3. การทำนายผลที่จะเกิดในอนาคต

ถ้าคุณมีข้อมูลจำนวนมหาศาลแล้วละก็ คุณสามารถใช้ข้อมูลเหล่านั้นมาทำนายผลที่จะเกิดขึ้นในอนาคตได้ครับ วิธีการหนึ่งที่ผมพอจะรู้นั้นเรียกว่า Regression ซึ่งเป็นวิธีการทางสถิติที่เอาปัจจัยต่างๆ (ข้อมูล และผลลัพธ์) ในอดีตมาหาความสัมพันธ์ และสร้างสมการที่จะเอาไว้ทำนายผลลัพธ์ออกมาครับ

ตัวอย่างที่ผมจะยกมาเป็นตัวอย่างเมื่อตอนผมอยู่ปี 2 (เมื่อชาติเศษ ฮา) ตอนที่ผมเรียนวิชา Engineering Statistics และได้ทำ Project การทำนายผลฟุตบอลด้วยโมเดล Regression ครับ

สิ่งที่ผมทำคือผมเอาข้อมูลผลลัพธ์การแข่งขันในปีก่อนหน้า และข้อมูลเกี่ยวกับผู้จัดการ นักเตะ สนาม จำนวนเงิน จำนวนแฟนคลับ และปัจจัยอื่นๆ อีก 10 กว่าอย่างมาจากเกม Football Manager โดยที่ชุดข้อมูลที่ผมเอามาใช้คำนวนนั้นมีประมาณหลักหมื่นชุด

จากนั้นผมก็เอาข้อมูลเหล่านี้ใส่ไปใช้โปรแกรม Excel และสร้างสมการผ่านโมเดล Regression ครับ ซึ่งผลลัพธ์ของสมการที่ได้ออกมามันจะเป็นประมาณนี้ครับ (เลขเป็นเลขสมมุตินะครับ เนื่องจากว่ามันผ่านมานานมากแล้ว และเอกสารที่ผมมีก็หายไปแล้ว)

Y = 20X1 + (X– 3)³ + √X3 …….. + X19– 0.2X20 – 5783

โดยที่ค่า Y ที่ออกมา ถ้าเป็น + ทีมเจ้าบ้านก็จะชนะ (ยิ่งบวกเยอะ แสดงว่ายิ่งยิงประตูได้เยอะ) ถ้าเป็น – ทีมเยือนจะชนะ(ยิ่งลบเยอะ แสดงว่ายิ่งยิงประตูได้เยอะ) และพวกค่า X ก็เป็นพวกค่าความเก่งของผู้จัดการ ความเก่งของนักเตะ จำนวนเงินที่สโมสรนั้นๆ มี เป็นต้น 

เท่าที่จำได้ ผลลัพธ์ที่ออกมานั้นมันตรงประมาณ 60-70% ครับ

สิ่งที่ผมยกมานี้เป็นตัวอย่างเฉยๆ และแน่นอนว่ามันเอาไปใช้ทำนายจริงๆ ไม่ได้แน่ๆ เพราะว่าข้อมูลในการทำ Big Data ที่จะเอาไปทำนายอนาคตได้นั้นคงจะต้องมีเป็นล้านๆ (ของผมมีแค่หลักหมื่น) และแหล่งที่มาของข้อมูลต้องน่าเชื่อถือได้กว่านี้ด้วย (ของผมมาจากเกม)

* จากที่ผมเคยคุยกับคนที่เรียนเกี่ยวกับ Big Data / Machine Learning มา เขาบอกว่า Regression เป็นเพียงแค่หนึ่งในวิธีในการทำ Big Data Analysis ครับ

*  ถ้าอยากอ่านเพิ่มเติมเกี่ยวกับ Regression สามารถไปอ่านได้ที่นี่

สรุป

การเติบโตขึ้นอย่างก้าวกระโดของเทคโนโลยีทำให้เรื่องบางอย่างที่เป็นไปได้ยากในอดีตนั้นเป็นไปได้ในปัจจุบัน การเก็บข้อมูลก็เช่นกัน

ข้อมูลคือพลัง ข้อมูลคืออำนาจ ใครก็ตามที่เป็นเจ้าของข้อมูล นำเอาข้อมูลมาวิเคราะห์ และเอาผลลัพธ์จากข้อมูลมาใช้ให้เกิดประโยชน์ได้สูงสุดจะเป็นผู้ได้เปรียบในยุคนี้ครับ

ตาคุณแล้ว

คุณมีการเก็บข้อมูลลูกค้าของคุณแล้วรึยัง? หรือคุณมีความรู้เกี่ยวกับเรื่อง AI, Machine Learning หรือ Big Data มาเสนอแนะผมบ้างรึเปล่า? มาคุยกันต่อได้ในคอมเมนต์เลยครับ 🙂