EP. 0 : Intro to Data-Driven Marketing

ถ้าคุณทำการตลาด ข้อมูลคือสิ่งที่ขาดไม่ได้

เมื่อวันเสาร์ที่ 29 สิงหาคมที่ผ่านมา ทาง Backyard ได้เปิดห้องสัมมนาเล็ก ๆ แต่น่ารัก ในเรื่องของ Marketing Geeek: Data-Driven Marketing หรือ “การตลาดที่ขับเคลื่อนด้วยข้อมูล” นั่นเอง

บางคนฟังแล้วอาจจะพอเห็นภาพ แต่ก็ยังไม่ชัด หรือบางท่านก็อาจยังไม่คุ้นเคยกับเรื่องของการใช้ข้อมูลในการตลาดหรือองค์กรของท่านมากนัก วันนี้เราจึงมาตกผลึกเรื่องราวที่เกิดขึ้นในห้องเรียนของเรากันเป็น EP แรกครับ

โลกของ Digital ที่ก้าวเข้าสู่ Machine Learning

ปัจจุบันเราคงได้ยินคำคุ้นหูอย่าง Machine Learning กันไม่รู้ซ้ำกี่ครั้ง แต่จะมีสักกี่หนที่เราได้เข้าใจคำศัพท์นี้อย่างถ่องแท้จนสามารถนำไปช่วยตัดสินใจอะไรบางอย่างในงานของคุณได้

ยุคก่อน มนุษย์คุ้นเคยกับทุกอย่างที่เป็น Analog ทั้งสื่อทีวี โทรทัศน์ การซื้อการขายที่ร้านรวง การให้บริการต่าง ๆ รวมถึงอื่น ๆ อีกมาก

จนมาถึงยุคของ Digital ที่ถูกสรรค์สร้างขึ้นด้วยคอมพิวเตอร์ ทำให้เกิดพฤติกรรมที่เปลี่ยนไปในทุกสิ่งที่เอ่ยไปข้างบนเริ่มล้าสมัย

จนกระทั่งปัจจุบัน เป็นช่วงเวลาที่ Analog บางรูปแบบไร้พื้นที่ยืนในบางอุตสาหกรรมอย่างสิ้นเชิง และ Digital เริ่ม Disrupt กันเอง ด้วยสิ่งที่เรียกว่า Machine Learning

ทำไมวันนี้ Machine Learning ถึงเข้ามามีบทบาทพระเอกแทนที่ Digital ที่วันนี้เป็นพระรอง

ความจริง Machine Learning ก็เป็นส่วนหนึ่งของ Digital แต่ความสามารถของมันช่วยทุ่นแรงได้มากกว่าที่เคยเป็นในยุค Digital อย่างมาก

ดังนั้น Machine Learning คือส่วนที่เข้ามาช่วยยกระดับ Digital ขึ้นแทนที่จะมา Disrupt

เพราะในยุคที่เราใช้อินเทอร์เน็ตแรก ๆ หรือ Digital เพิ่งเข้ามาได้ซีน เราคงไม่เคยคาดหวังว่า โทรศัพท์มือถือจะส่ง Content ที่คาดว่าเราจะสนใจ หรือส่งโฆษณาของสินค้าที่เรากำลังคิดว่าจะซื้ออยู่ในหัวมาถึงมือ

สิ่งเหล่านี้เกิดขึ้นซ้ำแล้วซ้ำเล่าในธุรกิจออนไลน์ในปัจจุบัน นอกจากบางครั้งเราจะไม่หัวเสียแล้ว ยังจะถูกใจ ทำเราเสียเงินอีก และสิ่งเหล่านั้นเกิดขึ้นมาก็เพราะ “Machine Learning”

‘Machine Learning’ to know ‘Customer Behavior’

หลาย ๆ คนพอรู้ว่าโลกนี้มีศาสตร์ของ Machine Learning กับ Big Data ก็กระเหี้ยนกระหือรือ อยากจะนำมาใช้โดยเชื่อว่าสิ่งเหล่านี้คือ “ยาวิเศษ” จนหลายครั้งก็ลืมเรื่องสำคัญที่สุดก็คือ

“But first, collect your data”

ในเชิง Marketing มี Data ที่เราใช้ได้อยู่มากมาย แต่บางครั้งก็ควานหามาอยู่ในมือได้ลำบาก ดังนั้นวันนี้สิ่งที่เราควรเริ่มต้นคือการสะสม Data ที่เกิดขึ้นจากความเคลื่อนไหวในองค์กรเอง หรือเรียกว่า First Party Data นั่นเอง

First Party Data ที่สามารถนำมาใช้ประโยชน์ได้จริงจัง หลัก ๆ ก็ไม่พ้นถัง CRM (Customer Relationship Management)

บางคนอาจมีข้อมูล CRM ในมืออยู่แล้ว เพราะถือเป็นเรื่องพื้นฐาน ทว่าแต่เดิม CRM ของเราอาจเคยสะสมเพียงแค่รายการการซื้อขาย หรือบันทึกข้อมูลส่วนตัวของลูกค้าเท่านั้น

แต่ในวันนี้สิ่งที่เปลี่ยนเกมได้จริง ๆ คือการมีข้อมูลที่เจาะลึกไปถึงการรับรู้พฤติกรรมทุกอย่างของลูกค้าบนแต่ละ platform ที่เราสามารถรู้ได้ถึงขั้นว่า User นี้แตะปุ่มนี้กี่ครั้ง ใช้เวลาบนหน้าจอนี้นานแค่ไหน และมีแนวโน้มจะดูสินค้าที่ใกล้เคียงอย่างไร

พูดง่าย ๆ คือ จริง ๆ แล้วทุกพฤติกรรมก็คือข้อมูล และทุกข้อมูลสามารถสะท้อนพฤติกรรม

พฤติกรรมตั้งแต่ต้นจนจบไม่ว่าผู้ใช้จะซื้อหรือไม่ซื้อ ก็สามารถนำมาวางเป็นเส้นของ Customer Journey

และเมื่อเราเก็บ Journey ได้มากเพียงพอแล้ว ก็ถึงเวลาที่เราจะใช้ Machine Learning เข้ามาผนวกเข้าสู่การ Data Training จนระบบสามารถนำไปใช้คาดเดาพฤติกรรม หรือกระตุ้นให้เกิดพฤติกรรมอย่างที่เราต้องการได้ตั้งแต่เรื่อง upsale หรือ cross-sale จนถึงการ Re-marketing นอก platform ของเราเอง

‘Machine Learning’ to create new ‘Customer Behavior’

นอกจากจะนำมาใช้รับรู้พฤติกรรมของลูกค้า การใช้ Machine Learning ก็สามารถเป็นส่วนประกอบของ Feature ที่ก่อให้เกิด Customer Behavior ใหม่ได้

ในวันนี้สิ่งที่เราต้องคำนึงไว้ในหัวอยู่เสมอคือ “พฤติกรรมของผู้ใช้” ในปัจจุบันก็เริ่ม “คุ้นเคยกับชีวิตที่มี Machine Learning” แล้วโดยไม่รู้ตัว

ดังนั้นก็หมายความว่า Customer Journey หรือ User Journey ในแบบเดิม ๆ นั้นก็อาจไม่สามารถนำมาใช้ได้แล้ว เช่นแทนที่คุณจะให้ลูกค้าไล่ดูรายชื่อสินค้าเอง วันนี้พวกเขาคุ้นเคยกับการมี Search Engine

อะไรที่เคยสะดวกกลับกลายเป็นไม่สะดวก เมื่อเทียบกับปัจจุบัน

ขณะเดียวกัน เมื่อเรารู้ขีดความสามารถของ Machine Learning แล้วก็เท่ากับว่าเราสามารถสร้างเส้นทางของ Journey ได้หลากหลายรูปแบบขึ้นด้วย

กรณีที่น่าสนใจและเห็นภาพคือลักษณะของ related content หรือ product เช่นขณะที่เรากำลังดูหูฟังรุ่นหนึ่งอยู่ ระบบ e-commerce ก็แอบเอารูปไมโครโฟนรุ่นที่ระบุว่า “คนที่ซื้ออันนั้นเค้าสนใจอันนี้นะ” มาชวนให้เราอยากเสียเงินเพิ่มโดยที่ไม่ต้องไปสร้าง touchpoint ใหม่เลย

ซึ่งสิ่งเหล่านี้ก็ล้วนแต่เป็นการใช้ศาสตร์ของการตลาดเดิม ๆ แต่สิ่งที่เพิ่มเข้าไปคือการใช้ Machine Learning เข้าไปยกระดับความแม่นยำของกิจกรรมทางการตลาดเดิม ๆ ที่บางครั้งต้องใช้ gut-feeling ตัดสินใจ โดยใช้ข้อเท็จจริงจาก data มารองรับการตัดสินใจแทน

ปรับองค์กรให้เป็น Data-Oriented Organization

เมื่อเราเล็งเห็นความสำคัญของการใช้ข้อมูลให้เกิดประโยชน์แล้ว การจะนำมาใช้ร่วมกับสิ่งที่ทำอยู่ในปัจจุบันทันทีเลย ก็ต้องยอมรับว่าเป็นเรื่องยาก ดังนั้นสิ่งที่สำคัญมาก ๆ สำหรับการใช้ข้อมูลในอนาคตคือการวางโครงสร้างการเก็บข้อมูลที่สามารถเชื่อมต่อกันได้โดยมีรอยต่อน้อยที่สุดภายในองค์กร

ที่ยกเรื่องนี้เป็นสำคัญเพราะมีหลายต่อหลายครั้งที่บางองค์กร มีข้อมูลเก็บอยู่มากมาย แต่กลับใช้โครงสร้างการเก็บที่แตกต่างกัน (ไม่ว่าจะเป็น software, format หรืออะไรก็ตามแต่) จนทำให้กว่าจะสามารถนำข้อมูลมาเชื่อมกันได้ก็ต้องเสียเวลาไปอีกมาก

หรือบางครั้งพอไม่ได้วางโครงสร้างร่วมกัน ก็ทำให้มีข้อมูลซ้ำซ้อนมากมาย หรือมีข้อมูลที่ใช้ประโยชน์ไม่ได้

การ “มองเห็นความสำคัญ” กับการ “ให้ความสำคัญ” แก่ข้อมูลถือเป็นเรื่องที่ต้องยึดเป็นวัฒนธรรมองค์กร ถึงแม้วันนี้อาจจะไม่ได้เห็นผลทันที แต่เมื่อใดที่เรามีข้อมูลในมือมากพอ พร้อมกับเครื่องมือที่สามารถสร้างประโยชน์จากข้อมูลได้ วันนั้นการลงทุนระยะยาวด้วยการ “เก็บข้อมูล” ก็จะปันผลออกมาเอง

ทั้งหมดนี้ก็ยังเป็นเพียงแค่แนวทางเบื้องต้นของการเดินแผนการตลาดที่ขับเคลื่อนด้วยข้อมูล ในความเป็นจริงต้องมีการลงไม้ลงมือหลายอย่างมาก ระหว่างทางคุณจะเจอกับปัญหาอย่างแน่นอน และสำคัญที่สุดว่าเรื่องนี้ก็ไม่มี Best Practice อีกด้วย เฉกเช่นการตลาดทั่วไปที่สุดท้ายแล้ว แนวคิดทั้งหมดก็เป็นแค่ Framework ไว้ให้อ้างอิงเท่านั้น

สุดท้ายคำว่า Data-Driven Marketing คำว่า Data-Driven ก็ยังคงเป็นสิ่งที่ขยายคำว่า Marketing ซึ่งแต่โดยเดิม การตลาด เป็นศาสตร์ที่กว้างมาก มีหลักการและแนวคิดในตัวมันอยู่แล้ว วันนี้อยู่ที่คุณเลือกเอา “ข้อมูล” เข้ามาตอบโจทย์ส่วนไหนในการทำธุรกิจของคุณเท่านั้นเอง