sell the benefits not the features

Sell the Benefits not the Features: ใช้ Data ที่มี ให้เป็นการขายที่ลูกค้าปฏิเสธไม่ได้

ความต้องการของลูกค้าเป็นสิ่งที่สำคัญมากที่องค์กรจะต้องรู้และเข้าใจ เพื่อให้ทั้งองค์กรสามารถตอบสนองต่อความต้องการนั้นได้อย่างตรงจุด และสร้างความประทับใจให้ลูกค้าเกิดการซื้อซ้ำและบอกต่ออยู่เรื่อยๆ จนกลายเป็น Loyalty Customer ในที่สุด ซึ่งก็ปฏิเสธไม่ได้เหมือนกันว่าการที่เราจะเป็นที่หนึ่งในใจของใครสักคน เหตุผลหลักๆเลยเป็นเพราะเรารู้ใจและเข้าใจคนๆนั้น พร้อมทั้งสามารถแก้ปัญหาให้เขาได้นั่นเอง แล้วจะรู้ใจหรือเข้าใจเพื่อนำไปสู่การแก้ปัญหาได้อย่างไร มาดูกันในคอนเทนต์นี้ได้เลยครับ

สิ่งที่องค์กรจะต้องตอบคำถามตัวเองให้ได้

  1. Sell the benefits not the feature: ต้องรู้ก่อนว่าสินค้า/บริการที่เราขายอยู่นั้นมี Benefit อะไรบ้าง
  2. และ Benefit ไหนที่ทำให้ลูกค้าคนนั้นๆตัดสินใจมาซื้อสินค้า/บริการ
  3. ส่วนมากแล้วหลายๆองค์กรมักจะเข้าใจว่าลูกค้ามาซื้อสินค้าเพราะ Feature (สินค้านี้ทำอะไรได้บ้าง) แต่ยังไม่สามารถเข้าใจได้ว่า Benefits (สินค้านี้มีประโยชน์อย่างไร) ที่ทำให้ลูกค้าตัดสินใจ

Benefits VS. Feature ต่างกันอย่างไร

ก่อนอื่นต้องเข้าใจความแตกต่างระหว่าง Benefits และ Feature เสียก่อน ยกตัวอย่างเช่น หากสินค้าที่คุณขายคือกระเป๋า

Benefits VS. Feature ต่างกันอย่างไร

ตัวอย่าง Feature ที่แบรนด์ขาย :

  1. มีที่แบตสำรองติดอยู่กับตัวกระเป๋า
  2. น้ำหนักเบา
  3. ดีไซน์สวยงาม
  4. ทำจากวัดสดุรีไซเคิล ที่แข็งแรงทนทาน

ตัวอย่าง Benefits ที่ลูกค้าตัดสินใจซื้อ: 

  1. ไม่ต้องกังวลเรื่องแบตเตอรี่ของอุปกรณ์อิเล็กทรอนิกอีกต่อไป
  2. ลูกค้ากลุ่มที่เป็น Blogger/Vlogger ไม่ต้องคอยพกที่ชาร์จให้วุ่นวาย
  3. ต้องการชาร์จแบตมือถือได้โดยไม่ต้องถือแบตสำรองให้รกมือ
  4. ไม่ปวดหลังจากการสะพายกระเป๋าหนักๆ
  5. ไม่ต้องคอยระวังกระเป๋าเสียหายระหว่างการใช้งาน
  6. ต้องการความคล่องตัว เพราะต้องเดินทางตลอดเวลา
  7. เสริมสร้างภาพลักษณ์ที่ดูทันสมัย
  8. ซื้อแล้วมีความสุข (ของมันต้องมี)
  9. ต้องการเปลี่ยนรูปแบบการใช้งานของกระเป๋าระหว่างวัน (ถือและสะพาย)

จากตัวอย่างจะเห็นได้ว่า 4 Features สามารถมีได้ถึง 9 Benefits ด้วยกัน แต่ในความเป็นจริงแล้ว 1 feature สามารถมีได้ถึง 100 benefits เลยทีเดียว เพราะจาก segmentation ทั้งหมดที่เรามีนั้นเป็นคนที่มี Preferences ต่างกัน และมีปัญหาไม่เหมือนกัน และสินค้า/บริการชิ้นเดียวกันนี้ สามารถเป็นที่ต้องการของคนหลายกลุ่มได้ เช่น คนที่ไม่อยากปวดหลัง และคนที่ต้องการชาร์จมือถือตลอดทั้งวัน ก็เป็นลูกค้าที่ซื้อกระเป๋าที่เรายกตัวอย่างไปนี่เองครับ

Benefit ไหนที่ทำให้ลูกค้าคนนั้นๆตัดสินใจมาซื้อสินค้า/บริการ ?

เราต้องรู้ให้ได้ว่าลูกค้าคนนี้ มาซื้อสินค้า/บริการของเราเพราะมันตอบโจทย์ความต้องการส่วนไหน โดยสามารถทำได้หลายวิธี โดยเก็บข้อมูลสองประเภทได้แก่  Qualitative และ Quantitative 

Qualitative :

Qualitative data ที่สามารถใช้เพื่อหา benefits ของสินค้า/บริการ
  1. In-depth interview : เก็บข้อมูลจากการสัมภาษณ์ลูกค้าทีละคน 
  2. Survey, vote both online and offline : ส่งแบบสอบถามที่ออกแบบมาแล้วว่าสามารถเก็บ Insight ได้ ทั้งออนไลน์และออนไลน์ และรวบรวมข้อมูลทั้งหมดมาวิเคราะห์เพื่อหา insight
  3. Questionnaire : รวบรวมข้อมูลจากการถามคำถาม หรือแบบสอบถาม
  4. Focus group : การสัมภาษณ์ลูกค้า หรือผู้ใช้งานแบบเป็นกลุ่มๆ พร้อมๆกัน เพื่อดูว่าเมื่อกลุ่มคนรวมตัวกันออกความคิดเห็น ความคิดเห็นที่ได้จะออกมาในทิศทางไหน กระแสสังคมจะส่งผลต่อผลิตภัณฑ์/บริการของเรามากน้อยแค่ไหน
  5. Reviews and rating description : เก็บข้อมูลจากรีวิวและเรทติ้งบน Google Maps Location
  6. กระทู้ที่พูดถึงสินค้า: การรวบรวมข้อมูลจากกระทู้บน Web Board ต่างๆพูดถึงสินค้าของเรา หรือ กระทู้ใกล้เคียงที่มีคอมเมนต์ถึงสินค้าของเรา 
  7. Location-based listening : จาก Location ใน Social media เราสามารถดูได้ว่ามีใครพูดถึงเราว่าอย่างไรบ้าง หรือให้ความสนใจกับสินค้าหรือบริการไหนของเรา จากโพสที่พวกเขา Tag Location ที่อยู่ใน Social Media
  8. Social listening : ดูว่าตอนนี้ผู้คนพูดถึงเรามากน้อยแค่ไหน จากการเก็บข้อมูลบน Social Media ต่างๆ เราสามารถทราบได้เลยว่าคอมเมนต์นนี้มาจากใคร และคอมเมนต์ไว้บนแพลตฟอร์มไหน
  9. Hashtag : คล้ายกับ Social Listening แต่จะเป็นการพูดถึงที่เจาะจงถึงแบรนด์ หรือสินค้า/บริการ​ โดยตรงเลย
  10. Feedback and comment : รวบรวมข้อมูลจากรีวิวบนช่องทางต่างๆ ทั้งใน eCommerce Platform และ Social Media ของแบรนด์ ไปจนถึงรีวิวที่เข้ามา

Quantitative

Quantitative data ที่สามารถใช้เพื่อหา benefits ของสินค้า/บริการ
  1. A/B Testing : เป็นการเปรียบเทียบองค์ประกอบ และดูว่าองค์ประกอบแบบไหนที่ผู้ใช้งานชอบมากกว่ากัน ซึ่งองค์ประกอบที่ว่าสามารถเป็นได้ทั้ง ภาพประกอบ / สี / ข้อความ
  2. Google Analytics : รวบรวมข้อมูลผู้ใช้งานจากเว็บไซต์และแอปพลิเคชั่น เพื่อวิเคราะห์ว่าผู้คนสนใจอะไรที่แบรนด์กำลังทำอยู่ สิ่งนี้สามารถบอกได้หลายอย่าง ไม่ว่าจะเป็น Customer Perceive ที่มีต่อแบรนด์เป็นอย่างไร, ช่องทางไหนที่ลูกค้าชอบใช้เพื่อติดต่อกับแบรนด์, Segmentation ไหน สนใจสินค้าอะไร เป็นต้น
  3. Heatmap รู้ว่าชอบดูส่วนประกอบหรือองค์ประกอบ ไหนของเว็บไซต์ ไม่ว่าจะเป็นรูปภาพ หรือข้อความ เพราะผู้ใช้งานบางกลุ่มก็ไม่อ่านคำอธิบายสินค้า แต่จะดูภาพประกอบแทน
  4. Product association model : รู้ว่าชอบสินค้าไหนบ้าง และสินค้าแต่ละตัวมี Benefits อะไรที่เกี่ยวข้องกัน เช่นกรณีของร้านอาหาร เมื่อลูกค้าสั่งอาหารเมนู 001 มักจะต้องสั่งคู่กันกับเครื่องดื่มรหัส 005 เราต้องหา Insight ให้ได้ว่าเพราะอะไรทำไมลูกค้าถึงสั่งของสองอย่างนี้คู่กันเสมอ เพื่อนำข้อมูลที่ได้ไปต่อยอดการพัฒนาผลิตภัณฑ์หรือการสื่อสารต่อไป

ประโยชน์จากการรู้ Benefits ที่ลูกค้าให้คุณค่า

การที่เราสามารถรู้ความต้องการในส่วนนี้ได้จะช่วยให้หลายๆทีมในองค์กรสามารถทำงานได้ตรงใจลูกค้ามากยิ่งขึ้น

  • ทีมการตลาด/เซลล์ : ช่วยให้ออกแบบการสื่อสารและกลยุทธ์ต่างๆได้อย่างแม่นยำ ตรงใจและตรงความต้องการของลูกค้า
  • ทีม Product Development : มีข้อมูลความชอบ ความต้องการของผู้ใช้งาน/ลูกค้า เพื่อต่อยอดในการสร้างสรรค์ผลิตภัณฑ์/บริการใหม่ๆ
  • ทีม Operation : สามารถส่งมอบสินค้า/บริการที่ตรงใจลูกค้า หรือผู้ใช้งาน จากการทำงานที่รู้เป้าหมายที่ชัดเจนตั้งแต่แรกว่าการลงมือทำครั้งนี้ สิ่งที่ลูกค้าคาดหวังคืออะไร 

Use-case หา Benefits โดยใช้ A/B Testing

โดยปกติแล้วเราจะไม่ทำ A/B Testing ทุกรูปแบบในคราวเดียวเพราะจะทำให้ผลที่ได้ไม่แม่นยำจากการที่มีหลายตัวแปรเกินไป แต่หากจะต้องเลือก 1 Feature ขึ้นมาเพื่อเทส เราขอแนะนำให้เลือกเอา Killing Feature ขึ้นมาเทสก่อน ว่าลูกค้าตัดสินใจซื้อสินค้า/บริการจาก Killing Feature นี้ เพราะ Benefits ไหน

ยกตัวอย่าง Use-case กระเป๋า ปัญหาที่พบคือ Banner ที่ใช้อยู่ไม่มีประสิทธิภาพสักเท่าไหร่ ทำให้นอกจากไม่ค่อยมีคนคลิกแล้ว ทางทีมยังไม่สามารถรู้ Insight ของลูกค้าได้อีกด้วย จึงตัดสินใจนำ Benefits มาส่ง Massage ผ่าน Banner นอกจากจะกระตุ้นให้เกิดการตัดสินใจซื้อแล้ว ทีมยังทราบได้อีกด้วยว่า Benefits ไหนที่จะตอบโจทย์คนกลุ่มไหนบ้าง  

Use case A/B testing

จากตารางตัวอย่างด้านบน Use-case กระเป๋า มี Benefits ทั้งหมดที่ตั้งสมมุติฐานขึ้นมา 4 ข้อได้แก่

  1. ชาร์จมือถือได้
  2. ชาร์จไอแพด
  3. ชาร์จกล้องได้
  4. ชาร์จบุหรี่ไฟฟ้าได้

ซึ่งมี Feature “มีแบตสำรองในตัวกระเป๋า” เป็น Killing Feature

ขั้นตอนแรกคือ สร้าง Banner ขึ้นมา 4 ดีไซน์ โดยแต่ละดีไซน์จะสื่อสารถึง Benefit นั้นๆ

Use case A/B testing

ขั้นตอนต่อไปให้ติดตั้ง tracking และเครื่องมือเพื่อเก็บข้อมูลว่าลูกค้าแต่ละคนเห็น Banner แต่ละแบบอย่างละกี่ครั้ง และเกิด Conversion จาก Banner ดีไซน์ไหน

Use case A/B testing

ขั้นตอนทั้งหมดนี้ใช้เวลาดำเนินการเพียงแค่ 2 เดือนก็สามารถหาคำตอบได้แล้วว่าจากสมมุติฐานที่มี Benefits ไหนกันแน่ที่ Significant 

จากตารางด้านบน จะเห็นได้ว่า Banner ที่คนคลิกเข้ามามากที่สุดคือ 1D: Feature มีแบตสำรองในตัว Benefits: ชาร์จบุหรี่ไฟฟ้า

เมื่อรู้ข้อมูลดังนี้แล้ว นอกจากเราจะ Personalized Campaign ไปถึงคนกลุ่มนี้ เรายังสามารถสร้าง Segmentation จาก Banner แต่ละแบบที่ User คลิกเข้ามา แล้วยิงแคมเปญ Personalized ไปหาพวกเขาได้อีกด้วยในอนาคต

เมื่ออ่านกันจนจบแล้ว หากแบรนด์ไหนอยากเพิ่มยอดขายจากการหา Benefits เพื่อนำไปต่อยอดการพัฒนาผลิตภัณฑ์และปรับรูปแบบการทำงานในองค์กร สามารถติดต่อ Predictive ได้เลย เรามีประสบการณ์กว่า 10 ปีในการทำเรื่องนี้กับบริษัทชั้นนำในประเทศกว่า 120 บริษัท และหากใครยังไม่มั่นใจว่าแบรนด์ของตัวเองจะต้องมีขั้นตอนการดำเนินการอย่างไร เรายินดีใช้ประสบการณ์ของเรามาให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย

Get in touch

Let's work together!

"*" indicates required fields

Name*
Please let us know what's on your mind. Have a question for us? Ask away.