Customer Data Platform in Action บริษัทใหญ่เริ่มต้นทำ CDP เพื่อสร้าง Business Impact ในระยะยาว

หากลองจินตนาการปริมาณของข้อมูล ของบริษัทใหญ่ที่มีบริษัทในเครือ จะพบว่ามีปริมาณมากมายเลยทีเดียว เพราะบริษัทในเครือมักจะทำธุรกิจที่แตกต่างกัน ทำให้เราเข้าใจลูกค้าในหลากหลายมุมมองมากขึ้น 

ซึ่งหากเรานำมาปรับใช้อย่างตรงจุด เราจะเข้าใจพฤติกรรมของลูกค้า และได้ Insight ดีๆ ที่สำคัญคือหากเรารู้ใจลูกค้าว่าเขาต้องการอะไร แล้วเราสามารถ upsell / cross sell สินค้าของบริษัทในเครือได้ถูกที่ ถูกเวลา ช่วยเพิ่มยอดขาย และลดต้นทุนในการหาลูกค้าใหม่ๆ ได้อีกด้วย 

แต่ปัญหาก็คือ การเก็บข้อมูลในแต่ละบริษัทในเครือ นั้นมีความ Silos แยกแต่ละทีม มีการใช้เครื่องมือจากหลากหลายแพลทฟอร์ม ซึ่งแต่ละแพลทฟอร์มก็มีการเก็บข้อมูลก็มีรูปแบบที่แตกต่างกัน ทำให้แม้จะเป็นลูกค้าคนเดียวกันแต่เมื่อถูกจัดเก็บข้อมูลในรูปแบบที่แตกต่างกันในแต่ละแพลทฟอร์ม ก็อาจจะมองเห็นลูกค้าเป็นคนละคนกันไปได้ ซึ่งทำให้เราไม่เห็นภาพ Journey ของลูกค้าแบบ 360 องศา ไม่เข้าใจลูกค้าอย่างแท้จริง และส่งมอบประสบการณ์ไม่ตรงจุด

วันนี้ทาง Predictive จะมาเล่าในเชิง Use Case การทำ Customer Data Platform in Action สำหรับบริษัทใหญ่ที่มีบริษัทในเครือ ทั้งในส่วนของขั้นตอนการทำ และการสร้าง Business Impact กันค่ะ ยิ่งเราเข้าใจ และ Implement ตัว Customer Data Platform เร็วเท่าไหร่ เราก็จะได้เปรียบคู่แข่งเจ้าอื่นๆ ในตลาดและสร้างโอกาสทางธุรกิจมากเท่านั้น 

 ทำไมบริษัทถึงควรเริ่มทำ Customer Data Platform

ก่อนอื่นเรามาทำความเข้าใจกันก่อนค่ะว่า Customer Data Platform (CDP) คืออะไร 

“Customer data Platform (CDP) เป็นเครื่องมือทางการตลาด ที่ช่วยให้แบรนด์สามารถรวบรวมข้อมูลจากแหล่งต่างๆ เข้าไว้ด้วยกัน เพื่อให้เข้าใจลูกค้ามากที่สุด จากนั้นก็นำข้อมูลมาวิเคราะห์ ทำโมเดล และทำการตลาดกลับไปยังลูกค้าแต่ละคนอย่างทรงประสิทธิภาพ ซึ่งนักการตลาดสามารถเข้ามาใช้งาน และดึงข้อมูลจาก CDP ได้ง่ายๆ ด้วยตัวเอง ซึ่งนี่จะเป็นอาวุธสำคัญที่ช่วยให้ทำการตลาดด้วยข้อมูลได้มีประสิทธิภาพมากขึ้น พร้อมกันในทุกๆ platform”

อ่านเพิ่มเติม Customer Data Platform หรือ CDP มีความสำคัญกับธุรกิจอย่างไร 

Customer Data Platform (CDP) นั้นมีประโยชน์หลักๆ ดังนี้ 

บริษัทใหญ่ ที่มีบริษัทลูก และมีข้อมูลเยอะๆ สามารถนำ Customer Data Platform ไป Implement เพื่อเข้าใจ Full Journey และ Lifestyle ของลูกค้า ทำให้ได้ Insight และวางกลยุทธ์ได้ตรงจุดมากขึ้น เช่น

• เห็นโอกาสการ Upsell , Cross Sell ของบริษัทในเครือ
• ส่งมอบประสบการณ์การใช้งานที่ดีขึ้น ผ่านการทำ Personalization
• ขยายธุรกิจสะดวกขึ้นในระยะยาว

จึงเป็นเรื่องน่าเสียดาย หากไม่ได้เก็บข้อมูลให้ครบถ้วน ถูกต้อง และนำไปใช้ประโยชน์ให้เกิด Business Impact เพราะนั่นหมายความว่าคุณกำลังพลาดโอกาสครั้งใหญ่เลยทีเดียว 

ขั้นตอนการทำ Customer Data Platform in Action 

1. Data Management  

ก่อนอื่นเราต้องรวมรวมข้อมูลทั้งในส่วนของ online และ offline จากทุกบริษัทในเครือ มารวมไว้ในฐานข้อมูลเดียวกัน

ซึ่งในขั้นตอนนี้ เราจะรวบรวมทั้งข้อมูล Transaction Data ของบริษัทในเครือซึ่เงป็น First Party Data  และมีการเก็บข้อมูล Behavioral Data จาก Google Analytics 360 และ Google Audience Data เพิ่มเติม เพื่อให้เราเข้าใจ User Insight และสร้าง Business Impact ได้ในอนาคต 

ตัวอย่างข้อมูลธุรกรรม (Transaction Data) ของบริษัทการเงินเช่น

• ข้อมูลการใช้บัตรเครดิต : วัน / เวลา และจำนวนเงินที่ลูกค้าใช้จ่าย
• พฤติกรรมการใช้ Point เพื่อ Redeem ของรางวัล
• ข้อมูลการกรอก Lead ลงทะเบียนบนหน้าเว็บไซต์

สำหรับข้อมูล Unknown User เกิดจาก 2 ส่วนด้วยกันคือ 1. ข้อมูล Behavior Data และ 2. ข้อมูลจาก Google Audience Data 

ตัวอย่างข้อมูลเชิงพฤติกรรม (Behavior Data) ได้แก่

• ข้อมูลการเข้าชมเว็บไซต์
• การเข้าชมสินค้าและบริการ
• การเปรียบเทียบราคาบนเว็บไซต์

ซึ่งทำให้เราเข้าใจพฤติกรรมการใช้งานเว็บไซต์ของลูกค้า รู้ว่าลูกค้ากดปุ่มไหนบ้าง กดกรอกฟอร์มหรือไม่ ผ่านการติด Event Tracking และเก็บข้อมูลลงบน Google Analytics 360

นอกจากนี้ยังมีข้อมูลจาก Google Audience ซึ่งเป็นการเก็บข้อมูลการใช้งานของลูกค้าที่ใช้งานแพลทฟอร์มต่างๆ ใน Ecosystem ของ Google เช่น Gmail ,Youtube ,Google Chrome ,Google Maps และ อื่นๆ 

เป้าหมายคือเมื่อนำข้อมูลต่างๆ มารวมกัน จะทำให้เราเห็น และเข้าใจ User Insight และสามารถนำข้อมูลดังกล่าวไปใช้ประโยชน์ (Data Activation) เพิ่มเติม เช่น การสร้าง Segmentation เป็นต้น

2. ID Resolution 

สร้างโปรไฟล์ของลูกค้า โดยมีการ map id ให้ข้อมูลของลูกค้าระหว่างแพลทฟอร์ม  และระหว่างบริษัทในเครือ ทำให้เห็นลูกค้าเป็นคนๆ เดียวกันตลอดทั้ง Journey

ทำให้เวลาเอามาสร้างเป็น Customer Profile ก็สามารถเชื่อมโยงพฤติกรรมได้ว่าลูกค้ามีการข้ามไปมาระหว่างเว็บไซต์ , Email , Call Center  อย่างไร และต้องมองว่าเป็น User เดียวกัน และเข้าใจ Journey และความต้องการที่แท้จริงของลูกค้าคนนั้นๆ 

3. Advances Analytics

หลังจากที่ได้ทำในส่วนของ Data Management และ ID Resolution เรียบร้อยแล้ว เราก็จะสามารถนำข้อมูลที่ได้ไปทำ Advanced Analytics ที่ขึ้นอยู่กับ Use Case ที่แบรนด์ต้องการ 

4. Data Activation 

หลังจากจัดการในส่วนของ Advanced Analytics เรียบร้อยแล้ว ส่วนที่สำคัญสุดท้ายคือการนำข้อมูลไปใช้ต่อให้เกิด Business Impact การเอาข้อมูลไปใช้ต่อทำได้หลากหลายวิธีเช่น

4.1 Segmentation – แบ่งกลุ่มลูกค้า และเสนอสิ่งที่โดนใจในแต่ละกลุ่ม 

ลูกค้ามีหลากหลายพฤติกรรมความชอบ ปัจจุบันหมดยุคการทำ Mass Communication ที่หวังว่าจะสื่อสารไปแบบเดียวแล้วจะโดนใจทุกคนไปแล้ว เพราะเสี่ยงที่ลูกค้าไม่สนใจและกดออกอย่างรวดเร็ว ซึ่งทำให้แบรนด์เปลืองงบ เปลืองเวลา และ เปลือง Resources 

แบรนด์จึงต้องทำ Segmentation แบ่งกลุ่มลูกค้าตามพฤติกรรม ความชอบที่แตกต่างกัน เพื่อส่งมอบประสบการณ์ที่โดนใจคนแต่ละกลุ่ม Segment ค่ะ ซึ่งสามารถทำได้ง่ายๆ ผ่าน Rule based Segmentation on Google Analytics 360 โดยวิเคราะห์ข้อมูล Behavioral Data ที่เก็บมา เช่น 

• ลูกค้ากลุ่มที่ Drop off lead form
• กด FAQ แต่ยังไม่ลงทะเบียน 
• ลูกค้าคนที่ลงทะเบียนสมัครบัตรเครดิตไม่สำเร็จและออก (Bounce) จากเว็บไป 
• ลูกค้าที่มีแนวโน้มใช้จ่ายกับการทานอาหาร 
• ลูกค้าที่เลื่อนอ่านเนื้อหา 100% บนเว็บไซต์ 

หลังจากนั้น export กลุ่ม Segment ดังกล่าวไปยังแพลมฟอร์มต่างๆ เช่น

• Google Ads 
• Display & Video 360
• Campaign Manager

เพื่อทำการ Retargeting และ Personalization ตามพฤติกรรมและความต้องการของลูกค้าแต่ละคนต่อไป 

4.2 Onsite Personalization – ปรับหน้าเว็บให้โดนใจลูกค้า

จะดีกว่าไหม หากลูกค้าจะได้เห็นสิ่งที่เขากำลังสนใจพอดี ซึ่งการใช้ Google Optimize จะช่วยส่งมอบประสบการณ์แบบ Personalization ให้กับลูกค้าตามความสนใจของลูกค้าแต่ละคนได้ 

โดยเวอร์ชันเดิม : Not Personalize – คนเข้าชมเว็บไซต์ทุกคน เจอ Banner แบบเดียวกัน ซึ่งมีโอกาสสูงมากที่จะเจอ Banner ที่เราไม่สนใจ และทำให้กดออกจากเว็บไซต์ไปในที่สุด 

เวอร์ชันใหม่ Personalization – ใช้การ Personalize ตัว Banner บนเว็บไซต์ตามความสนใจของแต่ละ Segment เช่น คนในกลุ่ม Segment ที่ชื่นชอบการ Shopping ก็จะเจอ Banner “บัตรเครดิตของคนชอบช็อป” 

4.3 Prefer Channel – หาช่องทางติดต่อที่ทัชลูกค้าได้จริง 

ลูกค้าแต่ละคนมีพฤติกรรมการใช้ Social Media ที่แตกต่างกัน ซึ่งหากนาย B เป็นคนที่เข้า Facebook และ Email บ่อยมากๆ แต่ไม่เข้า Twitter  เลย แบรนด์ก็ควรจะสื่อสารกับนาย B ผ่าน Facebook และ Email และลดงบประมาณในช่องทางอื่นๆ ที่เหลือ เพื่อเพิ่มประสิทธิภาพการสื่อสาร และลดต้นทุนในระยะยาวใช่ไหมล่ะคะ 

ซึ่งการทำ Prefer Channel นั้นสามารถทำได้ผ่านการรันโมเดลของ Machine Learning หลังจากที่เรามี  Customer unique ID ของลูกค้าแต่ละคน และมีการส่งแคมเปญไปสื่อสารกับลูกค้า ระบบจะเก็บข้อมูลพฤติกรรมการใช้งานของลูกค้า เช่น Media Channel , Frequency , เวลาที่เจอ Ads และดึงมารันโมเดลที่มีความแม่นยำถึง 80 – 90% เพื่อทำนายช่องทางที่สอดคล้องกับพฤติกรรมของลูกค้ามากที่สุด ช่วยให้แบรนด์ประหยัดค่าใช้จ่าย , สร้างประสบการณ์การใช้งานที่ดี และเพิ่ม Net Promoter Score (NPS) , ลดอัตรา Unsubscribe rate จาก SMS / EDM % 

4.4 Propensity Model – หากลุ่มลูกค้าเป้าหมายในอนาคตอย่างแม่นยำ 

หลังจากที่เรามีข้อมูลลูกค้าปัจจุบันแล้ว แล้วเข้าใจพฤติกรรมของลูกค้า รวมถึงเข้าใจ Pattern ของปัจจัยที่ Drive ให้เกิด Conversion แล้ว เราก็สามารถใช้ Machine Learning ช่วยวิเคราะห์หา Potentials Lead (กลุ่มลูกค้าที่มีแนวโน้ม convert ในอนาคต) และให้คะแนน Potentials Lead แต่ละคนแตกต่างกันไป ว่าคนไหนมีแนวโน้มที่จะเป็นลูกค้าในอนาคตมากกว่ากัน และทุ่ม Effort ไปที่ Lead ที่มีคะแนนเยอะๆ ก่อน 

ยิ่งมีข้อมูลเยอะ ยิ่งได้เปรียบ แต่ข้อมูลนั้นต้องมีการเก็บ และนำไปใช้อย่างถูกต้องด้วย สำหรับบริษัทใหญ่นั้นยิ่งเราเริ่มต้นทำ Customer Data Platform ไวเท่าไหร่ ก็ยิ่งช่วยให้ เห็นโอกาสใหม่ๆ ที่จะช่วยเพิ่มยอดขาย ลดรายจ่ายได้ในระยะยาวเร็วขึ้นเท่านั้น 

หากคุณสนใจเริ่มต้นนำ Customer Data Platform สามารถติดต่อทาง Predictive ได้เลยค่ะ เราเป็น Google Marketing Platform Sales Partner และ Google Cloud Partner ที่พร้อมให้คำปรึกษาตั้งแต่การวาง Strategy ไปจนถึงการ Implementation เพื่อช่วยให้แบรนด์ของคุณสร้างประสบการณ์ที่ดีให้กับลูกค้าได้แบบรายบุคคล