CDP impact to business

Customer Data Platform หรือ CDP มีความสำคัญกับธุรกิจอย่างไร

มารู้จักความสำคัญของ Customer Data Platform หรือ CDP กันครับ

ในช่วงสองสามปีที่มานั้นนักการตลาดได้ให้ความสำคัญกับ CDP มากยิ่งขึ้น เนื่องด้วยการแข่งขันในตลาด Digital ที่สูงขึ้น มีกฏหมายที่เกี่ยวข้องกับข้อมูลส่วนบุคคลที่มากขึ้น และการที่ทาง Browser ต่างๆ ได้มีการปรับเปลี่ยนวิธีการจัดการ Third Party Cookie มากขึ้น ทำให้ความสำคัญของการเก็บข้อมูลและใช้ข้อมูลแบบ First Party Data มีความสำคัญมากทำให้ความต้องการในการใช้ CDP ถึงมากขึ้นตามไปด้วย

CDP เป็นระบบที่รวบรวมการเก็บข้อมูลของลูกค้า และนำข้อมูลไปวิเคราะห์เพื่อนำไปใช้งานต่อ ที่หลากหลายวิธี โดยจะมีการเก็บข้อมูลแบบ 1st Party Data, 2nd Party และ 3rd Party Data ซึ่ง CDP จะมีความสำคัญตรงที่ต้องมีการเก็บข้อมูล First Party Data เป็นหัวใจสำคัญของการใช้ CDP และจะต้องสามารถเก็บข้อมูลเป็นลักษณะ Individual-level โดยข้อมูลที่เป็น First Party Data นั้นจะสามารถเก็บในหลากหลายรูปแบบและ Platform ยกตัวอย่างเช่น Website, Mobile Application, POS (Point of Sale), E-Mail, SMS หรือระบบ CRM อื่นๆ ที่มีการเก็บข้อมูลของลูกค้าในถังข้อมูลอื่นๆอีกมากมาย ซึ่งตัว CDP ออกแบบมาให้ทำงานร่วมกันกับระบบอื่นๆ ไม่ได้จะมาแทนที่ ระบบ CRM หรือระบบ Email หรือระบบที่ทางแบรนด์มีการใช้อยู่แล้ว

CDP เป็นระบบที่ทำให้เราเข้าใจลูกค้าแบบ 360-Degree Views หมายความว่าเราสามารถเข้าใจในหลายมุมของลูกค้าตั้งแต่ตัวตนของลูกค้า Profile ของลูกค้าว่าเป็นอย่างไร หรือแม้กระทั้งเรื่องของ Customer Experience ว่ามีประสบการณ์อย่างไรบ้างกับแบรนด์ของเรา โดยที่ไม่ได้มีเฉพาะช่องทาง Digital อาจจะรวมถึงช่องทาง Offline ต่างๆ มากมาย ซึ่งการที่เราเข้าใจลูกค้าแบบ 360-Degree Views นั้นทำให้เราสามารถนำข้อมูลเหล่านี้ไปวิเคราะห์และสามารถออกแบบระบบเพื่อให้สามารถติดต่อสื่อสารกับกลุ่มลูกค้าของเราได้ทันที

รูปแบบของการเก็บข้อมูลลูกค้าของ Brand เป็นสองลักษณะคือ Identity กับ Behavioral หรือข้อมูลเชิงพฤติกรรม

ข้อมูลที่เป็น Identity Data หรือ Customer Profile

1. Identity แบบ Anonymous ที่ไม่รู้ตัวตนของลูกค้าที่จะมีการเก็บข้อมูลใน ลักษณะของ Cookie หรือ Device ID โดยที่ข้อมูลชุดนี้ ระบบ CDP จะต้องสามารถเชื่อมโยง Data Management Platform หรือเรียกสั้นๆ ว่า DMP  ซึ่งเป็นระบบที่ทำการเก็บข้อมูลที่เป็นลักษณะเป็น Audience Data โดยใช้ Cookie-Based หรือ Device ID ซึ่งการที่ได้ข้อมูลในเชิงของ Anonymous มาด้วยนั้นย่อมมีความสำคัญเพราะว่าเราสามารถเข้าใจ Full Customer Journey ตั้งแต่เราได้มีปฏิสัมพันธ์กับทางลูกค้าของเราตั้งแต่ครั้งแรก หรือบางครั้งที่ทางลูกค้าของเราไม่ได้ Login

2. Identity แบบรู้ตัวตน Known ที่มีการเก็บข้อมูลในรูปแบบ PII (Personally identifiable information) เช่น เบอร์โทรศัพท์, Email, ชื่อ, ที่อยู่ หรือข้อมูลรหัสลูกค้า ที่สามารถเก็บข้อมูลเพิ่มเติมมาสร้างเป็น Profile ได้เช่น อายุ เพศ อาชีพ รายได้ การศึกษา ที่ทำงาน หรือข้อมูลอื่นๆ  ที่สามารถนำข้อมูลส่วนนี้ไปเชื่อมต่อกับระบบอื่นๆ เช่นระบบ E-Mail ระบบ Call Center เป็นต้น 

ข้อมูลในเชิงพฤติกรรมของลูกค้า (Behavioral Data) 

โดยรูปแบบข้อมูลพฤติกรรมของลูกค้า ก็จะแบ่งได้อีกว่า เป็นข้อมูลของลูกค้าที่รูปแบบ Anonymous ที่ไม่รู้ตัวตนก็สามารถเก็บเพื่อนำมาวิเคราะห์ในเชิงพฤติกรรมของลูกค้าได้เหมือนกัน เช่น เข้ามาดูมีพฤติกรรมการ Browse อย่างไร พฤติกรรมการใช้งานเว็บไซต์อย่างไร ซึ่งจะสามารถทำให้เอาข้อมูลไปประมวลผลในเชิงลึก ที่สามารถแบ่งประเภท Segmentation ของลูกค้าแต่ละกลุ่มได้เลย เช่น ลูกค้าเข้ามาดู Product A, B, C ซึ่งแต่ละ Product ก็จะมีราคาที่แต่งต่างกันเช่นเว็บไซต์จองโรงแรม อาจจะมี Product อยู่มหาศาล ซึ่งแน่นอนว่าการที่เราสามารถเก็บพฤติกรรมการ Browse ของลูกค้าของเราได้ก็ย่อมทำให้เราสามารถสื่อสารกับกลุ่มเป้าหมายของเราได้ดีขึ้น

กับอีกรูปแบบข้อมูลที่พฤติกรรมของลูกค้าที่สามารถระบุตัวตนได้เช่น ข้อมูลพฤติกรรมของการทำของธุรกรรมต่างๆ เช่น ซื้อสินค้าอะไร เวลาอะไร สถานที่ซื้อ หรือกระทั่งรวมถึงพฤติกรรมการใช้ product ด้วย

ซึ่งข้อมูลในเชิงพฤติกรรมนี้หากเรามีการเก็บข้อมูลอย่างต่อเนื่องก็จะทำให้เราสามารถเข้าใจ Stage ของลูกค้าได้ เช่นยกตัวอย่าง Brand ที่เป็นผลิตภัณฑ์สำหรับคุณแม่ ที่มีการเก็บข้อมูลตั้งแต่ก่อนตั้งครรภ์จนถึงลูกอายุสองสามขวบได้เลย โดยที่เราสามารถเข้าใจความต้องการของลูกค้าของแต่ละ Stage ได้เลย ทำให้นักการตลาดทำการนำเสนอเนื้อหาและสินค้าได้ตรงกับความต้องการของลูกค้าได้อย่างแม่นยำ

การที่เรามีการเก็บข้อมูลแบบที่สามารถระบุตัวตนได้จะช่วยทำให้เราทำให้เข้าใจพฤติกรรมของลูกค้าของเราเป็นรายบุคคลได้ดีขึ้น เพราะว่าลูกค้าหลายๆ คนก็มีการใช้ Device หรือ Platform ที่มากกว่า 1 Device หรือ 1 Platform 

โดยหน้าที่และบทบาทของ CDP นอกจากทำหน้าที่เก็บข้อมูลจากที่เกริ่นไปก่อนหน้านี้แล้ว จะแบ่งออกเป็นทั้งหมด 4 ฟังก์ชันหลักๆ ของ CDP ดังนี้

Customer Data Platform Core Functions

1. Data Management

ส่วน Function นี้เป็นส่วนในการจัดการข้อมูล ซึ่งจะประกอบด้วยหลากหลายหน้าที่ ตั้งแต่ การจัดเก็บข้อมูล (Data Collection) การติดตั้ง Tag บนเว็บไซต์ บน Mobile Application การรวบรวมข้อมูล (Data Ingestion) และรวมถึงการจัดการข้อมูลโดยวิธีการที่เรียกว่า ETL (Extract, Transform และ Load) ซึ่งจะสามารถเอา Data มาจากแหล่งๆ ต่างๆ เช่น Google Cloud Platform, Amazon Web Service (AWS), AZURE หรือที่เป็น On-Premise Server ของแบรนด์เองก็หน้าที่หลักของ CDP จะต้องสามารถรวบรวมข้อมูลจากหลายๆที่ จัดการข้อมูล เพื่อนำไปใช้งานต่อได้

ส่วนของการจัดการข้อมูลส่วนนี้สำคัญมากเพราะว่า ถ้าข้อมูลที่เก็บมาแต่ละถังไม่ได้ Clean หรือ Consistent หรือเกี่ยวข้องกับการเอามาทำ Customer Profile ก็จะทำให้เวลาเอาข้อมูลมาทำใน Step ต่อๆ ไปมีปัญหาด้วย เพราะฉะนั้นทางแบรนด์เองต้องให้ความสำคัญกับส่วนนี้เป็นอย่างมาก

2. ID Resolution หรือ Profile Unification

คือกระบวนการที่จัดการเรื่อง Customer Identities โดยเชื่อมโยงข้อมูลข้อมูลจากหลายๆที่ เพื่อที่จะทำ Deduplication ของจำนวนของ User เช่น ข้อมูลจากเว็บไซต์ที่มี CookieID เพื่อที่จะ Mapping กับข้อมูลของ Email ที่มีข้อมูล CustomerID ที่ทำให้เวลาเอามาสร้างเป็น Customer Profile ก็สามารถเชื่อมโยงพฤติกรรมได้ว่าลูกค้ามีการข้ามไปมาระหว่างเว็บไซต์และ Email อย่างไร และต้องมองว่าเป็น User เดียวกัน ซึ่งอันนี้เป็นเพียงแค่ตัวอย่างของข้อมูลเพียงสองที่เท่านั้น ซึ่งในความเป็นจริงย่อมมีความหลากหลายมากกว่านี้ เพราะลูกค้าจะมีช่องทางในการติดต่อสื่อสารกับทางแบรนด์หลากหลายช่องทางขึ้นอยู่กับประเภทของธุรกิจ

3. Advances Analytics

หลังจากที่ได้ทำในส่วนของ Data Management และ ID Resolution เรียบร้อยแล้ว เราก็จะสามารถนำข้อมูลที่ได้ไปทำ Advanced Analytics ที่ขึ้นอยู่กับ Use Case เช่น การทำ Segmentation โดยใช้ข้อมูลจากทุกช่องทางมาเป็น Behavioral Analysis เพื่อเอามาสร้างเป็น Profile ของแต่ละคนที่มีความแตกต่างกัน ซึ่งในกระบวนการส่วนนี้สามารถทำได้ทั้งแบบ Rule-based segmentation ที่ทาง Data Analyst จะเป็นคนกำหนดเงื่อนไข Rule-based ต่างๆและมีการสร้างขึ้นบน CDP หรือจะใช้ Machine Learning ในการสร้าง Segmentation โดยใช้ Model ต่างๆ โดยที่ทาง Data Scientist จะเป็นดำเนินการในส่วนนี้เพื่อให้ไปตอบโจทย์ปัญหาต่างๆ เช่น สร้าง Cluster Algorithms ที่สามารถ Identify หา Segmentation ที่อาจจะซ่อนอยู่ที่เราไม่สามารถใช้คนหาแบบ Manual ได้ หรือการทำ Propensity Model ที่สามารถเอา Feature ต่างๆ เช่น Pageview, Event, Transaction หรือ Metics อื่นๆ รวมถึง Dimension ต่างๆ ที่เรามีการเก็บข้อมูลมาวิเคราะห์โดยใช้ Machine เพื่อหาแนวโน้มในการซื้อสินค้า ที่สุดท้าย output ของการทำ Advanced Analytics ก็จะได้ข้อมูลของลูกค้ารายๆ นั้นออกมาเพื่อนำไปใช้ในขั้นตอน Activation ถัดไป

4. Activation

ลังจากจัดการในส่วนของ Advanced Analytics เรียบร้อยแล้ว ส่วนที่สำคัญสุดท้ายคือการนำข้อมูลไปใช้ต่อให้เกิด Business Impact การเอาข้อมูลไปใช้ต่อทำได้หลากหลายวิธีเช่น

1. การเอาข้อมูลไปแสดงผลเป็น Interactive Dashboard โดยการที่เรานำข้อมูลที่ทำการวิเคราะห์มาแล้วมาเล่าเป็นเรื่องราว เพื่อให้ผู้ใช้งานสามารถนำข้อมูลที่ได้ไป Action ต่อไปได้ เช่นการทำ Full Funnel Dashboard ที่สามารถแสดงผล Funnel ตั้งแต่ต้นทางจนถึงปลายทางได้โดยไม่ต้องไปเปิดดูหลาย Report ซึ่งการที่เปิดดูหลาย Report ก็ไม่สามารถเชื่อมโยงพฤติกรรมของลูกค้าแต่ละกลุ่มได้

2. การเอาข้อมูลไปทำสื่อสารแบบ Personalization ต่อ ซึ่งการทำ Personalization ก็สามารถทำได้หลากหลายช่องทางขึ้นอยู่กับ Customer Journey ซึ่งการเอาข้อมูลไปสื่อสาร เช่น

2.1 การทำ Personalization ผ่านทางหน้าเว็บไซต์ของแบรนด์เอง เช่นแสดงผล Product ที่แตกต่างกันไปโดยใช้ Lifetime Value (LTV) ของลูกค้าแต่ละรายเป็นเงื่อนไขในการแสดงผล
2.2 การทำ Personalization ผ่านทางช่องทางโฆษณา เช่น Google Ads หรือ Programmatic Display Ads ที่เราสามารถยิงโฆษณาที่มีความแตกต่างกันโดยใช้เงื่อนไข Lifetime Value (LTV) ของลูกค้าแต่ละรายได้
2.3 การทำ Personalization ผ่านช่องทางเช่น Email, SMS หรือ Push Notification ที่เราควรจะมีส่งเนื้อหาที่มีความแตกต่างกันออกไป

อ่านเพิ่มเติม : Customer Data Platform และ Data Management Platform (DMP) แตกต่างกันอย่างไร ได้ที่นี่

คำแนะนำสำหรับผู้บริหาร

1. การเลือก CDP ที่ตอบโจทย์สำคัญมาก เพราะว่าจะส่งผลต่อการเอาข้อมูลไปสร้างมูลค่าเพิ่มให้กับธุรกิจของท่าน เราต้องมาดูว่าเครื่องมือ CDP ที่เราเลือกนั้นตอบโจทย์ Use Case เราจริงๆ หรือไม่ ยกตัวอย่าง Case เช่น เราต้องการเอาข้อมูลที่ผ่านการทำ Propensity Model มาไปทำ Personalized Offer ให้คนที่มี Propensity Score ที่มีความแตกต่างกันผ่านทางช่องทาง Google Ads เราก็ควรใช้ระบบ CDP ที่เป็น Ecosystem ของทาง Google เพื่อที่ตัว Identifier ของทางฝั่ง Ads และฝั่ง CDP เป็นคนเดียวกัน เพราะไม่ฉะนั้นจะทำให้ระบบสองระบบหา Audience ไม่เจอก็ทำให้ไม่สามารถทำ Personalization ได้

2. ก่อนที่จะเลือก CDP ควรจะต้องเข้าใจ Customer Journey และ Ecosystem ของแบรนด์ของเราทั้งหมดเพื่อที่เราสามารถเข้าใจถึง Use Case และ Requirement ว่าเราต้องการนำ CDP มาใช้เพื่ออะไร เพราะสุดท้ายการลงทุนใน CDP จะต้องตอบโจทย์ในด้านธุรกิจ และต้องสามารถวัดผลออกมาเป็น ROI ได้ด้วย

หากสนใจต้องการข้อมูลเพิ่มเติมเกี่ยวกับ CDP หรือต้องการให้ทาง Predictive เป็นที่ปรึกษาในการวางระบบ CDP สามารถติดต่อได้ที่ Contact Us

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.