หลังจากที่เราได้เกริ่นถึงเรื่องการจะเป็น Data Driven Company และพูดคุยกันภายใต้หัวข้อแรก “เก็บ Data ยังไง ให้ทั้งบริษัทสามารถนำไปใช้ได้จริง” ที่ได้เล่าถึงการเก็บข้อมูลในเชิง Collection กันไปแล้ว วันนี้เราจะมาพูดถึงขั้นตอนถัดไปนั่นก็คือ การจัดเก็บข้อมูลในความหมาย Harmonization
หลังจากที่มีการเก็บข้อมูลแล้ว อีกมุมที่สำคัญมากๆต่อจากนี้คือ Harmonization ซึ่งหลักๆแล้ว จะเกี่ยวกับการจัดเก็บ (Storing) ข้อมูล และขั้นตอนการดึงข้อมูลให้สามารถเข้าถึงและ นำข้อมูลมาใช้ได้อย่างรวดเร็วและมีความแม่นยำ
ก่อนที่เราจะเข้าสู่เนื้อหาในวันนี้ เราอยากให้ทุกคนได้รู้จักคำศัพท์ 2 คำนี้ก่อน
- Data Collection เก็บข้อมูล : ข้อมูลมีมากมายหลายรูปแบบ ขึ้นอยู่กับว่าเราจะเก็บอะไร เช่น ในข้อมูลลูกค้า มีทั้งอายุ เพศ รายได้ พฤติกรรม ฯลฯ เราจะเลือกเก็บ(Collect) อะไรดีนะ ที่ทำให้เราไม่ สิ้นเปลืองทรัพยากร และข้อมูลทั้งหมดที่เราเก็บ จะถูกนำมาใช้อย่างมีประสิทธิภาพ
- Harmonization จัดเก็บข้อมูลที่ถูกรวบรวมมาแล้ว จากขั้นตอน Data Collection
เลเวลของการจัดเก็บข้อมูล
- การจัดเก็บข้อมูลแยกแบบ Silo Storage เช่น การเก็บข้อมูลลูกค้าแบบ Offline บน CRM ในถังนึง การเก็บข้อมูล Online บน Cloud ผ่าน Google Analytics อีกถังนึง ซึ่งข้อเสียคือ เมื่อเราต้องการนำข้อมูลมาใช้ จะต้องดึงข้อมูลจากสองที่ และเราจะไม่สามารถรู้ได้เลยว่าลูกค้า Offline กับ Online เป็นคนเดียวกันไหม (อ่านเพิ่มเติมเกี่ยวกับ CRM)
- มีการเริ่มจัดเก็บข้อมูลระหว่าง Online และ Offline ในถังเดียวกันมากขึ้นแต่ยังไม่สามารถนำมาใช้งานได้ เพราะการ Harmonization ของเรายังไม่เรียบร้อยดี
- เก็บข้อมูลในถังกลางเกือบหมดและมีการทำ Data Cleansing เพื่อตรวจเช็คข้อมูลที่มีการ Overlap (ซ้ำซ้อน/ทับซ้อน) และมีการคัดกรองให้ข้อมูลมีประสิทธิภาพมากขึ้นและพร้อทใช้งาน
- มีการวางระบบ Single Source Of Truth หรือ แหล่งข้อมูลจริงเพียงแห่งเดียว โดยที่ข้อมูลทั้ง Offline และ Online ไม่มีการทับซ้อนกัน (ข้อเสียของข้อมูลที่ทับซ้อนกันจะทำให้ความแม่นยำในการนำข้อมูลมาใช้ลดน้อยลง) และมีการวางระบบ Customer Data Platform (CDP) โดยมีการวางระบบวิเคราะห์ข้อมูล ซึ่งจุดนี้จะสามารถใช้ Machine Learning หรือ AI เข้ามาช่วยเพื่อให้ระบบมีความสามารถในการ Predictive และ Prescriptive Analytics (การวิเคราะห์แบบให้คำแนะนำ) ซึ่งข้อดีของการมีทั้ง Predictive และ Prescriptive Analytics จะช่วยให้เราจะสามารถตั้งคำถามได้ว่า ทำไมสิ่งนี้ถึงเกิดขึ้น และในอนาคตอะไรจะเกิดขึ้นบ้าง
ถ้าเกิดบริษัทสามารถทำ ถึงเลเวลที่ 4 ได้ จะช่วยให้บริษัทสามารถปลดล็อคการนำข้อมูลมาใช้ประโยชน์ได้อีกหลายอย่าง แถมยังช่วยให้ธุรกิจเข้าใจพฤติกรรมลูกค้าแบบลึกซึ้งมากขึ้นอีกด้วย
Use Case: บริษัทที่ทำธุรกิจเกี่ยวกับ Electronic
- ลูกค้า A เข้ามาใน Website เพื่อดูสินค้าต่างๆ กดดูสินค้าหลายชิ้น มีการเทียบ Feature ของสินค้า และเพิ่มสินค้าใส่ตระกร้าหลายชิ้น ถ้าหากเราดูจากพฤติกรรมลูกค้า A เราจะคิดว่าเค้าเป็น loyal customer เพราะมีการดูสินค้าหลายชิ้นและราคา แพง เราจึงยิง ads สินค้า premium ให้ลูกค้า ตลอด แต่ ถ้าหากเราสามารถเชื่อมต่อข้อมูล online และ offline purchase เข้าด้วยกันและสามารถ identify ว่าลูกค้า A จริงๆแล้วเค้าซื้อสินค้าอะไรไปบ้างที่หน้าร้าน และพบว่าเค้ามาซื้อสินค้าลดราคา เราถึงจะมารู้พฤติกรรมจริงของลูกค้าท่านนี้ – แปลว่า Ads ที่เรายิงไปก่อนหน้านี้โดยที่มีข้อมูลจาก online อย่างเดียวจะไม่ได้ผลต่อลูกค้าท่านนี้และทำให้เราเสียค่าใช้จ่ายไปอย่างเปล่าประโยชน์ เราจึงควรส่ง ads เป็นสินค้าลดราคา ให้เค้าแทน
- ลูกค้า B มาดูสินค้าชิ้นเดียว ใช้เวลาดูนานแต่ ไม่ได้กดซื้อหรืออะไรเลย เราจะคิดว่า เค้าไม่สนใจจะซื้อ เลยส่ง Ads สินค้าลดราคาไป แต่เมื่อเชื่อม ข้อมูล Offline กับ Online เข้าด้วยกันพบว่าลูกค้าท่านนี้เป็น Loyal Customer มากๆ มีการซื้อสินค่าราคาแพงหลายชิ้น เราจึงควรยิง Ads Loyalty Program เพื่อรักษาลูกค้าท่านนี้ไว้
จากตัวอย่างกล่าวมานั้น จะช่วยให้เข้าใจว่า เราสามารถนำข้อมูลพฤติกรรมของลูกค้า B มาใช้ต่อได้เพื่อหาลูกค้าท่านอื่นที่เหมือนลูกค้า B (find look alike) เพราะเราได้ทราบแล้วว่า “กลุ่มเป้าหมายที่แท้จริง” ของเรามีพฤติกรรมอย่างไร ซึ่งส่วนนี้จะช่วยให้เราเข้าสู่ Data Driven Company ได้
และขั้นตอนต่อไปคือ Segmentation and analytics ซึ่งเราจะมาเล่าในคอนเทนต์ถัดไปของทีม Business Consult
เมื่ออ่านกันมาถึงตรงนี้แล้ว หากธุรกิจไหนสนใจทำ Data Harmonization หรือวางแผนและออกแบบ Data เพื่อนำไปใช้งานในรูปแบบที่เหมาะสมกับธุรกิจของคุณ เรายินดีให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย สามารถติดต่อ Predictive ได้เลยที่ช่องทางติดต่อด้านล่างนี้