ปัญหาหลักที่ธุรกิจความงามมักเผชิญคือการเชื่อมโยงข้อมูลระหว่างช่องทางออนไลน์และออฟไลน์ หากไม่สามารถติดตามพฤติกรรมของลูกค้าตลอดทุกจุดสัมผัส (Touchpoint) ได้อย่างครบถ้วน อาจทำให้แคมเปญการตลาดหรือการสื่อสารกับลูกค้าไม่มีประสิทธิภาพเท่าที่ควร
ใน Case Study วันนี้ เราขอยกตัวอย่างจาก L’Oréal ที่เผชิญกับความท้าทายในการเชื่อมโยงความพยายามทางการตลาดดิจิทัลกับยอดขายในร้านค้า โดย L’Oréal ได้ใช้การวิเคราะห์ข้อมูลด้วยเครื่องมือ Google Analytics 360 เพื่อเพิ่มประสิทธิภาพของแคมเปญและเชื่อมช่องว่างระหว่างออนไลน์และออฟไลน์ได้อย่างมีประสิทธิภาพ
เลือกอ่านหัวข้อที่คุณสนใจ
Challenge การเชื่อมโยงออนไลน์และออฟไลน์
ธุรกิจความงามในปัจจุบันเผชิญกับความท้าทายสำคัญในการเชื่อมโยงผลลัพธ์ของการตลาดดิจิทัลเข้ากับยอดขายจริงที่เกิดขึ้นในร้านค้า เนื่องจากพฤติกรรมผู้บริโภคที่เปลี่ยนแปลงไป ลูกค้ามักจะค้นคว้าข้อมูล เปรียบเทียบสินค้า และอ่านรีวิวต่างๆ บนช่องทางออนไลน์ก่อนตัดสินใจซื้อที่ร้านค้า ทำให้การเดินทางของลูกค้า (Customer Journey) ครอบคลุมทั้งโลกออนไลน์และออฟไลน์ การที่ข้อมูลเหล่านี้ไม่สามารถเชื่อมโยงกันได้อย่างมีประสิทธิภาพ ส่งผลให้ทีมการตลาดประเมินผลสำเร็จของแคมเปญและวัดผลตอบแทนจากการลงทุนได้ยากขึ้น
L’Oréal ใช้ Google Analytics 360 และการวิเคราะห์ข้อมูลเพื่อเชื่อมช่องว่างระหว่างกิจกรรมออนไลน์และออฟไลน์
L’Oréal ใช้ Google Analytics 360 และการวิเคราะห์ข้อมูลเพื่อเชื่อมต่อระหว่างกิจกรรมออนไลน์และออฟไลน์ ส่งผลให้รายได้จากออฟไลน์เพิ่มขึ้น 2.5 เท่าและ ROI เพิ่มขึ้น 2.2 เท่าสำหรับ Lancôme ไต้หวัน รายละเอียดในการใช้เครื่องมือ มีดังนี้
การรวมข้อมูล (Data Integration)
L’Oréal รวมข้อมูลออนไลน์จาก Google Analytics 360 กับข้อมูลยอดขายออฟไลน์จากระบบ CRM ของพวกเขาใน BigQuery ซึ่งทำให้พวกเขาสามารถวิเคราะห์การเดินทางของลูกค้าผ่านทั้งสองช่องทางในลักษณะที่เป็นหนึ่งเดียวกัน
การระบุรูปแบบการซื้อ (Purchase Pattern Identification)
จากการวิเคราะห์ L’Oréal ค้นพบว่ามีช่องว่างระหว่างการเข้าชมเว็บไซต์กับการซื้อสินค้าที่ร้านค้าจริงเป็นเวลา 14 วัน ข้อมูลเชิงลึกนี้ช่วยให้พวกเขาเข้าใจการเดินทางของลูกค้าและสามารถกำหนดเป้าหมายแคมเปญได้อย่างมีประสิทธิภาพมากขึ้น
การสร้างโมเดลทำนายด้วย AutoML (Predictive Modeling with AutoML)
โดยใช้ AutoML ในการวิเคราะห์ข้อมูลที่รวมกัน L’Oréal ได้สร้างโมเดลที่สามารถทำนายได้ว่านักช้อปออนไลน์รายใดมีแนวโน้มที่จะทำการซื้อสินค้าที่ร้านค้าจริงภายในสองสัปดาห์ ซึ่งช่วยให้พวกเขาสามารถกำหนดเป้าหมายลูกค้าที่มีศักยภาพสูงด้วยแคมเปญที่ปรับแต่งตามความต้องการของลูกค้า
การสร้างกลุ่มเป้าหมายใน Analytics 360 (Targeted Audience Creation in Analytics 360)
โดยใช้คะแนนการทำนายจาก AutoML L’Oréal ได้สร้างกลุ่มเป้าหมายที่ตรงตามลักษณะโดยตรงใน Analytics 360 กลุ่มเหล่านี้เป็นตัวแทนของลูกค้าที่มีแนวโน้มที่จะทำการซื้อสินค้าจากร้านค้าจริงสูง ทำให้พวกเขาสามารถมุ่งเน้นการทำการตลาดเพื่อผลลัพธ์ที่ดีที่สุด
แคมเปญหลายแพลตฟอร์ม (Multi-Platform Campaigns)
ด้วยการใช้กลุ่มเป้าหมายที่สร้างขึ้นใน Analytics 360 L’Oréal ได้เปิดตัวแคมเปญผ่าน Google Ads และ Display & Video 360 เพื่อเข้าถึงลูกค้าที่มีศักยภาพด้วยข้อความที่เหมาะสมตามหลายจุดติดต่อในเส้นทางออนไลน์ของพวกเขา
ด้วยการใช้วิธีการที่ขับเคลื่อนด้วยข้อมูลนี้ L’Oréal สามารถเชื่อมโยงความพยายามทางการตลาดดิจิทัลกับยอดขายออฟไลน์ได้สำเร็จ ส่งผลให้รายได้จากออฟไลน์และ ROI สำหรับ Lancôme ไต้หวันเพิ่มขึ้นอย่างมีนัยสำคัญ กรณีศึกษานี้แสดงให้เห็นถึงพลังของ Google Analytics 360 และการวิเคราะห์ข้อมูลในการเพิ่มประสิทธิภาพแคมเปญการตลาดและผลักดันผลลัพธ์ทางธุรกิจที่จับต้องได้โดยการเชื่อมต่อพฤติกรรมของลูกค้าระหว่างช่องทางออนไลน์และออฟไลน์
เครื่องมือและแพลตฟอร์มเฉพาะที่ L’Oréal ใช้ในการรวมข้อมูลออนไลน์และออฟไลน์สำหรับการตลาด
Google Analytics 360
L’Oréal ใช้แพลตฟอร์มนี้ในการเก็บรวบรวมและวิเคราะห์ข้อมูลกิจกรรมของลูกค้าออนไลน์ ข้อมูลนี้รวมถึงการเยี่ยมชมเว็บไซต์ การดูหน้าเว็บ และการมีส่วนร่วมของลูกค้ากับเนื้อหาบนเว็บไซต์
ระบบบริหารจัดการลูกค้าสัมพันธ์ (CRM)
L’Oréal ใช้ระบบ CRM ของพวกเขาในการจัดเก็บและจัดการข้อมูลยอดขายออฟไลน์ ข้อมูลนี้รวมถึงการซื้อของลูกค้า วันที่ซื้อ และสถานที่ซื้อ
BigQuery
L’Oréal ใช้ BigQuery ซึ่งเป็นคลังข้อมูลของ Google Cloud ในการรวมข้อมูลออนไลน์จาก Google Analytics 360 เข้ากับข้อมูลยอดขายออฟไลน์จากระบบ CRM ของพวกเขา สิ่งนี้ทำให้พวกเขาสามารถวิเคราะห์ข้อมูลทั้งออนไลน์และออฟไลน์ได้ในเครื่องมือเดียวโดยไม่ต้องใช้ข้อมูลที่สามารถระบุตัวตนได้
AutoML
L’Oréal ใช้ AutoML ในการวิเคราะห์ข้อมูลออนไลน์และออฟไลน์ที่รวมกันใน BigQuery เพื่อค้นหารูปแบบระหว่างพฤติกรรมออนไลน์ของผู้ใช้กับการซื้อออฟไลน์ การวิเคราะห์นี้ช่วยให้พวกเขาสร้างโมเดลที่สามารถทำนายได้ว่าผู้เข้าชมเว็บไซต์รายใดมีแนวโน้มที่จะซื้อสินค้าที่ร้านค้า
Google Ads
L’Oréal ใช้ Google Ads ในการเข้าถึงลูกค้าที่มีศักยภาพด้วยโฆษณาแบบดิสเพลย์เพื่อกระตุ้นยอดขายออฟไลน์
Display & Video 360
L’Oréal ใช้ Display & Video 360 ในการเข้าถึงลูกค้าที่มีศักยภาพด้วยโฆษณาวิดีโอ โดยใช้แพลตฟอร์มนี้ในการเข้าถึงกลุ่มเป้าหมายด้วยข้อความที่ครอบคลุมในช่วงต้นของการเดินทางของลูกค้า (upper funnel)
โดยการรวมเครื่องมือและแพลตฟอร์มเหล่านี้เข้าด้วยกัน L’Oréal สามารถเข้าใจการเดินทางของลูกค้าได้อย่างครอบคลุมมากขึ้นและเพิ่มประสิทธิภาพแคมเปญการตลาดได้ตามนั้น ซึ่งส่งผลให้รายได้จากออฟไลน์และ ROI เพิ่มขึ้นอย่างมีนัยสำคัญ
ตัวชี้วัด (Key Metrics) ในการประเมินความสำเร็จและผลลัพธ์ของแคมเปญออนไลน์สู่ออฟไลน์ของ L’Oréal ในไต้หวัน
การเพิ่มขึ้นของรายได้จากการขายออฟไลน์: ตัวชี้วัดที่สำคัญที่สุดที่แสดงถึงความสำเร็จของแคมเปญนี้คือการเพิ่มขึ้น 2.5 เท่าของรายได้จากการขายออฟไลน์ ซึ่งเป็นผลโดยตรงจากแคมเปญที่มุ่งเป้า การเพิ่มขึ้นนี้บ่งบอกว่า L’Oréal สามารถกระตุ้นยอดขายในร้านได้อย่างมีนัยสำคัญโดยการใช้การวิเคราะห์ข้อมูลและการเรียนรู้ของเครื่องเพื่อเชื่อมโยงการมีส่วนร่วมออนไลน์กับการซื้อสินค้าผ่านทางออฟไลน์
การปรับปรุงผลตอบแทนจากการใช้จ่ายโฆษณา (ROAS): ตัวชี้วัดที่สำคัญอีกประการหนึ่งคือการเพิ่มขึ้น 2.2 เท่าของ ROAS โดยเฉพาะสำหรับ Lancôme Taiwan การปรับปรุงนี้แสดงให้เห็นว่าความพยายามด้านการตลาดดิจิทัลที่ได้รับการปรับปรุงของ L’Oréal นำไปสู่การจัดสรรทรัพยากรโฆษณาที่มีประสิทธิภาพมากขึ้น
สรุป L’Oréal ใช้ข้อมูลอย่างไรในการเพิ่มประสิทธิภาพของแคมเปญการตลาดดิจิทัล
- รวมข้อมูลออนไลน์และออฟไลน์: L’Oréal ได้รวบรวมข้อมูลจากแพลตฟอร์มออนไลน์, Analytics 360, และระบบการจัดการลูกค้าสัมพันธ์ (CRM) แบบออฟไลน์ ลงใน BigQuery, คลังข้อมูลของ Google Cloud การรวมข้อมูลนี้ให้มุมมองรวมของการมีปฏิสัมพันธ์ของลูกค้าผ่านทั้งสองช่องทาง ทำให้สามารถวิเคราะห์เส้นทางของลูกค้าได้อย่างครอบคลุม
- ระบุรูปแบบการซื้อ: โดยการวิเคราะห์ข้อมูลรวม L’Oréal พบว่าลูกค้ามักเข้าชมเว็บไซต์ของพวกเขาก่อนทำการซื้อในร้านค้าเป็นเวลา 14 วัน ข้อมูลนี้เป็นกุญแจสำคัญในการเข้าใจช่วงเวลาในการเปลี่ยนจากการมีส่วนร่วมออนไลน์เป็นการซื้อแบบออฟไลน์ ทำให้ทีมการตลาดสามารถมุ่งเป้าไปที่ลูกค้าได้อย่างมีประสิทธิภาพในแต่ละช่วงของเส้นทาง
- ใช้การเรียนรู้ของเครื่องสำหรับการคาดการณ์: L’Oréal ใช้ AutoML เครื่องมือการเรียนรู้ของเครื่องของ Google Cloud เพื่อวิเคราะห์ข้อมูลจาก Analytics 360 และระบบ CRM เป็นเวลา 2 เดือน การวิเคราะห์นี้ได้ระบุรูปแบบพฤติกรรมออนไลน์ที่สัมพันธ์กับการซื้อแบบออฟไลน์ ซึ่งช่วยให้พวกเขาพัฒนารูปแบบการคาดการณ์ลูกค้าที่มีแนวโน้มจะซื้อในร้านภายในระยะเวลา 2 สัปดาห์
- สร้างและมุ่งเป้าหมายกลุ่มเป้าหมายที่มีศักยภาพสูง: L’Oréal ใช้คะแนนการคาดการณ์ที่สร้างโดย AutoML เพื่อสร้างกลุ่มเป้าหมายที่มุ่งเป้าใน Analytics 360 กลุ่มเหล่านี้ประกอบด้วยลูกค้าที่มีแนวโน้มจะทำการซื้อออฟไลน์สูง ซึ่งช่วยให้ L’Oréal สามารถมุ่งเน้นความพยายามทางการตลาดไปที่กลุ่มที่มีค่าเหล่านี้
- เปิดตัวแคมเปญข้ามแพลตฟอร์ม: L’Oréal ใช้กลุ่มเป้าหมายที่มุ่งเป้าเพื่อเปิดตัวแคมเปญบนหลายแพลตฟอร์มโฆษณาของ Google รวมถึง Display & Video 360 และ Google Ads วิธีการนี้ช่วยให้พวกเขาสามารถเข้าถึงลูกค้าที่มีศักยภาพในหลายจุดสัมผัสตลอดเส้นทางออนไลน์ของพวกเขา ส่งข้อความที่ปรับแต่งให้เหมาะสมเพื่อเพิ่มผลกระทบ เช่น การใช้ Display & Video 360 สำหรับการเข้าถึงที่กว้างขึ้นด้วยโฆษณาวิดีโอ และ Google Ads สำหรับโฆษณาแสดงผลที่มุ่งเป้าเพื่อกระตุ้นการเยี่ยมชมร้านค้า
- ขยายการเข้าถึงด้วยกลุ่มเป้าหมายที่คล้ายคลึงกัน: L’Oréal ขยายการเข้าถึงเพิ่มเติมโดยใช้ฟีเจอร์เช่น Similar Audiences และ Audience Expansion ภายใน Google Ads กลยุทธ์นี้ช่วยให้พวกเขาสามารถระบุและดึงดูดลูกค้าใหม่ที่มีพฤติกรรมออนไลน์คล้ายกับกลุ่มลูกค้าที่มีค่าเดิม
ด้วยการใช้กลยุทธ์ที่ขับเคลื่อนด้วยข้อมูลเหล่านี้ L’Oréal สามารถเพิ่มประสิทธิภาพของแคมเปญการตลาดดิจิทัล เพิ่มการมีส่วนร่วมของลูกค้า และขับเคลื่อนการเติบโตของยอดขายได้อย่างมีประสิทธิภาพ
หากคุณต้องการบรรลุเป้าหมายทางธุรกิจโดยใช้ข้อมูลที่มีอยู่ให้เป็นประโยชน์ กรอกข้อมูลด้านล่าง เพื่อให้ทีมงาน Predictive เราติดต่อกลับไปและให้ข้อมูลเพิ่มเติมได้เลยค่ะ
“Predictive เราพร้อมช่วยให้ธุรกิจของคุณเติบโตอย่างยั่งยืนด้วยข้อมูลที่เป็นประโยชน์ และเห็นผลลัพธ์ที่คุ้มค่ากับการลงทุน”
Get in touch
Let's work together!
"*" indicates required fields