Predictive Audiences: เจาะกลุ่มเป้าหมายแบบอัตโนมัติใน Google Analytics 4

Predictive Audiences (กลุ่มเป้าหมายตามการคาดการณ์) เป็นอีกหนึ่งฟีเจอร์ใหม่ของ Google Analytics 4 ที่น่าจับตามองเป็นอย่างมาก เนื่องจาก Google สามารถสร้างกลุ่มเป้าหมายขึ้นมาอัตโนมัติจากข้อมูลพฤติกรรมของผู้ใช้งาน เช่น กลุ่มเป้าหมายที่น่าจะกลับมาซื้อของซ้ำ หรือ กลุ่มเป้าหมายที่น่าจะซื้อของครั้งแรก บนเว็บไซต์ หรือแอปพลิเคชันประเภท E-Commerce โดยนำ Artificial Intelligence (ปัญญาประดิษฐ์) เข้ามาประมวลผลข้อมูลเพื่อคาดการณ์พฤติกรรมการซื้อของผู้ใช้งานล่วงหน้า 1 ถึง 4 สัปดาห์ 

ซึ่งฟีเจอร์ตัวใหม่นี้สามารถเป็นตัวบ่งชี้ทางลัดในการลดค่าใช้จ่ายค่าแคมเปญโฆษณาให้ถูกลงกว่าเดิม เนื่องจากเราสามารถเลือกทำแคมเปญเฉพาะกับกลุ่มเป้าหมายที่มีศักยภาพจะเกิด Conversion ได้ ไม่จำเป็นต้องทำแคมเปญแบบ Mass Market เพื่อเข้าถึงทุกคน เพราะการเจาะกลุ่มเป้าหมายที่ถูกต้อง จะช่วยให้เราได้อัตรา Conversion หรือ Return on Investment (ผลตอบแทนจากการลงทุน) ที่สูงมากขึ้น

ในบทความนี้เราจะมาดูกันว่าฟีเจอร์ Predictive Audiences จะเข้ามาช่วยสร้างกำไรให้กับธุรกิจได้อย่างไร และยังมีข้อจำกัดอะไรบ้างที่ทำให้เรายังต้องอาศัยการสร้างโมเดลวิเคราะห์แบบ จำเพาะ โดยใช้ Data Scientist (นักวิทยาศาสตร์ข้อมูล) เพื่อให้ได้ผลลัพธ์ที่ตอบโจทย์ธุรกิจแบบ 360 องศา

กลุ่มเป้าหมายแนะนำใน Predictive Audiences

ก่อนที่เราจะมาดูว่า Predictive Audiences สามารถเข้ามาช่วยธุรกิจยังไงได้บ้าง เราต้องรู้ก่อนว่ากลุ่มเป้าหมายแนะนำ 5 กลุ่มที่ฟีเจอร์นี้ระบุมาให้มีอะไรบ้าง

1. Likely 7-day purchasers (ผู้ที่มีแนวโน้มจะซื้อภายใน 7 วัน)
2. Likely first-time 7-day purchasers (ผู้ที่มีแนวโน้มจะซื้อเป็นครั้งแรกภายใน 7 วัน)
3. Likely 7-day churning users (ผู้ใช้ที่มีแนวโน้มจะเลิกใช้งานภายใน 7 วัน)
4. Likely 7-day churning purchasers (ผู้ซื้อที่มีแนวโน้มจะเลิกซื้อภายใน 7 วัน)
5. Predicted 28-day top spenders (ผู้ที่คาดว่าจะใช้จ่ายสูงสุดภายใน 28 วัน)

ซึ่งทั้ง 5 กลุ่มเป้าหมายนี้จะสามารถจำแนกออกเป็น 3 เมตริกด้วยกัน คือ

• Purchase Probability: ความน่าจะเป็นที่ผู้ใช้งานที่ Active อยู่ในช่วง 28 วันที่ผ่านมา จะมา Convert ภายใน 7 วันข้างหน้า
• Churn Probability: ความน่าจะเป็นที่ผู้ใช้งานที่ Active อยู่ในแอปหรือเว็บไซต์ภายในช่วง 7 วันที่ผ่านมานั้นจะไม่ใช้งานภายใน 7 วันข้างหน้า
• Predicted Revenue: รายได้ที่คาดหวังจาก Conversion การซื้อทั้งหมดภายใน 28 วันข้างหน้าจากผู้ใช้งานที่ Active อยู่ในช่วง 28 วันที่ผ่านมา

ข้อสำคัญของการใช้ฟีเจอร์ Predictive Audiences คือ ยิ่งเว็บไซต์ของเรามีข้อมูล (ผู้เข้าชม, Conversion) ไหลเข้าสู่อัลกอริธึมของ Google มากเท่าไหร่ การคาดการณ์ก็จะยิ่งแม่นยำมากขึ้นเท่านั้น แต่หากเรามีข้อมูลเหล่านี้น้อยเกินไป ฟีเจอร์นี้ก็จะไม่สามารถทำงานได้เช่นกัน ซึ่งเราจะมาเจาะลึกในประเด็นของเงื่อนไขในแต่ละเมตริกในบทความถัดไปค่ะ

Predictive Audiences สามารถนำไปใช้ต่ออย่างไร

จุดประสงค์ของ Predictive Audiences คือเพื่อให้เราประหยัดทั้งเวลาและค่าใช้จ่าย โดยมุ่งเน้นเฉพาะผู้ใช้ที่ใกล้จะหลุดมือหรือมีแนวโน้มที่จะจ่ายเงินเท่านั้น ซึ่งสามารถทำให้เรามั่นใจมากขึ้นกว่าเดิมว่าการเจาะกลุ่มเป้าหมายแบบ Laser focus (เฉพาะเจาะจง) จะเข้ามาช่วยทำให้ธุรกิจเรามีรายได้ที่เพิ่มขึ้นมากกว่าเดิม โดยข้อมูลที่เราได้สามารถนำไปต่อยอดทำ Data Activation ได้ 3 แบบ ดังนี้

• แคมเปญ Remarketing

การทำโฆษณาติดตามกลุ่มเป้าหมายที่เคยเข้ามาในเว็บไซต์หรือใช้แอปพลิเคชัน ซึ่งมีแนวโน้มที่จะซื้อสินค้าหรือบริการของเรา เพื่อเพิ่มโอกาสในการขายได้มากยิ่งขึ้น

• แคมเปญ Re-engagement

การทำโฆษณาให้คนที่มีแนวโน้มจะเลิกใช้สินค้าหรือบริการของเรา เพื่อดึงความสนใจให้เกิดการมีส่วนร่วมซ้ำ และเพิ่มโอกาสให้แบรนด์ของเราเป็นที่จดจำมากขึ้น

• แคมเปญเพื่อกลุ่มลูกค้าใหม่ (New Customer)

การทำโฆษณาเพื่อดึงดูดลูกค้าใหม่ๆ พร้อมขยายฐานลูกค้าให้กว้างขึ้นกว่าเดิม ผ่านช่องทาง Google Display Network, Gmail, YouTube หรือ Google Search

ข้อจำกัดที่ Predictive Audiences ยังทำไม่ได้

แม้ว่า Predictive Audiences ใน GA4 จะเข้ามาช่วยให้ธุรกิจประเภท e-commerce สามารถเจาะกลุ่มเป้าหมายที่ควรให้ความสำคัญได้อย่างแม่นยำ แต่ฟีเจอร์นี้ก็ยังมีข้อจำกัดอยู่ 2 ประการที่ทำให้ธุรกิจยังต้องพึ่งพาการพัฒนา Machine Learning โมเดลแบบ Tailor-made เพื่อจุดประสงค์ที่แตกต่างออกไปสำหรับแต่ละธุรกิจ

Business Industry (อุตสาหกรรมธุรกิจ)

ในความเป็นจริงฟีเจอร์ Predictive Audiences ตอบโจทย์สำหรับการใช้ในธุรกิจ E-Commerce เช่น Shopee, Lazada, Shein ที่มี Event การกดสั่งซื้อสินค้า แต่ไม่ครอบคลุมกับธุรกิจอื่นๆบางประเภท เช่น ธุรกิจประเภท Publisher (สำนักพิมพ์) ที่มี Event ที่ต่างออกไปสำหรับการกำหนด Conversion เช่น ผู้อ่านเลื่อนอ่านบทความจนจบหรือไม่ หรือ ธุรกิจประเภท Real Estate (อสังหาริมทรัพย์) และ Insurance (ประกัน) ที่มีเป้าหมาย Conversion เป็นการกรอกแบบฟอร์มลงทะเบียน จึงจำเป็นต้องมีการพัฒนาโมเดล Machine Learning ที่เฉพาะเจาะจงกับเป้าหมาย Conversion ที่แตกต่างกันออกไปแบบนี้

Know Who BUT No How (รู้ว่าควรเล็งไปที่ใครแต่ไม่รู้ว่าควรเล็งอย่างไร)

จริงอยู่ที่เครื่องมือ Artificial Intellingence (ปัญญาประดิษฐ์) ของ Predictive Audiences จะช่วยให้นักการตลาดสามารถเห็นได้อย่างชัดเจนว่าต้องเล็งเป้าหมายไปที่ใครบ้างเพื่อให้งบประมาณถูกใช้จ่ายอย่างคุ้มค่าที่สุด 

แต่ฟีเจอร์นี้ไม่สามารถบอกเราได้ว่าเราจะต้องใช้วิธีการ หรือแคมเปญแบบไหน ที่ตรงกับความชอบที่แตกต่างกันของลูกค้าแต่ละคน นอกเหนือจากการทำ Lead Scoring เพื่อให้คะแนนลูกค้าเป้าหมายแต่ละคนออกมาแล้ว การทำ Customer Segmentation จากข้อมูลเชิงลึกเกี่ยวกับความสนใจรายบุคคล เพื่อที่จะวิเคราะห์ว่าควรจะใช้ โปรโมชัน หรือ แคมเปญแบบไหน ของสินค้าตัวไหนเพิ่มเติม จึงเป็นสิ่งเติมเต็มที่จำเป็นเพิ่มเติม นอกจากการระบุเป้าหมายลูกค้าที่มีศักยภาพแล้ว

จากบทความนี้เราจะได้เห็นว่าฟีเจอร์ Predictive Audiences ใน Google Analytics 4 สามารถเข้าช่วยเติมเต็มในส่วนไหนได้บ้าง และยังมีข้อจำกัดในส่วนไหนที่ต้องอาศัยทีม Data Science ในการสร้างโมเดลวิเคราะห์เพื่อให้ตรงกับเป้าหมายธุรกิจมากที่สุด สำหรับใครที่สนใจอยากสร้างมูลค่าเพิ่มให้กับธุรกิจด้วยเครื่องมืออย่าง Google Analytics 4 หรือ การทำ Machine Learning กับทาง Predictive สามารถสอบถามข้อมูลเพิ่มเติมได้เลย เรายินดีให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่ายใดๆค่ะ

Reference