Predictive จัดงาน Executive Hands-on ร่วมกับ VWO AB Tasty แก้ปัญหาเชิงธุรกิจ

ผู้บริหาร 12 องค์กร 7 อุตสาหกรรม กับคำถามที่ไม่มีใครอยากตอบ

ณ วินาทีนี้ อาจมีใครสักคนในองค์กรของคุณกำลังตัดสินใจเรื่องที่มีมูลค่าหลักล้านบาท ด้วยเพียงแค่การเดา นี่คือความจริงที่ Predictive ร่วมกับ VWO AB Tasty หยิบมาเปิดประเด็นในงานเวิร์กช็อปผู้บริหาร “From Guesswork to Growth: Building an Experimentation-Driven Organization” งานนี้รวบรวมผู้บริหารจาก 12 องค์กรใน 7 อุตสาหกรรม ทั้งโทรคมนาคม ประกันภัย ธนาคาร ฟินเทค สื่อ ค้าปลีก และเทคโนโลยี มาร่วมแลกเปลี่ยนมุมมองเรื่องการสร้างวัฒนธรรมการทดลองในองค์กร

ก่อนเริ่มเนื้อหา ผู้จัดงานสำรวจความคิดเห็นผู้เข้าร่วมสองคำถาม คำถามแรกถามถึงความท้าทายที่ใหญ่ที่สุดด้านการปรับปรุงเว็บไซต์และแอป ซึ่งคำตอบอันดับหนึ่งคือทราฟฟิกสูงแต่คอนเวอร์ชันต่ำ คิดเป็นสัดส่วนกว่า 34 เปอร์เซ็นต์ ตามมาด้วยปัญหาการทำ Personalization ที่ยังไม่แม่นยำ และการขาดข้อมูลเชิงพฤติกรรมที่ลึกพอ คำถามที่สองถามถึงเป้าหมายอันดับหนึ่งด้าน Digital Experimentation and Growth ซึ่งผู้บริหารส่วนใหญ่ตอบว่าต้องการเพิ่มคอนเวอร์ชันและผลตอบแทนจากการลงทุนเป็นอันดับแรก ตามด้วยการขยาย Personalization ให้ครอบคลุมมากขึ้น ผลสำรวจทั้งสองข้อนี้กลายเป็นจุดตั้งต้นของเนื้อหาตลอดทั้งงาน

ทำไม Experimentation กลายเป็นความสามารถสำคัญของยุคนี้

มีข้อมูลพื้นหลังสามชุดที่ช่วยอธิบายว่าทำไมเรื่องนี้ถึงเร่งด่วนกว่าที่คิด ชุดแรกคืองบประมาณด้านเทคโนโลยีที่ตึงตัวขึ้นเรื่อยๆ ในขณะที่ความคาดหวังต่อผลลัพธ์กลับสูงขึ้น การพิสูจน์คุณค่าของทุกการลงทุนจึงไม่ใช่ทางเลือกอีกต่อไป แต่เป็นเงื่อนไขบังคับ ชุดที่สองคือพฤติกรรมผู้บริโภคที่เปิดรับการซื้อแบบไม่ได้วางแผนล่วงหน้ามากขึ้น โดยเฉพาะเมื่อคำแนะนำจาก AI ทำให้การตัดสินใจแบบฉับพลันรู้สึกเฉลียวฉลาดมากกว่าจะรู้สึกเสี่ยง และชุดที่สามคือช่องว่างที่ซ่อนอยู่ในกระบวนการตัดสินใจขององค์กรเอง

ทำไมการเดาถึงมีต้นทุนแพงกว่าที่คิด

งานวิจัยจาก Kohavi นักวิจัยของ Microsoft และ Thomke จาก Harvard Business Review พบว่ามีเพียงหนึ่งในสามของไอเดียที่ออกแบบมาอย่างดีเท่านั้นที่ช่วยเพิ่มตัวชี้วัดที่ตั้งเป้าไว้จริง อีกหนึ่งในสามไม่เปลี่ยนแปลงอะไรเลย และอีกหนึ่งในสามกลับทำให้ผลลัพธ์แย่ลงกว่าเดิม ตัวเลขนี้สะท้อนว่าแม้แต่ทีมที่เก่งที่สุดก็ไม่สามารถเดาถูกได้ตลอด

1 ใน 3ไอเดียที่ออกแบบมาอย่างดี ช่วยเพิ่มตัวชี้วัดที่ตั้งเป้าไว้จริง — อีกสองในสามไม่เปลี่ยนแปลงอะไรหรือแย่ลงกว่าเดิม
(Kohavi & Thomke, Harvard Business Review)

ลูกค้าไม่กระจัดกระจาย แต่ข้อมูลขององค์กรต่างหากที่กระจัดกระจาย

เพื่อฉายภาพปัญหาข้อมูลที่ไม่เชื่อมโยงกัน วิทยากรยกตัวอย่างสมมติของลูกค้าคนหนึ่งที่ชื่อ Sarah เธอเข้าชมสินค้ากีฬาผ่านคอมพิวเตอร์ แล้วซื้อหมวกกันน็อกที่หน้าร้านจริง ก่อนจะรีวิวสินค้าผ่านมือถือว่าขนาดไม่พอดี แต่เพราะระบบข้อมูลของแบรนด์ไม่เชื่อมโยงกันระหว่างอุปกรณ์ ระหว่างช่องทางออนไลน์กับหน้าร้าน และไม่ส่งต่อโปรไฟล์ไปยังระบบดาวน์สตรีมเพื่อทำ Personalization แบรนด์จึงส่งอีเมลเสนอส่วนลดสินค้าชิ้นเดิมที่เธอเพิ่งซื้อไปแล้วซ้ำอีกครั้ง สร้างประสบการณ์ที่ขัดใจลูกค้าโดยไม่ตั้งใจ ข้อมูลที่กระจัดกระจายจึงสร้างประสบการณ์ที่กระจัดกระจายตามไปด้วย การมีมุมมองลูกค้าแบบรวมศูนย์ ผ่านการจัดเก็บข้อมูลแบบขอความยินยอมที่ถูกต้อง การทำ Attribution ที่แม่นยำ การมี Single Customer View ผ่าน Composable CDP ไปจนถึงการทำ Segmentation ด้วย AI จึงเป็นรากฐานสำคัญของการส่งมอบประสบการณ์ที่สอดคล้องกันในทุกจุดสัมผัส

บทเรียนจาก Starbucks: จากอีเมลแบบแบ่งกลุ่ม สู่เอนจิน Personalization แบบเรียลไทม์

กรณีศึกษาของ Starbucks ที่วิทยากรหยิบยกมา แสดงให้เห็นวิวัฒนาการจากการส่งอีเมลแบบแบ่งกลุ่มพื้นฐาน ไปสู่เอนจินที่สร้างประสบการณ์ส่วนบุคคลแบบเรียลไทม์ โดยรวบรวมข้อมูลลูกค้า สินค้า และบริบทเข้าด้วยกันเป็นเหมือน DNA เฉพาะของลูกค้าแต่ละคน แล้วนำไปสร้างคำแนะนำที่ส่งมอบแบบทันทีตามข้อมูลที่มีอยู่ ณ ขณะนั้น

• $800,000 ล้านมูลค่ารายได้ที่กำลังเคลื่อนย้ายไปสู่กลุ่มบริษัทเพียง 15% ที่ทำ Personalization ได้ถูกต้อง ซึ่งเติบโตเร็วกว่าคู่แข่ง 2–3 เท่า
• 3 เท่าผลตอบแทนจากข้อเสนอเฉพาะบุคคล เมื่อเทียบกับโปรโมชันแบบเหมารวมทั่วไป
• 2 ใน 3ผู้บริโภคเคยได้รับ Personalization ที่ผิดพลาดหรือรุกล้ำความเป็นส่วนตัวเกินไป และหลายคนไม่กลับมาใช้บริการอีกเลย

จากบทเรียนนี้ วิทยากรสรุปเป็นกรอบห้าคำสัญญาต่อลูกค้า ได้แก่ การเข้าใจลูกค้า การเข้าถึงลูกค้าในเวลาที่เหมาะสม การนำเสนอสิ่งที่เกี่ยวข้องที่สุด การเสริมพลังให้ลูกค้าตัดสินใจได้เอง และการสร้างความประทับใจ ซึ่งข้อสุดท้ายคือคำสัญญาที่ยากที่สุดและต้องอาศัยการทดลองอย่างต่อเนื่องทั้งในแง่ปริมาณ ความเร็ว และขนาดของการทดลอง

ผู้ที่เรียนรู้เร็วที่สุดคือผู้ชนะ

ตัวอย่างจาก Booking.com แสดงให้เห็นว่าองค์กรชั้นนำไม่ได้ชนะเพราะมีงบประมาณมากกว่า แต่ชนะเพราะมีวงจรตอบรับที่เร็วกว่า

• 1,000+ / 25,000+การทดลองที่ Booking.com รันพร้อมกันในแต่ละครั้ง และมากกว่าต่อปี โดยพนักงานทุกคนเริ่มทดสอบไอเดียของตัวเองได้โดยไม่ต้องขออนุมัติก่อน
• +12%รายได้ที่เพิ่มขึ้นจากไอเดียหนึ่งของ Bing ที่เคยถูกดองไว้ในแผนงานนานหลายเดือน ก่อนพิสูจน์ได้ภายในไม่กี่ชั่วโมงว่ามีมูลค่ากว่า 100 ล้านดอลลาร์ต่อปี

จากอินไซต์สู่การลงมือทำ: แพลตฟอร์มและกรณีศึกษาจริงจาก VWO AB Tasty

VWO และ AB Tasty ที่กำลังรวมตัวกันเป็นแพลตฟอร์มเดียว วางตำแหน่งตัวเองเป็นผู้นำด้าน Digital Optimization มานานกว่า 16 ปี รองรับแคมเปญกว่า 4 ล้านรายการ และช่วยเพิ่มประสิทธิภาพประสบการณ์ลูกค้าไปแล้วกว่า 5.3 แสนล้านครั้ง ครอบคลุมเว็บไซต์และแอปกว่า 3 ล้านแห่งใน 140 กว่าประเทศ ให้บริการลูกค้ากว่า 4,000 รายทั่วโลก สเกลระดับนี้เองที่ทำให้กรณีศึกษาที่นำมาแบ่งปันในงานมีน้ำหนักและพิสูจน์ได้จริงในหลากหลายอุตสาหกรรม

16+ ปี / 4,000+ ลูกค้าประสบการณ์ในฐานะผู้นำ Digital Optimization ระดับโลก ให้บริการลูกค้ากว่า 4,000 รายใน 140 กว่าประเทศ พร้อมแคมเปญสะสมกว่า 4 ล้านรายการ

แพลตฟอร์มครอบคลุมตั้งแต่ Web Experiments และ Site Edits สำหรับการทดสอบ A/B ไปจนถึง Personalization, Commerce และ Engage สำหรับการสื่อสารแบบเฉพาะบุคคล โดยมี Wandz เป็นเลเยอร์ AI ที่ทำหน้าที่ห้าอย่างพร้อมกัน คือตรวจจับสัญญาณที่มนุษย์อาจมองข้ามในข้อมูลจำนวนมาก เสนอสมมติฐานที่ควรทดสอบพร้อมจัดอันดับตามผลกระทบที่คาดว่าจะได้รับ ช่วยนำอินไซต์ไปสู่การลงมือทำได้ในคลิกเดียว จัดลำดับความสำคัญของสิ่งที่ควรทำก่อนตามผลกระทบต่อธุรกิจ และวิเคราะห์ผลลัพธ์ให้กลายเป็นบทเรียนที่พร้อมแชร์ต่อในทีม แนวคิดสำคัญที่วิทยากรย้ำคือ AI ในที่นี้ทำหน้าที่ช่วยเหลือ ส่วนการตัดสินใจสุดท้ายยังคงเป็นของมนุษย์เสมอ

ทีมงานยังนำเสนอ Use Case เฉพาะอุตสาหกรรมอย่างละเอียด สำหรับกลุ่มธนาคารและประกันภัย จุดที่มักทดสอบคือการปรับปรุงตำแหน่งองค์ประกอบหน้าเว็บและเมนูนำทาง การทดสอบข้อความและกลยุทธ์การขายเพิ่ม และการนำเสนอข้อเสนอเฉพาะบุคคล เช่น วงเงินสินเชื่อหรืออัตราดอกเบี้ยที่ปรับตามโปรไฟล์ลูกค้าแต่ละราย รวมถึงการลดขั้นตอนของฟอร์มสมัครและการทำป็อปอัปดักผู้ใช้ที่กำลังจะออกจากหน้าเว็บ

สำหรับกลุ่มค้าปลีกและอีคอมเมิร์ซ จุดที่มักทดสอบคือการออกแบบหน้าสินค้าและหน้าชำระเงิน การจัดวางปุ่มกระตุ้นการตัดสินใจ การแสดงหมวดหมู่สินค้าที่ลูกค้าเข้าชมบ่อยเป็นอันดับแรก และการทดสอบส่วนลดตามมูลค่าตะกร้าสินค้าหรือรายการที่บันทึกไว้ ส่วนกลุ่มท่องเที่ยว จุดที่มักทดสอบคือฟอร์มการจอง ตัวกรองการค้นหา การแสดงส่วนลดตั้งแต่หน้าแรก และการลดขั้นตอนการจองให้สั้นที่สุดเท่าที่จะทำได้ รวมถึงการเปิดให้จองแบบไม่ต้องสมัครสมาชิกก่อน

กรณีศึกษาจริงจากลูกค้า VWO AB Tasty แสดงให้เห็นว่าการทดลองเล็กๆ สามารถสร้างผลกระทบทางธุรกิจได้มากกว่าที่คาดคิด กรณีแรกเป็นธนาคารแห่งหนึ่งที่ปรับปรุงฟอร์มสมัครสินเชื่อส่วนบุคคลด้วยการเพิ่มจุดขาย รางวัลที่เคยได้รับ และเวลาที่ใช้กรอกแต่ละขั้นตอน พร้อมเพิ่มป็อปอัปดักผู้ใช้ที่กำลังจะออกจากหน้าเว็บ

+87%/+36% อัตราการสมัครสินเชื่อบ้านและสินเชื่อส่วนบุคคลที่เพิ่มขึ้น หลังปรับปรุงฟอร์มสมัครและเพิ่มป็อปอัปดักผู้ใช้ที่กำลังจะออกจากหน้าเว็บ (กรณีศึกษาธนาคาร)

กรณีที่สองในธุรกิจค้าปลีกที่เปลี่ยนปุ่มจากเพิ่มลงตะกร้าเป็นดูสินค้าเพิ่มเติมในโซนนิตยสาร

+421% ยอดคลิกปุ่ม CTA ที่เพิ่มขึ้น หลังเปลี่ยนจากปุ่ม “เพิ่มลงตะกร้า” เป็น “ดูสินค้าเพิ่มเติม” ในโซนนิตยสารของหน้าแรก (กรณีศึกษาค้าปลีก)

และกรณีที่สามในธุรกิจท่องเที่ยวที่เปลี่ยนวิธีนำเสนอส่วนลดจากเปอร์เซ็นต์เป็นจำนวนเงินที่ประหยัดได้จริง

+41%/+18% รายได้และยอดคลิกลิงก์หน้าแรกที่เพิ่มขึ้น หลังเปลี่ยนวิธีนำเสนอส่วนลดจากเปอร์เซ็นต์เป็นจำนวนเงินที่ประหยัดได้จริง (กรณีศึกษาท่องเที่ยว)

Conversion Crisis Lab: จากทฤษฎีสู่การลงมือทำจริง

กิจกรรม Conversion Crisis Lab ให้ผู้บริหารแบ่งทีมแก้โจทย์วิกฤตคอนเวอร์ชันจำลองในธุรกิจอีคอมเมิร์ซ ธนาคาร ประกันภัย อสังหาริมทรัพย์ และซอฟต์แวร์ ผ่านแพลตฟอร์มจริงของ VWO ทีมงานต้องวิเคราะห์ข้อมูลพฤติกรรมลูกค้าที่หลุดออกจากเส้นทางการซื้อ เช่น กรณีที่ลูกค้าเลื่อนดูหน้าเว็บถึงแค่แบนเนอร์หลักแล้วออกจากเว็บทันที หรือกรณีที่หมวดหมู่สินค้าหนึ่งมียอดคลิกต่ำผิดปกติ แล้วออกแบบแนวทางแก้ไขพร้อมตั้งสมมติฐานที่พิสูจน์ได้จริงในเวลาเพียง 20 นาทีต่อโจทย์ กิจกรรมนี้สะท้อนแก่นของทั้งงานได้ชัดเจนที่สุด นั่นคือการเปลี่ยนจากการถกเถียงในห้องประชุมไปสู่การทดสอบจริงในตลาด

5 ข้อคิดจาก Guesswork สู่ Growth

เนื้อหาทั้งหมดสรุปให้เหลือเพียง 5 ข้อคิดที่จำง่ายและนำไปใช้ได้ทันที:

• 1. หยุดเดา แล้วเริ่มทดสอบ ความคิดเห็นไม่ได้สร้างการเติบโต แต่หลักฐานต่างหากที่สร้างได้
• 2. รวมข้อมูลให้เป็นหนึ่งเดียว ลูกค้ามองเห็นแบรนด์เป็นหนึ่งเดียว ข้อมูลขององค์กรก็ควรเป็นแบบเดียวกัน
• 3. ผู้ที่เรียนรู้เร็วที่สุดคือผู้ชนะ ความได้เปรียบทางการแข่งขันคือความเร็วในการเรียนรู้ ไม่ใช่ขนาดงบประมาณ
• 4. Personalization คือการสร้างประสบการณ์ที่น่าจดจำ ไม่ใช่แค่การรู้จักลูกค้า แต่คือการเข้าถึง นำเสนอ และสร้างความประทับใจให้ถูกที่ถูกเวลา
• 5. ทุกไอเดียที่ยังไม่ได้ทดสอบคือโอกาสที่สูญเสียไป การทดลองไม่ใช่ต้นทุน แต่คือการลงทุนเพื่อค้นหาสิ่งที่ขับเคลื่อนการเติบโตอย่างแท้จริง

การเดาไม่ใช่แค่เรื่องที่มีความเสี่ยง แต่คือต้นทุนที่ซ่อนอยู่ซึ่งกัดกินโอกาสการเติบโตขององค์กรไปทีละน้อย ในขณะที่การทดลองคือสินทรัพย์ที่เพิ่มพูนมูลค่าต่อเนื่อง ยิ่งองค์กรเรียนรู้เร็วเท่าไหร่ ยิ่งสร้างความได้เปรียบเหนือคู่แข่งมากเท่านั้น สำหรับธุรกิจที่ต้องการเริ่มต้นสร้างวัฒนธรรมการทดลองอย่างเป็นระบบ จุดเริ่มต้นที่สำคัญที่สุดคือการรวมข้อมูลลูกค้าให้เป็นหนึ่งเดียวก่อน เพราะการทดลองที่ดีต้องอาศัยข้อมูลที่ครบถ้วนและเชื่อถือได้เป็นฐาน ไม่ใช่การกระโดดไปซื้อเครื่องมือทดสอบโดยที่ยังไม่มีข้อมูลคุณภาพดีป้อนเข้าไป

ผู้บริหารที่ต้องการผลักดันวัฒนธรรมนี้ในองค์กรของตัวเอง ควรเริ่มจากคำถามง่ายๆ สามข้อ คือทีมงานปัจจุบันมีข้อมูลลูกค้าที่รวมศูนย์พอจะตั้งสมมติฐานได้แม่นยำหรือไม่ องค์กรมีกระบวนการอนุมัติที่เปิดโอกาสให้พนักงานทดสอบไอเดียได้รวดเร็วเพียงพอหรือยัง และมีตัวชี้วัดที่เชื่อมโยงผลการทดลองกลับไปสู่ผลลัพธ์ทางธุรกิจจริงหรือไม่ หากคำตอบยังไม่ชัดเจนในข้อใดข้อหนึ่ง นั่นคือจุดเริ่มต้นที่ควรลงมือแก้ไขก่อนขยายสเกลการทดลองให้ใหญ่ขึ้น

Predictive ในฐานะที่ปรึกษาด้าน Data Analytics และ AI มากว่า 12 ปี ที่ได้รับความไว้วางใจจากองค์กรกว่า 80 แห่งทั้งในไทยและภูมิภาคเอเชียแปซิฟิก พร้อมทำงานร่วมกับ VWO AB Tasty พันธมิตรด้าน Experimentation ระดับโลก เพื่อช่วยธุรกิจวางรากฐานตั้งแต่การจัดการข้อมูลลูกค้าแบบรวมศูนย์ การออกแบบ Single Customer View ไปจนถึงการวางวัฒนธรรมการทดลองที่วัดผลได้จริงในทุกจุดสัมผัสของลูกค้า ตั้งแต่เว็บไซต์ แอปพลิเคชัน ไปจนถึงหน้าร้าน

ปรึกษาทีม Data Analytics และ Experimentation ของ Predictive

LINE: @Predictive
โทร: 02-096-6362 กด 2