ความต้องการของลูกค้าเป็นสิ่งที่สำคัญมากที่องค์กรจะต้องรู้และเข้าใจ เพื่อให้ทั้งองค์กรสามารถตอบสนองต่อความต้องการนั้นได้อย่างตรงจุด และสร้างความประทับใจให้ลูกค้าเกิดการซื้อซ้ำและบอกต่ออยู่เรื่อยๆ จนกลายเป็น Loyalty Customer ในที่สุด ซึ่งก็ปฏิเสธไม่ได้เหมือนกันว่าการที่เราจะเป็นที่หนึ่งในใจของใครสักคน เหตุผลหลักๆเลยเป็นเพราะเรารู้ใจและเข้าใจคนๆนั้น พร้อมทั้งสามารถแก้ปัญหาให้เขาได้นั่นเอง แล้วจะรู้ใจหรือเข้าใจเพื่อนำไปสู่การแก้ปัญหาได้อย่างไร มาดูกันในคอนเทนต์นี้ได้เลยครับ
เลือกอ่านหัวข้อที่คุณสนใจ
สิ่งที่องค์กรจะต้องตอบคำถามตัวเองให้ได้
- Sell the benefits not the feature: ต้องรู้ก่อนว่าสินค้า/บริการที่เราขายอยู่นั้นมี Benefit อะไรบ้าง
- และ Benefit ไหนที่ทำให้ลูกค้าคนนั้นๆตัดสินใจมาซื้อสินค้า/บริการ
- ส่วนมากแล้วหลายๆองค์กรมักจะเข้าใจว่าลูกค้ามาซื้อสินค้าเพราะ Feature (สินค้านี้ทำอะไรได้บ้าง) แต่ยังไม่สามารถเข้าใจได้ว่า Benefits (สินค้านี้มีประโยชน์อย่างไร) ที่ทำให้ลูกค้าตัดสินใจ
Benefits VS. Feature ต่างกันอย่างไร
ก่อนอื่นต้องเข้าใจความแตกต่างระหว่าง Benefits และ Feature เสียก่อน ยกตัวอย่างเช่น หากสินค้าที่คุณขายคือกระเป๋า
ตัวอย่าง Feature ที่แบรนด์ขาย :
- มีที่แบตสำรองติดอยู่กับตัวกระเป๋า
- น้ำหนักเบา
- ดีไซน์สวยงาม
- ทำจากวัดสดุรีไซเคิล ที่แข็งแรงทนทาน
ตัวอย่าง Benefits ที่ลูกค้าตัดสินใจซื้อ:
- ไม่ต้องกังวลเรื่องแบตเตอรี่ของอุปกรณ์อิเล็กทรอนิกอีกต่อไป
- ลูกค้ากลุ่มที่เป็น Blogger/Vlogger ไม่ต้องคอยพกที่ชาร์จให้วุ่นวาย
- ต้องการชาร์จแบตมือถือได้โดยไม่ต้องถือแบตสำรองให้รกมือ
- ไม่ปวดหลังจากการสะพายกระเป๋าหนักๆ
- ไม่ต้องคอยระวังกระเป๋าเสียหายระหว่างการใช้งาน
- ต้องการความคล่องตัว เพราะต้องเดินทางตลอดเวลา
- เสริมสร้างภาพลักษณ์ที่ดูทันสมัย
- ซื้อแล้วมีความสุข (ของมันต้องมี)
- ต้องการเปลี่ยนรูปแบบการใช้งานของกระเป๋าระหว่างวัน (ถือและสะพาย)
จากตัวอย่างจะเห็นได้ว่า 4 Features สามารถมีได้ถึง 9 Benefits ด้วยกัน แต่ในความเป็นจริงแล้ว 1 feature สามารถมีได้ถึง 100 benefits เลยทีเดียว เพราะจาก segmentation ทั้งหมดที่เรามีนั้นเป็นคนที่มี Preferences ต่างกัน และมีปัญหาไม่เหมือนกัน และสินค้า/บริการชิ้นเดียวกันนี้ สามารถเป็นที่ต้องการของคนหลายกลุ่มได้ เช่น คนที่ไม่อยากปวดหลัง และคนที่ต้องการชาร์จมือถือตลอดทั้งวัน ก็เป็นลูกค้าที่ซื้อกระเป๋าที่เรายกตัวอย่างไปนี่เองครับ
Benefit ไหนที่ทำให้ลูกค้าคนนั้นๆตัดสินใจมาซื้อสินค้า/บริการ ?
เราต้องรู้ให้ได้ว่าลูกค้าคนนี้ มาซื้อสินค้า/บริการของเราเพราะมันตอบโจทย์ความต้องการส่วนไหน โดยสามารถทำได้หลายวิธี โดยเก็บข้อมูลสองประเภทได้แก่ Qualitative และ Quantitative
Qualitative :
- In-depth interview : เก็บข้อมูลจากการสัมภาษณ์ลูกค้าทีละคน
- Survey, vote both online and offline : ส่งแบบสอบถามที่ออกแบบมาแล้วว่าสามารถเก็บ Insight ได้ ทั้งออนไลน์และออนไลน์ และรวบรวมข้อมูลทั้งหมดมาวิเคราะห์เพื่อหา insight
- Questionnaire : รวบรวมข้อมูลจากการถามคำถาม หรือแบบสอบถาม
- Focus group : การสัมภาษณ์ลูกค้า หรือผู้ใช้งานแบบเป็นกลุ่มๆ พร้อมๆกัน เพื่อดูว่าเมื่อกลุ่มคนรวมตัวกันออกความคิดเห็น ความคิดเห็นที่ได้จะออกมาในทิศทางไหน กระแสสังคมจะส่งผลต่อผลิตภัณฑ์/บริการของเรามากน้อยแค่ไหน
- Reviews and rating description : เก็บข้อมูลจากรีวิวและเรทติ้งบน Google Maps Location
- กระทู้ที่พูดถึงสินค้า: การรวบรวมข้อมูลจากกระทู้บน Web Board ต่างๆพูดถึงสินค้าของเรา หรือ กระทู้ใกล้เคียงที่มีคอมเมนต์ถึงสินค้าของเรา
- Location-based listening : จาก Location ใน Social media เราสามารถดูได้ว่ามีใครพูดถึงเราว่าอย่างไรบ้าง หรือให้ความสนใจกับสินค้าหรือบริการไหนของเรา จากโพสที่พวกเขา Tag Location ที่อยู่ใน Social Media
- Social listening : ดูว่าตอนนี้ผู้คนพูดถึงเรามากน้อยแค่ไหน จากการเก็บข้อมูลบน Social Media ต่างๆ เราสามารถทราบได้เลยว่าคอมเมนต์นนี้มาจากใคร และคอมเมนต์ไว้บนแพลตฟอร์มไหน
- Hashtag : คล้ายกับ Social Listening แต่จะเป็นการพูดถึงที่เจาะจงถึงแบรนด์ หรือสินค้า/บริการ โดยตรงเลย
- Feedback and comment : รวบรวมข้อมูลจากรีวิวบนช่องทางต่างๆ ทั้งใน eCommerce Platform และ Social Media ของแบรนด์ ไปจนถึงรีวิวที่เข้ามา
Quantitative
- A/B Testing : เป็นการเปรียบเทียบองค์ประกอบ และดูว่าองค์ประกอบแบบไหนที่ผู้ใช้งานชอบมากกว่ากัน ซึ่งองค์ประกอบที่ว่าสามารถเป็นได้ทั้ง ภาพประกอบ / สี / ข้อความ
- Google Analytics : รวบรวมข้อมูลผู้ใช้งานจากเว็บไซต์และแอปพลิเคชั่น เพื่อวิเคราะห์ว่าผู้คนสนใจอะไรที่แบรนด์กำลังทำอยู่ สิ่งนี้สามารถบอกได้หลายอย่าง ไม่ว่าจะเป็น Customer Perceive ที่มีต่อแบรนด์เป็นอย่างไร, ช่องทางไหนที่ลูกค้าชอบใช้เพื่อติดต่อกับแบรนด์, Segmentation ไหน สนใจสินค้าอะไร เป็นต้น
- Heatmap รู้ว่าชอบดูส่วนประกอบหรือองค์ประกอบ ไหนของเว็บไซต์ ไม่ว่าจะเป็นรูปภาพ หรือข้อความ เพราะผู้ใช้งานบางกลุ่มก็ไม่อ่านคำอธิบายสินค้า แต่จะดูภาพประกอบแทน
- Product association model : รู้ว่าชอบสินค้าไหนบ้าง และสินค้าแต่ละตัวมี Benefits อะไรที่เกี่ยวข้องกัน เช่นกรณีของร้านอาหาร เมื่อลูกค้าสั่งอาหารเมนู 001 มักจะต้องสั่งคู่กันกับเครื่องดื่มรหัส 005 เราต้องหา Insight ให้ได้ว่าเพราะอะไรทำไมลูกค้าถึงสั่งของสองอย่างนี้คู่กันเสมอ เพื่อนำข้อมูลที่ได้ไปต่อยอดการพัฒนาผลิตภัณฑ์หรือการสื่อสารต่อไป
ประโยชน์จากการรู้ Benefits ที่ลูกค้าให้คุณค่า
การที่เราสามารถรู้ความต้องการในส่วนนี้ได้จะช่วยให้หลายๆทีมในองค์กรสามารถทำงานได้ตรงใจลูกค้ามากยิ่งขึ้น
- ทีมการตลาด/เซลล์ : ช่วยให้ออกแบบการสื่อสารและกลยุทธ์ต่างๆได้อย่างแม่นยำ ตรงใจและตรงความต้องการของลูกค้า
- ทีม Product Development : มีข้อมูลความชอบ ความต้องการของผู้ใช้งาน/ลูกค้า เพื่อต่อยอดในการสร้างสรรค์ผลิตภัณฑ์/บริการใหม่ๆ
- ทีม Operation : สามารถส่งมอบสินค้า/บริการที่ตรงใจลูกค้า หรือผู้ใช้งาน จากการทำงานที่รู้เป้าหมายที่ชัดเจนตั้งแต่แรกว่าการลงมือทำครั้งนี้ สิ่งที่ลูกค้าคาดหวังคืออะไร
Use-case หา Benefits โดยใช้ A/B Testing
โดยปกติแล้วเราจะไม่ทำ A/B Testing ทุกรูปแบบในคราวเดียวเพราะจะทำให้ผลที่ได้ไม่แม่นยำจากการที่มีหลายตัวแปรเกินไป แต่หากจะต้องเลือก 1 Feature ขึ้นมาเพื่อเทส เราขอแนะนำให้เลือกเอา Killing Feature ขึ้นมาเทสก่อน ว่าลูกค้าตัดสินใจซื้อสินค้า/บริการจาก Killing Feature นี้ เพราะ Benefits ไหน
ยกตัวอย่าง Use-case กระเป๋า ปัญหาที่พบคือ Banner ที่ใช้อยู่ไม่มีประสิทธิภาพสักเท่าไหร่ ทำให้นอกจากไม่ค่อยมีคนคลิกแล้ว ทางทีมยังไม่สามารถรู้ Insight ของลูกค้าได้อีกด้วย จึงตัดสินใจนำ Benefits มาส่ง Massage ผ่าน Banner นอกจากจะกระตุ้นให้เกิดการตัดสินใจซื้อแล้ว ทีมยังทราบได้อีกด้วยว่า Benefits ไหนที่จะตอบโจทย์คนกลุ่มไหนบ้าง
จากตารางตัวอย่างด้านบน Use-case กระเป๋า มี Benefits ทั้งหมดที่ตั้งสมมุติฐานขึ้นมา 4 ข้อได้แก่
- ชาร์จมือถือได้
- ชาร์จไอแพด
- ชาร์จกล้องได้
- ชาร์จบุหรี่ไฟฟ้าได้
ซึ่งมี Feature “มีแบตสำรองในตัวกระเป๋า” เป็น Killing Feature
ขั้นตอนแรกคือ สร้าง Banner ขึ้นมา 4 ดีไซน์ โดยแต่ละดีไซน์จะสื่อสารถึง Benefit นั้นๆ
ขั้นตอนต่อไปให้ติดตั้ง tracking และเครื่องมือเพื่อเก็บข้อมูลว่าลูกค้าแต่ละคนเห็น Banner แต่ละแบบอย่างละกี่ครั้ง และเกิด Conversion จาก Banner ดีไซน์ไหน
ขั้นตอนทั้งหมดนี้ใช้เวลาดำเนินการเพียงแค่ 2 เดือนก็สามารถหาคำตอบได้แล้วว่าจากสมมุติฐานที่มี Benefits ไหนกันแน่ที่ Significant
จากตารางด้านบน จะเห็นได้ว่า Banner ที่คนคลิกเข้ามามากที่สุดคือ 1D: Feature มีแบตสำรองในตัว Benefits: ชาร์จบุหรี่ไฟฟ้า
เมื่อรู้ข้อมูลดังนี้แล้ว นอกจากเราจะ Personalized Campaign ไปถึงคนกลุ่มนี้ เรายังสามารถสร้าง Segmentation จาก Banner แต่ละแบบที่ User คลิกเข้ามา แล้วยิงแคมเปญ Personalized ไปหาพวกเขาได้อีกด้วยในอนาคต
เมื่ออ่านกันจนจบแล้ว หากแบรนด์ไหนอยากเพิ่มยอดขายจากการหา Benefits เพื่อนำไปต่อยอดการพัฒนาผลิตภัณฑ์และปรับรูปแบบการทำงานในองค์กร สามารถติดต่อ Predictive ได้เลย เรามีประสบการณ์กว่า 10 ปีในการทำเรื่องนี้กับบริษัทชั้นนำในประเทศกว่า 120 บริษัท และหากใครยังไม่มั่นใจว่าแบรนด์ของตัวเองจะต้องมีขั้นตอนการดำเนินการอย่างไร เรายินดีใช้ประสบการณ์ของเรามาให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย