Data สำคัญกว่าที่คุณคิด สรุปเน้นๆจากงาน Predictive Open House 2020

ข้อมูลสำคัญกับธุรกิจยังไง?

แต่ละแบรนด์มีการตั้งวัตถุประสงค์ (Objective) ยังไง?

แต่ก่อนจะเป็นการวัดผลในระยะสั้นเป็นส่วนใหญ่แต่ตอนนี้เราจะเริ่มใช้การวัดผลในระยะกลางและระยะยาวมากขึ้นเรื่อยๆเพื่อวัดผลของลูกค้าเป็นคนคนไปและของใครของมัน รวมถึงคุณค่าของลูกค้าคนนั้นๆตลอดช่วงที่อยู่กับเรา (life-time value) คนนี้มีการซื้อครั้งแรกรึยัง มีการกลับมาซื้อบ้างไหม

ด้วยความที่เราสามารถเก็บข้อมูลได้ตั้งแต่การดูข้อมูลบนเว็ปไซด์ของเราการใช้เครื่องมือของกูเกิลเข้ามาช่วยวิเคราะห์ (Google analytics) นั้นไม่ใช่เพื่อสำหรับการตลาดในยุคดิจิทัล (digital marketing) อย่างเดียว แต่เป็นการเก็บข้อมูลไปถึงแนวทางที่ทางลูกค้าจะเข้ามาสัมผัสกับแบรนด์เรา

ในทุกแนวทางก่อนที่ลูกค้าจะตัดสินใจใช้บริการหรือซื้อสินค้าของเรา (customer journey) และพอเรารู้แนวทางทั้งหมดแล้วเราก็จะทราบว่าลูกค้าประเภทไหนมีแนวทางการมาหาเรายังไง และสิ่งที่เราสามารถทำได้ต่อไปคือการนำลูกค้าที่มีแนวทางการเข้ามาและนิสัยการตัดสินใจใกล้เคียงกันมาแบ่งแยกกลุ่มหรือรวมกลุ่มกันเพื่อนำไปใช้ในการสื่อสารในรูปแบบต่างกันของแต่ละกลุ่มลูกค้า (Customer Segmentation)

เพราะฉะนั้นวัตถุประสงค์ (Objective) ไม่ควรเป็นการเก็บข้อมูลคนที่เข้าเว็ปไซด์หรือแค่คนที่ซื้อบริการและโปรดักเราเท่านั้น (conversion) เพราะถ้าคนคนนั้นเข้ามาเว็ปไซต์เราแล้วเป็นคนที่ไม่เกิดการซื้อหรือซื้อครั้งเดียวแล้วหายไปเลย โดยเราไม่ได้เก็บข้อมูลว่าเพราะอะไร มันก็จะไม่มีประโยชน์อะไร เราควรจะมองทั้งคุณค่าของลูกค้าคนนั้นๆตลอดช่วงที่อยู่กับเรา (life-time value) สิ่งสำคัญทุกวันนี้มันไม่ใช่แค่ในโลกออนไลน์เท่านั้น (online journey) เพราะจริงๆแล้วเราสามารถเก็บข้อมูลได้ทั้งออนไลน์และออฟไลน์, ข้อมูลของฐานลูกค้า (CRM) รวมถึงข้อมูลอื่นๆที่เรา,มีสามารถนำมาเชื่อมต่อกับเครื่องมือ Google Analytics ได้ทั้งนั้น

นอกจากนี้การที่เราสามารถทำการแบ่งกลุ่มลูกค้าของเราได้ชัดเจน (Customer Segmentation) นั่นหมายความว่า เราสามารถหาคนที่มีลักษณะเดียวกันกับลูกค้าของเรา เพื่อทำการตลาดกับเขาได้โดยไม่ต้องอาศัยการตลาดแบบหว่านอีกต่อไป การใช้ข้อมูลจึงต้องทำให้เก็บแบบเชิงลึก (in-depth) เข้าไปเรื่อยๆ

เมื่อก่อนการเก็บข้อมูลที่ได้มาจากหลากหลายช่องทางที่เรามี พอเก็บรวบรวมกันได้เยอะพอสมควร เราจะนำมาใช้แบบกลุ่มลูกค้าของเรา โดยเราจะคิดกำหนดกฎเกณฑ์ขึ้นมาและดูว่าลูกค้าคนไหนเข้าเกณฑ์ใดทำไปเรื่อยๆคาดการณ์ไปทีละกลุ่ม (rule-based segmentation) แต่เมื่อเรามีข้อมูลเยอะมากๆ และเราต้องการการแบ่งกลุ่มลูกค้าที่หลากหลายมากขึ้นมากกว่าที่จะมาทำทีละคนและต้องการคาดการณ์นิสัยของลูกค้าแต่ละคนก็คงไม่ไหว

เราต้องการใช้เครื่องมือเข้ามาช่วยโดยอยากให้มีความหลากหลายมากขึ้นกว่าที่เราเองจะแบ่งได้เอง โดยเราสามรถนำเครื่องมือมาช่วยเรียนรู้ข้อมูล (Machine Learning) และมาช่วยเราแบ่งกลุ่มต่างๆ และยังช่วยให้เราสามารถทำการคาดการณ์เป็นรายบุคคล (personalization) ได้อย่างมีประสิทธิภาพ

 สิ่งนี้เป็นสิ่งสำคัญเพราะลูกค้าทุกคนก็มีรูปแบบนิสัยการใช้บริการต่างกันทั้งนั้น และการที่เราจะทำแบบเก่าโดยการทำทีละกลุ่มก็เกือบจะเป็นไปไม่ได้เลย เช่น หากลูกค้ามีรูปแบบนิสัยการใช้บริการ 1000 รูปแบบการจะมาคาดการณ์เองทั้ง 1000 รูปแบบนั้นย่อมเป็นไปไม่ได้

การซื้อโฆษณาตอนนี้ไม่ใช่การซื้อตำแหน่งที่ดีที่สุดในสื่อนั้นๆ อีกต่อไปแล้วแต่เป็นการซื้อข้อมูลลูกค้าจากกลุ่มต่างๆว่าควรจะเป็นลูกค้าจากกลุ่มไหนจากช่องทางไหน 

การใช้เครื่องมือเข้ามาช่วยคาดการณ์นั้นยังไงก็ต้องใช้เวลาในการให้เครื่องมือเรียนรู้ก่อน และอาจจะต้องใช้เวลาถึง 2 สัปดาห์ในการหารูปแบบการทำซำ้ต่างๆ เพราะฉะนั้นเราต้องวางแผนเก็บข้อมูลตั้งแต่เนิ่นๆเพื่อให้พร้อมสำหรับการใช้งานจริง

เริ่มต้นที่การหาเส้นทางก่อนที่ลูกค้าจะตัดสินใจใช้บริการหรือซื้อสินค้าของเรา (customer journey) ต่อมาคือมาดูว่าเรามีข้อมูลอยู่ที่ไหนอย่างไรบ้าง 

นักการตลาดในหนึ่งองค์กรอาจจะใช้เครื่องมือต่างๆได้มากถึง 30 หรือ 40 เครื่องมือ นั่นหมายถึงเราจะมีแหล่งข้อมูลถึง 30-40 แห่ง ซึ่งหลักๆตอนนี้การเก็บข้อมูลมี 2 รูปแบบ 

1. Data inform ความหมายคือ ข้อมูลเชิงการศึกษาด้านประชากร (demographic) หรือข้อมูลที่มีการศึกษาจากกลุ่มตัวอย่าง ที่ทำเพียงให้ข้อมูลพื้นฐานเพื่อใช้ในการตัดสินใจ 
2. Data driven ความหมายคือ การเก็บข้อมูลแบบสามารถนำไปต่อยอดต่อได้ เช่นสามารถติดต่อกลับไปหาผู้ใช้งานได้ โดยการเก็บข้อมูลขนาดเล็กๆไว้ที่เว็บเบราว์เซอร์ เพื่อให้เว็บเซิร์ฟเวอร์สามารถจดจำสถานะการใช้งานของเว็บเบราว์เซอร์ (cookie id) เป็นต้น

เพราะฉะนั้นการที่องค์กรหนึ่งๆ มี Data มาจากหลายๆ แหล่งข้อมูล เราจำเป็นต้องมีการทำ Data Management

Data Management คือกระบวนการจัดการเรื่อง Data ไม่ว่าจะเป็นการทำ Tagging ข้อมูล ทำการเชื่อมโยงข้อมูล ทำการ Clean ข้อมูล จากหลายๆ Source ของข้อมูลเพื่อนำไปใช้ทำ Identity Resolution ต่อไปที่เราสามารถวิเคราะห์ข้อมูลแบบระบุตัวตนได้

Identity resolution (ID resolution) เป็นการบ่งชี้และระบุตัวตนของคนได้เลย เช่นเขาเคยทำอะไรมาบ้างเปิดอีเมลหรือเข้ามาดูที่เว็ปไซด์ของเราถ้าเราทำอันนี้ได้ เราก็สามารถเอาไปทำการวิเคราะห์แบบขั้นสูงได้ (advance analytics) เพื่อให้มีข้อมูลแบบเชิงลึก (insight) มากขึ้นเพื่อให้เกิดการนำข้อมูลนั้นไปใช้ต่อ (activation) ทั้งในการสื่อสารและการโฆษณาต่างๆ

วิเคราะห์แบบขั้นสูง (Advance analysis) หมายความรวมถึง แนวทางก่อนที่ลูกค้าจะตัดสินใจใช้บริการหรือซื้อสิ้นค้าของเรา (customer journey), การแบ่งกลุ่มลูกค้า segmentation, และ การนำเครื่องมือเข้ามาเรียนรู้และช่วยวิเคราะห์คาดการณ์ (machine learning) ส่วนช่องทางในการนำข้อมูลที่ได้ไปช่วยในการสื่อสาร (activation) ก็ดูจากช่องทางต่างๆที่ลูกค้าเราสามารถสื่อสารหรือเข้าหาเราได้ (touch point) 

โดยเราสามารถใช้แนวทางก่อนที่ลูกค้าจะตัดสินใจใช้บริการหรือซื้อสิ้นค้าของเรา (customer journey) และเครื่องมือเข้ามาเรียนรู้และช่วยวิเคราะห์คาดการณ์ (machine learning) สุดท้ายเราก็จะสามารถวางแผนช่องทางการสื่อสารของเราสู่กลุ่มเป้าหมายได้ (predict channel of communication)

4 ขั้นตอนในการนำข้อมูลไปใช้งาน (4 steps to make use of data)

Collecting data → Analyze Data → Visualize data →  Activate data

1. การเก็บรวบรวมข้อมูล (Collecting data) คือสิ่งที่สำคัญเป็นอันดับต้นๆของการนำข้อมูลไปใช้ให้มีประสิทธิภาพ ความหมายคือเป็นการเก็บข้อมูลโดยนำข้อมูลจากทุกถังข้อมูลมารวมกัน
2. การวิเคราะห์ข้อมูล (Analyze)  เพื่อดูข้อมูลส่วนลึกต่างๆ (insight)
3. การสรุปผลข้อมูลออกมาให้เห็นภาพ (Visualize data) รวมถึงการสรุปผลให้ทางทีมต่างๆได้เห็นที่ถูกต้องและเป็นภาพเดียวกัน
4. การนำข้อมูลไปใช้ประโยชน์ (Data activation) หรือไปใช้ในการสื่อสารช่องทางต่างๆ 

การเตรียมความพร้อมเพื่อการนำข้อมูลไปใช้ประโยชน์ (Data Activation)

ก่อนอื่นเราต้องตรวจสอบว่าชุดข้อมูลของเรานั้นมีคุณภาพ (quality) เพียงพอหรือยัง สามารถนำไปใช้งานได้หรือเปล่าเช่น หากติดตัวติดตามข้อมูลผิด (Tagging) การจะนำไปให้เครื่องมือของเราจดจำและเรียนรู้คาดการณ์ (Machine Learning) ใช้ต่อก็จะได้ข้อมูลแบบผิดๆ

และถ้าหากเราเก็บข้อมูลด้วยเครื่องมือ Google Analytics แบบที่เป็นรุ่นมาตรฐานทั่วไป (Standard version) ข้อมูลจะถูกรวบรวมมาแล้ว (aggregate) ไม่มีข้อมูลคุณลักษณะต่างๆ (Attibute) บ่งบอก การจะนำข้อมูลนั้นๆไปให้เครื่องมือของเราจดจำและเรียนรู้คาดการณ์ (Machine Learning) ต่อก็จะไม่มีประโยชน์แล้ว เพราะข้อมูลถูกรวบรวม (aggregate) มาแล้วทั้งสิ้นเราจึงแนะนำให้ใช้เครื่องมือ Google Analytics แบบรุ่นใช้งานสำหรับองค์กรที่ชื่อว่า “Google Analytics 360” เพื่อนำมาใช้เก็บข้อมูลแบบรายลูกค้าตามคุณลักษณะต่างๆ (Attribute)

ควรเตรียมพร้อมอย่างไรเมื่อบนเว็ปเบราว์เซอร์ (Web Browser) จะไม่มีการเก็บข้อมูลขนาดเล็กๆไว้ที่เว็บเบราว์เซอร์ เพื่อให้เว็บเซิร์ฟเวอร์สามารถจดจำสถานะการใช้งานของเว็บเบราว์เซอร์จากเว็ปที่ไม่ใช่ของเราเองอีกต่อไปแล้ว (Third Party Cookie) อีกต่อไปแล้ว

สำหรับตอนนี้เว็ปเบราว์เซอร์ที่ชื่อว่า Chrome เป็นเพียงแพลตฟอร์มเดียวเท่านั้นที่สามารถเก็บข้อมูลขนาดเล็กๆไว้ที่เว็บเบราว์เซอร์ เพื่อให้เว็บเซิร์ฟเวอร์สามารถจดจำสถานะการใช้งานของเว็บเบราว์เซอร์จากเว็ปที่ไม่ใช่ของเราเองไว้ได้ภายใน 30 วัน แต่ในเว็ปเบราว์เซอร์อื่นๆตอนนี้ทำไม่ได้แล้ว มีเพียงเว็ปเบราว์เซอร์ที่ชื่อว่า Chrome ที่ยังคงชะลอไว้ แต่จากนี้ไปก็จะไม่ได้แล้วเหมือนกัน เพราะฉะนั้นตอนนี้ควรจะเริ่มใช้เครื่องมือ Google Analytics แบบรุ่นใช้งานสำหรับองค์กร (GA360) จะได้ไม่โดนผลกระทบอะไรจากการเปลี่ยนแปลงในครั้งนี้

ในตอนนี้ที่เรายังมีเวลาอีก 2 ปี เราควรจะเริ่มเก็บข้อมูลจากแพลตฟอร์มที่เราเป็นเจ้าของเอง (1st party data) เพื่อเอามาใช้งานและควรจะวางแผนให้ดีว่าเก็บอย่างไร เก็บทุกการนำเข้ามาของข้อมูล (touch point) รวมถึงข้อมูลจากบุคคลที่ 2  (2nd party data) ที่เค้าให้กับเราและอนุญาติให้่เราสามารถเอาไปเก็บรวมรวมและนำไปใช้ได้ (utilize audience)

การเก็บข้อมูลบนเครื่องมือ Google Analytics ห้ามเก็บข้อมูลที่สามารถบ่งบอกบุคคลได้ (PII data) โดยเด็ดขาดเพื่อให้เป็นการปฎิบัติตามกฏของการปกป้องข้อมูล (General Data Protection Regulation หรือ GDPR) ซึ่งข้อมูล PII (Personally identifiable information) นี้เป็นข้อมูลในเชิงสวนตัว (personal information) ของลูกค้า

การทำงานแบบส่วนบุคคล Personalization ทำได้อย่างไร?

ชื่อผู้ใช้งาน (User) คนนี้เข้ามาด้วยคำสำคัญ (keyword) อะไรหน้าแรกที่เข้ามาเจอในเว็ปไซด์ (Landing page) ในการแสดงผลของเราก็ควรจะเป็นไปตามแนวโน้มสัญญานตามคำสำคัญ (keyword signal)ของเขา เราสามารถใช้เครื่องมือของกูเกิลที่ชื่อว่า Google Optimize 360 ในการทำงานแบบส่วนบุคคล(personalization)ได้สิ่งต่างๆที่เราทำไม่ได้ทำในหลังบ้านของเว็ปไซด์ (CMS) 

เครื่องมือของกูเกิลที่ชื่อว่า Google Optimize 360 ทำอะไรได้เยอะมาก เช่น สามารถจัดการหน้าแรกที่เข้ามาเจอในเว็ปไซด์ (landing page) ได้และช่วยในการทำสื่อโฆษณาได้ด้วย เช่นสามารถใช้ในการทำ A/B testing, แก้หลังบ้านของเว็บไซต์ (CMS), ทำสื่อโฆษณาแบบป๊อปอัพ (pop up), แก้ HTML ได้

สำหรับผู้ที่ไม่เคยใช้งาน Google Optimize มีแบบใช้งานฟรี ( Free version) ให้ลองใช้ก่อนได้และถ้างงหรือมีคำถามตรงไหนสามารถติดต่อ Predictive จ้า

ข้อมูลแบบออฟไลน์(offline data)สามารถเอาไปนำไปใช้งานต่อได้อย่างไรบ้าง?

เอาสัญญาณการใช้งานในออฟไลน์ขึ้นมาใช้บนโลกออนไลน์เช่นเรามีข้อมูลลักษณะเฉพาะของคนที่มาเข้าร้านค้าของเรา (Store visit feature) โดยที่ร้านเราเชื่อมต่อลงทะเบียนกับเครื่องมือของกูเกิลที่ชื่อ “Google my business” ไว้โดยทางกูเกิลมีระบบระบุตำแหน่งบนพื้นโลก (Global Positioning System)หรือที่เราชอบเรียกว่า GPS อยู่แล้ว สามารถติดตามได้ว่าผู้ใช้นั้นๆได้ไปแวะดูสินค้าของจริงที่ร้านค้าของเรารึเปล่า

ในอนาคตจะไม่มีคำว่าออนไลน์หรือออฟไลน์แล้วเพราะสุดท้ายมันก็คือแนวทางก่อนที่ลูกค้าจะตัดสินใจใช้บริการหรือซื้อสิ้นค้าของเรา (customer journey) ที่ทุกแนวทางมันเชื่อมกันหมด

ปัจจุบันนี้อุตสาหกรรมที่ใช้เทคโนโลยีจัดเก็บข้อมูลได้ดีมากก็จะอยู่ในกลุ่มยานยนต์ (Automotive), กลุ่มอสังหาริมรัพย์ (Real-estate), และกลุ่มบริการทางการเงิน (Finance) 

ตอนนี้ทางกูเกิ้ลได้จัดทำการแบบสอบถามเบื้องต้นเพื่อวิเคราห์สถานะหรือวุฒิภาวะของบริษัทเราในในยุคดิจิทัลออกมาให้ใช้ฟรีโดยมีการใช้ BCG โมเดลมาช่วยในการวิเคราะห์ (Boston Consulting Group matrix) เราสามารถเข้าไปลองทำกันได้ 

การใช้เครื่องมือต่างๆไม่จำเป็นต้องเริ่มพร้อมกันทั้งหมดทุกอย่างเริ่มจากพื้นฐาน (fundamental) ขององค์กรเราต้องการเครื่องมือตัวไหน ก็ขึ้นอยู่กับลักษณเฉพาะ (characteristic) ขององค์กร เราแนะนำให้ไปลองทำ survey ตัวนี้ดู

เราเก็บข้อมูลแต่ข้อมูลนั้นๆสามารถนำไปใช้งานได้จริงหรือเปล่า?

สิ่งสำคัญที่ต้องคำนึงถึงคือ People – Process – Platform

• People – มีคนทำไหม? คู่ค้าคือใคร? มี Partner ที่เชี่ยวชาญช่วยมั้ย
• Process – ข้อมูลมาจากหลายที่หลายส่วน ก็จะต้องมีการออกแบบขั้นตอนในการเก็บข้อมูล ให้สามารถนำข้อมูลนั้นไปใช้ต่อได้
• Platform – เราควรจะใช้แพลตฟอร์มไหนเพื่ออะไรบ้าง กับกรณีการใช้งานใดบ้าง?

สิ่งสำคัญคือการเชื่อมแพลตฟอร์มในการทำการตลาดของ (Google Marketing Platform) หรือที่รู้จักกันในชื่อว่า GMP ต่างๆเข้าด้วยกัน แล้วจะมีอนุภาพมหาศาล ถ้าไม่เชื่อมก็เหมือนกับมีอัญมณีธานอสแต่ไม่เอามาใส่ถุงมือ

ข้อมูลที่เราเก็บมาจากแพลตฟอร์มของเรา (1st party data) – เป็นข้อมูลของเราเอง ไม่ควรละเลยใดๆ

หากสนใจอยากให้ทางทีมเข้าไปช่วยนำไป Data ไปใช้ให้มีประสิทธิภาพมากขึ้นในองค์กร ติดต่อทาง Predictive ที่ Contact Form ได้ครับ