ขั้นตอนการทำ Segmentation and Analytics เพื่อให้เราเข้าใจลูกค้ามากยิ่งขึ้น

หลังจากที่เราได้พูดถึงเรื่องการเก็บข้อมูล และการจัดเก็บข้อมูลไปในคอนเทนต์ก่อนหน้านี้แล้ว วันนี้เราจะมาพูดถึง “การแบ่งกลุ่มและวิเคราะห์ (Segmentation & Analytics): ความสามารถในการสร้างและวิเคราะห์ข้อมูลเชิงลึก จากข้อมูลที่คุณเก็บมา” เพื่อทำความเข้าใจลูกค้า (ที่เป็นลูกค้าของเราจริงๆ) ว่าพวกเขาต้องการอะไร และคาดหวังอะไรจากสิ่งที่เรากำลังจะส่งมอบให้

Segmentation คืออะไร

การทำ Segmentation และ วิเคราะห์ Data จะมีการทำหลังจากที่เราได้เก็บข้อมูล (Data Collection) และ รวบรวมข้อมูล (Harmonization or Store) เป็นที่เรียบร้อยแล้ว ซึ่งประสิทธิภาพของขั้นตอนนี้จะขึ้นอยู่กับความสามารถขององค์กร ว่ามีการใช้ข้อมูลและรวบรวมข้อมูลได้ดีเพียงใด

Segmentation เป็นขั้นตอนหนึ่งของการแบ่งกลุ่มเป้าหมายออกจากกันตามเกณฑ์ต่างๆ Demographics, Geographics หรือ Behavioral (เข้าไปดูสินค้าอะไร, ใช้ Platform ไหน, มีการเทียบราคาสินค้าหรือเปล่า, ชำระเงินผ่านช่องทางไหน) เพราะลูกค้าแต่ละคนมีความชอบที่ต่างกันออกไป และเมื่อเราแบ่งลูกค้าออกเป็นกลุ่มๆ พร้อมกับมีข้อมูลเชิงลึกในการวิเคราะห์ เราจะสามารถนำเสนอสินค้า บริการ หรือโปรโมชั่นที่ตรงใจลูกค้ามากขึ้น (อ่านเพิ่มเติมเกี่ยวกับ Segmentation)

ยิ่งในกรณีที่เรามี Advanced Segmentation จะยิ่งช่วยให้เราได้เข้าใจพฤติกรรมลูกค้าได้ลึกซึ้งมากขึ้นไปด้วย เมื่อไหร่ก็ตามที่เรารู้แล้วว่ากลุ่มเป้าหมาย (Targeted Customer) ของเรามีพฤติกรรมอย่างไร หลังจากที่เราได้เห็นพฤติกรรมการซื้อขายสินค้าแล้ว เราจะสามารถนำข้อมูลเหล่านี้ไปหา Lookalike Customer หรือ ลูกค้าที่มีพฤติกรรมคล้ายกัน เพื่อขยายฐานลูกค้าให้กว้างขึ้นได้อีกด้วย

แบ่ง Segment และรู้พฤติกรรมของลูกค้าแล้ว ทำอะไรต่อ ?

เมื่อเราได้ศึกษาพฤติกรรมของลูกค้าถึงระดับหนึ่งแล้ว เราจะสามารถคาดการณ์ (Prediction) ได้ว่าจะเกิดอะไรขึ้นต่อไปบ้าง ซึ่งประเด็นหลักๆที่เราได้รวบรวมมาจะมีทั้งหมด 5 ประเด็น ดังนี้

1. ในอนาคต ลูกค้ามีแนวโน้มจะซื้อสินค้าเพิ่มเท่าไหร่
2. จะมีการซื้อซ้ำเกิดขึ้นไหม ? 
3. เราจะเข้าถึงกลุ่มคนที่มีพฤติกรรมเหมือนลูกค้าคนนี้ได้อีกไหม?
4. เราจะรักษาลูกค้าคนนี้ไว้ได้อย่างไร?
5. เราควรส่งโฆษณาแบบไหนไปสู่ลูกค้ากลุ่มนี้

The levels of segmentation and analytics

การทำ Segmentation and Analytics นั้นมีอยู่ 4 ระดับหลักๆ ซึ่งจะมีความแยกง่ายต่างกันออกไป

1. เริ่มสร้าง Basic Segmentation โดยใช้เกณฑ์การแบ่งกลุ่มที่เรากำหนดขึ้นมาเอง เช่น อายุ 25 ปีขึ้นไปจะถูกจัดอยู่ในกลุ่ม A และ อายุต่ำกว่า 25 ปี จะถูกจัดอยู่ในกลุ่ม B

2. เริ่มสร้าง Complex Rule-base Segmentation ให้กลุ่มเป้าหมายแคบลง และตรงกลุ่มมากยิ่งขึ้น โดยใช้ทั้ง 1st Party Data และ 3rd Party Data เช่น
   กลุ่ม A: อายุ 25 ขึ้นไป มีการใช้จ่ายมากกว่า 1,000 บาทต่อสัปดาห์
   กลุ่ม B: อายุ 25 ขึ้นไป มีการใช้จ่ายน้อยกว่า 1,000 บาทต่อสัปดาห์

กลุ่ม C: อายุน้อยกว่า 25 ปี มีการใช้จ่ายมากกว่า 1,000 บาทต่อสัปดาห์
กลุ่ม D: อายุน้อยกว่า 25 ปี มีการใช้จ่ายน้อยกว่า 1,000 บาทต่อสัปดาห์

ทีนี้ เราจะมีการสร้าง Ads ขึ้นมา 4 ชุด เพื่อส่งต่อไปยังกลุ่มเป้าหมายทั้ง 4 กลุ่ม

3. มี Data หลายมิติมากขึ้น และถูกนำมาใช้ในการทำ Segmentation โดยเริ่มใช้ Automated Segmentation จากหลากหลาย Media Platform และอาาจะมีการนำ AI หรือ Machine Learning เข้ามาช่วยด้วย

เช่น ในผู้ใช้งาน/ลูกค้ากลุ่ม A เราจะมีการสร้าง Ads ขึ้นมาตาม Platform ที่ผู้ใช้งาน Active อยู่ เนื่องจากพฤติกรรมของแต่แพลทฟอร์มจะไม่เหมือนกัน

• กลุ่ม A บน Social Media
• กลุ่ม A บน eCommerce
• กลุ่ม A บน Website

ทีนี้ในกลุ่ม Target 1 กลุ่ม จะถูกแบ่งออกไปตาม Platform ต่างๆอีกครั้ง 

4. เมื่อเรามีข้อมูลมากในระดับหนึ่งแล้ว เราจะสามารถใช้ Customized Machine Learning Model Segmentation โดยเริ่มพัฒนาทั้ง Predictive Analytics และ Prescriptive Analytics ซึ่งในขั้นตอนนี้จะช่วยให้การจัดสรรงบประมาณที่เราจะลงทุนในโฆษณาตามช่องทางต่างๆ จะมีประสิทธิภาพมากยิ่งขึ้น เพราะเราจะสามารถเข้าใจกลุ่มลูกค้าได้ลึกกว่าเดิม ด้วยความช่วยเหลือจาก Machine Learning จะเป็นวิธีที่ยากที่สุด แต่ให้ผลลัพธ์ที่ดีที่สุดด้วยเช่นกัน หากเรามี Training Data ที่ดีในการทำ Model (อ่านเพิ่มเติมเกี่ยวกับ คุณภาพของ Data สำคัญกับการทำ Machine Learning อย่างไร)

หลังจากที่อ่านกันมาจนจบแล้ว หากใครมีคำถามเพิ่มเติม อยากปรึกษา หรือสนใจอยากทำ Segmentation and Analytics ทั้ง 4 ขั้นตอนนี้ สามารถติดต่อ Predictive ได้ที่คลิกติดต่อด้านล่างนี้เลย เรายินดีให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย