สรุปหนังสือ Data Driven ว่าด้วยเรื่องของ DMP จาก Salesforce อ่านจบมานานแต่เพิ่งจะได้มีเวลามาสรุปส่งท้ายปี หนังสือเล่มนี้ทำให้เห็น use case หรือ case study ของธุรกิจที่ใช้ Data Driven Business ที่หลากหลายขึ้น
เมื่อการตลาดแบบรู้ใจ Personalization คือหัวใจของการเติบโตทางธุรกิจอย่างหลีกเลี่ยงไม่ได้ แต่การจะ Personalization ได้อย่างรู้ใจและแม่นยำก็ต้องมาจาก Data ที่ดีและมากพอ เปรียบได้กับก่อนจะรู้ใจก็ต้องเริ่มจากการรู้จัก เพราะถ้าเราไม่รู้จักลูกค้าแล้วเราจะไปรู้ใจเขาได้อย่างไรว่าเขาชอบหรือไม่ชอบอะไร
และปัญหาวันนี้ไม่ใช่เรามีดาต้าไม่พอ แต่เรามีดาต้ามากไปจนล้นเกิน ส่งให้เกิดคำถามสำคัญว่าเราจะเอาดาต้าที่มีมากมายมาใช้ประโยชน์อย่างไรให้ออกผลสูงสุด เพราะดาต้าถ้าไม่ได้เอามาเชื่อมโยงกันก็ยากจะเกิดคุณค่าหรือที่เรียกว่า Enrich ขึ้นมาได้ เราต้องเอาดาต้าจากหลากหลายแหล่งเข้ามา integrate กันจากนั้นก็เริ่มวิเคราะห์หา insight แล้วเราก็จะรู้ว่าเราควรจะ recommendation อะไรเขาบ้าง และสุดท้ายคือเราจะต้องคิดว่าจะหาทาง Personalized offering อย่างไรให้โดนใจเขามากที่สุด
แต่ก็ระวังการรู้ใจมากเกินไปจนอาจทำให้ลูกค้าเรารู้สึกว่าถูกคุกคาม ดังนั้นต้องหาให้เจอว่าจุดสมดุลของการรู้ใจของลูกค้าแต่ละคนว่าแค่ไหนกำลังดี ไม่น้อยไปจนดูสแปมน่ารำคาญ หรือไม่มากไปจนดูโรคจิตที่ติดตามทุกฝีก้าวบนโลกดิจิทัลครับ
ธุรกิจในวันนี้แข่งกันเป็น Data Business มากขึ้นเพราะยิ่งเรารู้จักลูกค้ามากเท่าไหร่ เราก็จะยิ่งรู้ได้อย่างรวดเร็วและแม่นยำว่าควรปรับปรุงสินค้า บริการ หรือการสื่อสารอย่างไร จากนั้นเราก็รู้ว่าเราควรจะดูแลลูกค้าอย่างไร ไปจนถึงส่วนไหนของการดำเนินธุรกิจเราบ้างที่ควรปรับปรุงให้ดีขึ้นหรือมีประสิทธิภาพมากกว่าเดิม
ปัญหาตลอดเวลาที่ผ่านมาของโลกการตลาดและธุรกิจคือการตลาดแบบหว่าน Mass Marketing ที่นับว่ายิ่งไม่มีประสิทธิภาพแถมยังสิ้นเปลืองงบประมาณไปโดยไม่จำเป็น
แต่พอเราก้าวเข้าสู่โลกยุคดิจิทัลเราสามารถเลือกเฉพาะกลุ่มเป้าหมายที่ต้องการได้อย่างแม่นยำมากขึ้นเรื่อยๆ ดังนั้นธุรกิจใดๆ ก็ตามยิ่งสามารถ Specific Target Audience ได้มากเท่าไหร่เราก็ยิ่งใช้เงินแต่ละบาทออกไปได้คุ้มค่ามากเท่านั้น
กับสื่อก็เหมือนกันครับ ถ้าสามารถปรับตัวจากการขายพื้นที่ ขายช่วงเวลา มาเป็นการขายกลุ่ม Audience ที่มีความเฉพาะเจาะจงชัดเจนก็จะทำให้สามารถอัพราคาขึ้นได้เยอะมาก ซึ่งราคาก็จะเพิ่มขึ้นไปตั้งแต่ 10-20 เท่าในกลุ่มที่แม้จะมีจำนวนน้อยแต่กลับมี Value มากสำหรับบางธุรกิจที่มีต้นทุนในการหาลูกค้าสูง เช่น การเงิน รถยนต์ อสังหา
Data-Driven Warner Bros แค่หาซูเปอร์แฟนให้เจอก็ขายตั๋วได้เพิ่มขึ้น
การจะทำธุรกิจให้โต หรือการจะทำการตลาดให้ประสบผลสำเร็จนั้นไม่เคยซับซ้อน หลักการง่ายๆ คือแค่รู้ว่าจะขายอะไร ขายให้ใคร อย่างที่ไหน ขายอย่างไร และขายเมื่อไหร่ เหมือนกับที่ค่ายหนังยักษ์ใหญ่ระดับโลกอย่าง Warner Bros. สามารถเพิ่มยอดขายตั๋วหนังได้ง่ายๆ จากดาต้า (แต่จริงๆ ก็ไม่ง่ายหรอก แต่มันทำได้จริงๆ) ด้วยการหาให้เจอว่าใครเป็นแฟนหนังชั้นดีของเขา หรือใครที่เป็นพวกชอบดูหนังมากๆ เมื่อหาตัวคนกลุ่มนี้เจอจากดาต้าแล้วก็แค่ทำการตลาดออกไปว่าตอนนี้มีหนังเรื่องใหม่ออกแล้วนะ
และก็ทำเพิ่มไปอีกระดับด้วยการดูว่าใครบ้างที่ซื้อตั๋วเรียบร้อยแล้ว ใครบ้างที่ดูไปแล้ว เพื่อที่จะได้หยุดทำการตลาดซ้ำซากด้วยการชวนให้คนไปดูหนังเรื่องเดิมที่เพิ่งจ่ายเงินดูไป เชื่อว่าประสบการณ์แบบนี้คุณก็เคยเจอเหมือนผมใช่ไหมครับ
จากนั้น Warner Bros. ก็ต่อยอดด้วยการไปซื้อเว็บ Flixster เว็บไซต์ที่รวมคนรักหนังมากมายเพื่อเอามาต่อยอดธุรกิจ นี่คือการ Accquire Data จากคนอื่นมาเพื่อต่อยอดความแข็งแกร่งของธุรกิจตัวเอง คุณลองคิดดูซิครับว่าถ้าเรารู้ว่าคนกำลังสนใจหนังเรื่องไหน แนวใด จากค่ายอะไร หรือมีความเห็นสำหรับหนังแต่ละเรื่องอย่างไรบ้าง เราก็สามารถเอามาวิเคราะห์ร่วมกับพฤติกรรมการรับชมจริงๆ ว่าตกลงแล้วอะไรคือสิ่งที่ลูกค้าคนดูหนังต้องการมากกว่ากัน
นี่คือการใช้ First-party data + Second-party data เข้าด้วยกันเพื่อประกอบภาพ Customer 360 ที่จะเห็นลูกค้าได้รอบด้านมากยิ่งขึ้น
ธุรกิจในยุคดาต้าคือการสร้าง Digital Business Ecosystem เพื่อที่จะได้เข้าถึง Customer Data ให้ได้มากที่สุด เพราะถ้าเรารู้จักลูกค้ามากกว่าคู่แข่งเราก็ยิ่งมีโอกาสจะรู้ใจและทำให้ลูกค้าเลือกอยู่กับเรานานขึ้น หรือแม้กระทั่งไม่อยากเปลี่ยนใจไปหาแบรนด์อื่นด้วยซ้ำครับ
Yahoo เองก็เคยจะพยายาม Predict หรือคาดการณ์ว่าจาก Behavioral data การอ่านในแต่ละหน้าเว็บเพจของ Yahoo เองสามารถสะท้อนถึงรายได้ของภาพยนต์ที่กำลังฉายได้หรือไม่เช่นกัน
เห็นไหมครับว่าธุรกิจในยุคดาต้า 5.0 คือการแข่งกันว่าใครจะทำนายลูกค้าได้แม่นยำกว่ากัน ซึ่งการทำนายจะเกิดขึ้นไม่ได้ถ้าเราไม่มีข้อมูลในอดีตมาวิเคราะห์หาพฤติกรรมที่เคยเกิดขึ้นมาครับ
Keurig Kold จากเครื่องทำเครื่องดื่ม สู่เครื่องเก็บ Data พฤติกรรมการกิน
ผมชอบช่วงนี้ในหนังสือเล่มนี้มากครับ เรื่องมีอยู่ว่าจากเครื่องทำเครื่องดื่มอัตโนมัติที่บ้านหรือสำนักงาน อารมณ์ก็คล้ายๆ เครื่อง Nespresso ที่ทำกาแฟแคปซูลนี่แหละครับ แต่เครื่องนี้เอาไว้ใช้ทำเครื่องดื่มเย็นประเภทโซดาเป็นหลัก ไม่ว่าจะ Coke Sprite หรือใดๆ ที่มีจำหน่าย ซึ่งก็เหมือนกับเครื่องกดน้ำอัดลมอัตโนมัติ แต่อันนี้ทำไว้ในรูปแบบแคปซูลพร้อมชงดื่มทีละแก้ว
ประเด็นที่น่าสนใจคือผู้บริหารถามว่าเราจะสามารถเก็บข้อมูลพฤติกรรมการกินของลูกค้าได้อย่างไร เพราะที่ผ่านมาบริษัทเจ้าของเครื่องไม่เคยรู้ดาต้าลูกค้าใดๆ สักเท่าไหร่ เพราะข้อมูลการขายก็จะถูกเก็บไว้กับพาร์ทเนอร์ที่เป็นคนขาย ซึ่งส่วนใหญ่ก็เป็นห้าง หรือคนที่เป็นตัวกลาง สถานการณ์ก็เหมือนกับคนที่ฝากเขาขาย รู้แต่ยอดขายแต่ไม่ค่อยรู้สักเท่าไหร่ว่าใครเป็นคนซื้อ
ไม่รู้ว่าซื้อเครื่องไปแล้วกลับมาซื้อแคปซูลไปทำกินที่บ้านมากน้อยแค่ไหน ทำให้ไม่รู้เลยว่าตกลงใครเป็นลูกค้าชั้นดีของเรา หรือใครที่เคยซื้อเครื่องไปแล้วไม่เคยกลับมาซื้อแคปซูลเพื่อทำเครื่องดื่มกินอีกเลย
ประเด็นนี้เหมือนที่ผมเคยเขียนไว้ในหนังสือ Data-Driven Marketing การตลาดแบบฉลาดใช้ดาต้า ซึ่งหน้าที่นักการตลาดยุคดาต้า 5.0 ต้องคิดให้ออกว่าเราจะทำอย่างไรให้ได้ Customer data กลับมาที่ไม่ต้องผ่านตัวกลางที่ไม่ค่อยอยากจะให้ดาต้าเราเท่าไหร่ (หรือถ้าอยากได้ก็ต้องซื้อเอา)
ใน case study การทำ data driven อันนี้ก็บอกว่าตัวเครื่องชงเครื่องดื่มกลายเป็นเครื่อง IoT ที่ต่ออินเทอร์เน็ตพร้อมอัพเดทข้อมูลใหม่ๆ อยู่ตลอดเวลา และนั่นก็ทำให้พวกเขารู้ว่าบ้านไหนกินเยอะ บ้านไหนกินน้อย บ้านไหนชอบชงอะไรกินจากเมนูที่เลือก หรือถ้าคิดในระดับที่ว่าก่อนทำเครื่องดื่มกินต้องสั่งงานผ่านมือถือ ก็จะยิ่งทำให้รู้ว่าแต่ละคนในบ้านชอบกินอะไรที่เหมือนหรือแตกต่างกัน
นั่นหมายความว่าถ้าเรารู้ข้อมูลเหล่านี้เราก็จะสามารถวางแผนทำการตลาดได้อย่างมีประสิทธิภาพและแม่นยำกว่าเดิมมากๆ เพราะถ้าเรารู้ว่าบ้านนี้ชอบกินของเรามาก เวลามีเครื่องรุ่นใหม่ออกก็จะได้นำเสนอขายให้ก่อนคนอื่น หรืออาจจะถึงขึ้นเสนอเครื่องให้ฟรีเพื่อทำให้เขาประทับใจ เพราะเรารู้อยู่แล้วว่าเมื่อให้เครื่องฟรีไปเราจะคืนทุนเมื่อไหร่จากจำนวนแคปซูลที่เขาทำกินผ่านเครื่องของเรา
นี่คือ Customer data ที่ได้มาตรงจากลูกค้าโดยไม่ต้องผ่านตัวกลางหรือบุคคลใด ใน case นี้บอกว่าเมื่อเทียบกับข้อมูลแบบเก่าที่เป็น Survey แล้วถือว่าคุณภาพต่างกันมหาศาล เพราะการถามตอบแบบเดิมนั้นอาจเกิดความผิดพลาด หรืออาจจะมี Bias จากผู้ตอบ ก็แหม จะมีสักกี่คนที่กล้าบอกคนอื่นหละครับว่าวันๆ ตัวเองเอาแต่กินน้ำอัดลมที่ไม่ดีต่อสุขภาพ ไม่ว่าใครก็อยากจะดูดีในสายตาคนอื่นเป็นปกติจริงไหมครับ
และสุดท้ายจากเครื่องทำเครื่องดื่มธรรมดาก็กลายเป็น The Magic Cofee Maker ที่นอกจากจะขายแคปซูลเครื่องดื่มได้แล้ว ยังสามารถขาย Customer Data ให้กับคนอื่นต่อได้ด้วย
Digital Marketing การตลาดออนไลน์โตได้เพราะ Cookies
ต้องบอกว่าในยุคแรกของการตลาดออนไลน์นั้นไม่ได้มีประสิทธิภาพมากมายหรือแม่นยำเท่าทุกวันนี้ เว็บต่างๆ มักเปิดพื้นที่โฆษณาของตัวเองแล้วขายให้แบรนด์ที่สนใจมาลง เหมือนกับป้ายบิลบอร์ดที่เราเห็นตามทางด่วนนอกบ้าน ที่ไม่รู้ว่าคนดูเป็นใคร และการจะลงโฆษณาสักสิบเว็บก็ต้องไล่ติดต่อเว็บมากมายส่งผลให้เสียเวลาวุ่นวายหลายวัน
แต่พอมี Cookies เข้ามาตามเก็บข้อมูลเราจากทุกเว็บที่ไปแล้วเอามาประกอบเชื่อมโยงกัน ส่งผลให้โฆษณาออนไลน์มีประสิทธิภาพกว่าเดิมมาก เพราะเราสามารถติดตามคนที่เคยเข้ามาเว็บไซต์เราได้อย่างแม่นยำ แล้วเราถ้าขยันในการทำการตลาดหน่อยเราก็จะสามารถทำ Personalization ด้วยการดูว่าเขาดูหน้าอะไรเป็นหน้าล่าสุด เขาเข้ามาในช่วงเวลาไหน แล้ววิเคราะห์ว่า Intent เบื้องหลังน่าจะเป็นอย่างไร ก่อนจะทำการตลาดออกไปด้วยข้อความและภาพที่ใส่ใจเสมือนคุยกับเจ้าตัวแบบ 1 on 1
และนั่นก็คือการตลาดออนไลน์ในช่วงยุคหลังปี 2000 ยุคที่นักการตลาดสามารถเลือกกลุ่มเป้าหมายเป็น Contextual segment ได้
เราอยากได้คนที่สนใจเรื่องการท่องเที่ยว ระบบก็จะไปกวาดดูว่าใครบ้างที่เสิร์จหาคำที่เกี่ยวกับความอยากเที่ยว และเข้าเว็บที่ให้ข้อมูลสถานที่ท่องเที่ยว อาจจะไปถึงคนที่เคยเข้าไปยังเว็บจองตั๋วเครื่องบิน ที่พัก หรือเช่ารถ ที่เมื่อนำดาต้าที่กระจัดกระจายมาประกอบรวมกันก็ทำให้ตั้งสมมติฐานได้ว่านี่คือกลุ่มคนที่กำลังสนใจเรื่องการท่องเที่ยวเป็นแน่
ดังนั้นใครที่เคยใช้ระบบหลังบ้านของโฆษณาไม่ว่าจะ Google Facebook หรืออื่นๆ คุณจะเห็นว่ามันมี Interest ให้เลือกเยอะมากจนบางครั้งเราก็คิดไม่ถึงว่ามันมีความสนใจแบบนี้อยู่ด้วยหรือ
และจาก Cookies ของ Ad Network เหล่านี้เองที่ทำให้นักการตลาดสามารถเข้าถึงกลุ่มเป้าหมายที่ต้องการได้ง่ายขึ้นและมีประสิทธิภาพมากกว่าเดิม ก็ส่งผลให้ธุรกิจนี้โตขึ้นจนมีมูลค่ารวมมากกว่า 1 ล้านล้านดอลลาร์สหรัฐ เรียกได้ว่าเราสามารถทำ Personalization ได้โดยไม่ต้องเก็บดาต้าลูกค้าด้วยตัวเองเลยจนถึงวันนี้
แล้วนั่นก็ทำให้ราค่าค่าโฆษณาออนไลน์ก็เพิ่มขึ้นไปอีก 10 เท่าเมื่อสามารถระบุกลุ่มเป้าหมายได้อย่างแม่นยำ หมดยุคการตลาดแบบหว่าน เข้าสู่ยุคการตลาดแบบฉลาดใช้ดาต้า แล้วก็พัฒนาต่อไปเป็น Programatic ที่สามารถซื้อแบบประมูลได้เหมือนตลาดหุ้นเลยครับ
แต่การทำแบบนี้ก็ทำให้พื้นที่ออนไลน์ของสื่อใหญ่ๆ นั้นราคาตกลงฮวบเมื่อเทียบกับการขายเป็นพื้นที่แบบเดิม ครั้นสื่อยักษ์ใหญ่จะกลับมาขายโฆษณาตรงด้วยตัวเองโดยไม่ผ่าน Ad Network ก็มักจะถูกลูกค้าถามว่าแล้วพวกเขาสามารถซื้อเป็น Segments ที่เฉพาะเจาะจงได้หรือไม่
ดังนั้นปัญหาชัดเจนว่าเพราะสื่อส่วนใหญ่นั้นไม่ได้มีการเก็บ Audience data ไว้อย่างดีและเป็นระบบระเบียบที่จะทำให้สามารถนำไปขายให้นักการตลาดส่งโฆษณาหากลุ่มเป้าหมายที่ต้องการได้อย่างแม่นยำ และก็ทำให้ต้องกลับมาติดโฆษณาแบบ Ad Network แบบเดิมที่ตัวเองก็ได้ส่วนแบ่งน้อยมาก เพราะจากงบการตลาด 100 บาทที่ลูกค้าจ่ายมา ตกถึงมือฝั่งเว็บหรือสื่อจริงๆ แค่ 10-20% เท่านั้นเอง
Big Data ที่ดีไม่ใช่แค่มีมาก แต่ต้องเชื่อมโยงให้เห็นภาพรวมที่สมบูรณ์ด้วย
บางคนหรือบางบริษัทยังคงมีความเข้าใจผิดคิดไปว่าถ้าเรามี Data มากกว่าคู่แข่งในระดับที่เรียกว่า Big Data เราก็จะได้เปรียบแล้ว แต่ความจริงแล้วไม่เลยครับ เพราะ Data ที่ดีไม่ใช่แค่มีมากหรือ Big เท่านั้น แต่ต้องมี Data ที่หลากหลาย แล้วสามารถเอา Data ทั้งหมดมาเชื่อมโยงกันเพื่อให้เราเห็นภาพรวมของลูกค้า เห็นภาพรวมของธุรกิจ หรือคือการทำ Customer 360 นั่นเอง
Datafication มองทุกอย่างให้เป็นดาต้า
Data Thinking คือทักษะสำคัญของนักการตลาดยุคดาต้า 5.0 แต่ผมชอบหนังสือเล่มนี้ใช้คำว่า Datafication หรือการมองทุกอย่างรอบตัวให้เป็นดาต้า case study ที่หยิบยกมาเล่าน่าสนใจคือเบาะรถยนต์ที่เก็บดาต้าจากท่านั่งของเราเพื่อเอามา Personalization ให้เรานั่งสบายที่สุดแบบอัตโนมัติครับ
Koshimizu ได้สร้างเบาะรถยนต์ที่ใช้เทคโนโลยีเพื่อเก็บดาต้าจากท่านั่งของเราจนทำให้เจ้าเบาะนี้เรียนรู้ว่าเรานั่งแบบไหนถนัดมากกว่า นั่งแบบไหนไม่ขยับไปมาบ่อยๆ แถมยังถึงขนาดเรียนรู้จดจำท่านั่งของเจ้าของรถได้อีกด้วยว่าถ้าเป็นเจ้าของรถจริงๆ จะนั่งแบบไหน ลืมไปเลยกับระบบกันขโมยแบบเดิม เมื่อท่านั่งนี้คงยากที่จะเลียนแบบกันได้
อยากเข้าถึง Insight ที่ลึกซึ้ง ต้องพึ่ง Data มากกว่านี้
หลายแบรนด์วันนี้พยายามโฟกัสกับการใช้ First-party data ภายในบ้าน ซึ่งก็เป็นเรื่องดีแล้วครับ แต่ถ้าเราใช้ดาต้าในมือที่มีได้เต็มประสิทธิภาพแล้ว ก็ถึงเวลาที่เราต้องขยายไปสู่การเข้าถึง Data นอกบ้าน
เปรียบง่ายๆ กับเมื่อลูกค้าอยู่ในร้านเราอาจจะมีพฤติกรรมแบบหนึ่ง แต่พอเขาไปร้านอื่นหรือเว็บไซต์อื่นอาจมีพฤติกรรมอีกแบบ ดังนั้นถ้าเราอยากจะยกระดับเรื่อง Personalization ให้เป็น Hyper-Personalization ต้องอาศัยการใช้ทั้ง Second และ Third-part data นอกบ้านเราเพื่อจะได้เห็นภาพรวมลูกค้า Customer 360 ได้ครบถ้วนอย่างที่ควรจะเป็น
เพราะ External data ทำให้เราเข้าใจ Context Customer ได้ดีขึ้น แล้วเราก็จะสามารถแบ่ง Customer Segments ได้ละเอียดแม่นยำยิ่งขึ้น เพราะเราจะเข้าใจทั้ง Interest และ Context ในแบบที่ First-party data อย่างเดียวให้ไม่ได้
การมี External Data นั้นสำคัญเพราะมันจะทำให้เราได้เห็น Customer Journey ที่แท้จริง เพราะตั้งแต่เกิดยุคดิจิทัลขึ้นมา เกิดสมาร์ทโฟนขึ้นมา ทำให้คนทุกเจนโดยเฉพาะ Millennials นั้นมี Journey ที่ซับซ้อนมาก เราไม่ได้มี Journey เป็นเส้นตรงอีกต่อไป แล้วคนสมัยใหม่ก็สร้าง Data เก่ง ไม่ว่าจะผ่านการ Like, Comment หรือ Share แม้แต่การไปแวะเวียนอ่านบทความตามเว็บต่างๆ
อย่างขนม Pringles เองก็กลับได้พบ Customer Insight ที่แท้จริงจาก Data ว่าคนที่ชอบกินพวกเขามากๆ ไม่ใช่เด็กหรือวัยรุ่น หรือแม้แต่วัยทำงาน แต่กลับเป็นกลุ่มมคนสูงวัย Baby Boomer ซึ่งถ้าเรารู้แบบนี้กลยุทธ์การตลาดและธุรกิจย่อมต้องเปลี่ยนไปจากที่เคยใช้สัญชาติญาณคาดการณ์ไว้จริงไหมครับ
เพราะปัญหาของการทำ Research แบบโลกเก่าคือ Bias ที่มีมาตั้งแต่การกำหนด Segments ก่อนออกไปหาข้อมูล มันทำให้เวลาเราหาข้อมูลหรือดาต้ามาก็เพื่อแค่สนับสนุนแนวคิดที่ตั้งสมมติฐานไว้แต่แรกเท่านั้น แต่ในการทำ Data Research แบบโลกใหม่คือการไม่ปักธงแต่แรกว่าเรามีลูกค้ากี่ Segments เราแค่ต้องตั้งแกนต่างๆ ขึ้นมาแล้ววิเคราะห์ดูว่าจริงๆ แล้วเรามีลูกค้ากี่ Segments จริงๆ กันแน่
จากนั้นค่อยใช้การทำ Survey Research แบบเก่ามาทำความเข้าใจบริบทหรือ Context ว่าเพราะเหตุใดลูกค้ากลุ่มนี้จึงมีพฤติกรรมแบบนั้นจากดาต้าที่เราเห็น เหมือนอีกหนึ่ง Case Study ที่น่าสนใจของรองเท้า Brooks ที่แรกเริ่มเดิมทีทีมการตลาดคิดว่าลูกค้าหลักมีแต่กลุ่มนักวิ่ง แต่เมื่อดูดาต้าของจริงถึงได้พบว่ากลุ่มคนที่ชอบซื้อ Brooks ไปใส่มากๆ กลับไม่ได้มีความเป็นนักกีฬาหรือชอบออกกำลังกายเลย กลับเป็นกลุ่ม Hipster และเขาชอบใส่รองเท้า Brooks ไปโยนโบว์ลิ่งตอนกลางคืนกัน
ถ้าเราคิดว่ารองเท้าวิ่งต้องมีแต่นักวิ่งใส่ เราจะพลาดโอกาสไปมหาศาล เพราะในลูกค้าทั้งหมดที่มีนั้นยังมี Segments มากมายที่ซ่อนตัวรอให้เราค้นพบผ่านการทำ Analytics ออกมาอยู่เสมอครับ
หรือแม้แต่ Campbell ซุปสำเร็จรูปแค่อุ่นก็พร้อมอร่อยที่เดิมทีมการตลาดเคยคิดว่าใครๆ ก็น่าจะชอบกินซุปตัวเองตอนร้อนๆ แต่พอดูจากดาต้าจริงๆ กลับพบว่าคนส่วนใหญ่ชอบกินซุปตอนอากาศแย่ๆ โดยเฉพาะตอนที่ตัวเองกำลังจะรู้สึกป่วยหรือไม่สบายขึ้นมา โดยเฉพาะมีแนวโน้มว่าจะซื้อกินคู่กับยาแก้ไอ
จนทำให้ Campbell ปรับกลยุทธ์การขายใหม่เป็น Contextual Marketing Strategy แบบเน้นการตลาดเมื่อสภาพอากาศแย่และเน้นขายคู่กับยาแก้ไอครับ
เห็นไหมครับว่าพอเราเห็น Insight จาก Data แบบนี้การจะกำหนด Strategy ก็เป็นเรื่องง่ายกว่าเดิมมาก เพราะเรารู้แล้วว่าปัญหาอยู่ตรงไหนไม่ต้องเดาอีกต่อไป
Contextual Marketing จากเมนูที่กำลังดูสู่โฆษณาวัตถุดิบที่พร้อมทำ
case study การใช้ External data นอกบ้านเพื่อยกระดับธุรกิจของกลุ่มสินค้าแม่และเด็กคือการที่แบรนด์หนึ่งเข้าไปพาร์ทเนอร์กับเว็บที่เกี่ยวกับการทำอาหารสำหรับเด็ก จากนั้นเมื่อทางเว็บรู้ว่าแม่คนไหนกำลังดูเนื้อหาเมนูแบบไหนอยู่ ก็ส่งข้อมูลนั้นออกไปให้แบรนด์ที่เป็นพาร์ทเนอร์อย่างซูเปอร์มาร์เก็ต แล้วในเวลาไม่ถึงเสี้ยววินาทีทางคุณแม่คนนั้นก็จะได้เห็นโฆษณาที่บอกให้รู้ว่าวัตถุดิบของเมนูที่กำลังดูอยู่สามารถหาซื้อได้ที่ซูเปอร์มาร์เก็ตแห่งนี้
นี่คือ Case study การทำ Contextual marketing ที่ดี ที่ดูว่ากลุ่มเป้าหมายที่เราต้องการกำลังสนใจอะไร แล้วเราจะใช้โอกาสนั้นเข้าไปทำการตลาดอย่างไรให้เขารู้สึกว่าเราเข้ามาช่วยมากกว่ายัดเยียดขายแบบน่ารำคาญครับ
ดังนั้นการตลาดในวันนี้จะใช้แค่ Internal Data อย่างเดียวคงไม่พอ ต้องเริ่มมองหา Data Partner ด้วยว่าธุรกิจเราจะโตกว่านี้ได้ถ้าเราเข้าถึง Community Partner แบบไหน เช่น ถ้าคุณเป็นแอปฟังเพลงคุณอยากรู้ Lifestyle จริงๆ ของกลุ่มเป้าหมายว่านอกจากเขาชอบฟังเพลงอะไร แล้วเข้าชอบไปเที่ยวไหนหรือชอบใช้เงินกับอะไรหละ มันจะทำให้คุณทำการตลาดได้แม่นยำขึ้นกว่าเดิมหรือเปล่า เราต้องเริ่มกำหนด Data Partner Strategy ตั้งแต่ปีนี้ได้แล้วครับ
เรามี Data มากกว่าที่คิด แต่ Data ที่ใช้ได้จริงน้อยกว่าที่มีมาก
ปัญหาสุดคลาสสิคคือคนส่วนใหญ่ชอบคิดว่าตัวเองไม่มี Data แต่พอเข้าไปสำรวจตรวจสอบดูกลับพบว่าบริษัทส่วนใหญ่มีดาต้าเก็บไว้มากกว่าที่คิด ทั้งข้อมูลการขาย ข้อมูลการโฆษณา ข้อมูลหลังบ้านแพลตฟอร์มต่างๆ หรือแม้แต่ข้อมูลการให้บริการลูกค้าหลังการขาย ดังนั้นเราจึงมักมีดาต้ามากกว่าที่คิดครับ แต่ปัญหาถัดมาคือดาต้าที่เรามีเอาเข้าจริงนั้นนำไปใช้ได้น้อยมาก
ด้วยวิธีการเก็บที่ไม่ดี ไปจนถึงขาดการเชื่อมโยงดาต้าเข้าด้วยกัน หลายครั้งเมื่อเข้าไปสำรวจตรวจสอบคุณภาพของดาต้าพบว่าแทบจะต้องทิ้งเกือบหมด เหมือนที่เกิดขึ้นกับเคส Dunkin ในหนังสือเล่มนี้
Dunkin มี Data มากมายจากระบบสมาชิกเก่าแก่ แต่ไร้ค่าเพราะไม่สามารถเอาไปใช้งานได้ หรือถ้าจะเอาไปใช้งานก็มีต้นทุนค่า Prep และ Cleansing data มากเกินไป จนทำให้ต้องรื้อระบบ CRM พร้อมกับกำหนด Data Strategy ที่ดีใหม่ แต่ก็นั่นแหละครับมันทำให้หลังจากนั้นไม่นาน Dunkin สามารถทำ Data-Driven Dunkin ได้
เพราะหลังจากเก็บข้อมูลอย่างเป็นระบบ ระเบียบ เรียบร้อย และพร้อมใช้ ส่งผลให้เมื่อนำมาทำ Data Analytics ก็ง่ายจนรู้ว่าลูกค้าคนไหนชอบมาเช้า คนไหนมากลางวัน คนไหนมาเย็น หรือคนไหนเป็นซูเปอร์แฟนมากินทั้งวัน แล้วก็รู้ว่าลูกค้าคนไหนเป็นกลุ่มวันทำงาน คนไหนเป็นกลุ่มวันหยุด ไปจนถึงรู้ว่าคนไหนชอบกินชา และคนไหนชอบกินกาแฟ แยกไปอีกกระทั่งกาแฟประเภทไหน ร้อน เย็น หรือกาแฟนม กาแฟดำ
เรียกได้ว่าพอแย่ Customer Segments ได้ชัดก็สามารถทำการตลาดแบบรู้ใจ Personalized Marketing ได้ไม่ยาก และนั่นก็ทำให้ Dunkin โตด้วย Data-Driven แบบเงียบๆ ในแบบที่คู่แข่งก็ไม่สามารถล่วงรู้กลยุทธ์การตลาดได้ทั้งหมด เพราะไม่มีใครที่สามารถเป็นลูกค้าครบทุก Segment ได้ด้วยตัวคนเดียวครับ
Heineken เจอ New Puspose ใหม่จาก Data
บางครั้ง Data ก็พาเราไปเห็นแง่มุมใหม่ของสินค้าที่คนเลือกใช้เราโดยคาดไม่ถึง เหมือนกับเคสของ Heineken ที่ทำให้พบว่ากลุ่มคนที่ชอบกินเบียร์ตัวเองนั้นไม่ได้กินแบบประจำทุกวันเป็นปกติเหมือนเบียร์อื่น แต่เลือกกินในโอกาสพิเศษ โอกาสที่ต้องสังสรรค์ เรียกว่าเป็น Party Beer ก็ว่าได้
ทำให้จากเดิมการตลาดที่เคยทำเพื่อบอกให้คนกินกับอาหารแบบชีวิตประจำวัน มาสู่การตลาดที่เน้นดื่มเพื่อสังสรรค์ในโอกาสพิเศษที่จะสนุกขึ้นกับ Heineken
หรือ Hershey เองก็พบ Insight ที่น่าสนใจเมื่อเอา Data ระหว่างข้อมูลการขายกับข้อมูลผู้เที่ยวสวนสนุก Hershey Land มาเชื่อมกันก็ทำให้พบว่ากลุ่มลูกค้าที่ชอบมาสวนสนุกนั้นมีแนวโน้มจะชอบกิน Heyshey Kiss มากกว่า หรือถ้ามองอีกมุมนึงคือกลุ่มคนที่ชอบกิน Hershey Kiss มักจะมาเที่ยวสวนสนุก Hershey Land สูงกว่าลูกค้าทั่วไปถึงสามเท่า
พอรู้แบบนี้เรารู้แล้วใช่ไหมครับว่าจะทำการตลาดอย่างไร ปัญหาการตลาดที่เคยยากจะง่ายขึ้นมากถ้าเรารู้จักฉลาดใช้ Data-Driven Decision ให้มากขึ้นครับ
เหมือนอย่างที่รายการ Vikins จากช่อง History ในต่างประเทศพบว่าคนชอบดูย้อนหลังตอนดึกมากกว่าดูสด พวกเขาเลยทำปรับกลยุทธ์การตลาดใหม่ว่ากระตุ้นให้คนอยากดูสดแทน ด้วยวิธีการคือเอาลงโฆษณาในช่วงเวลาที่รายการกำลังฉาย แต่ไม่ใช่โฆษณาที่เตรียมไว้ล่วงหน้า แต่เป็นการออกอากาศสดพร้อมคนที่กำลังดูสดอยู่ในเวลานั้น
ผลคือทำให้คนมากมายสนใจหันมาดูรายการ Vikins สดๆ พร้อมกันมากขึ้น
Segments Marketing
การตลาดยุคดาต้าคือการวิเคราะห์หา Customer Segments เราให้ได้ละเอียดมากที่สุดเท่าที่ทำได้ เพราะยิ่งเราวิเคราะห์ออกมาได้ละเอียดเท่าไหร่ เราก็ยิ่งสามารถทำ Personalized Marketing ได้ดีเท่านั้น และนั่นก็ทำให้คู่แข่งไม่มีทางรู้ได้โดยง่ายเลยว่าเรากำลังทำอะไรอยู่ เหมือนที่ Peugeot แบ่งลูกค้าออกได้มากถึง 800 Segments จากเงื่อนไขที่แตกต่างกัน
Data Integration ยกระดับดาต้าให้ Enrich Insight
การทำ Data Analytics จะเผย Insight ได้เต็มที่ก็เมื่อเราเอา Data ที่มีมาเชื่อมโยงหรือที่เรียกว่า Integration
ทำให้ Dashboard เราจะไม่ได้มีไว้เพื่อแคปหน้าจอเอาไปแปะลง Report เหมือนที่หลายบริษัทยังคงทำกัน เพราะ Dashboard ที่ดีต้องทำให้เห็น Insight ได้ในทันที และการจะเห็น Insight นั้นได้เราต้องเอา Data ที่กระจัดกระจายในองค์กรมาเชื่อมโยงกันเพื่อจะได้รู้ว่า Touchpoint ไหนที่ต้องปรับปรุง หรือเมื่อไหร่ที่เราควรเสนอขายเพิ่มขึ้น
การจะทำให้องค์กรเราเก่งขึ้นด้วยดาต้าเริ่มจากกำหนดเป้าให้ชัดว่าจะเอา Data มาช่วยเรื่องไหนเป็นเรื่องๆ แล้วก็ไม่ควรยกหน้าที่นี้ให้เป็นของ IT แต่ต้องยกให้ทีมที่ติดต่อลูกค้าใกล้ชิดเป็นผู้รับผิดชอบ
ทีมการตลาดหรือทีมขายต้องเลือกเครื่องมือด้วยตัวเอง ส่วนทีม IT มีหน้าที่ให้คำแนะนำว่าเครื่องมือที่เลือกมาดีหรือไม่ดีอย่างไร
สิ่งสำคัญคือต้องทำให้ทุกคนในองค์กรมองว่า Data คือเงิน หรือเครื่องมือทำเงิน เราจะได้ช่วยกันไม่ใช่แค่หน้าที่ใครคนใดคนหนึ่ง แล้วก็พยายามตั้งเป้าง่ายๆ ที่ทำได้ไวๆ ให้สอดคล้องกับกลยุทธ์เป้าหมายใหญ่ในภาพรวมของธุรกิจ
เน้นทำไปวัดผลแล้วก็ปรับปรุงไป อย่ารอให้ทุกอย่างพร้อมค่อยทำ เพราะคุณจะไม่มีทางรู้เลยว่าที่คิดไว้มันดีจริงสำหรับลูกค้าผู้ใช้งานหรือเปล่า
Subway เจอ Enrich Insight ว่าทำอย่างไรให้ Conversion ของ Email Marketing เพิ่มขึ้น
Case study ของ Subway นี้น่าสนใจเพราะเขาพบว่าลูกค้าคนไหนเห็นวิดีโอโฆษณามาก่อนจะมีอัตราการเปิดอีเมลอ่านสูงกว่ากลุ่มคนที่ไม่เห็นมาก่อนมาก และนั่นก็นำไปสู่ยอดขายจากการรับรู้แคมเปญการตลาด
แต่การจะรู้แบบนี้ได้ต้องมีการทดสอบผ่านการทำ A/B Testing หรือ Experiment มาก่อนว่าระหว่างทำให้เห็นวิดีโอโฆษณาก่อนกับไม่เห็นเลยนั้นส่งผลสำคัญต่ออัตราการเปิดอีเมลอ่าน แล้วส่งผลต่อยอดขายที่เพิ่มขึ้นหรือไม่
สรุปหนังสือ Data Driven ที่เน้นเรื่อง DMP (Data Management Platform) จาก Salesforce
แม้หนังสือเล่มนี้จะพิมพ์ออกมาพอสมควรแต่ส่วนตัวผมรู้สึกว่าช่วยทำให้เห็นหลายๆ มุมมองบวกกับ Case study มากมายของการใช้ Data Driven ในแบบที่ไม่เคยรู้มาก่อน แต่ประเด็นของเรื่องดาต้าก็พบว่าไม่ได้หนีจากประสบการณ์จริงที่พบเจอมากนัก
ดังนั้นใจความสำคัญของการทำ Data Driven ให้ประสบความสำเร็จคือการเริ่มลงมือและปรับเปลี่ยนวิธีการทำงาน สำคัญสุดคือการมี Mindset ใหม่แบบนักวิทยาศาสตร์ ไม่รีบด่วนสรุปแต่ตั้งคำถามแล้วหาคำตอบไปเรื่อยๆ ไม่ใช่มีคำตอบในใจแล้วไปหาข้อมูลมาสนับสนุนคำตอบนั้น
ถ้าหนังสือเล่มนี้มีแปลไทยคงดี หวังว่าทีมงาน Salesforce มาอ่านเจอแล้วจะเอามาแปลไทยให้นักการตลาดได้อ่านกันครับ
อ่านแล้วเล่า เล่มที่ 29 ของปี 2021
สรุปหนังสือ Data Driven, Hasnessing Data and AI to Reinvent Customer Engagement
Tom Chavez, Christ O’Hara, Vivek Vaidya เขียน
สำนักพิมพ์ MC Graw Hill Education
อ่านสรุปหนังสือแนวนี้ในอ่านแล้วเล่าต่อ > https://www.summaread.net/category/big-data/
สนใจสั่งซื้อทางออนไลน์ > https://bit.ly/3eDYBfp