Data-First Marketing บทที่ 7 Data Analysis ลด Bias และ Belief ที่ทำร้ายธุรกิจเสียที

สรุปหนังสือ Data-First Marketing บทที่ 7 กับการทำ Data Analysis หรือการใช้ Data เพื่อลด Belief และ Bias จากการตัดสินใจออกไปให้เหลือน้อยที่สุด

ยุค Digital Driven Data เมื่อเราหันมาใช้ดิจิทัลมากขึ้นก่อให้เกิดดาต้ามากมาย และทุกวันนี้เราใช้ดาต้าแค่เพียงน้อยนิดเท่านั้น เปรียบกับนักเดินเรือที่อยู่ท่ามกลางมหาสมุทร แม้รอบตัวจะเต็มไปด้วยน้ำมากมายแต่ก็ล้วนแต่เป็นน้ำทะเล เป็นน้ำเค็มที่ไม่สามารถดื่มกินเข้าไปได้ เราต้องหาวิธีการกลั่นหรือสกัดน้ำทะเลให้กลายเป็นน้ำจืดที่เราสามารถดื่มได้ กับการทำ Data Analysis ก็เช่นเดียวกัน

อุปสรรคสำคัญคืออย่างของการจะทำ Data-Driven Marketing คือ Bias ของมนุษย์เรา เหมือนอย่างภาพยนต์เรื่อง Moneyball ที่บอกให้รู้ว่าเมื่อจะหันมาเลือกนักกีฬาจาก Data ก็ถูกปรามาสและต่อต้านมากมายจากคนในวงการ ซึ่งกว่าจะยอมรับกันได้ก็ต้องประสบความสำเร็จอย่างประจักษ์แล้ว

แมวมองหรือคนที่อยู่ในวงการมาก่อนต่างก็มี Data Attributes ในใจว่านักกีฬาที่ดีต้องเลือกจากอะไรบ้าง รูปร่าง หน้าตา ท่าตี เป็นต้น แต่เมื่อถามกลับไปว่า Attributes มากมายที่ใช้มานานนั้นสะท้อนถึงความเก่งได้อย่างไรบ้างกลับไม่มีใครสามารถตอบได้ และก็เอาแต่บอกกันว่านี่คือสิ่งที่วงการเบสบอลเชื่อถือมานาน ถ้ามันไม่ดีจริงเขาจะใช้กันมานานหลายสิบจนเป็นร้อยปีได้อย่างไร

อีกหนึ่งตัวอย่างที่น่าสนใจที่จะทำให้เห็นภาพว่าพลังของ Human Bias นั้นน่ากลัว แต่ถ้าเปิดใจให้ Data ก็จะช่วยให้ธุรกิจหันหัวหลบวิกฤตที่จะพุ่งเข้ามาได้

อย่าปล่อยให้ Bias หรือ Belief ครอบงำการตัดสินใจ

FOSE หนึ่งในงาน IT ใหญ่เก่าแก่งานหนึ่งของอเมริกาที่เกือบจะปิดตัวลงเพราะผู้บริหารเชื่อว่าเราทำมานานเกินไป!

ในตอนนั้นทีมผู้บริหารที่จัดงานเชื่อข่าวลือว่าเหล่า IT ตัวจริงไม่มาเดินงานแบบนี้ด้วยตัวเองหรอก มีแต่ส่งลูกน้องมาเดิน หรือไม่ก็มีแต่พวกที่ตั้งใจมาเอาของแจกฟรีในงานเท่านั้น ข่าวลือนี้ทำงาน FOSE นี้เสียชื่อเสียงไม่จำนวนไม่น้อย ส่งผลให้ผู้บริหารที่จัดงานนี้รู้สึกว่าจัดต่อไปก็ไร้ค่า สู้ปิดไปดีกว่าให้คนมาทำให้เราเสียหน้าอีกปี

แต่เมื่อเอา Data มาดูและ Analytics จริงๆ จึงได้พบความจริงว่ามีดีลเกิดขึ้นมากมายในงานที่จัดตลอดทุกปีแม้แต่ปีล่าสุด ทำให้เข้าใจความจริงที่แท้ว่างานนี้ก่อให้เกิดประโยชน์กับคนในวงการ IT มากมาย และท้ายที่สุดข่าวลือก็กลายเป็นแค่ข่าวลือต่อไป

ก้าวข้าม Bias และ Belief ด้วย Data

การตลาดแบบฉลาดยุคใหม่คือการตลาดที่ใช้ดาต้าช่วยคิดและตัดสินใจ ซึ่งประกอบด้วย 3 ขั้นตอนสำคัญแต่เรียบง่าย

1. ตั้งคำถามที่ใช่ ก่อนจะเริ่มใช้ดาต้าครั้งใดต้องถามตัวเองให้แน่ใจว่านี่คือเราสำคัญที่เราต้องรู้จริงหรือเปล่า
2. ต้องรู้ว่าดาต้าแบบไหนหรือดาต้าอะไรจะตอบคำถามที่เราอยากรู้ได้
3. วิเคราะห์ให้เห็น Insight ใหม่ ต้องสามารถเข้าใจได้ว่า Data แสดงผลแบบนี้เพราะอะไร มันมีที่มาที่ไปอย่างไร และรู้ว่าจะต้องทำอะไรต่อชัดเจน

สิ่งที่เรามักพบว่าเป็น Belief หรือ Bias ที่มักส่งผลให้การตัดสินใจแย่หรือผิดทางเป็นประจำ

Beauty Bias สวยทำไมถ้าขายไม่ได้

หลายคนมักกังวลกับเรื่องความสวยหรือดีไซน์มากเกินไป ส่วนหนึ่งเพราะอาจเห็นตัวอย่างอย่างแบรนด์ Apple ว่าที่ขายดีถล่มทลายจนถึงทุกวันนี้เพราะมีดีไซน์ที่สวยแบบแทบจะไร้ที่ติด (ยกเว้นติ่งกล้องที่ยื่นมากินขอบหน้าจออะนะ) แต่เราก็ลืมไปว่าความเป็นจริงแล้วเป้าหมายของธุรกิจและการตลาดไม่ใช่ความสวย แต่เป็นการขาย ถ้าความสวยที่เพิ่มขึ้นช่วยให้เราขายดีขึ้นก็ควรจะสวยไป แต่ถ้าไม่คำถามคือเราจะสวยไปทำไม ถ้าสวยแล้วขายไม่ได้นับเป็นการตัดสินในและลงทุนที่ไร้สาระมาก

Finish Line เว็บขายรองเท้าและเสื้อผ้ากีฬาที่เกือบเจ๊งเพราะความสวย

ในปี 2012 ร้านขายของเท้า Finish Line ได้ทำการปรับโฉมดีไซน์เว็บไซต์ตัวเองใหม่แบบยกเครื่อง เพราะทีมผู้บริหารมองว่าเว็บเดิมนั้นน่าเกลียด ดูเชย เลยอยากยกดีไซน์เว็บไซต์ใหม่หมดจรดให้ดูสวยสะดุดตา แต่หารู้ไม่ว่านั่นแหละคือการตัดสินใจที่กำลังนำไปสู่ยอดขายที่ลดลงมหาศาล

เพราะหลังจากเปิดตัวเว็บไซต์ใหม่ที่ผ่านการดีไซน์มาอย่างสวยงามแบบบรรจง สิ่งที่เกิดขึ้นคือผ่านไปแค่ 17 วันยอดขายหายไปกว่า 100 ล้านบาท แน่นอนว่า Chief Digital Officer หรือ CDO นั้นถูกไล่ออกในทันที แล้วทั้งหมดที่ทำไปก็ถูกเททิ้งเพราะ CEO สั่งให้เอาเว็บที่ดูห่วยๆ ไม่สวยกลับคืนมา และนั่นก็ทำให้ยอดขายเดิมที่เคยดีกลับมาอีกครั้ง

Marks & Spencer เว็บสวยขึ้นแต่ยอดขายลดลง 8%

แบรนด์ดังที่เชื่อว่าหลายคนน่าจะรู้จักและคุ้นเคย แต่ใครจะเชื่อว่า Mark & Spencers จะเคยลงเอยเหมือน Finish Line

เมื่อผู้บริหารและทีมงานคิดว่าเว็บเดิมที่ใช้มานานดูไม่ทันสมัย ดีไซน์ไม่สวยโดนใจเอาเสียเลย ก็เลยทำการทุ่มทุนยกเครื่องเว็บไซต์และระบบ Ecommerce ใหม่ทั้งหมดเป็นเงินกว่า 240 ล้านเหรียญ และใช้เวลากว่า 2 ปี พวกเขาก็มั่นใจว่าถ้าเปิดตัวไปจะต้องปังแน่ เพราะจากเว็บหน้าตาเชยๆ แย่ๆ วันนี้หน้าตาดูเป็นแมกกาซีนในรูปแบบดิจิทัลเรียบร้อยแล้ว

แต่หลังจากเปิดตัวไปได้ 13 สัปดาห์ก็พบว่ายอดขายลดลงทันทีกว่า 8% กลายเป็นว่าความสวยที่ทีมงานคิดว่าโดนกลับไม่สามารถดึงดูดผู้บริโภคให้ซื้อของได้ดีกว่าเดิม แถมยังแย่กว่าเดิมด้วยซ้ำ

ขนาดเว็บไซต์ใหม่มีการใส่วิดีโอเข้าไป ปรับสไตล์ใหม่ให้ดูเป็นไลฟ์สไตล์มากขึ้น แต่ก็นั่นแหละครับ เมื่อสวยไปแต่ขายไม่ได้ก็ไร้ค่าทางธุรกิจ ทาง Mark & Spencer ก็เลยปรับเว็บไซต์และแพลตฟอร์มตัวเองใหม่อีกรอบ และกว่าสถานการณ์จะดีขึ้นก็ล่วงไปถึงต้นปี 2015 ที่ดีไซน์สามารถช่วยยอดขายได้จริงถึง 38.7% แต่ก็มาจากการวิเคราะห์ Data ว่าตกลงดีไซน์แบบไหนแน่จึงจะทำให้คนอยากกดซื้อสินค้ามากกว่าเดิม

Bias ต้องหายไป เพิ่มการใช้ Data เข้ามาแทน

ทั้งหมดที่เล่ามานี้จะทำให้เห็นภาพว่า Bias ต้องหมดไปจากการตัดสินใจทางธุรกิจเสียที (ถ้าส่วนตัวพอรับได้) และหันมาใช้ Data ช่วยตัดสินใจเพิ่มขึ้น หรือให้ดีคือใช้ Data ให้ได้มากที่สุดครับ

อย่าแรกคือเราต้องเลือกดาต้าที่ใช่เพื่อตอบคำถามสำคัญให้เป็น เพราะไม่ใช่ดาต้าอะไรก็ได้จะตอบคำถามเราได้ นั่นคือสิ่งที่คนมักเข้าใจผิด และหลังจากนั้นเราต้องรู้ว่าดาต้าที่เราต้องการอยู่ที่ไหน อยู่กับใคร หรือจะใช้เทคโนโลยีอะไรในการจัดเก็บ

ระวังการใช้ Data แบบมี Bias

แม้ว่าการใช้ดาต้าจะช่วยลด Bias ได้ แต่มนุษย์เรานั้นก็หลักแหลมกว่าที่คิด เพราะบางคนก็เลือกที่จะใช้ดาต้าอย่างมี Bias หรือใช้เพื่อสนับสนุนความคิดและการตัดสินใจของตัวเองที่เรียกกันว่า Cherry Picking

การเลือกใช้ดาต้าแบบ Cherry Picking นั้นสำคัญมาก เหมือนกับการให้ค่าบางอย่างมากเกินจริงเพราะเรารู้สึกว่าน่าสนใจในความคิดเรา เราอาจจะเห็นตัวเลขผิดปกติบางอย่างแล้วปักใจกับมันเร็วเกินไป จนลืมมองภาพรวมทั้งหมดเพื่อเข้าใจความจริง

หรือการเห็นข้อมูลสองส่วนที่สอดคล้องกันอย่างไม่น่าเชื่อ หรือที่เรียกว่า Correlation แต่ไม่สามารถอธิบายหรือตอบได้ว่ามันเกี่ยวข้องหรือสัมพันธ์ หรือเป็นเหตุเป็นผลกันอย่างไร

สิ่งสำคัญคือเราต้องเข้าใจบริบทหรือที่มาที่ไปของดาต้าด้วย เราต้องเข้าใจ Context ของความสัมพันธ์นั้น ถ้าตอบไม่ได้มันก็มีโอกาสมากที่จะเป็นแค่เรื่องบังเอิญที่สอดคล้องกัน แต่ไม่ได้มีความเกี่ยวข้องกันหรือเป็นเหตุเป็นผลกันแต่อย่างไร

5 หลักใช้ดาต้าอย่างเป็นวิทยาศาสตร์

1. Signal ดูสัญญาณความผิดปกติที่เกิดขึ้น
2. Hypothesis ตั้งสมมติฐานจาก Signal นั้นว่าน่าจะเป็นเพราะอะไร
3. Experiment ทดสอบสมมติฐานที่ตั้งไว้ว่าเป็นจริงหรือแค่คิดไปเอง
4. Repeat ทดสอบลองทำซ้ำกับตัวแปรอื่นว่ามันเกิดซ้ำแบบนี้เสมอจนพิสูจน์ได้ว่าจริง
5. Insightful เมื่อรู้ความจริงแท้แล้วก็ต้องหาทางนำไปใช้ให้เกิดประโยชน์ต่อธุรกิจ

2 Data หลักที่นักการตลาดต้องรู้ว่าต่างกันอย่างไร

ในโลกดาต้ามีดาต้ามากมายหลายชนิดให้เลือกใช้ แต่เราสามารถสรุปออกมาได้เป็น 2 ชนิดหลักที่นักการตลาดต้องรู้เพราะจะใกล้ชิดกับดาต้าสองขนิดนี้มาก

1. Customer data ข้อมูลที่ได้จากลูกค้าตรง ไม่ว่าจะข้อมูลการซื้อ ข้อมูลการสมัครสมาชิก ข้อมูลจาก CRM หรือข้อมูลจากการโฆษณา ซึ่งข้อมูลพวกนี้จะเอามาช่วยทำ Buyer Personas ได้ ทำให้เราสามารถกำหนด Strategy และ Marketing ที่แม่นยำกว่าเดิม หมดเวลาเดาแล้วว่าลูกค้าเราเป็นใครบ้าง เริ่มจากการดู Data ว่าตกลงแล้วลูกค้าเราแบ่งออกเป็นกี่กลุ่ม
2. Marketing Operation data นักการตลาดในยุคดาต้า 5.0 จะแค่ใช้ดาต้าที่มีอย่างเดียวไม่ได้ แต่ต้องคิดที่จะหาทางเก็บดาต้าจากลูกค้าเพิ่มขึ้นด้วย อย่าทำแคมเปญการตลาดเพียงแค่ให้คนรู้จัก แต่ต้องทำเพื่อให้ได้ Customer data กลับมาเก็บไว้ใช้งานเพิ่มขึ้นด้วย ลองศึกษา Data Collection Canvas จากหนังสือ Data-Driven Marketing การตลาดแบบฉลาดใช้ดาต้าเพิ่มเติมครับ

เริ่มต้น Data Analysis อย่างไรดีสำหรับ Marketer

การเริ่มต้น Data Analysis สำหรับนักการตลาดคือการแยกให้ออกก่อนว่าเงินที่ใช้ไปก่อให้เกิดโอกาสขายมากเท่าไหร่ และพลาดไปเท่าไหร่ เริ่มต้นจากการดูสินค้าที่ขายได้จริง กับสินค้าที่ถูกใส่รถเข็นไว้แต่ยังไม่ยอมกดจ่ายเงินก็ได้ครับ

เริ่มจากการเปรียบเทียบตามช่วงเวลา ว่ามีช่วงเวลาไหนไหมที่ขายดีและขายได้แตกต่างกัน

ลองปรับมุมมองผ่านการทำ Data Visualization ในรูปแบบต่างๆ เพื่อให้เราได้เห็นดาต้าในหลายๆ แง่มุม ซึ่งหลายครั้งก็ทำให้เราได้เห็น Insight ใหม่ที่ไม่คาดคิดมาก่อนได้

สุดท้ายคือการทดลองไปเรื่อยๆ ว่าจาก Insight ที่เห็นนั้นเป็นจริงสามารถทำซ้ำได้หรือไม่ เพราะถ้าสิ่งไหนที่ทำซ้ำไม่ได้นั่นไม่ใช่ Insight ที่แท้จริงในโลกการตลาดยุคดาต้า 5.0 ครับ

อ่านสรุปหนังสือ Data-First Marketing บทที่ 8 > คลิ๊ก

อ่านสรุปตอนที่ 1 > คลิ๊ก
อ่านสรุปตอนที่ 2 > คลิ๊ก

อ่านสรุปบทที่ 1 > คลิ๊ก
อ่านสรุปบทที่ 2 > คลิ๊ก
อ่านสรุปบทที่ 3 > คลิ๊ก
อ่านสรุปบทที่ 4 > คลิ๊ก
อ่านสรุปบทที่ 5 > คลิ๊ก
อ่านสรุปบทที่ 6 > คลิ๊ก