พูดถึงการเอา AI, Machine Learning หรือ Data Science มาใช้กับการตลาด ก็มีหลายแง่มุมที่สามารถประยุกต์ใช้ได้ ไม่ว่าจะเป็นการทำนาย Lifetime Value ของลูกค้าจากมูลค่าของสินค้าที่เคยซื้อ ทำนายยอดขายที่ได้มาจากเว็บไซต์ ความถี่ของการส่งอีเมลที่เหมาะสม ทำนายแนวโน้มที่คอนเทนต์จะถูกคลิกดู ลูกค้าคนไหนมีแนวโน้มจะซื้อของชิ้นไหน สินค้าที่จะเอามาแนะนำ หรือแม้แต่จัดหมวดหมู่คอมเมนต์ของลูกค้า
แต่วันนี้จะมาพูดถึงการประยุกต์ใช้ Machine Learning กับการตลาดที่ชัดๆอยู่ 3 กรณีคือการทำ Segmentation, Attribution และการทำคอนเทนต์
การทำ Segmentation โดยมี Machine Learning เข้ามาช่วย
จุดตายขององค์กรอย่างหนึ่งก็คือการมี Data Silos ที่ทำให้ Segmentation ที่สร้างขึ้นในแต่ละแผนกมีความทับซ้อนกัน แต่ละฝ่ายก็สร้างหรือซื้อระบบต่างๆเพื่อที่จะรวบรวมข้อมูลลูกค้าพร้อมลักษณะของลูกค้าเป็นพันๆด้วยตัวเองไม่ว่าจะเป็น Data Management Platform, Email Service Provider หรือมี Data Warehouse เป็นของตัวเอง แล้วถ้าอยากจะทำโฆษณาบน Facebook ก็ไม่ยาก แค่ให้เอเจนซี่ดึงข้อมูลลูกค้าแล้วไปสร้างกลุ่มลูกค้าที่มีความใกล้เคียงกับลูกค้าเดิมแค่นั้น
แต่ถ้าอยากจะทำ Segmentation แบบไม่ซ้ำซ้อนกันระหว่างแผนกในองค์กร ข้อมูลลูกค้าควรจะมีแค่ชุดใหญ่ชุดเดียวจากทุกๆช่องทางการสื่อสาร เป็นศูนย์กลางและทุกแผนกสามารถดึงข้อมูลมาใช้งานได้เลย ผลที่ตามมาคือการวิเคราะห์และการใช้บริการตาม Touchpoint ต่างๆจะทำได้มากขึ้น เพราะเข้าถึงข้อมูลของลูกค้าซึ่งมาจากหลายๆ Touchpoint
เมื่อข้อมูลของลูกค้าได้มาอยู่ตรงกลาง เป็น Single Point ก็สามารถเอาไปทำ Segment และเอาไปทดสอบดูว่า Segment ที่สร้างขึ้นมาใหม่นั้นส่งผลกระทบกับยอดขายมากน้อยแค่ไหน เราทดสอบ Segment ก่อนที่จะลงมือสร้างแคมเปญใหม่ (ไม่ใช่มานั่งนึกสร้าง Segment จากในหัวระหว่างทำแคมเปญ)
ส่วนการสร้าง Segment ต้องเอา Machine Learning เข้ามาช่วยเพราะลูกค้าแต่ละคนก็มีข้อมูลให้เก็บเยอะอยู่แล้วไม่ว่าจะเป็นอายุ เบอร์โทร วันเกิด ที่อยู่ การใช้งานเว็บฯ ฯลฯ อีกเป็นพันๆรายการ ลำพังกำลังคนคงสร้าง Segment เอาไมได้แน่นอน ส่วน Segment ที่ Machine Learning จะช่วยสร้างก็อย่างเช่นกลุ่มของ Website Visitors แบ่งตามพฤติกรรมการเข้าชมเว็บฯ ประเภทสินค้า แพทเทิร์นการซื้อของ ฯลฯ
การทำ Attribution Model โดยมี Machine Learning เข้ามาช่วย
ปัญหาคล้ายกับของ Segmentation เลยคือข้อมูลของลูกค้าที่เยอะมากเกินกว่าที่พนักงานจะมาวิเคราะห์ไหว ในกรณีการสร้าง Attribution นั้น เราต้องการที่จะรู้ว่าแต่ละ Touchpoint มีมูลค่าอยู่เท่าไหร่ ช่องทางไหนสำคัญมากน้อยกว่ากัน แต่ปัญหาคือลูกค้าแต่ละคนก็มี Path to Purchase ต่างกัน เรารู้ดีว่า Path to Purchase ของแต่ละคนนั้นไม่เหมือนกัน และไม่ได้เป็นเส้นตรงเสมอไป ยิ่งมีลูกค้าหลายๆคน เส้น Path to Purchase ก็ยิ่งสับสนวุ่นวาย ยิ่งมีหลายๆ Touchpoint ยิ่งยุ่ง จนเราไม่สามารถมานั่งทึกทักเอาเองได้ว่าช่องทางไหนสำคัญที่สุด ช่องทางแรกที่ลูกค้าเจอโฆษณา หรือช่องทางสุดท้าย หรือทุกช่องทางสำคัญ มีมูลค่าเท่ากัน
ดังนั้นการเอา Machine Learning เข้ามาจึงช่วยวิเคราะห์เส้น Path to Purchase ของลูกค้า แล้วประเมินให้เราว่า Touchpoint ไหนมีประสิทธิภาพที่สุดในการทำให้เกิดมูลค่าการซื้อขาย ซึ่งจะแม่นยำกว่าให้พนักงานมาวิเคราะห์แน่นอน
การทำคอนเทนต์ที่ใช้หลัก Image Recognition และ Natural Language Processing
เคสในการใช้ Machine Learning และ AI ทำการตลาดก็มีคร่าวๆดังต่อไปนี้
- จดจำโลโก้แบรนด์และสินค้าบนโพสต์ในสื่อสังคมออนไลน์ รวมถึงบริบทรอบๆ สำหรับการวัดผลและประเมินทิศทางของแบรนด์
- การใช้ระบบอัตโนมัติจัดการงานอีคอมเมิร์ซต่างๆ เช่นการติดป้ายภาพให้ตัวสินค้า การจัดหมวดหมู่และจัดเก็บสินค้า
- การเตรียมรูปภาพสินค้าและประสบการณ์การใช้ง่นสินค้าสำหรับคอนเทนต์แนะนำสินค้าบนเว็บไซต์ แอปฯมือถือ และอีเมล
- ระบบทดสอบอัตโนมัติเพื่อใส่สินค้าและคอนเทนต์ลงในเว็บฯและแอปฯ
- ทำให้ผลการค้นหาคอนเทนต์ทั้งในเว็บฯและแอปฯบน Search Engine ได้ผลดีที่สุด
- ระบบแก้ไขและทบทวนบทความและตัวอักษรเพื่อเพ่มจำนวนการตอบกลับอีเมล
- อ่านและสรุปบทความรวมถึงความคิดเห็นของลูกค้าจากคอลเซ็นเตอร์และจากเว็บไซต์ เพื่อปรับปรุงการให้บริการและประสบการณ์การใช้บริการ
- สร้างและเขียนบทความอัตโนมัติ โดยเฉพาะข้อความและหัวข้อในอีเมลและรายละเอียดสินค้าในเว็บไซต์ โดยระบบจะดึงข้อมูลในอดีดมาเขียนและเรียบเรียงโดยมีเจ้าหน้าที่คอยตรวจทาน
- พวก Chat-Bot และระบบการจดจำเสียง
ในอนาคต Machine Learning จะมีบทบาทในการทำ Segmentation, Attribution และการทำคอนเทนต์มากขึ้น ทั้งหมดเพื่อกำจัดปัญหาการจัดการข้อมูลของลูกค้าที่มีหลายรายการ และมาจากหลายๆช่องทางจนลำพังพนักงานวิเคราะห์ไม่ไหว และทั้งหมดนี้ก็เพื่อปรับปรุงประสบการณ์ในการช้อปปิ้งหรือการใช้งานสินค้าและบริการอย่างราบรื่นที่สุด
แหล่งที่มา Customer Data Platforms: Use People Data to Transform the Future of Marketing Engagement โดย Martin Kihn และ Christopher B. O’Hara
