ถอดรหัสความสำเร็จ Personalization Ads ที่ “อินเดีย” และ “อินโดนีเซีย” ในยุคที่ Marketing ขับเคลื่อนด้วย Data

ในยุคปัจจุบันพฤติกรรมของกลุ่มเป้าหมาย หรือ Audience สำหรับนักการตลาดเปลี่ยนแปลงไปมากเนื่องจากกลุ่มเป้าหมายได้รับอิทธิพลจากข้อมูลจำนวนมาก ผ่านแพลทฟอร์มดิจิทัลและสื่อโซเชียลมีเดียมากมาย ส่งผลให้พฤติกรรมในการตัดสินใจซื้อสินค้าของ Audience ในยุคนี้มีความซับซ้อนมากขึ้นเรื่อยๆ นั่นส่งผลให้กลยุทธ์ทางการตลาดก็พัฒนาตามไปด้วยและก้าวหน้าถึงขั้นสามารถทำการตลาดที่แบบ Personalization ที่เข้าถึงกลุ่มคนเฉพาะกลุ่มได้มากยิ่งขึ้น และพัฒนาการที่ว่านี้ก็เป็นผลมาจากในปัจจุบันมี Data ที่สามารถนำมาใช้ในการขับเคลื่อนกลยุทธทางการตลาดได้มากมาย

ดาร์โก ลิน หัวหน้าทีมวางแผนกลยุทธ์กับกลุ่มเป้าหมาย ภูมิภาคเอเชียแปซิฟิก ของเวฟเมคเกอร์ (Wavemaker) บริษัทเอเจนซีชั้นนำระดับโลก ได้ระบุไว้ผ่านงานสัมนา Group M FOCAL ประจำปี 2022 เมื่อวันที่ 23 สิงหาคมที่ผ่านมา เล่าถึงวิธีการทำการตลาดด้วยกลยุทธ์ที่ก้าวหน้าไปมาก บวกกับการใช้ Data นำไปสู่การทำ Personalized advertising ที่ประสบความสำเร็จมาแล้วทั้งในประเทศอินเดีย และประเทศอินโดนีเซีย

Momentum กลยุทธ์การตลาดที่เปลี่ยนแปลงไป

ลิน ระบุว่าปัจจุบันการวิเคราะห์กลุ่มเป้าหมายเปลี่ยนไปจาก Marketing Funnel แบบเดิมที่ใช้มาตั้งแต่ศตวรรษที่ 18  ไปสู่กลยุทธ์ที่ซับซ้อนมากขึ้น สำหรับ Wavemaker จะมีกรอบการทำงานเพื่อแบ่งกลุ่มเป้าหมายที่เรียกว่า Momentum โดยจะเน้นไปที่การจัดกลุ่ม Audience ตาม Customer Journey ที่จะนำไปสู่การตัดสินใจซื้อสินค้าหรือบริการ ซึ่งจะแยกเป็นส่วนของ Priming Stage  และ Active Stage  รวมไปถึง Action ที่สำคัญ 2 สิ่งคือ Trigger ที่หมายถึง ความต้องการ และ Purchase ที่หมายถึงการตัดสินใจซื้อ ซึ่งลินระบุว่าจากการทำงานและศึกษากลยุทธ์นี้มาโดยตลอด มี 3 สิ่งที่สำคัญที่ต้องระลึกไว้เสมอ

1. ต้องสร้าง “อคติเชิงบวก” ในช่วง Priming Stage – แบรนด์จะต้องสร้างอคติเชิงบวกให้เกิดขึ้นในช่วงนี้ให้ได้ ซึ่งจากสถิติพบว่าแบรนด์ที่ลูกค้ามีอคติเชิงบวกเกิดขึ้นจะมีโอกาสซื้อสินค้ามากกว่าแบรนด์ที่ไม่ได้มีอคติเชิงบวกถึง 9 เท่าตัว
2. แบรนด์ต้อง “โดดเด่น” เมื่อลูกค้าถูก Trigger – ลินระบุว่าเมื่อลูกค้าถูก Trigger ใน Active Stage ค่าเฉลี่ยจำนวนแบรนด์ที่ผู้บริโภคใช้พิจารณาก่อนตัดสินใจซื้อมีเพียงแค่ 2.6 แบรนด์ หรือมีไม่ถึง 3 แบรนด์เท่านั้น ดังนั้นแบรนด์ต้องสร้าง “ความโดดเด่น” ออกมาจากตัวเลือกทั้งหมด และต้องมีสินค้าที่ตอบสนองกับความต้องการของลูกค้าอย่างชัดเจน
3. สถานะของ Audience สำคัญที่สุด – ไม่สำคัญว่ากลุ่มเป้าหมายจะเปลี่ยนสถานะไปอย่างไรพวกเขาจะเป็นส่วนหนึ่งของ journey นี้เสมอ ความแตกต่างเพียงอย่างเดียวก็คือการเปลี่ยนความเป็นไปได้ในการตัดสินใจไปยังแบรนด์ที่ชอบ ดังนั้นสิ่งสำคัญที่สุดที่ต้องหาคำตอบก็คือ “อะไรคือสถานะในการตัดสินใจของกลุ่มเป้าหมายในเวลานั้น” 

ลิน ระบุว่า คำจำกัดความของ Audience นั้นไม่ได้หมายถึงผู้คนเสมอไป เนื่องจากปัจจุบันผู้คนมีความซับซ้อนมากขึ้น มีความต้องการที่เปลี่ยนแปลงไปตลอดเวลา มีความต้องการที่เกิดขึ้นได้ง่ายแต่ก็หายไปง่ายเช่นกัน ดังนั้นความท้าทายของทุกแบรนด์คือจะทำอย่างไรให้แน่ใจได้ว่าจะชนะใจ Audience ได้และเมื่อมี Trigger แบรนด์จะต้องจับทางให้ได้และ Convert ความต้องการที่เกิดขึ้นให้ทันเวลา

ลินระบว่า  คำจำกัดความของ Audience ก็คือ “สัญญาณของเงื่อนไขที่นำไปสู่การตัดสินใจในขั้นตอนสุดท้าย” ที่จำเป็นจะต้องจัดกลุ่มออกมาให้ชัดเจนผ่านการเก็บข้อมูลอย่างมีประสิทธิภาพ ซึ่งลิน ระบุว่าสิ่งสำคัญก็คือการใช้ข้อมูลอย่างสร้างสรรค์เพื่อหาเงื่อนไขในการตัดสินใจของ Audience หรือหาให้เจอว่ากลุ่มเป้าหมายนั้นอยู่ในขั้นตอนไหนใน Decision Making Journey จากนั้นต้องใช้วิธีการที่เป็นระบบถอดรหัส Data Signal เหล่านั้น และนำไปใช้เป็นเครื่องมือในการวางแผนทำการตลาดผ่านสื่อต่อไป

ความสำเร็จของ #NotJustACadburyAd ที่อินเดีย

ลิน ยกตัวอย่างแคมเปญทางการตลาดที่ประสบความสำเร็จในประเทศอินเดีย โดยใช้ข้อมูล Geographic data ทำ Personalization Ads เพื่อ Trigger ให้กลุ่มเป้าหมายชาวอินเดียซื้อสินค้าใน “เทศกาลดิวาลี” ที่กำลังจะมาถึง พร้อมๆกับการสร้าง Brand Awareness ไปพร้อมๆกัน

เคมเปญดังกล่าวเป็น โฆษณาภายใต้บริษัท Cadbury แบรนด์ขนมชื่อดัง ในชื่อแคมเปญว่า #NotJustACadburyAd หรือ “ไม่ใช่แค่โฆณาCadbury” มีขึ้นเพื่อกระตุ้นการจับจ่ายของชาวอินเดียก่อน “เทศกาลดิวาลี” รวมไปถึงสร้าง brand awareness ในฐานะแบรนด์ที่ทำเพื่อสังคม ช่วยเหลือผู้ประกอบการรายย่อยในยุค Post Covid  โดยมีเป้าหมายให้ดาราดังอย่าง “ศาห์รุก ข่าน” พระเอกอินเดียที่เป็น Brand Ambassador ที่โด่งดังที่สุดในประเทศ ไปเป็น Brand Ambassador ให้กับร้านค้ารายย่อยนับพันนับหมื่นร้านค้าในประเทศอินเดีย

ด้วยเคมเปญหนังโฆษณาดังกล่าวเป็นไปไม่ได้เลยที่ ข่าน จะช่วยโปรโมทร้านของผู้ประกอบการรายย่อยจำนวนมากมายในประเทศที่มีประชากรหลักพันล้านคนแห่งนี้ ดังนั้นแบรนด์จึงใช้ระบบ machine learning เข้ามาช่วยสร้างภาพใบหน้าและเสียงของข่านให้สามารถพูดชื่อร้านค้าต่างๆได้ตามต้องการโดยไม่ต้องให้ข่านตัวจริงมาถ่ายใหม่หลายร้อยครั้ง

โฆษณาจะถูก Process ออกมาหลากหลาย version ตามชื่อร้านในท้องถิ่นที่ข่านพูดออกมา และโฆษณาแต่ละ version จะถูก Targeted ไปยังกลุ่มเป้าหมายตาม Pin Code Data ที่แบ่งตามพื้นที่อาศัยของ Audience ทั่วประเทศ ซึ่งโฆษณาแต่ละเวอร์ชั่นก็จะเป็นโฆษณาที่จะโปรโมทเฉพาะร้านค้าที่อยู่ใกล้เคียงกับประชากรกลุ่มเป้าหมายเท่านั้นด้วยเช่นกัน

นอกจากนี้แบรนด์ ยังสร้างระบบที่ช่วยให้ผู้ประกอบการรายย่อยอื่นๆสามารถลงทะเบียนสร้างโฆษณา ที่มี ข่าน เป็น Brand Ambassador ให้กับร้านของตัวเองได้ด้วย และสามารถนำวิดีโอไปโปรโมทร้านค้าผ่านช่องทางสื่อสังคมออนไลน์ของตัวเองได้แบบฟรีๆเพื่อสร้างยอดขายก่อนเทศกาลดิวาลี และก้าวผ่านวิกฤต post covid ไปได้ด้วยกัน

Bliblimart กับ Personalize Advertising

นอกจากนี้ลิน ยังยกตัวอย่างการใช้ Data Signal ในการจัดกลุ่มลูกค้านำไปสู่การทำ Personalization Advertising และที่ประสบความสำเร็จของแบรนด์ร้านค้านออนไลน์ในประเทศอินโดนีเซีย อย่าง Bliblimart ด้วยโดยมีเป้าหมายเพื่อสร้าง Brand Awareness ในช่วงเวลาของการแพร่ระบาดของโควิด-19 และเพื่อเปลี่ยนพฤติกรรมลูกค้าให้ซื้อสินค้าออนไลน์มากขึ้น

แคมเปญ Bliblimart: Takes Grocery Shopping from Bricks to Clicks เป็นการสร้างแอปพลิเคชั่นร้านค้าออนไลน์ ลดขั้นตอน Shopping Journey ลงจาก 10 เหลือเพียง 3 ขั้นตอนเท่านั้นหน้า interface ของแอปพลิเคชั่นถูกแบ่งออกเป็นสองส่วน ส่วนบน จะเล่นคลิปโฆษณาเพื่อสร้างการรับรู้ ส่วนด้านล่างจะแสดง หมวดหมู่สินค้าจำเป็น 6 หมวดหมู่เพื่อสร้าง engagement ผู้ใช้งานสามารถซื้อสินค้าจาก โฆษณาได้ด้วย 3 ขั้นตอนเท่านั้น

 

และเพื่อทำให้แน่ใจว่าโฆษณาของ Bliblimart ส่งตรงตามกลุ่มเป้าหมาย จึงมีการทำ จัดกลุ่มเป้าหมาย Audience segment ออกเป้น 45 กลุ่มแยกตามปัจจัยต่างไม่ว่าจะเป็น in-market data ของลูกค้าหรือพฤติกรรมในการเลือกซื้อสินค้า Life Stage (ช่วงอายุ) พฤติกรรม ประวัติการซื้อสินค้าในอดีต และอื่นๆ ก่อนที่จะทำ Personalized ad ยิงตรงไปยังลูกค้าแต่ละกลุ่ม เช่น กลุ่มแม่บ้าน จะยิง ad เกี่ยวกับสินค้า Glocery , ผู้หญิงอายุน้อยจะยิง ad เกี่ยวกับ skin care, แม่มือใหม่จะจะยิง ad สินค้าแม่และเด็ก และ ลูกค้ากลุ่มอื่นๆอีกนับล้านคนจะได้รับชม ad ที่เกี่ยวข้องกับ need และ want ของพฤติกรรมการซื้อของแต่ละคน

แคมเปญ personalize  ของ Bliblimart ให้ผลลัพท์ที่ยอดเยี่ยมไม่ว่าจะเป็นการเข้าถึงผู้ใช้งานได้มากถึง 2.3 ล้านคน มี engagement กับโฆษณามากถึง 489,000 คน มีระดับ engagement สูงถึง 10.41% สูงกว่าค่ามาตรฐานที่ 0.5-1% มีอัตราการชมวิดีโอจนจบ (Video Completion Rate) ที่ 84.4% สูงกว่าค่ามาตรฐานที่ 30-40% และมีอัตราการชม Ad ที่นานถึง 31 วินาที สูงกว่าค่าเฉลี่ยที่ 5-6 วินาที มีอัตราการทิ้งตะกร้าสินค้าน้อยลง 4 เท่า และมีอัตราหยิบสินค้าใส่ตะกร้ามากขึ้นถึง 6 เท่า มียอดขายเพิ่มขึ้นถึง 500% ขณะที่ยอดขายสินค้าโดยรวมเพิ่มขึ้นจากค่าเฉลี่ยในอดีตถึง 150%

นอกจากนี้แคมเปญของ Bliblimart ยังส่งผลต่อส่งผลดีต่ออุตสาหกรรมร้านค้าออนไลน์โดยรวมของอินโดนีเซียด้วยโดยผู้บริโภคร้านค้าออนไลน์ที่รู้สึกว่าการซื้อของออนไลน์สะดวกสบายเพิ่มขึ้น 10% ขณะที่ 14% ของผู้บริโภคเชื่อว่าจะซื้อสินค้าจำเป็นใน Bliblimart ต่อไปหลังการแพร่ระบาดของโควิด และพบด้วยว่ามีผู้บริโภค 12% ที่มองว่าประสบการณ์ใน Bliblimart นั้นไร้รอยต่อ

ตัวอย่างเหล่านี้แสดงให้เห็นถึงความสำคัญของ Data ที่จะนำมาใช้สร้างความสำเร็จของแคมเปญทางการตลาดในยุคที่พฤติกรรมของกลุ่มเป้าหมายเปลี่ยนแปลงไปอย่างรวดเร็ว และยังสามารถนำมาใช้ในการทำ Personalization ให้ content ถูกส่งไปถึงกลุ่มเป้าหมายได้ตรงจุดมากยิ่งขึ้น และนำไปสู่การเติบโตที่ยั่งยืนของแบรนด์ต่อไปนั่นเอง