การใช้ data นั้นกลายเป็นส่วนทั่วไปในการทำงานในยุคนี้และนักการตลาดหลายๆคนก็ใช้งาน Data และพยายามที่จะเรียนรู้ Data Science หรือมีทีมงาน Data Science มาใช้ในการทำงานซึ่งจะต้องเข้าใจก่อนว่าการมี Data นั้นไม่ใช่ทางแก้ไขปัญหาหรือจะเป็นหนทางรอดของการตลาดทำให้การตลาดของตัวเองปังได้เพราะการที่จะมี Data ที่ใช้งานได้ดีได้ก็ต้องขึ้นกับว่าเก็บ Data อะไรมาและ Data ที่ได้มานั้นพร้อมใช้งานหรือต้องมาทำความสะอาดมากน้อยแค่ไหน
ซึ่งกระบวนการวิเคราะห์ Data ในปัจจุบันหลาย ๆ ที่นั้นจะมีการเขียน Code หรือใช้หลักการทางสถิติเข้าไปวิเคราะห์ Data นั้น ๆ ขึ้นมา เพราะด้วย Data ที่เข้ามาในปัจจุบันที่มีมากมายมหาศาล ทำให้การคำนวนแบบดังเดิมนั้นไม่เพียงพออีกต่อไป จึงต้องมี Data Science ที่ใช้กระบวนการทางวิทยาศาสตร์มาเอาข้อมูล Data เหล่านี้ให้กลายเป็นข้อมูลที่มีประโยชน์และใช้งานได้ต่อไป ซึ่ง data ที่ได้ออกมาจากการวิเคราะห์เหล่านี้จะมาช่วยในกระบวนการตัดสินใจในอนาคต หรือรับมือกับความไม่แน่นอนของอนาคตขึ้นมาได้ ซึ่งกระบวนการวิเคราะห์ทาง Data ที่สามารถทำได้แน่นอนและเป็นประโยชน์ต่อการทำ Digital Marketing นั้นคือ
- Customer Segmentation สำหรับการทำการตลาดไม่ว่าจะออนไลน์หรือแบบดั้งเดิมนั้น การแบ่งหมวดหมู่จัดกลุ่มทำ Customer Segmentation นั้นคือการสร้างเป้าหมายในการสื่อสารว่าจะสื่อสารกับกลุ่มใด ด้วยเหตุผลใด การแบ่งกลุ่ม Customer Segmentation ทั่วไปใช้หลักการในการจัดกลุ่มคนที่เหมือนกัน คล้ายกันอยู่ด้วยกัน และต่างกันแยกออกไป ซึ่ง Data Science นั้นใช้หลักการเช่นเดียวกันในการจัดกลุ่ม โดยการใช้หลักการทางสถิติ กับค่าตัวแปรต่าง ๆ ที่เป็น Attribute ที่ต้องการออกมาเป็น Customer Segmentation ซึ่งสามารถจัดได้หลากหลายรูปแบบ ตามค่า Attribute ที่ต้องการจะสนใจออกมา
- Lead Scoring เมื่อก่อนการทำ Lead Scoring นั้นจำเป็นต้องใช้ Software ในการเก็บข้อมูลออกมา และมาวิเคราะห์ว่า Lead ที่ได้มามีแต้มเท่าไหร่ จากการปฏิสัมพันธ์อะไรบ้าง และเมื่อแต้มถึงจะแสดงผลอะไรออกไป แต่ด้วยการทำ Data Science นั้นการทำ Lead Scoring นั้นจะฉลาดขึ้น เพราะแต่ละคนมีความเข้าใจหรือขั้นตอนของตัวเองจนมาถึงหน้าในการซื้อสินค้าและบริการ ดังนั้นด้วยการทำ Data Science จะหาว่าอะไรคือตัวแปรที่สำคัญ ที่คนจะมาซื้อสินค้า และถ้าคนมาถึงหรือเกิดตัวแปรนี้ขึ้นมา แปลว่ากำลังจะกลายเป็น Lead ที่จะซื้อสินค้า นอกจากนี้ยังมาใช้ทำนาย Lead ว่าคนไหนที่กำลังน่าจะสั่งซื้อ ทำให้คนทำงานสามารถปิดการขายได้รวดเร็วเพิ่มมากขึ้น
- Recommendation Engines นักการตลาดสามารถใช้ Data Science มาสร้าง Recommendation Engines เพราะด้วยข้อมูลที่เข้ามาทำให้เรียนรู้ว่าพฤติกรรมของกลุ่มเป้าหมายเป็นอย่างไร ประวัติการซื้อ ความชอบ การค้นหาต่าง ๆ ซึ่งจากข้อมูลเหล่านี้ นักการตลาดสามารถใช้ข้อมูลเหล่านี้ให้ระบบ สร้างการแนะนำสินค้าที่ตรงใจกับกลุ่มเป้าหมายได้อย่างถูกที่ ถูกเวลา และถูกคนอีกด้วย
- หาคนที่ Loyalty และคนที่จะทิ้งแบรนด์ไป สิ่งหนึ่งที่น่าสนใจคือ ในการทำ Data Science คือการที่สามารถวิเคราะห์ข้อมูลได้ว่า ลูกค้าคนไหนที่กำลังจะทิ้งแบรนด์ หรือเลิกสนใจแบรนด์ จากประวัติการใช้งานต่าง ๆ ของลูกค้านี้ออกมา หรือใช้การวิเคราะห์แบบเดียวกันว่า ลูกค้าคนใดกำลังจะกลายเป็นคนที่จงรักภักดีของแบรนด์ขึ้นมาได้ ซึ่งคนที่กำลังจะออกไปหรือทำนายว่าจะเลิกใช้แบรนด์ ก็สามารถเข้าไปนำเสนอสินค้าและบริการเพื่อให้ใช้งานต่อหรือกลับมาใช้งานได้ หรือคนที่เป็น Loyalty จะเปลี่ยนกลุ่มนี้ให้ไปบอกต่อคนอื่นและสร้างลูกค้าได้เพิ่มเติมเช่นไร
- ทำ Optimised สิ่งหนึ่งที่สำคัญในการทำ Data Science ที่เปลี่ยนไปจากเดิมคือการที่ Data Science นั้นสามารถเข้ามาช่วยวิเคราะห์ทุกอย่างได้ดีขึ้นตามหลักการ และด้วยการวิเคราะห์นี้สามารถนำมาทำการ Optimised กิจกรรมทางการตลาดให้ดีที่สุดขึ้นมาได้ ไม่ว่าจะเป็น Campaign ROI การหา Attribute ที่มีผลต่อการซื้อ การวิเคราะห์กลุ่มเป้าหมายว่ามีการพูดคุยอย่างไร และจนถึงการปรับราคาขายสินค้า กับการใช้งบทางการตลาดที่เหมาะสมออกมาได้
ในยุคนี้การใช้ข้อมูลให้เป็น ข้อมูลให้ถูก นั้นเป็นเรื่องสำคัญอย่างมากที่จะทำให้การตลาดคุณนำหน้าคู่แข่ง และลดการทำงานที่ไร้ประสิทธิภาพ การใช้งบประมาณที่ผิดจุดลง และทำให้โฟกัสกับข้อมูลที่ถูกต้องเพิ่มมากขึ้น แถมข้อดีคือทำให้คุณสามารถเตรียมรับมือกับอนาคตที่เกิดได้ด้วย
Related posts:
อย่าใช้ AI ในการสร้างบทความ ถ้าคุณยังไม่ได้รู้ข้อเสียเหล่านี้
Website ต่างประเทศที่นักการตลาดควรจะรู้จักเพื่อให้นำหน้าตลาด
Metrics ทาง Digital Marketing ที่คนทำการตลาดควรรู้จักไว้
คำสอนของ David Ogilvy ที่อมตะและใช้ได้กับการทำ Digital Marketing ทุกวันนี้
ใช้จิตวิทยา Priming ในการตลาดเพื่อเตรียมสมองเป้าหมายให้ซื้อของมากขึ้น
Scent Marketing ให้คนจ่ายเงินเพราะได้กลิ่น
