หลายคนคงคุ้นกับประโยคที่ว่า “Data is the new oil” หรือข้อมูลคือทองคำแห่งโลกยุคใหม่
แต่ในหนังสือ อัจฉริยะการตลาด 0.1 โดย ดร.เอกก์ ภทรธนกุล ได้นำเสนอแง่คิดที่ลึกลงไปกว่านั้นผ่านคำกล่าวของ Clive Humby นักวิทยาศาสตร์ข้อมูล (Data Scientist) ว่า
“Data ก็เหมือนน้ำมันดิบ ถ้าไม่ผ่านการกลั่นก็แทบไม่มีค่า”
ข้อมูลที่เก็บไว้จนล้นเครื่องแต่ไม่ได้ถูกนำมาตีความ ก็ไม่ต่างอะไรกับทรัพยากรที่ไร้ราคาและไม่ช่วยให้การตัดสินใจดีขึ้น
ดร.เอกก์ จึงได้แนะนำ 5 ขั้นตอนในการ “กลั่น” Data เพื่อเปลี่ยนข้อมูลดิบให้กลายเป็นกลยุทธ์ที่ใช้ได้จริง ดังนี้
- Clean ล้างข้อมูลให้สะอาดและตั้งคำถามให้เป็น
การวิเคราะห์ข้อมูลที่ “สกปรก” จะนำไปสู่ผลลัพธ์ที่ผิดเพี้ยนเสมอ เพราะเริ่มต้นติดกระดุมเม็ดแรกก็ผิดแล้ว
แต่คำว่าล้างข้อมูล ไม่ใช่แค่ลบข้อมูลที่ซ้ำกัน หรือเติมช่องที่ว่างเฉยๆ
แต่รวมถึงการตั้งคำถามกับข้อมูลที่เก็บมาด้วย เช่น
- ใครคือผู้ใช้จริง: หากข้อมูลบอกว่าผู้ชายวัยเกษียณซื้อเครื่องสำอางสีจัดจ้าน แท้จริงแล้วเขาอาจแค่ใช้บัตรเครดิตรูดซื้อให้ภรรยาหรือลูกสาว หากเราเชื่อข้อมูลโดยไม่ตั้งคำถาม เราจะยิงโฆษณาไปผิดกลุ่มทันที
- ซื้อไปทำไม: ลูกค้าที่ซื้อรังนกทุกสัปดาห์อาจไม่ได้ซื้อไว้ดื่มเอง แต่อาจซื้อเป็นของขวัญ นั่นแปลว่าคู่แข่งของคุณไม่ใช่แค่รังนกยี่ห้ออื่น แต่คือสินค้ากลุ่มของขวัญทั้งหมด
- อย่างไร: ลูกค้าที่เหมือนเป็นแฟนคลับของแบรนด์ แต่ซื้อแค่ตอนมีโปรโมชั่นรึเปล่า
- ที่ไหน: ลูกค้าซื้อจากหน้าร้าน หรือจากแพลตฟอร์มต่างๆ
- กับใคร: คนที่มีอำนาจตัดสินใจซื้อจริงๆ เป็นใคร
การ Clean Data ที่ดร.เอกก์ พูดถึงจึงเป็นการถามให้ครบ และหาคำตอบให้เจอ
2. Connect เชื่อมโยงจุดข้อมูลให้เป็นภาพเดียว
ปัญหาใหญ่ของหลายแบรนด์คือการเก็บข้อมูลแยกส่วนกัน ทำให้ไม่รู้ว่าลูกค้าหลายบัญชีอาจเป็นคนคนเดียวกัน
ถ้าไม่เชื่อมข้อมูลไว้ด้วยกัน เราอาจจะเห็น ลูกค้าหนึ่งคนเป็น 4 คน แล้วคิดว่าต่างคนต่างซื้อ มีพฤติกรรมไม่เหมือนกัน
การใช้ Unique ID เช่น เบอร์โทรศัพท์, อีเมล หรือ Household ID มาเชื่อมโยงข้อมูลจะช่วยให้เราเห็นภาพรวมว่าลูกค้าหนึ่งคนมีพฤติกรรมอย่างไร ซื้อผ่านช่องทางไหนบ้าง
เพื่อให้สามารถส่งมอบบริการที่ตรงใจ (Personalization) ได้อย่างแม่นยำ
3. Current ข้อมูลต้องทันสมัย
ลูกค้าที่เคยอยู่คอนโด อาจย้ายไปอยู่บ้านชานเมือง
ลูกค้าที่เคยใช้ Hotmail อาจเปลี่ยนไปใช้ Gmail
ลูกค้าที่เคยอ่านอีเมล อาจหันไปใช้ Line
การมีข้อมูลที่ไม่อัปเดตจะทำให้เราสื่อสารไปไม่ถึงตัวลูกค้า ดังนั้นต้องมีการจัดเก็บข้อมูลอย่างต่อเนื่องและตรวจสอบสถานะของช่องทางต่างๆ เป็นระยะ
4. Content เราอยากรู้เรื่องอะไร
หลายบริษัทเวลามีข้อมูลเยอะ สิ่งแรกที่จะทำคือ Dashboard สวยๆ กราฟเยอะๆ ที่ไม่ได้ตอบคำถามอะไรเลย
ดร.เอกก์แนะนำว่า ก่อนจะดึงข้อมูลออกมาวิเคราะห์ ต้องถามให้ชัดว่า “เราอยากรู้เรื่องอะไร”
เช่น
ลูกค้าแบบไหนที่ซื้อครั้งเดียวแล้วไม่กลับ
ลูกค้าแบบไหนที่ซื้อมากกว่า 3 ครั้ง
ลูกค้าที่อยู่กับเรานานๆ มี Customer Lifetime Value (CLV) สูง มีที่มาที่ไปอย่างไร ต่างกับลูกค้าที่ซื้อครั้งเดียวยังไง
ถ้าเรามีคำถามในใจแล้ว ก็จะรู้ว่าข้อมูลที่ต้องใช้มีอะไรบ้าง เช่น ถ้าอยากรู้เรื่อง CLV เราต้องรู้ยอดใช้จ่ายเฉลี่ยต่อครั้ง ความถี่ในการซื้อ และระยะเวลาที่ลูกค้าอยู่กับเรา
ดร.เอกก์เปรียบเทียบว่า การวิ่งเข้าใส่ Big Data โดยไม่มีคำถาม จะเป็น Big Confusion (ความสับสน) มากกว่า
5. Checking ใช้แล้วต้องวัด
ถ้าใช้ข้อมูลตัดสินใจทำอะไรสักอย่างแล้ว สิ่งที่ต้องทำต่อคือการ “วัดผล”
เพื่อให้แน่ใจว่าการตัดสินบนข้อมูลนั้น ได้ผลลัพธ์ที่ดีขึ้นจริงหรือไม่
โดนโลกการตลาดมีเครื่องมือให้วัดมากมาย เช่น
Click through Rate (CTR) วัดว่าคนเห็นโฆษณาแล้วกดเข้ามาดูกี่คน
Conversion Rate วัดว่ามีกี่คนที่สนใจลงมือทำตามที่เราแนะนำ
Customer Lifetime Value (CLV) วัดว่าลูกค้า 1 ราย มีมูลค่าให้กับบริษัทเท่าไหร่ ใช้เทียบกับต้นทุนในการหาลูกค้าคนนี้
หรือการใช้ A/B Testing ดูว่าการทำแคมเปญ A หรือ B อันไหนได้ผลดีกว่ากัน
บริษัทที่มีวินัยในการวัดผล และปรับปรุงแคมเปญอย่างต่อเนื่อง จะมีผลตอบแทนที่สูงกว่าตลาดอย่างเห็นได้ชัด
.
ดร.เอกก์ปิดท้ายบทนี้ว่า
Checking ไม่ใช่ตอนปิดท้าย แต่เป็นจุดเริ่มต้นของวงจรใหม่ ถ้าผลลัพธ์ไม่ดี ต้องย้อนกลับไปดูว่าความผิดพลาดอยู่ที่ Clean, Connect, Current หรือ Content เพื่อปรับ แล้วลองใหม่อีกครั้ง