‘Big Data’ มาจากไหน และเพิ่มโอกาสธุรกิจด้วย ‘Data Personalization’ ได้อย่างไร

  • 1.8K
  •  
  •  
  •  
  •  

 

เราอยู่ในยุคดิจิทัลซึ่งเป็น ‘New Age of Data’ และเทคโนโลยีก็มีส่วนทำให้เราเข้าถึงแหล่งข้อมูลได้ง่ายขึ้น

แต่คุณคิดว่า Data หรือข้อมูลต่างๆ เหล่านั้นมาจากไหนบ้าง?

ข้อมูลจาก Visual capitalist ระบุว่าในแต่ละวันมีผู้คนที่ใช้ ‘Twitter’ ในการส่งข้อมูลข่าวสารต่างๆ ถึง 500 ล้านครั้ง และมีประมาณ 294 พันล้านอีเมล์ที่ถูกส่งออกไปเพียง 1 วัน ส่วนข้อความใน WhatsApp ภายใน 1 วันมีประมาณ 65 พันล้านครั้ง หมายความว่า ช่วงเวลาเพียงหนึ่งวันที่เกิดขึ้นทั่วโลกได้ผลิตข้อมูลข่าวสารจำนวนมหาศาล

ทั้งนี้ การเปลี่ยนแปลงเหล่านี้จะมีประโยชน์ก็ต่อเมื่อ ผู้ประกอบการหรือนักธุรกิจ รวมไปถึงนักการตลาดในแขนงต่างๆ นำ Data พวกนี้ไปวิเคราะห์เพื่อขยี้หา insight ต่อไป หวังยกศักยภาพให้กับธุรกิจ สร้างความโดดเด่นจากคู่แข่ง และความแปลกใหม่ให้กับผู้บริโภค ซึ่งเป็น priority สำคัญที่ต้องใส่ใจในยุคนี้

 

เรามาทำความเข้าใจกันก่อนว่า จริงๆ แล้ว ‘Data’ ในปัจจุบันมีอยู่ 2 ประเภท ได้แก่
  • Structured data – ข้อมูลที่มีโครงสร้างชัดเจน จับต้องได้ เก็บข้อมูลแบบตรงไปตรงมาใน data base ได้เลย เช่นเวลาที่เราต้องไปกรอกข้อมูลต่างๆ ทั้งแบบ paper และเว็บไซต์ เพื่อลงทะเบียน
  • Unstructured data – ข้อมูลที่จับต้องยาก ส่วนใหญ่อยู่ในโลกโซเชียลมีเดีย, วิดีโอ หรือข้อความที่เราโพสต์ในแพลตฟอร์มบางอย่าง ซึ่งเป็นการระบุข้อมูลที่ค่อนข้างยากไม่ชัดเจน

อย่างไรก็ตาม ในปัจจุบันคลังข้อมูลขนาดใหญ่ที่ฟุ้งอยู่ในอากาศ ถูกจัดให้เป็น Unstructured data ที่สำคัญมีมากถึง 80% จากคลังข้อมูลทั้งหมด

 

 

 

แบรนด์มี Data Source จากที่ไหนบ้าง?

สำหรับ ‘แหล่งที่มา’ ของข้อมูลเรียกได้ว่า ‘Data – It’s everywhere.’ โดยกว่าที่จะถูกพัฒนา วิเคราะห์ สังเคราะห์ เราต้องเข้าใจและรู้ทันว่า แหล่งที่มาของข้อมูลต่างๆ อยู่ที่ไหนบ้าง

‘แอพพลิเคชั่น’ เป็นหนึ่งในที่มาที่ค่อนข้าง worldwide เพราะจัดอยู่ในกลุ่ม data ที่มาจากมุมสว่าง คือ การเลือกติดตั้งในแต่ละแอพฯ สามารถบ่งบอกความชอบของแต่ละบุคคลได้ เช่น ผู้ชายวัย 18-35 ปี ที่ส่วนใหญ่ในสมาร์ทโฟนจะเต็มไปด้วย แอพพลิเคชั่นเกมออนไลน์, ฟุตบอล หรือ แพลตฟอร์มสตรีมมิ่ง เป็นต้น

 

 

ดังนั้น เมื่อนำข้อมูลจากที่ได้รับในแพลตฟอร์มออนไลน์ แล้วนำมาผนวกกับ ‘ออฟไลน์’ จะทำให้เข้าใจความต้องการของรายบุคคลนั้นๆ ได้ลึกซึ้งขึ้น เช่น ผู้ชายคนหนึ่งที่ในมือถือเต็มไปด้วยฟุตบอลเกม เราสามารถวิเคราะห์ข้อมูลออฟไลน์ได้ว่า ในชีวิตจริงเวลาที่ไปห้างสรรพสินค้า ผู้ชายคนนี้จะเลือกเดินโซนหรือชั้นไหนเป็นพิเศษของห้างฯ ซึ่ง Offline Data เป็นสิ่งที่ภาคธุรกิจนึกถึงค่อนข้างน้อย แต่ที่จริงแล้วนำมาใช้ประโยชน์ได้มากเหมือนกัน

นอกจากนี้ หลายคนน่าจะเคยใช้วิธีปิด ‘Location’ หรือที่ตั้งปัจจุบันในฟีเจอร์ของสมาร์ทโฟน เพื่อที่จะไม่ให้ใครรู้ว่าตอนนี้เราอยู่ไหน ทำอะไร เพราะไม่อยากให้ข้อมูลบางอย่างของเราถูกเก็บไปใช้ประโยชน์ แต่ความเป็นจริงรู้หรือไม่ว่า การเก็บ Data ไม่ได้มาจากแค่ Location หรือการที่เราไป Check in ในสื่อโซเชียลเท่านั้น

เพราะการที่เรายังใช้ระบบ GPS อยู่ หรือค้นหา (searching) บางอย่างก็สามารถเกิดเป็น Data ใหม่ขึ้นแล้ว เช่น นาย A เดินทางไปโชว์รูมรถในช่วงวีคเอนติดต่อกันหลายครั้ง และมีการค้นหา keyword บางอย่างเกี่ยวกับรถยนต์ ก็สามารถตีความหมายหรือประเมินเบื้องต้นได้ว่า “นาย A กำลังวางแผนที่จะซื้อรถ หรือสนใจรถบางแบรนด์อยู่ตอนนี้”

ดังนั้น สิ่งที่จะเกิดขึ้นทันที ณ ตอนนั้น ก็คือ โฆษณาที่ pop-up เกี่ยวกับอุปกรณ์แต่งรถ หรือ เว็บไซต์เต้นท์รถมือ 2 เป็นต้น

 

Credit : AngieYeoh/Shutterstock

 

หรือแม้แต่การดาวน์โหลดติดตั้ง ‘Emoji’ ในแอพฯ แชท, คีย์บอร์ดที่เป็นฟังก์ชั่นเพิ่มเติม, installed บางแอพฯ ที่ต้องกดยืนยันเพื่อเข้าถึงแพลตฟอร์ม, แอพฯ ข่าวที่มักจะมีโฆษณาแบนเนอร์แทรกระหว่างเนื้อหาข่าว และการใช้ Free Wi-Fi ในห้างฯ ตัวอย่างเหล่านี้ถือเป็นการเก็บ Data ผู้บริโภคอย่างหนึ่ง ที่มีประโยชน์และช่วยนำไปวิเคราะห์ต่อยอดธุรกิจได้

 

 

การวิเคราะห์ที่ดีต้องมาจาก Online – Offline Data

กูรูที่เชี่ยวชาญด้านข้อมูลโดยเฉพาะ ชี้ว่า การใช้ประโยชน์จากข้อมูลให้สามารถเพิ่มโอกาสทางธุรกิจ จำเป็นต้องใช้ทั้ง Online Data และ Offline Data ไปพร้อมๆ กัน

 

 

ตัวอย่างเช่น สมาร์ทโฟนของ น.ส.B ที่ระบุพิกัดเมื่อปีก่อน พบว่าเธอมักจะไปที่มหาวิทยาลัยแห่งหนึ่งอยู่บ่อยๆ หลังจากผ่านไปหนึ่งปี location ชี้พิกัดแถวๆ สีลมซึ่งเป็นย่านธุรกิจ ดังนั้น Data เบื้องต้นที่บอกเราได้ คือ น.ส.B น่าจะเป็น ‘Starter’ หรือคนที่เพิ่งเริ่มทำงาน พอมาผนวกกับข้อมูลในออนไลน์บางอย่าง เช่น การติดตั้งแอพฯ หางาน, searching keyword เช่น ตัวอย่างการสัมภาษณ์งาน และ การช้อปปิ้งออนไลน์บ่อยขึ้น ทำให้รู้แม่นยำขึ้นว่า ธุรกิจใดที่จะใช้ประโยชน์จากข้อมูลเหล่านี้ได้ เช่น

  • ธุรกิจเครดิตการ์ด
  • สินเชื่อซื้อบ้านหลังแรก
  • ประกันสุขภาพ/ประกันชีวิต
  • คอร์สเรียนรู้ทักษะเพิ่มเติม

‘Data Personalization’ ต้องเข้าใจลูกค้าทั้งหมด 360 องศา

แม้ว่าภาคธุรกิจส่วนใหญ่จะมี Data เป็นของตัวเอง อย่างร้านอาหาร ที่มักจะเก็บเมนูอาหารที่ลูกค้ามักจะออเดอร์ร้านออฟไลน์ และออนไลน์ว่าเหมือนหรือต่างกันอย่างไรบ้าง แต่บางทีก็ยังต้องพึ่งพาข้อมูลจากบริษัทวิจัยหรือที่เชี่ยวชาญด้านข้อมูลทางการตลาดโดยเฉพาะ เพราะข้อมูลบางอย่างที่นอกเหนือจากแบรนด์ตัวเองเก็บอาจจะไม่พอที่จะใช้กลยุทธ์ ‘Personalized Marketing’

การทำความเข้าใจลูกค้าแบบ 360 องศาหมายความว่า ความต้องการลูกค้าสามารถมีหลากหลายได้ เช่น ลูกค้ารายหนึ่งชอบกินข้าวผัดทุกวัน แต่ไม่ได้หมายความว่า จะไม่อยากกินอาหารประเภทอื่น การคาดคะเนในการนำเสนอโปรดักซ์จะต้อง beyond กว่านั้น คาดเดาสิ่งที่ลูกค้าอาจจำเป็นต้องใช้ แต่นึกไม่ถึง เป็นต้น

ทั้งนี้ มีหลายๆ ปัจจัยที่เราจำเป็นต้องใช้เพื่อประเมินและวิเคราะห์ลูกค้าแต่ละราย ได้แก่ ข้อมูลออนไลน์ – ข้อมูลออฟไลน์ – ภาพรวมเศรษฐกิจและสังคม – ข้อมูลการใช้โทรคมนาคม – พฤติกรรม – ความชอบหรือสนใจ

ขณะเดียวกัน นำข้อมูลทั้งหมดทั้งจาก Brand’s own data กับข้อมูลที่รีเสริชเพิ่มจากบริษัทที่เชี่ยวชาญ เพื่อให้เข้าใจและสื่อสารไปยังลูกค้าได้เฉพาะกลุ่มมากขึ้น, เสริมให้เราสื่อสารให้ถูกเวลา, ช่วยให้จุดประสงค์ชัดเจนขึ้นว่า ต้องการเพิ่มยอดขาย หรือ แนะนำโปรดักซ์ใหม่ รวมไปถึง ออกแคมเปญที่เข้าใจกลุ่มเป้าหมายมากขึ้น

 

 

 

 

ข้อมูลจาก ada, useproof


  • 1.8K
  •  
  •  
  •  
  •  
prakai
prakai
'ชีวิต' ต้องมีสีสันหลากหลาย เหมือนกับความรู้ที่มีหลายมิติ ทั้งไลฟ์สไตล์, การตลาด, ดิจิทัล, ประเพณี-วัฒนธรรม