เมื่อ Data กลายเป็นอุปสรรคที่ทำให้ Marketing Analytics ไม่ได้ผล

  • 34
  •  
  •  
  •  
  •  

เคยมีการศึกษาจาก Duke University ที่มีบริษัทอย่าง Deloitte คอยสนับสนุนว่า มีบริษัทวางงบประมาณเพื่อทำ Marketing Analytics นั้นให้เพิ่มขึ้นจาก 5.8% ไปถึง 17.3% (เพิ่มเยอะเกือบๆสองเท่าตัว) หวังจะได้รู้จักลูกค้ามากขึ้นเพื่อเอาไปพัฒนาการทำการตลาด

แต่ผลที่ได้นั้นกลับไม่ได้ผลอะไรมากมาย จากผลสำรวจของบริษัทที่เพิ่มงบที่ว่า กลับประเมินว่า ถ้าให้คะแนนผลลัพธ์จากการลงทุนด้าน Marketing Analytics บริษัทส่วนใหญ่ให้คะแนนแค่ 4.1 เต็ม 7 คะแนนเท่านั้น

มันเกิดอะไรขึ้น? มีคำอธิบายจากสถาบันวิทยาศาสตร์การตลาดว่าอาจเกิดจากตัวข้อมูลที่ใช้ในการวิเคราะห์กับตัวคนที่วิเคราะห์ข้อมูลเองที่เป็นปัญหา วันนี้จะมาพูดถึงว่าทำไมตัวข้อมูลที่เอามาวิเคราะห์ทำ Marketing Analytics ถึงเป็นอุปสรรค

 

1. ข้อมูลกระจัดกระจายและไม่ตรงกัน

เราคาดหวังไว้สูงว่าถ้าเราวิเคราะห์ข้อมูลที่เรามี เราก็จะได้ผลลัพธ์ตามที่เราต้องการ เอาไปใช้ตอบโจทย์ทางธุรกิจได้ แต่ตัวข้อมูลเองน่ะแหละที่มีปัญหา โดยเฉพาะข้อมูลที่กระจัดกระจายไปแต่ละแผนกขององค์กร แถมข้อมูลไม่ตรงกันอีก

ฉะนั้นการวิเคราะห์ข้อมูลและสกัด Insight ในทางปฏิบัตินั้นยากพอสมควรเลย ข้อมูลในหลายๆบรษัทนั้น ไม่ได้ถูกจัดการและรวบรวมไว้ให้ดี ข้อมูลจากแต่ละระบบมันไมได้เชื่อมกัน ไม่ได้มีตัวแปร (Variable) ร่วมกัน แถมใช้โค้ดคอมพิวเตอร์ต่างกันอีก

ยกตัวอย่างเช่น ข้อมูลจากมือถือกับข้อมูลจากคอมพิวเตอร์อาจจะระบุเส้นทางที่ลูกค้าใช้เปิดบราวเซอร์ แต่ถ้าข้อมูลของลูกค้ากับข้อมูลของเว็บเพจที่ถูกเปิดออกมาจริงๆมันไม่ตรงกันล่ะ? แบบนี้การระบุพฤติกรรมการเปิดเว็บเพจก็ลำบากแล้ว

ฉะนั้นเรื่องแรกที่ควรทำก่อนจะวิเคราะห์ข้อมูล คือการรวบรวมข้อมูล รู้ว่าข้อมูลมีการวัดค่ากันอย่างไร จัดเก็บกันอย่างไร

 

2. ข้อมูลมีจำนวนมหาศาล

ปริมาณของข้อมูลที่เยอะ ตัวข้อมูลที่มีการทักซ้อนกัน มีหลากหลายภาษา โค้ตคอมพิวเตอร์ต่างกัน และมาจากระบบที่ต่างกันทำให้กระบวนการวิเคราะห์ข้อมูลช้าลง การรวบรวมข้อมูลที่เอาจริงๆแล้ววิเคราะห์แทบไม่ได้นั้นเป็นเรื่องที่ไม่มีประสิทธิภาพไม่ต่างจากการที่เราแทบไม่มีข้อมูลให้วิเคราะห์

ยกตัวอย่างเช่น ลูกค้าสองคนที่มีจำนวนการทำธถรกรรมซื้อขายสินค้าเท่าๆกันอาจจะมีเรื่องหรือรายการที่ต้องใช้จ่ายแตกต่างกันก็ได้ คนหนึ่งอาจจะเป็นโอกาสดีที่เราจะปิดการขายได้ แต่ลูกค้าอีกคน เราอาจจะไม่สามารถนำเสนอสินค้าที่ตอบโจทย์ได้เลย เมื่อข้อมูลลูกค้า(ที่มีจำนวนมาก)แตกต่างกันแบบนี้ ทำให้การวิเคราะห์ลูกค้าเป็นไปได้ยากขึ้น

 

3. ข้อมูลไม่ได้บอกถึงความสัมพันธ์เชิงสาเหตุ-ผลกระทบได้ชัดเจน

ตัวอย่างเช่น จริงอยู่ที่พวก โฆษณาแบบ Search Advertising จะสัมพันธ์กับการซื้อขาย เพระลูกค้าอยู่ในช่วงที่ถูกกระตุ้นอยากซื้อของอยู่แล้ว แต่มันก็ไมได้หมายความว่าโฆษณาที่ว่าจะทำให้เกิดยอดขาย เพราะต่อให้ธุรกิจไม่ได้ลงโฆษณาที่ว่า ลูกค้าก็ยังอยากซื้อของอยู่ดี ฉะนั้นจะรู้ได้อย่างไรว่าโฆษณาที่เราลงไปนั้นได้ผล และถ้าเรามีข้อมูลมากกว่านี้ล่ะ ข้อมูลที่สามารถอธิบายได้ว่าทำไปลูกค้าถึงอยากซื้อของที่มากกว่าแค่การได้เห็นโฆษณาล่ะ? ถ้าเราไม่ได้มีวิธีการวิเคราะห์ข้อมูลที่ถูกต้อง การสกัดหา Insight เพื่อเข้าใจลูกค้าก็เป็นเรื่องยาก

 

 

ฉะนั้นเมื่อเจออุปสรรคเกี่ยวกับข้อมูล(ของลูกค้า) เราต้องตั้งสติ ลองเริ่มคิดดูว่า อะไรที่เราต้องทำเป็นอย่างแรก แล้วข้อมูลอะไรที่เราต้องรู้ก่อนเป็นอย่างแรก นั่นจะทำให้เราต้องไปหาข้อมูลที่ใช่ จากแผนกที่เก็บข้อมูลที่ว่า และสร้างระบบข้อมูลที่เป็นศูนย์กลางให้เป็นมาตรฐานเดียวกันกับทั้งองค์กร ทั้งบริษัท  อีกทั้งการจับสัญญาณของลูกค้าจากการที่ลูกค้ามีปฏิสัมพันธ์กับจุดให้บริการหรือสื่อสารกับแบรนด์ก็เป็นเรื่องจำเป็น เพื่อทำให้เราได้ร็จักลูกค้าได้ทุกมุมมองด้วย

 

แหล่งที่มาส่วนหนึ่งจาก Why Marketing Analytics Hasn’t Lived Up to Its Promises by Carl F.Mela and Christine Moorman


  • 34
  •  
  •  
  •  
  •  
Sarunjade
Sarunjade
แชร์มุมมองเกี่ยวกับ Digital Marketing, Digital Business และ Technology เท่าที่รู้ สามารถติชมหรืออยากให้เจาะลึกเรื่องไหนเป็นพิเศษ ส่งเมลมาเลยที่ contact@oopsnetwork.co.th