Data Science ใน Marketing สามารถเอามาทำอะไรได้บ้างแบบทั่วไป

  • 440
  •  
  •  
  •  
  •  

Data Science ใน Marketing สามารถเอามาทำอะไรได้บ้างแบบทั่วไป

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 

  1. 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 
  2. 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
  3. Recommendation Engines นักการตลาดสามารถใช้ Data Science มาสร้าง Recommendation Engines เพราะด้วยข้อมูลที่เข้ามาทำให้เรียนรู้ว่าพฤติกรรมของกลุ่มเป้าหมายเป็นอย่างไร ประวัติการซื้อ ความชอบ การค้นหาต่าง ๆ ซึ่งจากข้อมูลเหล่านี้ นักการตลาดสามารถใช้ข้อมูลเหล่านี้ให้ระบบ สร้างการแนะนำสินค้าที่ตรงใจกับกลุ่มเป้าหมายได้อย่างถูกที่ ถูกเวลา และถูกคนอีกด้วย 
  4. หาคนที่ Loyalty และคนที่จะทิ้งแบรนด์ไป สิ่งหนึ่งที่น่าสนใจคือ ในการทำ Data Science คือการที่สามารถวิเคราะห์ข้อมูลได้ว่า ลูกค้าคนไหนที่กำลังจะทิ้งแบรนด์ หรือเลิกสนใจแบรนด์ จากประวัติการใช้งานต่าง ๆ ของลูกค้านี้ออกมา หรือใช้การวิเคราะห์แบบเดียวกันว่า ลูกค้าคนใดกำลังจะกลายเป็นคนที่จงรักภักดีของแบรนด์ขึ้นมาได้ ซึ่งคนที่กำลังจะออกไปหรือทำนายว่าจะเลิกใช้แบรนด์ ก็สามารถเข้าไปนำเสนอสินค้าและบริการเพื่อให้ใช้งานต่อหรือกลับมาใช้งานได้ หรือคนที่เป็น Loyalty จะเปลี่ยนกลุ่มนี้ให้ไปบอกต่อคนอื่นและสร้างลูกค้าได้เพิ่มเติมเช่นไร 
  5. 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 


  • 440
  •  
  •  
  •  
  •  
Molek
Head of Strategic Marketing ใน Integrated Service Agency ที่หนึ่ง ผู้หลงใหลในหลาย ๆ ที่มีความอยากรู้และเรียนรู้ในเรื่อง Startup, นวัตกรรม, การตลาด จากมุมมองหลาย ๆ ด้านและวัฒนธรรมของแบรนด์ต่าง ๆ
CLOSE
CLOSE