นักการตลาดและเจ้าของธุรกิจ นั้นต่างพยายามที่จะทำนายพฤติกรรมของลูกค้าตัวเอง ว่าจะซื้อสินค้าหรือไม่ซื้อสินค้า หรือให้ข้อมูลของตัวเองที่จำเป็นกับธุรกิจไว้หรือไม่ โดยทั่วไปแล้วธุรกิจจะทำการวิเคราะห์ข้อมูลนี้ด้วยตัวเอง แต่มีการใช้เวลานานอย่างมาก ประกอบกับด้วยจำนวนข้อมูลที่ต้องใช้ในการวิเคราะห์ที่เพิ่มขึ้น และให้แม่นยำขึ้น การวิเคราะห์โดยคนนั้นเริ่มลดน้อยลง และเริ่มใช้การวิเคราะห์ผ่าน Machine Learning แทน
การวิเคราะห์พฤติกรรมลูกค้าว่าจะซื้อสินค้าหรือไม่ซื้อสินค้า หรือมีแนวโน้มที่จะให้ข้อมูลบริษัทรึเปล่า หลังจากมีการนำเสนอข้อมูลจากธุรกิจไปให้ ทั้งหมดนี้เรียกว่า Propensity Model ซึ่งเป็นโมเดลที่ทำให้นักการตลาดทำความเข้าใจว่า กลุ่มเป้าหมายหรือลูกค้า ตอบสนองอย่างไรกับการตลาดที่ทำออกไป โดยที่ยังไม่ได้ทำโปรโมชั่นอย่างเป็นทางการ ทั้งยังสามารถประหยัดงบประมาณในการทำ A/B Testing ได้อย่างมาก และด้วย Machine Learning นั้นทำให้สามารถเข้าใจได้ว่าแต่ละ Segment ของลูกค้า ตอบสนองอย่างไรเกี่ยวกับการนำเสนอข้อมูลของแบรนด์ ผลของการทำนายนี้จะออกมาในสิ่งที่เรียกว่า propensity scores ซึ่งจะเป็นตัวบ่งชี้ว่า กลุ่มไหนที่จะสามารถเปลี่ยนเป็นลูกค้าได้ กลุ่มไหนยังไม่พร้อมเปลี่ยน หรือกลุ่มไหนพร้อมที่จะจ่ายเงินแต่ต้องการข้อมูลเพิ่มเติม
4 ปัจจัยการทำ Propensity Model
การที่จะสามารถทำ Propensity Model ได้นั้นประกอบด้วยปัจจัย 4 ข้อนี้ที่จะทำให้โมเดล นั้นแม่นยำเพิ่มมากขึ้นได้แก่
1. Dynamics ตัวโมเดลที่ทำนั้นต้องสามารถเปลี่ยนแปลงตามการเปลี่ยนแปลงได้อย่างรวดเร็ว ตามข้อมูลที่เปลี่ยนไปของผู้บริโภค และให้คนใช้สามารถอัพเดท ได้อย่างรวดเร็ว
2. มีประสิทธิภาพสูง Propensity Model ที่ดีคือต้องสามารถวิเคราะห์ข้อมูลจำนวนมากได้อย่างรวดเร็ว สามารถให้propensity scores ได้อย่างทันที ทำให้นักการตลาดสามารถตัดสินใจได้ทันทีในการที่จะเปลี่ยนกลุ่มเป้าหมายให้กลายเป็นลูกค้า
3. ขยายตัวได้ Propensity Model ที่ออกแบบมาดีนั้นสามารถเพิ่มพูนความสามารถ หรือสามารถทำการเอาโมเดลอื่น ๆมาทำได้ หรือวิเคราะห์เรื่องอื่น ๆ เพิ่มเติมได้โดยไม่ต้องสร้างใหม่
4. สามารถแสดง ROI ได้ ว่าคุ้มค่าต่อการลงทุนรึเปล่า
ทั้งนี้การทำ Propensity Model นั้นสามารถสร้างประโยชน์ให้องค์กรอย่างมากมาย ด้วยการทำให้การทำนายลูกค้านั้นดีขึ้นหรือทำนายผลของแคมเปญได้ว่าจะได้ลหรือไม่ได้ผล ทำนายว่า ROI จะเพิ่มขึ้นไหม ประหยัดทั้งเวลาและเงิน และทำนายว่าลูกค้ารายไหนจะเลิกบริการหรือเลิกใช้ผลิตภัณฑ์ไป
Propensity Model นั้นมีอยู่ 4 รูปแบบด้วยกัน คือ
1. Propensity To Buy คือทำนานว่าใครจะซื้อ
2. Churn rate forecasting ทำนายว่าใครจะเลิกเป็นลูกค้า
3. ทำนายว่าใครจะมาปฏิสัมพันธ์
4. ทำนาย CLV Customer lifetime value
กระบวนการสร้าง Propensity Model
เริ่มจากการที่มีกลุ่มตัวอย่างของชุดข้อมูลที่จะมาทำการสอน AI และ Machine Learning และอีกชุดข้อมูลเป็น Testing Set ใช้เพื่อทดสอบ โดยข้อมูลนั้นจะเป็นข้อมูลที่ที่บ่งชี้ถึงว่า ลูกค้าว่าซื้ออะไรไปบ้าง ซื้อวันเวลาไหน ซื้อไปเท่าไหร่ ซื้อไปทั้งหมดรวมราคาเท่าไหร่ จากนั้นก็มาทำเงื่อนไขต่าง ๆ ว่าแบบไหนเข้า Segmentation แบบไหนขึ้น โดยใช้เรื่อง Data Science ในการวิคราะห์ไม่ว่าจะเป็น Neural Network, Logistic Regression, Random Forest หรือRegression Tree หลังจากนั้นก็เอาข้อมูล ที่ได้มาทดลองกับ testing set เพื่อหาว่าแม่นยำแค่ไหนกับ testing set ที่ทำไว้
จากข้อมูลที่ได้มานี้ เราสามารถทำนายได้เลยว่า กลุ่มลูกค้าไหนจะมีพฤติกรรมตอบสนองกับกิจกรรมการตลาดของนักการตลาดอย่างไรขึ้นมา จะเน้นกลุ่มไหนเป็นพิเศษ หรือกลุ่มไหนที่ต้องกระตุ้นเพิ่มเติม หรือกลุ่มไหนที่ต้องยื้อเอาไว้ด้วยข้อเสนอต่าง ๆหรือกลุ่มไหนที่ยื้อก็ไม่เป็นประโยชน์แล้ว
ด้วย Propensity Model ทำให้นักการตลาดสามารถแบ่งกิจกรรมการตลาดได้ถูกต้อง และถูกกลุ่มมากขึ้น สามารถรู้ได้เลยว่า เงินงบประมาณทางการตลาด ควรจะใช้กับใครไปบ้าง หรือควรจะลงกับตรงไหนบ้างเพื่อให้เกิดประโยชน์สุงสุดขึ้นมา ยิ่งธุรกิจคุณแข่งขันกันสูงแค่ไหน การที่มีโมเดลดี ๆ ในการทำนายลูกค้าล่วงหน้า ย่อมทำให้สามารถทำและจัดการกลยุทธ์ทางการตลาดนั้นได้ดียิ่งขึ้น แถมยังประหยัดเงินมากขึ้นในการที่จะได้มาซึ่งลูกค้าอีกด้วย
