เมื่อลูกค้ายุคปัจจุบันมองหาสิ่งที่คุ้มค่ากับตัวเองที่สุด แบรนด์ส่วนใหญ่จึงหยิบยื่น สินค้าที่ดีที่สุด ในเวลาที่ใช่ที่สุดให้ลูกค้าอยู่เสมอ (Always Right Product in Right Time) แต่จะรู้ได้อย่างไรว่าสิ่งที่แบรนด์คิดว่าดีที่สุด คือสิ่งที่ลูกค้าต้องการจริงๆ?
ในงาน ‘AssetWise presents Marketing Oops! Summit 2025’ คุณ ‘สิทธิเกียรติ สุทธิธรรม’ Head of Thailand, Enterprise, Braze ชวนนักการตลาดโฟกัสคีย์เวิร์ดใหม่ ‘Right Incentive for Customer’ หรือ ‘แรงจูงใจที่ใช่’ สำหรับลูกค้าแต่ละคนในแต่ละสถานการณ์ ที่กระตุ้นให้ลูกค้าตัดสินใจทำในสิ่งที่แบรนด์ต้องการ และเมื่อลองมาคิดกันดู จะเห็นว่า ‘แรงกระตุ้นที่โดนใจ’ ของแต่ละคนอาจไม่เหมือนกันเลย
ตัวอย่าง
– ลูกค้าบางคนอาจจะซื้อซ้ำถ้าได้ส่วนลด
– บางคนอาจจะสนใจถ้าได้ของแถม
– บางคนอยากได้บริการส่งฟรี
– บางคนขอแค่มีจุดสะสมแต้มก็พอ
– หรือบางครั้งแค่ได้คอนเทนต์/คำแนะนำดีๆ ก็กลับมา engage กับแบรนด์แล้ว
จึงเป็นที่ชัดเจนว่า ‘ตัวกระตุ้น’ อย่าง โปรโมชันที่คิดขึ้นมาแบบ one-size fit all นั้นไม่ได้ผลอีกต่อไป แต่ต้องเป็นตัวโปรโมชันที่ Personalize ลูกค้าแต่ละคนอย่างแม่นยำ
‘A/B Testing’ เครื่องมือการตลาดที่เคยเวิร์ค แต่วันนี้กำลัง ‘ตกยุค’
สำหรับ A/B Testing คือเครื่องมือพื้นฐานที่นักการตลาดทั่วโลกใช้มานาน หลักการคือทดลองสองทางเลือก เช่น หัวข้ออีเมลสองแบบ หรือภาพโปรโมชันสองชุด แล้วเปรียบเทียบดูว่าแบบไหนให้ผลลัพธ์ดีกว่า ข้อดีคือใช้งานง่าย แม่นยำ และวัดผลได้จริง จึงเหมาะกับยุคที่ข้อมูลยังไม่ซับซ้อนมาก แต่วันนี้ ข้อมูลของลูกค้ามีมากขึ้น เส้นทางการตัดสินใจหลากหลายขึ้น การทำ A/B Testing เริ่มมีข้อจำกัด
– ต้องใช้เวลานานกว่าจะได้คำตอบ
– ทดสอบได้ทีละไม่กี่แบบ
ในยุคที่โลกการตลาดสมัยใหม่เปลี่ยนแปลงเร็วมาก ลูกค้าเปลี่ยนพฤติกรรมตลอดเวลา และคาดหวังประสบการณ์เฉพาะตัวสูงขึ้น การตอบสนองแบบ ‘real-time’ กลายเป็นสิ่งสำคัญเพื่อเชื่อมโยงลูกค้า ซึ่งการทดสอบ A/B Testing คงไม่ทำให้เราสามารถเข้าใจลูกค้าได้ทัน
‘Reinforcement Learning’ ให้ AI ‘ลองผิดลองถูก’ และเรียนรู้ด้วยรางวัล-บทลงโทษ
ถ้าอธิบายให้เห็นภาพง่าย ๆ Reinforcement Learning เหมือนการที่ AI ได้ ‘ฝึกงานจริง’ กับลูกค้า โดย AI จะลองวิธีใหม่ๆ ในการส่งข้อเสนอ-แรงจูงใจต่างๆ ให้ลูกค้าแต่ละคนแบบ real-time
– ทุกครั้งที่ AI เลือกข้อเสนอ เช่น ส่งส่วนลด, ส่งคอนเทนต์, หรือแนะนำสินค้า แล้วลูกค้าตอบสนอง (เช่น คลิก, ซื้อ, สมัคร ฯลฯ) AI จะมองว่านั่นคือ ‘ได้รางวัล’ (Reward) และกระตุ้นโอกาสให้เกิดการส่งตัวกระตุ้นเดิมกับลูกค้าคนเดิม
– แต่ถ้าไม่มีปฏิกิริยาใดๆ เกิดขึ้น หรือถูกเมิน AI จะถือว่า ‘โดนลงโทษ’ (Punishment) และจะไม่ทำสิ่งเดิมซ้ำอีก
วิธีนี้ทำให้แบรนด์สามารถเข้าใจลูกค้าจำนวนมากได้ในระยะเวลาอันสั้น ทั้งยังสามารถส่งตัวกระตุ้นพฤติกรรมให้กับลูกค้าแต่ละคนได้อย่างถูกต้องแม่นยำ โดย AI จะทำการ ‘ทดลอง’ สิ่งใหม่ๆ อยู่ซ้ำๆ ตัดสินใจจากรางวัล-บทลงโทษที่ได้รับ โดยไม่ต้องรอคำสั่งจากมนุษย์ ซึ่งเรามักคุ้นชื่อ AI ชนิดนี้ว่า ‘Agentic AI’
สำหรับ Braze เอง ในฐานะ MarTech Platform ระดับโลก แชร์ว่าเราต่างเห็นการเติบโตของ Generative AI กันอยู่แล้ว ส่วนคำว่า Agentic AI น่าจะเป็นสิ่งที่จะเข้ามามีบทบาทในชีวิตประจำวันของเราในไม่นานนี้ จึงทุ่มงบใหญ่เข้าซื้อ OfferFit’s AI เพื่อยกระดับเทคโนโลยีปัญญาประดิษฐ์ของตัวเองอย่างก้าวกระโดด และจับใจลูกค้าในยุคที่ต้อง Real-Time เท่านั้นได้อย่างอยู่หมัด
ในวันที่ ‘การลงทุนมาก’ ไม่ได้แปลว่าจะ ‘ได้ผลลัพธ์มาก’ ตาม การลงทุน ลงแรง ลงเวลาอย่างฉลาด แม่นยำที่สุดเท่านั้นจึงจะได้ผลลัพธ์ที่ต้องการ
สรุปจากเวที #VisionaryStage
Session : Agentic AI Decisioning of Modern Marketers (and Why A/B testing is outdated)
จาก A/B สู่ Agentic AI เปลี่ยนวิธีคิดนักการตลาดยุคใหม่
โดย Sutthikiat Sutthitham Head of Thailand, Enterprise, Braze
