Data-Driven Marketing คืออะไร ช่วยธุรกิจได้อย่างไร [แนะนำเคสตัวอย่าง]

การทำธุรกิจในยุคที่การแข่งขันดุเดือดและผู้บริโภคมีตัวเลือกสำหรับพวกเขาอย่างล้นหลาม ไม่ง่ายเลยที่ธุรกิจจะเข้าถึงและซื้อใจพวกเขาได้ ธุรกิจจำเป็นต้องมี “ข้อมูล” หรือ “Data” เพื่อทำความเข้าใจผู้บริโภคและกลุ่มเป้าหมายของแบรนด์ เพื่อนำมาออกแบบกลยุทธ์การตลาดที่เหมาะกับพวกเขาและเอาชนะคู่แข่งได้ เป็นที่มาของการทำ Data-Driven Marketing หรือ การตลาดที่ขับเคลื่อนด้วยข้อมูล ที่ทั้งแบรนด์ใหญ่และธุรกิจรายย่อยก็ไม่ควรพลาดทำ

ในบทความนี้ เราจะมาทำความรู้จักศาสตร์ของ Data-Driven Marketing กันว่า คืออะไร พร้อมกับพาไปดูตัวอย่างการใช้ข้อมูลเพื่อทำการตลาดตั้งแต่ระดับพื้นฐานจนถึงแบรนด์ระดับโลกที่น่าจะช่วยให้เห็นภาพและได้ไอเดียในการใช้ข้อมูลไปประยุกต์ใช้อีกด้วย

สารบัญ

Data-Driven Marketing คืออะไร

Data-Driven Marketing คือ การทำการตลาดที่ขับเคลื่อนด้วยข้อมูล โดยใช้การวิเคราะห์ข้อมูลลูกค้า (Customer data) เพื่อประกอบการตัดสินในทางการตลาด ทั้งการวิจัยสินค้าและตลาด การพัฒนาสินค้า/บริการ การออกแบบกลยุทธ์การตลาดและการสื่อสารการตลาด (Marketing Message)

โดยการทำ Data-Driven Marketing เป็นรากฐานให้กับการทำการตลาดในรูปแบบต่าง ๆ เช่น

การทำการตลาดแบบเรียลไทม์ (Real-time Marketing)
การทำการตลาดเฉพาะบุคคล (Personalized Marketing)
การตลาดแบบอัตโนมัติ (Marketing Automation)
ระบบบริหารความสัมพันธ์กับลูกค้า (CRM: Customer Relationship Management)
การส่งมอบประสบการณ์ลูกค้าที่น่าประทับใจ (Customer Experience)

การทำ Data-Driven Marketing แตกต่างจากการทำการตลาดในแบบดั้งเดิมที่มักจะอาศัยประสบการณ์และสัญชาตญาณในการตัดสินใจเป็นหลัก ซึ่งกลยุทธ์การตลาดที่ใช้อาจเลือกมาจากตัวอย่างความสำเร็จในครั้งก่อน ซึ่งไม่สามารถการันตีได้ว่า ในครั้งต่อไปจะได้ผล โดยเฉพาะอย่างยิ่งในยุคที่พฤติกรรมผู้บริโภคเปลี่ยนแปลงอย่างรวดเร็วแบบรายวัน แต่การใช้ข้อมูลหรือใช้ข้อมูล (Data) ในการทำการตลาด จะเข้ามาเติมช่องว่างของ “การเดา” ให้ธุรกิจสามารถตัดสินใจเลือกวิธีการทำการตลาด เลือกช่องทาง หรือโฟกัสกลุ่มเป้าหมายที่ ‘ใช่’ ได้โดยใช้ข้อมูลที่เป็นข้อเท็จจริง

นิยามที่อธิบายไปข้างต้นอาจจะทำให้หลายคนเข้าใจว่า “Data-Driven Marketing” เป็นเรื่องของการใช้เทคโนโลยีล้ำสมัยทำการตลาดเท่านั้น แต่การทำการตลาดที่ขับเคลื่อนด้วยข้อมูลที่แท้จริง คือ การใช้ประโยชน์จากข้อมูลให้เป็น ร้านอาหารริมทางที่เลือกปิดร้านในวันที่ไม่ค่อยมีลูกค้า ร้านกาแฟที่ริเริ่มทำโปรโมชัน 1 แถม 1 ในช่วงบ่ายที่ไม่ค่อยมีลูกค้าเข้าร้าน ก็กล่าวได้ว่า ได้ทำ Data-Driven Marketing แล้ว

ทำไมต้องทำ Data-Driven Marketing

การใช้ข้อมูลจะช่วยสร้างข้อได้เปรียบในการทำการตลาดกับคู่แข่งและสามารถเข้าถึงใจลูกค้าได้อย่างแม่นยำ ยกตัวอย่างเหตุผลในการทำ Data-Driven Marketing ที่ธุรกิจไม่ควรพลาด ได้แก่

เพื่อเข้าใจลูกค้า เข้าใจตลาด และคู่แข่ง

จากการติดตามข้อมูลและพฤติกรรมของลูกค้า ธุรกิจสามารถออกแบบ/พัฒนาผลิตภัณฑ์หรือบริการให้ตอบโจทย์ความต้องการของกลุ่มเป้าหมายได้ รู้ว่าตลาดต้องการอะไรจากการทำวิจัยตลาด (Market Research) เพื่อหาช่องว่างที่ยังไม่มีแบรนด์ใดมาจับตลาด ศึกษากลุ่มเป้าหมายเพื่อออกแบบสารหรือข้อความในการทำโฆษณาให้เหมาะกับกลุ่มเป้าหมายแต่ละกลุ่ม ฯลฯ รวมไปถึงการใช้ข้อมูลเพื่อวิเคราะห์คู่แข่ง

เพื่อการตัดสินใจที่เฉียบขาด

ข้อมูลช่วยให้ธุรกิจสามารถตัดสินใจได้อย่างเฉียบขาด เพราะมีข้อมูลสนับสนุนการตัดสินใจ สามารถคำนวณหรือประมาณการผลลัพธ์ที่จะทำได้จากข้อมูลในอดีต ถ้าไม่มีข้อมูล นักการตลาดอาจต้องพึ่งพาเฉพาะประสบการณ์หรือสัญชาตญาณเท่านั้น ซึ่งไม่สามารถการันตีได้ว่า สิ่งที่เคยทำจะได้ผลลัพธ์อย่างไร แล้วคุ้มค่าหรือไม่ ยกตัวอย่างเช่น ธุรกิจรู้เทรนด์ความต้องการของลูกค้า ก็จะช่วยให้สามารถตัดสินใจได้ว่า สินค้าไหนควรไปต่อ ลงทุนต่อ รู้ว่าควรทำการตลาดกับช่องทางไหนจึงจะสร้างผลลัพธ์ได้มากที่สุด

เพื่อลดต้นทุนและเพิ่มประสิทธิภาพการทำการตลาด

เมื่อธุรกิจรู้จากข้อมูลแล้วว่า วิธีการทำการตลาดแบบใด ผ่านช่องทางไหน หรือมุ่งให้ความสำคัญกับกลุ่มเป้าหมายกลุ่มใดที่จะนำผลลัพธ์ที่คุ้มค่ามากกว่ามาให้ธุรกิจได้ ธุรกิจก็ไม่จำเป็นต้องเสียแรง เวลา และต้นทุนในการทำการตลาดในรูปแบบที่ไม่เกิดผล สามารถประหยัดงบการตลาดเพื่อมาลงกับวิธีการ ช่องทาง และกลุ่มเป้าหมายที่สร้างผลลัพธ์หรือกำไรได้มากกว่า เพิ่มสัดส่วน ROI (Return of Investment) ให้กับธุรกิจได้

Data-Driven Marketing Case: ตัวอย่างการใช้ข้อมูลทำการตลาด

ในปัจจุบันมีเคสการทำ Data-Driven Marketing อยู่มากมาย ซึ่งการใช้ข้อมูลในการทำการตลาดก็ไม่ได้จำกัดอยู่เฉพาะการใช้เครื่องมือหรือเทคโนโลยีจัดการข้อมูลที่ซับซ้อนอะไร

ร้านกาแฟทั่วไปใช้ข้อมูลกระตุ้นยอดขาย

Data-Driven Marketing คืออะไร ช่วยธุรกิจได้อย่างไร

ในมุมของผู้ประกอบการทั่วไป การทำ Data-Driven เริ่มตั้งแต่การคอยสังเกตหรือวิเคราะห์ข้อมูลที่มีเพื่อนำมาใช้ประโยชน์ ยกตัวอย่างเช่น ร้านกาแฟวิเคราะห์ยอดขายหน้าร้านและรู้ว่า ในช่วงเวลา 14.00 น. – 16.00 น. ไม่ค่อยมีออร์เดอร์เข้าร้าน เจ้าของร้านจึงออกโปรโมชัน 1 แถม 1 เพื่อกระตุ้นยอดขายในช่วงเวลานี้ ซึ่งช่วยเปลี่ยนจากการเปิดร้านรอลูกค้าเสี่ยงเกิดต้นทุนจมจากการเปิดร้านมาสร้างรายได้เพิ่มเติม ถึงแม้สัดส่วนกำไรที่ได้จากการขายจะลดน้อยลง แต่ก็ยังช่วยเพิ่มยอดขายให้ร้านได้มากขึ้น

ร้านค้า/ร้านอาหารกับรายงานยอดขาย

ในกรณีร้านค้าหรือห้างสรรพสินค้ารายย่อยที่มีเครื่องแคชเชียร์คิดเงินหรือระบบ POS (Point-of-Sale System) ที่ช่วยทั้งคิดเงิน สรุปยอดขาย ตัดสินค้าคงคลังแบบอัตโนมัติ ก็สามารถดูรายงานข้อมูลจากระบบได้ว่า สินค้าอะไรขายดี-ขายไม่ดี สินค้าใดคงคลังนานเกินไป เสี่ยงหมดอายุหรือเสื่อมสภาพ ร้านอาจหาโปรโมชันมาช่วยจำหน่ายสินค้าในกลุ่มนี้ออกได้เร็วขึ้น ลดการสั่งของมากักตุนเพิ่มและเหลือทุนสำหรับสั่งสินค้าที่ขายดีกว่ามาเพิ่มสัดส่วนการขายได้

หรืออีกตัวอย่าง คือ การวิเคราะห์ยอดขายอย่างจริงจังเพื่อหารูปแบบพฤติกรรมการซื้อของผู้บริโภค เช่น เจ้าของร้านอาหารดูบัญชีแล้วพบว่าคนซื้อไอศกรีมช่วงเดือนเมษายน และมักจะซื้อซุปช่วงเดือนพฤศจิกายน – ธันวาคม มากเป็นพิเศษ ร้านอาหารสามารถวางแผนทำการตลาดประจำปี (Year Plan) สำหรับทำโปรโมชันและโฆษณาต่าง ๆ ตามช่วงเดือนในแต่ละปีได้ ซึ่งถือเป็นการทำ Data-Driven Marketing ที่ผู้ประกอบการรายย่อยก็สามารถทำได้โดยไม่จำเป็นต้องมีระบบฐานข้อมูลหรือใช้เครื่องมือวิเคราะห์ข้อมูลที่ซับซ้อน

แบรนด์และองค์กรหาข้อมูลเชิงลึกเพื่อทำการตลาด

ตัวอย่างการใช้ ZOCIAL EYE เพื่อหา Insight เกี่ยวกับวัคซีน

แบรนด์และองค์กรต่าง ๆ จะหาข้อมูลเชิงลึก (Insight) เพื่อทำความเข้าใจกลุ่มเป้าหมาย มองหาโอกาสในการทำการตลาดและธุรกิจ รวมไปถึงใช้วิเคราะห์คู่แข่ง

แบรนด์ทำวิจัยการตลาด (Market Research) ผ่านเครื่องมือ เช่น ZOCIAL EYE หรือ Marketing Technology ต่างๆ มาทำ Market Research เพื่อหาช่องวางการตลาด (Market Gap) หรือหากลุ่มผู้บริโภคที่แบรนด์อื่นยังไม่เข้าไปทำการตลาด

หาข้อมูลเพื่อทำความเข้าใจกลุ่มเป้าหมาย เช่น ดูข้อมูลเชิงประชากรศาสตร์ (Demographic) วิเคราะห์ความสนใจ ฯลฯ เพื่อจำกัดกลุ่มเป้าหมายในการทำการตลาดให้เฉพาะเจาะจงขึ้น หรือออกแบบสารหรือข้อความในการทำการตลาดให้เหมาะสมกับกลุ่มเป้าหมาย

วิเคราะห์ข้อมูลเพื่อหาข้อมูลเชิงลึก (Insight) ในการทำการตลาด เช่น ใช้ติดตามและสรุปประสิทธิภาพหรือผลการทำงาน (Performance) ของช่องทางการทำการตลาดบนโลกออนไลน์ต่าง ๆ การทำวิจัยคำสำคัญ (Keyword Research) เพื่อหาความสนใจที่เกี่ยวข้อง การใช้ ZOCIAL EYE วิเคราะห์อินฟลูเอนเซอร์ (Influencer) ดูการมีส่วนร่วมของผู้ติดตาม (Brand Involvement) การมีหน้าสรุปข้อมูลหรือแดชบอร์ดที่ทำให้เห็นข้อมูลเชิงลึกที่นำมาใช้งานได้อย่างสะดวก ฯลฯ

ทั้งหมดนี้ ช่วยให้แบรนด์วางกลยุทธ์การทำการตลาดได้อย่างรอบคอบ เลือกข้อความสื่อสารที่เหมาะสม เลือกช่องทาง วิธีการ หรือใช้อินฟลูเอนเซอร์ที่ให้ผลลัพธ์ดีที่สุด รวมไปถึง การต่อยอดทำการตลาดเฉพาะบุคคล (Personalized Marketing) และการตลาดอัตโนมัติ (Marketing Automation) ที่ระบบจะช่วยส่งคอนเทนต์หรือโปรโมชันที่เหมาะกับจังหวะการตัดสินใจของลูกค้าแต่ละราย

แบรนด์ใช้ข้อมูลเพื่อทำ Personalized Marketing และ Marketing Automation

1. McDonald’s แนะนำเมนูอัตโนมัติตามบริบทด้วยเทคโนโลยีช่วยตัดสินใจ

ในปี 2019 McDonald’s ได้เริ่มนำเทคโนโลยีช่วยตัดสินใจ Dynamic Yield มาใช้เพื่อพัฒนาประสบการณ์ลูกค้าแบบรายบุคคล (Personalization) ให้กับลูกค้าร้านไดรฟ์ทรู (Drive-Thru) โดยมี Dynamic Yield คือ จักรกลเรียนรู้หรือ Machine Learning ที่เข้ามาช่วยแนะนำเมนูผ่านหน้าจอเมนูดิจิทัลด้วยอาศัยข้อมูลเชิงบริบท (Contextual data) เช่น

ช่วงเวลาในแต่ละวัน
ตัวเลือกเมนูในปัจจุบัน
ความหนาแน่นของร้าน
ความนิยมของเมนูแต่ละรายการ
สภาพอากาศขณะนั้น
สภาพการจราจร

Machine Learning อย่าง Dynamic Yield จะเรียนรู้ผ่านรายการคำสั่งซื้อ วิเคราะห์กับปัจจัยเชิงบริบทข้างต้น เพื่อดูว่าในสภาพอากาศ ช่วงเวลา หรือสภาพการจราจรแบบไหนที่คนมักจะสั่งเมนูหนึ่ง ๆ เรียนรู้และสรุปออกมาเป็นรูปแบบ ทำให้ McDonald’s สามารถแนะนำรายการเมนูที่ลูกค้าน่าจะสั่งแสดงบนจอเมนูดิจิทัลได้

ด้วยความสามารถนี้ ในวันที่ฝนตกหรือรถติด McDonald’s อาจแนะนำเครื่องดื่มร้อนสำหรับอุ่นร่างกายและเซตขนมของว่างสำหรับรับประทานแก้เบื่อ ในช่วงเช้าอาจแนะนำเมนูอาหารเช้าหรืออาหารจานด่วนที่ใช้เวลารับประทานไม่นาน หรือในช่วงเย็นอาจแนะนำมื้อหนักสำหรับครอบครัว นอกจากนี้ จากการแนะนำเมนูของ Machine Learning ยังช่วยให้ร้านขายสินค้าได้มากขึ้น จัดเตรียมเมนูได้อย่างรวดเร็ว และยังลดปัญหาวัตุถดิบขาดได้อีกด้วย เพราะระบบมีข้อมูลคลังสินค้า จึงไม่แนะนำเมนูที่วัตถุดิบใกล้หมด

2. Starbucks ทำ Hyper Personalization ส่งข้อความเจาะจงถึงลูกค้าแต่ละราย

Starbucks คือ อีกบริษัทที่ทำ Data-Driven Marketing อย่างจริงจัง โดยในตัวอย่างที่กำลังจะแนะนำนี้ คือ การทำ Hyper-Personalized Message หรือการส่งข้อมูลที่เฉพาะเจาะจงถึงผู้ใช้งานแต่ละรายด้วยการใช้ข้อมูลประวัติการใช้งานและข้อมูลบริบทแบบเรียลไทม์ (Real-time contextual data) ส่งข้อความบนแอปฯ ที่แตกต่างกันที่สร้างขึ้นจากกว่า 400,000 ตัวแปร

หน้าต่างใช้งานบนแอปฯ ของ Starbucks จะแตกต่างกันไปตามผู้ใช้งาน

ระบบสมาชิกของ Starbucks (Starbucks Loyalty Program) ประสบความสำเร็จอย่างยิ่ง โดยมีผู้ใช้งานมากกว่า 13 ล้านผู้ใช้งาน
แอปฯ จะแนะนำอาหารและเครื่องดื่มโดยเจาะจง (Personalize) สำหรับลูกค้าแต่ละราย ด้วย AI (Artificial Intelligence) ที่มีอัลกอริทึมเรียนรู้ความต้องการและความชื่นชอบของผู้ใช้งานแต่ละรายจากการวิเคราะห์ประวัติการสั่งซื้อจนรู้ถึงรสนิยมและเลือกแนะนำเมนูที่ถูกใจให้ได้
Startbucks สร้างปฏิสัมพันธ์กับสมาชิกด้วยการส่งเกมแบบ Personalized ให้กับสมาชิกผ่านอีเมลและบนโทรศัพท์มือถือ

Starbucks แนะนำร้านที่ใกล้ที่สุดที่สามารถสั่งผ่านมือถือได้และมีตัวเลือกชำระเงิน

ผลลัพธ์ของการทำ Hyper-Personalized Message ของ Starbucks:

เพิ่มประสิทธิภาพให้แคมเปญการตลาดถึง 3 เท่า
ลูกค้ากลับมาใช้บริการมากขึ้น 2 เท่า จากช่องทางอีเมล
ลูกค้าใช้จ่ายเพิ่มขึ้น 3 เท่า จากการแลกข้อเสนอพิเศษ (Offer Redemption)
24% ของธุรกรรมของบริษัทเกิดขึ้นบนแอปพลิเคชัน Starbucks

3. Netflix นำเสนอปกภาพยนตร์แบบ Personalized

Netflix ผู้ให้บริการสตรีมมิงภาพยนตร์ที่หลายคนคุ้นเคยพัฒนาระบบแนะนำภาพยนตร์แบบเฉพาะบุคคล (Personalized Recommendation System) มาตลอด ดังที่หน้าแรกของ Netflix ของผู้ใช้งานแต่ละคนแตกต่างกันไป อย่างไรก็ตาม เป้าหมายของ Netflix คือ การทำให้ผู้ใช้งานใช้บริการรับชมภาพยนตร์อย่างต่อเนื่อง และลำพังเพียงระบบแนะนำภาพยนตร์เท่านั้นยังไม่เพียงพอที่จะดึงดูดให้ผู้ใช้งานคลิกเข้าชมภาพยนตร์และใช้งาน Netflix อย่างสม่ำเสมอ

Netflix เริ่มตั้งข้อสันนิษฐานและได้ข้อสรุปว่า “ปกภาพยนตร์” คือ ปัจจัยสำคัญที่จะดึงดูดให้ผู้ใช้งานเลือกชมภาพยนตร์ เพราะปกถือเป็น “หลักฐาน/เหตุผล” ที่สามารถมองเห็นได้ว่า ทำไมผู้ใช้งานถึงต้องเลือกรับชมเรื่องนี้

ปกภาพยนตร์อาจนำเสนอภาพนักแสดงที่คุณชื่นชอบหรือรู้จัก นำเสนอฉากที่ตื่นเต้นระทึกใจ นำเสนอฉากที่เต็มไปด้วยอารมณ์คุกรุ่นของภาพยนตร์ ฯลฯ ถ้าปกสามารถนำเสนอภาพที่หรือเหตุผลที่ผู้ใช้งานจะอยากรับชมได้ ก็อาจสามารถดึงดูดให้ผู้ใช้งานลองคลิกเข้าไปรับชมภาพยนตร์เรื่องนั้น ๆ

นอกจากนี้ Netflix ยังนำข้อมูลประวัติการรับชมภาพยนตร์ของผู้ใช้งานแต่ละรายมาประมวลผลและเลือกนำเสนอภาพปกที่ผู้ใช้งานน่าจะชอบ ลองดูตัวอย่างการประมวลประวัติการรับชม (ฝั่งซ้าย) และภาพปกที่ระบบนำเสนอ (ฝั่งขวา)

จากตัวอย่างนี้ จะเห็นได้ว่า ภาพปกที่ผู้ใช้งานแถวแรกเคยรับชมมักจะเป็นภาพของคู่ชาย-หญิงหรือแสดงออกถึง “คู่รัก” ภาพปกของภาพยนตร์ “Good Will Hunting” ระบบจึงเลือกนำเสนอฉากที่เป็นคู่ชาย-หญิงกำลังแสดงความรัก ส่วนภาพปกที่ผู้ใช้งานแถวสองเคยเลือกชมปรากฏภาพนักแสดงชายเป็นหลัก ระบบจึงนำเสนอภาพปกภาพยนตร์เดียวกันโดยนำเสนอนักแสดงชายเป็นปก

หรืออีกตัวอย่าง ระบบจะเลือกนำเสนอภาพปกของภาพยนตร์ที่นำเสนอนักแสดงหลักตามนักแสดงที่ผู้ใช้งานน่าจะชื่นชอบ สำหรับปกภาพยนตร์เรื่อง “Pulp Fiction” สำหรับผู้ใช้งานที่น่าจะชอบนักแสดงหญิง Uma Thurman ระบบจะแนะนำปกที่มีภาพของนักแสดงท่านนี้ ส่วนผู้ใช้งานคนไหนที่เป็นแฟนภาพยนตร์ของนักแสดงชาย John Travolta ก็จะเห็นภาพปกที่มีนักแสดงชายท่านนี้ นอกจากนี้ ยังสังเกตได้ว่า อารมณ์และสไตล์ภาพปก (Artworks’ Mood & Tone and Style) ที่ผู้ใช้งานเห็นก็แตกต่างกันด้วย

4. Grene ใช้ข้อมูลปรับแต่งตะกร้าสินค้า ช่วยเพิ่มยอดขายถึง 2 เท่า

Grene เว็บไซต์อีคอมเมิร์ซเจ้าใหญ่จากโปแลนด์วิเคราะห์ข้อมูลหน้าต่างลอยตะกร้าสินค้า (Mini Cart Page) เพื่อดูประสิทธิภาพและพฤติกรรมการใช้งานของผู้ใช้งาน โดยสรุปข้อมูลเชิงลึกของผู้บริโภค (Customer Insight) หรือสิ่งที่ลูกค้ามักจะทำ ได้แก่

ลูกค้ามักจะเข้าใจว่า “Free Delivery” (ช่องพื้นเขียว) คือ ปุ่มที่สามารถคลิกไปอ่านรายละเอียดได้ ทำให้เกิดความสับสนและเป็นอุปสรรคในการใช้งานหน้าเว็บ
ลูกค้าหาราคารวมของแต่ละรายการไม่ค่อยเจอ จึงพยายามคลิกหารายละเอียดเพิ่มเติม
ลูกค้าจะเลื่อนหน้าต่างเว็บไซต์ลงจนสุดเพื่อกดปุ่ม “Go to Cart” ทั้ง ๆ ที่มีปุ่มดังกล่าวสีแดงอยู่บนหน้าต่างลอยแล้ว

จากข้อมูลข้างต้น บริษัทจึงปรับแต่งหน้าต่างลอยตะกร้าสินค้าใหม่ ตามรายการข้างล่างนี้ เพื่อทำ A/B Testing ทดสอบหน้าต่างลอยแบบดั้งเดิมและแบบที่ปรับปรุงใหม่

รายการสิ่งที่ปรับแต่งใหม่ ได้แก่

เพิ่มปุ่ม “Go to Cart” ไว้ด้านบนหน้าต่างลอย เพื่อไปสู่หน้าตะกร้าสินค้าหลัก
เพิ่มปุ่ม “Remove” หรือ “กากบาท” ไว้ท้ายรายการสินค้าที่เลือกไว้ พร้อมกับกำกับราคารวมของสินค้าในรายการนั้น ๆ (เพื่อหลีกเลี่ยงการคลิกที่ไม่จำเป็น)
ขยายขนาดของปุ่ม “Go to Cart” ให้เต็มส่วนล่างของหน้าต่างลอย

ผลลัพธ์จากการทดสอบทำ A/B Testing หน้าต่างลอยแบบดั้งเดิมและแบบใหม่ เป็นเวลา 36 วัน หน้าต่างลอยแบบใหม่ได้ผลลัพธ์ที่น่าพึงพอใจ

เพิ่มการจำนวนการเยี่ยมชมหน้าตะกร้าสินค้าหลัก (Main Cart Page Visit)
เพิ่มอัตราสำเร็จ (Conversion Rate) โดยภาพรวมจาก 1.83% ถึง 1.96%
เพิ่มยอดขายได้จากเดิมได้สูงถึง 2 เท่า

ประโยชน์ของการใช้ Data-Driven Marketing

หลังจากอ่านเคสตัวอย่างการทำ Data-Driven Marketing แล้ว คงพอจะเห็นภาพการใช้ประโยชน์จากข้อมูลในหลากหลายด้านด้วยกัน แต่หากให้สรุปประโยชน์ของ Data-Driven Marketing มักจะถูกนำมาใช้ในเรื่องเหล่านี้

1. ใช้หาข้อมูลเชิงลึกของลูกค้า (Customer Insight)

แบรนด์ ธุรกิจ เอเจนซีรับทำการตลาด รวมไปถึงองค์กรรัฐ มักจะใช้ประโยชน์จากข้อมูลในมุมของการหาข้อมูลเชิงลึก (Customer Insight) หรือฟังความคิดเห็นของผู้คน (Social Listening) เพื่อสรุปความสนใจ ความชื่นชอบ ข้อคิดเห็น ทำความเข้าใจปัญหาหรือความต้องการของกลุ่มเป้าหมาย เพื่อนำมาออกแบบวิธีการสื่อสาร ทำการตลาด จนไปถึงการปรับปรุงและพัฒนาโปรดักต์/บริการให้ดียิ่งขึ้น

ยกตัวอย่างการหาข้อมูเพื่อการทำการตลาดที่ตั้งอยู่บนฐานความต้องการจริงของผู้บริโภคและความเป็นไปได้ แทนจากการคิดแคมเปญหรือการออกแบบกลยุทธ์จากประสบการณ์หรือความเข้าใจเดิม ดังนี้

สถาบันคอร์สเรียนออนไลน์ทำการตลาดกับกลุ่มคนรุ่นใหม่ที่ชอบพัฒนาตัวเองให้ทันสมัย ด้วยความเข้าใจว่าเป็นกลุ่มคนที่รักการเรียนรู้และชื่นชอบการพัฒนาตัวเอง จึงมักทำการตลาดด้วยใช้คำสำคัญ (Key Message) เกี่ยวกับ “การพัฒนาตัวเอง” และมุ่งทำเจาะตลาดของคนกลุ่มนี้ (Intuitive & Experience-base Decision)

แต่จากการทำวิจัยเพิ่มเติม อาจได้ข้อสรุปว่า กลุ่มคนรุ่นใหม่มีปฏิสัมพันธ์กับคอนเทนต์การตลาดที่ธุรกิจทำออกไปค่อนข้างดี แต่ไม่นำมาซึ่งการซื้อคอร์สเรียน
ธุรกิจจึงกลับมาดูข้อมูล (Data) ของลูกค้าเก่า ปรากฏว่า กว่า 50% มีตำแหน่งเป็นฝ่ายทรัพยากรบุคคล (HR) และอีก 20% คือ ระดับผู้จัดการ
จากข้อมูลนี้ จึงสรุปได้ว่า ลูกค้าที่แท้จริงของธุรกิจ ไม่ใช่กลุ่มคนรุ่นใหม่ทั่วไปที่เป็นระดับปฏิบัติการ แต่คือ ฝ่ายทรัพยากรหรือผู้จัดการที่น่าจะซื้อคอร์สให้กับพนักงาน ทำให้ธุรกิจเปลี่ยนโฟกัส ทำการตลาดกับกลุ่มเป้าหมายใหม่ที่มีโอกาสเป็น “ลูกค้าจริง” ได้มากกว่า (Insight-Driven Decision)

2. ใช้ทำการตลาดหลากหลายช่องทาง (Omni-Channel Optimization)

หนึ่งในกลยุทธ์การทำ Data-Driven Marketing คือ การติดตามข้อมูลพฤติกรรมของลูกค้าหรือกลุ่มเป้าหมาย โดยใช้ประโยชน์จากความสามารถของโลกดิจิทัลที่สามารถติดตามและวัดผลลัพธ์ต่าง ๆ ได้ เช่น ใช้ดูว่า กว่าที่ลูกค้าจะมาเจอหรือตัดสินใจซื้อของกับแบรนด์ ลูกค้ามีเส้นทางหรือขั้นตอนการตัดสินใจ (Buyer/Customer Journey) อย่างไร ผ่านแพลตฟอร์มหรือ Touchpoint ไหนบ้าง

ยกตัวอย่างเช่น ลูกค้าคนหนึ่งจะซื้อรถ เขาอาจเริ่มต้นค้นคว้าข้อมูลด้วยตัวเองผ่าน Google ดูรีวิวแนะนำยี่ห้อและรุ่นรถบน YouTube จากนั้นอาจโดนโฆษณารถยนต์ของอีกเจ้าบนโซเชียลมีเดียทำให้ตั้งต้นเริ่มหาข้อมูลใหม่อีกครั้ง แบรนด์อาจใช้ข้อมูลเหล่านี้ มาออกแบบ ‘Customer Journey’ วางกลยุทธ์การตลาดในช่องทางต่าง ๆ เพื่อนำลูกค้าหาสู่แบรนด์ พร้อมทั้งดูประสิทธิภาพหรือผลการทำงาน (Performance) ที่เกิดขึ้นบนช่องทางต่าง ๆ ปรับปรุงและใช้ประโยชน์จากการทำการตลาดหลายช่องทางหรือ Omni-Channel Marketing

3. ใช้วางกลยุทธ์การตลาดและตัดสินใจ

การทำ Data-Driven Marketing ช่วยให้ธุรกิจมีข้อมูลในการทำการตลาดในทุก ๆ ระยะของการทำงาน ตั้งแต่การมีข้อมูลเชิงลึกของลูกค้า (Customer Insight) เพื่อออกแบบกลยุทธ์การตลาด เลือกกลุ่มเป้าหมาย เลือกวิธีการ เลือกช่องทางทำการตลาดที่น่าจะสร้างผลลัพธ์ได้ดีที่สุด ลดเวลา แรง และค่าใช้จ่ายในการทดลอง

ยกตัวอย่างเช่น การบริหารร้านและคลังสินค้า ร้านสามารถดูรายงานการขายเพื่อวิเคราะห์ว่า ควรโปรโมตสินค้าประเภทใดหรือยกเลิกขายสินค้าตัวไหน หรือธุรกิจติดตามผลลัพธ์การทำการตลาดและโฆษณาในช่องทางต่าง ๆ อาจระงับการโฆษณาในช่องทางที่ไม่ได้ผลและนำงบประมาณไปลงกับช่องทางที่ได้ผลดีมากกว่า

4. ใช้สร้างประสบการณ์ลูกค้าที่น่าประทับใจ

การที่แบรนด์หรือองค์กรรู้จักลูกค้าของตัวเองเป็นอย่างดี เป็นปัจจัยสำคัญที่ใช้สร้างความประทับใจให้กับพวกเขา ข้อมูลลูกค้าในกระบวนการทำ Data-Driven Marketing จะถูกนำมาจัดเก็บ วิเคราะห์ และสรุป เป็นฐานข้อมูลลูกค้าตามรายชื่อ (Contact) เพื่อที่แบรนด์จะได้รู้จักลูกค้าแต่ละรายเป็นอย่างดี

ปัจจุบันมีเครื่องมืออย่าง ระบบ CRM: Customer Relationship Management ที่ช่วยให้แบรนด์จัดเก็บและติดตามข้อมูลลูกค้าได้ ซึ่งระบบนี้สามารถใช้เป็นหนึ่งในกลไกทำการตลาดเฉพาะบุคคล (Personalized Marketing) และการตลาดแบบอัตโนมัติ (Marketing Automation) ผ่านอีเมล เว็บไซต์ และโซเชียลมีเดียที่เชื่อมต่อได้ พร้อมกับช่วยส่งเสริมงานของทีม Customer Support ให้แบรนด์ให้ความช่วยเหลือลูกค้าได้อย่างน่าประทับใจ ลูกค้าไม่ต้องให้ข้อมูลหรือตอบคำถามเพิ่มเติมในทุกครั้งที่รับบริการ/ความช่วยเหลือ

5. ใช้ทำการตลาดเฉพาะบุคคล (Personalized Marketing)

Data-Driven Marketing ถือได้ว่าเป็นหัวใจสำคัญของการทำ Personalized Marketing เพื่อมอบประสบการณ์แบบเฉพาะตัว หรือ “Personal Experience” ให้กับลูกค้าแต่ละกลุ่มหรือลูกค้าแต่ละรายได้ จากการที่ธุรกิจ “รู้ใจ” ลูกค้าแต่ละกลุ่มหรือแต่ละรายบุคคลด้วยการนำฐานข้อมูลมาใช้

Personalized Marketing เป็นการทำการตลาดอย่างใส่ใจ เสมือนแบรนด์กำลังสื่อสารกับลูกค้าแต่ละรายหรืออย่างน้อยก็ให้ความรู้สึกใกล้ชิดเหมือนพูดคุยกับลูกค้าแต่ละรายในฐานะบุคคล ตั้งแต่การกล่าวชื่อ “สวัสดีคุณ (ชื่อ)” ไปจนถึงการนำเสนอคอนเทนต์ โปรดักต์ หรือแนะนำบริการที่ลูกค้าแต่ละรายน่าจะสนใจ ผ่านการทำติดตาม เก็บ และวิเคราะห์ข้อมูลของลูกค้าแต่ละราย จากนั้นจึงทำการตลาดด้วยเทคโนโลยีการตลาด (MarTech) โดยการทำการตลาดแบบเฉพาะบุคคล (Personalized Marketing) ในปัจจุบัน ก็แบ่งได้ 2 กลุ่ม

การทำการตลาดแบบ Segmentation หมายถึง การทำการตลาดกับลูกค้าแบบกลุ่มย่อย โดยการแบ่งกลุ่มลูกค้าตามเกณฑ์ต่าง ๆ เช่น ระดับความสำคัญ (Lead Scoring) รูปแบบพฤติกรรมการซื้อ (RFM Model) หรือแบ่งกลุ่มตามข้อมูลประชากรศาสตร์ (เช่น เพศ ช่วงอายุ สถานะ) ฯลฯ ยิ่งกลุ่มมีความจำกัดเฉพาะ (Specific) มากเท่าไร ธุรกิจก็ยิ่งสามารถนำเสนอประสบการณ์เฉพาะตัวได้มากเท่านั้น ยกตัวอย่างเช่น การยิงโฆษณาต่างชนิดหากลุ่มลูกค้าต่างกลุ่ม กลยุทธ์การตลาดที่กระตุ้นให้ลูกค้าแต่ละกลุ่มซื้อที่ต่างกัน ฯลฯ
การทำการตลาดแบบ 1-to-1 Personalization หรือการทำการตลาดแบบบุคคลต่อบุคคล เสมือนธุรกิจเข้าไปคุยกับลูกค้าแบบรายคน เช่น ผ่านระบบแชทบอต (Chatbot) หรือผ่านการใช้อัลกอริทึม (Algorithm) ที่คัดสรร นำเสนอคอนเทนต์หรือโปรดักต์ที่ลูกค้าแต่ละรายน่าจะสนใจ ซึ่งอาจนำทั้งข้อมูลลูกค้า (Customer Data) และข้อมูลตามบริบท (Contextual Data) เช่น ประวัติการค้นหา ระยะเวลาที่เคยใช้ดูสินค้า โลเคชันของลูกค้า ฯลฯ มาใช้ประกอบกัน

Personalized Marketing คือ การที่ธุรกิจใช้ข้อมูลเพื่อทำความเข้าใจความสนใจและความต้องการจริง ๆ ของลูกค้า นำเสนอสิ่งที่ลูกค้ากำลังสนใจในขณะนั้น ด้วยเนื้อสารหรือข้อความที่ปรับมาเพื่อลูกค้าแต่ละรายโดยเฉพาะ เพิ่มโอกาสที่ลูกค้าจะตัดสินใจ เพราะเสนอขายถูกจังหวะ ในขณะที่ลูกค้าก็ได้รับความสะดวกสบายและประสบการณ์ลูกค้าที่น่าประทับใจ

5 แนวทางวิธีทำ Data-Driven Strategy

เมื่ออ่านมาถึงตรงนี้แล้ว ถ้าแบรนด์หรือธุรกิจของคุณอยากเริ่มต้นใช้ข้อมูลในการทำการตลาด ทำ Data-Driven Marketing อย่างจริงจัง 5 ขั้นตอนเริ่มต้นเหล่านี้ จะช่วยเป็นแนวทางในการเริ่มต้นให้คุณ

1. กำหนดวัตถุประสงค์ของการใช้ข้อมูล (Setting Objectives)

ก่อนจะเริ่มเก็บข้อมูล หาข้อมูล สิ่งแรกที่ต้องทำคือการกำหนดเป้าหมาย วัตถุประสงค์ และนิยามออกมาให้ได้ก่อนว่า ธุรกิจต้องการใช้ข้อมูลไปทำไมและข้อมูลที่จะใช้คือข้อมูลอะไร

กำหนดเป้าหมายในการทำการตลาดให้ชัดเจนเพื่อจำกัดการหาข้อมูลที่เกี่ยวข้องเท่านั้น เช่น ต้องการเพิ่มยอดขาย ต้องการทำให้แบรนด์เป็นที่รู้จักในวงกว้างมากขึ้น ต้องการเจาะลูกค้ากลุ่มใหม่ ฯลฯ
กำหนดคำถามเพื่อใช้หาข้อมูลหรือคำตอบที่ต้องการ โดยย่อยจากเป้าหมายทางการตลาดออกมาเป็นสิ่งที่อยากตอบ เช่น ลูกค้าแต่ละกลุ่มมีพฤติกรรมการใช้งานเว็บไซต์ต่างกันหรือไม่ อย่างไร อะไรที่ทำให้ลูกค้าตัดสินซื้อสินค้าของคู่แข่งมากกว่าเขาเรา ฯลฯ
กำหนดข้อมูลที่ต้องการเก็บ ว่าต้องหาข้อมูลอะไรบ้าง เช่น ยอดขาย ข้อมูลพฤติกรรมของลูกค้า เทรนด์สังคม เสียงหรือ Voice ที่กล่าวถึงแบรนด์ ความต้องการเชิงลึกของลูกค้า ฯลฯ และอาจรวมถึงรูปแบบหรือประเภทไฟล์ข้อมูลที่จะเก็บ หากต้องนำเข้าระบบหรือเครื่องมือประมวลผล (Data Tool)
พิจารณาแหล่งที่มาของข้อมูล ว่าควรเก็บหรือหาจากแหล่งใด จากช่องทางขององค์กร/ธุรกิจตัวเอง (First-Party Data) จากแหล่งข้อมูลจากบุคคลที่สาม (Third-Party Data) หรือแหล่งข้อมูลแบบเปิด (Open Source)
เลือกวิธีหรือเครื่องมือสำหรับหาข้อมูล อาจจะเป็นการใช้เครื่องมือประเภทต่าง ๆ เช่น Google Analytics ในการดูข้อมูลเว็บไซต์ของเราเอง, ZOCIAL EYE สำหรับทำ Social Listening หา Insight บนโซเชียลมีเดีย หรืออาจจะเป็นการสัมภาษณ์และทำแบบสอบถามโดยตรงกับผู้บริโภค ฯลฯ

2. เก็บรวบรวมข้อมูล (Data Collection)

ตัวอย่าง Databox ดึงข้อมูลยอดขายจาก Shopify
ที่มารูปภาพ databox.com

ความท้าทายของการรวบรวมข้อมูล คือ ข้อมูลอาจมีปริมาณมหาศาลและอาจถูกเก็บอย่างกระจัดกระจาย ไม่สามารถนำมาใช้ประโยชน์ได้ทันที สำหรับการเก็บรวบรวมข้อมูล ส่วนใหญ่จึงใช้เครื่องมือ (Data Tool) เข้าไปดึงข้อมูลจากแหล่งข้อมูลโดยตรง ซึ่งผู้ควบคุมข้อมูลสามารถกำหนดได้ว่า ต้องการข้อมูลอะไรบ้างและให้เครื่องมือนำเสนอข้อมูลอย่างไร ทั้งนี้ เราอาจเริ่มต้นเก็บข้อมูลลงบนโปรแกรม Excel หรือ Sheet ก่อน ก็เป็นจุดเริ่มต้นที่ดี เพียงแต่ต้องคำนึงว่า วิธีการเก็บข้อมูลจะนำไปสู่การใช้งานได้อย่างไร

3. วิเคราะห์ข้อมูล (Data Analysis)

ขั้นตอนต่อมา คือ การนำข้อมูลที่เก็บรวบรวมได้มาวิเคราะห์เพื่อหาข้อมูลเชิงลึก (Insight) หรือข้อสรุปจากคำถามหรือโจทย์การหาข้อมูลที่กำหนดไว้ โดยการทำวิเคราะห์จะแบ่งออกเป็น 6 ประเภทด้วยกัน

Descriptive Analysis – การวิเคราะห์ข้อมูลเพื่ออธิบายชุดข้อมูล เช่น รายงานยอดขายตามตามรายการสินค้า จำนวนการเยี่ยมชมเว็บไซต์แยกตามกลุ่มเป้าหมาย ฯลฯ
Exploratory Analysis – การวิเคราะห์ข้อมูลเพื่อค้นคว้าหรือหาความสัมพันธ์ระหว่างข้อมูลตั้งแต่ 2 ชุดขึ้นไป เช่น รายงานยอดขายกับกลุ่มเป้าหมายสัมพันธ์กันอย่างไร
Inferential Analys – การวิเคราะห์ข้อมูลตัวอย่างเพื่อใช้อ้างอิง เช่น การวิเคราะห์ความคิดเห็นและพฤติกรรมของกลุ่มตัวอย่างต่อการใช้งานแอปพลิเคชัน
Predictive Analysis – การวิเคราะห์รูปแบบข้อมูลเพื่อพยากรณ์สิ่งที่จะเกิดขึ้นในอนาคต เช่น การวิเคราะห์แนวโน้มหรือเทรนด์การเติบโตของตลาด เทรนด์ยอดขายในรอบปี ฯลฯ
Causal Analysis – การวิเคราะห์ความสัมพันธ์ของปัจจัยต่าง ๆ เพื่อหาสาเหตุของสิ่งที่เกิดขึ้น เช่น การทดลองและวิเคราะห์เพื่อหาปัจจัยที่ทำให้ลูกค้าเต็มใจเข้าร่วมระบบสมาชิกของห้างสรรพสินค้า
Mechanistic Analysis – การวิเคราะห์เพื่อทำความเข้าใจว่าการเปลี่ยนแปลงของตัวแปรหนึ่งส่งผลต่อตัวแปรอื่นอย่างไร ซึ่งในมุมของการวิเคราะห์เพื่อทำการตลาดอาจจะเป็นการทดลองเปลี่ยนเปลี่ยนแปลงปัจจัยหนึ่ง เช่น การลำดับ Section บนหน้าเว็บไซต์ ส่งผลต่อ “ยอดคลิก” อ่านรายละเอียดสินค้าอย่างไร

4. ใช้ประโยชน์จากข้อมูล (Data Usage)

ตัวอย่างหน้า Dashboard ข้อมูลจาก ZOCIAL EYE

เริ่มตั้งแต่การนำเสนอข้อมูลในรูปแบบที่เข้าใจง่าย สามารถเข้าใจข้อมูลเชิงลึก (Insight) หรือเห็นเทรนด์ได้ชัดเจน มีการจัดกลุ่มข้อมูลเป็นส่วนต่าง ๆ ที่ทำให้เข้าใจภาพรวมหรือสิ่งที่ต้องการทราบได้ทันที ซึ่งอาจนำเสนอออกมาเป็น Dashboard ที่เล่าด้วยภาพ หรือ “Data Visualization” จะช่วยให้เข้าใจได้ง่ายกว่า ทำให้ตัดสินใจและใช้ประโยชน์จากข้อมูลได้ทันที ไม่ว่าจะทำไปวางกลยุทธ์ วางแผนปฏิบัติงาน หรือตัดสินใจเลือกช่องทางในการทำการตลาด ฯลฯ

5. ติดตามและวัดผลลัพธ์ (Tracking & Measuring)

การทำ Data-Driven Marketing เป็นการทำการตลาดที่ไม่สิ้นสุด หลังจากที่ธุรกิจได้ข้อมูลเชิงลึก (Insight) สำหรับการทำการตลาดแล้ว ระหว่างที่ดำเนินงาน ควรติดตามและวัดผลลัพธ์ที่เกิดขึ้น เพื่อให้รู้ว่า อะไรที่ทำแล้วได้ผล อะไรที่ควรปรับปรุงหรือล้มเลิก การติดตามและรู้ผลลัพธ์จะช่วยให้ธุรกิจสามารถปรับแต่ง (Optimize) สิ่งที่ทำให้ดียิ่งขึ้น ซึ่งการใช้ประโยชน์จากข้อมูลในทุกกระบวนการถือเป็นหัวใจของการทำ Data-Driven Marketing ที่แท้จริง

สรุป

ในปัจจุบัน Data-Driven Marketing ไม่ใช่แค่กลยุทธ์การตลาดที่ธุรกิจหรือแบรนด์จะเลือกใช้ แต่เป็นเรื่องของความจำเป็นและเป็นรากฐานให้นำไปประยุกต์ทำการตลาดในรูปแบบต่าง ๆ รวมถึงการสร้างประสบการณ์ที่ดีให้กับลูกค้า ในวันนี้ที่ตลาดเปิดกว้างและมีการแข่งขันสูง “ข้อมูล” และการใช้ประโยชน์จากข้อมูลเป็น จะช่วยสร้างความได้เปรียบทางธุรกิจและช่วยให้ธุรกิจชนะใจลูกค้าได้

การทำการตลาดแบบนี้จำเป็นต้องมีเครื่องมือดีๆ ที่จะเก็บรวบรวมและวิเคราะห์ข้อมูลออกมาได้แม่นยำ ซึ่ง Wisesight มีเครื่องมือวิเคราะห์ข้อมูลโซเชียล อย่างเช่น ZOCIAL EYE ที่ช่วยให้คุณเข้าถึงข้อมูลได้มากขึ้น แล้วนำไปต่อยอดธุรกิจให้เติบโตยิ่งขึ้นกว่าเดิม

อ้างอิง

Case