Marketing4.0 > Big Data & Predictive Model

การตลาดยุค4.0 > Big data & Predictive Model

Bigdata ท่านอดีต ผอ. ศูนย์พาณิชย์อิเล็กทรอนิกส์ กท พาณิชย์ เคยอยากให้ผมพูดเรื่องนี้ ว่าด้วย ข้อมูลลูกค้า คู่แข่ง ยอดขาย ประวัติบริการ ก่อนจะรวมศูนย์ เพื่อแชร์กันใช้ต้องมีการบริการจัดการ โมเดลนี้ของ Bernard Marr ผู้เขียน หนังสือBIG DATA หนังสือดีอีกเล่ม ครับ

 SMART  ก่อนคิดทำ Big Data

1. Strategy เริ่มต้นด้วยการมีกลยุทธ์ว่าจะขับเคลื่อนทิศทางใดก่อน Strategic Move เช่น เปิดตลาดใหม่ สินค้าใหม่ ช่องทางใหม่ หน้าร้านใหม่ บริการที่เป็นเลิศ สร้างความพึงพอใจลูกค้า รวมศูนย์ข้อมูลเพื่อให้รู้เท่าเทียมกัน ระหว่างฝ่ายต่างๆ โดยเฉพาะฝ่ายหน้าด่าน ขาย บริการ หน้าร้าน Call Center 
2. Measure ทำการวัด ตรวจชีพจรธุรกิจ จากตัวชี้วัดต่างๆ มิติต่างๆทั้งทางด้าน การเงิน การตลาด การขาย การรับรู้แบรนด์ ความเข้าใจ ด้านบุคคลากร ความรู้ คุณภาพผลิตภัณฑ์ 
3. Analytics วิเคราะห์ข้อมูลที่ได้มา แยกแยะ คัดกรอง เพื่อหา GAP หรือผลต่างจากที่คาดหวังหรือเป้าหมาย หาสาเหตุ 
4. Report รายงานผล ฟันธง กำหนดทิศทางแนวทางแก้ไขปรับปรุง
5. Transform ดำเนินการปรับเปลี่ยน ปรับปรุง องค์กร เพื่อให้เกิด Alignment กับกลยุทธ์ที่วางไว้

 Big Data > นำไปสู่ โมเดลพยากรณ์ Predictive Model

ตัวอย่าง หากเรานำเอา Segmentation Base  ทั้ง 3 แบบมาสัมพันธ์กับ Customer Journey  ตั้งแต่ก่อนซื้อ ขณะซื้อ หลังซื้อ เพื่อดูว่าตัวชี้วัดเราจะมีอะไรบ้างที่ต้องตรวจนับ 

1 ขั้นตอนแรก  ก่อนซื้อ  คือสร้างการรับรู้ รู้จัก โดยผ่าน  เครื่องมือทางการตลาด เว็บไซด์   สื่อสังคมออน์ไลน์  สื่อมือถือ ผ่าน Mobile Apps  หรือ  Mobile Web       การใช้ Keyword Based เราดูว่า คนเข้าเว็บมาด้วยคำหลักอะไร  มาด้วยคำค้นหาอะไร  เว็บใดอ้างอิงมาให้   ส่วน People Based คือ ดู Social Media # FanPage  #Follower  #Connection  Circle      ในขณะที่ส่วนเชิงพฤติกรรมคือ Behavioral Based (Googleจะเรียก Event ) จะดูจำนวนคนเข้ามา User /Session/Page View, Engagement ใน Social Media   Reach Like  Comment  Share     ดูคน Check-in ดู คนสนใจจนกรอกข้อมูลในแบบตอบรับ และ Conversion  

2.ขั้นตอนตัดสินใจ  ซื้อ ขาย (ระหว่างซื้อ)   ระหว่างคนเข้าหน้าตัดสินใจ  หน้าจอง  หน้า ตะกร้า   เราจะสามารถติดตามลูกค้ากลุ่มนี้ได้ คือกลุ่มที่สนใจผลิตภัณฑ์และกำลังตัดสินใจจะซื้อ  บังเอิญหลุดออกไป เพราะ ลูกค้าร้อง สามีกลับมาที่บ้าน หรือ  ละครดังมาพอดี เลยคาไว้ หลุดออกไปเลยจากหน้าสั่งซื้อหรือหน้ากรอกข้อมูล   เราจะติดตามเข้าเราสามารถติดตั้ง  Remarketing code หรือใส่ใน Google Tag Manager  ในระบบ Keyword Base   หรือ Retargetting  ในระบบ Facebook People Base  โดยฝัง convesion pixel ในหน้านั้น    ส่วน  Look Alike  สมมุติว่าเรามีรายชื่อลูกค้า หรือ Lead คนที่สนใจเรา  มีอีเมล์  หรือมือถือ   FB ID  เราก็สามารถ โหลดรายชื่อนี้เข้าไปแล้วให้ FB หาคนที่มีลักษณะใกล้เคียงลูกค้าเราในสาระบบ FB เอง มันหาให้เราเสร็จ ทำการ Matching  Profile คนใน FB ทั้งหมด ที่มีลักษณะเหมือนกับลูกค้าเรา   ส่วน Behavioural Based  นั้น เราดู , Add-to-cart , Purchase ,Sales History ประวัติการซื้อ  ซื้ออะไร คู่กับอะไร มูลค่าเท่าไร ยอดรวมเท่าไร   

3.หลังซื้อ เป็นขั้นตอนสร้างความภักดีกับลูกค้า โดยเราต้องสามารถสร้าง Predictive Model หรือโมเดลพยากรณ์ได้ว่า  ลูกค้ารายนี้มีมูลค่าหัวเท่าไร  อะไรเป็นตัวแปรที่บ่งชี้ว่า เขาจะซื้อ และซื้อต่อไป  เช่นแม่จะซื้อ ผ้าอ้อมใช้แล้วทิ้ง  Diaper อายุประมาณ 24เดือนสำหรับเด็กหนึ่งคน  ถ้าไม่มีคลอดเด็กใหม่  ก็จะหยุดการใช้  แต่ตัวเลขเฉลี่ยคือแม่มีลูกประมาณ 2 คน  ดั้งนั้น อายุคุณแม่ลูกค้า จะประมาณ   4-5 ปี  จากนั้นจะไม่ใช่ผู้ซื้อแล้ว    ขณะที่เรายังต้องติดตามพฤติกรรมการใช้บริการ  การคืนของ  การทำลายแบรนด์ด้วย การ Complaints ซึ่งเราจะต้องหาทางป้องกัน  ตั้งแต่วันแรก หากเราพยากรณ์พฤติกรรมกลุ่มพวกนี้ได้ก่อน   รวมถึงหากทางป้องกันการสูญเสียลูกค้าเสียก่อน Churn Rate        

Marketing4.0 > Bigdata

การตลาดยุค 4.0 > Big Data รบด้วยข้อมูลลูกค้า 

ยุค Bigdata มาแล้วจร้า ที่ต้อง เริ่มต้นเก็บข้อมูลลูกค้าจากทุกจุดสัมผัสแบรนด์เรากับลูกค้า BrandContact ไม่ว่าเป็น Web ,Mobile, ตกแต่งหน้าร้าน,ใบรับประกัน ,ฝ่ายขาย บัญชี หน้าร้าน บริการ มารวมศูนย์ที่เดียวและ shareให้ ทัพหน้า หนังหน้าไฟ ทั้งหลายที่ต้องติดต่อลูกค้า หรือใช้ เพื่อทำนายพฤติกรรมลูกค้า และ สร้าง CLV. Customer Lifetime Value. ด้วยการทำให้ลูกค้าเห็นคุณค่าแบรนด์ BrandValue เรามากที่สุด ซึ่งประกอบด้วยการนำเสนอ ผลิตภัณฑ์ การดูแลให้บริการ การให้ ความรู้ ช่องทางที่ลูกค้าชอบ สังคมที่ลูกค้ารัก และเสนอราคาที่ใช่    
   

BigData  นั้น เริ่มจาก

1. Input เรามีข้อมูลลูกค้า Customer Profile เช่น เพศ อายุ รายได้ การศึกษา ตำแหน่งงาน ที่อยู่ และข้อมูล เชิงพฤติกรรม ผ่าน การเข้ามาดูใน เว็บ มือถือ ประวัติการซื้อ การใช้บริการ และ ข้อมูล ความภักดี ซึ่งจะได้มาจากฝ่ายต่างๆของบริษัท ทั้ง online+offline โดยเราต้องเข้าถึงลูกค้าถึงจะได้ข้อมูลเขามา
2. Process มาผ่านขบวนการพัฒนา Brand Value เฉพาะกลุ่มเฉพาะตัวลูกค้า ด้วย สื่อสาร กับกลุ่มเป้าหมาย ที่เราเลือกหลายๆกลุ่ม และให้ Content ที่ตรงประเด็นกับแต่ละกลุ่มแต่ละคน ให้ข้อเสนอขายBrand Value ที่ดลใจ เร้าใจ แต่ละกลุ่มแตกต่างกัน และมีโปรแกรมสร้างความภักดี Loyalty Program ที่จูงใจให้ลูกค้าซื้อซ้ำ ชวนญาติเพื่อนมาซื้อ หรือ ซื้อผลิตภัณฑ์ที่ใช้พ่วงด้วยกันหรือข้ามline นี่คือการทำความเข้าใจความต้องการลูกค้า และนำเสนอให้ตรงประเด็น ทั้งผลิตภัณฑ์ Offer Content
3. Output คือทำนายพฤติกรรม ของลูกค้า หรือ Customer Value ทางด้านขวา ว่ามีพฤติกรรมเชิงบวก เช่นชม แชร์ ซื้อ แนะนำบอกต่อ หรือ พฤติกรรมเชิงลบ เช่น Complaint คืนของ กระจายข่าวลือที่เป็นลบ 

กระบวนการหาความสัมพันธ์ดังกล่าวทำให้เราสามารถทำนายพฤติกรรมลูกค้าได้ล่วงหน้าPredictive modelling คัดกรองลูกค้าที่ดี หรือมี Valueมูลค่าหัวสูง ออกมา เพื่อสร้าง Longterm Profitable Relationship ความสัมพันธ์ระยะยาวที่สร้างผลกำไรให้บริษัท เพราะลูกค้าทุกคนมีมูลค่าหัวแตกต่างกัน มีพฤติกรรมที่ส่งเสริมแบรนด์ หรือทำลายแบรนด์ แตกต่างกัน เราจึงจำเป็นต้องรู้ ยกตัวอย่างผมเคยทำกิจกรรม MGM กับธุรกิจมือถือ พบว่า คนที่พึ่งซื้อไปภายใน 3-6 เดือนมีแนวโน้มแนะนำบอกต่อมากกว่าคนที่ซื้อไปนานแล้ว หรือ รถยนต์คนจะเริ่มมองหารถคันใหม่แทนคันเก่าเมื่อ รถมีอายุ 4-5 ปี ทำอย่างไรที่จะติดต่อลูกค้าให้กลับมาโชว์รูมเราใหม่ในช่วงนั้น หรือบ้าน จะมีการเปลี่ยนแปลงจากห้องชุด มาทาวส์โฮม มาบ้านแฝด หรือบ้านเดี่ยว 50 ตรว.ขึ้นไป ตาม Family Lifecycle และบ้านหลังสุดท้ายจะมีตอนอายุ 50-60 ปี ไม่เป็นบ้านจ้างสร้างเอง ก็เป็นบ้านราคาแพง ในสังคมดีๆ การทำโมเดลพยากรณ์จึงมีความสำคัญทำให้เราเข้าใจ พฤติกรรมลูกค้า ที่สร้าง Value ได้ พัฒนา เอาใจลูกค้า นำเสนอ ผลิตภัณฑ์ บริการ ช่องทาง สื่อสาร-บริการ-ขายให้ตรงประเด็น ตรงใจ ตรงเวลา โดยอาศัย Predictive model ทำให้เราคาดการณ์พฤติกรรมลูกค้าได้อย่างแม่นยำ นี่คือมิติใหม่การตลาด4.0 ที่ต้องอาศัยข้อมูลจริงภาคสนามของลูกค้า