Search
A
A
A
Back
Home
Marketing

Marketing

ข่าวและบทความที่เกี่ยวข้อง

All Marketing

PostType Filter En

บทความ
Data for BusinessMovementsShowroom
การใช้ Big Data และ AI ในมุมมองของนักการตลาด
ในยุคที่ข้อมูลกลายเป็นทรัพยากรสำคัญ การใช้ข้อมูลขนาดใหญ่ (Big Data) และปัญญาประดิษฐ์ (AI) กำลังเปลี่ยนแปลงรูปแบบการทำงานของนักการตลาดทั่วโลก โดยเทคโนโลยีทั้งสองนี้ไม่เพียงแค่ช่วยเพิ่มประสิทธิภาพในการวิเคราะห์ข้อมูล แต่ยังช่วยสร้างประสบการณ์ที่ดีและตอบสนองต่อความต้องการของผู้บริโภคได้อย่างตรงจุด ทำไม Big Data และ AI ถึงเป็นตัวเปลี่ยนเกมในงานการตลาด? Big Data คือกุญแจสำคัญที่ช่วยให้นักการตลาดเข้าใจพฤติกรรม และความต้องการของลูกค้าในแบบที่ไม่เคยมีมาก่อน ในขณะที่ AI มาช่วยงานนักวิเคราะห์ข้อมูล ในการเปลี่ยนข้อมูลจำนวนมหาศาลเหล่านี้ ให้กลายเป็นคำตอบและกลยุทธ์ที่ใช้งานได้จริง การใช้ Big Data และ AI ในงานการตลาด มีดังนี้ ความท้าทายในการใช้ Big Data และ AI แม้ว่า Big Data และ AI จะมอบข้อได้เปรียบมากมาย แต่การนำมาใช้ยังมีความท้าทายบางประการ ได้แก่ แนวทางการนำ Big Data และ AI มาใช้ให้เกิดประสิทธิภาพ บทสรุป Big Data และ AI ได้กลายเป็นเครื่องมือที่ขาดไม่ได้สำหรับนักการตลาดในยุคปัจจุบัน การนำเทคโนโลยีเหล่านี้มาใช้ไม่เพียงช่วยเพิ่มประสิทธิภาพในกระบวนการทำงาน แต่ยังช่วยสร้างความสัมพันธ์ที่แข็งแกร่งกับลูกค้าและตอบสนองความต้องการได้อย่างตรงจุด ตัวอย่างที่ประสบความสำเร็จ เช่น Netflix, Amazon, และ Coca-Cola ได้แสดงให้เห็นถึงศักยภาพในการเพิ่มผลลัพธ์ทางธุรกิจผ่านการใช้งานเทคโนโลยีอย่างชาญฉลาด อย่างไรก็ตาม การใช้งานเทคโนโลยีดังกล่าวจำเป็นต้องควบคู่ไปกับการพัฒนาความเข้าใจในด้านข้อมูลและการปฏิบัติตามหลักจริยธรรม เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดในระยะยาว การปรับตัวและการเรียนรู้จากตัวอย่างเหล่านี้จะช่วยให้นักการตลาดสามารถก้าวข้ามความท้าทายและใช้ประโยชน์จาก Big Data และ AI ได้อย่างมีประสิทธิภาพสูงสุดในอนาคต แหล่งที่มา
10 March 2025
Read More

บทความ
Big Data 101
รู้จักกับ RFM Analysis เทคนิคการแบ่งกลุ่มลูกค้าเพื่อวางกลยุทธ์การตลาด พร้อมวิธีทำใน 3 ขั้นตอน
มาทำความรู้จักกับการวิเคราะห์ข้อมูลลูกค้าเพื่อจำแนกกลุ่มลูกค้า โดยวิธีการไม่ซับซ้อนที่เรียกกันว่า RFM Analysis
5 September 2023
Read More

บทความ
Data for Business
การบริหารจัดการข้อมูลเพื่อสร้างยอดขายและการตลาดออนไลน์
แนะนำตัวเอง สวัสดีครับ ชื่อ เกียรติกร เทียนธรรมชาติ ตอนนี้ดำรงตำแหน่ง Managing Director ของบริษัท aDay Fresh ซึ่งเราเป็นเจ้าแรก ๆ ที่ดำเนินกิจการ ผลไม้พรีเมียมดิลิเวอรี ที่ให้ลูกค้าสามารถสั่งกระเช้าผลไม้ผ่านทางออนไลน์ได้ และดำเนินธุรกิจมามากกว่า 8 ปีแล้วครับ ( การบริหารจัดการข้อมูล ) ความภูมิใจ เราได้มอบประสบการณ์การบริการสุดประทับใจให้กับลูกค้าทุกเพศทุกวัย มามากกว่า 8 ปี ในทุกเทศกาลและโอกาสสำคัญ ทั้งในประเทศ และประเทศใกล้เคียง และอีกหนึ่งความภาคภูมิใจนอกเหนือจากการขายผลไม้นำเข้าพรีเมียมคือ เราได้ช่วยเหลือเกษตรกรไทย และงานฝีมือจักรสานของคนไทยด้วยกันเอง เราส่งเสริมให้เกษตรกรและผู้ที่ทำงานฝีมือมีรายได้ รวมถึงสร้างความมั่นคงให้กับแรงงาน ให้สามารถมีรายได้ที่มั่นคง เรามีความตั้งใจนำสิ่งใหม่ ๆ มามอบให้คนไทยได้ลองอยู่เสมอ ทั้งของคนไทยเองและของที่เรานำเข้ามาจากต่างประเทศ อุปสรรคต่าง ๆ ด้วยประสบการณ์ที่ผมเคยเรียนและทำงานประจำเป็นด้าน Computer Science มาเป็นเวลา 6 ปีก่อน ประกอบกับการทำธุรกิจตรงนี้ ทำให้ช่วงแรกไม่มีความรู้ด้านการตลาดมากนัก ก็งู ๆ ปลา ๆ เลยครับ รู้สึกว่าลงทุนหลายอย่างก็ไม่ได้ตามที่ต้องการสักที ทำให้ผมประสบปัญหาด้านการขายอยู่พอสมควรช่วงหนึ่ง จนคิดได้ว่า เราต้องทำอะไรสักอย่างแล้ว ลำพังการยิงโฆษณาออนไลน์แบบไม่มีข้อมูลอะไรหรือไม่รู้ลูกค้าเราอยู่ตรงไหนนั้นไม่เพียงพออีกต่อไป แม้กระทั่งใน LINE Official เราก็ยิงโฆษณาแล้วทำไมไม่มีคนทักมาซื้อเท่าที่ควรเลย จนต้องมานั่งใช้ความคิดอย่างหนักมาก ๆ เพราะธุรกิจผลไม้ เป็นธุรกิจที่ต้องแข่งกับเวลาสูง ด้วยคุณภาพของผลไม้ต้องสดใหม่อยู่เสมอ ถ้าเราไม่สามารถขายสินค้าได้ตามที่เราตั้งเป้าไว้ เท่ากับเราจะขาดทุนลงทุกวัน ๆ แถมยังไม่สามารถคงเครดิตจำนวนผลไม้ที่จะนำเข้าได้อย่างสม่ำเสมออีกด้วย 8 ปีกับความสำเร็จที่ได้มาเพราะการตลาดและ Data พอหลังจากที่ตั้งใจลุยหาหนทางอยู่สักพัก จนเราเริ่มที่จะมุ่งไปที่ลูกค้าประจำของเราก่อนเลย ตอนแรกเรารวบรวมรายชื่อ ที่อยู่ เบอร์โทรศัพท์ วันเกิด ความถี่ในการซื้อ รวมถึงสินค้าที่สั่งบ่อย โดยเรา Export ข้อมูลหรือรายชื่อลูกค้าออกมาจากในระบบ CRM (Customer Relationship Management) ที่เราพัฒนากันเอง ซึ่งตัวระบบจะสามารถทำการฟิลเตอร์ กดดูผลิตภัณฑ์ต่าง ๆ ได้หมดเลย รวมถึงมีการวิเคราะห์ได้ว่าผลไม้ประเภทไหน หรือชนิดไหนขายดี ทำให้เราสามารถศึกษาพฤติกรรมของลูกค้าได้ ผ่านการสรุปผล หรือรายงานที่ได้มาจากระบบนี้ หลังจากนั้นเราก็นำข้อมูลมาจัดกลุ่ม แบ่งหมวดหมู่ คล้ายกับการ Query ใน SQL แต่สะดวกกว่ามาก เราสามารถดูได้เลยว่า บริเวณไหนที่ลูกค้าเราใช้บริการเรามากที่สุด และยีงมีข้อมูลอื่น ๆ ประกอบมาเพิ่มเติมด้วย ทำให้เรารู้ได้ว่า ผลไม้ที่คนไทยชอบคืออะไร ผลไม้ที่คนต่างประเทศชอบคืออะไร คนส่วนใหญ่ชอบกระเช้าประมาณไหน ราคาเท่าไหร่ ที่จะทำให้สินค้าขายออกได้ไว และได้คุณภาพกับลูกค้าที่สุด พอเรารู้สถิติของผลไม้ต่าง ๆ แล้ว เราก็ยังคงทำการวิจัยโดยการเก็บข้อมูลทั้งแบบ Quantitative และ Qualitative ประกอบไปด้วย รวมถึงการสำรวจแนวโน้มความชื่นชอบ และ Hashtags ต่าง ๆ พอเรามีข้อมูลมากพอที่จะนำมาวิเคราะห์อย่างละเอียด เราก็มองเห็นทางสว่างทันที เราก็ได้เดินหน้าออกแบบเซ็ตกระเช้าและของขวัญที่โดนใจหรือรองรับความต้องการของลูกค้าได้ถูกจุด จึงทำให้เราเป็นบริการผลไม้พรีเมียมดิลิเวอรีที่ถูกพูดถึงมากที่สุดเจ้าแรกเลยก็ว่าได้ รวมถึงสถิติต่าง ๆ ที่เราเก็บมาจากการพูดคุยกับลูกค้า ลูกค้าถามหาผลไม้อะไรมาบ้าง ประกอบกับข้อมูลที่เรามีอยู่ ทำให้เราพัฒนาระบบขนส่งเย็น หรือ สั่งด่วนได้เลย รวมถึงเป็นดิลิเวอรีผลไม้ที่ไวที่สุดในตลาดที่สั่งแล้ว ภายใน 1 ชม.ก็สามารถรอรับได้เลย เราบริการถึงที่จริง ๆ โดยลูกค้าสามารถเลือกเวลาการจัดส่งได้ตั้งแต่ 8.00-18.00 หรือบางเคสที่ด่วนมากจริง ๆ เราก็ยินดีบริการถึงช่วงค่ำ บางเคสถึงดึกก็มีครับ ถ้าจังหวะตรงนั้นเราสามารถจัดการให้ได้ จุดพลุให้ธุรกิจเป็นที่มองเห็นด้วย Data เราได้พูดในเรื่องของการปรับปรุงการบริการ และรูปโฉมสินค้าหรือบรรจุภัณฑ์ไปแล้ว ทีนี้เราก็จะมาพูดถึงการจุดพลุให้เป็นที่มองเห็น หรือการทำโฆษณาต่าง ๆ ให้แบรนด์เรามี Awareness มากขึ้นนั่นเอง โดยจุดมุ่งหมายของเราคือการเข้าถึงคนกลุ่มใหม่ ๆ มากขึ้น ซึ่งการยิงโฆษณาใน Social Media ในแต่ละแพลตฟอร์ม ต่างก็มี Algorithm ที่แตกต่างกัน แต่สิ่งหนึ่งที่มีเหมือนกันแล้วเป็นเทคนิคเฉพาะตัวคงเป็นคำถามที่ว่า “ยิงไปหาใคร แล้วจะแน่ใจได้อย่างไรว่า คนที่ยิงไปเป็นกลุ่มที่จะสนใจเรา?” และคำตอบก็คือ ข้อมูล หรือ เซ็ตข้อมูล ต่าง ๆ ในมือนั่นเอง นอกจากนี้เรายังสามารถทำ AB Test ในการยิงโฆษณา ซึ่งเป็นการทดสอบรูปแบบของโฆษณา ทำให้เรารู้ว่าลูกค้าชอบโฆษณาแบบไหน โดยคำว่าโฆษณานั้นจะรวมไปถึงสไตล์รูปภาพ รูปแบบของโพสอย่าง Single Post หรือ Photo Album รวมไปถึงตัวแคปชันด้วยเช่นกัน เพื่อทดสอบจนได้สิ่งที่ใช่ที่สุด ทำให้เราสามารถตัดสินใจได้แม่นยำขึ้น และทำให้ผลลัพธ์ที่ตามมา ก็เป็นไปตามที่คาดไว้จริง ๆ อีกทั้งข้อมูลที่เราได้จากทาง Website ของเราเอง ที่มี User คลิกเข้ามา เราก็สามารถรวบรวม และ Export ออกมาแล้วนำมาทำ SEO (Search Engine Optimization) และ SEM (Search Engine Marketing) ต่อได้กับทาง Google อีก ทำให้จากตอนแรกที่ซบเซา กลายเป็นว่าช่องทางการขายออนไลน์ของเราโตขึ้นมากถึง 125% ยาวไปถึงช่วงโควิด-19 ระบาดเรื่อยมาครับ พนักงานก็ยิ้มออก หายใจโล่งกันเป็นแถว (ยิ้ม) อะไรที่ทำให้ aDay Fresh แตกต่างจากคู่แข่ง ผมคิดว่า นอกจากความใส่ใจแล้ว ผมมองว่า เรามีระบบที่ดีในการรวบรวมข้อมูลเพื่อนำไปต่อยอดได้ทุก ๆ ด้าน ระบบทำการฟิลเตอร์ ที่สามารถกดดูรายละเอียดผลิตภัณฑ์ต่าง ๆ ได้หมดเลย และระบบยังสามารถการวิเคราะห์ผลไม้ขายดีได้อีกด้วย ซึ่งเราสามารถนำผลหรือรายงานที่ได้มา มาทำการตลาดหรือ จัดเซ็ตร่วมกัน เพื่อให้ตอบโจทย์ความต้องการได้มากที่สุด บทส่งท้าย ข้อมูล และ การบริหารจัดการข้อมูล เป็นสิ่งที่สำคัญมาก ๆ ในการนำมาใช้ ไม่ใช่แค่การทำการตลาดแต่สามารถนำไปเป็นเครื่องมือการวิเคราะห์ และทำให้สามารถทำการตัดสินใจด้านอื่น ๆ ได้เป็นอย่างดี ธุรกิจเป็นอะไรที่ไม่มีสูตรตายตัว 100% รวมถึงการตลาดด้วยเช่นกัน เพราะแนวโน้มความชื่นชอบของลูกค้ามีการเปลี่ยนแปลงอยู่ตลอดตามยุคสมัย แต่สิ่งหนึ่งที่จะไม่มีวันเปลี่ยนเลยคือ ฐานข้อมูล เพราะนั่นคือความจริงที่สามารถวิเคราะห์ความน่าจะเป็นในช่วงเวลานั้น เวลาอันใกล้ และอนาคตได้ดีที่สุด แบบไม่ต้องพึ่งหมอดูเลยครับ เนื้อหาโดย เกียรติกร เทียนธรรมชาติตรวจทานและปรับปรุงโดย เมธิยาภาวิ์ ศรีมนตรินนท์
13 December 2022
Read More

บทความ
Data for Business
ประกัน Data ของบริษัทประกัน - ไม่ใช่แค่ชีวิตกับสุขภาพ... เราต้องดูแลไปจนถึง Privacy
“Data is new Oil” น้ำมันคือสสารจากซากสิ่งมีชีวิตที่นอนหลับไหลใต้ผืนโลกแสนนาน ของเหลวสีดำ ๆ ที่มนุษย์เมื่อหลายร้อยปีที่แล้วจินตนาการไม่ออกเลยว่ามันมีค่ายังไง แต่ทุกวันนี้ ทรัพยากรตัวนี้สร้างความตื่นตาตื่นใจ มันกลายเป็นแหล่งพลังงานให้พวกเราดำเนินชีวิตที่ดีและสบายขึ้นทุก ๆ วัน และก็เพราะน้ำมันสีดำ ๆ นี่แหล่ะ ที่ส่งมนุษย์ไปถึงดวงจันทร์ ( ประโยชน์ของข้อมูล ) ทุกคนในยุคนี้ก็ต่างเชื่อว่า ข้อมูลที่หลับไหลอยู่มากมาย ทั้งในโซเชียล ในฐานข้อมูลองค์กรต่างๆ น่าจะยิ่งมีค่าเป็นทวีคูณยิ่งกว่าน้ำมัน และถ้าเป็นข้อมูลส่วนบุคคลยิ่งจะกลายเป็นทรัพยากรที่สำคัญมาก ๆ ผู้เขียนขอไม่ลงรายละเอียดว่า จะต้องเอาข้อมูลไปทำยังไงถึงสร้างความตื่นตาตื่นใจได้ แต่วันนี้เราจะพุดถึง บริษัทต่าง ๆ โดยเฉพาะบริษัทประกันชีวิต ที่นอกจากต้องดูแลชีวิต สุขภาพของลูกค้า เราจะรับประกันข้อมูลของพวกเราให้ปลอดภัยได้ยังไง    ผมทำงานในฝ่าย IT มาเกินสิบปี เคยสร้างระบบ Application ให้ทั้งธนาคาร บริษัทรถยนต์ บริษัทหลักทรัพย์ของทั้งที่ไทย ญี่ปุ่น และตอนนี้ก็ทั้งสร้างและดูแล Application ให้บริษัทประกันที่ใหญ่ที่สุดในประเทศไทย ความพิเศษของข้อมูลในบริษัทประกันชีวิตคือ นอกจากเราต้องรับผิดชอบข้อมูลของลูกค้า ในหลายกรณีมันจะพ่วงไปถึงข้อมูลลูก หลาน พ่อแม่ คู่สมรสของพวกเขาด้วย (เพราะธุรกิจประกันชีวิตหลายกรณี จะครอบคลุมการคุ้มครองเกินไปกว่าแค่ผู้ถือกรมธรรม์) อย่างช่วงกลางปีที่ผ่านมา ที่ในที่สุดรัฐบาลก็ประกาศใช้กฎหมาย PDPA ออกมา (รอนานยิ่งกว่าถ่ายบอลโลกก็กฎหมายอันนี้ล่ะ) ยิ่งทำให้ทั้งฝ่าย Marketing ฝ่ายกฎหมาย Compliance ฝ่าย Operation หรือ IT ต้องคุยกันเยอะมาก ไม่ว่าจะเป็นตั้งแต่เรื่องการขอคำยินยอมจากลูกค้าผู้ถือกรมธรรม์ในการให้ข้อมูลส่วนตัว ที่ต้องคิดไปถึงว่า แล้วหากพวกเขามีลูกเล็ก ๆ มีคุณพ่อคุณแม่อายุมาก ๆ เราจะจัดการยังไง หรือแม้แต่พนักงาน IT ของบริษัทประกันเอง ก็ใช่ว่าจะหมายความว่าทุกคนจะเข้าถึงหรือเห็นข้อมูลของลูกค้าได้ โชคดีที่เรานำเทคโนโลยีหรือ Program Tools อย่าง SecuPi ที่สามารถระบุได้ว่าต้องการทำ Masking ข้อมูลตัวไหน และเรายังกำหนดได้ถึงขนาดว่า Users แต่ละรายว่าให้ใครดูข้อมูลได้บ้าง ดูได้ถึงแค่ไหน ยกตัวอย่างให้ชัดเจนกว่านี้ อย่างเช่นระบบการจัดการกรมธรรม์ ส่วนใหญ่บริษัทประกันจะมี Core System ที่สามารถทำได้ตั้งแต่รับ Quotation เข้ามา การทำ Billing การพิจารณารับประกัน (Underwriting) หรือทำไปถึงกระบวนการออกกรมธรรม์ แก้ไข หรือยกเลิกกรมธรรม์ ฝ่ายที่เกี่ยวข้องก็มีมากมายไม่ว่าจะเป็น Cashier, Underwrite หรือฝ่าย Operation ขนาดบางที พวกนักคณิตศาสตร์ประกันภัย (Actuarial) ยังมาเอี่ยวด้วยเลย แต่หากเราเปิดโอกาสให้ Users จากหลากหลายฝ่าย เข้าไปดูไปเห็น ข้อมูลส่วนตัวของลูกค้าได้ แม้จะบางส่วน บางทีมันก็ใช่ว่าจะปลอดภัย ผู้เขียนเองก็ชื่นชอบกับระบบ และความตั้งใจที่เราแคร์เรื่องดาต้าถึงในระดับคนทำงาน ยังไม่พอ เมื่อสิบปีที่แล้ว คนทำงานสายการเงินหรือองค์กรใหญ่ ๆ ในประเทศไทย ต่างตั้งคำถามและถกเถียงกันมากว่า การเอาข้อมูลส่วนตัวลูกค้าของเราไปไว้บน Cloud มันจะโอเคไหม แต่ถึงวันนี้แทบจะชัดเจนไปแล้วว่า เกือบจะทุกองค์กรต่างย้ายข้อมูล ตัว Application System ไปอยู่บนเจ้าก้อนเมฆ Cloud กันหมดแล้ว ผู้เชี่ยวชาญ ด้าน DX =Digital Transformation ยกตัวอย่างสองสามเรื่อง ที่แม้แต่องค์กรเล็ก ๆ หรือ SME ก็ควรต้องทำ เช่น Digital Marketing – Social Media หรือการวิ่งลุยบริการลูกค้าใน Mobile Application และอีกเรื่องที่ไม่ควรพลาดคือ การเอาระบบและข้อมูลของเราไปสู่ Cloud เนี่ยแหล่ะ! (เหล่าผู้เชี่ยวชาญ ที่ปรึกษา IT มักจะบอกว่าทำเรื่องข้างต้นให้เสร็จก่อนถัดจากนั้นค่อยไปสู่ Data Analytics, AI หรือการใช้ Blockchain) แน่นอน บริษัทของผู้เขียนเองก็ทำเรื่อง Cloud Computing มาครึ่งศตวรรษแล้ว แต่การขึ้น Cloud ได้อะไรมากกว่าที่เราคิด! หากเราใช้บริการกับ Provider เจ้าใหญ่ ๆ เช่น AWS Azure Google พวกเขามี service ที่มากกว่าแค่การจัดเก็บข้อมูลมากมาย การเปลี่ยนขนาด Disk CPU ที่แสนจะง่ายราวแทบจะแค่ดีดนิ้ว การมี Service ETL (เช่น Azure Data Factory) ที่ทรงพลังขึ้น หรือการควบคุมสิทธิการเข้าถึงข้อมูล ของแต่ละ database (มันอยู่คนละระดับกับ SecuPi ที่พูดก่อนหน้า) ผมเชื่อว่า ในอนาคตอันใกล้ ข้อมูล จะมีค่าขึ้นเรื่อย ๆ ยิ่งถ้าเป็นข้อมูลส่วนบุคคล มันจะเป็นเสมือนกับขุมทรัพย์บ่อน้ำมัน ไม่แปลกใจเลยที่ทุกธุรกิจจะรักษาดาต้าเหล่านี้และจะใช้มันเพื่อพัฒนาองค์กร ตรงข้ามกับความรู้ ประสบการณ์ที่ผมเชื่อว่ามันควรจะเข้าถึงง่ายและราคาถูกลงเรื่อย ๆ นั่นเป็นเหตุผลที่ผมพยายามแชร์เรื่องราว กับความรู้ให้กับทุกท่าน มากเท่าที่สุดเท่าที่จะทำได้ แน่นอน บริษัทของผู้เขียนเองก็ทำเรื่อง Cloud Computing มาครึ่งศตวรรษแล้ว แต่การขึ้น Cloud ได้อะไรมากกว่าที่เราคิด! หากเราใช้บริการกับ Provider เจ้าใหญ่ ๆ เช่น AWS Azure Google พวกเขามี Service ที่มากกว่าแค่การจัดเก็บข้อมูลมากมาย การเปลี่ยนขนาด Disk CPU ที่แสนจะง่ายราวแทบจะแค่ดีดนิ้ว การมี Service ETL (เช่น Azure Data Factory) ที่ทรงพลังขึ้น หรือการควบคุมสิทธิการเข้าถึงข้อมูล ของแต่ละ database (มันอยู่คนละระดับกับ SecuPi ที่พูดก่อนหน้า) และหวังว่าถ้ามีโอกาส ไว้ผู้เขียนจะแชร์เรื่องอื่น ๆ อาจจะเป็น Data Analytics AI หรือ System Development ให้ฟังนะครับ ( ประโยชน์ของข้อมูล ) เนื้อหาโดย วิน เวธิตตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์
16 November 2022
Read More

บทความ
Data for Business
เพิ่มมูลค่าธุรกิจด้วยกลยุทธ์ที่ขับเคลื่อนด้วยข้อมูล
ในขณะที่ทุกองค์กรต่างกำลังเก็บรวบรวมข้อมูล แต่มีเพียงไม่กี่แห่งเท่านั้นที่จะขับเคลื่อนองค์กรด้วยข้อมูลจริง ๆ และนี่คือ 5 เหตุผลที่ข้อมูลสามารถเปลี่ยนแปลงธุรกิจของคุณได้ ( กลยุทธ์ ที่ขับเคลื่อนด้วยข้อมูล ) ทุกบริษัทกำลังเก็บรวบรวมข้อมูลในหลาย ๆ ด้าน ไม่ว่าจะเป็นข้อมูลด้านพฤติกรรมการซื้อของผู้บริโภค ข้อมูลด้านประชากรจากแหล่งบุคคลภายนอก หรือข้อมูลเชิงลึกจากรูปแบบสภาพอากาศ สิ่งนี้ถือว่าเป็นข่าวดี เพราะที่ผ่านมาข้อมูลที่สำคัญเหล่านี้มักถูกมองข้าม เท่านั้นยังไม่พอ บริษัทต้องใช้ข้อมูลในการขับเคลื่อนธุรกิจในทุก ๆ ภาคส่วนอีกด้วย จากการแบบสำรวจล่าสุดของ PwC ที่สหรัฐอเมริกา (PwC U.S. Cloud Business Survey) พบว่ามีผู้บริหารเพียง 34% เท่านั้นที่มีการตัดสินใจที่ดีจากการวิเคราะห์ข้อมูล ทำให้พวกเขาสามารถบรรลุเป้าหมาย และผลลัพธ์ทางธุรกิจของพวกเขาได้ และมีเพียง 16% เท่านั้นที่มองว่าข้อมูลมีมูลค่ามหาศาล และสามารถนำไปใช้ประโยชน์ได้จริง แล้วอะไรล่ะ ที่รั้งบริษัทเหล่านี้ไว้? หลายบริษัทมีหนี้สินจากการลงทุนด้านเทคโนโลยี ซึ่งหนี้จากการลงทุนนี้ก็มีการสะสมและเพิ่มขึ้นเรื่อย ๆ เพราะพวกเขาก็ไม่อยากทิ้งสิ่งที่เขาลงทุนไปกับระบบดั้งเดิม ทำให้พวกเขาตามนวัตกรรมและเทคโนโลยีใหม่ ๆ ที่เข้าสู่ตลาดไม่ทัน พวกเขาจึงกังวลว่าธุรกิจของตนจะไม่สามารถรับมือกับการเปลี่ยนแปลงได้ รวมถึงคนในบริษัทก็ยังขาดความรู้ในเรื่องการวิเคราะห์ข้อมูล ทำให้พนักงานหลายคนต้องเจอกับปัญหาในการตัดสินใจจากการวิเคราะห์ข้อมูล และการนำข้อมูลเชิงลึกมาวิเคราะห์ เพื่อให้เกิดประโยชน์อย่างแท้จริง 5 เหตุผลที่ข้อมูลสามารถเปลี่ยนแปลงธุรกิจของคุณได้ ถ้าองค์กรมีเป้าหมายที่จะทำให้บริษัททันสมัย และต้องการทำให้สำเร็จ บริษัทจะต้องลงทุนในเทคโนโลยี และน้อมรับการเปลี่ยนแปลงโดยเฉพาะในเรื่องของข้อมูล ซึ่งจะทำให้บริษัทของคุณมีประสิทธิภาพ และประสิทธิผลมากขึ้น พร้อมที่จะตอบรับการเปลี่ยนแปลงได้มากขึ้น และนี่คือ 5 วิธีที่ข้อมูลสามารถสร้างมูลค่าให้กับธุรกิจของคุณได้ 1. สร้างประสบการณ์ที่ตอบโจทย์ลูกค้ารายบุคคลทั้งในโลกความเป็นจริงและโลกเสมือน เกือบทุกบริษัทที่ต้องการสร้าง Personalized Experiences หรือสร้างประสบการณ์ที่ตอบโจทย์ลูกค้ารายบุคคล ซึ่งวิธีเดียวที่ทำได้คือการใช้ข้อมูลลูกค้าจำนวนมาก ไม่ว่าจะเป็นการได้รับข้อมูลจากผู้บริโภคเองโดยตรง หรือใช้ข้อมูลจากบุคคลภายนอกที่รวบรวมโดยองค์กรหรือกลุ่มบริษัทด้านข้อมูลอื่น ๆ สิ่งนี้เองทำให้ร้านค้าขายปลีกรายใหญ่บางรายรู้ว่าลูกค้าต้องการอะไร และก็เลือกนำสินค้าเหล่านั้นมาวางไว้ด้านหน้า ไม่ว่าจะเป็นในโฆษณาหรือหน้าร้านออนไลน์ของพวกเขา ซึ่งนี่ก็เป็นเพียงจุดเริ่มต้นของการทำ กลยุทธ์ Personalized Experiences จากข้อมูล ในโลกเสมือนอย่าง Metaverse จะเป็นพื้นที่แห่งใหม่ในการสร้าง Personalized Experiences ที่สามารถให้ประสบการณ์กับลูกค้าได้ดีขึ้นไปอีกระดับ ซึ่งต่างจากโลกจริงที่ร้านค้านำผลิตภัณฑ์มาวางขายให้กับทุกคน บริษัทที่รู้จักลูกค้าของตนเองเป็นอย่างดีสามารถสร้างโลกออนไลน์ที่แสดงแต่สินค้าที่ลูกค้าสนใจเป็นพิเศษ ลูกค้าสามารถเลือกซื้อเสื้อผ้าที่มีเฉพาะสไตล์และสีที่พวกเขาชอบ โดยเป้าหมายสูงสุดคือการให้ Personalized Experiences กับลูกค้า เพื่อให้ลูกค้าเกิดความชื่นชอบในตัวแบรนด์ 2. สร้างรายได้ใหม่ผ่านทางการเปลี่ยนข้อมูลเป็นเงิน หลายคนมักให้ความเห็นว่า Data is the new oil ที่เป็นการเปรียบเปรียบว่าข้อมูลเป็นแหล่งวัตถุดิบสำคัญสำหรับเครื่องจักรในการผลิตเพื่อสร้างรายได้ ซึ่งหลายคนก็เป็นเห็นตรงกันว่าเป็นเรื่องจริง เมื่อบริษัทของลูกค้าเราสามารถสร้างรายได้จากข้อมูลที่พวกเขาเก็บข้อมูลมา ซึ่งแน่นอนว่าการสร้างรายได้จากข้อมูลภายในบริษัทนั้นสำคัญเป็นสิ่งที่ต้องทำ แต่การสร้างรายได้จากข้อมูลภายนอกก็สำคัญเช่นกัน เพราะจะทำให้ธุรกิจขยายตัวได้อย่างรวดเร็ว เพื่อประสิทธิภาพสูงสุด บริษัทจำเป็นต้องปรับปรุงวิธีการเก็บรวบรวมข้อมูลของตนพร้อมกับคุณภาพข้อมูลที่ดีขึ้น รวมถึงปฏิบัติตามข้อบังคับด้านความเป็นส่วนตัว และพวกเขาต้องสร้างข้อมูลเชิงลึกที่พิเศษไม่เหมือนใคร เมื่อการแบ่งปันข้อมูลระหว่างแผนกหรือบริษัทกลายเป็นเรื่องที่ทำประจำ บริษัทแพลตฟอร์มเทคโนโลยีกำลังรวบรวมข้อมูลจากอุตสาหกรรมต่าง ๆ เพื่อสร้างชุดข้อมูลที่เป็นมุมมองลูกค้า 360 องศาที่พวกเขาไม่สามารถเก็บมาได้เองทั้งหมด ตัวอย่างเช่น ธนาคารรายใหญ่กับร้านค้าทำงานร่วมกัน เพื่อดูว่าธุรกรรมการเงินส่งผลต่อพฤติกรรมการซื้ออย่างไร แน่นอนว่าข้อมูลเหล่านี้มีมูลค่าสำหรับร้านค้า แต่หลังจากนั้นพวกเขาสามารถขายข้อมูลนั้นให้กับผู้ให้บริการด้านสาธารณสุข ซึ่งจะใช้ประโยชน์จากข้อมูลนี้ในการติดตามพฤติกรรมการบริโภคอาหารและมีอิทธิพลต่อสุขภาพและคุณภาพความเป็นอยู่ของชีวิตได้ 3. เพิ่มอำนาจการตัดสินใจแบบยั่งยืน ปัญหาทางสภาพแวดล้อม สังคม และการปกครอง (ESG) ทำให้บริษัทต้องคิดหาวิธีทำธุรกิจของตนใหม่ ไม่ว่าจะเป็นการวางแผนตัดสินใจเรื่องสถานที่ตั้งอาคาร กระบวนการผลิตในอนาคต หรือจำนวนประกันภัยที่ต้องซื้อ เกือบทุกด้านของการดำเนินการธุรกิจจะได้รับผลกระทบจาก ESG  เครื่องมือปัญญาประดิษฐ์ ซึ่งสามารถย่อยและวิเคราะห์ข้อมูลได้ทุกชนิด เช่น รูปแบบสภาพอากาศ เส้นทางจัดส่งที่เหมาะสมที่สุด และแนวโน้มการเติบโตของประชากร ซึ่งถือว่าเป็นกำลังสำคัญที่ช่วยให้บริษัททำการตัดสินใจด้าน ESG ได้ดีขึ้น ตัวอย่างเช่น หลายบริษัทกำลังใช้ข้อมูลเพื่อดูว่าสถานที่ในการสร้างคลังสินค้า โดยดูว่าการเปลี่ยนแปลงสภาพอากาศจะส่งผลกระทบต่อการปฏิบัติการเหล่านั้นหรือไม่ บริษัทหลายแห่งกำลังใช้ข้อมูลเพื่อลดคาร์บอนฟุตพริ้นท์ ตัวอย่างเช่น บริษัทผงซักฟอกรายใหญ่ต้องการลดการปล่อยคาร์บอนโดยลดขนาดบรรจุภัณฑ์ แต่ก็เพิ่มความเข้มข้นของผงซักฟอกเพื่อผู้บริโภคสามารถซักเสื้อผ้าในปริมาณเท่าเดิมได้ ผู้ค้าปลีกบอกว่าแม้จะมีประสิทธิภาพเท่าเดิม แต่ขนาดที่เล็กกว่าอาจไม่สามารถทำให้เกิดยอดขายได้เพราะผู้บริโภคคิดว่าบรรจุภัณฑ์ที่ใหญ่กว่านั้นคุ้มค่ากว่า  แทนที่จะยังคงใช้บรรจุภัณฑ์ขนาดใหญ่ ผู้ค้าปลีกทำให้ผู้ผลิตผงซักฟอกทุกรายลดขนาดบรรจุภัณฑ์ของตนลงได้โดยแสดงให้เห็นว่าสามารถรักษาจำนวนการซักผ้าไว้เท่าเดิมได้ในขนากบรรจุภัณฑ์ที่เล็กกว่า ขณะเดียวกันก็มีความยั่งยืนเพิ่มขึ้น สิ่งนี้พิสูจน์ถึงพลังแห่งการวิเคราะห์ข้อมูล—บริษัทจึงพยายามชักจูงให้บริษัทในอุตสาหกรรมเดียวกันลดการปล่อยคาร์บอนโดยการใช้การตัดสินใจที่เกิดจากการวิเคราะห์ข้อมูล 4. เพิ่มประสิทธิภาพในการผลิต ในยุคดิจิทัลที่ทุกคนให้ความสำคัญในเรื่องของความแม่นยำระดับสูง โดยการรวบรวม วิเคราะห์ และใช้ประโยชน์ข้อมูลที่มีคุณภาพที่ถูกต้องในเวลาที่เหมาะสม เพื่อประเมิน คาดการณ์ และกำหนดการตัดสินใจ ที่ทำให้บริษัทสามารถเพิ่มผลผลิตและมูลค่าของทรัพยกรที่มีให้ได้มากที่สุด ตัวอย่างเช่น ZF ผู้จัดจำหน่ายยานยนต์ระดับโลก ต้องการเปรียบเทียบประสิทธิภาพระหว่างโรงงานหลายแห่ง จึงได้สร้างโปรแกรมการผลิตแบบดิจิทัล โดยสร้างในระบบคลาวด์ของ Azure ด้วย Factory Intelligence ของ PwC เพื่อวิเคราะห์ข้อมูลการทำงานระหว่างสถานที่แต่ละแห่ง ซึ่งใช้การวิเคราะห์ขั้นสูง การเปลี่ยนข้อมูลเป็นภาพ และระบบการทำงานแบบอัตโนมัติ ทั้งหมดนี้จะทำให้บริษัทได้ลดต้นทุนแปรสภาพ ปรับปรุงสมรรถภาพโดยรวม และเพิ่มประสิทธิภาพแรงงาน และประสิทธิผลตลอดทั่วโรงงานมากกว่า 200 แห่ง 5. ส่งเสริมการนำนวัตกรรมในการสร้างผลิตภัณฑ์หรือบริการ เมื่อเป็นเรื่องของการสร้างผลิตภัณฑ์และบริการใหม่ ๆ ข้อมูลสามารถเป็นตัวพลิกเกมได้ เพราะยิ่งคุณรู้ข้อมูลเกี่ยวกับลูกค้ามากเท่าไร คุณก็จะสามารถเห็นภาพผลิตภัณฑ์ที่ลูกค้าอาจต้องการได้ชัดขึ้น อย่างไรก็ตาม บริษัทจำเป็นต้องไปไกลกว่าแค่ Big Data (ข้อมูลขนาดใหญ่) และเริ่มมองหาสิ่งที่เรียกว่า “Thick Data” (ข้อมูลหนาแน่น) เพื่อจะชักจูงการใช้ผลิตภัณฑ์และบริการได้อย่างมีประสิทธิภาพผ่านการออกแบบที่มนุษย์เป็นศูนย์กลาง (Human-centric Design) ขณะที่ข้อมูลขนาดใหญ่เป็นเรื่องเกี่ยวกับการหาว่าผู้คนใช้เงินกับสิ่งใด พวกเขาซื้อของเมื่อไหร่ และพวกเขาใช้จ่ายไปเท่าไหร่ ข้อมูลหนาแน่นมุ่งเน้นที่พฤติกรรมของมนุษย์และเจาะลึกไปที่แรงจูงใจของคนในการซื้อบางสิ่ง รวมถึงวิธีที่พวกเขาใช้ผลิตภัณฑ์ ตัวอย่างเช่น บริษัทสินเชื่อมักจะระบุการโกงโดยดูที่แบบแผนธุรกรรมที่ผิดปกติ แต่การรวบรวมข้อมูลหนาแน่นเกี่ยวกับลูกค้าที่ได้รับผลกระทบจากการโกงและพฤติกรรมของนักต้มตุ๋นสามารถนำมาซึ่งความซับซ้อนระดับใหม่ จากการสัมภาษณ์ผู้คนที่ทำการโกงและหาแรงจูงใจกับรูปแบบพฤติกรรมของพวกเขา ข้อมูลเชิงลึกเหล่านั้นสามารถนำมาใช้ร่วมกับการวิเคราะห์ติดตามการโกงแบบดั้งเดิม การรวมกันนี้ช่วยให้บริษัทสามารถคาดการณ์ได้ว่าจะเกิดการโกงเมื่อไรก่อนที่จะเกิดขึ้นจริง ซึ่งนำไปสู่วิธีแก้ปัญหาการโกงที่ดีขึ้นได้ในที่สุด เมื่อนำผู้เชี่ยวชาญด้านข้อมูลและเทคโนโลยีมาเจอกัน การบรรลุผลลัพธ์ที่มีมูลค่าสูงจะต้องใช้วิธีแก้ปัญหาแบบใหม่และวิธีการเข้าถึงข้อมูลที่แตกต่างออกไป  จากนี้คุณจะต้องคิดว่าข้อมูลของคุณจะบอกอะไรได้บ้าง จากการทำงานร่วมกันของ PwC และ Microsoft จะเห็นได้เลยว่าเป็นเรื่องท้าทายแค่ไหนสำหรับธุรกิจที่จะเข้าใจว่า “ขับเคลื่อนด้วยข้อมูล” มันเป็นอย่างไร ธุรกิจหลายแห่งเชื่อว่าเพียงเก็บรวบรวมข้อมูลและเปลี่ยนออกมาเป็นตัวเลขโดยเครื่องมือการเปลี่ยนข้อมูลเป็นภาพนั้นเพียงพอแล้ว ขณะที่การวิเคราะห์แบบพื้นฐานสามารถช่วยคุณได้ข้อมูลของบางสิ่งที่เกิดขึ้นไปแล้ว ข้อมูลชนิดนี้ เมื่อทำมาจับคู่กับการปฏิบัติและผลลัพธ์จริง สามารถช่วยคุณประเมินสิ่งที่อาจเกิดขึ้นได้ในอนาคตและบอกคุณว่าคุณสามารถทำอะไรได้บ้างกับปัญหาก่อนที่มันจะเกิดขึ้น บทความโดย Matt Hobbsarchive & Anil Nagarajarchiveเนื้อหาจากบทความของ MIT Technology Reviewแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย เมธิยาภาวิ์ ศรีมนตรินนท์
14 November 2022
Read More

บทความ
Data for Business
3 ตัวชี้วัดหลักของ E-commerce จะช่วยในการวิเคราะห์ข้อมูลของคุณได้อย่างไร
ทุกคนคงรู้ดีว่า E-commerce เป็นวงการที่โหดเหี้ยมและจะยิ่งมีการแข่งขันสูงขึ้นเรื่อย ๆ จากเหตุการณ์โรคระบาดที่ทุกคนออกไปไหนไม่ได้ ทำให้ยอดขายผ่านทาง E-commerce เติบโตขึ้นอย่างรวดเร็วในเวลาเพียงสามเดือน ซึ่งเทียบได้กับการเติบโตเมื่อ 10 ปีที่ผ่านมา และก็ไม่มีแนวโน้มว่าอัตราการเติบโตจะลดลงเลย แต่นั่นก็ไม่ได้แปลว่ากลุ่มผู้ประกอบการรายย่อยนั้นจะขายสินค้าได้ง่ายขึ้น (E-commerce และการวิเคราะห์ข้อมูล) ร้านค้าออนไลน์ประสบปัญหาเนื่องจากการแข่งขันที่สูงขึ้นและลูกค้าประจำลดฮวบลง ในขณะที่นักช้อปออนไลน์มักจะถูกจูงใจได้ง่าย ๆ ด้วยปัจจัยทางด้านราคาและระยะเวลาในการจัดส่ง  รวมไปถึงโจทย์ใหญ่ ๆ เช่น การสร้างประสบการณ์ที่ดีให้กับลูกค้าและการช่วยเหลือลูกค้า จึงไม่มีช่วงเวลาไหนเลยที่ผู้ประกอบการจะได้พักให้หายเหนื่อยได้เลย ดังนั้นการวิเคราะห์ข้อมูลจึงมีบทบาทสำคัญต่อความสำเร็จในการทำ E-commerce ผู้ประกอบการจำเป็นต้องทราบว่าขณะนี้ร้านมียอดขายเพิ่มขึ้นหรือลดลง ลูกค้าเข้ามาหามากที่สุดในช่องทางไหน ลูกค้ากลุ่มไหนที่ใช้เงินมากที่สุดหรือเป็นลูกค้าประจำ ฯลฯ แต่การวิเคราะห์ข้อมูลก็ไม่สามารถเกิดขึ้นได้ถ้าไม่มีข้อมูล ดังนั้นผู้ประกอบการจึงจำเป็นต้องติดตามผลและเก็บข้อมูลตัวชี้วัดของอีคอมเมิร์ซหรือ E-commerce Metrics ที่ถูกต้องเพื่อให้นักวิเคราะห์สามารถนำข้อมูลมาใช้ได้ ไม่เช่นนั้นคุณจะไม่รู้ว่าอะไรที่คุณทำถูกแล้ว (หรือทำไม่ถูก) และระบุได้ว่าจะต้องเปลี่ยนแปลงอะไรเพื่อเพิ่มรายได้และทำผลกำไรให้ดีขึ้น แต่ละบริษัทอาจมีตัววัดที่ตอบโจทย์เป้าหมายธุรกิจที่แตกต่างกัน แต่ก็มีตัวชี้วัดบางตัวที่มักจะเป็นตัวชี้วัดหลักที่ใช้ได้กับเกือบทุกรูปแบบธุรกิจ ซึ่งตัวชี้วัดเหล่านี้จำเป็นอย่างยิ่งต่อความสำเร็จในการวิเคราะห์ข้อมูล และตัวชี้วัดต่อไปนี้ก็คือตัววัดประสิทธิภาพธุรกิจที่ธุรกิจ E-commerce ทุกรายควรติดตามผล เพื่อให้เราได้ข้อมูลที่สามารถนำไปใช้ต่อได้และเกิดความเข้าใจเชิงลึกในข้อมูล 1. มูลค่าคำสั่งซื้อโดยเฉลี่ย (Average Order Value) มูลค่าคำสั่งซื้อโดยเฉลี่ย หรือ Average Order Value (AOV) หมายถึงจำนวนเงินเฉลี่ยของคำสั่งซื้อแต่ละยอดในเว็บไซต์หรือแอปมือถือของคุณ  มันเป็นวิธีที่ยอดเยี่ยมในการติดตามผลรายได้เนื่องจากมันหารรายได้ของคุณตามคำสั่งซื้อ จึงเป็นการโฟกัสที่รายได้ต่อธุรกรรมแทนที่จะเป็นจำนวนธุรกรรมที่เกิดขึ้นหรือจำนวนเงินที่คุณได้ เพราะยอดขายอาจทำให้ผู้ประกอบการเข้าใจผิดได้ เนื่องจากบางทียอดขายทำให้คุณรู้สึกว่าคุณขายได้เยอะ แต่ว่าแต่ละรายการนั้นได้จำนวนเงินที่ต่ำมาก AOV ช่วยให้คุณมองเห็นภาพชัดเจนของแนวโน้มรายได้ของคุณ AOV ช่วยให้นักวิทยาศาสตร์ข้อมูลให้ข้อมูลประกอบการตัดสินใจที่สำคัญในบริษัทอีคอมเมิร์ซ เช่นจะเพิ่มหรือลดราคาหรือเปลี่ยนทิศทางการทำการตลาดไปดึงดูดกลุ่มลูกค้าที่มีกำลังจ่ายสูงขึ้น AOV ที่ต่ำอาจเป็นสัญญาณว่าคุณต้องเพิ่มมูลค่าต่อคำสั่งซื้อ ตัวอย่างเช่น กำหนดยอดซื้อขั้นต่ำที่จะได้การจัดส่งฟรี เพื่อกระตุ้นให้ผู้ซื้อเพิ่มรายการสินค้าสองสามอย่างลงตะกร้าหรือนำเสนอชุดสินค้าหลายอย่างรวมกันที่มีมูลค่าสูงกว่าเพื่อจะกระตุ้นให้ลูกค้าใช้เงินมากขึ้นอีกนิดในแต่ละคำสั่งซื้อ นอกจากนี้ AOV ยังเป็นตัววัดที่สำคัญสำหรับการคำนวณต้นทุนและค่าใช้จ่าย  ตัวอย่างเช่น ถ้า AOV ของคุณสูงแต่ผลกำไรโดยรวมต่ำ นั่นอาจเป็นสัญญาณว่าบริษัทของคุณใช้เงินมากเกินไปในการหาลูกค้าแต่ละราย  มีเพียงข้อมูลเท่านั้นที่บอกคุณได้ ซึ่งสิ่งนี้จะนำไปสู่ตัวชี้วัดถัดไปของเรา 2. ต้นทุนในการหาลูกค้า (Customer Acquisition Cost) ต้นทุนในการหาลูกค้า หรือ Customer Acquisition Cost (CAC) เป็นการวัดจำนวนเงินที่คุณใช้ในการดึงดูดลูกค้าใหม่แต่ละราย คุณสามารถคำนวณได้โดยการหารค่าการตลาดทั้งหมดด้วยจำนวนลูกค้าใหม่ในช่วงระยะเวลาหนึ่ง CAC เป็นวิธีที่สำคัญในการติดตามผลความสำเร็จของการตลาดของคุณและเป็นตัวตัดสินใจว่าคุณจะใช้เงินไปกับการหาลูกค้าใหม่เท่าไร ถ้า CAC ของคุณสูงเกินไป อาจทำให้ทำกำไรได้ยาก โดยเฉพาะอย่างยิ่งถ้า AOV ของคุณต่ำด้วย แต่สำคัญที่ผู้ประกอบการต้องจำไว้ว่าต้นทุนในการหาลูกค้าที่สูงไม่ใช่เป็นสัญญาณเตือนเสมอไป ถ้าลูกค้าของคุณมีกำลังจ่ายสูงและเป็นลูกค้าประจำ มันก็คุ้มค่า ที่จะใช้จ่ายมากขึ้นเพื่อดึงดูดแต่ละคน แต่ในทางกลับกันสิ่งนี้ก็อาจเป็นความผิดพลาดได้ หากเราใช้เงินมากเกินไปในการหาลูกค้าใหม่ที่สั่งซื้อเพียงครั้งเดียวและมีมูลค่าต่อยอดการสั่งซื้อต่ำ เมื่อเราลองเทียบอัตรากำไรของสินค้าแต่ละชนิดในบริษัท คุณอาจพบว่าสินค้าแต่ละตัวทำกำไรแตกต่างกัน ดังนั้นการใช้กำไรของทุกสินค้าเพื่อกำหนดต้นทุนในการหาลูกค้าสูงสุดที่เป็นไปได้จึงเป็นเรื่องยาก แต่อย่างไรก็ตามคุณสามารถหาตัวเลขที่เป็นไปได้ของ CAC ได้ หากคุณจำกัดการวิเคราะห์ให้อยู่เฉพาะในตัวเลขกำไรของสินค้ายอดนิยมที่สุดในเว็บไซต์ของคุณ และแน่นอนว่าธุรกิจใหม่ ๆ จะมีอัตรา CAC ที่สูงกว่าธุรกิจที่มีมานานเนื่องจากยังไม่มีฐานลูกค้าประจำหรือยังไม่เป็นที่รู้จักในวงกว้าง 3. อัตราการปิดการขาย Conversion Rate อัตรา Conversion Rate คือเปอร์เซ็นต์ของผู้ใช้บริการที่ดำเนินการกระทำสิ่งใดสิ่งหนึ่งที่เราต้องการวัดผลเทียบกับผู้ใช้บริการทั้งหมด ซึ่งอาจเป็นการลงชื่อรับจดหมายข่าวสารจากทางอีเมลของคุณ คลิกดูสินค้า “คอลเลคชันใหม่” ในร้านค้าออนไลน์ของคุณ หรือทำการสั่งซื้อ โดยขึ้นอยู่กับคุณว่าจะตัดสินใจติดตามผล Conversion ตัวไหน แต่ตัววัด Conversion Rate ของ E-commerce ที่นิยมที่สุดคือจำนวนธุรกรรมต่อการเข้าชม หรืออีกนัยหนึ่งคือ เปอร์เซ็นต์ของคนที่เข้าชมเว็บไซต์ของคุณแล้วทำให้เกิดยอดขาย Conversion Rate ของคุณนั้นจำเป็นอย่างยิ่งต่อการทำกลยุทธ์การตลาดของคุณ รวมถึงการใช้จ่ายค่าโฆษณาและการตลาดรูปแบบอื่น ๆ ที่ต้องจ่ายเงิน ถ้าอัตรา Conversion Rate ของคุณต่ำ อาจหมายความว่า Keyword ในการทำ SEO ของคุณไม่มีประสิทธิภาพ หรือคุณทำการโฆษณาขายสินค้าบนโซเชียลมีเดียโดยกำหนดกลุ่มเป้าหมาย (Target Audiences) ที่ไม่ถูกต้อง เนื่องจากคนที่เข้ามาชมเว็บไซต์ของคุณไม่ได้เข้ามาซื้อสินค้าของคุณ (สังเกตจากอัตราการปิดการขายที่ต่ำ) ข้อมูลการปิดการขายยังให้ข้อมูลด้านการทดลองอื่น ๆ ที่คุณอาจนำไปปรับใช้กับการออกแบบเว็บไซต์ของคุณให้เหมาะสมเพื่อเกิดยอดขายสูงสุด แต่ถ้าหากจะทำการทดลองที่มีความซับซ้อนขึ้นไปอีก คุณสามารถแบ่งข้อมูลตามช่องทางการเข้าชม เพื่อให้คุณสามารถเทียบอัตรา Conversion Rate ต่อการออกแบบหน้าเว็บไซต์กับสิ่งที่ผู้เข้าชมมองหาก่อนจะคลิกเข้าไปดู ตัววัดธุรกิจเป็นแนวทางสู่ความสำเร็จของ E-commerce ตัววัดธุรกิจที่ถูกต้องเปรียบเสมือนสายตาของคุณผ่านผืนน้ำแห่ง E-commerce ที่ขุ่นมัวและหนาแน่น ดังนั้นจึงสำคัญอย่างยิ่งที่คุณต้องมีตัววัดที่ถูกต้อง โดยการติดตามผลมูลค่าคำสั่งซื้อโดยเฉลี่ย อัตราการปิดการขาย และต้นทุนในการหาลูกค้า เท่านี้คุณก็จะมีแหล่งข้อมูลที่สำคัญที่สามารถนำมาวิเคราะห์ข้อมูลได้และได้รับข้อมูลเชิงลึกในเรื่องประสิทธิภาพของร้านค้าออนไลน์ของคุณ ซึ่งจะทำให้ธุรกิจของคุณเติบโตและสร้างกำไรได้ดียิ่งขึ้น บทความโดย Evan Morrisเนื้อหาจากบทความของ Data Science Centralแปลและเรียบเรียงโดย ไอสวรรค์ ไชยชะนะตรวจทานและปรับปรุงโดย อนันต์วัฒน์ ทิพย์ภาวัต
13 November 2022
Read More

บทความ
Data for Business
4 เคล็ดลับ การเปลี่ยน Big Data ให้เป็นยอดขาย
หากคุณต้องการทราบ 4 เคล็ดลับว่า มีวิธีใช้ประโยชน์จาก Big Data ยังไงให้เพิ่มยอดขายหรือรายได้ นี่คือคำแนะนำบางส่วนที่คุณควรพิจารณา ( 4 เคล็ดลับเปลี่ยน Big Data ให้เป็นยอดขาย ) บริษัทมากมายใช้ Big Data ในการวิเคราะห์ข้อมูลลูกค้า ใช้สำรวจหาโอกาสเพื่อทำการตลาด ซึ่ง Big Data หมายถึงเทคโนโลยีเพื่อการจัดเก็บ การวิเคราะห์ และจัดการข้อมูลปริมาณมหาศาล และซับซ้อน ด้วยข้อมูลของลูกค้า เราจะเข้าใจความต้องการของผู้บริโภคง่ายขึ้น เราสามารถปรับปรุง หรือพัฒนาสินค้า หรือบริการของเราให้ตอบโจทย์ลูกค้าได้ดีขึ้น นอกจากนี้ Big Data ยังช่วยขจัดเรื่องที่เมื่อก่อนนักยุทธศาสตร์การตลาดต้องคอยคาดเดานั่งเทียน เพราะเราสามารถระบุพฤติกรรมการซื้อของลูกค้าได้อย่างรวดเร็วและใช้ต่อยอดเวลาทำ Campaign ได้อีกด้วย ที่จริงแล้วจุดหมายปลายทางของการรวบรวมและวิเคราะห์ข้อมูลลูกค้า คือ การรู้ไปถึง Profile ของลูกค้า เข้าใจความสนใจ ความชื่นชอบ สามารถแนะนำลูกค้าได้ จนไปสู่การปิดการขายหรือการทำธุรกรรมกับบริษัท ประเด็น คือ Big Data จะสร้างรายได้ทางการตลาดผ่านวิธีการต่าง ๆ และหากคุณต้องการทราบ 4 เคล็ดลับเปลี่ยน Big Data ให้เป็นยอดขาย พร้อมวิธีใช้ประโยชน์จาก Big Data อย่างไรให้เพิ่มรายได้ นี่คือคำแนะนำบางส่วนที่คุณควรพิจารณา: 1. ใช้ Big Data เพื่อยกระดับกลยุทธ์ทางการตลาด ข้อมูลลูกค้าเป็นเครื่องมือที่แสนจะสุดยอด มันจะช่วยคุณสร้าง Campaign ที่มีประสิทธิภาพได้ เมื่อเราวิเคราะห์ Profile ลูกค้า เราจะเข้าใจกลุ่มเป้าหมายลูกค้าของเราได้ดีขึ้น อันที่จริงความเข้าใจอันนี้จะช่วยให้คุณหา Campaign ที่จะดึงดูดความสนใจ กระตุ้นความอยากรู้อยากเห็นของพวกเขา รวมถึงสามารถเชิญชวนลูกค้าใหม่ หรือให้ลูกค้าเก่ากลับมาหาเราซ้ำอีก ตัวอย่าง เช่น คุณสามารถใช้คุกกี้ ซึ่งเป็นไฟล์ที่ถูกเก็บบันทึกเอาไว้ในคอมพิวเตอร์ของเรา เพื่อบันทึกข้อมูลเวลาที่เราเข้าชมเว็บไซต์ต่าง ๆ รวบรวมกิจกรรมบนเว็บไซต์ของลูกค้า เพื่อให้คุณได้เรียนรู้ความสนใจ ประวัติการซื้อ และ Profile ทั่วไปของลูกค้า ด้วยข้อมูลเหล่านี้ คุณสามารถปรับ Campaign ให้เหมาะกับลูกค้าเป้าหมายของคุณได้ดีที่สุด นอกจากนี้มันยังสามารถช่วยลดข้อผิดพลาดในการวางแผนกลยุทธ์การตลาด เท่านั้นยังไม่พอ มันยังช่วยให้องค์กรประหยัดเวลา ประหยัดทรัพยากร ในการวางกลยุทธ์ทางการตลาดล่วงหน้าได้อีกด้วย เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด คุณต้องมีเครื่องมือวิเคราะห์ข้อมูลที่สามารถช่วยให้ตีความข้อมูลจำนวนมาก รวมถึงช่วยรวบรวมข้อมูลที่จำเป็น ในทำการตลาดของคุณ โดยเครื่องมือเหล่านี้จะช่วยจัดระเบียบข้อมูล วิเคราะห์ผลลัพธ์ของ Marketing Campaign การวางแผน Campaign และจัดสรรงบประมาณอย่างมีประสิทธิภาพมากขึ้น 2. สร้างกลยุทธ์ตามความสัมพันธ์กับลูกค้าด้วยข้อมูล คุณสามารถใช้ Big Data ออกแบบกลยุทธ์เพื่อเพิ่มการมีส่วนร่วมกับลูกค้า ตัวอย่าง เช่น คุณสามารถศึกษาได้ว่ากลุ่มเป้าหมายของเราโต้ตอบกับแบรนด์ของเราอย่างไร ปัจจัยอะไรที่ช่วยเพิ่มความสนใจของพวกเขา นอกจากนี้เราจะสามารถหาวิธีเพิ่ม Customer Lifetime Value หรือมูลค่าตลอดอายุการใช้งานของลูกค้าของเรา ผ่านการโต้ตอบพูดคุยทางออนไลน์ หรือช่องทางใด ๆ ก็ตามเหล่านี้แหละ การวิเคราะห์ข้อมูล Big Data ยังสามารถให้ข้อมูลสำคัญที่ทำให้คุณรู้ว่า ตรงไหนจำเป็นต้องปรับเปลี่ยนปรับปรุง เช่น เราสามารถสังเกตได้ว่าผลิตภัณฑ์ใดที่ลูกค้าตอบรับและเข้ามามีส่วนร่วมมากที่สุดและน้อยที่สุด ด้วยวิธีนี้คุณจะสามารถวางแผนเพื่อช่วยดึงดูดความสนใจลูกค้า ในส่วนที่ลูกค้าไม่ค่อยมีส่วนร่วม หรือเอาไปใช้วางแผนจัดการทรัพยากรของคุณ เพื่อนำไปพัฒนาผลิตภัณฑ์ใหม่หรือปรับปรุงผลิตภัณฑ์ตัวเดิมให้ดียิ่งขึ้น 3.เพิ่มการรับรู้ถึงแบรนด์และการเข้าถึงลูกค้าผ่าน Big Data เมื่อคุณรวบรวมข้อมูลตามที่ลูกค้าให้มาบนออนไลน์แพลตฟอร์มของคุณแล้ว คุณจะสามารถหาวิธีเพิ่มการเข้าถึงแบรนด์และเพิ่มการรับรู้ในแพลตฟอร์มอื่น ๆ ได้ อย่างเช่น วิธีหนึ่งที่คุณสามารถทำได้ คือ เพิ่มให้แบรนด์ของคุณไปโผล่ในที่ ๆ กลุ่มเป้าหมายเข้าไปดูบ่อย ๆ ยกตัวอย่าง คุณสามารถออกแบบ Online Campaign ผ่านเว็บไซต์ ผ่าน Social Network ที่ลูกค้าของคุณนิยมใช้ ด้วยวิธีนี้ พวกเขาจะมีส่วนร่วมกับแบรนด์ของคุณได้ง่ายขึ้น หรือจะแชร์สินค้าของคุณ ในเครือข่ายหรือ Community ของพวกเขาได้ด้วย นอกจากนี้ตอนที่คุณเพิ่มการรับรู้ถึงแบรนด์ คุณจะสามารถปรับปรุงวิธีเข้าถึงลูกค้า โดยดูจากการมีส่วนร่วมกับฐานลูกค้าในปัจจุบันของคุณได้อีกด้วย 4.ใช้ Big data เป็นพื้นฐานในการปรับราคา ราคามีผลกับพฤติกรรมการซื้อของลูกค้าเป็นอย่างมาก สิ่งสำคัญ คือ ต้องตระหนักถึงความเคลื่อนไหวของราคาและวิธีที่แบรนด์ของคุณจะยืนหยัดต่อสู้กับคู่แข่ง แม้ว่าการลดราคาอาจดูเหมือนเป็นวิธีที่ดีที่สุดในการเอาชนะคู่แข่ง แต่มันจะสร้างปัญหากลับมา ถ้าการปรับราคาไม่สมเหตุสมผล เช่น ลูกค้าอาจตั้งคำถามเกี่ยวกับคุณภาพ หรือตราสินค้า หรือความน่าเชื่อถือ หากราคาต่ำเกินไป เมื่อเทียบกับสินค้ายี่ห้ออื่น ด้วยปัจจัยเหล่านี้ คุณต้องทำการเปรียบเทียบราคาโดยใช้ข้อมูลจากลูกค้า เพื่อให้รู้ว่า ราคาส่งผลกับการเลือกสินค้าอย่างไร คุณอาจเห็นรูปแบบการซื้อที่อาจช่วยชี้ให้เห็นว่าลูกค้าพิจารณาการเลือกแบรนด์ หรือสินค้าแบบไหนเป็นหลัก และมันจะช่วยให้คุณสามารถตั้งราคาได้อย่างสมเหตุสมผล และไม่กระทบต่อภาพลักษณ์ของแบรนด์ และรายได้ของคุณ นอกจากนี้ ยังมีตัวเลือกอื่น ๆ อีกเพื่อทำให้ราคาของคุณสู้กับคนอื่นได้ดี เช่น คุณอาจพิจารณา ในส่วนของการเพิ่มส่วนลด หรือของสมนาคุณ ซึ่งสิ่งเหล่านี้ก็จะช่วยให้ผลิตภัณฑ์ของคุณโดดเด่นมากยิ่งขึ้น บทสรุป การใช้ Big data เพื่อเพิ่มความได้เปรียบทางการตลาดและเพิ่มรายได้นั้น ได้กลายเป็นกระแสหลักของเหล่าบริษัทต่าง ๆ ในทุกอุตสาหกรรม แบรนด์สามารถเพิ่มการรับรู้ การมีส่วนร่วม การสร้างลูกค้ากลุ่มเป้าหมาย และการขาย ได้ด้วยการที่รู้จักลูกค้ามากขึ้น  ความสำเร็จด้านการตลาดและด้านงานขายของคุณ จึงอยู่ที่ว่า คุณเรียนรู้วิธีใช้ข้อมูลของลูกค้าให้เกิดประโยชน์สูงสุด และจะสร้างความได้เปรียบให้แบรนด์ในองค์กรอย่างไร ( 4 เคล็ดลับใช้ Big Data ให้เป็นยอดขาย ) บทความโดย Analytics Insightเนื้อหาจากบทความของ Analytics Insightแปลและเรียบเรียงโดย วิน เวธิตตรวจทานและปรับปรุงโดย เมธิยาภาวิ์ ศรีมนตรินนท์
9 November 2022
Read More

บทความ
Movements
ฟื้นธุรกิจหลัง COVID-19 ด้วย Data Driven Approach
Covid-19 ทำให้ธุรกิจขนาดกลางและขนาดเล็ก SMEs ต้องปรับตัว ด้วยการใช้ข้อมูล ปรับสินค้าและบริการ รู้จักลูกค้า เพิ่มประสิทธิภาพการใช้เงินภายในองค์กร
3 June 2020
Read More

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

0 2480 8833
saraban@bdi.or.th (For receiving and sending electronic documents)
info@bdi.or.th (For general inquiries)

Quick Link

About Us

© Big Data Institute | Privacy Policy

Web Setting
PDPA Icon

We use cookies to optimize your browsing experience and improve our website’s performance. Learn more at our Privacy Policy and adjust your cookie settings at Settings

Settings Reject Accept
Privacy Preferences

You can choose your cookie settings by turning on/off each type of cookie as needed, except for necessary cookies.

Accept all
Manage Consent Preferences
  • Strictly Necessary Cookies
    Always Active

    This type of cookie is essential for providing services on the website of the Personal Data Protection Committee Office, allowing you to access various parts of the site. It also helps remember information you have previously provided through the website. Disabling this type of cookie will result in your inability to use key services of the Personal Data Protection Committee Office that require cookies to function.
    Cookies Details

  • Performance Cookies

    This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

  • Functional Cookies

    This type of cookie enables the Big Data Institute (Public Organization)’s website to remember the choices you have made and deliver enhanced features and content tailored to your usage. For example, it can remember your username or changes you have made to font sizes or other customizable settings on the page. Disabling these cookies may result in the website not functioning properly.

  • Targeting Cookies

    "This type of cookie helps the Big Data Institute (Public Organization) understand user interactions with its website services, including which pages or areas of the site are most popular, as well as analyze other related data. The Big Data Institute (Public Organization) also uses this information to improve website performance and gain a better understanding of user behavior. Although the data collected by these cookies is non-identifiable and used solely for statistical analysis, disabling them will prevent the Big Data Institute (Public Organization) from knowing the number of website visitors and from evaluating the quality of its services.

Save settings
Privacy Preferences
Name
Strictly Necessary Cookies
Category
Strictly Necessary Cookies
Host
https://bdi.or.th
Duration
1 ปี
Description
Strictly Necessary Cookies
This site is registered on wpml.org as a development site. Switch to a production site key to remove this banner.