CUSTOMER DATA PLATFORMS พาธุรกิจและการตลาดไปอีกระดับด้วย CDP

CUSTOMER DATA PLATFORMS พาธุรกิจและการตลาดไปอีกระดับด้วย CDP

หนังสือ Customer Data Platforms เล่มนี้อธิบายรายละเอียดเรื่อง CDP แบบครบถ้วนรอบด้านซึ่งเขียนโดยผู้บริหารของ Salesforce แนะนำเลยว่าใครที่กำลังสนใจและจะลงทุนกับเรื่องนี้ แนะนำให้อ่านหนังสือเล่มนี้ หรืออย่างน้อยก็อ่านสรุปจากบทความนี้ก่อนครับ

CDP คืออะไร?

CDP ย่อมาจาก Customer Data Platforms หรือเป็นแพลตฟอร์มสำหรับนำข้อมูลลูกค้าทั้งหมดที่มีมารวมกันไว้ให้ทำงานได้ในที่เดียว

เดิมที Customer Data นั้นถูกจัดเก็บแบบกระจัดกระจายเป็น Silo แยกตามแผนกต่างๆ ในองค์กร แยกรูปแบบการจัดเก็บ แยกพื้นที่ใช้จัดเก็บ ไปจนถึงแยกวิธีการจัดเก็บ สรุปง่ายๆ คือต่างคนต่างทำของใครของมัน ทั้งที่เป็นข้อมูลลูกค้าคนเดียวกันแต่กลับไม่ใช้ร่วมกัน ไม่เอามาเชื่อมโยงกัน และไม่เคยเอามาวิเคราะห์เพื่อทำความเข้าใจลูกค้าคนเดียวกัน ซึ่งเป็นเรื่องที่น่าเสียดายมาก

ดังนั้นถ้าถามว่า CDP คืออะไร ก็แปลความหมายตรงตัวเลยครับว่า Platform ของ Customer Data ให้มันมีพื้นที่ตรงกลางเพื่อจะได้ง่ายที่นักการตลาดหรือใครก็ตามในบริษัทเอาไปใช้งานต่อยอดได้สะดวกขึ้น

Customer Data จะมีค่าเมื่อเอามา Connect กัน

ทุกวันนี้เรามี Customer Data มากมายแต่กระจัดกระจายไปทั่วองค์กร และก็กระจัดกระจายไปทั่วโลกออนไลน์ตามเว็บมากมายหรือแอปต่างๆ ดังนั้นบอกได้เลยว่ายุคนี้เราไม่ได้ขาด Data แต่เราขาดคนที่สามารถจะเอา Customer Data เหล่านั้นมา Connect หรือเชื่อมโยงกันมากกว่าครับ

ถ้าเราเชื่อมโยงข้อมูลที่มีเข้าด้วยกันไม่ได้ เราก็จะขาดความเข้าใจเชิงลึกต่อลูกค้า เราก็จะไม่สามารถสร้าง Customer Profile ที่ดีหรือที่เรียกว่า Single Customer View ได้ หรือเราจะได้เห็นภาพรวมครบทุกมิติของลูกค้าจริงๆ ไม่ใช่ Sales เห็นอย่างหนึ่ง Markter เห็นอย่างหนึ่ง Services เห็นอย่างหนึ่ง ซึ่งพอจะสร้าง Customer Experience ลูกค้าให้ดีก็ไม่สามารถทำให้ดีได้เพราะไม่เข้าใจสิ่งที่เคยเกิดขึ้นกับลูกค้าคนนั้น

ดังนั้าถ้าเราสร้าง Customer Profile แบบ Single Customer View ไม่ได้ เราก็จะไม่สามารถทำการตลาดแบบรู้ใจ Personalization ได้ และเราก็จะไม่สามารถสื่อสารแบบ Seamless Marketing Experience ได้ครับ

Casey’s Pizza ร้านพิซซ่าที่เพิ่ม Conversion 16% ด้วยการตลาดแบบรู้ใจ Personalized Marketing

ตัวอย่างจากหนังสือ Customer Data Platform หรือ CDP ของ Salesforce เล่มนี้ยกตัวอย่างธุรกิจง่ายๆ ให้เราได้เห็นภาพและรู้สึกว่าทำตามได้อย่างร้านพิซซ่าที่มีชื่อว่า Casey’s Pizza ครับ

Casey’s Pizza เป็นร้านที่ไม่ได้โด่งดังแบบเป็นที่รู้จักดีไปทั่วโลก ความน่าสนใจคือ Casey’s Pizza นั้นเริ่มต้นทำ Personalized Marketing จาก Customer Data ที่เก็บอยู่ในเครื่อง POS จาก 2,200 สาขา 16 เมืองมาเชื่อมโยงกันเพื่อเริ่มวิเคราะห์แบ่งกลุ่ม Segmentation ลูกค้าตามดาต้าที่มีจากระบบ Membership จนได้รู้ว่าคนไหนเป็นลูกค้าประจำ คนไหนชอบซื้อสาขาใกล้บ้าน ลูกค้ากลุ่มนี้ชอบกินเมนูอะไรบ่อยๆ ซ้ำๆ

และจากการที่ร้าน Casey’s Pizza ได้รู้ว่าลูกค้าคนไหนชอบกินอะไร แล้วก็ทำการตลาดออกไปแบบ Personalized บน Segments จากเมนูที่ชอบกิน ง่ายๆ แค่นี้ก็เพิ่ม Conversion ได้ถึง 16% ครับ

การตลาดที่ดีไม่เคยซับซ้อน แค่ต้องเข้าใจ Customer Insight จาก Data ที่แท้จริง

จาก Use Case Study ของ Casey’s Pizza ร้านพิซซ่าที่เพิ่มยอดขายด้วยการตลาดแบบรู้ใจ Personalized Marketing ด้วยการทดลองแบบ A/B Testing ดูว่าระหว่างการส่งโปรโมชั่นส่วนลด 3 ดอลลาร์สำหรับการซื้อพิซซ่าถาดใหญ่หน้าแบบทั่วไปที่ใครๆ ก็ได้กัน กับอีกกลุ่มที่จะได้รับโปรโมชั่นส่วนลด 3 ดอลลาร์สำหรับการซื้อพิซซ่าถาดใหญ่เช่นกัน แต่เป็นเมนูที่แต่ละคนชอบกินเป็นประจำอยู่แล้ว

ผลคือกลุ่มที่ได้รับโปรโมชั่นแบบรู้ใจ Personalized Marketing ได้ส่วนลดในการซื้อถาดใหญ่ของเมนูประจำที่ตัวเองชอบกิน มีตัวเลข Conversion มากกว่ากลุ่มแรกถึง 16% ดังนั้นการตลาดที่แท้จริงไม่เคยเป็นเรื่องยากและซับซ้อน แต่ที่ผ่านมานักการตลาดส่วนใหญ่ต้องทำให้ซับซ้อนเพราะพวกเขาไม่ค่อยมีโอกาสได้เข้าถึง Customer Data Insight ที่แท้จริงแบบ Casey’s Pizza เท่าไหร่เลย

และจาก Use Case Study อื่นๆ ที่หนังสือเล่มนี้เอามาเล่าก็ยังบอกอีกว่า ใครที่ขายออนไลน์หรือ Ecommerce นั้นสามารถยกระดับ Conversion ได้ถึง 20% เพิ่มตัวเลข Engagement 30% และสามารถเพิ่ม Customer Lifetime Value ได้ถึง 20% จากการทำ Personalized Marketing ครับ

อีกงานสำรวจความเห็นลูกค้าก็บอกให้รู้ว่า กว่า 57% พร้อมที่จะเปลี่ยนใจไปซื้อแบรนด์ใหม่หรือแบรนด์คู่แข่งเรา ถ้าเขาให้ Personalized Experience ที่ดีกว่าแบรนด์เดิมที่ใช้อยู่แม้จะใช้มานานมากก็ตาม

ดังนั้นจะเห็นว่า Personalization Driven Loyalty of Customer จริงๆ ก็ไม่แปลกใจนะครับเพราะไม่ว่าใครก็อยากให้คนอื่นเอาใจใส่ รู้ใจ และคอยเอาอกเอาใจ ซึ่งมันก็เป็นธรรมชาติของมนุษย์ที่อยากเป็นที่รักของใครๆ นั่นเองครับ

Share a Coke แคมเปญการตลาดแบบ Personalization ที่แสนจะคลาสสิค

หนังสือเล่มนี้มีการพูดถึงแคมเปญ Share a Coke หรือ “ส่งโค้กให้…” ที่เกิดขึ้นกว่าสิบปีมาแล้ว ในวันนั้นเป็นที่ฮือฮามาก จุดเริ่มต้นคือ Coke Canada ได้มีการพิมพ์ชื่อยอดนิยมของคนในประเทศลงไปบนกระป๋องโค้ก ผลคือยอดขายพุ่งทะยานเพราะเกิดปรากฏการณ์ซื้อโค้กให้กันและกัน

นอกจากนั้นก็ยังมีการซื้อกระป๋องหรือขวดโค้กที่มีชื่อตัวเองบนขวด (ผมเองก็เป็นคนนึงครับ) จนความสำเร็จของแคมเปญนี้ส่งผลให้กลายเป็น Global Marketing Campaign ที่กระจายออกไปทั่วโลกจนโค้กมียอดขายเพิ่มขึ้นมหาศาล

ฟังดูเหมือนเป็นการตลาดที่แสนจะออฟไลน์ธรรมดา แต่ถ้าวิเคราะห์ให้ดีจะเห็นว่าเบื้องหลังแคมเปญ Share a Coke ครั้งนี้ต้องใช้ดาต้าเป็นอย่างดี

เพราะอยู่ดีๆ จะเอาชื่อสุ่มสี่สุ่มห้ามาพิมพ์ไม่ได้ เพราะไม่อย่างนั้นอาจได้ชื่อที่ไม่มีคนใช้มากพอจนก่อให้เกิดสินค้าค้างสต็อกมากไปจนกลายเป็นขาดทุนขึ้นมาแทน ทีมงานหลังบ้านต้องไปสำรวจหาข้อมูลมาเป็นอย่างดีว่า ภายใต้ชื่อที่จะพิมพ์ขึ้นมาร้อยกว่าชื่อนั้นต้องมีชื่ออะไรบ้าง เอาง่ายๆ ว่าทุกชื่อโหลของแต่ละประเทศสามารถหาซื้อได้ไม่ยากที่ร้านสะดวกซื้อทั่วประเทศทั่วโลกครับ

หรือถ้าใครชื่อพิเศษหน่อยก็สามารถตามหาช้อปโค้กที่เปิดให้คุณเข้ามาสั่งพิมพ์ชื่อคุณได้ ตัวผมเองก็เป็นหนึ่งในชื่อที่ไม่โหลเท่าไหร่ (ผมชื่อ หนุ่ย ครับ) ก็เลยต้องขับรถไปทำกระป๋องโค้กชื่อตัวเอง จนในที่สุดแล้วก็เก็บไว้นานเกินจนกระป๋องรั่วน้ำโค้กซึมออกมาหมด แต่ทุกวันนี้ก็ยังเก็บกระป๋องโค้กใบนั้นไว้ในตู้เย็นเป็นอย่างดี แม้จะเปลี่ยนตู้เย็นมาหนึ่งครั้งแล้วก็ตาม

จากชื่อก็ค่อยขยับไปสู่คำเรียกของคนต่างๆ ที่ไม่ได้ระบุชื่อ แต่สามารถครอบคลุมคนส่วนใหญ่ได้มากพอ ไม่ว่าจะพ่อ แม่ พี่สาว น้องชาย คนสวย คนหล่อ คนน่ารัก หรือใดๆ ก็ตาม เรียกได้ว่าเป็นการตลาดที่ฉลาดหลักแหลมมาก นี่คือการตลาดแบบ Personalization แบบไม่ซับซ้อนแต่สามารถทำตามได้จริงแค่อาจต้องใช้ความพยายามนิดหน่อย

Data Silo ปัญหาที่ไม่มีใครอยากให้เกิด แต่มันเกิดเพราะไม่มีใครคาดคิดว่าเราจะมียุค Data Driven อย่างทุกวันนี้

silos-correction.jpg
Photo: https://www.hedraplm.com/data-silos-information-islands/

Data Silo หรือปัญหาข้อมูลในองค์กรเดียวกันแต่ถูกจัดเก็บแบบกระจัดกระจายตามหน่วนงานต่างๆ ในองค์กร จัดเก็บโดยใช้คนละระบบ คนละมาตรฐาน คนละวิธีการ คนละฐานข้อมูล เพราะในวันที่เริ่มเอาระบบจัดเก็บข้อมูลเข้ามาใช้งานในแต่ละหน่วยงานเมื่อหลายปีหรือหลายสิบปีก่อน ก็ไม่มีใครคาดคิดว่าวันนึงเราจะก้าวเข้าสู่ยุค Big Data ที่ใช้ Data Driven Business & Marketing อย่างทุกวันนี้

วันนี้เราเลยต้องหาระบบหรือเครื่องมือที่ช่วยให้ Data ที่กระจัดกระจายอยู่บนหลากหลายระบบมาตรฐานการทำงาน สามารถเอามาทำงานร่วมกันได้ เอามาเชื่อมโยงได้เพื่อทำให้เราเข้าใจภาพรวมธุรกิจจริงๆ เข้าใจ Customer Insight จริงๆ เพื่อจะได้วางแผนการตลาดได้อย่างแม่นยำ ลดการทำงานที่ซ้ำซ้อนไป ยกระดับ Customer Experience ขึ้นไปอีกขึ้น

อย่างปัญหาที่ง่ายที่สุดแต่กลับแก้ได้ยากที่สุดในยุค Digital Marketing ทุกวันนี้คือ ถ้าเราเสิร์จหาของชิ้นไหนหรือสินค้าใด ต่อให้เราเดินไปซื้อที่ร้าน หรือกดสั่งออนไลน์จากเว็บไซต์นั้น โฆษณาของสินค้าชิ้นนั้นก็จะตามหลอกหลอนเราไปอีกพักใหญ่ๆ เอาง่ายๆ ก็จนกว่าจำนวนการแสดงผลที่นักการตลาดตั้งค่าไว้จะครบเสียที

ทั้งที่ปัญหานี้แก้ได้ง่ายมาก ถ้าเรามี Sales Data ที่บอกให้รู้ว่าลูกค้าคนไหนเพิ่มซื้อสินค้าใดไป จากนั้นเราก็เอา Customer Data คนนี้หักลบออกไปจากการส่งโฆษณาชิ้นนั้นที่ตั้งค่าไว้ อย่างน้อยก็ช่วยประหยัดค่าโฆษณาที่ไม่จำเป็นลงไปได้ หรือถ้าจะให้ฉลาดหลักแหลมกว่านั้นก็คือทำการ Upsell ต่อเลยว่าถ้าซื้อสินค้านี้ไปแล้วเสนอขายอะไรต่อจึงจะเพิ่มยอดขายให้เราได้

เช่น ถ้าซื้อรองเท้าไปแล้วก็ควรนำเสนอขายถุงเท้ามากกว่าที่จะยังคงดื้อรั้นโฆษณาขายรองเท้าคู่เดิมที่เคยกดดูไป แถมยังซื้อไปแล้วด้วยซ้ำ หรือเรียกสิ่งนี้ว่า Data Portability ครับ

ดังนั้นจะเห็นว่าปัญหาในวันนี้ไม่ใช่เราไม่มีดาต้า แต่เรามีหลาย Source of Data มากเกินไป แล้วก็ขาดความสามารถในการ Integrated Data เข้าด้วยกันเพื่อให้ Enrich เราก็เลยยังคงต้องทำงานโดยพึ่งพา Data ชุดเดียวที่แยกกันเก็บ ทั้งที่ข้อมูลลูกค้าคนเดียวกันของเราแท้ๆ

ซึ่งจากประสบการณ์รับงานที่ปรึกษา Advosiry หลายบริษัทพบว่า อุปสรรคสำคัญจริงๆ คือทีมทำงานข้างในโดยเฉพาะฝั่ง IT (ขอโทษที่ต้องพูดแบบนี้ แต่มันคือเรื่องจริงที่ผมเจอครับ) ที่มักจะมีข้อจำกัดหรืออุปสรรคมากมายที่ทำให้ทีม Marketing หรือ Sales ไม่สามารถเข้าถึงดาต้าที่ต้องการ หรือไม่สามารถใช้งาน Customer Data ที่มีได้โดยง่าย

ผมเคยรับงานที่ปรึกษาบริษัทตัวแทนขายอสังหาแห่งหนึ่ง เชื่อไหมว่าข้อมูลลูกค้าที่มีพร้อมในระบบ ERP ที่ต้องการจะเอาไปวิเคราะห์หา Customer Insight & Pattern ต่อนั้นทีมการตลาดไม่สามารถดึงข้อมูลเองได้ ต้องขอผ่านทีม IT และจนผ่านมา 3 เดือนตลอดระยะเวลาที่ผมเป็นที่ปรึกษาก็ยังไม่สามารถดึงข้อมูลดังกล่าวออกมาได้ ซึ่งก็ไม่รู้ว่าติดอะไรนักหนาที่พอถามแล้วก็ไม่ค่อยได้คำตอบที่ดู Make Sense เลยจริงๆ

Data Resolution การจัดลำดับความสำคัญของข้อมูลประเภทเดียวกัน

Photo: https://www.theusim.com/blog/archive/usim-perspectives-understanding-identity-resolution/

เรื่องนี้น่าสนใจครับ เพราะภายใต้ข้อมูลลูกค้าคนเดียวกันที่เรามี แต่ข้อมูลบางชนิดอาจมีหลากหลายจนเราไม่รู้ว่าควรจะต้องให้ความสำคัญกับอันไหนมากกว่า เช่น อีเมล หรือ เบอร์โทรศัทพ์

ลูกค้าคนเดียวกันอาจมีอีเมลหลายอันที่แชร์ให้กับเรามา อีเมลแรกอาจเอาไว้สมัครสมาชิก อีกอีเมลเอาไว้ติดต่อฝ่ายบริการลูกค้าเมื่อมีปัญหา อีเมลอีกอันเป็นของบริษัทที่ทำงาน และก็อาจมีอีเมลอื่นๆ อีกมามาย

ดังนั้นการทำ Data Resolution คือจัดลำดับความสำคัญของข้อมูลชนิดเดียวกันที่มี เพื่อที่เราจะได้ดูแลลูกค้าให้มี Customer Experience ที่ดีขึ้น ไม่ใช่ส่งโปรโมชั่นแบบ Personalized Marketing ที่วิเคราะห์มาแทบตาย แต่กลับไม่ถึงมือเพราะส่งไปผิดอีเมล ผิดเบอร์โทร แบบนี้เรียกว่าเหนื่อยฟรี ทำดีเสียของครับ

Data Onbroading การเอา First Party Data ของเราไปเชื่อมโยงกับ Second หรือ Third จาก DMP คนอื่น

Photo: https://audienceprime.com/blog/data-onboarding-data-activation/

อย่างที่ย้ำไปแต่แรกครับว่า Data จะยิ่ง Enrich คลี่คลาย Insight ได้เต็มที่ถ้าเราเอาไปเชื่อมโยงกับ Data ชุดอื่นแต่เป็นของลูกค้าคนเดียวกัน

ดังนั้นลำพังแค่ First Party Data อย่างเดียวอาจไม่พอในวันนี้ เราจำเป็นต้องหา Data Partner ที่ดีเช่น DMP ของบริษัทอื่น เพื่อให้เราเข้าใจ Customer Insight ที่ดีกว่าเดิม

Unify หัวใจสำคัญของ CDP

การ Unify หรือการเชื่อมโยงประกอบ Customer Data เข้าด้วยกันจะยิ่งทำให้เราเห็น Single Customer View ที่แท้จริง แล้วเราก็จะเลิกการตั้ง KPI แยกกันระหว่างทีม เพราะต้องเข้าใจว่าลูกค้าคือคนๆ เดียวกัน แล้วทำไมเราจึงต้องตั้งเป้ากับลูกค้าคนเดียวกันให้แตกต่างกันตาม Customer Data ที่แต่ละทีมมี

นั่นก็เพราะเมื่อก่อนเราไม่เคยรู้ว่าลูกค้าคนนี้เคยมี Experience แบบไหนกับเรามาก่อน เขากำลังอยู่ใน Stage ไหนของ Customer Journey ที่วางไว้ แต่ถ้าเราได้รู้และเห็น Engagement ทั้งหมดที่เกิดขึ้นของลูกค้าแต่ละคนในทุก Touchpoint เราจะยิ่งดูแลลูกค้าได้ดีขึ้น และนั่นก็หมายถึงลูกค้าจะยิ่งรักเรามากกว่าเดิมครับ

วิวัฒนาการของ Data Driven Marketing จากจดหมาย Direct Marketing สู่ CDP

1958 Direct Marketing

Photo: https://www.lahistoriadelapublicidad.com/protagonista-61/lester-wunderman

คำนี้ถือกำเนิดโดย Lester Wunderman ชายผู้ก่อตั้งเอเจนซี่โฆษณาชื่อดัง (ก็ตามชื่อเขาแหละครับ) ที่ใช้วิธีการดูจากข้อมูลการซื้อของลูกค้า จากนั้นก็สร้างทีม Direct Marketing ขึ้นมาติดต่อลูกค้าแต่ละคนตรงๆ ผ่านโทรศัพท์ หรือผ่านจดหมายแทน ผลคือ Conversion เพิ่มขึ้นสูงมาก และนั่นก็ทำให้ Wunderman ที่เป็นโด่งดังเรื่องการใช้ Data มานานก่อนเอเจนซี่อื่น

1961 Data Driven Marketing

Photo: http://www.columbia.edu/cu/computinghistory/650.html

องค์กรที่ใช้ Data Driven Marketing แรกๆ ของโลกน่าสนใจว่าไม่ใช่แบรนด์ใหญ่ หรือสินค้าผู้บริโภคใด แต่กลับเป็นหน่วยงานองค์กรการกุศลที่ต้องการเรี่ยรายเงินบริจาค สิ่งที่เกิดขึ้นในเวลานั้นคือพวกเขาเก็บข้อมูลผู้บริจาคผ่านการ์ดกระดาษ แล้วก็ใช้เครื่อง IBM 650 กับเครื่องคำนวนคอมพิวเตอร์ในวันนั้นอ่านข้อมูลการ์ดกว่า 750 ใบต่อนาที เพื่อพิมพ์จ่อหน้าซองจดหมายหาผู้บริจาคตามเงื่อนไขที่ตั้งไว้ได้ถึง 60,000 รายต่อชั่วโมง

ความมหัศจรรย์ในวันนั้นคือจดหมายต่างๆ ที่ถูกส่งออกไปอย่างแม่นยำจาก Data ได้รับการตอบรับสูงถึง 80% หรือพูดง่ายๆ ในวันนี้คือมี Conversion Rate 80%

ซิ่ง Data ที่นำมาวิเคราะห์ในวันนั้นก็ไม่ได้มีอะไรซับซ้อนเท่าวันนั้น เพราะเป็นแค่ข้อมูลประวัติการบริจาคของผู้บริจาคแต่ละราย บวกกับชื่อ ที่อยู่ เคยถูกส่งจดหมายชวนให้บริจาคกี่ครั้ง มีการตอบรับบริจาคกลับมาเท่าไหร่ แต่ละครั้งบริจาคเป็นเงินเท่าไหร่ รวมเงินบริจาคทั้งหมดเป็นเท่าไหร่ ทำงานอะไร และอื่นๆ อีกเล็กน้อย เพียงใช้ Data เท่านี้ก็ทำ Conversion ได้ถึง 80% ซึ่งเป็นตัวเลขที่แทบจะเป็นไปไม่ได้เลยในวันนี้ครับ

1990s ยุค CRM ครองเมือง

Photo: https://areon.ua/en/siebel-crm/

ในปี 1993 ระบบ CRM แรกที่มีชื่อว่า Siebel System ถือกำเนิดขึ้นเพื่อเชื่อมโยง Customer Data ระหว่าง Sale กับ Marketing เข้าด้วยกัน จากนั้นก็เกิดระบบ CRM มากมายจนกลายเป็นยุคทองของ CRM

2000s Master Data Management

Photo: https://www.techenergyec.com/master-data-management.html

พอก้าวเข้าสู่ยุคปี 2000 เราก็เริ่มมี Customer Data เพิ่มขึ้นโดยเฉพาะในส่วนของ Services ต่างๆ ไม่ว่าจากระบบ Voice ของ Call Center มากมาย ก่อให้เกิดเทคโนโลยีใหม่ที่เรียกว่า Master Data Management หรือ MDM ที่เป็นระบบบริหารจัดการ Data มากมายภายในองค์กรที่ไม่ได้มีแค่ Sales กับ Marketing อีกต่อไป

Marketing Automation

https://www.predictiveanalyticstoday.com/ibm-unica-marketing-automation/

แล้วเราก็เริ่มก้าวเข้าสู่ยุคของการตลาดแบบอัตโนมัติ หรือ Marketing Automation ซึ่งเครื่องมือแรกที่หนังสือเล่มนี้ระบุไว้คือ Unica ในวันนั้นเป็นระบบ Automation จากการ Manual ของนักการตลาดหรือผู้ใช้ข้อมูลอีกที อยากได้อะไรก็เข้าไป Query หรือคุ้ยหาข้อมูลที่ต้องการจาก Database ด้วยตัวเอง

เรียกได้ว่าไม่ง่าย และก็ไม่สะดวกสบายต่อการทำงานเอาเสียเลย

จากนั้นก็เกิดเครื่องมือตัวใหม่ที่ทำให้การทำ Marketing Automation ง่ายขึ้น ไม่ต้อง Query เอง อยากได้อะไรก็ Drag & Drop เอา แล้วก็มี User Interface ที่ดูใช้งานง่ายขึ้นกว่าเดิมมาก รายแรกๆ คือ Silverpop กับ Exact Target ครับ

และจากการวิวัฒนาการของเครื่องมือ Markting Technology ต่างๆ ตลอดเวลาที่ผ่านมาก็ทำให้เกิดข้อเสียสำคัญที่กลายเป็นอุปสรรคในการทำงานทุกวันนี้ นั่นก็คือสิ่งที่หนังสือเล่มนี้เรียกว่า Frankenstack

Frankenstack มิกซ์แอนด์มั่ว

Photo: https://simpli.fi/transforming-your-frankenstack/

เมื่อเราใช้ Marketing Technology ต่างๆ มากมายหลายชนิดที่ดูจะไม่ค่อยเข้ากัน แถมยังแยกกันตัดสินใจใช้ในทีมต่างๆ แม้จะอยู่ในองค์กรเดียวกันแต่ไม่เคยคุยกันมาก่อน ส่งผลให้ Technology Stack ทุกวันนี้ของหลายๆ องค์กรอยู่ในภาวะที่เรียกว่า Frankenstack

เปรียบเทียบกับ Frankenstein สิ่งมีชีวิตที่มาจากการผสมของสิ่งแปลกปลอมต่างๆ ที่ดูไม่เข้ากัน แล้วก็กลายเป็นซอมบี้ที่พอจะเดินได้แต่กลับไร้ซิ่งชีวิตและประสิทธิภาพ เหมือนกับ Technology Stack ในวันนี้ที่ต่อกันมั่วไปหมดจนไม่รู้ว่าตกลงแล้วที่เราใช้งานอยู่มันมีอะไรทำงานร่วมกันบ้างครับ

และนั่นก็หมายความว่าถ้าเกิดปัญหาขึ้นเราก็จะหาสาเหตุแก้ไขได้ช้า หรือยิ่งถ้าเราอยากจะพัฒนาอัพเกรดให้เร็วก็ยิ่งไม่รู้ว่าควรจะต้องยกระดับที่ส่วนใด

Use Case Study บริษัทที่ใช้ Data-Driven Business

Infinity บริษัทประกันแห่งหนึ่งสามารถลดการเคลมที่จงใจโกงได้ลงกว่า 75% จากการใช้ทำ Text analytics วิเคราะห์เอกสารการขอเคลมย้อนหลัง จนสามารถค้นพบรูปแบบการขอเคลมที่ดูแล้วเข้าข่ายโกงได้ดีขึ้น

McDonald’s ใช้ Image Analysis ช่วยลดการสูญเสียของขนมปังสำหรับใช้ทำเบอร์เกอร์ลงไปได้มหาศาล

ดังนั้นจะเห็นว่าวิธีการใช้ Data เพื่อยกระดับธุรกิจมีมากมาย ขึ้นอยู่รูปแบบของธุรกิจเรา ขึ้นอยู่กับว่าเราสามารถเก็บ Data อะไรมาใช้ทำอะไรได้บ้าง

เพราะถ้าเรามี Data มากมายไปแต่เอามาใช้ไม่ได้ หรือเอามาใช้ไม่เป็นก็ไร้ค่า กลายเป็นต้นทุนที่นอกจากเสียทั้งเงินยังเสียทั้งเวลา ต้องเริ่มหาคนที่มีทักษะ Data Thinking เข้าไปอยู่ในองค์กรให้มากขึ้นได้แล้วครับ

D2C Direct to Consumer ทางออกของสินค้าผู้บริโภคในยุค Data Driven

ปัญหาที่หลายแบรนด์สินค้า Consumer Good หรือ FMCG ส่วนใหญ่เจอวันนี้คือ พวกเขาไม่มี Customer Data เลย หรือถ้าจะมีก็น้อยมากๆ เพราะส่วนใหญ่แล้วยอดขายพวกเขามาจากการขายผ่านคนอื่น ไม่ว่าจะ Convenience Store หรือ Supermarket ทั้งหลาย ทำให้พวกเขาสูญเสียโอกาสในการรู้จักลูกค้าไป ครั้นจะขอเข้าถึงข้อมูลลูกค้าตัวเองผ่านร้านค้าตัวแทนที่ขายเหล่านี้ก็เต็มไปด้วยเงื่อนไขความยุ่งยาก แล้วก็อาจจะมากับราคาค่าใช้จ่ายที่แพงลิ่ว

ดังนั้นทางออกที่สำคัญจนน่าจะเป็น Business Strategy วันนี้คือการทำ Direct to Consumer หรือที่เรียกกันย่อๆ ว่า D2C คือการพยายามขายกับลูกค้าตรงไม่ต้องผ่านตัวกลาง หรือถ้าผ่านก็ผ่านตัวกลางที่ทำให้เราสามารถเก็บข้อมูลลูกค้าตรงๆ ได้ เช่น ผ่าน Marketplace อย่าง Shopee, Lazada หรือ LINE MyShop ที่ทำให้เรารู้ว่าแต่ละ Order ที่ได้มา ทุ Transaction ที่ขายไป ทำให้เราได้รู้ว่าใครซื้อ ซื้ออะไร ซื้อไปส่งที่ไหน หรือแม้แต่กลับมาซื้อบ่อยแค่ไหนครับ

แล้วกลยุทธ์การทำ D2C Strategy ก็ไม่ได้มีแค่การขายสินค้าตัวเองเท่านั้น แต่ยังอาจขายสินค้าพิเศษที่เป็น Lifestyle Products เช่นที่ Singha ทำเว็บที่ชื่อว่า Singha Life ที่ขายเสื้อผ้าแฟชั่นหรือเครื่องประดับที่มีโลโก้แบรนด์สิงห์ ซึ่งชัดเจนว่าคนซื้อต้องเป็น Singha Lover แน่ๆ

จากนั้นก็เอา Customer Data นี้ไปเชื่อมต่อเพื่อต่อยอดกับ Source of Data อื่นๆ ไม่ว่าจะ Second Party หรือ Third Party Data หรือ DMP ใดๆ เพื่อเป็นการ Enrich Data เพิ่มขึ้น เพิ่มมิติความเข้าใจของลูกค้าคนเดิมเราให้ลึกซึ้งยิ่งกว่าเดิม

สร้าง Persona ลูกค้าจาก Customer Data ได้แล้ว!

Snickers ได้รู้ว่าแท้จริงแล้วกลุ่มลูกค้าที่ชอบกินขนมเขามากๆ ไม่ใช่วัยรุ่น Gen Z หรือ Gen Y ที่เคยคิดภาพเอาไว้ แต่กลับเป็นกลุ่ม Baby Boomer คนสูงวัยที่ชอบกินมากกว่าเป็นร้อยเท่าพันเท่า และแน่นอนว่าหลังจากรู้ Insight แบบนี้ก็ถึงเวลา Revise Persona & Strategy ครั้งใหญ่เลย

ยิ่งรู้จักลูกค้ามากเท่าไหร่ ก็ยิ่งขายง่ายมากเท่านั้น

อย่างที่บอกไปตอนต้นครับว่า การตลาดที่แท้จริงไม่เคยยาก แค่เข้าใจ Insight ลูกค้า แต่ปัญหาคือนักการตลาดส่วนใหญ่ไม่เข้าใจลูกค้าจริงๆ เอาเสียเลย ลองมาดูตัวอย่างการเข้าถึง Data Insight ของลูกค้าจากแบรนด์รองเท้าแฟชั่นรายนี้นะครับว่า แค่รู้จริงๆ ว่าลูกค้ามีพฤติกรรมอย่างไร การเพิ่มยอดขายก็กลายเป็นเรื่องง่ายแค่ปลายนิ้ว

ร้านรองเท้าแฟชั่นแห่งนี้เมื่อวิเคราะห์ Customer Data จากเว็บไซต์และทุกช่องทางพบว่า User คนไหนที่มีพฤติกรรมเข้ามาดูรองเท้าสีแดงมากกว่า 4 ครั้งในรอบ 7 วันที่ผ่านมา 25% ของคนกลุ่มนี้จะตัดสินใจซื้อรองเท้าสีแดงคู่นั้นที่ดู

และ 50% ของลูกค้าที่ซื้อรองเท้าสีแดงกลุ่มนี้ก็จะมีการใช้เงินกับแบรนด์ในการซื้อสินค้าอื่นๆ เพิ่มเติมภายในระยะเวลา 6 เดือนรวมเป็นเงินกว่า 1,000 เหรียญ ดังนั้นคุณเห็นไหมครับว่า Insight ของลูกค้าแบรนด์นี้คือกลุ่มคนชอบรองเท้าแดงที่ชอบใช้เงินอย่างรุนแรงกว่าลูกค้าทั่วไป

ดังนั้น Business Strategy ของแบรนด์นี้คือเฝ้าดูสัญญาณคนที่ดูรองเท้าสีแดงให้ดี หรือถ้าให้ดีคือพยายามกระตุ้นให้คนที่ค้นหารองเท้าสีแดงให้กลายเป็นลูกค้าเราเร็วขึ้น เป็นการกระตุ้น Journey ให้สั้นขึ้น ทั้งหมดคือเพื่อกระตุ้นให้เกิดยอดขายกลับมาที่แบรนด์

คำถามคือคุณรู้เจอกลุ่มลูกค้ารองเท้าแดงของธุรกิจคุณหรือยัง?

Campbell’s Soup พบ Insight ว่าสภาพอากาศยิ่งแย่ยิ่งขายดี

ความน่าสนใจของ Case Study สุดท้ายที่จะเล่าคือซุปกึ่งสำเร็จรูป Campbell’s Soup ที่เมื่อเอา Data จากหลายๆ ส่วนมาเชื่อมโยงวิเคราะห์หา Business Insight ว่าตกลงแล้วมีปัจจัยใดบ้างที่ทำให้เราขายดีโดยไม่รู้มาก่อน จนได้พบว่ายิ่งสภาพอากาศเลวร้ายเท่าไหร่ ยอดขายซุป Campbell’s ยิ่งขายดีเท่านั้น

นี่คือการตลาดแบบ Contextual Marketing ที่อิงกับสภาพอากาศแบบไม่ตั้งใจ เพราะยิ่งอากาศแย่ฝนตกคนก็ยิ่งรู้สึกไม่อยากออกจากบ้าน อยากแค่เปิดซุปกระป๋องแล้วเอาไปอุ่นซดร้อนๆ สิ่งนี้มีค่ายิ่งกว่า Consumer Insight เพราะมันคือ Business Insight จาก Data ครับ

สรุปหนังสือ Customer Data Platform CDP ของ Salesforce

หนังสือเล่มนี้อาจไม่ได้มี Use Case Study สนุกๆ มากมายเหมือน Data Driven ที่ขาย DMP ของ Salesforce เล่มก่อนหน้า แต่ก็ทำให้เราเข้าใจโดยละเอียดว่า CDP คืออะไร และควรต้องเลือกจากปัจจัยใดบ้าง

ประเด็นสำคัญ CDP คือแพลตฟอร์มหรือพื้นที่ตรงกลางที่ใช้รวบรวมข้อมูลลูกค้าทีกระจัดกระจายไปทั่วองค์กร มันคือการเอา CRM Data จากทีม Sales & Marketing เข้ามารวมกับทีม Operation & After Sales Service เข้าด้วยกันให้เป็น First Party Data ที่ครบถ้วน จากนั้นก็อาจจะเอามาเชื่อมโยงกับ Second Party Data หรือ Third Party Data จาก DMP ซึ่งจะช่วยยกระดับ Customer Data ของเราให้ยิ่ง Enrich มากขึ้นจากการ Integrated Data จากหลาย Source เข้าด้วยกัน

เพราะยิ่งเรามีมิติของข้อมูลมากเท่าไหร่ เราก็ยิ่งเข้าใจไม่ใช่แค่ภาพรวม แต่ยังเป็นภาพลึกของลูกค้าแต่ละคนมากเท่านั้น จากนั้นเราก็เอามาจับกลุ่มเป็น Segments เพื่อให้ง่ายต่อการทำ Marketing Campaign ออกไปแล้วก็วัดผลกลับมาว่าตกลงแล้วกลยุทธ์หรือไอเดียการตลาดเรานั้นเวิร์คอย่างที่คิดไว้หรือไม่

ใครที่วางแผนว่าจะเริ่ม Implements CDP ในปีนี้หรือกำลังจะตัดสินใจเริ่มทำ แนะนำให้อ่านศึกษาจากหนังสือเล่มนี้ด้วยนะครับ แม้จะไม่ได้ตัดสินใจเลือก Salesforce แต่คุณก็จะได้รู้ว่าควรเลือกแบบไหนไปจนถึงระวังอะไรบ้างครับ

สรุปหนังสือ Customer Data Platform หรือ ​CDP ของ SalesforceUse People Data to Transform The Future of Marketing Engagement สำนักพิมพ์ Wiley

สรุปหนังสือ Customer Data Platforms หรือ CDP ของ Salesforce
Use People Data to Transform The Future of Marketing Engagement
Martin Kihn และ Chris O’Hara เขียน
สำนักพิมพ์ Wiley

อ่านสรุปหนังสือแนะนำโดยการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/category/book-recommended/

สนใจสั่งซื้อหนังสือเล่มนี้ > คลิ๊ก

Nattapon Muangtum

Nattapon Muangtum

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / ผู้เขียนหนังสือการตลาดแบบรู้ใจ Personalized Marketing, การตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing และ Data Thinking / เป็นที่ปรึกษาด้าน Marketing และ Data-Driven ให้กับบริษัทบางแห่งและหน่วยงานบางแห่ง

Leave a Reply

Your email address will not be published. Required fields are marked *