สรุปหนังสือ Data-First Marketing การตลาดจากดาต้า

สรุปหนังสือ Data-First Marketing การตลาดจากดาต้า

สรุปหนังสือ Data-First Marketing หนังสือที่บอกให้เรารู้ว่าการตลาดในยุค Data และ Analytics นั้นจะต้องปรับตัวและทำงานอย่างไร

เมื่อ Marketing กับ Sale มักทำงานแยกกัน ใช้ Metrics ตัวชี้วัดและ KPI แยกกัน ทั้งที่ในความเป็นจริงแล้วสองทีมนี้ต้องทำงานประสานเป็นเนื้อเดียวกันมากที่สุดจึงจะเอาชนะคู่แข่งในตลาดยุค Data และ Analytics

Sale ชอบบ่นว่า Marketing หา Lead ที่ไม่มีคุณภาพมาให้เป็นประจำจึงทำให้ปิดการขายไม่ได้ Conversion rate ต่ำ ส่วน Marketing ก็ชอบบอกว่า Sale ไม่มีความสามารถมากกว่าถึงไม่สามารถปิดการขายไม่ได้อย่ามาโทษ Lead ที่ตัวเองคัดมาให้เป็นอย่างดี นี่คือเรื่องคลาสสิคของบริษัทส่วนใหญ่ทุกวันนี้ที่ทีมขายและทีมการตลาดทำงานแยกขาดกันโดยสิ้นเชิง หรืออย่างดีก็ทำงานแบบส่งต่อกันเป็นทอดๆ

แต่ที่ปัญหาแบบนี้เกิดขึ้นเพราะ Marketing มีข้อมูลหรือ Data ให้ใช้วิเคราะห์จำกัดมาก ซึ่งทาง Sale ก็ไม่เคยบอกว่าตัวเองถือ Data อะไรอยู่บ้าง และก็มักจะคิดว่า Data ที่ตัวเองมีไม่มีประโยชน์ต่อทีมการตลาด

ทางแก้ปัญหาที่ง่ายที่สุดคือทีมการตลาดต้องลงไปทำงานฝ่ายขายสักหน่อย เพียงเท่านี้ก็จะเห็นแล้วว่าทีมขายมี Data อะไรบ้างที่จะช่วยให้ Marketing หา Lead ที่ใช่เพื่อที่ Sale จะปิดการขายได้มากกว่านี้

แต่เรื่องนี้บริษัทส่วนใหญ่ไม่ยอมทำ หรือระหว่างสองทีมก็ไม่อยากแชร์ข้อมูลระหว่างกัน เพราะกลัวว่าอีกฝ่ายจะรู้ว่าตัวเองมีจุดอ่อนตรงไหน มีปัญหาตรงใด จนทำให้ Data ถูกแยกเก็บไว้เป็น Silo ไม่สามารถเอา 2 Data ที่สำคัญของลูกค้ามาวิเคราะห์ร่วมกันเพื่อทำให้เห็น Insight ที่ลึกขึ้นจนนำไปสู่ Opportunity ใหม่ที่ไม่เคยรู้มาก่อน

และจะดีกว่านี้ถ้าได้ Data จากทีม Financial มาร่วมด้วย เพราะจากประสบการณ์พบว่าทีมการเงินหรือบัญชีมักจะถือ Customer data ไว้ค่อนข้างมากที่สุดและสมบูรณ์ที่สุดในบริษัท ลองคิดภาพดูซิครับว่าถ้าเราได้ Marketing data + Sale data + Financial data จะทำให้เราเข้าใจ Customer Insight มากขนาดไหน แล้วยิ่งถ้าได้ Service data มาประกอบคราวนี้การจะเข้าใจลูกค้าและธุรกิจที่แท้จริงก็จะเป็นเรื่องง่าย การกำหนด Business Plan ในปีถัดไปก็จะไม่ต้องเดาว่าปัญหาอยู่ตรงไหน โอกาสอยู่ที่ใด เพราะ Data จะเผยความจริงทั้งหมดให้เรารู้จนทำให้เรากลายเป็นบริษัทที่ใช้ Data-Driven Marketing หรือ Data-Driven Business ที่แท้จริงครับ

Copywriting-Driven Marketing โฆษณาที่คมคายช่วยขับยอดขาย การตลาดยุคก่อนอินเทอร์เน็ต

แรกเริ่มเดิมทีอาวุธที่ดีที่สุดที่นักการตลาดและคนทำธุรกิจมีคือการสร้างโฆษณาที่คมคายเต็มไปด้วยความคิดสร้างสรรค์ เพื่อทำให้คนประทับใจจนจดจำและก็นำไปสู่ยอดขาย

ลองนึกถึงโฆษณาที่ยังตราตรึงเราอยู่ในความทรงจำถึงทุกวันนี้ดูซิครับ นั่นแหละครับคือการตลาดแบบ Copywriting-Driven Marketing

ซึ่ง Copywriting-Driven Marketing นี้ก็ไม่ได้หมายถึงแค่การใช้คำเท่านั้น แต่ยังหมายถึงภาพ เสียง ไปจนถึงวิดีโอ แต่ทั้งหมดทั้งมวลที่เป็นแก่นของเรื่องนี้คือการใช้ความคิดสร้างสรรค์ออกมาเป็นโฆษณาที่คมคาย จนสามารถกระตุ้นยอดขายได้ในท้ายที่สุด

Internet Marketing 1.0

จากนั้นเข้าสู่ยุคเริ่มต้นของอินเทอร์เน็ต ยุคที่เราเริ่มมีเว็บให้เข้าไปอ่านข่าวสารบ้าง เมื่อเริ่มมีคนใช้งานอินเทอร์เน็ตมากพอบริษัทโฆษณาก็เข้ามา เพื่อทำให้นักการตลาดสามารถเข้าถึงกลุ่มเป้าหมายที่กำลังเล่นอินเทอร์เน็ตอยู่ในตอนนั้น

ในปี 1998 เกิดเว็บ GoTo.com จากนั้นไม่นานก็เปลี่ยนชื่อเป็น Overtune เปิดตัวบริการโฆษณาแบบ Pay-part click เป็นครั้งแรกในโลก ทำให้จากอินเทอร์เน็ตไม่เคยเป็นพื้นที่ทางเศรษฐกิจ ก็กลายเป็นพื้นที่ที่สามารถหาเงินได้ขึ้นมาในทันที

จากนั้นก็เกิดบริษัทที่ให้บริการเครื่องมือวัดผลเว็บไซต์ที่ชื่อว่า Uchin ซึ่งกลายเป็น Google Analytics ทุกวันนี้ และนั่นก็ทำให้นักการตลาดอย่างเรา(ผม) สามารถเข้าถึง First-party data หรือ Data ที่แท้จริงจากลูกค้าที่ไม่ต้องผ่านมือใครเป็นครั้งแรก

แล้วก็เกิดรูปแบบการทำโฆษณาตามคำค้นหาที่กลายเป็น Google AdWords ซึ่งนี่คือการตลาดแบบ Direct Marketing จากแบรนด์ถึงลูกค้าตรงด้วย Internet ครับ

Creative Analytics นักวิเคราะห์สร้างสรรค์

หลายคนที่อยู่สายงานด้าน Creativity มักกังวลว่าตัวเองจะต้องตกงานในยุค Data หรือเปล่า แต่บอกได้เลยว่าไม่เพราะในโลกยุค Big Data & Analytics นั้นบริษัทต่างๆ มักมี Data อยู่มากมาย ที่ขาดก็คือคนที่มี Creativity มาช่วยวิเคราะห์ข้อมูลด้วยการบิดข้อมูลดูในแง่มุมต่างๆ ตั้งคำถามที่น่าสนใจต่อข้อมูลนั้น แล้วก็เอา Insight ที่ได้ข้อมูลนั้นมาต่อยอดเป็นไอเดียใหม่ๆ ไม่ว่าจะออกมาเป็น Communication ใหม่ Promotion ใหม่ หรือแม้แต่ Product หรือ Service ใหม่ๆ นั่นเองครับ

ดังนั้นอาชีพที่จะต้องการอย่างมากตั้งแต่วันนี้ก็คือ Creative Analytics เพราะเมื่อก่อน Data ที่เป็น Report นั้นบิดหาแง่มุมอื่นได้ยาก เพราะ Results ที่เห็นถูก Fix มาแบบนี้แล้ว หรือผ่านการวิเคราะห์ออกมาเป็นข้อสรุปแล้ว แต่ในวันนี้นักการตลาดต้องรู้จักบิดดาต้าเพื่อหาแง่มุมที่น่าสนใจด้วยตัวเอง แล้วค่อยเอาแง่มุมนั้นมาถกกับคนอื่นๆ ในบริษัทเพื่อหาข้อสรุปร่วมกันว่าแต่ละคนมีมุมมองต่อดาต้านั้นอย่างไร

ปัญหาสุดคลาสสิคเรื่อง Data ในบริษัททุกไซส์

ปัญหาหลักของบริษัทส่วนใหญ่ที่อยากทำ Data-Driven แล้วไม่ Success คือ Data ที่เลือกมาวัดผลไม่ตอบโจทย์ทางธุรกิจ และการที่ไม่สามารถเชื่อมโยง Data จากหน่วยงานภายในองค์กรเดียวกัน จนทำให้ขาดความเข้าใจ Customer Insight แบบลึกซึ้งและรอบด้านอย่างที่ควรจะเป็นครับ

และปัญหาที่เจอบ่อยที่สุดทุกวันนี้แถมยังเป็นเรื่องเบสิคคือทีมการตลาดและทีมขายไม่ได้ทำงานร่วมกันอย่างที่ควรจะเป็น ทั้งที่ลูกค้าคนเดียวกันแต่กับแยก Data ใคร Data มัน ซึ่งเป็นเรื่องง่ายๆ แต่กลับทำให้เสียโอกาสทางธุรกิจไปมากมายในทุกบริษัท

Evaluating & Cleansing Data

นี่คือสองขั้นตอนแรกและขั้นตอนหลักที่ใช้เวลาในการทำโปรเจค Data-Driven มากที่สุด เพราะแรกเริ่มก็ต้องไปสำรวจก่อนว่าใครในแต่ละทีมถือ Data อะไรอยู่บ้าง เชื่อไหมครับว่าหลายครั้ง Data ที่ทีมการตลาดต้องการแต่เมื่อถามมักบอกว่าไม่มีกลับไปอยู่กับพนักงานตัวเล็กๆ ในองค์กร อย่างคนที่ดูแลเรื่องของ E-marketplace

และที่เจอมากที่สุดคือทีมการเงินหรือบัญชีที่มักจะมี Customer data ที่ครบถ้วนและถูกต้องมากที่สุด เพราะทุกรายการซื้อขายที่เกิดขึ้นต้องถูกลงบัญชีไว้เสมอ ตั้งแต่เปิดบิลยันเก็บเงิน ไปจนถึงลูกค้าที่ไม่ยอมจ่ายเงินไปจนถึงช่องทางและวิธีการจ่ายเงินของแต่ละคน

เมื่อทำการสำรวจและประเมินแล้วว่า Data อันไหนบ้างที่ใช้ได้หรือใช้ไม่ได้ ก็มาถึงขั้นตอนการ Cleansing data หรือทำดาต้าให้สะอาด จัดระเบียบให้เรียบร้อยพร้อมใช้งาน เพราะแต่ละทีมในบริษัทก็มักจะมีเครื่องมือของตัวเองในการเก็บข้อมูลลูกค้า ทำให้ข้อมูลแบบเดียวกันมักจะมีหลากหลายรูปแบบ เช่น เบอร์โทรศัพท์ บ้างก็เขียนแบบ 081 234 5678 อีกทีมอาจเก็บในรูปแบบ 081-234-5678

แค่มี – ขีดคั่นตรงกลางอาจดูเหมือนเป็นเรื่องเล็ก แต่ในความเป็นจริงก่อนจะเริ่มต้นทำ Data Analytics ใดๆ ก็ต้องทำข้อมูลเดียวกันให้อยู่ในรูปแบบเดียวกัน เพื่อที่โปรแกรมจะสามารถทำความเข้าใจได้ว่ามันคืออันเดียวกันครับ

เพราะสุดท้ายแล้ว Conversion Rate หรืออัตราปิดการขายจะดีได้ก็ต้องเมื่อทีม Marketing สามารถหา Lead ที่ใช่ให้กับ Sale แต่การที่เราจะรู้ว่า Lead แบบไหนใช่ไม่ใช่ก็ต้องเอา Data ลูกค้าที่ซื้อมากางดูแล้ววิเคราะห์ร่วมกันว่า คนแบบไหนที่ปิดการขายได้ง่ายที่สุด ต้องสามารถแตกรายละเอียดหรือองค์ประกอบออกมาเป็นข้อๆ ได้ ไม่เอาคำว่า “คนดี” อย่างเดียว แต่ต้องอธิบายได้ด้วยว่า “คนดี” มีองค์ประกอบแบบไหน เช่น ไม่พูดปด ไม่โกง ไม่ยืมนาฬิกาเพื่อน ให้ตรวจสอบทรัพย์สินได้ ไม่ทำรัฐประหารเข้ามาเป็นนายก เป็นต้น

เมื่อลิสรายการของลูกค้าที่ต้องการออกมาได้เป็นข้อๆ ที่ชัดเจนทางทีม Marketing จะได้ไปดูว่าจากเครื่องมือโฆษณาที่มีให้ใช้งาน ณ ปัจจุบันอะไรบ้างที่ทำได้ แล้วอะไรบ้างที่ทำไม่ได้ เพื่อจะได้เอามา Discuss กันอีกครั้งแล้วก็ปรับเปลี่ยนตัวชี้วัดใหม่ร่วมกันให้ลงตัว

Monyball – Case study กรณีศึกษาการใช้ Data-Driven Business

เรื่องราวของทีมสโมสรเบสบอลในอเมริกาที่อยู่อันดับบ๊วยๆ ของตาราง แต่สามารถพลิกมาเป็น Top 5 ทีมต้นตารางได้ในระยะเวลาอันสั้นเมื่อพวกเขาเปลี่ยนวิธีการเลือกนักกีฬาใหม่

จากเดิมที่เคยใช้ตัวชี้วัดแบบเก่า หุ่นดี หน่วยก้านยาว สูง หล่อ ล่ำ ฟันขาว อะไรก็ว่าไป แต่ตัวชี้วัดเหล่านี้กลับไม่สามารถทำให้ได้นักกีฬาที่ดีได้ แต่ทุกทีมในเกมเบสบอล ณ เวลานั้นก็ล้วนแต่ใช้ตัวชี้วัดนี้กันทั้งนั้น

จนกระทั่งพวกเขาเปลี่ยนมาใช้ Data ในการเลือกนักกีฬาที่เก่งพอในงบประมาณที่มีจำกัด ทำให้พวกเขาสามารถเข้าถึงนักกีฬามือทองชั้นดีที่แมวมองในวันนั้นมองข้าม เมื่อเก็บทั้งหมดมาจนครบก็ทำให้ทีมเบสบอลม้ารองบ่นนี้กลายเป็นม้าตัวเต็งในฤดูกาลถัดไป

ท้ายที่สุดวิธีการใช้ Data-Driven นี้ก็กลายเป็นมาตรฐานใหม่ของการเลือกนักกีฬาเบสบอลของทุกทีมจนถึงทุกวันนี้

สรุปสั้นๆ Data-First Marketing แค่บทนำ

  1. การตลาดยุคเก่าเน้น Communication ใช้ Copywriting-Driven Marketing
  2. การตลาดยุคใหม่เน้น Data เพื่อตัดสินใจให้แม่นยำโดยไม่สนความคมของ Creative Communication แบบเดิม
  3. โฆษณาแบบ PPC หรือ Pay-Per Click เกิดขึ้นครั้งแรกในปี 1998
  4. Uchin ระบบ Tracking Website แรกของโลกที่ทำให้นักการตลาดสามารถเข้าถึง Data ได้ตรงโดยไม่ต้องผ่านใคร
  5. Creative Analytics อาชีพใหม่ที่ต้องการคนต่อยอดไอเดียที่ได้จาก Data
  6. Marketing ถูกมองว่าใช้เงินมากกว่าทำเงิน
  7. Marketing ต้องเลือกตัวชี้วัดที่ถูกต้องมากกว่าแค่วัดผลไปงั้นๆ แต่ไม่รู้ว่าส่งผลต่อธุรกิจอย่างไร
  8. Evaluating มาก่อน Cleansing Data และสองขั้นตอนนี้ใช้เวลาเยอะที่สุดในการทำ Data-Driven
  9. Marketing ต้องหา Lead ที่ใช่ให้ Sale แต่จะเกิดขึ้นได้ก็ต่อเมื่อทำงานร่วมกัน
  10. ถามตัวเองให้แน่ว่า Click หรือ Download สำคัญต่อ Conversion Rate จริงๆ
  11. Moneyball คือตัวอย่างการใช้ Data-Driven ตั้งแต่ยุคก่อนจะมี Computer ตั้งโต๊ะจริงๆ และในวันนั้นยังไม่มีคำว่า Big Data ด้วยซ้ำ > อ่านเรื่องราวเต็มๆ คลิ๊ก

CMO Revolution & Evolution

ตำแหน่ง CMO หรือ Chief Marketing Officer กำลังถูกสั่นคลอนและลดความสำคัญลงทุกที จากข้อมูลบอกให้รู้ว่าคนที่อยู่ในตำแแหน่งนี้มีอายุงานสั้นกว่า C Level ตำแหน่งอื่น แถมเนื้องานของ CMO กำลังถูกกระจายออกไปก่อให้เกิดตำแหน่งใหม่ๆ อย่าง Chief Growth Officer, Chief Marketing Technology Officer และ Chief Customer Experience Officer

ในปี 2017 บริษัท Coca Cola ประกาศยกเลิกตำแหน่ง CMO แต่มีตำแหน่ง CIO หรือ Chief Innovation Officer เข้ามาแทน เพื่อทำหน้าที่หานวัตกรรมใหม่ๆ ที่สามารถทำให้แบรนด์เข้าถึงผู้บริโภคตรงได้ดียิ่งขึ้น แถมยังทำงานตรงกับ CEO ด้วย

จากนั้นก็เกิดตำแหน่ง CGO หรือ Chief Growth Officer เข้ามาทำหน้าที่แทน CMO เดิมที่เคยมีในการขยายการเติบโตของธุรกิจด้วยการไปเสาะแสวงหาโอกาสใหม่ๆ ว่ามีช่องทางไหนหรือวิธีการใดที่จะทำให้ลูกค้าผู้ดื่มโค้กเติบโตขึ้น ทั้งในแง่ของจำนวนลูกค้า และปริมาณการซื้อซ้ำ

แล้วหลังจากนั้น Coca Cola ค่อยดึงเอาตำแหน่ง CMO กลับมาอีกครั้งด้วยความคาดหวังใหม่จากตำแหน่งนี้ ทาง CEO Coca-Cola เวลานั้นบอกว่าโลกการตลาดสมัยก่อนเน้นการตลาดแบบ One to Millions หรือ Mass Marketing แต่การตลาดแบบหว่านเช่นนี้ถือว่าล้าหลังกับโลกดิจิทัลทุกวันนี้ไปมากแล้ว เพราะด้วยเทคโนโลยีใหม่ๆ ที่เรามีเราสามารถย่อยกลุ่มลูกค้าออกมาเป็น Customer Segments แยกย่อยได้มากมายมหาศาล

วันนี้เราสามารถจับลูกค้าได้ทุกกลุ่มจริงๆ และเราก็สามารถรู้ว่าจะจับลูกค้าแต่ละกลุ่มอย่างไรจึงจะทำกำไรให้เราได้สูงสุดเช่นกัน เรียกได้ว่าเป็นการตลาดแบบรู้ใจ Personalization จริงๆ ครับ

Digital Disrupt Consumer Journey

และจาก Digital Disruption เองที่เข้ามาเปลี่ยนพฤติกรรมของผู้บริโภคยุคปัจจุบันไปตลอดกาล แม้ Customer Journey จะยังคงคล้ายเดิมจากวันวาน เริ่มต้นจากการเห็น การค้นหาข้อมูล การซื้อ และการแชร์ประสบการณ์ ก่อนโลกจะก้าวเข้าสู่ยุคอินเทอร์เน็ตมาจนถึงยุคดิจิทัล ช่องทางการรับสื่อหรือข่าวสารเรามีน้อยมาก แถมช่องทางในการบอกต่อแชร์ประสบการณ์ก็ยังจำกัดอยู่แค่ในวงคนสนิทเท่านั้น

แต่เมื่อดิจิทัลเข้ามาทุกสิ่งที่เคยทำใน Customer Journey นั้นไม่เหมือนเดิมอีกต่อไป เพราะเราสามารถเห็นข่าวสารหรือโฆษณาจากช่องทางใดก็ได้ ไม่ว่าจะเว็บไซต์ หน้าฟีดโซเชียลมีเดีย หรือแม้แต่เห็นใครสักคนบนออนไลน์แชร์มาจนเพื่อนเราแชร์ต่อมาเข้าตาเรา แล้วไหนจะวิธีการซื้อที่ขยับขึ้นมาสู่ช่องทางออนไลน์เป็นหลัก ยังไม่นับว่าบนออนไลน์นั้นเต็มไปด้วยเว็บที่ขายสินค้าแบบเดียวกัน หรือแพลตฟอร์มช้อปปิ้งออนไลน์ที่ขายสินค้าแบบเดียวกันเป็นพันๆ ร้านค้า

ทั้งหมดนี้ล้วนแล้วแต่เปลี่ยนวิธีการรับข่าวสารและบอกต่อประสบการณ์ของเราอย่างมหาศาล จากเดิมมีเดียหรือแบรนด์เป็นผู้คุมอำนาจว่าจะให้คนเห็นอะไร จะให้คนพูดได้แค่ไหน แต่วันนี้แพลตฟอร์มเปิดโอกาสให้ทุกคนสามารถพูดทุกสิ่งที่ต้องการได้ และถ้าใครพูดได้โดนใจมหาชนคนส่วนใหญ่ก็สามารถกลายเป็นกระแสไวรัลในระดับที่ซื้อมีเดียสิบล้านก็ไม่อาจสู้ได้ให้เห็นเป็นประจำทุกวัน

และผู้บริโภคสมัยนี้ก็ไม่ได้ไม่รู้ว่าโฆษณาออนไลน์ทำงานอย่างไร พวกเขารู้จัก Re-targeting และ Re-marketing เป็นอย่างดี ผู้บริโภครู้ว่าถ้าเราเข้าเว็บไปดูโรงแรมเราจะเห็นโฆษณาโรงแรมนั้นตามหลอกหลอนสักระยะหนึ่ง หรืออาจจะเป็นโรงแรมอื่นที่คล้ายกันก็ได้

Digital ไม่ใช่แค่เครื่องมือหรือช่องทาง แต่มันคือ Fundamental of Business 5.0

นักการตลาดหลายคนชอบยังคิดว่า Digital Marketing คือช่องทางใหม่ๆ ในการทำการตลาดและโฆษณาเข้าหาลูกค้า หรือมองเป็นแค่เครื่องมือใหม่ๆ ที่ทำให้เราเล่นท่าพิศดารได้มากกว่า Traditional Marketing แบบเดิม

เรามักเห็นหลายคนเน้นเทคนิคการยิงแอด หรือยิงโฆษณาบนแพลตฟอร์มต่างๆ หลายคนมักกังวลเป็นอย่างมากทุกครั้งที่ Facebook ประกาศลด Reach อีกครั้ง ส่วนหนึ่งเพราะนักการตลาดจำนวนไม่น้อยยังมองว่า Digital เป็นแค่ Tool หรือ Channal ในการเข้าถึงและเข้าหาลูกค้าไม่ต่างจากสื่อเดิมๆ แค่เปลี่ยนรูปแบบและวิธีการ

แต่ในความเป็นจริงแล้ว Digital เป็นอะไรที่มากกว่านั้น เพราะมันคือ Fundamental ของธุรกิจหรือ Business 5.0 ว่าเราจะสามารถเก็บ Data มาต่อยอดหรือ Monetization ได้อย่างไร

เพราะ Digital ทำให้เกิด Data ในทุกๆ คลิ๊กหรือการกด หรือ Interaction ที่เกิดขึ้นของลูกค้าสามารถเก็บรวบรวม Data เหล่านั้นมาต่อยอดทำอะไรได้อีกมากกว่าแค่การทำโฆษณาหรือ Communication เท่านั้น

แต่แค่มี Data นั้นไม่พอ เพราะ Data อยู่เฉยๆ มันไม่เกิดค่าใดๆ เราต้องลงทุนลงแรงที่จะหาวิธีใช้ Data ที่มีให้เกิดคุณค่าให้ได้มากที่สุดด้วย นั่นก็คือเราต้องเอามาวิเคราะห์หรือทำ Analytics

เหมือนก่อนหน้านี้ที่บอกว่าตำแหน่งใหม่ที่จะเป็นที่ต้องการมากมายในยุค Age of Analytics คือ Creative Analytics หรือคนที่สามารถหามุมมองที่น่าสนใจจาก Data ที่มี เพราะการมีดาต้าว่าสำคัญแล้วแต่มุมมองต่อดาต้านั้นสำคัญกว่า

เหมือนกับทำไมคนสองคนอ่านหนังสือเล่มเดียวกันแต่คนหนึ่งกลับได้แง่คิดและมุมมองดีๆ เอาไปต่อยอดเป็นสิ่งใหม่ๆ ได้มากมาย แต่อีกคนหนึ่งกลับบอกว่าไม่เห็นมีอะไรน่าสนใจ นี่แหละครับมุมมองต่อดาต้าหรือ Creative Analytics ที่ผมพูดถึง

ขั้นตอนการใช้ Data สำหรับ Marketing มีดังนี้

  1. Capture จัดเก็บ Data
  2. Filter กรองเอาเฉพาะ Data ที่ต้องใช้
  3. Interpret ตีความ

และสุดท้ายคือ Insight ที่ได้มาต้องตอบ Business Goal ส่งเสริม Business Strategy ไม่อย่างนั้นเก็บไป วิเคราะห์ไปก็เหนื่อยเปล่าถ้ามันไม่ได้ช่วยให้เราทำธุรกิจได้ดีขึ้น

ผู้คนชอบคิดว่า Data-Driven Marketing เป็นเรื่องใหม่ ทั้งที่ความเป็นจริงแล้วมีมานานมาก เพียงแต่ไม่เคยเป็นที่พูดถึงในวงกว้าง และไม่ได้มีใครเห็นค่าว่า Data จะช่วยธุรกิจอย่างไร

เดี๋ยวเราจะมาดูเนื้อหาของบทที่ 1 ของหนังสือ Data-First Marketing เล่มนี้กันว่า Marketing in the Age of Analytics นั้นต่างจากวันวานอย่างไร

Data-First Marketing กลยุทธ์การตลาดยุค Age of Analytics

Marketing in Age of Analytics การตลาดเปลี่ยนไปเพราะ Data แต่ในขณะเดียวกันก็ไม่ได้หมายความว่าแค่มี Data แล้วจะชนะได้ แต่ขึ้นอยู่กับวิธีการใช้ ว่าใครสามารถใช้ Data ที่มีให้ได้ประโยชน์มากที่สุด

เรื่องมีอยู่ว่านักการตลาดบางคนมักดีใจเมื่อเว็บไซต์ตัวเองติด SEO มากถึง 15,000 keywords แต่ในความเป็นจริงแล้วเราต้องมาดูว่าจาก 15,000 keywords ที่เราติด SEO จากการตั้งใจคำ Content marketing มานานนั้นส่งผลกระทบทางด้านบวกต่อธุรกิจหรือยอดขายอย่างไรบ้าง

และนี่คือกับดักที่คนส่วนใหญ่เผลอติดกับ ให้ความสำคัญกับ Volume มากกว่า Value เป็นประจำ เพราะการวัดผลแบบพื้นๆ นั้นเป็นเรื่องง่าย แต่การวัดผลที่สำคัญต่อธุรกิจจริงๆ ให้ได้นั้นยากกว่ากันมาก

คำถามสำคัญจากนี้ไปคือ Click แล้วไง? มีคนกดเข้ามาแล้วกลายเป็น Sale มากน้อยแค่ไหน?

ต่อจากนี้ไปเราต้องหาทางแปล Traffic สู่ Transaction เราต้องรู้ว่าคนส่วนใหญ่ชอบเข้ามาที่หน้าไหนบ้าง แล้วเราสามารถทำหน้านั้นให้กลายเป็นยอดขายได้หรือเปล่า?

แล้วมี Keywords ใดบ้างที่ดูจะเป็นโอกาสสร้างยอดขายในธุรกิจเราแต่เรายังไม่ได้คำนั้นมา รู้แบบนี้จะได้วาง Content Marketing Strategy ได้ถูกทาง ไม่ใช่ทำไปเรื่อยแล้วดีใจเมื่อกวาดจำนวน Keywords มากๆ โดยที่ไม่ได้ส่งผลสำคัญต่อธุรกิจเลยแต่อย่างไร

การตลาดออนไลน์แบ่งอออกได้เป็น 3 ยุคใหญ่ๆ ดังนี้

Ages of Digital Marketing

1. The Age of Discovery ยุคเริ่มต้นการตลาดออนไลน์ที่ปูพื้นฐานมาถึง Digital Marketing ทุกวันนี้

ยุคแรกเริ่มของ Digital Marketing เริ่มต้นในปี 1989 ในวันที่โลกได้รู้จัก World Wide Web หรือ www เป็นครั้งแรก จากนั้นในปี 1993 ก็เกิดบริษัทโฆษณาทางออนไลน์ที่ชื่อว่า Global Network Navigator ขึ้นตามมาจนถึงทุกวันนี้

การเกิดขึ้นของ Marketing Technology ในยุค Age of Discovery กลายมาเป็นพื้นฐานของ Digital Marketing ทุกวันนี้มีลำดับเวลาดังนี้ครับ

  • 1989 World Wide Web ถือกำเนิด
  • 1993 Search Engine ถือกำเนิดขึ้นมา
  • 1993 AOL (American Online) เริ่มต้นแจก CD โปรแกรมเชื่อมต่ออินเทอร์เน็ตให้ลูกค้าตามบ้าน พร้อมกับเสนอบริการฟรีอีเมล (สมัยก่อนอีเมลเสียเงินครับ)
  • 1995 DoubleClick แพลตฟอร์มโฆษณาออนไลน์เปิดตัว
  • 1997 Google เปิดให้บริการเป็นครั้งแรก
  • 1998 ระบบโฆษณาแบบ Pay-Per Click เปิดให้บริการเป็นครั้งแรก
  • 1999 Saleforce.com เปิดให้บริการ
  • 2000 Google เปิดตัว AdWords บริการโฆษณาตามคำ

และนี่คือช่วงเวลาแรกของโลกการตลาดที่สามารถวัดผลได้จริง สามารถเข้าถึง Customer Data ได้ตรงโดยไม่ต้องผ่านใคร เราสามารถเริ่มใส่โค้ดหรือตัวชี้วัดแบบเฉพาะเจาะจงไปยังช่องทางต่างๆ เพื่อวัดผลว่าภายใต้แคมเปญการตลาดเดียวกันนั้นช่องทางไหน ข้อความใดที่มีประสิทธิภาพหรือส่งผลต่อยอดขายมากกว่ากัน

จากเดิมไม่เคยรู้เลยว่าลูกค้าซื้อเราเพราะเห็นเราจากช่องไหนหรือรายการใดมาก่อน แต่ในวันนั้นนักการตลาดเริ่มเห็นกับตาตัวเองเลยว่าตกลงแล้วช่องทางใดบ้างที่มีประสิทธิภาพมากกว่ากัน

คำว่า Potential ในโลกการตลาดและโฆษณาเดิมมาจากการที่ไม่สามารถวัดผลสิ่งที่เกิดขึ้นได้จริง เลยต้องใช้คำกว้างๆ อย่าง Potential ที่มาจากการคาดการณ์หรือคาดเดาว่าจะมีคนเห็นมากน้อยเท่าไหร่ จะเป็นกลุ่มเป้าหมายที่เราต้องการจริงหรือไม่ แต่ในโลกการตลาดออนไลน์หรือ Digital Marketing นั้นต่างออกไปเพราะเราสามารถเลือกได้ว่าจะให้ใครเห็นโฆษณาเราบ้างแม้จะเป็นพื้นที่เดียวกัน เว็บเดียวกัน หรือแพลตฟอร์มเดียวกันก็ตาม

และในยุคนี้ยังถือกำเนิดเทคโนโลยีเล็กๆ ที่เปลี่ยนโลกการตลาดอย่างพลิกโฉมที่มีชื่อว่า Cookies ขึ้นมา เพราะนักการตลาดสามารถทำ Personalization ได้หากเราเก็บ Cookies ผู้ใช้งานแล้วเอา Data ที่ได้มา Analytics จากนั้นก็เอามาวางแผน Marketing Strategy ต่อไปให้สามารถทำการตลาดแบบรู้ใจสบายๆ หรือเป็นจริงได้จริงๆ

เจ้า Cookies นี้เองทำให้นักการตลาดที่ฉลาดและขยันสามารถส่งโฆษณาที่ใช่และตรงใจออกไปหาลูกค้าจนปิดการขายได้ง่ายขึ้นกว่าเดิมมาก เห็นไหมครับว่าหลายสิ่งในวันนี้ล้วนเกิดขึ้นตั้งแต่ยุคแรกเริ่มของอินเทอร์เน็ตทั้งนั้น

2. The Age of Reckoning ยุคเริ่มต้นของ MarTech

ยุคของฟองสบู่ดอทคอมในช่วงปี 2000 มีความคล้ายกับ Startup วันนี้แต่ไม่เหมือนกันสักทีเดียว เพราะในวันนั้นคือแค่มีไอเดียสักหน่อย แล้วก็จดโดเมนเว็บไซต์ให้เรียบร้อย จากนั้นก็รอเงินล้าน เงินร้อยล้านที่จะไหลเข้ามาลงทุนได้เลย

แต่ก็นั่นแหละครับหลายเว็บก็พังและเจ๊งไม่เป็นท่าไปมากมาย และจากวิกฤตฟองสบู่ดอทคอมจึงทำให้เปรียบเสมือนอุกาบาตที่ถล่มโลกเมื่อ 60 ล้านปีก่อน ช่วยคัดเอาสิ่งที่ไม่เหมาะสมออกไปและเหลือไว้เฉพาะไอเดียที่เป็นธุรกิจได้จริงๆ

โดยยุค Age of Reckoning มี Timeline ดังนี้

  • 2000 ฟองสบู่ .com แตก
  • 2005 Hubspot เปิดตัว
  • 2006 Marketo เปิดตัว
  • 2007 Google AdWords เปิดตัวระบบ Conversion Tracking และ Conversation Optimizer
  • 2007 Facebook เปิดตัวแพลตฟอร์มโฆษณา
  • 2008 LinkedIn เปิดตัวระบบ Targeted Advertising
  • 2008 Google AdWords เปิดตัวระบบโฆษณาบนโทรศัพท์มือถือ
  • 2010 Google AdWords เปิดตัวโฆษณารูปแบบใหม่ Click to Call Ads
  • 2010 Google AdWords เปิดตัวระบบ Retargeting และ Remarketing

ยุคที่สองของการตลาดออนไลน์จะเป็นยุคที่ไอเดียจะต้องทำเงินได้จริง ไม่ใช่แค่จดโดเมนแล้วระดมทุนได้เหมือนเดิมอีกต่อไป Saleforce.com เปิดตัวในฐานะเครื่องมือ CRM แรกและสามารถกวาดส่วนแบ่งทางการตลาดไปได้กว่า 20% ของตลาด CRM ทั่วโลกทุกวันนี้

ในยุคนี้ Data เริ่มเยอะขึ้นจนก่อให้เกิดคำว่า Big Data และในยุคนี้ก็ยังเป็นยุคเริ่มต้นของ MarTech เริ่มมีระบบ Marketing Automation ให้ใช้งาน เริ่มมีการทำ Remarketing กับ Retargeting

นักการตลาดสามารถวัดผลได้ทุกคลิ๊กที่จ่ายเงินไป สามารถรู้ได้ว่าคลิ๊กไหนบ้างที่กลายเป็นยอดขาย หรือคลิ๊กไหนแค่กดเข้ามาแล้วออกไปเพื่อที่จะได้รู้ว่าจะต้องทำการตลาดกับใครซ้ำอย่างแม่นยำ

ในยุคนี้การตลาดแบบหว่านหรือ Mass Marketing เริ่มถูกท้าทายโดย Digital Marketing ที่สามารถวัดผลและปรับปรุงได้เป็นครั้งแรกครับ

3. The Age of Analytics

จุดเริ่มต้นของยุคนี้มาจากการที่ Google เข้าซื้อ Urchin แล้วเอามาเปลี่ยนชื่อเป็น Google Analytics ที่เว็บส่วนใหญ่ติดตั้งเพื่อติดตามดูหลังบ้านว่ามีคนเข้ามามากน้อยเท่าไหร่ ใช้งานเว็บเราแบบไหน ในวันนั้นนับเป็นครั้งแรกที่นักการตลาดสามารถเข้าถึง Data ได้ตรงโดยไม่ต้องผ่านตัวกลาง ไม่ได้เห็นข้อมูลในรูปแบบ Report รายงานที่ถูกสรุปมาให้เป็นบทวิเคราะห์ที่ผ่านการตีความจากคนอื่นมาแล้ว

Timeline ในยุค Age of Analytics เป็นดังนี้

  • 2005 Google Analytics เปิดตัว
  • 2011 Scott Brinker เปิดตัว MarTech Landscape เป็นครั้งแรก และมีแค่ 150 แพลตฟอร์มเท่านั้น
  • 2012 Zapier เปิดตัว
  • 2012 Looker เปิดตัว
  • 2013 Tableau เปิดตัว
  • 2016 Google Data Studio เปิดตัว
  • 2019 MarTech Landscape มีมากกว่า 7,000 แพลตฟอร์ม
  • 2019 Saleforce ซื้อ Tableau
  • 2020 Google ซื้อ Looker

นี่คือยุคของการต่อยอดจาก Data ที่แท้จริง ยุคของการ Analytics เพราะดูจากเหตุการณ์สำคัญที่เกิดขึ้นล้วนเป็นเครื่องมือของการทำ Analytics เป็นส่วนใหญ่

ส่วนหนึ่งเพราะ Social media สร้าง Data มากมาย แต่กลับไม่ถูกนำไปใช้งานให้เกิดคุณค่าได้มากพอ และการทำ Data Analytics ก็จะเป็นการยกระดับการใช้ Data จากเดิมธุรกิจแข่งกันที่สร้างยอด Sale ไปสู่การคาดการณ์หรือ Predict ว่าใครจะทำนายอนาคตได้แม่นยำกว่ากัน

เช่น ถ้าเรารู้ว่ายอดขายปีนี้ไม่ดี หรือยอดขายจากลูกค้ากลุ่มนี้ไม่ดีในวันนี้ แต่ถ้าเราสามารถ Predict ได้แม่นยำว่าขาดทุนวันนี้แต่วันหน้ากำไรแน่นอน การทำธุรกิจก็จะเป็นเรื่องง่ายขึ้นมาก ดังนั้นโลกธุรกิจในวันนี้จึงแข่งกันที่ว่าใครจะสามารถคาดการณ์อนาคตได้แม่นยำกว่ากัน

ในปี 2020 Google ซื้อ Looker เครื่องมือทำ Data Visualization ที่แอดวานซ์มากเป็นเงินกว่า 2.6 พันล้านดอลลาร์ ในปี 2019 Saleforce บริษัท CRM ยักษ์ใหญ่ของโลกทำการซื้อ Tableau เป็นเงินกว่า 15.7 พันล้านดอลลาร์

เราจะเห็นว่าบริษัทยักษ์ใหญ่พยายามทุ่มลงทุนไปกับการซื้อบริษัทที่ทำเครื่องมือประเภท Data Visualization เพราะ Data จะไร้ค่าถ้าไม่มีความสามารถในการหยิบเอามาใช้งานเริ่มวิเคราะห์ และทั้งสองบริษัทนี้ก็มี Data มากมาย รวมถึงลูกค้าที่ใช้บริการเขาอยู่ก็มี Data เก็บไว้บนระบบมหาศาล

ดังนั้นการลงทุนทุ่มทุนซื้อของทั้งคู่จึงเป็นการเสริม Ecosystem ของบริษัทให้ลูกค้าที่ใช้งานสามารถ Untilize Data ได้เต็มที่ เพื่อที่จะได้ซื้อบริการอื่นๆ เพิ่มนั่นเองครับ

เพราะการเริ่มต้นทำงานกับ Data ที่ง่ายที่สุดจากประสบการณ์ผมคือการเริ่มต้นทำ Data Visualization และผมคิดว่า Data Visualization คือภาษาสำคัญของคนทำงานยุคใหม่ ในยุคที่เต็มไปด้วยดาต้ามากมายเราต้องรู้จักตั้งคำถามและหาคำตอบจาก Data ที่มีด้วยตัวเองให้ได้เหนือกว่าคู่แข่ง (ทั้งคู่แข่งในบริษัทและนอกบริษัท)

MarTech Stack สำคัญถ้าอยากจะทำ Data Analytics ได้ครอบคลุม

เพราะการตลาดในยุค Data Analytics นั้นจะดูแค่ข้อมูลบรรทัดสุดท้ายอย่างยอดขายนั้นไม่เพียงพออีกต่อไป แต่เราต้องรู้ว่าตั้งแต่ก่อนลูกค้าจะตัดสินใจซื้อพวกเขามี Journey เป็นอย่างไร พวกเขาผ่านอะไรมาบ้าง ได้รับ Experience แบบไหน

เดิมทีเรามักรู้ Customer data ได้แค่ช่วงหลังการขาย แต่ด้วย MarTech ทุกวันนี้เราสามารถรู้ได้ตั้งแต่ตอนยังเป็นแค่คนธรรมดาที่สนใจ และเรายังสามารถตามไปเก็บข้อมูลพฤติกรรมความสนใจนอกแพลตฟอร์มเราได้ด้วยว่าพวกเขามีความสนใจอะไรอื่นอีกบ้าง แอบไปปันใจให้คู่แข่งเราหรือเปล่านะ

McKinsey บอกว่าการตลาดแบบ Data-Driven Marketing จะตัดสินด้วยความสามารถในการ Analytics Data เพราะในวันนี้หลายบริษัทในโลกเริ่มทำไปแล้วแบบเงียบๆ และความน่ากลัวของการใช้ Data-Driven Marketing คือคู่แข่งจะไม่มีทางรู้ได้โดยง่ายเหมือน Marketing สมัยก่อนว่าเรากำลังทำอะไรอยู่

เพราะเมื่อเราแบ่ง Customer Segments ตาม Data ที่มีออกมาเป็นกลุ่มน้อยใหญ่ คู่แข่งอาจจะอยู่แค่ในไม่กี่ Segments ที่เราแบ่งไว้ ทำให้ไม่มีทางที่คู่แข่งจะตามสืบได้ทั้งหมดว่าเรากำลังทำอะไรอยู่

ผิดกับการตลาดยุคเก่าที่มีอะไรก็ป่าวประกศออกทีวี ออกสื่อแบบดั้งเดิมที่เน้นการเข้าถึงคนจำนวนมาก สมัยก่อนแค่ตามติดว่าใครออกทีวีช่องไหนบ้าง ทำโฆษณาอะไรอยู่ ง่ายๆ เท่านี้ก็เพียงพอที่จะคาดเดากลยุทธ์คู่แข่งได้ไม่ยากแล้วครับ

สำคัญคือเราต้องตอบคำถามตัวเองให้ได้ก่อนว่าเราจะใช้ Data แบบไหน และใช้เพื่อแก้โจทย์เรื่องใด จากนั้นก็ระบุให้ได้ว่า Insight หรือตัวแปรใดที่สำคัญต่อยอดขายของธุรกิจเรา สุดท้ายคือหาวิธีว่าเราจะวัด Insight หรือตัวแปรสำคัญที่เราคิดไว้ออกมาเป็นตัวเลขได้อย่างไร

สรุปหนังสือ Data-First Marketing บทที 1 Marketing in Age of Analytics

การตลาดในยุคดาต้าไม่ได้วัดกันแค่ว่าใครมีดาต้ามากกว่ากัน แต่วัดกันที่ใครมีความสามารถในการวิเคราะห์ข้อมูลหรือ Analytics ที่เหนือกว่า ภายใตดาต้าแบบเดียวกันมุมมองต่อดาต้าที่เหนือชั้นจะทำให้เราเอาชนะคู่แข่งได้ ยุคนี้จึงเป็นยุคของ MarTech มากมาย และเป็นยุคที่บริษัทยักษ์ใหญ่เลือกทุ่มลงทุนกับบริษัทที่ทำด้าน Data Visualization & Analytics เพื่อให้ลูกค้าเห็นประโยชน์ของการเก็บดาต้ามากมายไปใช้งานมากขึ้นครับ

Data-First Marketing จากทีมบ๊วยสู่ทีมท็อปเพราะดาต้า Moneyball

สรุปหนังสือ Data-First Marketing บทที่ 2 จะพูดถึง Case study การใช้ Data สำหรับทีมกีฬาที่นอกเหนือจากภาพยนต์เรื่อง Moneyball ที่เปลี่ยนจากทีมบ๊วยมาเป็นทีมท็อปของ Major League Baseball ด้วยการทำ Data Analytics เป็นทีมแรก จนส่งผลให้ทุกทีมต้องทำตาม

ในโลกของการแข่งขันกีฬาแท้จริงแล้วเต็มไปด้วยดาต้ามากมาย การแข่งขัน Formula One หรือ F1 เองก็เป็นหนึ่งกิจกรรมที่ใช้ความสามารถด้าน Data Analytics มหาศาลเพื่อเอาชนะคู่แข่งที่อาจจะห่างกันแค่ 1 วินาที

เพราะจากเซนเซอร์มากมายในตัวรถที่มีเป็นร้อยๆ ชิ้นนั้นสร้าง Data มากถึง 3 GB และ 1,500 Data points ต่อวินาทีที่แข่งขัน ลองเอาไปคูณกับจำนวนนาทีที่ใช้ในการแข่งขันคุณจะพบว่านี่มัน Big Data ชัดๆ ขนาดเป็นข้อมูลที่ถูกสร้างจากแค่รถคันเดียวเท่านั้น

ดังนั้นจะเห็นว่า Data ต่างมีมากมายไม่ต่างกัน สิ่งที่จะทำให้ต่างกันคือความสามารถในการ Analytics วิเคราะห์ข้อมูลได้ทันเวลาที่จำกัดจึงจะสามารถเพิ่มโอกาสชนะให้กับทีมในการแข่งขันสนามถัดไป

ดังนั้นการแข่งขัน F1 ให้ชนะวันนี้จึงไม่ใช่ว่าทุ่มทุนทั้งหมดไปกับการปรับปรุงรถแข่งให้ดีขึ้น แต่ต้องปรับปรุงจาก Data ที่ได้มาว่าควรจะต้องปรับปรุงตรงไหนหรือจุดใดเป็นพิเศษ

เมื่อรถแข่งอย่าง F1 ก็ยังมี Data มากมายขนาดนี้ และแน่นอนว่า Data มากมายมหาศาลจากเซนเซอร์นับร้อยย่อมต้องมีศูนย์กลางที่เอาไว้รวม Data ให้เชื่อมโยงและทำงานด้วยกันได้ สำหรับโลกการตลาดเราเรียกสิ่งนี้ว่า Customer Data Platform หรือที่เรียกสั้นๆ ว่า CDP นั่นเองครับ

แต่ปัญหาของการสร้างศูนย์กลางสำหรับรวบรวม Customer Data Platform แต่ไหนแต่ไรมาคือราคาที่ไม่น่ารักเอาเสียเลย เพราะเมื่อก่อนจะเริ่มต้นทีต้องมีเงินหลักล้านไปจนถึงหลายสิบล้านบาทต่อปี แต่ในวันนี้ราคาการเข้าถึงและใช้งาน CDP นั้นค่อยๆ น่ารักน่าคบมากขึ้นทุกวัน

กลับมาที่เรื่องราวของ Moneyball อีกสักนิด ที่บทนี้เน้นเรื่องราวของ Moneyball เป็นพิเศษเพราะเขาอยากให้เราได้เห็นวิธีการคิดแบบคนทำธุรกิจ หรือคนทำการตลาดทั่วไปที่ไม่ได้เกี่ยวกับ Data โดยตรงว่าแท้จริงแล้วเราเกี่ยวกับดาต้าทั้งทางตรงและทางอ้อมมากน้อยขนาดไหน

ในปี 2013 กว่า 75% ของ Major League Baseball ใช้ดาต้าในการกำหนดกลยุทธ์การแข่งขันผ่านวิธีการคิดที่เรียกว่า Sabermetrics และยิ่งไปกว่านั้นในปี 2018 ทุกทีมใน Major League ล้วนมีทีม Analytics มาเป็นหนึ่งในทีมงานการสร้างทีมให้กลายเป็นแชมป์ทั้งนั้น

จะเห็นว่าในช่วงแรก Data สร้างความได้เปรียบอย่างมหาศาลให้กับผู้นำที่เริ่มใช้ แต่หลังจากนั้นไม่นานเมื่อทุกคนก็ต่างหันมาใช้ดาต้าจึงทำให้ไม่มีใครได้เปรียบกว่ากัน แต่กลับกลายเป็นว่าใครที่ไม่ใช่ต่างหากจะกลายเป็นเสียเปรียบทุกทีมทันที

เพราะ Data จะเป็นตัวช่วยในการยกระดับเราไปสู่ The Next Level แต่เมื่อทุกคนใช้ก็กลายเป็นว่ามาตรฐานการแข่งขันทั้งหมดยกระดับขึ้นไปสู่การแข่งขันที่ยากขึ้นอีกระดับ และนี่ก็เป็น 3 บทเรียนสำคัญที่นักการตลาดควรรู้จาก Case study ของ Moneyball

Level 1 ต่อต้านวิธีการด้วยดาต้า

แน่นอนว่าเรื่อง Data-Driven Marketing นั้นไม่ใหม่แถมยังมีมาหลายสิบปีแล้ว แต่กลับมีน้อยบริษัทและองค์กรมากที่สามารถทำ Data-Driven จนยกระดับธุรกิจได้ แม้หลายคนจะรู้ว่าสำคัญแต่ก็ยังลงทุนน้อยมาก เพราะการทำ Data-Driven นั้นพูดง่ายแต่ทำยาก เพราะมันไม่เหมือนการทำแคมเปญการตลาดทั่วไปที่เปรี้ยงเดียวแล้วจบ แต่เป็นการทำอย่างต่อเนื่องเพื่อให้ได้ผลลัพธ์ในระยะยาว แถมยังต้องเข้าไปเปลี่ยนวิธีการทำงานเดิมออกไป แน่นอนว่าย่อมเกิดกระแสต่อต้านจากคนเก่าแก่ที่ทำงานด้วยวิธีนั้นมาหลายสิบปีเป็นปกติ

การจะทำ Data-Driven Marketing ให้ประสบความสำเร็จจะต้องกำหนดเป้าหมายให้ชัดว่าจะเลือก Data แบบไหนมาเป็น Metric ตัวชี้วัดของธุรกิจเรา ต้องกำหนดและควบคุมตัวชี้วัดให้ได้ จากเดิมเคยใช้ตัวชี้วัดแบบเก่าแต่ไม่สามารถสะท้อนถึงผลลัพธ์ที่แท้จริงได้ เหมือนที่การคัดเลือกนักเบสบอลเดิมดูที่รูปลักษณ์ภายนอกและท่าขว้าง ท่าตีว่าสวยหรือไม่ แต่พอเปลี่ยนมาดูจาก Data ของผลลัพธ์การขวางสำเร็จ การตีสำเร็จ ทำให้ท่าทางการตีการขว้างเดิมที่เคยเชื่อถือมานานไร้ประโยชน์ไปในทันที

นี่คือการเปลี่ยน Metric ตัวชี้วัดที่เข้าใกล้เป้าหมายของธุรกิจมากขึ้น การดูจาก Metric ที่เป็นอัตราการสำเร็จในการขว้างบอล อัตราความสำเร็จในการตีถูกลูก แน่นอนว่าการแข่งขันเบสบอลนั้นแพ้ชนะขึ้นอยู่กับคะแนนเหล่านี้ ลองคิดดูนะครับว่าแท้จริงแล้ว Data แบบไหนหรือ Metrics ใดที่สามารถบ่งชี้ว่าเข้าใกล้ Business Goal ของคุณ

ในโลกการตลาดก็เหมือนกับถ้าเราเป็นธุรกิจตัวเล็ก SME หรือแบรนด์เล็กๆ ที่อาจจไม่ได้มีเงินมากๆ เราจะใช้วิธีแข่งด้วยกำลังเหมือนบริษัทยักษ์ใหญ่คงไม่ได้ เราต้องเอาชนะแบบเล็กๆ แต่สะสมไปเรื่อยๆ เสมือนกับนิทานเรื่อง David and Goliaths ครับ

เราจะไปทุ่มทุนแข่งสร้าง Awareness ผ่านการทำโฆษณามากมายแบบเขาคงไม่ไหว เหมือนกับการที่เราจะทุ่มทุนสร้างเว็บสวยๆ ระเบบเจ๋งๆ คงไม่ไหว ในเมื่อกติกาการแข่งขันของเว็บไซต์คือ SEO เป็นหลัก ดังนั้นเราควรแข่งขันว่าจะทำอย่างไรให้เราสามารถเก็บ Keywords สำคัญๆ ได้มากกว่าคู่แข่ง หรืออย่างน้อยก็ขอให้ติดหน้าแรกโดยใช้งบน้อยกว่ามากๆ เพียงเท่านี้เราก็ทำ ROI ได้ดีกว่าเขาแล้ว

เหมือนกับครั้งหนึ่งผู้เขียนบอกว่าเขาเคยได้อันดับหนึ่งของคีย์เวิร์ดคำว่า the cloud มาตั้งแต่ปี 2009 ก่อนเทคโนโลยี cloud จะเป็นที่นิยมเสียอีก สิ่งที่พวกเขาทำไม่ใช่การทำ SEM หรือการลงทุนทำคอนเทนต์เพื่อตอบ SEO เพิ่ม แต่เป็นการขยายช่องทางใหม่ๆ เพื่อเข้าถึงกลุ่มเป้าหมายที่เป็นผู้บริหารในวันนั้นผ่านช่องทาง LinkedIn ผลปรากฏว่าพวกเขาใช้งบการตลาดน้อยกว่าการทำ Google AdWords ถึง 82% โดยที่ได้ผลลัพธ์ดีกว่าถึง 200% ครับ

ดังนั้นกลยุทธ์ธุรกิจและการตลาดของ SME ที่จะทำให้ตัวเองสามารถแข่งขันกับยักษ์ใหญ่ได้ก็คือการวัดผลทุกอย่าง ตามเก็บ Data ทุกตัวที่เป็นของเรา จากนั้นก็ Optimized ให้ดีขึ้นเรื่อยๆ เรียกได้ว่าเป็นกลยุทธ์การตลาดแบบกินเงียบ กินเรียบๆ ที่คู่แข่งจะไม่มีทางรู้เลยว่าเรากำลังทำอะไรอยู่

Lesson 2 Data อาจไม่ทำให้คุณเป็นแชมป์ แต่ทำให้คุณกลายเป็น Top 5 ได้

เปลี่ยนทีมบ๊วยให้ปังด้วย Big Data จากภาพยนต์เรื่อง Moneyball

ในเรื่องราวของภาพยนต์เรื่อง Moneyball จะเห็นว่าแม้ทีมจะไม่สามารถเป็นแชมป์ แต่ก็สามารถเข้ามาลึกในรอบชิงแชมป์จนเขย่าวงการเบสบอลอเมริกาได้เลย

นั่นก็เพราะการใช้ Data จะทำให้เรายกระดับตัวเองเหนือคู่แข่งที่ยังไม่ใช้ แต่พอเวลาผ่านไปความได้เปรียบที่เคยมีก็จะกลายเป็นการรู้เท่าทันและกลายเป็นมาตรฐานใหม่ในการแข่งขันมากขึ้นทุกที จนกลายเป็นแรงกันดันคนที่ไม่ใช้ให้ยากจะไล่ตามได้ทัน

Lesson 3 หมั่นตั้งคำถามและสงสัยไว้เสมอว่า ทำไม ทำไม และ ทำไม?

ในเกมกีฬาเบสบอลมีการพยายามใช้ดาต้ามานานเป็นร้อยๆ ปีแล้ว แต่จากวิธีการที่ใช้กัน ที่วัดผลกัน หรือดาต้าที่ดูกันอาจจะไม่ใช่คำตอบที่ดีที่สุดเสมอไป หรือยิ่งเมื่อเวลาเปลี่ยนไปเราก็ยิ่งมีวิธีใหม่ๆ ในการเก็บข้อมูลได้ดีขึ้น และละเอียดขึ้นตามลำดับ และนั่นก็อาจจะทำให้เราค้นพบว่าตัวชี้วัดหรือ Metric ที่เคยเลือกใช้ในวันวานนั้นกลับไม่มีประโยชน์อะไรเลยในวันนี้

การจะทำ Data-Driven Marketing หัวใจหลักไม่ใช่แค่เรามี Data แล้วหรือยัง แต่เราต้องหมั่นถามว่าเรามี Data ที่ตอบโจทย์ทางธุรกิจเราที่ดีพอแล้วหรือยัง ถ้ายังเราจะต้องหา Data แบบไหนมาเพิ่ม หรือถ้าเดิมมีวิธีการเก็บที่เคยทำตามๆ กันมาก็ต้องตั้งคำถามว่าทำไมต้องใช้ Data นี้ ใช้ Data อื่นไม่ได้หรอ

การเปลี่ยนตัวชี้วัดใหม่จะนำไปสู่การวางแผนเพื่อจัดเก็บ Data ใหม่ สิ่งสำคัญคือเริ่มจากเราอยากรู้อะไร แล้วจะนำมาสู่เราต้องรู้อะไร จากนั้นค่อยหาวิธีว่าเราจะรู้ได้อย่างไร ว่าไปนี่มันหลัก Data Thinking ของหนังสือเล่มที่ 3 ผมเลยนะครับ

Data Thinking Canvas ของการตลาดวันละตอน

สำหรับนักการตลาดต้องเลิกใช้ Metrics ที่ไม่ตอบโจทย์ได้แล้ว เช่น Traffic คนเข้าเว็บเยอะแล้วอย่างไร มันสะท้อนถึง Business Goal หรือยอดขายหรือการจองบ้างหรือเปล่า คนกด Like, Comments หรือ Share เยอะแล้วอย่างไร มันกลายมาเป็นยอดขายให้ธุรกิจเราหรือไม่ ยกเว้นถ้าเราทำธุรกิจด้านสื่ออันนี้เข้าใจได้

เลิกดู Data ที่ไม่ตอบโจทย์ แล้วหันเข้าไปคุยกับทีมอื่นๆ ในองค์กรไม่ว่าจะ Sale หรือ Customer Service ว่าตกลงแล้วตัวชี้วัดหรือตัวแปรที่สำคัญของลูกค้าเราและธุรกิจเราอยู่ตรงไหน ถ้าค่า CTR สูงแต่ไม่ได้ช่วยอะไรยอดขายก็ลืมๆ มันไป เหมือนกับอัตราการเปิดอีเมลอ่านแม้จะสูงแค่ไหนแต่ถ้าไม่กลายเป็นยอดขาย หรือถ้าไม่สามารถเอามาสะท้อนถึงเป้าหมายธุรกิจก็จงมองหาตัวชี้วัดอื่นที่ดีกว่าได้แล้ว

ต้องเริ่มจาก Business Metrics แล้วนำมาสู่ Marketing Metrics จากนั้นจะนำมาสู่ Data ที่สำคัญว่าตกลงแล้วอะไรที่สำคัญต่อธุรกิจเรากันแน่ครับ

สรุปบทที่ 2 Data-First Marketing จากกรณีศึกษา Moneyball

การใช้ดาต้าคือการท้าทายวิธีการคิดและทำงานแบบเดิมที่เคยเชื่อถือกันมาช้านาน แน่นอนว่าในช่วงแรกย่อมต้องถูกต่อต้าน แต่เมื่อผ่านการพิสูจน์แล้วว่าดีกว่าจนเห็นผลที่แตกต่างก็จะทำให้ใครๆ ก็แห่ทำตามหันมาใช้ Data เหมือนเรา

และนั่นก็คือการยกระดับการแข่งขันของทั้งอุตสาหกรรมไปสู่ The Next Level ด้วย Data จะทำให้ทีมที่ไม่สนใจและมองข้ามเรื่องนี้กลายเป็นเสียเปรียบโดยปริยาย ถ้าคุณไม่เริ่มก่อนก็ต้องเป็นผู้ตาม แต่ถ้าทุกคนทำกันหมดแล้วคุณยังไม่คิดตามเตรียมสูญพันธุ์ทางธุรกิจได้เลย

Data-First Marketing กลยุทธ์ Transform บริษัทให้เป็น Data-Driven Marketing

บริษัทต่างยอมรับว่า Data นั้นสำคัญต่อธุรกิจและการตลาดขนาดไหน แต่กลับมีน้อยมากที่ยอมลงทุนในการทำเรื่อง Data-Driven Marketing อย่างจริงจัง จนทำให้ผู้ที่กล้าลงทุนก่อนใครค่อยๆ กลายเป็นผู้นำที่ทิ้งห่างคู่แข่งไปเรื่อยๆ ในระยะยาวแบบที่ยากจะไล่ตามได้ทันเหมือนการทำธุรกิจและการตลาดยุคก่อนด้วย

บ้างก็ไปให้ความสำคัญกับแค่การทำ Data Analytics เข้าใจผิดว่าการทำ Data-Driven Marketing ทั้งหมดคือการวิเคราะห์ข้อมูลที่มีอยู่ในมือ ในความเป็นจริงแล้วการทำ Analytics เป็นแค่ปลายทางของการทำ Data-Driven เพราะในความเป็นจริงแล้วการจะทำ Data-Driven ต้องเริ่มต้นตั้งแต่การวาง Data Strategy ให้สอดคล้องกับ Business Strategy และ Business Goal

แล้วยิ่งขาดการทำ Data Integration เอาข้อมูลที่กระจัดกระจายภายในองค์กรมาเชื่อมต่อกันเพื่อให้เห็น Insight ที่ครบถ้วนและลึกซึ้งยิ่งขึ้น ขาดการลงทุนในการสร้างแพลตฟอร์มดาต้าหรือที่อาจจะเรียกว่า Data Warehouse, Data Lake หรือ Customer Data Platform ในวันนี้ ก็ยิ่งทำให้การทำ Data-Driven Marketing ไม่ประสบความสำเร็จสักที และนี่เป็นแค่อุปสรรคทางด้านเทคโนโลยีและการลงทุนครับ

หลายคนยังชอบเข้าใจผิดว่าการทำ Data-Driven Marketing เหมือนกับการทำ Marketing Campaign อย่างไรอย่างนั้น แต่ในความเป็นจริงแล้วนั่นเป็นคนละเรื่องกันเลยครับ เพราะแคมเปญการตลาดส่วนใหญ่จะเป็นรูปแบบ Adhoc หรือครั้งเดียวจบแล้วทำใหม่ แต่การทำ Data-Driven Marketing นั้นจะต้องเป็นการวางแผนระยะยาว การกำหนดกลยุทธ์ว่าจะเก็บดาต้าอย่างไร จะรวมดาต้าอย่างไร จะวิเคราะห์ดาต้าอย่างไร และจะดูดาต้าตัวชี้วัดแบบไหนที่สามารถสะท้อนถึงธุรกิจหรือยอดขายได้บ้าง จากนั้นก็ต้องกลับมาปรับปรุงตัวชี้วัดและขั้นตอนต่างๆ ให้มีประสิทธิภาพยิ่งขึ้น

ที่หนักไปกว่านั้นคือวิธีการทำงานขององค์กรก็ต้องเปลี่ยนไป เพราะ Data ไม่ใช่แค่เรื่องของเครื่องมือแต่เป็นเรื่องของ Mindset ต้องคิดใหม่ทำใหม่ เพราะหลายครั้งพบว่าวิธีการทำงานแบบเดิมที่เคยดีมาตลอดหลายสิบปีกลายเป็นไร้ประสิทธิภาพในโลกยุค Data-Driven

บางครั้งวิธีการทำงานเก่าๆ ต้องถูกลดทอนหรือทิ้งไป และหลายครั้งก็ก่อให้เกิดวิธีการใหม่ๆ ขั้นตอนใหม่ๆ ไปจนถึงตำแหน่งเนื้องานใหม่ๆ เพิ่มขึ้นเพื่อให้สอดคล้องกับการจะเป็นบริษัท Data-Driven Marketing ครับ

การจะทำ Data-Driven Marketing ให้ประสบความสำเร็จต้องใช้ Digital Marketing และ MarTech เป็นส่วนเสริมให้การใช้ดาต้าขององค์กรเราเกิดประโยชน์สูงสุด นั่นเลยเป็นเหตุผลว่าทำไม Saleforce จึงทุ่มทุนซื้อ Tableau กว่า 15.7 พันล้านดอลลาร์สหรัฐ ส่วน Google เองก็ทุ่มทุนกับ Looker ไปกว่า 2.6 พันล้านดอลลาร์สหรัฐ

ทำไมต้อง Data-First Marketing?

นั่นเพราะคนส่วนใหญ่ใช้ Data ได้ไม่เต็มที่เต็มประสิทธิภาพ คนส่วนใหญ่ยังคงอยู่แค่ในจุดเริ่มต้นที่เป็นการเริ่มทำ Analytics จาก Data ที่แยกส่วนกันระหว่างทีมงานในองค์กร ยังขาดการเชื่อมโยง Data ทั้งองค์กรเพื่อให้เข้าใจภาพรวมธุรกิจ ยังขาดเชื่อมต่อกับ External data ว่าเราจะเข้าใจลูกค้าให้ลึกซึ้งและรอบด้านขึ้นกว่าเดิมได้อย่างไร

การใช้ Data-Driven จะทำให้เราเข้าถึง Customer Insights ที่แท้จริงได้รวดเร็ว และนั่นก็ทำให้เราตัดสินใจอย่างชาญฉลาดและแม่นยำได้โดยง่าย จากเดิมที่ต้องมาใช้สัญชาติญาณว่าเราควรจะต้องตัดสินใจแบบไหนดี แต่วันนี้แค่เงยหน้าบน Dashboard ดีๆ เป็นเวลาไม่กี่วินาทีก็สามารถฟันได้เลยว่าควรต้องไปทางไหนกันแน่

และที่สำคัญ Data ยังไม่ได้ Driven แค่ Marketing แต่ยังไปได้ถึงขั้น Data-Driven Business ถ้าเริ่มมี Mindset ที่จะใช้ดาต้าขับเคลื่อนองค์กรให้ก้าวไกล เราจะต้องคิดและวางแผนใหม่ว่าเราต้องการดาต้าแบบไหนที่จะสามารถช่วยให้ตัดสินใจทางธุรกิจได้ดีขึ้น และก็ค่อยเริ่มคิดว่าเราจะเข้าถึงหรือเก็บดาต้านั้นได้อย่างไร จะต้องใช้วิธีการวิเคราะห์ประมวลผลแบบไหนถึงจะทำให้ตัดสินใจได้อย่างสะดวกรวดเร็วที่สุด

การทำ Data-Driven Marketing เองยังทำงานรายวันของเราทุกคนง่ายขึ้นกว่าเดิมมาก ดังนั้นนี่จึงเป็นเหตุผลสำคัญว่าเหตุใดองค์กรเราควรจะเดินหน้าเรื่อง Data-Driven จริงจังแบบเต็มตัวเสียที

สาเหตุหลักที่ทำ Data-Driven ไม่รอด

แม้หลายองค์กรจะรู้ว่า Data สำคัญอย่างไร และต่อให้เริ่มต้นทำไปแล้วส่วนใหญ่ก็ไม่ค่อยรอดเพราะ Bias หรืออคติ คนส่วนมากยังคงเชื่อกันว่าวิธีการเดิมที่เคยทำมาเป็นสิบๆ ปีนั้นดีอยู่แล้ว ไม่มีทางที่สิ่งใหม่โดยเฉพาะเทคโนโลยีจะมีเปลี่ยนโลกหรือพลิกโฉมธุรกิจได้มากขนาดนั้น อย่างดีก็แค่เป็นเครื่องมือช่วยให้งานเดิมเร็วขึ้นอีกนิด มีประสิทธิภาพขึ้นอีกหน่อย แต่คนเหล่านั้นลืมไปว่าการใช้ Data-Driven Business จะเป็นการเปลี่ยนวิธีการทำงาน เปลี่ยนกติกาการแข่งขันในโลกธุรกิจไปเช่นกัน คนเหล่านั้นนึกไม่ถึงว่า Data is Game Changer หรือ Data จะกลายเป็น The Next Level ของธุรกิจและอุตสาหกรรมของเรา

คนจำนวนไม่น้อยยังมีอคติที่เชื่อว่า “ไม่เคยมีใครเขาทำกัน” หรือ “ตั้งแต่เกิดมาไม่เคยเห็นบริษัทไหนกำไรด้วยดาต้า”

ใช่ครับ เพราะ Data-Driven เป็นเรื่องใหม่จึงไม่แปลกถ้าจะไม่เคยมีใครเขาทำกัน ก็เหมือนกับ Online Marketing ในยุคแรกๆ จะมีใครคิดว่าทุกวันนี้เราจะซื้อข้าวของมากมายผ่านหน้าจอ เราจะสั่งอาหารเกือบทุกมื้อผ่านแอปด้วยโทรศัพท์มือถือเครื่องเล็กๆ และที่ไม่มีเคยได้ยินใครเขาทำกันเพราะการทำ Data-Driven Marketing นั้นเป็นเสมือนความลับทางธุรกิจที่ไม่มีใครเขาอยากเปิดเผยกันสักเท่าไหร่

ยิ่งในประเทศไทยบ้านเรายิ่งไม่ต้องพูดถึง น้อยบริษัทมากที่จะกล้าเปิดเผยออกมาให้คนอื่นรู้ เพราะเขาก็กลัวว่าคู่แข่งรู้แล้วจะรีบทำตาม เขาอยากให้คู่แข่งไม่รู้และทำการตลาดแบบหลงทางต่อไปเรื่อยๆ เพื่อที่ตัวเองจะได้ทิ้งห่างจนไม่มีทางที่ใครจะตามทันได้ง่ายๆ ครับ

อย่างไรเสียทุกธุรกิจก็ต้องมีการกำหนด Metrics ตัวชี้วัดหรือ KPI ต่างๆ ที่จะเป็นตัวสะท้อนว่าเราทำธุรกิจได้ถูกทางหรือกำลังหลงทางไปไกลจากที่ตั้งเป้าหมายไว้ตอนต้นปีกันแน่ สิ่งที่เราต้องเริ่มทำคือหมั่นตรวจสอบบ่อยๆ ว่า Metric นี้หรือ KPI ที่ใช้นั้นดีที่สุดหรือยังในวันนี้ มันมีตัวชี้วัดอื่นที่ดีกว่านี้หรือเปล่า ถ้ามีต้องรีบเปลี่ยนให้ไวเพื่อที่เราจะได้ไม่ต้องสูญงบมากไปกว่านี้

งานยุ่งเกินไปจนไม่มีเวลาใช้ดาต้า

ไม่น่าเชื่อว่าเหตุผลที่ฟังดูเหมือนคำแก้ตัวจะกลายเป็นอุปสรรคใหญ่ของการทำ Data-Driven ในองค์กรให้ประสบความสำเร็จ เพราะในความเป็นจริงแล้วผู้บริหารมักลืมว่าลูกน้องตัวเองงานยุ่งขนาดไหน ในแต่ละวันลูกน้องตัวเองต้องทำงานอะไรบ้าง ในความเป็นจริงแล้วลำพังงานรายวันของนักการตลาดนั้นยังแทบทำไม่ทัน ครั้นจะให้มารับผิดชอบงานเพิ่มกับการใช้ Data บอกเลยว่าไม่มีทางเวิร์คครับ

สิ่งที่เราต้องทำคือเราต้องสร้างเวลาใหม่ขึ้นมาให้กับพนักงานคนเก่า ด้วยการลดงานเดิมที่ไม่จำเป็นออกไป หรืออาจจะเพิ่มทีมใหม่ขึ้นมาเพื่อให้รับผิดชอบหน้าที่งานตรงนี้เป็นหลัก เท่านั้นยังไม่พออีกหนึ่งความยุ่งยากที่เกิดขึ้นจากการทำ Data-Driven คือ Technology คุณรู้ไหมว่าในวันนี้มีเครื่องมือทาง MarTech มากมายขนาดไหน แต่ละเครื่องมือก็มีฟีเจอร์มากมายที่ซับซ้อนขึ้นทุกวัน แล้วไหนจะการอัพเดทที่เกิดขึ้นตลอดเวลา ทำให้นักการตลาดเดิมไม่สามารถมีเวลาจะเรียนรู้เครื่องมือ MarTech ที่ใช้ให้เกิดประโยชน์สูงสุดได้สักเท่าไหร่ครับ

เพราะไหนจะต้องลงมือทำ Implement MarTech ให้ดีก็กินทรัพยากรเวลาไปไม่น้อยแล้ว ทำให้ไม่มีเวลาคิดถึงการกำหนด Data Strategy หรือ MarTech Strategy เลยว่าเราต้องการเครื่องมือแบบไหนเพิ่ม เครื่องมือแบบไหนที่เหมาะกับเรา และเราจะกำหนด Metrics ไหนจึงจะตอบโจทย์ธุรกิจมากที่สุด

นักการตลาดสายดาต้าหรือ MarTech ต้องหมั่นตรวจสอบและถามตัวเองเสมอว่าข้อมูลหรือรายงานที่เห็นตรงหน้านี้อัพเดทล่าสุดเมื่อไหร่?

  • เราใช้เทคโนโลยี MarTech ที่ตอบเป้าหมายทางธุรกิจและวิธีการทำงานขององค์กรเราที่สุดแล้วหรือยัง?
  • ถ้าเราจะทำ CRM จริงๆ เรามีระบบที่รวบรวม Customer Data จากทุกที่เพื่อทำให้เราทำ Customer 360 ที่จะกลายเป็น Single View Customer 360 ได้จริงแล้วหรือยัง?
  • เรามีการวัดผล Channel ที่ติดต่อสื่อสารกับลูกค้าไหมว่าช่องทางไหนเวิร์คที่สุด?
  • เรามีการวัดผล Creative ในแต่ละครั้งที่สื่อสารออกไปไหมว่าแบบใดที่เวิร์คที่สุด?
  • เรามีการวัดผล Convince หรือโปรโมชั่นที่ส่งออกไปไหมว่าอะไรที่ลูกค้าติดใจมากที่สุด?

ถ้าเราวัดผลทั้ง 3 อย่างนี้ก็เหมือนกับการทำ RFM Model แต่เราจะเห็นว่าช่องทางไหนลูกค้าชอบให้เราสื่อสารแบบใดด้วยโปรโมชั่นอะไร เราจะเห็น Insight ในแต่ละช่องทางที่ชัดขึ้น ไม่แน่เราอาจจะได้พบกับสูตรสำเร็จของแต่ละช่องทางที่ดีต่อธุรกิจเรามากที่สุดอีกด้วยครับ

เราต้องรู้ว่า ROI ของเราจะต้องวัดจาก Metric ไหนอย่าง ใช้ Attributes แบบใด คนส่วนใหญ่มักไม่ทำในเรื่องนี้ให้ดีเพราะอ้างว่างานยุ่ง แต่ในความเป็นจริงแล้วงานหลายคนยุ่งเกินไปเพราะไม่กดหนด Attributes ที่จะวัดที่เป็น The Right Metrics ที่จะท้อนถึง Business Goal นั่นเองครับ

Data ยากเกินไป

ถัดจากความยุ่งคือความยาก เพราะการจะทำ Data-Driven Marketing ไม่เหมือนกับการทำ Digital Marketing ที่ใช้แค่ไม่กี่เครื่องมือ ใช้ไม่กี่แพลตฟอร์มก็สามารถทำการตลาดได้แล้ว แต่ในการจะทำ Data-Driven นั้นต้องใช้เครื่องมือ MarTech มากมายมาเชื่อมต่อกันหรือที่เรียกว่า MarTech Stack

และการจะทำ MarTech Stack ให้ดีก็ไม่สามารถเอาสูตรสำเร็จจากคนอื่น หรือแม้แต่ธุรกิจที่เหมือนกันมาใช้ร่วมกันได้ เพราะแต่ละธุรกิจก็มีความ Unique ในวิธีการทำงาน เราจึงต้องออกแบบและสร้าง MarTech Stack ที่ตอบวิธีการทำงานหรือสไตล์ขององค์กรเรามากที่สุดแทนจะลอกกันมาดื้อๆ

ดังนั้นงาน Data จึงเป็นงานที่ Customization มากๆ เหมือนกับการตัดสูทให้พอดีตัวอย่างไรอย่างนั้นเลยครับ

เริ่มต้นด้วย Data-First Marketing Framework

สรุปหนังสือ Data-First Marketing บทที่ 4 Transfoming your Marketing Organization เปลี่ยนทีมการตลาดอย่างไรให้พร้อม Data-Driven Marketing

เริ่มจากการกำหนดเป้าหมายร่วมกันว่าอะไรจะเป็น Metrics ตัวชี้วัดการทำงานของการตลาดนับจากนี้ จากเดิมเคยต่างคนต่างกำหนด Goal เช่น Business บอกอยากได้ยอดขายเพิ่มขึ้น แต่ Marketing กลับเอาตัวเลข Website Traffic หรือ Organic Keywords มาให้ หรืออาจจะเอาตัวเลขการเติบโตของผู้ติดตามบนโซเชียลมีเดียและจำนวนยอดแชร์ แต่ไม่สามารถวัดผลสะท้อนได้ว่ามันเกี่ยวกับ Business Goal เราอย่างไร ดังนั้นหัวใจสำคัญของการทำ Data-Driven คือทุกทีมในองค์กรต้องมากำหนดสิ่งนี้ด้วยกัน จะไม่ใช่แค่หน้าที่ของทีม Marketing คนเดียวอีกต่อไป

จากนั้นก็ปรับขั้นตอนวิธีการทำงานใหม่ให้สอดคล้องกับการใช้เทคโนโลยีใหม่ๆ ที่จะนำไปสู่เป้าหมายการเป็นองค์กรที่ใช้ Data-Driven Decision อย่างจริงจัง จะมาคิดว่าทำงานแบบเดิมก็ได้แล้วแค่ทำอะไรเพิ่มขึ้นนิดหน่อยอันนี้ถือว่าพลาดมหันต์ เพราะอย่างที่เห็นกันว่า Data-Driven เป็นเครื่องของ Fundamental ของธุรกิจที่ต้องเปลี่ยนวิธีคิดและทำงานใหม่เกือบหมดตครับ

และระบบการเก็บ Data ขององค์กรก็ต้องถูกรื้อและวางระบบใหม่เพื่อให้สามารถเชื่อมโยงทำงานร่วมกันได้ ไม่ใช่ต่างคนต่างมี ต่างคนต่างเก็บ ต่างคนต่างมีฟอร์แมทของตัวเอง ทำให้ถึงเวลาจะเอามาเชื่อมกันก็ยาก จะวิเคราะห์ให้เห็น Customer Insight ที่แท้จริงก็ลำบาก ดังนั้นการสร้าง Database ใหม่ของทั้งองค์กรจึงเป็นสิ่งที่เลี่ยงไม่ได้ถ้าอยากจะเป็นองค์กรที่ Data-Driven Business ครับ

เราต้องหมั่นปลูกฝังคนในองค์กรให้มี Data Mindset ที่ดี ต้องวางแผนว่า Data แบบไหนที่เราต้องเก็บเพิ่ม เรากำลังวิเคาะห์เพื่อหาอะไรอยู่ ไปจนถึงเราต้องทำ Data Visualization อย่างไรเพื่อให้เข้าใจภาพรวมและสามารถให้คนอื่นในองค์กรเข้าใจเรื่องเดียวกับเราได้

และนี่เป็น 5 ขั้นตอนส่งท้ายของบทนี้สำหรับองค์กรที่อยากจะ Transformation ไปสู่การเป็น Data-Driven Business ครับ

5 ขั้นตอนที่จะ Transform ธุรกิจคุณไปสู่การ Data-Driven Business

1. Marketing และ Business ต้องกำหนด Metrics ตัวชี้วัดร่วมกันก่อนลงมือทำงานใด

เพราะเดิมทีต่างฝ่ายต่างกำหนด Metrics ตัวชี้วัดหรือ KPI ของตัวเองโดยไม่ได้ดูเลยว่าสิ่งที่ตัวเองทำนั้นสอดคล้องกับทีมอื่น หรือสอดคล้องกับ Business Goal ในภาพรวมหรือไม่

ดังนั้นจุดเริ่มต้นของ Data-Driven Business คือการให้ทุกฝ่ายในองค์กรร่วมกันกำหนดเป้าหมายตัวชี้วัดออกมาให้ได้ก่อนจะลงมือทำงานใดทุกครั้งไป

2. Data Intrgration ข้อมูลทั้งหมดต้องเชื่อมโยงกันเพื่อเพิ่มประโยชน์สูงสุด

เดิมทีแต่ละทีมแต่ละฝ่ายมักจะมีระบบในการทำงานที่แตกต่างกัน ทีมขายก็อาจจะใช้ CRM ระบบนึง ทีมการตลาดก็อาจจะใช้แพลตฟอร์มยอดนิยมในการสื่อสาร ทีมบริการหลังการขายก็อาจจะใช้ระบบที่ทำงานร่วมกับทีม Operation มากกว่า ส่วนทีมการเงินไม่ต้องพูดถึงว่าใช้ระบบ ERP เป็นหลัก แต่ปัญหาคือระบบต่างๆ มักทำงานแยกกันทำให้ Customer data คนเดียวกันถูกเก็บไว้กระจัดกระจายไปทั่วองค์กร

ผลที่ตามมาคือทีมที่ต้องใช้ Customer Data มากที่สุดอย่างทีม Marketing กลับมาข้อมูลลูกค้าจริงให้ใช้น้อยมาก และกว่าจะขอเข้าถึงข้อมูลของทีมอื่นที่ไม่ใช่ทีมตัวเองได้ก็เต็มไปด้วยข้อห้าม และข้อจำกัดมากมาย บางครั้งก็แค่ไม่อยากจะเปิดเผยข้อมูลของทีมตัวเองให้ทีมอื่นรู้ด้วยซ้ำไปครับ

หลังจากกำหนดเป้าหมายร่วมกันแล้วในขั้นตอนแรก ขั้นตอนที่สองก็ต้องเอาข้อมูลลูกค้าที่กระจัดกระจายมาเชื่อมโยงกันเพื่อเพิ่ม Value เมื่อจะทำ Data Analytics ในลำดับถัดมา ต้องมีการกำหนดร่วมกันว่าจะต้องใช้มาตรฐานใดในการเชื่อมต่อกันระหว่างหน่วยงาน

จะใช้ API แบบไหน จะใช้ Technology ได้ เอาง่ายๆ คือการจะต่อ Marketing Stack หรือ Technology Stack ต้องได้รับความเห็นชอบจากทุกทีมไม่ใช่แค่งานของ IT ฝ่ายเดียวแบบเดิมอีกต่อไป

3. Data Analysis วิเคระห์อย่างไรให้ได้ Insight

เมื่อข้อมูลทุกอย่างถูกเชื่อมโยงกันให้พร้อมวิเคราะห์เต็มประสิทธิภาพ ลำดับถัดมาคือการเริ่มวิเคราะห์ข้อมูลหรือทำ Analytics เพียงแต่ว่าก่อนจะวิเคราะห์อะไรออกมาต้องคุยกันให้เรียบร้อยก่อนว่าตกลงแล้วเราอยากเห็นอะไร เหมือนกับการกำหนดเป้าหมายที่แน่ชัดก่อนเริ่มวิเคราะห์ข้อมูล เปรียบกับการจะขับรถไปไหนสักแห่งไม่ใช่แค่มีรถที่ดีพร้อมขับแล้วยังต้องมีเป้าหมายที่ชัดเจนร่วมกัน ไม่อย่างนั้นก็จะเป็นการเสียเวลาขับรถไปเรื่อยๆ เท่านั้นเอง

บอกตัวเองให้ได้ก่อนว่าเรื่องนี้สำคัญอย่างไร ทำไมจึงต้องเสียเวลาและทรัพยากรในการวิเคระห์หา Insight ถ้าตอบได้ก็ลงมือทำ ถ้ายังก็ลองไตร่ตรองเป้าหมายให้ดีก่อนจะได้ไม่เป็นการเสียแรงเปล่าครับ

4. ทำอะไรต้องคิดถึง Data ก่อน

จากเดิมการจะตัดสินใจทำการตลาดหรือแคมเปญใดมักจะมาจากการวางแผนล่วงหน้าโดยใช้ประสบการณ์ส่วนตัวหรือสัญชาติญาณเป็นหลัก แต่ถ้าเราจะเป็นองค์กรที่ใช้ Data-Driven Business แล้วเราจะต้องถามหาดาต้าเป็นอันดับแรก เราตัดสินใจจากดาต้าในการทำงานทุกวันหรือยัง เราจะสามารถใช้ดาต้ามาช่วยตัดสินใจเรื่องนี้ได้หรือไม่ และถ้าเราทำสิ่งนี้ไปเราจะเก็บดาต้ามาวัดผลเพื่อปรับปรุงให้ดีขึ้นในอนาคตได้อย่างไร

ทั้งหมดนี้คือการสร้าง Data Mindset ในองค์กรว่าทำอะไรถามหาดาต้าเสมอ ถ้ามีต้องใช้ ถ้าไม่มีต้องคิดหาทางเก็บมาให้ได้

5. Culture-Driven Data

การจะเป็นบริษัทที่ใช้ Data-Driven Business ให้ประสบความสำเร็จสิ่งสำคัญคือการสร้าง Culture Data Mindset ให้ได้ เริ่มตั้งแต่การจ้างคนที่มีความสามารถในด้านนี้เข้ามาเพิ่มขึ้น การรักษาคนที่มีความสามารถด้านดาต้าให้อยากทำงานกับเรามากกว่าที่อื่น และพัฒนาคนในองค์กรเราให้มีความสามารถในด้านนี้มากขึ้น

และทั้งหมดนี้ก็คือ 5 ขั้นตอนที่จะช่วยให้องค์กรคุณ Transform ไปสู่บริษัทที่เป็น Data-Driven Business ได้ครับ

สรุปหนังสือ Data-First Marketing บทที่ 3 Transforming Your Marketing Organization

บทนี้จะทำให้เราเห็นภาพอุปสรรคสำคัญที่องค์กรส่วนใหญ่มักเจอเมื่ออยากจะ Transform ไปสู่การเป็นบริษัทที่ใช้ Data-Driven Marketing and Business เป็นประจำ

เริ่มจาก Mindset และ Perception ที่ต้องเข้าใจว่าการทำ Data ไม่เหมือนกับการทำ Marketing Campaign ที่ทำครั้งเดียวจบแล้วเห็นผลทันทีแบบการตลาดแบบเก่า แต่เป็นการทำสะสมและเรียนรู้ไปเรื่อยๆ เพื่อให้เจอแนวทางของตัวเอง จากนั้นก็ต้องปรับ Marketing Stack ให้เข้ากับวิธีการทำงานขององค์กรตัวเอง ไปจนถึงต้องปรับรูปแบบการทำงานที่เคยใช้มานานอาจจะต้องรื้อให้เข้ากับเทคโนโลยีใหม่ๆ

5 เลเวลการใช้ Data-Driven Marketing จากหนังสือ Data-First Marketing

บทที่ 4 นี้จะเป็นแบบสอบถามวัดระดับความพร้อมของบริษัทคุณว่าอยู่ในระดับไหนของการใช้ Data-Driven Marketing ในหนังสือ Data-First Marketing ที่จะแบ่งออกได้เป็น 5 Level ที่สามารถลองทำตามแล้วนับคะแนนดูครับว่าทีมการตลาดบริษัทคุณอยู่ในเลเวลไหนวันนี้

แน่นอนว่าก่อนที่เราจะเดินไปข้างหน้าได้เราควรรู้ก่อนว่า ณ ตอนนี้เราอยู่ตรงไหน หลายครั้งเรามักหลงคิดไปเองว่าเราทำได้ดีกว่าที่ทำได้จริง และมีน้อยบริษัทจริงๆ ที่ประเมินตัวเองต่ำไป

ดังนั้นในบทที่ 4 ของหนังสือ Data-First Marketing จึงแบ่งระดับการใช้ Data-Driven Marketing ของบริษัทต่างๆ ออกเป็น 5 ระดับ

1. Novice การตลาดแบบไร้ดาต้า

เลเวลล่างสุดของการตลาดแบบ Data-First Marketing คือการใช้ดาต้าน้อยมากหรือแทบไม่ได้ใช้เลย เพราะทีมการตลาดไม่สามารถเข้าถึงดาต้าที่ต้องการได้ หรือแม้แต่ Marketing data เองก็ยังไม่มีให้ใช้ หรือไม่ได้ใช้งาน

ส่วนดาต้าของทีมอื่นที่ต้องการเข้าถึงก็ถูกแยกจัดเก็บแบบ Silo ขาดการแชร์ข้อมูลระหว่างกันระหว่างทีมต่างๆ นั่นหมายความว่าแม้จะเป็นข้อมูลในบริษัทเดียวกันแต่ก็ไม่สามารถเข้าถึงได้เมื่อต้องการใช้งาน

ทำให้ททีมการตลาดไม่สามารถติดตามวัดผลแคมเปญการตลาดที่ลงทุนทำลงไปได้ ไม่สามารถวัดได้ว่าตกลงแล้วแต่ละแคมเปญที่ทำไปกลายเป็น ROI เท่าไหร่ ไม่สามารถวัดผลได้ว่าแคมเปญการตลาดที่ทำไปก่อให้เกิดยอดขายกลับมาจริงๆ มากน้อยแค่ไหน

2. Aspirational การตลาดที่เริ่มต้นใช้ดาต้า แต่ยังไม่สามารถวัดผลได้จริง

ทีมการตลาดสามารถเข้าถึง Marketing data ของตัวเองได้ แต่ดาต้าอื่นของลูกค้าที่ถูกจัดเก็บไว้กับทีมอื่นภายในองค์กรยังไม่สามารถเข้าถึงได้โดยสะดวก (คิดภาพทีมการตลาดต้องวิ่งไปขอข้อมูลจากทีมเซลล์ หรือทีมบริการลูกค้าหลังการขาย)

ทีมการตลาดสามารถสร้าง Marketing Report ของตัวเองได้ แต่ไม่สามารถสะท้อนถึง ROI หรือยอดขายที่แท้จริงที่เกิดจากแคมเปญการตลาดนั้นได้ คิดถึงภาพ Report ประเภทที่แสดงแต่ข้อมูลของ Reach, Impression, Click, Likes, Comments, Share, Download หรือ Register แต่ตัวเลขทั้งหมดนี้ก็ยังไม่สามารถสะท้อนถึงผลลัพธ์ทางธุรกิจโดยตรง ลงทะเบียนแล้วซื้อไหม ดาวน์โหลดแล้วกลายเป็นยอดขายหรือเปล่า

เพราะ Report ในระดับนี้สามารถแสดงผลได้แค่คลิ๊กเดียว หรือที่เรียกว่า Single-touch attribution ยังไม่สามารถเชื่อมโยง Journey ที่ซับซ้อนจริงได้ แต่อย่างน้อยก็ได้เริ่มต้นใช้ Data แล้วครับ ยินดีด้วย

3. Competent การตลาดแบบร่วมมือกัน

ทีมการตลาดสามารถเข้าถึง Revenue data ข้อมูลการขายหรือกำไรของบริษัท อาจจะด้วยการใช้ระบบ CRM เข้ามาช่วย หรือสามารถเข้าถึงข้อมูลฝ่ายขายได้ ทำให้ทีมการตลาดสามารถคำนวนหา ROI ที่แท้จริงจากการลงทุนทำแคมเปญการตลาดแต่ละครั้งได้

ทีมการตลาดและทีมเซลล์มีการทำงานร่วมกันอย่างใกล้ชิด มีการสื่อสารกันว่าแต่ละฝ่ายอยากได้ดาต้าแบบไหนจากอีกฝ่าย ทีมเซลล์ก็ร่วมในการระบุบอก Lead แบบไหนที่ตัวเองต้องการ หรือที่หนังสือ Data-First Marketing เล่มนี้เรียกว่า SQL ย่อมาจาก Sale Qualified Lead

4. Advanced ใช้ Data-Driven Marketing แบบเต็มที่

บริษัทที่สามารถทำได้ระดับนี้คือสามารถสร้างตัวชี้วัดหรือ Metrics ที่สะท้อนถึงยอดขายหรือเป้าหมายของธุรกิจโดยตรงได้ มีการทำ Content ตาม Persona กลุ่มต่างๆ ของลูกค้าที่ได้จากการวิเคราะห์ดาต้า แถมยังมีการทำการตลาดตาม Customer Journey แบบ Personalization ด้วยการใช้ MarTech

เช่น คนที่เข้ามาหน้าเว็บเราครั้งแรกจะเห็นเนื้อหาแบบหนึ่ง ส่วนคนที่เข้ามาเป็นครั้งที่ห้าก็จะเห็นอีกแบบหนึ่ง ส่วนคนที่เคยซื้อสินค้าไปแล้วก็จะได้เห็นการตลาดอีกแบบหนึ่ง

มีการทำ Experiment หรือ A/B Testing เป็นปกติสำหรับทีมการตลาดของบริษัทที่สามารถทำ Data-Driven Marketing มาถึงระดับ Advance นี้ วัดผลทุกอย่างที่ทำออกไปเพื่อเอามาปรับปรุงหาทางทำให้ดีขึ้นตลอดเวลา

5. Master การใช้ดาต้ากลายเป็น Mindset และ Culture ของทุกคน

นี่คือขั้นสุดของการใช้ Data-Driven Marketing ไปจนถึง Business ตามนิยามของหนังสือ Data-First Marketing เล่มนี้ เพราะบริษัทไหนหรือองค์กรใดที่สามารถมาสู่ระดับนี้ได้การคิดถึง Data จะกลายเป็นเรื่องแรกที่ทุกคนในองค์กรถามหา กลายเป็น Culture การทำงานของทุกคนและถูกปลูกฝังจนกลายเป็น Mindset ว่าจะทำอะไรต้องถามหาดาต้าก่อนเสมอ

CMO และทีมการตลาดกลายเป็นส่วนหนึ่งของการกำหนดกลยุทธ์และเป้าหมายขององค์กร ไม่ใช่รอคำสั่งจากทีมอื่นมามอบให้แล้วคอยทำตาม เพราะตอนนี้ทีมการตลาดกลายเป็นหัวใจสำคัญของธุรกิจ ไม่ใช่แค่ทีมเสริมที่ถูกมองว่าเอาแต่ใช้เงินแล้วไม่ทำให้เกิดผลลัพธ์ใด เพราะในเมื่อสามารถวัดผลทุกสิ่งที่ทำออกไปได้แล้ว และมีปรับปรุงให้ดีขึ้นเรื่อยๆ ก็ไม่มีใครมองข้ามทีมการตลาดเหมือนบริษัทอื่นอีกต่อไปครับ

และนี่ก็เป็นชุดคำถามที่จะวัดว่าทีมการตลาดปัจจุบันที่คุณทำงานอยู่ องค์กรคุณในตอนนี้อยู่ในเลเวลไหนของการใช้ Data-Driven Marketing ครับ

สรุปหนังสือ Data-First Marketing กับ 5 ระดับการใช้ Data-Driven Marketing ในบริษัทคุณ พร้อมคำถามแบบสำรวจที่คุณสามารถทำและวัดคะแนนเองได้

ชุดคำถามที่ 1 ทีมการตลาดคุณสอดคล้องกับธุรกิจและการขายมากแค่ไหน

1 ทีมการตลาดถูกมองว่าเป็นทีมสร้างรายได้ให้องค์กร มากกว่าถูกมองว่าสร้างค่าใช้จ่ายที่วัดผลไม่ได้ใช่หรือไม่?

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

2. ทีมการตลาดถูกมองว่าช่วยเหลือบริษัทได้เป็นอย่างดี เพิ่มคุณค่าให้ธุรกิจได้เป็นอย่างมาก

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

3. Marketing Strategy กลยุทธ์การตลาดของเราสอดคล้องกับกลยุทธ์ Business Strategy เป็นอย่างดี

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

4. ทีมการตลาดมีการปรับเป้าหมายให้สอดคล้องกับเป้าหมายของธุรกิจ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

5. ทีม Marketing กับ Sale ทำงานร่วมกันเป็นอย่างดี

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

6. มีการกำหนด Marketing Qualified Lead หรือ MQL ที่ชัดเจนว่า Lead แบบไหนที่ทีมการตลาดต้องหามา (ไม่ใช่แค่ได้เบอร์หรืออีเมลมา)

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

7. มีการกำหนด Sales Qualified Lead หรือ SQL ที่ชัดเจนว่า Lead แบบไหนที่เซลล์ต้องการ (ไม่ใช่แค่บอกให้ Marketing ไปหามาเยอะๆ)

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

8. ทีม Sales มีการตกลงร่วมกันกับทีมอื่นโดยเฉพาะทีม Marketing หรือไม่ว่า Sales Qualified Lead หรือคุณสมบัติของเป้าหมายที่ตัวเองอยากได้มาปิดการขายต้องประกอบด้วยอะไรบ้าง (ไม่ใช่บอกลอยๆ ว่าคนอยากซื้อ แต่ต้องระบุได้ว่าคนที่จะอยากซื้อนั้นมีองค์ประกอบอะไรออกมาเป็นข้อๆ)

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

9. ทีมการตลาดทำงานร่วมกับทีมเซลล์โดยตรงในการระบุกลุ่มเป้าหมายที่จะหามาให้ร่วมกัน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

10. หัวหน้าทีมการตลาดมีการประชุมร่วมกับหัวหน้าทีมเซลล์เป็นประจำในการกำหนดกลยุทธ์การตลาดร่วมกัน (ไม่ใช่ต่างคนต่างทำโดยไม่ได้รับฟีดแบดและปรับปรุงให้สอดคล้องกับอีกฝ่ายเลย)

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

11. ทีมการตลาดสามารถเข้าถึง Sales data หรือข้อมูลของฝ่ายขายที่ต้องการได้เพื่อเอามาทำ Report ดูว่ามีโอกาสในการขายเท่าไหร่ และปิดการขายได้เท่าไหร่

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

12. มั่นใจมากว่า Sales data ข้อมูลจากฝ่ายขายนั้นมีความครบถ้วน สมบูรณ์ และแม่นยำน่าเชื่อถือสูงถ้าจะใช้ไปทำงานต่อ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

ชุดคำถามที่ 2 การเชื่อมโยงและการบริหารจัดการ Data ในบริษัท

13. ทีมการตลาดมีความรู้ไหมว่าถ้าอยากเห็น Report ที่ต้องการ ที่สามารถสะท้อนถึงยอดขายหรือผลลัพธ์ทางธุรกิจได้จะต้องใช้ระบบแบบไหน การเชื่อมต่อ MarTech Stack อย่างไร

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

14. ทีมการตลาดสามารถเข้าถึงระบบต่างๆ ที่จัดเก็บ Data ที่ต้องการเพื่อเอามาทำ Report และ Analytics ไหม?

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

15. ทีมการตลาดมั่นใจว่า Report ที่ตัวเองทำออกมาสามารถสะท้อนถึง ROI ได้จริงๆ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

16 MarTech Stack ของเรามีการเชื่อมโยงหรือ Fully Integrated แล้วจริงๆ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

17. Data ที่ทีมการตลาดต้องการใช้ทำ Report ที่สะท้อนถึง ROI และยอดขายนั้นสามารถเข้าถึงได้ในแพลตฟอร์มเดียว หรือผ่านการทำออกมาเป็น Dashboard ที่รวม Data จากทุกทีมเรียบร้อยแล้ว

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

18. เรามีการแชร์ Data และแบ่งปันรายงานให้กับผู้บริหารคนอื่นนอกเหนือจากทีมเรา หรือแม้แต่กระทั่งทุกคนที่ต้องการเข้าถึงดาต้านั้น

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

19. เรามีการทำ Data Visualization เปลี่ยน Data ที่ดูยากให้เข้าใจง่ายเพื่อสื่อสารกับเหล่าผู้บริหาร C-Level เป็นปกติ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

ชุดคำถามที่ 3 Analyzing Data

20. มั่นใจว่าทีมการตลาดมีความสามารถในการ Collect และ Analyze Data ได้อย่างถูกต้องและมีประสิทธิภาพแม่นยำ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

21. ทีมการตลาดเรามีการทำ Marketing Funnel ที่มาจาก Buyer’s Journey ของเราอย่างชัดเจน ไม่ได้ใช้ตามสูตรสำเร็จบนอินเทอร์เน็ตที่เสิร์จเจอมา

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

22. มั่นใจมากว่าเรามีการเก็บดาต้าได้อย่างถูกต้องครบถ้วนทุกอย่างที่เกิดขึ้นตลอดทางก่อนจะออกมาเป็น ROI และยอดขายในบรรทัดสุดท้าย

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

23. ทีมการตลาดเรามีการใช้ Data เพื่อยกระดับผลงานและปรับปรุงประสิทธิภาพแคมเปญการตลาดของเราเสมอ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

24. เรามีคนเก่งเรื่อง Data ภายในองค์กร ไปจนถึงมีทีมงานคนนอกที่จะมาช่วย Analyze data ให้เกิดประโยชน์สูงสุด

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

คำถามชุดที่ 4 เราทำแคมเปญการตลาดแบบใช้ดาต้ามากน้อยแค่ไหน

25. ทีมการตลาดเรามีการวางแผนว่าจะต้องเก็บดาต้าแบบไหนมาเพื่อวัดผลแคมเปญการตลาดนั้นออกไปก่อนเริ่มต้นทำงานทุกครั้ง

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

26. แต่ละแคมเปญการตลาดที่ทำออกไปมาการระบุเป้าหมายสำคัญที่ต้องการวัดผลได้เป็นอย่างดี

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

27. ทีมการตลาดเรามีการสร้าง Persona ลูกค้าหรือกลุ่มเป้าหมายที่ต้องการชัดเจน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

28. Persona ที่สร้างขึ้นมามาจากการวิเคราะห์ Existing Customer Data ไม่ใช่มาจากการคิดเองเออเองเป็นส่วนใหญ่

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

29. ทีมการตลาดมีการสร้าง Content map ที่สอดคล้องกับ Persona ที่สร้างมาและ Customer Funnel Stage เรียบร้อย

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

30. ทีมการตลาดมีการกลับมารีวีวและอัพเดท Content map อยู่เสมอ อย่างน้อยปีละครั้ง

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

31. งาน Content Marketing เราอ้างอิงจาก Content Map หรือ Content Strategy เสมอ ไม่ใช่นึกจะทำอะไรก็ทำ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

32. ทุกชิ้นงานที่ทำออกไป ทุก Content มีการติดตามวัดผลเสมอว่าคอนเทนต์นี้ตอบจุดเป้าหมายของธุรกิจอย่างไร

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

33. ทีมการตลาดทำงานประสานกันเป็นอย่างดีแม้จะมีช่องทางหลากหลายแพลตฟอร์ม ไม่ใช่ต่างคนต่างทำ ไม่ได้สอดประสานกันว่าช่องทางนี้จะส่งไปช่องทางไหน พอมาถึงช่องทางนี้แล้วจะอย่างไรต่อ

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

34. Marketing Technology ที่เรามีอยู่หรือ MarTech Stack ตอบโจทย์ที่เราอยากรู้ สามารถช่วยเก็บทุก Data ที่ Marketing ต้องการนำไปวิเคระห์ออกมาเป็น Reports ได้เป็นอย่างดี

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

35. มั่นใช่ว่า MarTech Stack ที่ใช้ตอนนี้สามารถทำให้ได้ Report ที่เห็นสิ่งที่ต้องการและตอบโจทย์ธุรกิจได้จริง

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

36. เราทำ A/B Testing เป็นปกติทุกวันในทุกงาน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

37. เรามีการกำหนด Attribution model

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

38. Attribution model ปัจจุบันที่เราใช้เป็นแบบ

a. First touch (2)
b. Last touch (2)
c. Multi-touch model (5)
d. มันคืออะไร ไม่รู้จัก หรือไม่ได้ใช้ (0)

39. ปกติเรามักใช้ข้อมูลรายงานจากแพลตฟอร์มช่องทางต่างๆ เป็นหลัก

a. เห็นด้วยอย่างมาก (0)
b. เห็นด้วยอยู่บ้าง (0)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (3)
e. ไม่เห็นด้วยอย่างยิ่ง (5)

40. ทีมการตลาดมีการระบุตัวชี้วัดของ KPI ที่สามารถวัดผลได้อย่างชัดเจน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

คำถามชุดที่ 5 การตลาดและดาต้ารวมกันเป็นเนื้อเดียว

41. CMO ทำงานใกล้ชิดกับ CEO ในการกำหนดกลยุทธ์ร่วมกัน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

42. CMO ทำงานใกล้ชิดกับ CFO ในการกำหนดกลยุทธ์ร่วมกัน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

43. CMO ทำงานใกล้ชิดกับผู้บริหารสูงสุดของฝ่ายขาย

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

44. CMO ทำงานใกล้ชิดกับ CIO หรือ IT เป็นอย่างมาก

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

45. ทีมการตลาดเรารักที่จะเรียนรู้ มี Growth Mindset

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

46. ทีมการตลาดเรามีทักษะการคิดวิเคราะห์หรือ Critical Thinking ที่ดี

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

47. ทีมการตลาดเรามีการทำงานตามขั้นตอนที่ระบุไว้ชัดเจนร่วมกัน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

48. เป้าหมายของทีมการตลาดและเป้าหมายขององค์กรเองได้รับการรีวิวร่วมกันกับพนักงานทุกคน

a. เห็นด้วยอย่างมาก (5)
b. เห็นด้วยอยู่บ้าง (3)
c. ไม่ค่อยแน่ใจ (0)
d. ไม่ค่อยเห็นด้วย (0)
e. ไม่เห็นด้วยอย่างยิ่ง (0)

ถ้าคุณทำทั้ง 48 ข้อเรียบร้อย จดคะแนนที่ได้จากการตอบคำถามแต่ละข้อเรียบร้อย คุณก็สามารถประเมินด้วยตัวเองได้เลยครับว่าตอนนี้บริษัทคุณทำเรื่อง Data-Driven Marketing เลเวลไหนแล้ว

0-55 Novice มือใหม่ที่แทบไม่เคยใช้ดาต้า

ถ้าองค์กรที่คุณอยู่ประเมินแล้วได้คะแนนระดับนี้ก็บอกได้เลยว่างานหนัก เพราะนี่คือในระดับที่ยังไม่ได้เริ่มต้นใช้ดาต้าแต่อย่างไร หรือถึงแม้อยากจะใช้ก็ยากที่ทีมการตลาดจะสามารถเข้าถึงดาต้าที่ต้องการได้ เพราะดาต้าที่ต้องการอาจจะไม่ได้ถูกเก็บไว้แต่แรกเพราะทีมอื่นหรือผู้บริหารมองว่าไม่สำคัญ หรือที่หนักกว่านั้นคือการแยกดาต้ากันเก็บแบบ Silo ทีมใครทีมมัน ส่งผลให้ทุกครั้งที่ทำแคมเปญการตลาด ยิงแอดโฆษณา หรือทำคอนเทนต์ใดๆ ไม่เคยรู้เลยว่าเวิร์คหรือไม่เวิร์ค ยอดขายมาเพราะสิ่งที่ทำหรือไม่ เพราะไม่สามารถวัดผลอะไรจากการทำที่สามารถสืบสะท้อนไปถึงยอดขายได้สักที

หรืออย่างดีอาจจะมีการใช้ดาต้าบ้าง แต่ก็เป็นการใช้ดาต้าแบบแยกกันของแพลตฟอร์มหรือช่องทางต่างๆ เช่น Facebook ก็แยกเป็น Report นึง Instagram ก็แยกเป็นอีก Report นึง Google Ads ก็แยกเป็นอีกอันนึง เรียกได้ว่าทำการตลาดกี่ช่องทางก็มี Report มากมายให้อ่าน มี Data มากมายให้ใช้ แต่กลับไม่ก่อให้เกิดประโยชน์แต่อย่างไรเพราะไม่สามารถเอาดาต้ามาทำ Data Integration ได้

สิ่งคุณควรทำเพื่อเริ่มต้น Data-Driven Marketing วางแผนในการเก็บ Data ที่ต้องการที่จะสามารถเอามายกระดับการตลาดและธุรกิจเราให้ดีตั้งแต่แรก และวางแผนที่จะเชื่อมโยงดาต้าภายในองค์กรให้รวมกันไว้ในที่เดียวเพื่อให้ง่ายต่อการทำงาน

วางแผนเรื่องการทำ Marketing Technology Stack ให้ดีแต่วันแรก และนี่คือจุดตั้งต้นของการจะเป็นองค์กรที่ใช้ Data-Driven Marketing อย่างมั่นคงแข็งแรงในอนาคตวันถัดไป

56-110 Aspirational การตลาดที่เริ่มต้นใช้ดาต้า

ถ้าองค์กรคุณอยู่ในระดับนี้ถือว่าดีตรงที่ได้เริ่มต้นใช้ดาต้าทำการตลาดบ้างแล้ว แต่ยังมีอะไรให้ทำอีกเยอะมาก ตอนนี้องค์กรคุณอาจกำลังเริ่มวัดผลแบบ Single-touch attribution model และเริ่มมีการใช้ Marketing data เพื่อวิเคราะห์ข้อมูลให้เห็น Insight ลึกขึ้น แต่ก็ยังขาดการเข้าถึง Data จากหน่วยงานอื่นภายในองค์กรที่ต้องการ

เช่น ข้อมูลการขายจากเซลล์ ข้อมูลลูกค้าจากทีมเซอร์วิส ข้อมูลจากระบบ CRM ที่เซลล์ถืออยู่ ไปจนถึง Customer data ส่วนอื่นๆ ที่ถูกเก็บไว้แยกส่วนกระจัดกระจายภายในองค์กร

111-165 Competent ใช้ดาต้าได้ดีแล้วแต่ยังดีกว่านี้ได้

ถ้าองค์กรใครทำคะแนนได้ในระดับนี้ถือว่าทำเรื่อง Data-Driven Marketing ได้ดีแล้ว เพราะตอนนี้คุณกำลังใช้ดาต้าทำให้ธุรกิจเติบโตอย่างมั่นคงในระยะยาว คุณสามารถคำนวนหา ROI ที่แท้จริงได้ รู้ว่าเงินแต่ละบาทที่ลงไปก่อให้เกิดยอดขายกลับมาเท่าไหร่อย่างชัดเจน

เมื่อคุณรู้คุณก็สามารถวางแผนกลยุทธ์การตลาดและธุรกิจได้ดีขึ้น ทีมการตลาดของบริษัทคุณทำงานร่วมกับทีมเซลล์ได้เป็นอย่างดีจนเป็นที่อิจฉาของหลายบริษัท มีการเชื่อมต่อ Funnel กันระหว่าง Marketing Funnel กับ Sales Funnel และมีการกำหนด Sales Qualified Lead อย่างชัดเจนว่ากลุ่มเป้าหมายที่ต้องการเป็นใคร มีองค์ประกอบแบบไหนบ้าง

การจะทำแบบนี้ได้ก็บอกให้รู้ว่าองค์กรคุณจะต้องมาการทำ Data Integration เชื่อมโยงดาต้าลูกค้าภายในองค์กรระหว่างทีมงานต่างๆ เป็นอย่างดี มีการใช้ MarTech มีการใช้ระบบ Marketing Automation มีการเข้าถึงระบบ CRM ของเซลล์ ทำให้สามารถวิเคราะห์ข้อมูลแบบ Multi-touch attribution ได้เป็นบ้าง

166-220 Advanced ใช้ดาต้าได้ดีเยี่ยม

องค์กรใครที่ทำคะแนนได้ในเลเวลนี้ถือว่าเป็นองค์กรที่ใช้ Data-Driven Marketing ได้อย่างดีเยี่ยมจนน่าอิจฉา เพราะจะสามารถรวม Customer data ไว้รวมกันได้ในแพลตฟอร์มเดียวเช่น CDP ทำให้สามารถสร้าง Persona จาก Customer Data จริงๆ จนทำให้เห็นชัดๆ ว่าลูกค้าเรามีกี่ Segments

มีการทำ Marketing Campaign & Communication ที่สอดคล้องกับ Persona ที่ได้จากการวิเคราะห์ดาต้า และนั่นก็ทำให้องค์กรนี้สามารถเห็น Customer 360 ได้จริงว่าลูกค้าแต่ละคนเคยมี Experience แบบไหนกับเรามาบ้าง ตั้งแต่ตอนก่อนเป็นลูกค้าไปจนถึงหลังเป็นลูกค้าแล้ว

ทีมการตลาดใช้ดาต้าเป็นเรื่องปกติในการทำงานทุกวัน มีการใช้ดาต้าเพื่อทำแคมเปญการตลาดให้ดีขึ้นกว่าเก่า ไม่มีการเดาอีกต่อไปว่าควรทำแบบไหนดี แต่ก็อาจจะยังไม่ใช่ทั้งหมดที่ทุกคนในทีมการตลาดจะทำได้แบบนี้

และการจะพาองค์กรเราให้ทำ Data-Driven Marketing แบบขั้นสุดหรืออาจจะเรียกว่าขั้นเทพคือการที่เราต้องให้ความสำคัญกับเรื่อง Data-First Marketing เป็นหัวใจหลัก หายใจเข้าเป็นดาต้า หายใจออกเป็นดาต้า มองหาดาต้าจากทุกอย่าง ใช้ดาต้าช่วยตัดสินใจทุกสิ่ง จึงจะกลายเป็นเลเวลถัดไปที่ชื่อว่า Master เทพเจ้าดาต้าครับ

221-240 Master เทพเจ้าดาต้า

ถ้าองค์กรใครทำคะแนนประเมินการใช้ดาต้าแล้วอยู่ในเลเวลนี้ต้องบอกเลยว่าเทพสุดๆ โดยไม่มีเงื่อนไข เพราะคุณเป็นองค์กรที่ใช้ Data-Driven Marketing ในระดับขั้นเทพแล้ว เพราะองค์กรคุณนั้นได้ทำการเปลี่ยนแปลงมากมาย เริ่มตั้งแต่การสรรหาคนที่มีความสามารถ ปรับเปลี่ยนขั้นตอนวิธีการทำงานให้สอดคล้องกับดาต้า มีการเลือกเทคโนโลยีที่เหมาะสม มีระบบในการจัดเก็บดาต้าทั้งองค์กรให้ง่ายต่อการใช้งาน ไปจนถึงเป็นองค์กรที่มี Data Culture เรียบร้อยแล้ว

ทีมการตลาดมีการวิเคราะห์ดาต้าเพื่อหา Insight ที่ต้องการมาใช้งานทุกอย่างในทุกวัน ทีมการตลาดทำงานช่วยธุรกิจได้จริง เป็นตัวแปรสำคัญในการทำให้องค์กรใช้เทคโนโลยีใหม่ๆ ก่อนใคร เรียกได้ว่ากลายเป็นทีมที่นำองค์กรอย่างแท้จริง

แต่จะบอกให้รู้ว่าในความเป็นจริงมีองค์กรที่ทำ Data-Driven Marketing ในระดับนี้ได้น้อยมาก ส่วนในระดับ Advance ก็ไม่ได้มีมากขนาดนั้น ส่วนใหญ่ยังคงอยู่ในระดับ Competent ส่วนองค์กรไหนอยู่ในระดับ Novice หรือ Aspirational ถือว่าล้าหลังกว่าคู่แข่งมาก ต้องรีบลุกขึ้นวิ่งขึ้นมาทำอะไรหลายๆ อย่างเพื่อไล่ตามคู่แข่งให้ทันอย่างน้อยก็ยังเห็นแผ่นหลังก็ยังดี

จากการสำรวจของ Gartner 2018 พบว่ากว่า 48% ขององค์กรต่างๆ ใช้งบประมาณไปกับขั้นตอนเริ่มต้นทำงานกับ Data อย่างการ Cleansing data และเตรียม Collecting data ที่ต้องการใช้ให้พร้อมเพื่อทำ Data Analytics ต่อไป

และมีน้อยองค์กรมากที่ใช้งบประมาณไปกับการลงทุนทำ Customer Data Platform อยู่ในวันนี้ ส่วนหนึ่งเพราะค่าใช้จ่ายที่สูงมากในตอนนั้นจนทำให้มีน้อยองค์กรที่สามารถเข้าถึงได้ เรียกได้ว่างบประมาณการลงทุนก็เป็นเงื่อนไขสำคัญว่าองค์กรเราจะใช้ดาต้าไปได้ระดับไหน

แต่ถ้าใครอ่านถึงตรงนี้แล้วรู้สึกท้อว่าจะต้องทุ่มงบการตลาดมหาศาลลงไปถึงจะสามารถทำ Data-Driven Marketing ให้เกิดขึ้นได้ก็ไม่ต้องกังวลไปเพราะไม่มีใครสามารถกินช้างได้ทั้งตัวในคำเดียว ดังนั้นเราต้องค่อยๆ เริ่มทำจากทรัพยากรที่มีแต่หัวใจสำคัญคือการทำอย่างต่อเนื่อง และที่สำคัญที่สุดคือการกำหนด Data Strategy ที่ดีว่าเราต้องการดาต้ามาช่วยอะไร ต้องการดาต้าแบบไหน และจะเข้าถึงดาต้านั้นได้อย่างไร สุดท้ายคือจะใช้เครื่องมือ Marketing Technology แบบไหนจึงจะสามารถทำ Data-Driven Marketing ในองค์กรเราให้เกิดขึ้นจริงตามเป้าหมายที่ต้องการได้ครับ

Data-First Marketing บทที่ 5 การตลาดกับธุรกิจต้องประสานกัน

การจะทำให้บริษัทหรือองค์กรตัวเองเป็น Data-Driven Marketing ได้ต้องเกิดจากการทำงานใกล้ชิดกันระหว่างทีมต่างๆ จนเป็นเสมือนทีมเดียวกันทั้งองค์กร โดยเฉพาะทีมการตลาดจะต้องทำงานร่วมในการกำหนดกลยุทธ์บริษัทร่วมกับทีมบริหารธุรกิจดุจทีมเดียวกัน จะไม่ใช่การที่ทีมธุรกิจไปกำหนดกลยุทธ์และเป้าหมายมา จากนั้นก็ส่งให้ทีมอื่นๆ โดยเฉพาะทีมการตลาดไปกำหนดแผนการของตัวเองต่อท้ายอีกทีหนึ่ง

และสิ่งสำคัญอีกอย่างคือการที่ทีมการตลาดหรือทีมต่างๆ ต้องสามารถเข้าถึงดาต้าที่ต้องการได้โดยสะดวก เพื่อจะได้เอามาใช้วัดผลแคมเปญการตลาดว่าเกิดประสิทธิผลมากแค่ไหน ทำไปแล้วเกิดยอดขายจริงเข้ามาเท่าไหร่จากแคมเปญนี้ หรือทำไปแล้วไม่เกิดผลเลยแต่แค่ลูกค้าส่วนใหญ่แวะเข้ามาซื้อด้วยตัวเองเพราะความคุ้นเคย หรืออาจจะมาจากแคมเปญการตลาดช่องทางอื่น

เพราะถ้าวัดผลไม่ได้เราก็ไม่มีทางรู้ว่าจะต้องปรับปรุงตรงไหน หรือตรงไหนที่ดีแล้วจะได้เอามาถอดรหัสแกะเป็นสูตรสำเร็จเพื่อขยายผลเพิ่มในครั้งหน้า

เพราะส่วนใหญ่แล้วทีมการตลาดที่ต้องใช้ดาต้าลูกค้ามากที่สุดกลับเข้าถึงข้อมูลลูกค้าได้น้อยที่สุด จนทำให้มักจะถูกมองว่าเป็นทีมที่เอาแต่ใช้เงิน ไม่ใช่ทีมที่สร้างเงิน ขนาดคนการตลาดเองยังมองแบบนั้นเลยเมื่อทำการสำรวจออกมา ช่างเป็นเรื่องที่น่าเศร้าใจอย่างมากเมื่อปัญหาหลักเป็นแค่ว่าไม่สามารถเข้าถึงดาต้าที่ต้องการเพื่อติดตามวัดผลประสิทธิภาพแคมเปญการตลาดที่ทำลงไปได้ครับ

และยิ่งถ้าเป็นบางธุรกิจที่อาจจะไม่ได้มีแค่ Online data หรือ Digital data เท่านั้นที่ส่งผลกระทบสำคัญต่อธุรกิจ แต่ยังมี Offline data ที่สามารถชี้เป็นชี้ตายได้ด้วย เช่น ธุรกิจอสังหา บ้านจัดสรร ธุรกิจประเภท Retial บางอย่าง การจะเข้าถึง Offline data ได้เป็นอะไรที่ต้องได้รับความร่วมมือจากทีม Sales เป็นอย่างมาก จากประสบการณ์การเป็นที่ปรึกษามาพอสมควรพบว่าเป็นเรื่องที่ทำได้ยากมาก เพราะทีม Sales มักจะดูแคลนทีมการตลาดว่าฝีมือเท่านั้นที่จะปิดการขาย หาใช่ดาต้าแต่อย่างไร

เพราะการจะทำให้เห็นภาพรวมลูกค้าแบบ Customer 360 ที่ครบถ้วนและรอบด้านต้องได้รับการร่วมมือร่วมแรงร่วมใจจากทั้งองค์กร ไม่อย่างนั้นทีมการตลาดก็จะทำได้แค่ Report เฉพาะส่วน Marketing data ที่ตัวเองมีแต่สามารถสะท้อนไปถึงยอดขายที่เกิดขึ้นจริงได้ หรือไม่สะท้อนไปถึง Customer Satisfaction ความพึงพอใจหลังการขายว่าตกลงแล้วลูกค้ากลุ่มไหนที่มีปัญหาเมื่อซื้อไปมากที่สุด

สิ่งสำคัญอีกอย่างของบริษัทที่จะเป็น Data-Driven Marketing คือคนในองค์กรต้องมีทักษะเรื่อง Data Thinking หรือ Data Literacy เป็นอย่างดี ต้องมีความสามารถในการอ่านดาต้าออก เข้าใจดาต้าเป็น ต้องมีทักษะเรื่อง Analytics Thinking ต้องมีความสามารถในการทำ Data Visualization เบื้องต้นด้วยตัวเองได้ สรุปง่ายๆ คือถ้าจะเป็นบริษัท Data-Driven Marketing ทุกคนในองค์กรต้องมีความรู้พื้นฐานเรื่องดาต้าตามที่บอกมาเป็นอย่างน้อยครับ

หน้าที่ของ CEO ในการผลักดันบริษัทให้เป็น Data-Driven

คือต้องทำให้บอร์ดบริหารและผู้ถือหุ้นเห็นว่าทีมการตลาดสามารถสร้างรายได้มากกว่าแค่ใช้เงินไปวันๆ และ Report ที่ทีมการตลาดต้องทำให้ทีมผู้บริหารเห็นจะไม่ใช่แค่ตัวเลข Traffic Engagement หรือ Click เท่านั้น แต่จะต้องประกอบด้วย 5 ส่วนสำคัญดังนี้

  1. จำนวน Lead ที่มาจากการกำหนด Sales Qualified Lead ร่วมกันก่อนหน้า
  2. Lead to opportunity rate
  3. Cost per lead ที่มีคุณภาพตามที่ต้องการจริงๆ
  4. โอกาสที่จะเกิดยอดขายมีเท่าไหร่
  5. รายได้จริงที่เกิดขึ้นเป็นเท่าไหร่

หน้าที่ Sales ถ้าอยากจะให้องค์กรเป็น Data-Driven

Sales หรือทีมขายถูกมองว่าเป็นทีมหลักขององค์กรส่วนใหญ่ เนื่องจากรายได้ที่จับต้องได้จริงมาจากทีมขายเป็นหลัก จึงทำให้ Culture หลายที่มักยกทีมเซลล์ให้เป็นใหญ่ หรือมีอำนาจในการตัดสินใจมากสุดในองค์กร จนทำให้บางทีมเซลล์เองก็ลืมไปว่าการที่ตัวเองขายได้นั้นมาจากการทำงานของทีมอื่นร่วมด้วย

ไม่ว่าจะทีมการตลาดในการทำโฆษณา ทำแคมเปญต่างๆ เพื่อทำให้คนรู้จัก ทำให้คนรู้สึกอยากเดินเข้ามาหา ทำให้คนรู้สึกว่าสนใจแบรนด์นี้ หรือแม้แต่ทีมบริการหลังการขายที่สร้างความประทับใจให้ลูกค้า ทำให้ลูกค้ารู้สึกว่าโชคดีจังที่เลือกแบรนด์นี้มากกว่าแบรนด์อื่น หรือแม้แต่ทีม Operation ที่คอยประสานงานหลังบ้านให้ทุกอย่างราบรื่น

ดังนั้นทีมเซลล์เองจะเป็นหนึ่งทีมที่ต้องทำการปรับตัวมากไม่น้อยสำหรับองค์กรที่จะเป็น Data-Driven Business ให้ทันโลกยุคดาต้า 5.0 ในวันหน้า อย่าลืมว่ากองหน้ายิงประตูได้ก็เพราะกองกลางส่งบอลมาให้ กองหลังตัดบอลส่งต่อมา และผู้รักษาประตูนั้นป้องกันไม่ให้เสียประตูเช่นกัน

ในขณะเดียวกันทีมการตลาดก็ต้องทำหน้าที่เข้าช่วยทีมเซลล์เต็มที่ สิ่งสำคัญที่สุดที่ต้องทำร่วมกันคือการช่วยทีมเซลล์ในการถอดรหัส Lead ที่เซลล์ต้องการออกมาเป็น Metrics ตัวชี้วัดหรือ Attributes ต่างๆ ที่จับต้องได้จริงเพื่อจะได้เอาไปทำ MQL หรือ Marketing Qualified Lead ก่อนจะส่งให้เซลล์ปิดการขายอีกครั้ง

ไม่ใช่เซลล์บอกว่าอยากได้คนที่อยากซื้อ คนที่รวย เซลล์และมาร์เก็ตติ้งก็ต้องช่วยกันจำแนกออกมาให้ได้ว่าคนที่ว่ามีลักษณะหรือคุณสมบัติแบบใดบ้างประกอบกัน

หัวใจสำคัญของเรื่องนี้คือทีมการตลาดและทีมขายต้องคุยกันมากๆ สื่อสารกันเยอะๆ เป็นไปได้จับทำงานร่วมกันเลย เพราะจากการสำรวจพบว่าปัญหาหลักระหว่างทีมขายกับทีมการตลาดมี 3 ข้อที่ไม่น่าเชื่อว่าจะเป็นปัญหาได้

  1. สื่อสารกันน้อย ไม่ค่อยคุยกัน
  2. วิธีการระบุ Lead หรือกลุ่มเป้าหมายที่ต้องการไม่ตรงกัน (เพราะไม่ได้คุยกันมากพอ)
  3. วิธีการวัดผลการทำงานที่แตกต่างกัน ทั้งที่มีเป้าหมายเดียวกันคือการสร้างยอดขาย ทำกำไรให้บริษัท

และวิธีการแก้ 3 ข้อนี้ก็ง่ายมากครับ

1. สื่อสารพูดคุยกันให้บ่อย

นำหลักการ Account-based marketing หรือ ABM มาใช้ สื่อสารด้วยภาษาเดียวกันและเป้าหมายเดียวกันให้มากที่สุด

2. กำหนดเป้าหมาย Lead Qualification ร่วมกัน

เลิกใช้ Funnel ของใครของมัน แต่ต้องกำหนด Funnel ร่วมกัน ต้องรู้ว่าคนจาก Marketing มาเท่าไหร่ และปิดการขายได้เท่าไหร่ จะได้เอาไปปรับปรุงวิธีการคัดเลือกคนที่ใช่มาให้ดีขึ้น เพราะเป้าหมายของธุรกิจคือการหาลูกค้าและปิดการขายให้ได้เหมือนกัน แล้วเหตุใดจึงใช้ตัวชี้วัดไม่สอดคล้องกัน ไม่ทำงานประสานกัน

ยิ่งมีเป้าหมายร่วมกันยิ่งต้องทำงานร่วมกันเพื่อบรรลุเป้าหมายเดียว เซลล์ต้องอธิบายออกมาให้ได้ว่ากลุ่มเป้าหมายที่มีโอกาสปิดการขายได้มากที่สุดมีคุณลักษณะอะไรบ้าง ทางทีมการตลาดจะได้ไปหา Lead แบบนั้นมาให้ได้แม่นยำขึ้น และก็จะได้เพิ่มโอกาสที่จะปิดยอดขายได้มากขึ้น

ส่วนตัวผมเคยไปทำงานที่ปรึกษาบริษัทขายอสังหามือสองแห่งหนึ่ง CEO บอกว่า Marketing หา Lead มาให้ทีม Sales ได้น้อยมากในเดือนนี้ พอผมเช็คกลับไปที่ทีม Marketing ถึงได้รู้ว่าส่ง Lead ให้ Sales กว่าพันคน แต่ทีม Sales กลับปิดยอดขายได้แค่ 2 คน

เมื่อสืบกลับไปแบบนี้ทางทีม Sales ไม่ว่าอะไรต่อ เพราะยอมรับกลายๆ ว่าปัญหาไม่ใช่ Lead ไม่พอ แต่ตัวเองปิดการขายไม่ดี หลังจากนั้นผมเลยกำหนดว่าให้ Sales ระบุให้ได้ว่า Lead ที่ตัวเองต้องการเป็นอย่างไร มีคุณลักษณะแบบไหน ทางทีม Marketing ก็จะได้ตอบว่าคุณลักษณะแบบนั้นมีให้เลือกผ่านระบบโฆษณาหรือไม่

เมื่อกำหนด Lead Qualifiation ร่วมกันแล้วทางทีม Marketing ก็จะได้ไปหามาให้ตรงกับที่ Sales ต้องการ ฉะนั้นหัวใจสำคัญคืออะไรคือ Metrics ตัวชี้วัดแบบไหนที่ระบุว่าคนไหนมีโอกาสซื้อเรามากกว่าคนอื่น

3. วัดผลร่วมกัน รับผิดชอบร่วมกัน

ทุกวันนี้ต่างฝ่ายต่างมีวิธีการวัดผล KPI หรือ Goal ของตัวเองที่แยกจากทีมอื่นทั้งที่ในความเป็นจริงแล้วเราต่างติดต่อ ประสานงาน ดูแล และทำเงินได้จากลูกค้าคนเดียวกัน และปัญหาที่ส่งให้ทีมการตลาดถูกมองว่าเป็นทีมที่เอาแต่ใช้เงินแต่ไม่ทำให้เกิดรายได้คือการไม่สามารถเข้าถึง Customer data จากทีมอื่นๆ ได้ จึงทำให้ไม่สามารถประกอบข้อมูล เห็นความเชื่อมโยงว่าลูกค้าที่ได้มาแต่ละคนมีใครบ้างมาจากแคมเปญการตลาดที่ทำไป หรือมีใครบ้างที่แค่เดินผ่านมาแล้วซื้อสินค้าเอง หรือแค่เสิร์จแล้วบังเอิญเจอจนกดสั่งซื้อเองกันแน่

และปัญหาทางเทคนิคของเรื่องนี้คือ Technology Stack ของแต่ละทีมในบริษัทกลับไม่สามารถทำงานร่วมกันโดยง่าย ต่างคนต่างใช้ระบบที่ตัวเองถนัด ทีม IT หรือทีม Tech อาจจะไม่ได้คิดภาพรวมในแง่ของ Technology Stack Strategy ว่าจะต้องใช้อะไรจึงจะทำให้การเชื่อมโยง Data ทั้งหมดในองค์กรราบรื่นได้

เช่นทีมขายอาจใช้ Saleforce ทีมการตลาดอาจใช้ Adobe Marketing ทีมดแลหลังการขายอาจใช้ระบบของ ERP ที่เป็นส่วนเสริมมานิดหน่อย พอเห็นภาพแล้วใช่ไหมครับว่าเมื่อวัดผลแยกกัน ใช้ระบบแยกกัน ไม่ประสานงานกันก่อให้เกิดผลเสียขนาดไหน

บางครั้งการทำการตลาดจากทีมอื่นออกไปมักจะออกไปในแบบซื่อๆ ตรงๆ ไม่มีลีลา ขาดการไตร่ตรอง ขาดการวางแผน ขาดคิดทำงานอย่างเป็นระบบ ส่งผลให้ขาดการวัดผลกลับมาว่าตกลงแล้วที่เราทำไปมันเวิร์คหรือไม่ เพื่อจะได้นำมาปรับปรุงในครั้งหน้า อาจจะเป็นการยิงแอดเองของทีมเซลล์ จนทำให้ไปแย่งกลุ่มเป้าหมายเดียวกันโดยไม่จำเป็น ทั้งที่ในความเป็นจริงแล้วการทำงานประสานกับทีมการตลาดที่เป็นผู้เชี่ยวชาญในเรื่องนี้จะง่ายกว่า สิ่งที่ต้องทำก็คือนั่งคุยกันว่าคุณลักษณะแบบไหนของกลุ่มเป้าหมายที่ตัวเองได้มาแล้วจะปิดการขายได้ง่ายขึ้น

แล้วปัญหาของการใช้คนละระบบ คนละเทคโนโลยี คือ Database อาจไม่สามารถทำงานกันได้ในทันที ขาดการคลีน การทำ ETL ขาดการ Prep data ให้สามารถทำงานร่วมกันได้ ส่งผลให้ยากต่อการจะหา Insight ที่ดีจากดาต้าได้

เพราะถ้าจะทำงานร่วมกันจะต้องวัดผลร่วมกัน การจะวัดผลร่วมกันได้ต้องมาจากการ Integrated data ระหว่างกัน และการจะ Integrated data ได้ก็ต้องผ่านการ Cleansing และ Prep data ให้มันทำงานร่วมกันได้ก่อน ส่วนใหญ่ไม่ได้ Set data structured ให้ทำงานร่วมกันได้แต่แรก ถ้าองค์กรเล็กหน่อยก็อาจจะง่ายด้วยการเริ่มจากกำหนดโครงสร้าง data ร่วมกันเพื่อให้เห็นภาพสุดท้ายร่วมกันได้ครับ

และต้องมีการกำหนด Data Policies ร่วมกันระหว่างทีมงานต่างๆ เพื่อให้วิธีการบริหารจัดการและจัดเก็บ Customer data เป็นไปในทิศทางเดียวกัน ทีม Marketing ไม่ค่อยกังวลเรื่อง Data ที่ดูน่าเป็นกังวลในหนังสือเล่มนี้คือทีมเซลล์ที่ต้องให้ความร่วมมืออย่างมากถ้าอยากจะเป็นบริษัทที่ Data-Driven ให้ได้

หน้าที่ Finance ที่จะช่วยบริษัทให้เป็น Data-Driven Marketing ดีขึ้น

ปัญหาระหว่างทีมการตลาดกับทีมไฟแนนซ์คือ Marketing Budger ส่วนใหญ่ที่ขอไปมักไม่ได้เต็มเพราะเมื่อถูกถามก็อธิบายไม่ได้ว่าจะเอาเงินไปทำให้เกิดเงินกลับมาอย่างไร ดังนั้นต้องมีการอธิบายตัวชี้วัด Marketing Metrics กับทีมไฟแนนซ์ให้ได้ว่าเงินที่ใช้ไปจะไปเพิ่มโอกาสทางธุรกิจให้กลายเป็นเงินกลับมาอย่างไรได้บ้าง

หน้าที่ IT กับการเป็น Data-Driven Marketing

ทีม IT จะต้องขยับมาเป็นทีม Tech จะต้องทำหน้าที่ในการช่วงวางแผน MarTech Stack และการทำ Data Integration เพื่อให้ทุกคนเห็นภาพว่าเกิดอะไรขึ้นบ้างในบริษัทเรา ปัญหาที่ผ่านมาคือทีม IT ให้ความสำคัญกับทีม Marketing น้อยมาก เพราะเมื่อทีม Marketing ถูกมองว่าวัดผลที่จับต้องไม่ได้ ก็ไม่อยากจะเอา Man hours ที่เป็น Resource ตัวเองไปลงกับทีม Marketing มากไปเพราะถ้าถูกประเมินจาก CEO หรือ CFO ก็อาจจะได้คะแนนไม่ดีในตอนท้ายปี

แล้วเราจะเริ่มทำให้ทีมการตลาดทำงานร่วมกับทุกทีมในการผลักดันบริษัทให้เป็น Data-Driven Marketing ได้อย่างไร

  1. เข้าใจเป้าหมายธุรกิจในปีนี้และเข้าไปมีส่วนร่วมกำหนดกลยุทธ์แต่เนิ่นๆ ไม่ใช่รอรับคำสั่งแล้วค่อยทำงาน
  2. จัดการความสัมพันธ์ระหว่างทีมการตลาดและทีมเซลล์ใหม่ เพราะ Data-Driven จะเกิดขึ้นไม่ได้ถ้าทีมขายไม่ให้ความร่วมมืออย่างจริงจัง
  3. เป็นหัวหอกในการสร้าง Report หรือ Dashboard ที่ทำให้ทุกคนเห็นภาพรวมของธุรกิจที่กำลังเกิดขึ้น เพราะ Marketing Data คือต้นน้ำ ส่วน Sale data คือกลางน้ำ และ Service and Operation คือปลายน้ำที่สำคัญ ถ้าทีม Marketing เป็นหักหอกในงานนี้ก็จะได้รับความเคารพนับถือและเห็นค่าของทีมการตลาดขึ้นมาในทันที

Data-First Marketing เริ่มต้นด้วย Data Integration และ MarTech Stack Strategy

บนก่อนหน้าจะพูดถึงการวางแผนโดยละเอียด มาถึงบทที่ 6 ของ Data-First Marketing นี้จะเป็นการเริ่มลงมือทำ ตั้งแต่การทำ Data Integration, Architecture และ Technical Resource ว่าก่อนจะเริ่มต้นทำ Data-Driven Marketing ได้เราจะต้องเริ่มจากการเชื่อมดาต้าเข้าด้วยกัน และต้องวาง MarTech Stack Strategy ให้สอดคล้องกับเป้าหมายธุรกิจเรา

Data-Driven เริ่มที่ Marketing Technology Stack Strategy

อันดับแรกต้องวาง Strategy ให้เข้ากับ Technology Stack ให้สอดประสารกัน เพราะปัญหาก่อนหน้าคือเลือกใช้ Technology แบบแยกเดี่ยวไม่ได้วางแผนว่าวันนึงจะต้องเอา Marketing Technology ต่างๆ มาต่อเชื่อมโยงให้ระบบที่แตกต่างสามารถทำงานสอดประสานกันได้

เช่น ถ้าองค์กรเรามีการใช้ระบบบัญชี ระบบการจ่ายเงิน ระบบการวิเคราะห์ข้อมูล ระบบ Googl Ads ระบบ LinkedIn Ads ระบบ Marketing Automation และระบบ CRM จะเห็นว่าแต่ละฝ่ายแต่ละแผนกก็มีระบบใครระบบมัน ระบบต่างๆ ก็คือ Tecnology ที่แตกต่าง ดังนั้นขั้นตอนแรกก่อนจะเริ่มต้นทำ Data-Driven Marketing ต้องเริ่มจากการสำรวจ Technology Stack เราก่อนว่าระบบใดที่ใช้อยู่สามารถเชื่อมโยงกันได้บ้าง และมีระบบใดบ้างที่ไม่สามารถทำงานเข้ากับเพื่อนได้ จะได้รู้ว่าต้องเปลี่ยนที่ตรงไหนเพื่อให้ดาต้าทั้งหมดสามารถเชื่อมโยงกันได้อย่างราบรื่น

และบทนี้ก็จะมีแนวทางผ่าน 6 คำถามว่าเราจะต้องปรับปรุง MarTech Stack ปัจจุบันเราหรือไม่ หรือเราต้องหาระบบแบบไหนเข้ามาเพิ่ม

1. Data อะไรที่สำคัญต่อธุรกิจเรา

เช่น จาก Traffic กลายเป็น Lead Generation กลายเป็น Marketing Qualified Lead ใน Channel หรือ Campaign ต่างๆ แล้วก็กลายมาเป็น Sales Qualified Lead ที่แยกวัดผลตาม Channel หรือแคมเปญต่างๆ แล้วก็อาจดูเพิ่มว่าเป็น Creative แบบไหน กลายมาเป็น Customer Rate จริงเท่าไหร่ สุดท้ายคำนวนได้ Customer Lifetime Value เท่าไหร่ กลายเป็น ROI เท่าไหร่ จะได้รู้ว่าคุ้มค่ากับที่ลงทุนลงแรงไปมากน้อยแค่ไหนกัน

สรุปหนังสือ Data-First Marketing เริ่มต้น Data-Driven ด้วยการทำ Data Intagration และวางกลยุทธ์ Marketing Technology Stack ที่ตอบโจทย์ธุรกิจ

2. ใครถือ Data นั้นอยู่ หรือเราต้องใช้เทคโนโลยีไหนมาช่วยเก็บ

หลังจากเรารู้แล้วว่าเราต้องการดาต้าแบบไหน และดาต้านั้นสำคัญกับธุรกิจเราอย่างไร มาถึงการสำรวจดูว่าดาต้าที่เราต้องการนั้นมีใครในองค์กรถืออยู่แล้วหรือเปล่า หลายครั้งดาต้าที่เราต้องการมักไปอยู่กับใครสักคนที่ไม่ใช่แผนกการตลาดเป็นประจำ เราก็แค่ต้องไปสำรวจและไปขอสิทธิ์ในการเข้าถึง แล้วเอามาเชื่อมโยงให้คนที่ต้องการได้ใช้

หรือถ้ายังไม่มีใครถือไว้ก็จะได้เลือกเทคโนโลยีที่เหมาะกับบริบทการทำงานของเรามาช่วยเก็บดาต้านั้นอีกที

3. รวม Data อย่างไรให้ตอบโจทย์ผู้ใช้ทุกคน

เมื่อเอา Data จากหลากหลาย Source มารวมกันก็ต้องหาทางทำให้มันทำงานสอดประสานกันได้ด้วย เรื่องนี้เหมือนนิทานเซนเรื่องคนตาบอดคลำช้าง ถ้าต่างคนต่างถือดาต้าคนละนิดก็จะเข้าใจลูกค้าผิดเป็นคนละทาง แต่ถ้าเราเอา Customer data มาเชื่อมโยงดีๆ แล้วทำให้เห็น Insight สุดท้ายแบบครบถ้วน เราก็จะเห็นสิ่งที่เรียกว่า Customer 360 หรือการเข้าใจลูกค้าแบบครบถ้วนรอบด้านนั่นเองครับ

4. บิด Data หาแง่มุมต่างๆ ที่คาดไม่ถึง

การจะใช้ดาต้าไม่ใช้แค่การใช้แบบทื่อๆ มาอย่างไร ใช้อย่างนั้น แต่ต้องมาจากการตั้งคำถามที่ดีว่าเราอยากเห็นอะไร ทำไมสิ่งนี้ถึงสำคัญ ถ้าเห็นแบบนี้แล้วหมายความว่าอย่างไร แล้วถ้าตั้งคำถามใหม่เอาดาต้าอีกอันมาผสมหรือถอดออกไปมันให้แง่มุมใหม่ใดกับเราบ้าง

การบิด Data เพื่อหา Insight สำคัญให้เจอจึงเป็นเรื่องสำคัญมากของนักการตลาดยุคดาต้า 5.0 นี่คือทักษะเรื่อง Data Thinking ของคนที่ทำงานอย่างเข้าใจดาต้าเป็นอย่างดี อีกหนึ่งทักษะสำคัญของคนทำงานในศตวรรษที่ 21 ต้องมีก็คือความสามารถในการเปลี่ยนดาต้าให้กลายเป็นสิ่งที่เราเข้าใจง่ายด้วยการทำ Data Visualization ครับ

เพราะการทำ Data Visualization ก็เหมือนการอ่านดาต้าออก แปลดาต้าเป็น ไม่ต้องรอให้ใครมาอ่านให้ฟัง แต่เราสามารถเลือกดาต้าที่ต้องการมาอ่านเองได้ก็จะรวดเร็วกว่ามากในการหา Insight

เพราะถ้าเราทำ Data Visualization เองไม่ได้เราก็ต้องนั่งรอ Report ที่คนอื่นทำซึ่งอาจจะไม่ตอบกับสิ่งที่เราอยากรู้เท่าไหร่ แต่เราก็ดันไม่มีทักษะที่จะอ่านดาต้าด้วยตัวเองได้ นั่นแหละครับคือเหตุผลว่าทำไมคนทำงานยุคใหม่ต้องสามารถบิด Data ด้วยการทำ Visualization ด้วยตัวเองให้ได้แล้ววันนี้

5. จะนำเสนอ Data อย่างไรให้เป็นของหวานที่ใครๆ ก็เข้าใจตามในสิ่งที่เราเข้าใจ

หลายครั้งการวิเคราะห์ข้อมูลทำ Data Analysis กลายเป็นเรื่องที่คนทำเข้าใจ Insight สำคัญแค่ตัวคนเดียว ส่งผลให้เพื่อนร่วมงานหรือผู้บริหารไม่สามารถเห็นดีเห็นงามและทำตามในสิ่งที่เราเข้าใจได้

ดังนั้นการนำเสนอข้อมูลที่ได้มาให้คนอื่นเข้าใจง่ายก็สำคัญ เราต้องทำให้คนฟังเห็นประเด็นสำคัญไวขึ้น ชัดเจนขึ้น ไม่ใช่ให้ทุกอย่างน่าสนใจหมดแบบนี้เท่ากับว่าไม่มีอะไรน่าสนใจเลย

ในรายงายบอกว่าตำแหน่ง Analytic Translator จะเป็นอาชีพที่สำคัญมากในยุคดาต้า นอกจากจะมีคนวิเคราะห์ข้อมูลให้ได้ Insight แล้ว จะต้องมีคนนำเสนอ Insight ที่ได้จาก Data ให้คนอื่นเข้าใจและคล้อยตามได้ด้วยครับ

6. เครื่องมือใดที่เราต้องการเพิ่ม

เพราะไม่มี Marketing Technology ตัวใดที่สามารถทำได้ทุกอย่างแบบ Perfect all in one เพราะแต่ละเครื่องมือแม้จะมีฟีเจอร์ความสามารถคล้ายกัน แต่ก็มีวิธีการทำงานหรือใช้งานที่แตกต่างกัน นั่นจึงเป็นเหตุผลว่าทำไมเราถึงต้องวาง Marketing Technology Stack ตั้งแต่แรกให้ดีว่าธุรกิจเราต้องการเครื่องมือแบบไหน

การเลือกเทคโนโลยีก็เหมือนกับการตัดสูทและแต่งตัวให้เหมาะกับคาแรคเตอร์เราที่สุด สูทอาจจะเป็นคนละทรงกับคนอื่น กางเกงอาจจะต้องอีกแบบ รองเท้าอาจจะไม่เหมือนใคร ไปจนถึงเสื้อเชิ้ทข้างในว่าสีไหนตรงใดที่จะเหมาะกับเราที่สุด

สุดท้ายนี้อยากจะบอกว่าการทำงานกับ IT อย่างเข้าอกเข้าใจระหว่างกันคือเรื่องสำคัญมากถ้าองค์กรเราอยากจะทำ Data-Driven Marketing ให้ได้ เพราะถ้าเราคุยกันคนละภาษากับคนที่สร้างบ้านให้เรา บ้านหลังนั้นก็คงอยู่อย่างไม่เป็นสุขเท่าไหร่นัก แต่ถ้าเราสามารถสื่อสารได้ว่าเราต้องการอะไร เราต้องการแบบไหน เข้าก็จะช่วยสร้างบ้านที่เหมาะกับเราได้มากที่สุด หรืออย่างน้อยเค้าก็สามารถช่วยหาเลือกบ้านที่ดูน่าจะแมชกับเราที่สุดครับ

ในบทหน้า บทที่ 7 ของหนังสือ Data-First Marketing เราจะไปดูเรื่อง Data Analysis อย่างจริงจัง หลังจากเราประกอบ Data เข้าด้วยกันได้แล้ว ก็ถึงเวลาใช้วิเคราะห์ดาต้าที่มีให้เข้าใจสิ่งที่กำลังเป็นไปในธุรกิจเราเพื่อจะได้ปรับได้ทันก่อนจะพังจนแก้ไม่ได้ครับ

Data-First Marketing บทที่ 7 Data Analysis ลด Bias และ Belief ที่ทำร้ายธุรกิจเสียที

สรุปหนังสือ Data-First Marketing บทที่ 7 กับการทำ Data Analysis หรือการใช้ Data เพื่อลด Belief และ Bias จากการตัดสินใจออกไปให้เหลือน้อยที่สุด

ยุค Digital Driven Data เมื่อเราหันมาใช้ดิจิทัลมากขึ้นก่อให้เกิดดาต้ามากมาย และทุกวันนี้เราใช้ดาต้าแค่เพียงน้อยนิดเท่านั้น เปรียบกับนักเดินเรือที่อยู่ท่ามกลางมหาสมุทร แม้รอบตัวจะเต็มไปด้วยน้ำมากมายแต่ก็ล้วนแต่เป็นน้ำทะเล เป็นน้ำเค็มที่ไม่สามารถดื่มกินเข้าไปได้ เราต้องหาวิธีการกลั่นหรือสกัดน้ำทะเลให้กลายเป็นน้ำจืดที่เราสามารถดื่มได้ กับการทำ Data Analysis ก็เช่นเดียวกัน

อุปสรรคสำคัญคืออย่างของการจะทำ Data-Driven Marketing คือ Bias ของมนุษย์เรา เหมือนอย่างภาพยนต์เรื่อง Moneyball ที่บอกให้รู้ว่าเมื่อจะหันมาเลือกนักกีฬาจาก Data ก็ถูกปรามาสและต่อต้านมากมายจากคนในวงการ ซึ่งกว่าจะยอมรับกันได้ก็ต้องประสบความสำเร็จอย่างประจักษ์แล้ว

แมวมองหรือคนที่อยู่ในวงการมาก่อนต่างก็มี Data Attributes ในใจว่านักกีฬาที่ดีต้องเลือกจากอะไรบ้าง รูปร่าง หน้าตา ท่าตี เป็นต้น แต่เมื่อถามกลับไปว่า Attributes มากมายที่ใช้มานานนั้นสะท้อนถึงความเก่งได้อย่างไรบ้างกลับไม่มีใครสามารถตอบได้ และก็เอาแต่บอกกันว่านี่คือสิ่งที่วงการเบสบอลเชื่อถือมานาน ถ้ามันไม่ดีจริงเขาจะใช้กันมานานหลายสิบจนเป็นร้อยปีได้อย่างไร

อีกหนึ่งตัวอย่างที่น่าสนใจที่จะทำให้เห็นภาพว่าพลังของ Human Bias นั้นน่ากลัว แต่ถ้าเปิดใจให้ Data ก็จะช่วยให้ธุรกิจหันหัวหลบวิกฤตที่จะพุ่งเข้ามาได้

อย่าปล่อยให้ Bias หรือ Belief ครอบงำการตัดสินใจ

FOSE หนึ่งในงาน IT ใหญ่เก่าแก่งานหนึ่งของอเมริกาที่เกือบจะปิดตัวลงเพราะผู้บริหารเชื่อว่าเราทำมานานเกินไป!

ในตอนนั้นทีมผู้บริหารที่จัดงานเชื่อข่าวลือว่าเหล่า IT ตัวจริงไม่มาเดินงานแบบนี้ด้วยตัวเองหรอก มีแต่ส่งลูกน้องมาเดิน หรือไม่ก็มีแต่พวกที่ตั้งใจมาเอาของแจกฟรีในงานเท่านั้น ข่าวลือนี้ทำงาน FOSE นี้เสียชื่อเสียงไม่จำนวนไม่น้อย ส่งผลให้ผู้บริหารที่จัดงานนี้รู้สึกว่าจัดต่อไปก็ไร้ค่า สู้ปิดไปดีกว่าให้คนมาทำให้เราเสียหน้าอีกปี

แต่เมื่อเอา Data มาดูและ Analytics จริงๆ จึงได้พบความจริงว่ามีดีลเกิดขึ้นมากมายในงานที่จัดตลอดทุกปีแม้แต่ปีล่าสุด ทำให้เข้าใจความจริงที่แท้ว่างานนี้ก่อให้เกิดประโยชน์กับคนในวงการ IT มากมาย และท้ายที่สุดข่าวลือก็กลายเป็นแค่ข่าวลือต่อไป

ก้าวข้าม Bias และ Belief ด้วย Data

การตลาดแบบฉลาดยุคใหม่คือการตลาดที่ใช้ดาต้าช่วยคิดและตัดสินใจ ซึ่งประกอบด้วย 3 ขั้นตอนสำคัญแต่เรียบง่าย

  1. ตั้งคำถามที่ใช่ ก่อนจะเริ่มใช้ดาต้าครั้งใดต้องถามตัวเองให้แน่ใจว่านี่คือเราสำคัญที่เราต้องรู้จริงหรือเปล่า
  2. ต้องรู้ว่าดาต้าแบบไหนหรือดาต้าอะไรจะตอบคำถามที่เราอยากรู้ได้
  3. วิเคราะห์ให้เห็น Insight ใหม่ ต้องสามารถเข้าใจได้ว่า Data แสดงผลแบบนี้เพราะอะไร มันมีที่มาที่ไปอย่างไร และรู้ว่าจะต้องทำอะไรต่อชัดเจน

สิ่งที่เรามักพบว่าเป็น Belief หรือ Bias ที่มักส่งผลให้การตัดสินใจแย่หรือผิดทางเป็นประจำ

Beauty Bias สวยทำไมถ้าขายไม่ได้

หลายคนมักกังวลกับเรื่องความสวยหรือดีไซน์มากเกินไป ส่วนหนึ่งเพราะอาจเห็นตัวอย่างอย่างแบรนด์ Apple ว่าที่ขายดีถล่มทลายจนถึงทุกวันนี้เพราะมีดีไซน์ที่สวยแบบแทบจะไร้ที่ติด (ยกเว้นติ่งกล้องที่ยื่นมากินขอบหน้าจออะนะ) แต่เราก็ลืมไปว่าความเป็นจริงแล้วเป้าหมายของธุรกิจและการตลาดไม่ใช่ความสวย แต่เป็นการขาย ถ้าความสวยที่เพิ่มขึ้นช่วยให้เราขายดีขึ้นก็ควรจะสวยไป แต่ถ้าไม่คำถามคือเราจะสวยไปทำไม ถ้าสวยแล้วขายไม่ได้นับเป็นการตัดสินในและลงทุนที่ไร้สาระมาก

Finish Line เว็บขายรองเท้าและเสื้อผ้ากีฬาที่เกือบเจ๊งเพราะความสวย

Photo: https://www.wordstream.com/blog/ws/2018/05/01/homepage-design

ในปี 2012 ร้านขายของเท้า Finish Line ได้ทำการปรับโฉมดีไซน์เว็บไซต์ตัวเองใหม่แบบยกเครื่อง เพราะทีมผู้บริหารมองว่าเว็บเดิมนั้นน่าเกลียด ดูเชย เลยอยากยกดีไซน์เว็บไซต์ใหม่หมดจรดให้ดูสวยสะดุดตา แต่หารู้ไม่ว่านั่นแหละคือการตัดสินใจที่กำลังนำไปสู่ยอดขายที่ลดลงมหาศาล

เพราะหลังจากเปิดตัวเว็บไซต์ใหม่ที่ผ่านการดีไซน์มาอย่างสวยงามแบบบรรจง สิ่งที่เกิดขึ้นคือผ่านไปแค่ 17 วันยอดขายหายไปกว่า 100 ล้านบาท แน่นอนว่า Chief Digital Officer หรือ CDO นั้นถูกไล่ออกในทันที แล้วทั้งหมดที่ทำไปก็ถูกเททิ้งเพราะ CEO สั่งให้เอาเว็บที่ดูห่วยๆ ไม่สวยกลับคืนมา และนั่นก็ทำให้ยอดขายเดิมที่เคยดีกลับมาอีกครั้ง

Marks & Spencer เว็บสวยขึ้นแต่ยอดขายลดลง 8%

Photo: https://www.dailymail.co.uk/news/article-2565328/Shoppers-fury-new-M-S-website-crashes-Customers-threaten-boycott-store-glitch-multi-million-pound-redesign.html

แบรนด์ดังที่เชื่อว่าหลายคนน่าจะรู้จักและคุ้นเคย แต่ใครจะเชื่อว่า Mark & Spencers จะเคยลงเอยเหมือน Finish Line

เมื่อผู้บริหารและทีมงานคิดว่าเว็บเดิมที่ใช้มานานดูไม่ทันสมัย ดีไซน์ไม่สวยโดนใจเอาเสียเลย ก็เลยทำการทุ่มทุนยกเครื่องเว็บไซต์และระบบ Ecommerce ใหม่ทั้งหมดเป็นเงินกว่า 240 ล้านเหรียญ และใช้เวลากว่า 2 ปี พวกเขาก็มั่นใจว่าถ้าเปิดตัวไปจะต้องปังแน่ เพราะจากเว็บหน้าตาเชยๆ แย่ๆ วันนี้หน้าตาดูเป็นแมกกาซีนในรูปแบบดิจิทัลเรียบร้อยแล้ว

แต่หลังจากเปิดตัวไปได้ 13 สัปดาห์ก็พบว่ายอดขายลดลงทันทีกว่า 8% กลายเป็นว่าความสวยที่ทีมงานคิดว่าโดนกลับไม่สามารถดึงดูดผู้บริโภคให้ซื้อของได้ดีกว่าเดิม แถมยังแย่กว่าเดิมด้วยซ้ำ

ขนาดเว็บไซต์ใหม่มีการใส่วิดีโอเข้าไป ปรับสไตล์ใหม่ให้ดูเป็นไลฟ์สไตล์มากขึ้น แต่ก็นั่นแหละครับ เมื่อสวยไปแต่ขายไม่ได้ก็ไร้ค่าทางธุรกิจ ทาง Mark & Spencer ก็เลยปรับเว็บไซต์และแพลตฟอร์มตัวเองใหม่อีกรอบ และกว่าสถานการณ์จะดีขึ้นก็ล่วงไปถึงต้นปี 2015 ที่ดีไซน์สามารถช่วยยอดขายได้จริงถึง 38.7% แต่ก็มาจากการวิเคราะห์ Data ว่าตกลงดีไซน์แบบไหนแน่จึงจะทำให้คนอยากกดซื้อสินค้ามากกว่าเดิม

Bias ต้องหายไป เพิ่มการใช้ Data เข้ามาแทน

ทั้งหมดที่เล่ามานี้จะทำให้เห็นภาพว่า Bias ต้องหมดไปจากการตัดสินใจทางธุรกิจเสียที (ถ้าส่วนตัวพอรับได้) และหันมาใช้ Data ช่วยตัดสินใจเพิ่มขึ้น หรือให้ดีคือใช้ Data ให้ได้มากที่สุดครับ

อย่าแรกคือเราต้องเลือกดาต้าที่ใช่เพื่อตอบคำถามสำคัญให้เป็น เพราะไม่ใช่ดาต้าอะไรก็ได้จะตอบคำถามเราได้ นั่นคือสิ่งที่คนมักเข้าใจผิด และหลังจากนั้นเราต้องรู้ว่าดาต้าที่เราต้องการอยู่ที่ไหน อยู่กับใคร หรือจะใช้เทคโนโลยีอะไรในการจัดเก็บ

ระวังการใช้ Data แบบมี Bias

แม้ว่าการใช้ดาต้าจะช่วยลด Bias ได้ แต่มนุษย์เรานั้นก็หลักแหลมกว่าที่คิด เพราะบางคนก็เลือกที่จะใช้ดาต้าอย่างมี Bias หรือใช้เพื่อสนับสนุนความคิดและการตัดสินใจของตัวเองที่เรียกกันว่า Cherry Picking

การเลือกใช้ดาต้าแบบ Cherry Picking นั้นสำคัญมาก เหมือนกับการให้ค่าบางอย่างมากเกินจริงเพราะเรารู้สึกว่าน่าสนใจในความคิดเรา เราอาจจะเห็นตัวเลขผิดปกติบางอย่างแล้วปักใจกับมันเร็วเกินไป จนลืมมองภาพรวมทั้งหมดเพื่อเข้าใจความจริง

หรือการเห็นข้อมูลสองส่วนที่สอดคล้องกันอย่างไม่น่าเชื่อ หรือที่เรียกว่า Correlation แต่ไม่สามารถอธิบายหรือตอบได้ว่ามันเกี่ยวข้องหรือสัมพันธ์ หรือเป็นเหตุเป็นผลกันอย่างไร

สิ่งสำคัญคือเราต้องเข้าใจบริบทหรือที่มาที่ไปของดาต้าด้วย เราต้องเข้าใจ Context ของความสัมพันธ์นั้น ถ้าตอบไม่ได้มันก็มีโอกาสมากที่จะเป็นแค่เรื่องบังเอิญที่สอดคล้องกัน แต่ไม่ได้มีความเกี่ยวข้องกันหรือเป็นเหตุเป็นผลกันแต่อย่างไร

5 หลักใช้ดาต้าอย่างเป็นวิทยาศาสตร์

  1. Signal ดูสัญญาณความผิดปกติที่เกิดขึ้น
  2. Hypothesis ตั้งสมมติฐานจาก Signal นั้นว่าน่าจะเป็นเพราะอะไร
  3. Experiment ทดสอบสมมติฐานที่ตั้งไว้ว่าเป็นจริงหรือแค่คิดไปเอง
  4. Repeat ทดสอบลองทำซ้ำกับตัวแปรอื่นว่ามันเกิดซ้ำแบบนี้เสมอจนพิสูจน์ได้ว่าจริง
  5. Insightful เมื่อรู้ความจริงแท้แล้วก็ต้องหาทางนำไปใช้ให้เกิดประโยชน์ต่อธุรกิจ

2 Data หลักที่นักการตลาดต้องรู้ว่าต่างกันอย่างไร

ในโลกดาต้ามีดาต้ามากมายหลายชนิดให้เลือกใช้ แต่เราสามารถสรุปออกมาได้เป็น 2 ชนิดหลักที่นักการตลาดต้องรู้เพราะจะใกล้ชิดกับดาต้าสองขนิดนี้มาก

  1. Customer data ข้อมูลที่ได้จากลูกค้าตรง ไม่ว่าจะข้อมูลการซื้อ ข้อมูลการสมัครสมาชิก ข้อมูลจาก CRM หรือข้อมูลจากการโฆษณา ซึ่งข้อมูลพวกนี้จะเอามาช่วยทำ Buyer Personas ได้ ทำให้เราสามารถกำหนด Strategy และ Marketing ที่แม่นยำกว่าเดิม หมดเวลาเดาแล้วว่าลูกค้าเราเป็นใครบ้าง เริ่มจากการดู Data ว่าตกลงแล้วลูกค้าเราแบ่งออกเป็นกี่กลุ่ม
  2. Marketing Operation data นักการตลาดในยุคดาต้า 5.0 จะแค่ใช้ดาต้าที่มีอย่างเดียวไม่ได้ แต่ต้องคิดที่จะหาทางเก็บดาต้าจากลูกค้าเพิ่มขึ้นด้วย อย่าทำแคมเปญการตลาดเพียงแค่ให้คนรู้จัก แต่ต้องทำเพื่อให้ได้ Customer data กลับมาเก็บไว้ใช้งานเพิ่มขึ้นด้วย ลองศึกษา Data Collection Canvas จากหนังสือ Data-Driven Marketing การตลาดแบบฉลาดใช้ดาต้าเพิ่มเติมครับ

เริ่มต้น Data Analysis อย่างไรดีสำหรับ Marketer

การเริ่มต้น Data Analysis สำหรับนักการตลาดคือการแยกให้ออกก่อนว่าเงินที่ใช้ไปก่อให้เกิดโอกาสขายมากเท่าไหร่ และพลาดไปเท่าไหร่ เริ่มต้นจากการดูสินค้าที่ขายได้จริง กับสินค้าที่ถูกใส่รถเข็นไว้แต่ยังไม่ยอมกดจ่ายเงินก็ได้ครับ

เริ่มจากการเปรียบเทียบตามช่วงเวลา ว่ามีช่วงเวลาไหนไหมที่ขายดีและขายได้แตกต่างกัน

ลองปรับมุมมองผ่านการทำ Data Visualization ในรูปแบบต่างๆ เพื่อให้เราได้เห็นดาต้าในหลายๆ แง่มุม ซึ่งหลายครั้งก็ทำให้เราได้เห็น Insight ใหม่ที่ไม่คาดคิดมาก่อนได้

สุดท้ายคือการทดลองไปเรื่อยๆ ว่าจาก Insight ที่เห็นนั้นเป็นจริงสามารถทำซ้ำได้หรือไม่ เพราะถ้าสิ่งไหนที่ทำซ้ำไม่ได้นั่นไม่ใช่ Insight ที่แท้จริงในโลกการตลาดยุคดาต้า 5.0 ครับ

Data-First Marketing บทที่ 8 Campaign Framework

สรุปหนังสือ Data-First Marketing บทที่ 8 The Data-First Marketing Campaign Framework เมื่อการตลาดแบบฉลาดใช้ดาต้าคือการปรับปรุงอย่างต่อเนื่องด้วยดาต้าให้มีประสิทธิภาพมากขึ้น ที่สำคัญคือต้องตอบโจทย์ทางธุรกิจ ยอดขายต้องเพิ่มหรือต้นทุนต้องลด ไม่ใช่ทำไปแค่เพื่อให้ได้ตัวเลข Traffic, Enagement หรือใดๆ ที่ไม่เกี่ยวกับเป้าหมายทางธุรกิจที่สามารถวัดผลได้จริง

และบทนี้จะอธิบายให้เป็นขั้นตอนว่าการจะเปลี่ยนมาเป็น Data-First Marketing นั้นมีขั้นตอนไปจนถึงวิธีการทำงานอย่างไร

Development Phase วางแผนให้พร้อมก่อนลงมือทำ

ก่อนจะเริ่มต้นทำงานใดแม้จะไม่ใช่การตลาด ก็ต้องเริ่มจากการวางแผนให้ดีก่อนค่อยลงมือทำ เพราะมันจะทำให้เราเหนื่อยนน้อยลงกับปัญหาที่เราสามารถคาดการณ์ล่วงหน้าได้

เราต้องเริ่มจากการรู้ก่อนว่าใครคือกลุ่มเป้าหมายสำคัญที่เราต้องการ เราจะสื่อสารด้วยอะไร จะส่งผ่านช่องทางไหน ก่อนจะพูดอะไรออกไปเราต้องรู้ให้ชัดก่อน่าเราจะพูดกับใครกันแน่ครับ

โดยขั้นตอนการวางแผน Development Phase นี้มี 3 ขั้นตอนย่อย ประกอบด้วย

  1. สร้าง Buyer Personas
  2. วางแผนผลิต Content
  3. เลือกช่องทางและข้อความการสื่อสารที่เหมาะสม

แต่สำคัญคือการรู้ให้ชัดว่าคนที่เราจะคุยด้วยเป็นใคร เพราะถ้าคนที่เราจะคุยด้วยเป็น Babyboomer แต่เรากลับไปพูดด้วยภาษา Gen Z มันก็คงไม่ใช่จริงไหมครับ

เรามาดูรายละเอียดกันทีละขั้นตอนดีกว่าครับว่ามีรายละเอียดอย่างไรบ้าง

1. Build Your Buyer Personas รู้ก่อนว่าจะขายใคร

ก่อนจะรบต้องรู้ก่อนว่าจะรบกับใคร การตลาดก็เหมือนกันต้องมีภาพที่ชัดเจนว่าใครคือคนที่เราต้องการมากที่สุด สำคัญคืออย่าคิดมโนไปเองว่าลูกค้าเราเป็นใคร นักการตลาดควรจะต้องลุกออกจากโต๊ะแล้วไปคุยกับคนหน้างาน เซลล์นี่แหละที่รู้ดีที่สุดว่าลูกค้าเราเป็นใคร เป็นอย่างไร และต้องการเราแบบไหน

การจะสร้าง Buyer Personas ต้องตกลงร่วมกับ Sales เพราะไม่อย่างนั้นเราก็จะทำการตลาดผิดๆ ทำ Communication แบบเพี้ยนๆ ไปจนถึงทำให้ได้ Lead ที่ไม่ใช่มามากมายแล้วเสียเวลา Sales ต้องไปปิดการขายกับคนที่ไม่ใช่กลุ่มเป้าหมายจริงๆ

ทุกทีมในบริษัทที่เจอกับลูกค้าต้องช่วยกันประกอบภาพ Personas ลูกค้าออกมา หน้าที่นี้แม้จะเป็นของทีมการตลาดเป็นหลัก แต่ถ้าขาดความร่วมมือและป้อนข้อมูลจากทุกทีมก็จะไม่มีทางประสบความสำเร็จได้เลย

2. Develop Content Assets วางแผนว่าจะทำคอนเทนต์แบบไหน อะไร ยังไง

อย่างกกับการทำคอนเทนต์ เพราะคอนเทนต์ที่ดีเปรียบได้กับพนักงานขายที่ดีบนออนไลน์ ที่จะช่วยทำให้ลูกค้าเข้าใจเรามากขึ้น ช่วยตอบคำถามที่ลูกค้าอยากรู้ได้ทันทีเหมือนกับพนักงานขายเก่งๆ คนหนึ่ง ดังนั้นเราต้อง อย่างก กับการทำ Content Marketing เหมือนที่บริษัทส่วนใหญ่เป็นกัน

เพราะการทำคอนเทนต์มักชอบถูกมองเป็นลูกเมียน้อย มองเป็นตัวประกอบ ทั้งที่ความเป็นจริงแล้ว Content นับว่าเป็นหักหอกหลักของการตลาด จะตอบจนปิดการขายได้หรือไม่ก็ขึ้นอยู่กับคุณภาพของคอนเทนต์เลยทีเดียว

และการทำ Content Marketing จะประกอบด้วย Mix, Plan และ Execution

จะทำคอนเทนต์แบบเดียวแล้วตอบทุกอย่างไม่ได้ ก็ต้องดูด้วยว่าเราควรต้องใช้คอนเทนต์แบบไหนในช่องทางนี้ ปล่อยในช่วงเวลาไหน จึงจะทำให้เกิดยอดขายได้มากที่สุด

และเมื่อการทำคอนเทนต์สำคัญขนาดนี้ทางทีมเซลล์ก็ต้องลงมาช่วยคิดกับทีมมาร์เก็ตติ้งด้วยว่าอยากให้คอนเทนต์ออกมาเป็นอย่างไร เพราะคอนเทนต์ที่ดีคือเครื่องมือช่วยปิดการขายชั้นดี จะเป็นการลดงานของเซลล์ลงไปได้มาก

เพราะเซลล์จะบอกได้ว่าลูกค้ามี Journey ในการถามอย่างไร ลูกค้าชอบถามอะไรบ่อยๆ เราก็เอาไอเดียตรงนั้นมาทำคอนเทนต์ที่จะช่วยลดคำถามง่ายๆ ลงไป เป็นการเร่งให้ลูกค้าเดินหน้าสู่ Stage ถัดไปเร็วขึ้น

Keyword Journey ลองมาดูวิธีการทำคอนเทนต์เพื่อค่อยๆ ตอบคำถามลูกค้าเพิ่มขึ้นทีละขั้นไปเรื่อยๆ ก็ได้ครับ

  • หาอะไร เช่น รองเท้าวิ่งของผู้หญิง
  • หาอะไร ของอะไร เช่น รองเท้าวิ่งผู้หญิงยี่ห้อ ASICS
  • หาอะไร ของอะไร แบบไหน เช่น รองเท้าวิ่งผู้หญิง ASICS รุ่น gel 3010
  • หาอะไร ของอะไร แบบไหน ที่ไหน เช่น รองเท้าวิ่งผู้หญิง ASICS รุ่น gel 3010 ราชพฤกษ์

เห็นภาพไหมครับว่าการทำคอนเทนต์เพื่อช่วยเซลล์เป็นอย่างไร และสำคัญคือคอนเทนต์ที่ดีควรเป็นภาษาของ Sales มากกว่านี้ ไม่ใช่เอาภาษาสวยงามแต่อ่านไม่เข้าใจ อ่านแล้วไม่กระตุ้นให้อยากอ่านต่อ หรืออยากกดซื้อเร็วขึ้นครับ

และการจะวัดผลว่าคอนเทนต์ไหนเวิร์คไม่เวิร์ค บทนี้ก็มีแนวทางการดู Data จาก GA หลังบ้านควรดูอะไรบ้าง มีแค่ 3 ข้อเองครับ

  1. Traffic เข้ามาเท่าไหร่
  2. Links เข้ามาจากไหน
  3. Conversions เป็นลูกค้าเท่าไหร่

เมื่อนำ 3 Attributes นี้มาทำเป็นโมเดลก็จะเห็นเลยว่าช่องทางไหนมีคนเข้ามามากแต่ปิดการขายได้น้อย จะได้เข้าไปดูว่าจะต้องแก้เกมอย่างไรให้ Conversion สูงขึ้น ส่วนช่องทางไหนที่ปิดการขายได้มากก็จะได้เข้าไปเพิ่มการเข้ามาของคนในช่องทางนั้นเพิ่มขึ้น

เพราะส่วนใหญ่ชอบพลาดดูแต่ Traffic ที่เข้ามามากมายแล้วบอกว่าตัวเองทำผลงานได้ดี แต่ตัวเลขเหล่านั้นจะไร้ค่าไม่ว่าจะมากเท่าไหร่ ถ้า Traffic ที่มากมายไม่ก่อให้เกิด Conversion หรือยอดขายอย่างที่ควรจะเป็น

ฉะนั้นสิ่งสำคัญคือต้องอย่าดูแค่ตัวเลขครับ ต้องดูที่ Business Goal เป็นหลัก

และก็อย่าลืมทำ Content ให้หลากหลาย ลองเทสหลายๆ Format กว่ากลุ่มเป้าหมายเราชอบแบบไหน ในแต่ละ Channel แม้จะเป็นกลุ่มเป้าหมายเดียวกันแต่ Format Content ไม่อาจใช้แบบเดียวกันได้เสมอไป

ถ้าเรามีคอนเทนต์บางอย่างที่เปิดให้คนเข้ามาดาวน์โหลดได้ ก็อย่าลืมเก็บ Data ด้วยนะครับ อย่าปล่อยให้โอกาสหลุดลอยไป และที่สำคัญควรกลับมาสำรวจคอนเทนต์ตัวเองสักปีละครั้ง เข้ามาอัพเดทมันบ้างให้มันเข้ากับบริบทที่เปลี่ยนไป Google ชอบให้คอนเทนต์มีการอัพเดทเนื้อหาอยู่เรื่อยๆ ไม่ใช่เก่าร้างข้ามปี แบบนี้ตกอันดับได้ไม่ยากครับ

3. Communication ออกไปให้เข้ากับ Channels

การทำคอนเทนต์ที่ดีว่าสำคัญแล้ว แต่การเลือกวิธีการส่งมอบคอนเทนต์ออกไปก็สำคัญไม่แพ้กัน ไม่ว่าจะเลือกช่องทางว่าคอนเทนต์แบบนี้เราควรส่งผ่านช่องทางไหน คอนเทนต์แบบนี้ในช่องทางนี้เราควรจะสื่อสารออกไปด้วยคำพูดอย่างไร เพราะแต่ละ Channels ก็มีคาแรคเตอร์หรือธรรมชาติที่คนใช้งานแตกต่างกัน

แม้จะเป็นคนๆ เดียวกันแต่เราก็ไม่ได้ใช้ทุกแพลตฟอร์มเหมือนกันจริงไหมครับ

เราไม่ได้โพสสเตตัสเก๋ๆ บน Instagram เหมือน Facebook เราไม่ได้เต้นลง Instagram เหมือน TikTok เราไม่ได้เกรี้ยวกราดบน Facebook เหมือน Twitter

นี่แหละครับธรรมชาติของแต่ละช่องทางหรือแพลตฟอร์มที่บอก ดู Personas ดู Objective แล้วค่อยเลือก Channels กับเลือกวิธีการ Communication

ถ้ากลุ่มเป้าหมายเราอยู่บน LinkedIn เป็นส่วนใหญ่ก็จงเลือกช่องทางนั้น แม้จะมีราคาแพงกว่าแต่นั่นก็หมายความถึงผลลัพธ์ที่ดีกว่าด้วยเช่นกัน

Execution Phase เริ่มลงมือทำอย่างเป็นขั้นเป็นตอน

เมื่อวางแผนดีแล้วก็ต้องลงมือทำสักทีไม่อย่างนั้นก็เป็นแค่เสือกระดาษ ซึ่งก็มี 3 ขั้นตอนหลักๆ ดังนี้

1. Select, Prepare และ Optimized เครื่องมือ

เหมือนที่เขาบอกว่าก่อนจะตัดต้นไม้ต้องใช้เวลาลับขวานให้คมก่อนแล้วเราจะเบาแรงในการตัดขึ้นมาก เริ่มจากการเลือกช่องทางที่จะสื่อสาร เลือกลูกค้าที่จะคุยด้วย เลือกเนื้อหาที่จะส่งออกไป เราต้องรู้ว่าเราอยากจะวัดอะไร แล้วค่อยมาดูว่าเราจะวัดสิ่งนั้นได้อย่างไร

เพราะหลังจากการเลือก การเตรียมตัว ก่อนจะลงมือทำควรเตรียมการวัดผลไว้แต่แรกว่าอยากรู้อะไร อยากวัดอะไร จึงค่อยลงมือทำคอนเทนต์ แล้วจากนั้นก็รอดูผลลัพธ์ที่เกิดขึ้นว่าเป็นไปตามคาดมากน้อยแค่ไหน

2. เก็บ Data ให้ครบและวัดผลให้ถึงยอดขาย

เหมือนที่เขาบอกว่า Garbage In, Garbage Out เก็บดาต้ามาอย่างไรก็ใช้ประโยชน์ได้เท่าที่เก็บมา หลายครั้งเรามีดาต้ามากกว่าที่คิด แต่เมื่อเอามาใช้จริงกลับใช้ประโยชน์ได้น้อยกว่าที่มีและคิดไว้มาก

การเก็บ Data ให้ครบแต่วันแรกไม่ใช่เรื่องง่าย สิ่งที่ต้องระวังคือการเก็บดาต้าที่ซ้ำซ้อนโดยไม่ตั้งใจ ส่งผลให้จะเอาไปใช้ต่อนั้นแทบไม่ได้เลย เช่น การสร้าง Tag ที่ผิดหรือซ้ำซ้อน ส่งผลให้การวัดผลนั้นเป็นไปได้ยาก

ดังนั้นเตรียมการเก็บข้อมูลเพื่อวัดผลให้ดี เพราะถ้าเราจะทำผลงานได้ดีขึ้นเราต้องวัดผลสิ่งที่ทำได้อย่างแม่นยำก่อนครับ

3. Experiment หมั่นทดสอบ เก็บข้อมูล และวัดผลเพื่อเอาไปปรับปรุง

การตลาดในวันนี้เราต้องทำให้เป็นวิทยาศาสตร์มากขึ้น และนี่ก็เป็น 6 ขั้นตอนของการทำ Marketing แบบ Scientist

  1. Question ตั้งคำถาม
  2. Hypothesis ตั้งสมมติฐาน
  3. Experimentation ทดลอง
  4. Data Analysis วัดผล
  5. Conclusion หาข้อสรุป
  6. Repeat ลองทำซ้ำ

อ่านดูแล้วจะเห็นว่าการตลาดยุคใหม่เป็นวิทยาศาสตร์ไปแล้วครับ

และเรื่องนี้ก็มีมานานแล้ว แต่จะอยู่ในโลกฝั่งบริหารธุรกิจมากกว่า เหมือนที่ Jack Welch สร้าง Six Sigma ขึ้นมาจนสามารถลดค่าใช้จ่าย GE ลงไปได้กว่า 12,000 ล้านเหรียญ

หรือ Toyota Way ก็คิดระบบ Kaizen ขึ้นมาจนกลายเป็นบริษัทรถยนต์ชั้นนำระดับโลกด้วยต้นทุนที่ลดลงมาก

สิ่งสำคัญคืออย่ากลัวกับความผิดพลาด แต่ต้องรีบค้นหาความผิดพลาดให้เจอแล้วแก้ไขกำจัดมันออกไปให้เร็วที่สุด จงสร้างวัฒนธรรมที่เน้นการปรับปรุงไม่ใช่การจับผิด ถ้าเจอข้อผิดพลาดต้องไม่ตำหนิตัวบุคคล แต่จงตำหนิที่วิธีการปฏิบัติงานแล้วองค์กรคุณจะพบความผิดพลาดมากมายให้แก้ไข

เหมือนเว็บ WebSurveyor ที่พอปรับปรุงเว็บไซต์ใหม่ให้เชยขึ้นกลับ Performance 50% นี่คือการทดสอบจาก A/B Testing ว่าตกลงแล้วลูกค้าเราชอบแบบไหนกันแน่

หรืออีกเคสที่น่าสนใจคือแค่เปลี่ยนสีที่ปุ่มกดก็ทำให้มีคนสมัครสมาชิกเพิ่มขึ้น 363% แล้ว!

ฉะนั้นเลิกคิดเองเออเอง แต่หมั่นทดสอบบ่อยๆ แล้วหาให้เจอว่าแบบไหนใช่กับเราที่สุด

ธุรกิจเช่ารถแห่งหนึ่งก็เหมือนกัน แค่ลดความยาวของสัญญาเช่า 17 ลงก็เพิ่ม Conversion ได้แล้ว ไม่ต้องทำอะไรให้ยุ่งยากเลยเห็นไหมครับ

Analysis Phase

และก็มีถึงเฟสสุดท้าย การวิเคราะห์ข้อมูลที่ได้มาเพื่อหาข้อสรุปที่จะต้องทำต่อไป สิ่งสำคัญของขั้นตอนนี้คือ Attribution สิ่งที่สามารถวัดได้, KPIs สิ่งที่จะวัด และ ROI ผลลัพธ์บรรทัดสุดท้าย และขั้นตอนสุดท้ายนี้ก็ยังแบ่งออกได้เป็น 3 ขั้นตอนที่ต้องทำครับ

1. ดูตัวชี้วัดให้ชัด และวัดให้ลึกถึงยอดขาย

ในวันนี้มีวิธีการวัดผลมากมาย หรือที่เรียกว่า Attribution model แต่ส่วนใหญ่มักวัดกันแค่ 3 แบบ

  1. Single-source
  2. Multi-source
  3. Algorithm

คนส่วนใหญ่รู้ว่าการดู Data ที่หลากหลาย Attribution นั้นสำคัญ แต่ส่วนใหญ่ยังคงเลือกดูแค่แบบ Basic แบบ First click หรือไม่ก็ Last click ทำให้พลาด Insight ดีๆ ไปมากมายว่า Customer Journey เป็นอย่างไร

เพราะถ้าเราดูแค่ Last click เราก็จะพลาดว่าก่อนหน้าที่คนจะมาเป็นลูกค้าเรามี Journey อย่างไรบ้าง หรือถ้าเราดูแค่ First click เราก็จะพลาดว่าแล้วหลังจากนั้นพวกเขาไปทางไหนต่อถึงตกลงปลงใจซื้อเรา

หลายครั้งเรามักได้ผลลัพธ์ที่ไม่ตรงกันแม้จะเป็น Journey เดียวกัน เช่นมีคนคลิ๊กเข้ามามากมาย แต่ทำไมถึงปิดการขายได้น้อยมาก เราต้องหาให้เจอว่า Data หลุดรั่วไปตรงจุดไหน เพื่อจะได้ประกอบ Journey ให้ครบ เพื่อที่เราจะได้เข้าใจ Insight จริงๆ ได้มากขึ้น

ถ้าจะให้ดีเราต้องแยกการวัดผลแต่ละ Channels ออกให้ชัด จะได้รู้ว่าช่องทางไหนพาลูกค้าที่ใช่มาให้เราได้มากที่สุด

ถ้าเราทำเว็บแล้วอยากวัดผลดีๆ ควรมีหน้าแยกสำหรับ Ads, Organic หรือ Social ออกจากกันครับ

2. เลือกตัวชี้วัดที่เหมาะสม และตัด Data ที่ไม่เกี่ยวออกไป

เช่น ถ้าเว็บเราขายได้แต่ลูกค้าในประเทศเป็นหลัก แต่มี Traffic เข้ามาจาก ตปท มากเกินก็อย่าหลงผิดเอามานับรวม เพราะนั่นไม่ได้สะท้อนถึงยอดขายที่แท้จริง แม้จะเป็น Organic ก็ตามต้องตัดใจทิ้งไปครับ

3. วัดผลให้ลึกกว่า ROI ไปให้ถึง Customer Lifetime Value

การตลาดในยุคดาต้า 5.0 ทุกวันนี้สิ่งสำคัญที่เราต้องทำการคือทำ Data Integration หรือเชื่อมดาต้าที่กระจัดกระจายเข้าด้วยกัน เพื่อจะได้เข้าใจภาพรวมว่าธุรกิจเรากำลังเกิดอะไรขึ้น จะได้เห็น Customer 360 เพื่อเข้าถึง Insight จริงๆ เสียทีว่าลูกค้าเราเคยมี Experience มาแบบไหนมาก่อนบ้าง ก่อนจะมาเป็นลูกค้าเราพวกเขาเคยทำอะไรมาจาก DMP

แต่ถ้ายังไม่สามารถทำสิ่งนี้ได้ ก็ขอให้เริ่มจาก Internal data ที่มีข้างในก่อน ใช้ CDP ประกอบ Customer data เข้าด้วยกัน และต้องวัดผลให้นานกว่าแค่ 30 วันย้อนหลังที่คนส่วนใหญ่ทำกันเพราะบางธุรกิจ Buyer Journey นั้นนานข้ามเดือน บางทีนานค่อนปี เช่น รถยนต์ บ้าน หรือสินค้าประเภทต้องใช้ระยะเวลาและข้อมูลในการตัดสินใจมากเป็นพิเศษ

เราต้องรู้ว่าช่องทางไหนที่ส่งลูกค้าเข้ามาแล้วทำให้เกิด ROI ดีกว่ากัน อย่างมองแค่จำนวน Lead แต่ต้องแยกให้ออกว่ากว่าจะมาเป็น Lead หรือ Customer นั้นพวกเขามี Journey อย่างไร บางทีช่องทาง Google อาจให้คนมากกว่า Bing แต่ Bing อาจมี Conversion สูงกว่าก็เป็นได้ (พูดถึงในเคสต่างประเทศ)

เราต้องดูไปถึงให้ Customer Lifetime Value ว่าลูกค้าคนนี้มาจากช่องทางไหน และลูกค้าแต่ละคนทำเงินให้เรามากน้อยเท่าไหร่ มีความต่างกันอย่างไรบ้างไหมจากแต่ละช่องทางที่ส่งลูกค้าเข้ามาหาเรา เพื่อที่จะได้ปรับกลยุทธ์ให้ถูก และวางแผนการตลาดได้ฉลาดขึ้นครับ

สรุปบทที่ 8 Data-First Marketing Campaign Framework

1. ตั้งเป้าหมายให้ชัดและหาวิธีวัดให้ได้

ทุกคอนเทนต์ที่ทำออกไปต้องมีเป้าหมาย อย่าสักแต่ว่าทำ ต้องหาวิธีวัดผลว่าตรงกับเป้าหมายที่ตั้งไว้มากน้อยแค่ไหน และที่สำคัญต้องสามารถสะท้อนถึงเป้าหมายทางธุรกิจที่ต้องการหรือยอดขายจริงๆ ได้ด้วย

2. ตั้งกลุ่มเป้าหมายให้ชัด

กำหนดคนที่เราต้องการให้ชัด อย่าหว่าน อย่าเดา อย่าสุ่ม ดูจาก Data ก่อนจะกำหนด Persona ว่าเรากำลังจะคุยกับใคร หา Pain point เขาให้เจอจะได้รู้ว่าจะต้องทำ Communication แบบไหนจึงจะโดนใจเขาได้ดีที่สุด

3. ทำคอนเทนต์ให้เหมาะกับ Journey

การทำคอนเทนต์ต้องดูบริบท ดูช่องทาง ดูด้วยว่าลูกค้ากำลังอยู่ในสเตจไหน กำลังหาข้อมูล กำลังเปรียบเทียบ หรือกำลังจะตัดสินใจ เพื่อที่เราจะได้มีคอนเทนต์ที่ทำหน้าที่เป็นเซลล์ช่วยขาย ช่วยบิ๊ว เพื่อจะได้เร่งลูกค้าให้เข้าใกล้สเตจการจ่ายเงินเร็วขึ้นครับ

4. วัดผล ทดสอบ ปรับปรุง

การตลาดยุคดาต้าจะไม่มีการทำทิ้งโดยไม่วัดผลอีกต่อไป ถ้าอยากปรับปรุงให้ดีขึ้นต้องหาทางวัดผลให้ได้ เพื่อที่เราจะได้รู้ว่าจะต้องปรับปรุงอย่างไรให้ดีขึ้นกว่าเดิมในครั้งหน้า ส่วนอะไรที่ดีอยู่แล้วก็จะได้ขยายโอกาสให้ใหญ่ขึ้น

Data-First Marketing บทที่ 9 สร้างทีมและวัฒนธรรมที่ใช่

สรุปหนังสือ Data-First Marketing มาถึงบทสุดท้ายของหนังสือเล่มนี้ บทที่ 9 ว่าด้วยเรื่องการสร้างทีมที่ใช่และวัฒนธรรมที่เอื้อต่อการใช้ Data-Driven Business ลองมาดูกันนะครับว่ามีรายละเอียดอย่างไรบ้าง

จะทำองค์กรให้ Data-Driven ต้องเริ่มจาก Head ที่เป็น Top Management Level ถ้าไม่ผลักดันจากบนลงล่างก็ยากที่จะเกิดขึ้นได้จากล่างขึ้นบน

แล้วทีม Marketing ที่เป็นส่วนสำคัญของธุรกิจกลับไม่ค่อยได้เข้ามาร่วมวางแผนงานเรื่อง Technology หรือ Data สักเท่าไหร่ ทั้งที่ในความเป็นจริงแล้ว Data ทำให้ Marketing วัดผลได้ จากประสบการณ์ผมบอกได้เลยว่าหัวหอกของเรื่อง Data ควรต้องเป็น Marketing นี่แหละครับ

ที่สำคัญคือเราต้องปลูกฝังการวิเคราะห์และปรับปรุงอยู่ตลอดเวลาให้กลายเป็นวัฒนธรรมการทำงานของบริษัทเรา

1. ปรับทีมเก่า

ส่วนทีมงานที่ต้องการไม่ต้องมองหาจากไหนไกล เอาเริ่มจากทีมปัจจุบันที่มีก่อน เพราะคนที่เป็น Digital Marketer นั้นเป็นคนที่เก่งในการเรียนรู้ด้วยตัวเองอยู่ตลอดเวลาอยู่แล้ว แพลตฟอร์มต่างๆ ที่เราใช้งานเปลี่ยนแปลงตลอดเวลา ส่วนระบบต่างๆ ก็ล้วนแต่พัฒนาไม่เคยหยุดนิ่ง ถ้าไม่เชื่อถามทีม Digital Marketing ก็ได้ครับว่าการตลาดบน Facebook ในปีนี้ต่างจากปีก่อนและห้าปีที่แล้วมากขนาดไหน

ดังนั้นคนที่ทำ Digital Marketing จึงเหมาะกับการเข้ามาทำเรื่อง Data-Driven Marketing มากไม่น้อยกว่าใคร

สกิลสำคัญอย่างหนึ่งคือการคัดกรองข้อมูลที่ไม่สำคัญออกไปให้เป็น อย่าหยิบทุก Information มาเป็น Insight เพราะไม่อย่างนั้นเราจะทำงานยาก ตัดสินใจลำบาก และพอเลือก Insight สำคัญมาได้ก็ต้องสื่อสารออกไปให้คนอื่นเข้าใจด้วย ไม่อย่างนั้นก็จะไม่มีใครทำตาม

ที่แนะนำให้ลองดูคนเก่าที่อยู่เพราะการจ้างคนใหม่นั้นมีต้นทุนสูง และยังต้องใช้เวลาในการปรับตัวให้เข้ากับทีมงานและวิธีการทำงานที่มี ดังนั้นการปรับคนเก่าอาจประหยัดทรัพยากรกว่า

แต่ปัญหาคือ Soft skills ไม่ใช่ Hard skills หลายครั้งก็เกิดการต่อต้านการปรับตัวจากคนเก่าไม่น้อย วิธีการหนึ่งที่ช่วยได้คือการลองให้คนเก่าฝึกคิด kill idea ตัวเอง ที่เคยคิดว่าทำมานานแล้วดีให้ลองกลับมุมคิดซิว่ามันไม่ดีอย่างไร

นั่นหมายความว่าบางคนอาจไม่เหมาะกับการเปลี่ยนแปลงไปสู่วิธีการทำงานใหม่ๆ ไม่ได้มีอะไรส่วนตัวผิดใจกัน แค่วิธีคิดและวิธีการทำงานไม่เข้ากันอีกต่อไป

2. สร้างทีมใหม่

บางครั้งการปรับคนเก่าที่ทำงานมานานอาจเป็นเรื่องยากเกินไปสำหรับบางองค์กร การเลือกจ้างทีมใหม่อาจเป็นเรื่องง่ายกว่าที่จะสร้างวัฒนธรรมการทำงานแบบใหม่ให้เหมาะกับเครื่องมือใหม่ไปพร้อมกัน

แต่สำคัญคือเมื่อได้คนใหม่มาก็ต้องเทรนวิธีการทำงานแบบใหม่ด้วย เพราะต่างคนมาจากต่างสถานที่ ต่างวัฒนธรรม ต้องทำให้เป็นเนื้อเดียวกันให้ได้เร็วที่สุด

เราต้องสร้างวัฒนธรรมแห่งการปรับปรุงให้ดีขึ้นอยู่เสมอ นั่นหมายความว่าต้องเปิดโอกาสให้ผิดพลาดโดยไม่หาคนผิด แต่ให้ช่วยกันหาว่าเราได้เรียนรู้อะไรจากความผิดพลาดครั้งนี้บ้าง เพื่อที่จะได้ปรับปรุงให้ไม่เกิดซ้ำขึ้นในวันหน้า

สรุปส่งท้ายหนังสือ Data-First Marketing บทที่ 9 ทีมและวัฒนธรรมแบบไหนที่ต้องการ

ผู้บริหารต้องสร้างวัฒนธรรมการทำงานที่พยายามให้พนักงานทุกคนตัดสินใจจาก Data เป็นหลัก ลดการใช้สัญชาตญาณส่วนตัวลงไป แล้วหันมาใช้ Insight จาก Data จริงๆ ให้มากที่สุด

ถ้าไม่รู้จะเริ่มสร้างทีมอย่างไร เริ่มจาก 3 ข้อนี้ก็ได้ครับ

  1. ทีมการตลาดต้องเข้าไปมีส่วนร่วมกับทีมบริหารในการกำหนดกลยุทธ์องค์กรให้มากขึ้น
  2. สร้างทีมที่ใช่ ไม่สำคัญว่าจะใหม่หรือเก่า แต่ต้องใช่ต่อวิธีการทำงานแบบใหม่ ในโลกที่ความรู้หมดอายุไวขึ้นทุกวัน
  3. ใช้ Data-Driven Everything มากที่สุดเท่าที่ทำได้

การตลาดส่วนใหญ่มักเน้นแค่ระยะสั้น แต่การตลาดยุคใหม่ในยุคดาต้า 5.0 นั้นเน้นการมองเกมระยะยาวว่าใครจะมี Data มากกว่าและสามารถเค้นเอาประโยชน์จาก Data นั้นออกมาได้มากที่สุดครับ

และทั้งหมดนี้ก็เป็นการสรุปหนังสือ Data-First Marketing การตลาดยุคดาต้าทั้งหมดที่อยากเล่าให้คุณฟัง เป็นหนังสืออีกเล่มที่แนะนำให้นักการตลาดได้อ่าน แล้วจะรู้ว่าการจะเป็นบริษัทที่ใช้ Data-Driven ไม่ใช่เรื่องยาก เพราะคุณจะรู้แล้วว่าเราจะต้อเริ่มต้นจากตรงไหน และจะก้าวเดินต่ออย่างไรครับ

สนใจสั่งซื้อหนังสือเล่มนี้ > https://bit.ly/DataFirstMKT

Nattapon Muangtum

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / เขียนหนังสือมาแล้ว 5 เล่ม Personalized Marketing, Data-Driven Marketing, Data Thinking, Contextual Marketing และ Social Listening / ที่ปรึกษา Data-Driven Advisor

Leave a Reply

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

ใช้ Social Listening บ้างไม่ ?

#การตลาดวันละโพล ขอหนึ่งคำถาม ว่าปกติใช้ Social Listening บ้างหรือไม่ แล้วถ้าใช้ ใช้ตัวไหนอยู่