การสร้าง Customer Persona ด้วย K-Means Segmentation

สวัสดีค่ะเพื่อนๆ บทความนี้ยังคงอยู่กันต่อในเรื่องของการสร้าง Customer Persona ค่ะ^^ โดยบทความก่อนหน้านิกแนะนำให้เพื่อนๆ ได้รู้จักกับการใช้งาน ChatGPT Prompts ในการสร้าง Buyer Profiles ออกมา ซึ่งถือว่าใช้งานได้ง่ายและสะดวกมาก

ส่วนในบทความนี้ก็จะมีความเข้าสู่ทฤษฎีเพิ่มขึ้นอีกนิดหน่อย ด้วยการใช้หลักการของ K-Means Clustering ในการทำ Customer Segmentation เพื่อสร้างเป็น Personas ของลูกค้าออกมาค่ะ 🧐😉

ซึ่งเมื่อเป็น K-Means ก็จะต้องมีชุดข้อมูลที่จะต้องเอามาทดลองทำ ดังนี้นิกจะขอใช้ตัวอย่างจากกลุ่มลูกค้าของธนาคารและผลิตภัณฑ์ทางการเงิน เป็นตัวอย่างในการทำ ถ้าอย่างนั้น ,,,,เรามาเริ่มกันเลยค่ะ o(*￣▽￣*)ブ

Problems Statement & Solutions

ในการสร้าง ML model อย่างเช่น K-Means สิ่งแรกที่เราควรจะทำก็คือการกำหนดหรือระบุปัญหาค่ะ ว่าเราจะทำสิ่งนี้ไปเพื่ออะไร จะได้เป็นการกำหนด Model ที่เหมาะสมในการ Solve Problems ที่สร้างขึ้นมาได้ค่ะ

เช่นในบทความนี้กำหนดปัญหาจากการที่กิจการด้านการเงินและธนาคารที่กำลังประสบปัญหาในการทำความเข้าใจ และตอบสนองความต้องการที่หลากหลายของลูกค้า ส่งผลให้แนวทางการตลาดทั่วไปในการนำเสนอผลิตภัณฑ์ทางการเงินขาดการสร้างประสบการณ์เฉพาะบุคคล (Personalized Experiences) และเพื่อการแก้ไขปัญหาที่เกิดขึ้น การใช้หลักการการวิเคราะห์ข้อมูลจาก Database ของธนาคารหรือสถาบันทางการเงินนั้นๆ จึงเป็นสิ่งจำเป็น เพื่อให้การแบ่งกลุ่มลูกค้าอย่างถูกต้อง/มีประสิทธิภาพ และจากข้อมูล Customer Segmentation นั้นจะนำไปสู่การสร้าง Customer Persona ตามกลุ่มเป้าหมาย เพื่อใช้ทำ CRM เพิ่ม Engagement และความพึงพอใจของลูกค้า ซึ่งนำไปสู่การเพิ่มรายได้ให้กับธนาคาร/สถาบันการเงินอย่างยั่งยืน

ซึ่งการทำ Customer Segmentation ในที่นี้หมายถึงกระบวนการแบ่งฐานลูกค้าออกเป็นกลุ่ม (Cluster หรือ Segment) ที่แตกต่างกันตามลักษณะนิสัย พฤติกรรม ความชอบ หรือความต้องการที่มีร่วมกัน โดยเราสามารถทำสิ่งนี้ได้ผ่าน ML model ชื่อคุ้นอย่าง “K-Means” จากข้อมูล Insight ของลูกค้าที่สถาบันการเงิน รวมถึงธนาคารและบริษัทบัตรเครดิตได้ Collect เอาไว้ ได้แก่ข้อมูลพฤติกรรม ความชอบ และลักษณะเฉพาะของลูกค้า ทำให้เราสามารถระบุกลุ่มลูกค้าที่แตกต่างกันและสามารถทำการตลาดแบบรู้ใจ (Personalization) ได้ ซึ่งสิ่งเหล่านี้นี่เองค่ะ ที่จะมาเป็น Solution ที่ช่วยแก้ปัญหาในการทำความเข้าใจลูกค้าของสถาบันทางการเงิน และเพิ่มความสัมพันธ์ที่ดี/เพิ่มรายได้อย่างมีประสิทธิภาพ

การใช้ K-Means Segmenatation เพื่อระบุ Customer Persona

K-Means เป็น ML โมเดลที่ใช้เทคนิคแบบ Unsupervised Learnig ที่ใช้ในการจัดกลุ่มข้อมูลที่เรายังไม่ได้ทราบประเภทมาตั้งแต่แรก แค่รู้ว่าต้องการจัดชุดข้อมูลที่มี Data point ในตำแหน่งใกล้เคียงกันไว้ด้วยกัน ซึ่ง K-Means ถูกนำมาใช้อย่างแพร่หลายในการลักษณะงานต่างๆ เช่น การทำ Customer Segmentation และการตรวจจับสิ่งผิดปกติ (Anomaly Detection) โดยขั้นตอนการใช้ K-means เพื่อกำหนด Customer Persona มีดังนี้ค่ะ^^

1. Data Preparation: การเตรียมข้อมูล

ในการทำ Data Preparation ของ K-Means มี 3 ขั้นตอนย่อยด้วยกันได้แก่

1.1 การกรองข้อมูล (Data Filtering) โดยในส่วนนี้จะเป็นการกรองเอาเฉพาะกลุ่มข้อมูลของลูกค้าที่เราต้องการพิจารณาเป็นพิเศษมาวิเคราะห์ก่อน เพื่อจำกัดวง Focus และให้สามารถระบุสิ่งที่เกี่ยวข้องได้ง่ายขึ้น เช่นการกรองเอาเฉพาะลูกค้าที่มีอายุงานมากกว่า 10 เดือนเป็นต้น

1.2 เพิ่ม Features ที่เกี่ยวข้อง เช่น พฤติกรรมในการใช้บัตรเครดิต

1.3 ลบ Features ที่ไม่ต้องการออก เช่น หากเราไม่ได้ต้องการ Focus ที่รายบุคคล แต่ต้องการจัดกลุ่มข้อมูลเท่านั้น ก็สามารถลบ Customer ID ออกได้

1.4 Nomalization เป็นการปรับฐานให้ข้อมูล เพื่อป้องกัน Feature ที่มีค่ามากกว่าส่งผลกับการกำหนด Cluster มากกว่า Features อื่นๆ

1.5 การทำ PCA เพื่อลดขนาดข้อมูล ซึ่งเป็นการช่วยลดความซับซ้อนในการคำนวณ และช่วยเพิ่มความสามารถในการตีความของผลลัพธ์การจัดกลุ่ม

2. การหาจำนวน Segment ที่เหมาะสม

เนื่องจากในการทำ K-Means Clustering เราต้องระบุจำนวนกลุ่มที่ต้องการให้ K-means แบ่งออกมาให้ก่อน คำถามก็คือแล้วจำนวนกลุ่มเท่าใดล่ะ ถึงจะเหมาะสม? （￣︶￣）↗ ซึ่งวิธีการนั้นก็คือการใช้ Elbow Method (หรือ Skree plot) ซึ่งจากภาพจะเห็นว่าจำนวนกลุ่มที่เหมาะสมที่สุดของลูกค้าคือ 7 กลุ่ม และมีจำนวนลูกค้าที่อยู่ในกลุ่มแต่ละกลุ่มใกล้เคียงกัน

3. วิเคราะห์ Characters ของลูกค้าแต่ละกลุ่ม

ซึ่งหลังจากที่เราได้ Segmentation ของลูกค้าแล้ว สิ่งที่เราจะมาทำเป็นอันดับต่อไปก็คือ การมาวิเคราะห์ว่าพฤติกรรม และลักษณะเฉพาะของลูกค้าแต่ละกลุ่มเป็นอย่างไร เพื่อให้เข้าใจแนวโน้มของ Persona ของลูกค้า ซึ่งจากกลุ่มตัวอย่างมีจำนวนกลุ่มลูกค้าที่จะนำมาวิเคราะห์เพิ่ม 4 กลุ่ม และวิเคราะห์ 4 Features ได้แก่ ยอดเงิน (Balance), การเบิกเงินล่วงหน้า (Cash advance), สัดส่วนการใช้บัตรเครดิตต่อวงเงินในบัตร (Credit Utilization) และยอดค่าใช้จ่าย (Purchases)

หลังจากนั้นเราก็จะมาทำการระบุ Characters จากแต่ละ Features ของกลุ่มลูกค้าที่เราต้องการ Focus ได้ดังนี้

• Segment ที่ 1: เป็นกลุ่มลูกค้าที่มียอดบัตรเครดิตสูง มีอัตราส่วนการใช้บัตรเครดิตต่อวงเงิน และมียอดซื้อสูง และมีแนวโน้มที่จะใช้บัตรเครดิตตามวงเงินที่กำหนด
• Segment ที่ 2: เป็นกลุ่มลูกค้าที่มียอดบัตรเครดิตสูง แต่มีอัตราส่วนการใช้บัตรเครดิตต่อวงเงินไม่สูงมากนัก ในขณะที่มียอดซื้อสูงเช่นเดียวกัน ทำให้สามารถระบุได้ว่าลูกค้ากลุ่มนี้ค่อนข้างมีวินัยในการใช้บัตรเครดิต และมีแนวโน้มที่จะใช้บัตร/ชำระยอดตรงเวลา
• Segment ที่ 3: เป็นกลุ่มลูกค้าที่มีมูลค่าต่ำในทุกด้าน แม้ว่าจะมีบัตรเครดิตแล้วแต่ก็ยังไม่มีการใช้จ่าย หรือใช้งานบัตรเครดิตมากเท่ากลุ่มอื่น
• Segment ที่ 4: เป็นกลุ่มลูกค้าที่มียอดเงินคงเหลือ อัตราการเบิกเงินล่วงหน้า และยอดการใช้บัตรเครดิตที่สูง แต่กลับมียอดค่าใช้จ่ายหรือยอดซื้อที่ต่ำ ทำให้สามารถระบุได้ว่าลักษณะการใช้จ่ายของลูกค้าในกลุ่มนี้ คือการใช้บัตรเครดิตในรูปแบบของช่องทางในการกู้ยืมเงิน

การสร้าง Customer Persona และการตลาดแบบรู้ใจ Personalization

ซึ่งหลังจากที่เพื่อนๆ ได้ Segment ของลูกค้าที่เราต้องการ Focus มาเรียบร้อยแล้ว ขั้นตอนสุดท้ายที่เราจะมาทำกัน และเป็น Target ของบทความนี้ก็คือ การทำ Customer Persona เพื่อการทำการตลาดแบบรู้ใจ (Personalization) ให้กับกลุ่มลูกค้าตัวอย่างกลุ่มนี้กันค่ะ^^

Persona 1: ลูกค้ากลุ่มรอบคอบ
ลูกค้ากลุ่มนี้มีวิธีการใช้บัตรเครดิตอย่างรอบคอบ ซึ่งมีลักษณะการซื้อที่มีมูลค่าน้อย/ปานกลางไม่บ่อยนัก และจะมีการจัดลำดับความสำคัญของใช้จ่าย แต่ไม่ค่อยมีการทำธุรกรรมเล็กๆ ซึ่งผลิตภัณฑ์ทางการเงินที่เหมาะสมสำหรับ Persona นี้ได้แก่

• สินเชื่อเพื่อการจับจ่ายที่คุ้มค่า: ธนาคารสามารถเสนอทางเลือกทางการเงินพิเศษสำหรับการซื้อที่มีความถี่ไม่มากนัก ทำให้ลูกค้าสามารถชำระเงินสำหรับการซื้อเหล่านี้ด้วยอัตราดอกเบี้ยต่ำหรือ 0% สิ่งนี้ให้ประโยชน์แก่ลูกค้าด้วยการจัดหาแผนการผ่อนชำระที่เหมาะสม และความยืดหยุ่นในการจัดการกระแสเงินสดลูกค้ากลุ่มนี้ ในขณะที่ธนาคารก็สามารถมี Revenue จากดอกเบี้ย และยังสามารถเพิ่ม Brand royalty ได้ด้วย^^
• ให้สิทธิการรับประกันสินค้าเพิ่มเติม: สถาบันทางการเงินสามารถให้การรับประกันสินค้าเพิ่มเติมเพื่อเป็นสิทธิประโยชน์สำหรับลูกค้าที่ทำการซื้อที่มีมูลค่าสูงไม่บ่อยนัก แต่ครั้งนี้กลับมีการใช้จ่ายสินค้าที่มีมูลค่าสูง ในการซ่อมแซมหรือเปลี่ยนทดแทนเพื่อมอบความอุ่นใจให้กับลูกค้า ในการเพิ่มยอดค่าใช้จ่าย และได้ Brand royalty ในระยะยาว
• การให้บริการวิเคราะห์ข้อมูลเชิงลึกการใช้จ่ายส่วนบุคคล: ธนาคารสามารถนำเสนอข้อมูลเชิงลึกและการวิเคราะห์การใช้จ่ายส่วนบุคคลสำหรับลูกค้า ได้แก่การจัดหมวดหมู่ธุรกรรมโดยละเอียด แนวโน้มการใช้จ่าย และคำแนะนำที่ปรับให้เหมาะกับรูปแบบการใช้จ่ายเฉพาะตัวของลูกค้า ซึ่งช่วยให้ลูกค้ากลุ่มนี้สามารถตัดสินใจทางการเงินอย่างชาญฉลาดและเพิ่มประสิทธิภาพการใช้จ่าย ในขณะที่ธนาคารช่วยเพิ่มความผูกพันกับลูกค้า และสร้าง Engagement ด้วยการให้ข้อมูลเชิงลึกทางการเงินที่มีคุณค่า

Persona 2: ลูกค้าที่มีการใช้จ่ายบ่อย
Persona ของลูกค้ากลุ่มนี้คือ ลูกค้าที่ใช้บัตรเครดิตเป็นช่องทางในการทำรายการบ่อยๆ ทั้งจากเหตุผลเพราะความสะดวกในการใช้ และผลตอบแทน (เช่นการสะสม Point) ที่ได้รับจากการใช้บัตรเครดิต ซึ่งผลิตภัณฑ์ทางการเงินที่เหมาะสมสำหรับลูกค้ากลุ่มนี้ได้แก่

• บัตรพรีเมียม: ธนาคารนี้สามารถเสนอบัตรพรีเมียมพร้อมสิทธิประโยชน์เพิ่มเติมสำหรับผู้ใช้ประจำ แม้ว่าบัตรเหล่านี้มักจะมาพร้อมกับค่าธรรมเนียมรายปีที่สูงกว่า แต่ลูกค้าก็ยังได้สิทธิพิเศษเพิ่มเติม เช่น การเข้าใช้ห้องรับรองในสนามบิน บริการเจ้าหน้าที่ดูแลแขก ประกันการเดินทาง ฯลฯ
• แผนการผ่อนชำระที่ยืดหยุ่น: ธนาคารนี้สามารถเสนอแผนการผ่อนชำระที่ยืดหยุ่นให้กับลูกค้ากลุ่มนี้ เพื่อให้ลูกค้าสามารถเพิ่มอัตราการซื้อที่มากขึ้น ร่วมกับการชำระเงินรายเดือนที่น้อยลง ร่วมกับการจัดการอัตราการผ่อนชำระ
• Rewards: โดยลูกค้าจะได้รับคะแนน เงินคืน หรือไมล์สายการบินตามการใช้จ่าย ตามแคมเปญ ซึ่งเป็นการสนับสนุนให้ลูกค้าใช้บัตรเครดิตมากยิ่งขึ้น และเพิ่ม Brand royalty

Persona 3: ลูกค้ากลุ่มไม่ค่อยใช้บัตรเครดิต
ลูกค้ากลุ่มนี้มักมีความรอบคอบในการใช้บัตรเครดิต มีวินัยทางการเงิน และมีการตัดสินใจใช้จ่ายอย่างรอบคอบ ซึ่งผลิตภัณฑ์ทางการเงินที่เหมาะสมสำหรับลูกค้ากลุ่มนี้ได้แก่

• บัตรเครดิตที่มีหลักประกัน: ลูกค้าสามารถ Build/ Rebuild เครดิตใหม่ โดยที่สามารถควบคุมการใช้จ่ายที่เกินความจำเป็น โดยการวางเงินประกันเป็นหลักประกัน ซึ่งสามารถสร้างประวัติเครดิตที่ดีในกับลูกค้า ในขณะที่ธนาคารจะได้รับประโยชน์จากเงินประกัน และการใช้จ่ายผ่านบัตรเครดิตของลูกค้าในอนาคต
• บัตรดอกเบี้ยต่ำ: การเสนอบัตรเครดิตที่มี APR ต่ำ ทำให้ลูกค้าสามารถจัดการยอดคงเหลือได้โดยเสียดอกเบี้ยน้อยที่สุด ซึ่งทางธนาคารจะได้รับประโยชน์จากดอกเบี้ยที่ได้รับ ในขณะที่ลูกค้าสามารถไม่ต้องกังวลเกี่ยวกับค่าธรรมเนียมที่สูงเกินไป
• Fraud Protection: เนื่องจากลูกค้ากลุ่มนี้มีความระมัดระวังในการใช้จ่าย ความอุ่นใจด้วยบัญชีที่มีการตรวจสอบอย่างใกล้ชิดเพื่อป้องการธุรกรรมผิดปกติจึงเป็นหนี่งในสิ่งที่จะเพิ่มแรงจูงใจในการเริ่มใช้งานได้ ในขณะที่ธนาคารก็ยังสามารถลดความเสี่ยงของการสูญเสียทางการเงินจากการฉ้อโกงได้อีกด้วย^^

Persona 4: ลูกค้ากลุ่มเน้นการกู้เงินจากบัตร
ลูกค้ากลุ่มนี้มักมีการใช้งานบัตรเครดิตในการกู้ยืมเงิน ซึ่งมักพบแนวโน้มของการกดเงินสดสูง และมีการใช้บัตรเครดิตที่ค่อนข้างสูง ซึ่งผลิตภัณฑ์ทางการเงินที่เหมาะสมสำหรับลูกค้ากลุ่มนี้ได้แก่

• การโอนยอดเงินคงเหลือระหว่างบัตร: ให้ตัวเลือกแก่ลูกค้าในการโอนยอดคงเหลือไปยังบัตร APR ที่มี Balance 0% เพื่อประหยัดอัตราดอกเบี้ย
• การรวมหนี้ / สินเชื่อส่วนบุคคล: ให้บริการสินเชื่อรวมหนี้ที่มีอัตราดอกเบี้ยต่ำกว่า ทำให้ลูกค้ากลุ่มนี้สามารถรวมหนี้ที่มีดอกเบี้ยสูง เป็นการชำระเงินเดียวที่สามารถบริหารจัดการได้ง่าย ซึ่งเป็นกลยุทธ์ที่ใช้เพิ่มอัตราการชำระเงินคืนอีกด้วย
• การให้คำปรึกษาด้านการเงินและสินเชื่อ: สถาบันทางการเงินสามารถ Provide Service ในการให้คำแนะนำในการจัดการหนี้ การบริหารจัดการทางการเงิน แก่ลูกค้ากลุ่มนี้ เพื่อลดโอกาสการเกิดหนี้เสีย และเพิ่ม Brand royalty ได้^^

Last but not Least…

และแล้วเมื่อเราดำเนินการตามขั้นตอนก่อนหน้าทั้งหมด เราก็จะสร้าง Customer Persona ด้วย K-Means Segmentation เพื่อทำการตลาดแบบรู้ใจ Personalization ได้ โดยในบทความนี้เป็นการยกตัวอย่างการสร้าง Characters ของลูกค้าแบบละเอียดที่น่าจะทำให้เพื่อนๆ เห็นภาพชัดเจนมากยิ่งขึ้น ซึ่งหากเพื่อนๆ ต้องการอ่านบทความเพิ่มเติมในเรื่องของการสร้าง Customer Persona สำหรับกลุ่มลูกค้าของตัวเองด้วย ChatGPT สามารถติดตามจากบทความนี้ได้เลยค่ะ (☞ﾟヮﾟ)☞