ตัวอย่าง Data Visualization Dashboard ธุรกิจด้วย Google Data Studio   

เมื่อนึกถึง Data Visualization บางคนอาจจะนึกว่าเป็นการทำงานแค่สาย Marketing หรือองค์กรที่เป็น Tech อย่างเดียว แต่วันนี้เราได้รวบรวมตัวอย่างการทำ Data Visualization Dashboard ในเชิงธุรกิจต่างๆในแต่ละอุตสาหกรรม ไม่ว่าจะเป็นร้านอาหาร, E-commerce, Social Media และตบท้ายด้วย Buyer Persona เพื่อดูทั้ง Overall Performance และกลุ่มลูกค้าของเรา โดยตัวอย่าง Dashboard เรายกมาจากเคสต่างๆที่สร้าง dashboard นี้ขึ้นมาจาก Data Studio ค่ะ

ร้านอาหาร

ร้านอาหารก็เป็นอีกหนึ่งในอุตสาหกรรมที่มีข้อมูลมากมายรอบตัวเรา และค่อนข้างมี transaction ที่ซับซ้อน บางเจ้านั้นแทบจะนับยอดขายเป็นนาทีเลยก็ว่าได้ ไม่ว่าจะเป็นยอดขายจากทางร้านที่เก็บมา หรือไฟล์ที่เราดึงมาจากเครื่อง POS หลายบัญชี แต่ส่วนใหญ่แล้วข้อมูลพวกนี้จะค่อนข้าง Flat อยู่พอสมควร 

เพื่อการจัดการกับข้อมูลมหาสารนั้นเราสามารถใช้ Data Visulization Tools เข้ามาช่วยเพื่อ sharpen ให้เห็นถึง competitive adge หรือมุมมองใหม่ๆ ในแง่ของการเพิ่มยอดขาย, ลด cost  เพิ่มกำไร หรือการวางกลยุทธ์ด้าน operation, makrketing เพื่อเพิ่มประสิทธิภาพในการหาลูกค้าใหม่ๆ เข้ามา

จากข้อมูลที่ทางการตลาดวันละตอนได้ไปหามาว่าร้านอาหารส่วนใหญ่แล้วนั้น เอา Data ต่างๆไปทำอะไรต่อ ซึ่งก็จะสามารถแบ่งง่ายๆ เป็น 6 แบบค่ะ 

• ยอดขาย ลงลึกไปจนถึง Transaction 
• วัตถุดิบที่สั่งซื้อจาก Suppliers 
• การจัดการ Stocks 
• การตั้งราคา 
• ชั่วโมงการทำงานของลูกจ้าง 
• การวัดผล Social Media 

ลองนึกง่ายๆว่าถ้าข้อมูลเหล่านี้สามารถบอกได้ว่าเราสามารถปรับเวลากราทำงานของ Staff ให้เข้ากับ Traffic ของร้านได้ยังไง หรือ ทำไมช่วงนี้เราซื้อวัตถุดิบแพงกว่าปกติ เป็นเพราะเราใช้แตงกวามากกว่าเมื่อก่อนหรือเปล่า 

Case Study จาก Dickey’s Barbecue Pit ร้านอาหารบาร์บีคิวในอเมริกา 

ร้าน  Dickey’s Barbecue Pit เป็นเชนธุรกิจของครอบครัวที่มีมากกว่า 500 สาขาในอเมริกา เขาได้ตระหนักถึงการใช้ Resturant Data เข้ามาดูยอดขาย Real-time และ insight บางอย่างที่เขายังมองไม่เห็นค่ะ ซึ่งสิ่งที่เขาสามารถแบ่งข้อมูลออกมาได้ตามนี้ค่ะ 

Demographic data

จากข้อมูลที่ได้เก็บมาพบว่าคนที่ชอบมากินอาหารกลางวันส่วนใหญ่จะเป็นผู้ชายวัน 43 ปี ใช้เวลาเดินทาง 30 นาทีเพื่อมาซื้ออาหาร และเดินทางด้วยรถประเภท SUV เพราะฉะนั้นแล้วทาง Dickey ได้ทำโปรโมชั่นอาหารกลางวันเพื่อเจาะกลุ่มลูกค้าที่ใช้ Ford และคนที่อยู่ area ที่ใช้เวลา 15 – 30 นาทีในการโฆษณา 

ถึงแม้ว่าข้อมูลที่นำมายกตัวอย่างอาจจะเป็นข้อมูลเชิงลึกและเก็บยากพอสมควร แต่เราสามารนำข้อมูล Demographic ในแง่อื่นๆมาได้ เช่น เพศและอายุว่าสัมพันธ์กับเวลาที่ซื้อช่วงไหนบ้าง 

Behavioral data

Dickey เรียนรู้ว่าผู้หญิงที่มีลูกมักจะไปที่ร้านในช่วงวันพุธ มักจะมานั่งทานอาหารตอนบ่ายแก่ๆ ในเวลาที่นานกว่ากลุ่มคนอื่นๆ ซึ่งเป็นไปได้ว่าพวกเขาอาจจะมานั่วทานอาหารเพื่อรอรับลูกกลับบ้าน ทางร้านจึงใช้วิธีโฆษณา “Craft Wednesday” ใน social media เพื่อดึงดูดกลุ่มลูกค้าและลูกของเขาด้วย 

Shared customer interests 

เมื่อข้อมูลสามารถบ่งบอกได้ถึงความชอบส่วนตัว เช่น คนกลุ่มนี้เป็น Dog lovers ทาง Dickey ก็มักจะใช้รูปน้องหมาเข้ามาตกแต่งร้านอยู่บ่อยๆ 

แต่เคสนี้ก็เช่นกัน ถึงแม้ว่าเราไม่ได้เก็บ interest ส่วนตัวจากลูกค้าเรา แต่เราสามารถเรียนรู้ความชอบอื่นๆของลูกค้าได้เช่นกัน ในแง่ของการออกเมนูพิเศษในช่วง Seasonal ด้วยวัตถุดิบประเภทนี้เทียบกับวัตถุดิบที่ใช้ในปีก่อนหน้า หรือการเก็บประเภทโปรดมชั่นที่เหมาะกับลูกค้าแต่ละแบบ เช่น ลูกค้ากลุ่มวัยรุ่นชอบ Discount ที่เป็น % มากกว่าการลด 100 บาท 

นอกจากนั้น Dickey ยังใช้ข้อมูลเหล่านี้ไปคิด strategy ในสาขาต่างๆ ที่ดึงข้อมูลมาจากยอดขาย based on วัตถุดิบที่คงค้างเยอะเพื่อระบายวัตถุดิบในแต่ละสาขา 

ตัวอย่าง Restaurant Dashboard

นี่ก็เป็นตัวอย่างจากของหน้าตา Snapshot ของพาร์ทแรกของรีพอร์ตที่จะได้เห็นถึงภาพรวมของร้านอาหารเรา ทั้งในแง่ของยอดขาย ค่าใช้จ่าย สินค้าที่ขายเป็นต้น 

ถัดมาเราอาจจะพูดถึงเรื่อง Effectiveness ของเวลาและเมนูที่มีผลต่อยอดขายบ้าง อย่างรูปด้านล่างเราสามารถใช้ Heat Map เพื่อแสดงถึงยอดขายรายชั่วโมงในแต่ละวันได้ ว่าพฤติกรรมของผู้ใช้นั้นบอกอะไรเราบ้าง เราควรจะจัดโปรโมชั่นช่วงไหน เพื่อกระตุ้นยอดขายในแต่ละชั่วโมง

E- commerce

บางครั้งหลายคนอาจมองข้ามการทำ Data Visualization สำหรับสาย E-commerce ไป เพราะเราคิดว่ามี Google Analytics ที่สามารถ visualize ให้เราเห็นภาพได้เลย แต่ข้อเสียนั้นเราต้องเข้าไปดูหลายๆหน้าเพื่อให้เราได้ข้อมูลที่เขาต้องการอย่างครบถ้วน แต่เมื่อไหร่ที่เราต้องทำรายานเพื่อให้ Manager ดูนั้นก็อาจจะต้องรายงานหลายๆหน้า และบางครั้งอาจจะขาดการมองเห็นภาพรวมไปได้ค่ะ เพราะฉะนั้นการใช้ Data Visualization Tools ช่วยให้รายงานของเข้าใจง่ายมากขึ้นด้วยค่ะ 

ในการทำ E-commerce dashboard นั้นเรามักจะใช้ monitor ยอดขาย, โปรดัคส์ที่ขายดี, แบรนด์ที่ขายดีเมื่อเทียบกับช่วงก่อนหน้า 

ซึ่ง Template หลักๆของ E – commerce สามารถแบ่งใหญ่ๆ ที่เราสามารถใช้งานบน Data Studio และ Import ได้จาก Google Analytics ได้เลย

Ecommerce KPIs

เป็นรายงานส่วนแรกที่จะทำให้มองเห็นถึงภาพรวม performance, จำนวน transaction ยอดขายโดยรวม, Basket Size, หรือการคิด Conversion Rate โดยพาร์ทนี้ส่วนมากแล้วจะใช้ตัวเลขและ Line chart เป็นตัวบ่งชี้เพื่อ comprare กับช่วงก่อนหน้า

Ecommerce Sales Funnel

ใช้เพื่อแสดงให้เห็น Transaction แต่ละ journey ได้อย่างชัดเจน ตั้งแต่ลูกค้าเข้ามาดูสินค้า (Product View) -> ดูรายละเอียดสินค้า (Product Detail View) -> ใส่ตะกร้า (Add to cart) -> หน้าสรุปยอด -> จ่ายเงิน ซึ่งการแบ่ง Journey นั้นอาจจะขึ้นอยู่ในแต่ละที่ว่าเราจะ Scope กว้างแค่ไหน แต่โดยรวมๆแล้วการทำ Metric Funnel ก็จะทำให้เราเห็นแบบเร็วๆว่าลูกค้า Drop off ไปช่วงไหนบ้าง ทำให้เรามา inspect ได้ต่อว่ามีปัจจัยอะไรที่ทำให้เขาออกไป

แต่จากที่เคยทำโปรเจ็คคล้ายๆกันให้กับลูกค้า ส่วนใหญ่แล้วคนมักจะออกไปจากหน้า Product detail view เยอะสะส่วนใหญ่ เพราะการจัดวางสินค้าที่เยอะเกินไป หรือลูกค้าหาสินค้าที่ตัวเองต้องการไม่เจอค่ะ

Brand & Product Performance 

พาร์ทนี้เราใช้มองหาสินค้าที่ขายดี เพื่อนำไปจัดเรียงในหน้าแรก หรือการจัดทำโปรโมชั่นดึงดูดลูกค้า และจัดทำโปรโมชั่นเพื่อกระตุ้นยอดขายในหมวดอื่นๆได้ค่ะ อย่างในตัวอย่างที่นำมาให้ดูเขาไม่ได้แค่เพียงแสดงจำนวนยอดขายเพียงเท่านั้ แต่ยังแสดงการเปลี่ยนแปลงของสินค้านั้นๆไว้อย่างชัดเจน ทำให้เห็นเทรนด์บางอย่างได้

Marketing Channel, Device & Country Breakdown

ในพาร์ทสุดท้ายเราจะแสดงถึง Marketing Performance ที่เกิดขึ้นจากการทำการตลาดให้กับธุรกิจเรา ซึ่งจะ Breakdown ออกมาได้

Social Media (Youtube)

ในการทำ Data Visualization Dashboard ในสาย Social Media นั้นทำได้หลายอย่างมากๆ รูปแบบการทำรายงานมักจะขึ้นอยู่กับสิ่งที่เราต้องการจะเล่า บางคนต้องการพูดถึง Performance โดยรวมของช่อง เพื่อรายงานเทรนด์การเปลี่ยนแปลงให้กับ Manager หรือบางคนต้องการ Breakdown ประเภทคอนเทนต์ ประเภทวิดีโอ หรือช่องทางที่สร้างรายได้ให้กับช่อง ก็ขึ้นอยู่กับวัตถุประสงค์ที่แตกต่างกันไป 

ตัวอย่างที่นำมานั้นพูดถึง Performance Overall ในช่อง Youtube ที่แสดงให้เห็นว่าพฤติกรรมของคนดูนั้นเป็นอย่างไรบ้างในช่วงที่ผ่านมา มีวิดีโอไหนที่มีคนดูมากที่สุด

อีกหนึ่งส่วนที่ไม่พูดถึงไม่ได้เลยก็คือ Perception ที่คนดูมีต่อเรา ซึ่งพาร์ทนี้อาจจะวัดถึงเรื่อง Sentiments แบบคร่าวๆได้ว่าเขารู้สึกต่อเรายังไง โดยการวัดจำนวน Like และ Dislike หรือบางครั้งเราวัดคุณภาพช่องของเราด้วย Engagement ผ่านจำนวนคนกด Subscribe และคนคอมเม้นต์ช่องเรา

พาร์ทสุดท้ายเป็นการดู location ที่ค่อนข้างส่งผลต่อการคิดคอนเท้นต์/แคมเปญของเราในอนาคต หลายคนอาจจะชอบข้ามส่วนนี้ไปเพราะคิดว่าไม่สำคัญ แต่ประสบการ์ณที่ผ่านมา จากการทำ Social Media ให้กับ EU Region นั้นเราต้องดูหลายๆประเทศให้คนยุโรป พฤติกรรมหรือความชอบก็จะแตกต่างกันออกไป 

การใช้ Location เข้ามาช่วยทำให้เราสามารถไป Deep Drive ถึงความชอบในแต่ละประเทศ ในแต่ละเมืองได้เป็นอย่างดี ทำให้เวลาที่เราต้องการจะสร้าง Local Campaign จะสามารถเจาะลึกไปในที่ที่คนสนใจเราเป็นพิเศษ แทนที่เราจะเสีย Budget ทำการตลาดทั่วยุโรป เราก็สามารถ Scope ใน area ที่กลุ่มเป้าหมายเราอยู่ได้จริงๆ 

Buyer Persona 

จากหลายๆตัวอย่างด้านบนพูดถึงเรื่อง revenue / performance ถึงภาพรวมบริษัทเรามาพอสมควรแล้ว แต่พาร์ทนี้เราอยากให้ลองนึกถึงการใช้ Data visulization เข้ามาช่วยแบ่ง Buyer Persona เพื่อ deep drive หาพฤติกรรมและความชอบของกลุ่มเป้าหมายที่เราสนใจได้ ซึ่งการทำ Persona นั้นเราไม่ได้จำกัดว่าแบบไหนถูกหรือผิด แจ่การจะทำ Persona ที่ดีได้นั้นเกิดจากการมองหาสิ่งที่เป็นประโยชน์ในการทำกลยุทธ์ของเรามากกว่าค่ะ ตัวอย่างที่เรานำมาให้ดูนั้นเป็นการดึงข้อมูลมาจาก Google Analytics แบ่งง่ายๆ ออกเป็น 3 ส่วนค่ะ

Demographic : ที่บ่งบอกถึงเพศ อายุ และที่อยู่อาศัย

Interest : ที่มีทั้งความสนใจในช่วงระยะเวลาสั้นๆ (Affinity Category) และไลฟ์สไตล์ ความหลงไหล (In-Market Segment)

Usage : พฤติกรรมการใช้งานในช่วงสัดาห์ ช่องทางที่เขาพบเรา 

สรุปหัวใจสำคัญของการใช้ Data Visualization

• Organize เตรียมการและจัดการข้อมูลให้นำมาใช้ได้เกิดประโยชน์สูงสุด
• Transform เปลี่ยนตัวหนังสือให้กลายเป็น insight ที่แท้จริง 
• Monitor วัดผลของข้อมูลเพื่อให้ตอบโจทย์ KPIs 
• Spot มองหา Competitive advantage หรือมองหารอยรั่วที่ควรแก้ไข 
• Make นำ insight มาแปลงเป็นกลยุทธ์และวัดผล

สุดท้ายนี้ อยากฝากถึงความสำคัญของ Data Visualization

การทำ Data Visualization ก็เป็นส่วนหนึ่งของ Data-Driven Marketing นั้นก็คือการย่อยข้อมูลให้อ่านง่าย เห็นมุมมองใหม่ๆมากกว่าตารางตัวเลขใน Excel ในบางครั้งคนที่เป็นนักการตลาดมักจะเข้าใจว่า การทำ Visualization เป็นเรื่องของงาน IT หรือเป็นเรื่องที่ต้องใช้เทคนิคขั้นสูง แต่ความจริงนั้นเรามี Data Visualization Tools หลายตัวที่สามารถเข้าถึงได้ง่ายและนักการตลาดสามารถใช้งานได้เองเลยค่ะ

สุดท้ายบริษัทไหนอยากให้ตัวเองเป็นบริษัทที่ใช้ Data-Driven Marketing ไวๆ การเริ่มต้นจากให้พนักงานมีทักษะความรู้เรื่องการทำ Data Visualization เป็น แล้วเสริมด้วยหลักคิดแบบ Data Thinking เข้าไปก็จะทำให้การใช้ Data-Driven Decision ในทุกๆ เรื่องของบริษัทเป็นไปได้ไวขึ้น ทางการตลาดวันละตอนเคยจัดอบรมเรื่องนี้ให้กับบริษัทต่างๆ อยู่เรื่อยๆ

สามารถจัดเป็น Internal Course ให้พนักงานทั้งทีมการตลาดและทีมที่ต้องใช้ Data เป็นเข้ามาเรียนได้ เรียนแบบเน้น Workshop 1 วันเต็ม เรียนจบแล้วทำ Marketing Dashboard เองได้เลยไม่ต้องรอทีม IT อีกต่อไป (เพราะงานเขาก็ยุ่งอยู่แล้ว)

ติดต่อพูดคุยปรึกษาขอรายละเอียดเพิ่มเติมได้ที่พี่หนุ่ย เจ้าของเพจการตลาดวันละตอน nattapon@everydaymarketing หรือที่เบอร์ 0856665380

ส่วนใครที่ชอบเรื่อง Data Visualization มาอ่านต่อได้ที่นี่