Data, AI และ Personalzation 3 กลยุทธ์สำคัญของ Krungsri Consumer 2020
เมื่อวันจันทร์ที่ 17 กุมภาพันธ์ 2020 ที่ผ่านมา ผมได้มีโอกาสเข้าไปร่วมงานแถลงข่าวของ Krungsri Consumer ภายใต้คอนเซปที่ชื่อว่า Game Changer งานนี้เลยถือโอกาสสรุป 3 ประเด็นสำคัญที่จะเป็นกลยุทธ์หลักของทาง Krungsri Consumer ในปี 2020 ที่จะเริ่มต้นด้วยการใช้ Data ที่เข้มข้นยิ่งขึ้น ไม่ว่าจะจาก Internal data ภายในองค์กรกรุงศรีเอง หรือจาก External data ที่เป็นพาร์ทเนอร์ภายนอกก็ตามครับ
จากนั้นก็จะเป็นเรื่องของ AI ที่ทาง Krungsri Consumer ภูมิใจนำเสนอน้องมะนาว Manow อย่างมาก ว่าแม้ในปีที่ผ่านมาเธอจะเสียงแข็งเหมือนโรบอทมากไปหน่อย แต่ในอนาคตอันใกล้เสียงของน้อง Manow ที่เป็น AI ของ Krungsri Consumer นี้จะให้ผู้ใช้ต้องรู้สึกลื่นไหนและช่วยเพิ่ม Customer Experience แน่นอนครับ
และประเด็นสุดท้ายที่ผมเห็นว่าสำคัญในงานนี้ นั่นก็คือการทำ Personalization หรืออาจจะถึงขั้น Hyper-Personalization ก็ว่าได้ เพราะจาก Data มากมายที่กรุงศรีมีบวกกับ Partner Data จากภายนอก ยิ่งทำให้กรุงศรีจะยิ่งรู้ใจลูกค้าแต่ละคนจนคู่แข่งต้องจับตามองครับ
ถ้าอย่างนั้นผมขอเริ่มสรุปทีละประเด็น เรามาเริ่มกันที่ Data ว่าในวันนี้กรุงศรีมีข้อมูลอะไรบ้าง
Data-Driven Krungsri
ต้องบอกว่าทางกรุงศรีไม่ได้มีแค่ข้อมูลทางการเงินของลูกค้าเท่านั้น แต่กรุงศรีในวันนี้ยังมีข้อมูลพฤติกรรมความชอบของลูกค้าแต่ละคนผ่านแอป U Choose ที่เป็นเครื่องมือสำคัญในการเก็บข้อมูลพฤติกรรมความชอบของลูกค้าแต่ละราย แน่นอนว่าเราขอไม่พูดถึงเรื่อง Demographic ที่นับว่าเป็น Basic Data ในวันนี้ แต่จะมาเผย Insight จาก Data ถึง Behavior ว่าลูกค้ากรุงศรีที่ใช้งานแอป U Choose นี้ชอบดูหนังเรื่องไหน หรือแม้แต่ชอบเอาเงินไปใช้กับอะไรบ้างครับ
นี่คือ Insight จาก Data ว่าลูกค้ากรุงศรีใช้บัตรเครดิตกับเรื่องอะไรบ้าง
- ประกันต่างๆ
- ซูเปอร์มาร์เก็ต
- น้ำมัน
- ผ่อนบ้าน
- เที่ยว
- ช้อปปิ้ง(ไม่เหมือนกับข้อสองนะ)
- แฟชั่น
- อาหาร
- Gadget
- โรงพยาบาล
- E-Commerce
- จ่ายค่ารถยนต์
นักการตลาดหรือนักธุรกิจคนไหนกำลังหาข้อมูล Insight พฤติกรรมการใช้เงินผ่านบัตรเครดิตของคนไทยอยู่ ผมว่าหน้านี้มีประโยชน์มากเลยครับ
เท่านั้นยังไม่พอยังมีการเจาะลึก Data อีกไปขึ้นว่าในแต่ละช่วงอายุใช้เงินกับอะไร และเพิ่มขึ้นมากน้อยแค่ไหนในปีที่ผ่านมา
จากภาพจะเห็นว่าการใช้เงินในหมวดหมู่ช้อปปิ้งออนไลน์นั้นโตขึ้นสูงที่สุดในทุกช่วงระดับรายได้ เรียกได้ว่าจะยากดีมีจนก็ขอช้อปออนไลน์ไว้ก่อนก็ว่าได้ครับ ส่วนที่โตน้อยสุดก็เห็นจะเป็นในกลุ่มโทรศัพท์มือถือหรือ Gadget ซึ่งอันนี้น่าสนใจว่าที่โตน้อยน่าจะเพราะคนหันมาช้อปผ่านทางออนไลน์มากขึ้นแล้วหรือเปล่า (จากข้อมูลของ Lazada) และถ้าข้อมูลการช็อปออนไลน์ถูกรวมไว้กับสินค้าทุกประเภทก็อาจจะทำให้เข้าใจได้ว่าคนซื้อสินค้าจำพวกนี้เริ่มคงที่แล้ว
ซึ่งในอีกแง่นึงก็เป็นได้ เพราะคนไทยก็ถือว่ามีโทรศัพท์มือที่เป็นสมาร์ทโฟนกันน่าจะถ้วนหน้ายิ่งกว่าบัตรทอง ดังนั้นอาจจะเป็นจุดที่ตลาดอิ่มตัวแล้วก็ได้ครับ
แต่เมื่อมาดูควบคู่กับช่วงอายุของการใช้เงินในแต่ละประเภทนั้นพบ Insight ที่น่าสนใจแบบนี้ครับ
กลุ่มอายุต่ำกว่า 30 ใช้เงินกับทุกอย่างเพิ่มสูงมากเมื่อเทียบกับปีก่อนและปีก่อนหน้า ส่วนในกลุ่มอายุ 31-40 ก็พบว่ามีการใช้เงินกับการช็อปออนไลน์เพิ่มสูงมากแต่ลดลงเมื่อเทียบกับปีก่อน แล้วพอเข้าช่วงอายุ 41-50 ก็ยังพบแนวโน้มเดียวกันในการซื้อของออนไลน์ แต่ในกลุ่มสินค้าประเภทโทรศัพท์มือถือเริ่มนิ่งมีการเติบโตแค่ 2% เท่านั้น สุดท้ายเมื่อเข้าอายุ 50+ กลุ่มสินค้าประเภทโทรศัพท์มือถือก็มีการใช้จ่ายที่ติดลบหรือลดลงถึง 5% แต่การใช้เงินบนออนไลน์ยังเติบโตได้ดีเมื่อเทียบกับทั้งหมด
ดังนั้นจะเห็นว่าทุกคนหันมาใช้เงินบนออนไลน์กันมากขึ้น และนั่นก็ยิ่งเป็นสิ่งยืนยันว่าเงินในวันนี้กลายเป็น Data มากขึ้นทุกทีแล้ว
และอย่างที่บอกครับว่า U Choose ไม่ได้มีแค่ Data การใช้เงินของลูกค้ากรุงศรีเท่านั้น แต่ยังมี Behavior Data ที่บอกให้รู้ถึงรสนิยมความชอบ ตั้งแต่โปรโมชั่นที่พวกเขาอยากได้ ไปจนถึงภาพยนต์เรื่องไหนที่พวกเขาชอบดูครับ
เพราะมีการใช้ E-Coupon ไปแล้วกว่า 900,000 ครั้ง โดยทาง Krungsri Consumer ก็บอกให้รู้ว่าส่วนใหญ่แล้วคนชอบใช้กับโรงหนัง ร้านอาหาร เครื่องดื่ม กาแฟ และแม้แต่ทองครับ แล้วในหมวดหมู่ที่ถูกแลกสิทธิ์มากที่สุดก็คือภาพยนต์ เพราะมากถึง 200,000 ครั้งตั้งแต่เปิดใช้งานมา
เมื่อเจาะดูในรายละเอียดของภาพยนต์ที่ผู้ใช้ U Choose ชอบก็ทำให้พบว่าเรื่อง Avengers มีการแลกรับสิทธิ์สูงสุด หรือถ้าดูดีๆ 3 ใน 10 เป็นภาพยนต์ Marvel ไปแล้ว ส่วน 2 เรื่องก็เป็นการ์ตูนฟอร์มยักษ์อย่าง Frozen 2 กับ The Lion King ครับ
และจาก Data มากมายแต่ก็ยังถูกข้อจำกัดด้วยความเป็น Internal Data ทางกรุงศรีคอนซูเมอร์จึงต้องหาทางหา Data จากข้างนอกหรือหา Partner Data เพื่อต่อยอดธุรกิจการเงินไปสู่กลุ่มเป้าหมายใหม่ที่ยังไม่เคยมีใครเข้าถึง และในกลุ่มเป้าหมายใหม่ที่จะพูดถึงในวันนี้นั่นก็คือกลุ่มช่าง หรือผู้รับเหมาก่อสร้างครับ
จากการ Collaboration Data กันระหว่าง Krungsri Consumer และ Homepro ก่อให้เกิดโอกาสใหม่ทางธุรกิจของทั้งสองฝ่าย เพราะกลุ่มช่างหรือผู้รับเหมาก่อสร้างเป็นกลุ่มที่มีความสามารถในด้านการเงินดีไม่น้อย แต่กลับต้องเข้าถึงผลิตภัณฑ์ทางการเงินยากเพราะไม่มีข้อมูล Statement ที่เข้าถึงง่าย
ทางกรุงศรีเลยได้ร่วมมือกับ Homepro ในการเอาข้อมูลการซื้อสินค้าต่างๆ ของบรรดาช่างฝีมือผู้รับเหมาก่อสร้างจนสามารถวิเคราะห์และคาดการณ์ได้ว่าใครที่มีแนวโน้มจะเป็นลูกค้าชั้นดีที่ควรให้เข้าถึงเงินกู้ที่ดีได้แทนที่จะเป็นเงินกู้นอกระบบครับ
ทางกรุงศรีคอนซูเมอร์ยังบอกอีกว่า พวกเขาเปิดรับพาร์ทเนอร์ดาต้าจากธุรกิจอื่นๆ ที่มีข้อมูลแต่ไม่มีโมเดลที่จะมาวิเคราะห์อย่างเต็มที่ เรียกได้ว่าเป็น Data Strategy ที่วินกันทุกฝ่ายจริงๆ ครับ
จาก Data สู่ Personalization เมื่อกรุงศรีอยากจะรู้ใจลูกค้ามากขึ้น ก็ต้องมี Data ที่มากกว่าแค่เรื่องเงิน!
Hyper-Personalization กรุงศรีคอนซูเมอร์ใหม่จะรู้ใจลูกค้ามากกว่าที่เคย
เพราะการตลาดในวันนี้จะทำเหมือนเดิมๆ ด้วยการหว่านแบบแมสๆ เหมือนเดิมต่อไปไม่ได้แล้ว ขนาดพี่น้องท้องเดียวกันยังมีพฤติกรรมความชอบไม่เหมือนกัน แล้วนับประสาอะไรกับคนต่างพ่อพันแม่นับล้านคนที่จะชอบโปรโมชั่นแบบเดียวกันที่แบรนด์หว่านให้เหมือนเดิมล่ะครับ
แต่การจะทำ Personalization ได้นั้นต้องมาจาก Data ที่มากพอจะรู้จักลูกค้าแต่ละคนของเราได้ดีพอ แล้วถ้าใครยิ่งมี Data ที่เป็น External มากเท่าไหร่ก็จะยิ่งเข้าใจ Context ของ Consumer แต่ละคนจนสามารถไปสู่ขั้นสุดของการทำ Personalization ไปสู่ Hyper-Personalization ได้เลยครับ
ก็เหมือนกับที่กรุงศรีคอนซูเมอร์ยอมรับว่า แอป U Choose ของเขาแม้จะมีลูกค้าใช้งานมากมาย แต่ลูกค้าส่วนใหญ่ก็ใช้กันแค่วันละ 2 ครั้งเท่านั้น แถมรวมเวลาทั้งสองครั้งก็เป็นแค่ไม่กี่นาที ดังนั้นด้วยข้อมูลแค่นี้จึงยากที่จะรู้จักตัวตนที่แท้จริงของลูกค้าแต่ละคนได้ และนั่นก็ทำให้ทางกรุงศรีต้องใช้ Social Data ผ่านแพลตฟอร์มยอดนิยมต่างๆ โดยเฉพาะ Facebook ที่คนไทยส่วนใหญ่ใช้กันทุกคน เพื่อจะเก็บข้อมูลมารวบรวมประมวลผลจนสามารถส่ง Personalized offer ให้กับลูกค้าแต่ละคนได้แบบรู้ใจครับ
เมื่อมี Data มากมายจนกลายเป็น Big Data ทำให้ต้องใช้ AI เข้ามาในการประมวลผลว่าแต่ละคนน่าจะชอบโปรโมชั่นหรือข้อเสนออะไร ในตัวอย่างที่โชว์ในงานคือเมื่อลูกค้าคนหนึ่งเพิ่งจองโรงแรมผ่านบัตรเครดิตกรุงศรีไป ทาง AI เลยไปดูข้อมูลว่าที่ผ่านมาลูกค้าคนนี้ชอบอะไร และอะไรคือสิ่งถัดไปที่เขาจะต้องการครับ
ในภาพก็จะเห็นว่าหลังจากรูดจ่ายค่าโรงแรมไปแค่ 3 วินาที ลูกค้าคนนั้นก็จะได้รับข้อเสนอให้ซื้อประกันการเดินทางที่ดูจะเหมาะกับการท่องเที่ยวไปหมาดๆ ซึ่งถ้า Behavior Data ของลูกค้าคนนี้เป็นคนที่ชอบหาร้านอาหารดีๆ กินทุกวันศุกร์หรือเทศกาลสำคัญ เขาอาจจะได้รับ Personalized Offer ที่เป็นส่วนลดร้านอาหารบรรยากาศดีที่อยู่ใกล้ที่พักที่เพิ่งจองไปก็ได้นะครับ
และนี่ก็ทำให้รูปแบบการทำงานของทีมที่คอยดีลหาข้อเสนอดีๆ มาให้ลูกค้าบัตรเครดิตกรุงศรีต้องเปลี่ยนไป จากเดิมที่เคยดีลปีละหลายพันครั้งแล้วกระจายข่าวสารออกไปให้ถึงลูกค้ามากที่สุดตามช่วงเวลาที่มีจำกัด กลายเป็นการดีลหาข้อเสนอดีๆ เก็บไว้ในคลัง จากนั้นเมื่อมีลูกค้าคนไหนที่น่าจะเหมาะกับโปรโมชั่นที่กรุงศรีดีลไว้ ข้อเสนอนั้นก็จะถูกคัดเลือกและจัดการส่งให้โดยอัตโนมัติด้วย AI ภายในแค่ช่วงเสี้ยววินาทีครับ
เพราะหัวใจสำคัญของการทำ Personalization หรือแม้แต่ Hyper-Personalization คือให้ข้อเสนอที่ใช่ กับคนที่ต้องการ ในเวลาที่ดีที่สุด ด้วยช่องทางที่เค้าคนนั้นจะสะดวกที่สุด หรือหาอ่านเพิ่มเติมได้จากหนังสือ Personalized Marketing การตลาดแบบรู้ใจ ที่เขียนโดยการตลาดวันละตอนก็ได้ครับ (ขอขายของหน่อยนะ)
และสุดท้าย AI กลยุทธ์สำคัญของกรุงศรีคอนซูเมอร์
MANOW AI ที่ใช้เวลาฟูมฟักมาให้พร้อมดูแลลูกค้ากรุงศรีตลอด 24 ชั่วโมง
ก่อนหน้านี้ผมเคยเขียนบทความเรื่อง “AI เหมือนกัน แต่ทำไมฉลาดไม่เท่ากัน” ลงหนังสือพิมพ์ Rabbit Today (แต่เสียดายที่ตัวเว็บไซต์ปิดไปแล้วจึงไม่สามารถเข้าได้ เลยขอแนบลิงก์ที่เป็น Medium ไว้ให้คนที่สนใจเข้าไปก่อนแล้วกันครับ) บางคนอาจสงสัยว่าแล้วถ้าธนาคารอื่นมาใช้ AI เหมือนกันจะเป็นการ Copy & Paste น้องมะนาวของกรุงศรีไปมั้ย แน่นอนว่าไม่เพราะ AI แต่ละตัวต้องใช้เวลาฟูมฟักให้เรียนรู้จาก Data มากมาย ถ้าเปรียบง่ายๆ AI ก็เหมือนเด็กคนหนึ่งครับ ที่จะฉลาดหรือไม่ก็ขึ้นอยู่กับ Training Data ข้อผู้สอนนั่นเองครับ
และทางกรุงศรีก็ภูมิใจมากกับน้อง Manow AI ในปีนี้ที่จะฉลาดกว่าปีก่อนมาก เพราะจากเดิมที่เคยพูดเป็นโรบอท(อารมณ์แบบ Siri) แต่ในเร็วๆ นี้ทางกรุงศรีบอกว่าน้องมะนาวคนนี้จะพูดได้ลื่นไหลสมูทเหมือนคนมากยิ่งขึ้นครับ
และน้องมะนาวที่ผ่านมาก็สามารถช่วยลดงานจุกจิกลงไปได้มาก และก็ยังให้บริการลูกค้าที่โทรเข้ามาได้ไม่น้อยด้วย เพราะในปี 2019 ที่ผ่านมาน้องมะนาวรับสายไปกว่า 1,300,000 สาย ลดเวลาการคุยลงได้กว่า 60% ถือว่าประสบความสำเร็จไม่น้อยเลยนะครับ
ซึ่งน้องมะนาวในวันนี้นั้นฉลาดพอที่จะเข้าใจความต้องการของลูกค้าได้สูงถึง 87% แล้ว สามารถให้บริการลูกค้าจนจบความต้องการด้วยตัวเองได้โดยไม่ต้องพึ่งพนักงานมาช่วยเลยได้ถึง 22% หรือถ้าสายไหนต้องให้พนักงานที่เป็นคนเข้ามาช่วย ก็สามารถโอนสายต่อได้อย่างถูกต้องรวดเร็วถึง 40% ครับ
และทางกรุงศรีคอนซูเมอร์ยังเคลมว่า A.I. Manow นั้นทำงานได้ดีมากถึง 5 อย่างแล้วในวันนี้ ตั้งแต่ถามยอดเงินคงเหลือ ถามยอดที่ต้องชำระ ไปถึงขอเพิ่มวงเงินชั่วคราว แจ้งบัตรหายหรืออายัติบัตร และตรวจสอบคะแนนสะสม และความสามารถของ A.I. Manow ยังไม่ได้หมดแค่นี้ เพราะตอนนี้เธอกำลังฝึกตอบแชทลูกค้าผ่าน Facebook Messenger อีกด้วยครับ
เรียกได้ว่าน้องมะนาว หรือ A.I. Manow ของ Krungsri Consumer นี้ทำมาเพื่อตอบโจทย์ลูกค้าทุกกลุ่ม ตั้งแต่กลุ่มที่ถนัดแชทอย่าง Gen X หรือ Gen Y ไปถึงกลุ่มคนรุ่นใหม่อย่าง Gen Z หรือ Baby Boomer ที่ชอบพูดมากกว่าพิมพ์ไปแล้วครับ
และทั้งหมดนี้ก็คือ 3 ประเด็นหลักที่น่าสนใจจากงาน Krungsri Consumer Game Changer
จากมุมมองของการตลาดวันละตอน แน่นอนว่าธุรกิจธนาคารในวันนี้ต้องปรับตัวหนักมาก ในวันที่เงินถูกลดทอนอยู่ในรูป Data และคู่แข่งที่ไม่ได้อยู่ในธุรกิจธนาคารก็เกิดขึ้นมามากมายเหลือเกิน
อ่านบทความที่เกี่ยวกับ Personalization ต่อ > https://www.everydaymarketing.co/trend-insight/the-power-of-personalization/
