เพราะ Data-Driven ทำให้ Obama ได้เงินบริจาคเพิ่มขึ้นเกือบ 2,000,000,000 บาท

ก่อนอื่นผมขอถามคุณก่อนเลยว่า คุณคิดว่ารูปไหนจาก 1 ใน 6 รูปนี้ที่น่าจะทำให้ Obama สามารถระดมทุนสนับสนุนการเลือกตั้งได้เพิ่มขึ้นกว่า 60 ล้านดอลลาร์ในช่วงปี 2008 ครับ? ผมอยากให้คุณเลือกให้เสร็จก่อนแล้วค่อยอ่านต่อ เพราะวันนี้ผมจะมาเล่าให้ฟังถึงเบื้องหลังการทำ Data-Driven Donation ด้วยการใช้เทคนิค A/B testing แบบง่ายๆ เพื่อเก็บ Data จนเข้าใจ Insight ว่ารูปไหนกับข้อความใดที่ทำให้คนอยากลงทะเบียนแล้วบริจาคให้ Barack Obama เพิ่มขึ้นกว่า 60,000,000 ดอลลาร์ หรือตีเป็นเงินไทยก็แค่เกือบ 2,000,000,000 บาทเท่านั้นเองครับ!

ปกติแล้วการระดมทุนผ่านการขอรับบริจาคจากประชาชนเพื่อมาสนับสนุนการเลือกตั้งนั้น มักจะทำผ่านการจัดงานเลี้ยงดินเนอร์หรูอย่างเป็นทางการกับบรรดาแขกผู้มีเกียรติและมีอันจะกินต่างๆ ใช่มั้ยครับ ก็เหมือนที่บ้านเราเรียกว่าจัดโต๊ะจีนโต๊ะละล้าน จัดกันทีเป็นร้อยๆ โต๊ะ ดังนั้นลองคิดดูซิว่าถ้าคุณต้องลงแข่งเลือกตั้งนั้นคุณจะต้องตระเวนไปกินโต๊ะจีนหรืองานเลี้ยงดินเนอร์ไม่รู้กี่ครั้งต่อกี่ครั้ง ต้องไปกล่าวสุนทรพจน์เดิมๆ หรืออาจจะมีปรับแต่งหน่อยให้เข้ากับแขกเหรื่อผู้มีเกียรติในงาน ดังนั้นมันจะดีกว่ามั้ยถ้าผู้สมัครรับเลือกตั้งแข่งขันตำแหน่งประธานาธิบดีสามารถได้รับเงินบริจาคจากประชาชนอยู่เหมือนเดิมโดยที่ไม่ต้องออกไปงานเลี้ยงที่ไหน ไม่ต้องไปให้ใครเห็นหน้า หรือแม้แต่ไม่ต้องพูดสักแอะให้เจ็บคอเลยครับ

และนั่นก็เลยเป็นที่มาของเรื่องราวการใช้ Data เพื่อช่วยให้ผู้เข้าแข่งขันชิงตำแหน่งประธานาธิบดีอย่าง Barack Obama สามารถระดมทุนบริจาคได้เพิ่มขึ้นกว่า 60 ล้านดอลลาร์จากการทำ A/B testing เพื่อเอา Data-Driven Decision จนกลายเป็น use case Data-Driven Donation ครับ

ย้อนกลับไปเมื่อปี 2007 ตอนที่ Barack Omaba เพิ่งได้รับการเสนอชื่อเข้าชิงตำแหน่งประธานาธิบดีในตอนนั้น หลังจากที่เขาได้รับคะแนนความนิยมสูงถึงสองหลักท่ามกลางผู้ลงสมัครเข้าแข่งขันมากมาย และนั่นก็เลยเป็นจุดเริ่มต้นของการที่ต้องดิ้นรนหาทางระดมทุนบริจาคจากประชาชนเพื่อมาใช้หาเสียงเลือกตั้งให้ได้มากที่สุด โดยหัวหน้าทีม Analytics ของ Obama ในตอนนั้นบอกว่าหน้าที่ของเขาคือการเอา Data มาช่วยในการตัดสินใจว่าอะไรที่จะให้ผลลัพธ์ที่ดีที่สุดด้วยการใช้ทรัพยากรให้น้อยที่สุดครับ

เรียกง่ายๆ ว่ากลยุทธ์ Low Invest High Impace ทำน้อยแต่ได้มาก และจากคำพูดที่สวยหรูก็เป็นจริงได้เมื่อพวกเขาเอา Data มาเป็นแกนหลักในการตัดสินใจ

แรกเริ่มเดิมทีทางทีมงานของ Obama กำลังคิดอยู่ว่าจะใช้รูปไหนหรือวิดีโอใดที่เว็บไซต์หน้าแรกที่ขอรับบริจาคดี ตอนนั้นพวกเขามีทั้งหมด 6 ตัวเลือก คือ 3 รูปภาพที่ตั้งใจรีทัชมาอย่างบรรจง กับ 3 คลิปวิดีโอที่เชื่อว่าถ้าได้ฟังจะทำให้ขนลุกไปตามๆ กัน

และสิ่งที่ทีมงานเลือกตั้งของ Obama ตอนนั้นคิดตรงกันคือพวกเขาทุกคนล้วนชอบตัวเลือกที่ 6 ที่เป็นคลิปวิดีโอการกล่าวปราศัยสุนทรพจน์ของ Obama ซึ่งพวกเขาทุกคนล้วนเห็นตรงกันว่าคลิปนี้แหละจะทำให้คนที่หลงเข้ามายังหน้าสมัครสมาชิกสนับสนุน Obama ต้องอยากลงทะเบียนเข้ามาบริจาคให้กับพวกเขาแน่ๆ

แต่ทางหัวหน้าทีม Analytics ของ Obama กล่าวว่า “เดี๋ยวก่อน เราจะมาคิดเองเออเองแบบนี้ไม่ได้ นี่ไม่ใช่การตัดสินใจโดยผ่านการวิเคราะห์ที่มีข้อมูลสนับสนุนเพียงพอแต่อย่างไร เราต้องตัดสินใจอย่างฉลาดกว่านี้ซิ!”

เปล่าครับ เค้าไม่ได้พูดหรอก แต่ผมคิดเองว่าในบริบทแบบนี้เค้าน่าจะพูดแบบนั้นแหละ แต่สิ่งที่เกิดขึ้นจริงๆ คือหัวหน้าทีมวิเคราะห์ของ Obama ทำการทดสอบสมมติฐานของคนในทีมว่าตัวเลือกที่ 6 คลิปวิดีโอที่ 3 นั้นจะทำให้คนที่เข้ามาประทับใจจนอยากจะลงทะเบียนแล้วบริจาคให้เราจริงหรือ สิ่งที่พวกเขาทำคือทำการทดสอบเพื่อเก็บ Data เพื่อเอามาใช้ตัดสินใจว่าตกลงควรใช้ตัวเลือกไหนผ่านวิธีที่เรียกว่า A/B testing นั่นเองครับ

Collect Data ด้วย A/B testing

ผมเชื่อว่านักการตลาดหลายคนโดยเฉพาะสายดิจิทัลคงรู้จักกับการทำ A/B testing ดี แต่คำถามสำคัญคือมีสักกี่คนที่ได้ใช้วิธีนี้ในการเก็บ Data มาเพื่อช่วยในการวางแผนหรือตัดสินใจต่อไปอย่างจริงจัง ดังนั้นสิ่งที่ผมจะบอกต่อไปคือ เทคนิค A/B testing ที่แสนจะเรียบง่ายนี้แหละทำให้ผมได้ Data สำคัญๆ มากมายมาวิเคราะห์ต่อเป็น Insight แล้วเอามาช่วยตัดสินใจในที่สุด ก็เหมือนกับที่หัวหน้าทีม Analytics ของ Obama ทำ พวกเขาทำการทดสอบด้วยวิธี A/B testing แต่สิ่งที่พวกเขาทำจริงๆ น่าจะเรียกว่า A/Z testing มากกว่าครับ

A/Z testing กับการทดสอบ 24 รูปแบบโฆษณาจนพบว่าแบบไหนกันแน่ที่คนชอบ

ทางทีมงาน Analytics ของ Obama ทำการทดสอบ 2 ตัวแปรหลักในหน้าลงทะเบียนเพื่อสนับสนุน Obama อย่างแรกคือสื่อที่จะใช้ว่าควรเป็นรูปไหนหรือคลิปวิดีโอใดดีกว่ากัน และอย่างที่สองที่พวกเขาทดสอบคือ ข้อความบนปุ่มแบบไหนที่จะทำให้คนอยากคลิ๊กลงทะเบียนสนับสนุน Obama มากกว่ากันครับ

พวกเขาเตรียมปุ่มกดไว้ 4 แบบ ที่มีข้อความจูงใจต่างกัน และก็เตรียมสื่อไว้ 6 แบบ โดยแบ่งออกเป็นรูปภาพ 3 และวิดีโอ 3 สิ่งที่พวกเขาทำคือลองเอาทั้งหมดมาทดสอบ ก็เท่ากับจะได้เป็นชิ้นงาน 6 x 4 = 24 Creative พอดี จากนั้นก็กระจายการเห็นทั้ง 24 ชิ้นงานนี้ออกไปยัง Visitor ที่เข้ามายังเว็บไซต์เป็นจำนวนเท่าๆ กัน แล้วก็ติดตามดูผลว่าชิ้นงานไหนบ้างที่มีคนกดสมัครเข้ารับข่าว หรือแม้แต่กลายเป็นผู้บริจาคมากที่สุดครับ

ผลลัพธ์ที่ใช้เป็น Metric ตัวชี้วัดความสำเร็จของครั้งนี้คือตัวเลขอัตราผู้สมัคร ที่เอามาจากตัวเลขของผู้สมัครทั้งหมดหารด้วยจำนวนคนที่เห็นในแต่ละชิ้นงาน และจากการที่มีคนเข้ามายังหน้านี้มากกว่า 310,000 ครั้งในช่วงที่ทำการทดสอบเพื่อเก็บ Data เมื่อนำไปหารเฉลี่ยทั้ง 24 ชิ้นงานก็ตกแล้วมีคนเห็นชิ้นงานละกว่า 13,000 คนครับ

และนี่ก็คือข้อมูลผลลัพธ์ที่ได้หลังจากการทดสอบแบบ A/B Testing เสร็จสิ้นลง พวกเขาพบว่าปุ่มที่เขียนว่า Learn More นั้นมีการกดที่สูงกว่าข้อความแบบอื่นมากอย่างเห็นได้ชัด ส่วนรูปภาพที่ได้รับการตอบรับดีที่สุดก็คือภาพ Obama กับครอบครัว ซึ่งผิดคาดจากที่ทีมงานคิดไว้มาก ว่าน่าจะเป็นภาพที่เป็นคลิปวิดีโอการบรรยายสุนทรพจน์ของ Obama น่าจะทำผลงานให้คนอยากมาบริจาคให้มากที่สุดเสียอีกครับ

และนี่ก็คือชิ้นงานที่ชนะใจผู้คนที่สามารถเปลี่ยนคนเข้าชมเว็บให้กลายเป็นผู้บริจาคได้มากที่สุด ภาพ Obama ที่แสนเรียบง่ายบนพื้นหลังขาวกับครอบครัว พร้อมกับปุ่มที่ใช้ข้อความแบบเปิดกว้างว่า Learn More ที่ทำให้คนเปิดใจจะกดสมัครเข้าร่วมกับ Obama ครับ

ทั้งหมดนี้จะเห็นว่าถ้าทีมงาน Obama ไม่ได้ทำการทดสอบเพื่อเก็บ Data ดูว่าตกลงแล้วผู้คนชอบภาพนิ่งหรือคลิปวิดีโอมากกว่ากัน พวกเขาก็คงจะเลือกใช้คลิปวิดีโอการกล่าวสุนทรพจน์ที่ทีมงานเห็นพ้องตรงกันจากความชอบส่วนตัวในกลุ่มเล็กๆ ที่มีไม่กี่คน แต่จากการทดสอบให้คนกว่า 310,382 คนเห็นก็พบว่า คนส่วนใหญ่ชอบรูปภาพ Obama กับครอบครัวที่ดูอบอุ่นมากกว่าความดุดันใดๆ แถมสัญชาติญาณของทีมงาน Obama ไม่ได้ใกล้เคียงผลลัพธ์ที่ได้จาก Data เลย เพราะกลายเป็นว่าคลิปวิดีโอที่พวกเขาเชื่อกันว่าดีกลับกลายเป็นทำผลลัพธ์ได้แย่ที่สุดจากทั้งหมด 24 ชิ้นงานที่ถูกเทสออกไป

ซึ่งชิ้นงานที่ชนะนี้มีอัตราการสมัครเข้าร่วมสูงถึง 11.6% ซึ่งเมื่อเทียบกับของเก่าที่ทำได้แค่ 8.26% นั่นหมายความว่าการทำ A/B testing ในครั้งนี้สามารถเพิ่มผลลัพธ์ได้มากถึง 40.6% เลยทีเดียวครับ

ดังนั้นเมื่อผลลัพธ์ออกมาเป็นแบบนี้ คุณลองคิดดูซิว่าเมื่อพวกเขาเอา Insight ที่ได้จาก Data ไปปรับใช้กับการทำแคมเปญเพื่อระดมทุนเลือกตั้งให้กับ Obama ตลอดเวลาที่เหลืออยู่จะสามารถเพิ่มจำนวนคนที่ลงทะเบียนมาร่วมบริจาคด้วยได้เพิ่มมากขนาดไหน มีคนเข้ามายังหน้าลงทะเบียนนี้ประมาณ 10 ล้านคนในช่วงนั้น แล้วถ้าพวกเขาไม่ได้ทำการทดสอบเพื่อเก็บ Data แล้วเอามาวิเคราะห์หา Insight พวกเขาก็จะพลาดผู้คนที่จะเข้ามาลงทะเบียนสนับสนุนไปกว่า 2,880,000 คน จาก 10,000,000 คนที่มาลงทะเบียนสนับสนุนก็จะเหลือแค่ 7,120,000 คนเท่านั้นเอง ต่างกันเป็นล้านเลยนะครับ

แล้วเมื่อคนเข้ามาลงทะเบียนให้อีเมลสนับสนุน Obama จากหน้าแรกแล้ว ทีมงานก็จะทำการส่งอีเมลไปถามความสมัครใจอีกครั้งว่าพวกเขายินดีที่จะผันตัวเองเป็นอาสาสมัครในการช่วย Obama หาเสียงด้วยมั้ย ซึ่งปกติแล้ว Conversion ตรงนี้อยู่ที่ 10% ซึ่งถ้าทีมงานของ Obama ไม่ได้ทำการทดสอบพวกเขาก็จะไม่ได้อีเมลที่สมัครเข้ามากว่า 2,880,000 ฉบับ ซึ่งนั้นสามารถเปลี่ยนเป็นผู้สนับสนุน Obama ได้มากถึง 288,000 คนเลยทีเดียวครับ

แล้วจากนั้นสิ่งสำคัญที่สุดคือพวกเขาจะพลาดเงินสนับสนุนการเลือกตั้งไปมหาศาล เพราะจาก Data บอกให้รู้ว่าโดยเฉลี่ยแล้วคนที่ลงทะเบียนสนับสนุนจนให้อีเมลมานั้นจะช่วยบริจาคสนับสนุนให้กับ Obama คนละ 21 ดอลลาร์โดยประมาณ ซึ่งพอเอาตัวเลขอีเมล 2,880,000 ที่ได้เพิ่มมาจากการทดสอบเก็บ Data ก็พบว่าคำนวนแล้วเป็นเงินมากกว่า 60,000,000 ดอลลาร์สหรัฐทีเดียวครับ และทั้งหมดนี้ก็คือการใช้ Data-Drive Donation จริงๆ ครับ

สิ่งที่เราได้เรียนรู้จากการเก็บ Data ด้วยการทำ A/B testing ของทีม Analytics ของ Obama มี 3 ประเด็นสำคัญดังนี้

1. ทุกคนที่เข้ามาในเว็บเราล้วนมีโอกาสกลายเป็นลูกค้าเราได้ทั้งนั้น

ดังนั้นคุณต้องคว้าโอกาสนั้นไว้ให้มากที่สุด ด้วยการทำปรับปรุงหน้าเว็บให้ตรงใจ Visitor มากขึ้น ผ่านการทดสอบด้วยหลักการง่ายๆ อย่าง A/B testing แล้วเอา Data ที่ได้มาปรับปรุงโดยไม่มี Bias อีกต่อไป

2. ดู Data หาคำตอบก่อนตัดสินใจ

จะเห็นว่าทุกคนในทีมหาเสียงของ Obama นั้นล้วนชื่นชอบวิดีโอกล่าวสุนทรพจน์ของ Obama มากที่สุด และก็คิดว่าถ้าเอาคลิปวิดีโอนี้ขึ้นหน้าแรกน่าจะทำให้ผู้คนแห่กันลงทะเบียนสนับสนุนและบริจาคเงินให้ Obama มากมาย แต่ในความเป็นจริงแล้วผลลัพธ์ที่ได้กลับไม่ใช่แบบนั้น เพราะจาก Data บอกให้เรารู้ว่าสิ่งที่ผู้คนชอบมากที่สุดคือภาพที่แสนจะธรรมดาไม่ได้ปลุกเร้าอะไรเลย เป็นภาพของ Obama กับครอบครัวในตีมสีขาวๆ อบอุ่นๆ เท่านั้นเองครับ

3. ลองให้เร็วและทำให้บ่อย

พวกเขาทำการทดสอบนี้เมื่อช่วงเดือนธันวาคม 2007 แล้วก็เอาผลลัพธ์ที่ได้มาปรับใช้ในทันที แต่ในระหว่างนั้นพวกเขาก็ไม่ได้ใช้ผลลัพธ์ที่ได้ยาวตลอดทั้งแคมเปญการระดมทุนหาเงินสนับสนุน แต่พวกเขายังทำการทดลองเพื่อเก็บ Data ต่อไปเรื่อยๆ ว่าจะมีอะไรที่ดีกว่านี้ได้อีกมั้ย

ดังนั้นคุณจะเห็นแล้วว่า Data-Driven Decision เป็นอย่างไร ถ้าทีมงานคิดเองเออเอง ตัดสินใจเลือกภาพที่จะใช้หน้าแรกของเว็บที่รับเงินบริจาคด้วยตัวเองก็คงจะพลาดเงินกว่า 60 ล้านดอลลาร์ไปได้ง่ายๆ และวิธีการเก็บ Data ที่ง่ายที่สุดในวันนี้ก็หนีไม่พ้นการทำ A/B testing แต่ประเด็นสำคัญคือคุณต้องทำการทดสอบที่หลากหลายและครอบคลุมมากพอ จริงๆ แล้ว A/B testing เป็นแค่คอนเซป คุณควรจะทดสอบมากกว่าแค่ A และ B แต่ควรทดสอบไอเดียต่างๆ ให้ยาวไปถึง Z เลยด้วยซ้ำ

ดังนั้นถ้าคุณกำลังคิดไม่ตกว่าจะเลือกรูปไหนดีในการทำโฆษณา หรือจะใช้ภาพไหนดีในการทำบิลบอร์ด ทำไมคุณไม่ลองเอารูปภาพที่มีทั้งหมดส่งเข้าไปทดสอบในระบบโฆษณาบนออนไลน์แบบง่ายๆ จากนั้นก็รอดูว่าจริงๆ แล้วคนชอบแบบไหน แล้วคุณก็ค่อยเอาผลลัพธ์ที่ได้จาก Data นั้นมาใช้ในการตัดสินใจอีกครั้งล่ะครับ

เพราะ Data-Driven ไม่ใช่เรื่องของเครื่องมือ แต่เป็นเรื่องของ Mindset ที่ตั้งคำถามอยู่เสมอ และก็คิดหาทางที่จะเอา Data มาช่วยในการตัดสินใจอยู่เสมอนั่นเองครับ

อ่านบทความการใช้ Data-Driven Decision ต่อ > https://www.everydaymarketing.co/tag/data-driven/

Source:
https://blog.optimizely.com/2010/11/29/how-obama-raised-60-million-by-running-a-simple-experiment/
https://www.mailmunch.com/blog/ab-testing-got-obama-60-million/