12 Behavioral Data ที่ทำให้เข้าถึง Customer Insight มากขึ้น
รวม 12 Behavioral Data Types ที่ทำให้นักการตลาดเข้าถึง Customer Insight มากขึ้น เพื่อปูทางไปสู่การใช้ Data-Driven Marketing ที่แท้จริง
Behavioral Data หรือข้อมูลพฤติกรรม คือข้อมูลที่มาจากสิ่งที่ผู้คนหรือลูกค้าทำจริงๆ ไม่ใช่แค่การสังเกตผ่านสายตา หรือผ่านการถามที่ผ่านการคิดกรองก่อนตอบแบบเดิม นั่นหมายความว่าเราจะรู้จริงๆ ว่าผู้คนมี Insight อย่างไรจากการกระทำ หรือการใช้งาน Product เรา
จากนั้นก็เอาไปวิเคราะห์ตีความต่อว่า จากการกระทำเหล่านั้น พวกเขาน่าจะต้องการอะไรต่อ อะไรคือสิ่งที่พวกเขาชอบ อะไรคือสิ่งที่พวกเขาน่าจะไม่ชอบ ก่อนจะนำไปปรับปรุงให้ดีขึ้น
การจะเก็บ Behavioral Data นั่นง่ายกว่าอดีตมาก สมัยก่อนอาจเป็นการถามผ่านการทำรีเสิร์จ สมัยนี้เราสามารถทำได้ผ่านการปล่อยฟีเจอร์บางอย่างให้ลูกค้าหรือกลุ่มเป้าหมายได้ใช้เพิ่ม อาจจะทำผ่าน A/B Testing เพื่อหาว่าระหว่าง Idea A กับ B อันไหนเวิร์คกว่ากัน หรือสรุปแล้วแบบเดิมที่ใช้อยู่ดีกว่า
ขนาด Facebook เองก็ยังเปิดให้มีการทดลองโพสต์คอนเทนต์แบบ A/B Testing หรือ Experiment เพื่อให้เราได้ Data จริงๆ ว่าตกลงแล้วครีเอทีฟแบบไหนดีกว่ากัน ภาพแบบไหนอิมแพคกว่ากัน หรือก๊อปปี้ข้อความใดทำให้คนอยากคลิ๊กมากกว่ากัน
บทความวันนี้จะพาเพื่อนๆ นักการตลาดและคนที่สนใจเรื่อง Data ไปดูกันว่า เราจะสามารถเก็บ Behavioral Data อะไรได้บ้าง เพื่อเอาไปเป็นแนวทางสำหรับการใช้ Data-Driven ในบริษัทหรือทีมเรา
1. Website Analytics Data ข้อมูลใกล้มือที่สุด แต่กลับใช้น้อยที่สุด
นี่คือแหล่ง Data ที่ใกล้ตัวและใกล้มือที่สุด นั่นก็คือข้อมูลการใช้งานเว็บไซต์เรา
เชื่อว่าคนที่มีเว็บไซต์ต้องติด Google Analytics ไม่ว่าจะเป็น GA4 หรือเวอร์ชั่นใดก็ตาม ดีไม่ดีติดมากกว่า 1 เครื่องมือ เพื่อให้ได้ข้อมูลที่ดูแม่นยำและน่าเชื่อถือเพิ่มขึ้น
ตัวอย่าง Behavioral Data จาก Web Analytics ประกอบด้วย
- Page views
- Clicks
- Browser ที่ใช้
- Device ที่ใช้
- เครื่อข่ายอินเทอร์เน็ตที่ใช้
- พื้นที่
- ระยะเวลาที่อ่าน
- จำนวนหน้าที่อ่าน
- ช่วงเวลาที่เข้ามา
และอื่นๆ อีกมากมาย
ซึ่งข้อมูลเหล่านี้สะท้อนถึงความสนใจอย่างเห็นได้ชัด เพราะถ้าไม่สนใจใครจะเสียเวลาเข้ามาอ่าน หรือช่วงเวลาที่เข้ามา ก็สามารถสะท้อนถึงอะไรบางอย่างได้
ดังนั้นไม่ว่าคุณจะมีเว็บ หรือ แอพ ต้องรู้จักใช้ Web Analytics ให้เป็นประโยชน์ ลอง Case Study การใช้ GA4 จนเพิ่ม Conversion 550% จาก McDonald’s ฮ่องกงในการตลาดวันละตอนดูครับ
2. App Analytics Data หรือ User Journey การใช้งานบอกให้รู้ว่าเราต้องทำอะไรต่อ
Behavioral Data จากการใช้งานแอพจะต่างจาก Web Analytics ตรงที่เน้นเรื่องของ Journey เป็นหลัก
เพราะถ้าเราทำแอพ เราก็ย่อมอยากรู้ว่าลูกค้าหรือ User ใช้งานแอพเราอย่างไร เข้าบ่อยแค่ไหน เข้ามาใช้อะไร ใช้ถึงตรงไหน หรือที่สำคัญคือตรงจุดไหนที่มักทำให้ User เลิกใช้ไป
Netflix เคยพบว่า ระหว่างการให้กรอกบัตรเครดิตก่อนทดลองดูฟรี 1 เดือนกับการไม่ต้องกรอกนั้นให้ผลต่างกันมหาศาล
แม้การไม่ต้องกรอกบัตรเครดิตจะทำให้ได้คนมาทดลองดู Netflix กว่าเยอะมาก แต่กลับทำให้ได้ Conversion ที่กลายเป็น Customer จริงๆ น้อยกว่าแบบกรอกบัตรเครดิตก่อนเริ่มดูฟรีมหาศาล
ส่วนเครื่องมือในการติดตาม User Journey ก็มีมากมายให้เลือกใช้ ไม่ว่าจะเป็น Mixpanel, Amplitude หรือ KISSmetrics ซึ่งหลักใหญ่ใจความคือการติดตาม Event Tracking ดูว่าเกิดอะไรขึ้นในแอพเราบ้าง แล้วเอาทั้งหมดนี้มาถอดรหัสวิเคราะห์ตีความ ว่าเพราะอะไรเขาถึงทำแบบนั้น และเราควรปรับแก้กลยุทธ์อย่างไรต่อ
3. Search Data สิ่งที่คนอยากรู้สะท้อนผ่านการเสิร์ช
Behavioral Data การเสิร์ชก็สำคัญต่อการตลาดและธุรกิจมาก เพราะการเสิร์ชสะท้อนถึงสิ่งที่คนมี Intent หรือต้องการอยากรู้จริงๆ ซึ่งข้อมูลพวกนี้เราก็สามารถเข้าถึงได้ผ่าน Google Trends เครื่องมือที่ใช้ฟรี หรืออาจจะใช้เครื่องมือเสียเงินตัวอื่นๆ ที่มี User Interface ที่หวือหวาขึ้น อย่าง Ubersuggest หรือ Keywordtool.io ครับ
อย่าง Search Data คำว่าลู่วิ่งที่ผมลองดึงมาให้ดู ก็สะท้อนถึงสิ่งที่คนอยากรู้และอยากได้จากลู่วิ่งไม่น้อย ถ้าใครทำธุรกิจเกี่ยวกับลู่วิ่งหรือเครื่องออกกำลังกาย ก็พอจะเห็นแนวทางไอเดียในการทำการตลาดไม่มากก็น้อยใช่ไหมครับ
4. Ad Clicks Data ทุกคลิ๊กมีค่าต้องเอากลับมาต่อยอด
โฆษณาออนไลน์วันนี้ ไม่ว่าเราจะทำการตลาดผ่านแพลตฟอร์ม Facebook, Google, YouTube, TikTok หรือแม้แต่ LinkedIn และช่องทางใด ก็ล้วนแต่มี Behavioral Data ให้เรานำไปวิเคราะห์ประมวลผลเพื่อปรับปรุงแผนการตลาดหรือกลยุทธ์ต่อให้ดียิ่งขึ้นในครั้งหน้า
เราสามารถเห็นได้เลยว่ามีกี่คนที่เห็นโฆษณาที่เราจ่ายเงินไป มีโฆษณาชิ้นไหนที่ทำให้คนกดเข้ามาสอบถามข้อมูลเพิ่มเติม หรือช่องทางไหนบ้างที่ส่งลูกค้ามาให้เรามากที่สุด
การตลาดออนไลน์วันนี้ทำให้เราสามารถรู้ผลลัพธ์ได้ทันที ให้เราสามารถปรับวิธีทำการตลาดได้ทันที โดยไม่ต้องรอ 7 วัน หรือ 1 เดือน จึงจะค่อยรู้ฟีดแบคแล้วปรับปรุงแผนการตลาดซึ่งดูจะสายไปแล้วสำหรับโลกที่หมุนเร็วระดับควอนตัมทุกวันนี้
ดังนั้นข้อมูลจาก Ad Clicks จึงเป็นอีกหนึ่ง Behavioral Data แค่ต้องรู้จักนำไปต่อยอดให้เป็น เพราะแค่คนที่ทักแชทมาทั้งหลาย ก็ทำให้เรารู้แล้วว่าตกลงคนที่สนใจเป็นเพศไหน ช่วงอายุเท่าไหร่ หรือแม้แต่มีไลฟ์สไตล์สนใจอะไรบ้างครับ
5. Review Data ทุกรีวิวคือดาต้า
รีวิวดีอาจโดนจ้าง (แต่ก็ไม่มากพอจะเป็นส่วนใหญ่) แต่รีวิวลบส่วนใหญ่ไม่ค่อยกล้าจ้างแน่นอน
เมื่อการรีวิวคือสิ่งที่คนยุคนี้ทำกันเป็นประจำ ชอบอะไรชม ไม่ชอบอะไรแชร์ ส่งผลให้เรามี Review Data มากมายอยู่เต็มออนไลน์ไปหมด
ซึ่งนี่ก็นับเป็นอีกหนึ่ง Behavioral Data สำคัญอีกชนิดหนึ่ง ที่เราสามารถเข้าถึงได้ง่ายๆ เพียงแต่การนำไปใช้อาจไม่สะดวกสบายเท่าไหร่นัก
ตอนที่สอนนักศึกษาชั้น ป.โท มีนักศึกษากลุ่มหนึ่งรวบรวมข้อมูลการรีวิวเกมมาวิเคราะห์ต่อยอดได้น่าสนใจ จนพวกเขาเห็นแนวทางว่าควรพัฒนาเกมของตัวเองให้ออกไปแบบไหนดี จากเสียงรีวิวของผู้เล่นตัวจริงที่บอกว่าชอบและไม่ชอบอะไรบ้างในแต่ละเกมที่เป็นคู่แข่งในตลาดในเวลานั้น
ดังนั้นทุกรีวิวมีค่า อย่าปล่อยทิ้งไว้บนออนไลน์โดยไม่นำไปต่อยอดการตลาดเราครับ
6. Customer Feedback Data ข้อมูลฟีดแบคลูกค้า
บางคนอาจสงสัยว่าข้อนี้ต่างจาก Review Data อย่างไร จุดต่างคือ Review Data นั้น Public ใครๆ ก็เข้าไปอ่าน ไปดูได้ มันคือสิ่งที่ผู้ใช้หรือลูกค้าอยากบอกให้โลกรู้ แต่ Customer Feedback Data คือสิ่งที่เขาบอกกับเราตรงๆ เมื่อใช้งานแล้ว เมื่อเราได้ Feedback ตรงจากลูกค้าแล้วก็ต้องเอามาวิเคราะห์ต่อว่าเพราะอะไรเขาถึงบอกเราแบบนั้น
สำคัญคือต้องเข้าใจ Context ของ Feedback นั้นด้วยครับ เพราะความสะดวกของแต่ละคนอาจมีนิยามไม่เหมือนกัน เหมือนที่ผมเคยทำ Research ให้กับแอพธนาคารหนึ่ง พบว่ามีผู้ใช้น้อยมากด้วยเหตุผลว่าไม่สะดวกใช้งานแอพ
แต่เมื่อทำความเข้าใจ Context Customer จึงได้เข้าใจว่า ที่เขาบอกว่าไม่สะดวกเพราะผู้ใช้ส่วนใหญ่เป็น Baby Boomer ดังนั้นคนกลุ่มนี้จึงไม่ค่อยชอบเรียนรู้อะไรใหม่ จึงเลือกที่จะไปใช้บริการธนาคารที่หน้าสาขา โดยมีพนักงานทำให้ แม้จะต้องขับรถไปไกล แต่มันก็สะดวกกว่ามากดทำเองบนโทรศัพท์มือถือ
7. Social Media Data ข้อมูลบนโซเชียลมีเดียมากมาย
Likes, Comments, Shares หรือการกด Emoji รูปต่างๆ พวกนี้ถือเป็น Behavioral Data ที่เกิดขึ้นบน Social Media ซึ่งเป็นช่องทางปกติในการสื่อสารกับคนอื่นๆ ของคนทุกเพศ ทุกวัย ทุกชนชั้นไปเรียบร้อยแล้ว
ซึ่งการจะเข้าถึง Social Media Data ก็จะมีเครื่องมือที่ชื่อว่า Social Listening ทำให้การ Analytics เป็นเรื่องง่าย ซึ่งเครื่องมือวันนี้ก็มีมากมายในบ้านเรา ไม่ว่าจะ Zanroo, Wisesight, Real Smart, Melt Water, Talk Walker หรือ Mandala ที่กำลังมาแรงก็ตาม
ที่ผ่านมาผมเองก็มีประสบการณ์ทำ Data Research จาก Social Listening ให้มากมายหลายแบรนด์ ตั้งแต่บริษัทที่เกี่ยวกับไฟแนนซ์ บริษัทที่จะเข้า IPO ธุรกิจที่เกี่ยวกับความสวยความงาม โรงพยาบาลชื่อดัง แบรนด์อสังหาหมู่บ้านจัดสรรที่จับลูกค้าระดับ Premium ไปจนถึงหน่วยงายภาครัฐ ที่ต้องการใช้ Data-Driven Decision
จากการทำก็ทำให้พบ Insight & Opportunity ใหม่ๆ ที่ไม่คาดคิดอยู่เสมอ และยิ่งเมื่อทำต่อเนื่องปีต่อปี ก็จะยิ่งเห็นเทรนด์ดีๆ ที่ไม่เคยรู้หรือไม่เคยได้ยินมาก่อน
เช่น เทรนด์ Insight เรื่องคอนโดของคนไทย ปี 2020 ต้องการพื้นที่สีเขียวเพื่อความร่มรื่น แต่ปี 2021 เทรนด์พื้นที่สีเขียวนั้นเปลี่ยนไป ไม่ได้ต้องการปลูกเพื่อสวยงาม แต่ต้องการปลูกเป็นผักสวนครัวรั้วกินได้ในคอนโดครับ
ดังนั้นนักการตลาดคนไหนที่ยังไม่มี Social Listening ไว้ใช้ในบริษัทเป็นของตัวเอง แนะนำให้หามาเป็นเจ้าของสัก 1 Account ได้แล้ว ซึ่งในวันนี้ราคาเริ่มต้นก็ถูกกว่าค่ากาแฟเสียอีก อย่าง Social Listening ของ Mandala เองก็เริ่มต้นที่เดือนละ 49 ดอลลาร์เท่านั้น ตีเป็นเงินไทยต่อวันก็ตกวันละ 50-60 บาทเท่านั้นเอง
สมัครใช้งานได้ที่นี่ครับ > https://www.mandalasystem.com/plans/?event=EV20220007&lang=th
8. Cursor Tracking ตามติดเมื่อเม้าส์ขยับ
Behavioral Data อีกอันที่มหัศจรรย์มาก คือการตามดูว่าลูกค้าผู้ใช้งานเราเขาขยับเม้าส์ไปตรงไหนบ้าง
แน่นอนว่าการขยับทิศทางของเม้าส์ไม่สามารถบอกได้ว่าพวกเขากำลังคิดแบบที่เม้าส์กำลังชี้ไป 100% แต่มันก็ดีกว่าคุณไม่มีอะไรเลยมาช่วยตัดสินใจ นั่งเทียนเดาเองว่าตกลงแล้วลูกค้าสนใจหรือไม่สนใจปุ่มซื้อของคุณกันแน่
ถ้าเราเห็นว่าลูกค้าเอาเม้าส์ไปชี้วนๆ อยู่แถวปุ่มซื้อ หรือปุ่มแชร์ แต่ไม่ยอมกด อาจเป็นได้ว่า Headline คุณ Tricker มาดี แต่เนื้อหาช่วงท้ายอาจส่งผลให้เค้าลังเลว่าตกลงไม่ควรแชร์ออกไปหรือเปล่า
ซึ่งเครื่องมือที่ใช้ Track Behavioral Data ของ Cursor Tracking ก็มีอย่าง Hotjar หรือถ้าใครมีตัวอื่นมาแนะนำกันในคอมเมนต์ก็จะขอบคุณครับ
9. Eye Tracking ข้อมูลการมอง
เทคโนโลยีการเก็บ Behavioral Data วันนี้ก้าวหน้าไปไกลมาก ถ้าการอ้างอิงข้อมูลจาก Cursor Tracking Data ยังไม่พอ ขอแนะนำให้คุณข้ามไปสู่การติดตามการมองหรือ Eye Tracking เลยครับ
ในการ Test Digital Product บางที่ลงทุนติดตั้งกล้องตรวจจับสายตาที่หน้าจออุปกรณ์ เพื่อดูว่าจริงๆ แล้วคนมองตรงไหน แล้วคนขยับเม้าส์ไปทางไหน บวกกับ Interaction Data การคลิ๊กหรือกดเลือก ทำให้การวิเคราะห์ Behavioural นั้นเป็นไปอย่างแม่นยำมากยิ่งขึ้น
สื่อออฟไลน์ Out of Home บางที่ก็มีการติดตั้งกล้องตรวจจับสายตาดูว่า มีสักกี่คนที่เดินผ่านมองป้ายโฆษณาในช่วงเวลาไหนบ้าง เพื่อนำข้อมูลไปปรับปรุงหรือแนะนำลูกค้าที่ลงโฆษณาต่อ
หรืออย่าง Case Study หนึ่งในหนังสือ Contextual Marketing การตลาดแบบฉวยโอกาสรอบตัวมาเป็นยอดขาย ที่พูดถึงตู้เย็น Cooler Screen ที่มีกล้องจับหน้าตู้ว่าคนที่เดินผ่านไปมามองสินค้าไหนในตู้บ้าง
จากนั้นก็จะเอาสินค้าชิ้นนั้นขึ้นมาไฮไลท์ใหญ่ๆ เด่นๆ เพื่อกระตุ้นให้คนตัดสินใจเร็วขึ้นว่าจะซื้อหรือไม่ซื้อ
ข้อดีคือเก็บ Data ได้ละเอียด ข้อเสียคือต้องลงทุนติดตั้งเครื่องมือ Physical ลองชั่งใจดูนะครับว่าบริษัทเราเหมาะที่จะลงทุนไหมในสิ่งนี้
10. Offline Data ข้อมูลจากโลกจริง
การเก็บข้อมูลในวันนี้ไม่ได้มีแค่การเก็บบนโลกออนไลน์ที่ทำได้ง่ายเท่านั้น แต่ยังมีการพัฒนาไปถึงการเก็บข้อมูลในโลกจริง หรือที่เราจะเรียกมันว่า Offline Data ครับ
จากเดิมถ้าเราต้องการเก็บข้อมูล Offline Data เราจะต้องใช้คนเป็นหลักในการเก็บ เช่น ห้างสรรพสินค้าอยากรู้ว่ามีคนเดินเข้ามาวันละเท่าไหร่ ก็เอาคนมานั่งเฝ้าแต่ละประตู แล้วกดตัวนับกันไป
แน่นอนว่าข้อมูลแบบนี้ไม่ค่อยแม่นยำเอาเสียเท่าไหร่ เพราะบางคนเดินเข้าออกหลายรอบ แล้วจะนับออกอย่างไร ทำให้ผลที่ได้ไม่ค่อยแม่นยำนัก แต่ก็เข้าใจได้ว่า ณ เวลานั้นนั่นเป็นวิธีที่ดีที่สุดที่จะนับ
แต่ในโลกยุคใหม่ ยุค Technology ก้าวหน้า การจะเก็บ Offline data หรือ Physical data นั้นสะดวกสบายกว่าเดิมมาก บางหน้างใช้กล้องวงจรปิด ใส่ AI เข้าไป ทำให้สามารถนับคนเดินเข้าออกแต่ละประตูได้อย่างแม่นยำ ใครเดินเข้าซ้ำสองก็ไม่นับซ้ำ ใครเป็น Rider ใส่เสื้อสีเขียวก็สามารถ Exclude ออกได้
ดูได้ว่าเข้าประตูไหน ออกประตูไหน เข้ามาแล้วใช้เวลานานเท่าไหร่ นี่คือ Behavioral Data ที่ล้ำค่ามากๆ สำหรับนักการตลาดที่ต้องการ Deep Data เอาไปทำ Analytics ต่อครับ
11. Facial Expression Analysis ข้อมูลความรู้สึกบนใบหน้า
นี่อาจต้องเรียกว่า Emotional Data มากกว่า Behavioral Data ก็ว่าได้ เพราะใบหน้าของเราน่าจะสื่อถึงอารมณ์ก่อนจะเป็นการกระทำ จากเดิมการสังเกตสีหน้าต้องใช้มนุษย์ผู้เชี่ยวชาญสุดๆ แต่นั่นก็ยังมีความไม่แม่นยำสม่ำเสมอ เพราะขึ้นชื่อว่ามนุษย์ อย่างไรก็ต้องมี Human Error แน่นอน
แต่ด้วยเทคโนโลยี Computer Vision ก้าวหน้า ทำให้มันสามารถอ่านความเปลี่ยนแปลงของกล้ามเนื้อบนใบหน้าได้อย่างดี แม้จะเกิดการเปลี่ยนแปลงแค่เพียงเล็กน้อย
ซึ่งอารมณ์บนใบหน้าของคนเรานั้นแสดงออกเพียงแค่เสี้ยววินาทีด้วยซ้ำ แต่ด้วย AI ที่ฉลาดล้ำ ก็สามารถเก็บทุกอารมณ์ที่เรารู้สึกและแสดงออกทางใบหน้าได้อย่างครบถ้วน
Amazon เองก็มีบริการ AI ด้าน Facial Expression Analysis ที่ว่านี้ มันสามารถบอกได้ว่าคนในรูปนั้นอยู่ในอารมณ์แบบไหน อารมณ์ดี อารมณ์ไม่ดี หรือเฉยๆ
แต่แน่นอนว่าในวันนี้มันก็ยังไม่แม่นยำ 100% หรือแม่นยำมากพอ เพราะ AI ของ Amazon ยังไม่สามารถวิเคราะห์ตีความใบหน้าคนที่มีหนวดได้ถูกต้อง ยิ้มก็ยังดูไม่ออกว่าตกลงยิ้มอยู่หรือรู้สึกอย่างไร
และนั่นหมายความว่าการแสดงอารมณ์ทางใบหน้าเราต้องดูบริบทควบคู่ เกิดเรากำลังทำหน้าตาเคร่งเครียดเพราะทำกิจกรรมบางอย่างอยู่ด้วยความจริงจัง เราจะไปตีความว่าเขาคนนั้นกำลังไม่มีความสุขไม่ได้
12. Transaction Data ข้อมูลพฤติกรรมการซื้อ
Behavioral Data ที่สำคัญและเข้าถึงได้ง่ายที่สุดของเรา คือข้อมูล Transaction Data หรือข้อมูลพฤติกรรมการซื้อของลูกค้านี่แหละครับ
การซื้อสะท้อนถึงสิ่งที่ลูกค้าต้องการจริงๆ เพราะถ้าคนเราไม่ชอบมากพอ คงไม่เลือกเสียเงินซื้อสิ่งนั้นกันจริงไหมครับ
และยิ่งมีการซื้อซ้ำ ยิ่งสะท้อนได้ว่าเขาต้องชอบพอสิ่งนั้นมากๆ ถ้ายิ่งเอาข้อมูลพฤติกรรมการซื้อมา Analytics ในหลายๆ แง่มุม จะยิ่งเข้าใจ Customer Insight ลึกขึ้น
เช่น ช่วงเวลาที่ลูกค้าชอบซื้อ ช่องทางที่เขาชอบซื้อ วิธีการจ่ายเงิน สาขาที่เราชอบ ชอบซื้ออะไรคู่กับอะไร ซื้ออะไรก่อนแล้วหลัง ระยะเวลาในการซื้อซ้ำอยู่ที่เท่าไหร่
ใครทำธุรกิจออนไลน์ ขายสินค้าหน้าร้าน แล้วมีเครื่อง POS บันทึกการขาย หรือเก็บข้อมูลการขายใส่ระบบใดไว้ ขอให้หยิบเอา Data เหล่านี้มาใช้ให้เต็มที่นะครับ แล้วคุณจะพบว่ามี Insight ดีๆ มากมายที่รอให้เรานำไปต่อยอดธุรกิจอยู่จริงๆ
สรุป 12 Behavioral Data ที่นักการตลาดสามารถเอาไปทำ Analytics ได้ดี
จะเห็นว่าเราอยู่ในโลกที่เต็มไปด้วย Data มากมาย ตั้งแต่ Web Analytics, Journey Analytics, Search Trends, Ad Clicks Data, Review Data, Customer Feedback Data, Social Listening, Cursor Tracking, Eye Tracking, Offline Data, Facial Expression และ Transaction Data
สิ่งสำคัญที่สุดคือ เริ่มต้นจาก Data ที่มี และตั้งคำถามให้เป็นว่า เรารู้อะไรได้บ้างจาก Data ที่มีอยู่ในมือ และจะวางแผนเก็บ Data อะไรมาเพิ่มเติมในวันหน้าครับ
Source: https://productcoalition.com/12-behavioural-data-types-for-product-management-6dc85d141f7d
