เปลี่ยน 4Ps ให้เป็น 4Cs ด้วย Data ได้อย่างไร?

เปลี่ยน 4Ps ให้เป็น 4Cs ด้วย Data ได้อย่างไร?

หลายๆ คนคงจะรู้จักหรือเคยได้ยิน 4Ps สำหรับกลยุทธ์ Marketing Mix (และมีเพิ่มเป็น 7Ps ให้เหมาะสำหรับกลุ่มที่ต้องมีการให้บริการ) แต่การใช้ 4Ps ในยุคของ Customer Centric แบบนี้ก็อาจจะเป็นสิ่งที่ไม่ตอบโจทย์ทางธุรกิจได้อย่างมีประสิทธิภาพ ดังนั้นเลยเกิดทฤษฎี 4Cs ขึ้นมา เพื่อให้เหมาะสมกับโลกที่เปลี่ยนไป ซึ่งแน่นอนว่าการที่จะใช้ 4Cs ให้ได้อย่างมีประสิทธิภาพ ก็จำเป็นที่จะต้องใช้ Data และการวิเคราะห์เข้ามาช่วย วันนี้ผมเลยจะพาทุกคนไปรู้จักกับ 4Cs และการนำ Data ไปปรับใช้ครับ

Customer หาความต้องการของลูกค้าเป้าหมาย

โดยถ้าเทียบกับ 4Ps ตัวนี้จะชนกับ Product จากเดิมที่เราอาจจะมองที่ตัวสินค้าเป็นหลัก แต่ในแนวคิดของ 4Cs เราจะให้ความสำคัญกับความต้องการของลูกค้าที่เป็นกลุ่มเป้าหมายของเราเป็นหลัก

ครั้งนึง Henry Ford เคยพูดไว้ว่า “Any customer can have a car painted any color that he wants so long as it’s black” แปลเป็นไทยประมาณว่า “ต่อให้สีรถที่ลูกค้าอยากได้จะเป็นสีอะไรก็ตาม แต่เรามีขายให้แค่สีดำ” ซึ่งถือว่าเป็นประโยคที่สะท้อนการมองในมุมของสินค้าที่ต้องการขาย มากกว่าความต้องการของกลุ่มลูกค้าเป้าหมายได้อย่างชัดเจน (ซึ่งก็อาจจะมีคนโต้แย้งว่าการผลิตแต่สีดำเป็นวิธีการที่ทำให้รถยนต์ที่ผลิตในตอนนั้นมีราคาที่ถูกลงกว่าคู่แข่ง ทำให้อาจจะตอบโจทย์เรื่องราคาที่จับต้องได้)

ภาพ Ford Model T

ตัดภาพมาที่ปัจจุบัน เราจะยิ่งเห็นพลังของการเข้าใจลูกค้าได้อย่างลึกซึ้งมากขึ้น ยกตัวอย่างในอุตสาหกรรมยานยนต์ ที่เมื่อก่อนมักจะมีคนบ่นเรื่องการ “กั๊กออฟชั่น” ของรถ ที่ตัดโน่นตัดนี่ออกไป หรือไม่มีมาให้ทั้งๆ ที่หลายอย่างก็มีความจำเป็น  แต่เมื่อมีผู้เล่นรายใหม่ๆ เข้ามาในตลาดมากขึ้น พร้อมกับสินค้าที่ตอบสนองความต้องการของลูกค้าได้ในชนิดที่เรียกว่า “จัดเต็ม” ก็จะเริ่มเห็นการเปิดรับของลูกค้ามากขึ้นผ่านยอดขายที่เติบโตของแบรนด์ใหม่ๆ จนทำให้เจ้าตลาดดั้งเดิมชะล่าใจต่อไปไม่ได้ซะแล้ว

ตัวอย่างการใช้ Data แบบง่ายๆ เพื่อมาช่วยวิเคราะห์หาความต้องการของลูกค้า ก็คือการแบ่งกลุ่มลูกค้า (Customer Segmentation) ออกมา เพื่อดูว่าลูกค้าของเราในแต่ละกลุ่มมีพฤติกรรมอย่างไร อาศัยอยู่ที่ไหน มีทัศนะคติต่อเรื่องราวต่างๆ อย่างไรบ้าง หรือมีลักษณะอะไรที่คล้ายๆ กัน และในแต่ละกลุ่มนั้นมีความต้องการอะไร หรือสนใจสิ่งไหนบ้าง เพื่อนำไปสู่การวิเคราะห์หา Insight ที่จะช่วยให้บริษัทสามารถหาสินค้า และบริการออกมารองรับความต้องการของลูกค้าได้อย่างตรงตามความต้องการที่แท้จริง

อย่างกรณีของ Godiva แบรนด์ช็อกโกแลตจากประเทศเบลเยี่ยมที่มีความต้องการจะเพิ่มรายได้ด้วยการแตกประเภทของสินค้าที่หลากหลาย ให้กับลูกค้าหลากหลายกลุ่ม บนเหตุผลการซื้อที่แตกต่างกันไป โดยจากข้อมูล Insight ที่ได้มา Godiva ก็แบ่งกลุ่มของเหตุผลในการซื้อพรีเมี่ยมช็อคโกแล็ตออกเป็น 3 กลุ่ม ได้แก่

  1. สำหรับเป็นของขวัญ
  2. สำหรับเอาไว้กินกับกลุ่มเพื่อน
  3. ซื้อกินเอง

ซึ่งแน่นอนว่า Godiva ก็ได้ทำการนำเสนอในรูปแบบที่แตกต่างกัน โดยในกลุ่มที่ 1 ก็จะทำออกมาในรูปแบบแพ็คเกจกล่องของขวัญช็อกโกแลตสำหรับเอาไว้มอบให้คนอื่น สำหรับกลุ่มที่ 2 และ 3 ที่มีวัตถุประสงค์หลักเพื่อการกิน การจะทำแพ็คเกจฟุ่มเฟือยออกมาก็อาจจะไม่ได้ตอบโจทย์นัก Godiva เลยทำช็อกโกแลตบาร์ขนาดใหญ่สำหรับกินกับกลุ่มเพื่อน และ Godiva Gems ช็อกโกแลตในห่อม้วนสำหรับกินคนเดียว ส่งผลให้รายได้ของ Godiva โตขึ้นกว่า 10 % เลยทีเดียว 

ภาพจาก https://www.thepackagingcompany.com/knowledge-sharing/iconic-packaging-godiva-chocolatier/

แม้จะดูเป็นเรื่องง่าย แต่หลายบริษัทก็ยังไม่ได้ทำการวิเคราะห์ความต้องการของลูกค้าออกมา หรือวิเคราะห์ออกมาแล้วก็ไม่สามารถ Turn to Action ได้ ซึ่งก็ถือว่าเป็นเรื่องที่น่าเสียดายมากๆ ครับ

Cost ความคุ้มค่าที่ลูกค้ายินดีจะจ่าย 

ใน 4 Ps จะชนกับ Price (ซึ่งเป็นมุมของฝั่งผู้ผลิตสินค้าที่ต้องคำนึงถึงต้นทุน)

ในยุคนี้สินค้าถูกใช่ว่าจะขายได้ดีกว่าเสมอไป หรือสินค้าที่ตั้งราคาเอาไว้สูงก็ไม่ได้หมายความว่าจะไม่มีคนซื้อ เพราะสิ่งที่ลูกค้าใช้ในการเปรียบเทียบคือความคุ้มค่าเมื่อหักล้างกับสิ่งที่จะต้องจ่ายไป ทั้งเงิน เวลา หรือสุขภาพ

ยกตัวอย่างที่เห็นชัดในการ Work From Home ช่วงนี้ก็คืออุปกรณ์ต่างๆ ที่จะช่วยให้การทำงานที่บ้านนั้นเป็นไปอย่างมีประสิทธิภาพ หนึ่งในอุปกรณ์ยอดฮิตที่ใครๆ ก็พูดก็คือ เก้าอี้เพื่อสุขภาพ

แต่ทำไมเราถึงต้องลงทุนซื้อเก้าอี้ตัวละหลายพันไปจนถึงหลายหมื่น ทั้งๆ ที่มีเก้าอี้ในราคาหลักร้อย หรือพันต้นๆ ให้ได้เลือกซื้อล่ะ?


นั่นก็เป็นเพราะบ่อยครั้งที่ลูกค้าไม่ได้สนใจเรื่องการตั้งราคาว่าจะสูงหรือต่ำ แต่จะสนใจเรื่องคุณภาพ หรือความคุ้มค่าที่จะได้รับ (บนราคาที่รับได้) มากกว่า หากซื้อเก้าอี้ราคาถูกแต่ใช้ไปไม่นานก็พัง หรือนั่งไปปวดหลังไป แบบนี้หลายคนก็ยอมที่จะจ่ายแพงขึ้นมาหน่อยเพื่อให้ได้ความคุ้มค่าที่มากกว่า

Starbuck ถือเป็นตัวอย่างคลาสสิกสำหรับเรื่องนี้ จากเมื่อก่อนที่กาแฟถูกมองเป็นสินค้าโภคภัณฑ์ ที่ไม่ว่าจะกินกาแฟที่ไหนก็ไม่ได้ต่างกันมาก แต่เมื่อมองเห็นถึงความต้องการที่ถูกซ่อนเอาไว้ของลูกค้า ก็ทำให้ Starbuck ทุ่มงบมหาศาลเพื่อพัฒนาทั้งในแง่สินค้าที่มีคุณภาพ และมาตรฐาน รวมไปถึงประสบการณ์ที่ดีของลูกค้าไม่ว่าจะสั่งมาแล้วนั่งกินพร้อมกับอ่านหนังสือที่ร้าน หรือซื้อกลับไปกินที่บ้าน ทำให้ลูกค้ายอมจ่ายเงินที่สูงกว่าให้แก่ Starbuck เพื่อแลกกับสินค้าอย่างกาแฟที่สามารถหาซื้อได้ทั่วๆ ไป

อีกตัวอย่างที่เห็นชัดก็การพยายามจะผลักตัวเองให้เข้าไปอยู่ในกลุ่มรถหรูของ Toyota ซึ่งแน่นอนว่าเป็นเรื่องยากมากๆ ที่จะทำให้คนมองแบรนด์ได้หรู หรือดูแพงเท่ากับ Benz และ BMW ทำให้ Toyota ทำการสร้างแบรนด์ Lexus ขึ้นมาบนภาพลักษณ์ใหม่เพื่อให้มีภาพของความหรูหรา ก็ทำให้คนยอมจ่ายเงินมากขึ้นสำหรับภาพความหรูหราที่แบรนด์ได้สื่อสารออกมา (คำถามก็คือว่าถ้าเป็นสินค้าเดียวกัน แต่ใช้แบรนด์ Toyota คนจะยอมจ่ายเหมือนกับ Lexus หรือไม่?)

การเอา Data มาใช้ในเรื่องของ Cost ต้องบอกว่ามีหลากหลายวิธี ไม่ว่าจะเป็นการทำ Clustering analysis เพื่อดูกลุ่มลูกค้าที่ยินดีจะจ่ายเงินที่แพงขึ้นเพื่อสินค้าที่ดีขึ้น หรือการทำ Conjoint analysis เพื่อวิเคราะห์หาสิ่งสำคัญที่ลูกค้าต้องการ (ซึ่งหลายครั้งพบว่า ราคา ไม่ใช่ปัจจัยหลัก) หรือแม้แต่การทำ Lost customer analysis  เพื่อหาสาเหตุที่ลูกค้าหายไป, ย้ายไปใช้เจ้าอื่น โดยอาจจะดูจากสิ่งที่ลูกค้า complain เข้ามา รวมไปถึงการใช้เทคโนโลยีอย่าง Big data เพื่อเสนอราคาที่แตกต่างให้กับลูกค้าแต่ละคน อย่างที่หลายบริษัททำอยู่ก็ได้เหมือนกันครับ

 Convenience ความสะดวกและง่าย: ซึ่งจะชนกับ Place

คำนิยามสำคัญของการตลาดในปัจจุบัน นอกจากการสร้างความต้องการ (Demand) แล้ว ยังต้องมีความง่ายเข้ามาเป็นปัจจัยหลักอีกข้อด้วย เพราะถ้าลูกค้าอยากได้สินค้า แต่มีความยากลำบากในการซื้อ ก็อาจจะไม่สามารถทำให้เงินในกระเป๋าของลูกค้าเข้ามาสู่บัญชีของบริษัทก็ได้

ความสะดวกอาจจะมองได้หลากหลายมุม ทั้งในเรื่องการซื้อ การหาข้อมูล การจ่ายเงิน การรับสินค้า และอื่นๆ

ข้อนี้เห็นชัดมากๆ ในยุคโควิท-19 แบบนี้ เพราะเมื่อลูกค้าไม่ (กล้า) สะดวกออกไปซื้อของในสถานที่ๆ มีคนพลุกพล่าน การเข้าถึงของสินค้าและบริการก็อาจจะต้องปรับเปลี่ยนไปใช้การดูรีวิว และสั่งซื้อบนโลกออนไลน์ โดยกระบวนการทั้งหมดไม่จำเป็นต้องเห็น จับต้อง หรือทดลองสินค้าจริงๆ เหมือนเมื่อก่อนก็ได้

หรือใครจะไปคิดว่าธุรกิจส่งอาหารจะเข้ามาเป็นส่วนหนึ่งในชีวิตประจำวันของคนเราได้เร็วขนาดนี้ จนบางครั้งหลายคนก็ไม่ได้ออกไปไหนเลย เพราะสั่งอาหารผ่านมือถือแล้วรออีกสักพักอาหารก็มาส่งถึงหน้าบ้าน ซึ่งบางครั้งมีโปรโมชั่นลดแลกแจกแถม จนถึงขั้นที่ว่าสั่งผ่านมือถือถูกกว่าการออกไปหาซื้อเองเสียอีก

แต่ผมไม่ได้กำลังบอกว่าธุรกิจ Offline เช่น การเปิดสาขา หรือมีหน้าร้านกำลังจะตายนะครับ อันนี้ต้องแยกให้ออก เพราะบางครั้งการมีสาขา หรือหน้าร้าน ก็อาจจะหมายถึง convenience ก็ได้เช่นเดียวกัน ดังนั้น online เลยได้ไม่เท่ากับ Convenience เสมอไป ทำให้หลายๆ บริษัทพยายามจะทำ O2O หรือ Online to Offline เพื่อนำข้อดีของทั้ง 2 แบบมารวมกันนั่นเองครับ

การใช้ Data สำหรับ Convenience นั้นมีความท้าทายอยู่ที่การได้มาซึ่งข้อมูลมากกว่าเทคนิคการวิเคราะห์ (ถ้ามีข้อมูลเพียงพอ ก็สามารถวิเคราะห์ด้วยเครื่องมือง่ายๆ ก็ได้แล้วครับ) แบรนด์อาจจะต้องเชื่อมต่อข้อมูลจากหลายๆ แหล่งเข้าด้วยกันเพื่อเอามาต่อเป็นภาพพฤติกรรมของลูกค้าได้ชัดเจนขึ้น เพราะปัญหาใหญ่ที่หลายที่เจอก็คือ การไม่รู้พฤติกรรมของลูกค้าจริงๆ ซึ่งจะทำให้แบรนด์เองไม่สามารถเข้าใจคำว่า Convenience ของลูกค้าได้อย่างถูกต้องนั่นเอง

โดยปัจจุบันก็อาจจะมีเครื่องมือมากมายที่สามารถช่วยวิเคราะห์ Customer Journey ของลูกค้าได้ ยกตัวอย่างเช่น Google Analytics หรือ Adobe Analytics ครับ

Communication สื่อให้ตรงกลุ่มลูกค้า: ซึ่งจะชนกับ Promotion

ในยุคที่เทคโนโลยีก้าวหน้าไปมาก ทำให้การสื่อสารจาก Mass Marketing  กลายมาเป็น Mass Customization ทำให้นักการตลาดสมัยใหม่จะต้องสื่อสารไปยังกลุ่มคนที่เล็กลงเรื่อยๆ จนไปถึงระดับบุคคล เพื่อนำเสนอสินค้าที่เหมาะสมให้กับแต่ละกลุ่มหรือแต่ละคน

อย่างค่ายโทรศัพท์มือถือก็ใช้ข้อมูลเพื่อดูว่าตอนนี้เราอยู่ตรงพื้นที่ไหน เพื่อนำเสนอสินค้าได้อย่างตรงสถานการณ์ เลยไม่น่าแปลกใจเลยว่าเวลาที่เราไปสนามบิน มักจะได้รับข้อความ SMS เสนอขายแพคเก็จอินเตอร์เน็ตโรมมิ่งสำหรับใช้ในต่างประเทศ (ลูกค้าจะไปต่างประเทศ หรือแค่แวะมาส่งคนสนิทก็ไม่รู้แหละ แต่ถ้าจะต้องซื้อซิมสำหรับใช้ในต่างประเทศเมื่อไหร่ SMS ก็อาจจะช่วยให้ลูกค้านึกถึงซิมของเรา)

หรือการที่ Application ส่งโปรโมชั่นแบบส่วนตัวมาให้เรา (โดยที่คนอื่นไม่ได้รับเหมือนกันทุกคน) เมื่อเห็นว่าหายไปนาน หรือเพื่อต้องการให้เรารีบตัดสินใจซื้อทันที ก็เป็นการสื่อสารอีกรูปแบบหนึ่ง ที่มีประสิทธิ และประหยัดค่าใช้จ่ายได้มากกว่าการทำโปรโมชั่นแบบหว่านไปทั่ว

การใช้ Data ในส่วน Communication นั่นมี Use Cases มากมาย โดยบทความนี้จะของยกตัวอย่างของ Classification techniques เพื่อให้บริษัทบริษัทส่งข้อความสื่อสารไปยังลูกค้าที่มีแนวโน้มสูงที่ตอบรับ และซื้อสินค้าของเรา ยกตัวอย่างเช่น หากบริษัทสื่อสาร A ทำแพ็คเกจโปรโมชั่นใหม่ ที่โทร + เล่นอินเตอร์เน็ตได้ไม่อั้นในราคา 999 บาทต่อเดือน การจะโทรไปเสนอให้กับลูกค้าทุกคนก็คงจะเป็นความคิดที่ไม่ดีเท่าไหร่ เพราะนอกจากจะเสียค่าใช้จ่ายทั้งค่าที่เกี่ยวข้องกับการโทร ค่าพนักงาน และก็ยังทำให้ลูกค้าที่ไม่ได้สนใจเกิดความรำคาญขึ้นอีกด้วย สู้เราสร้างโมเดลเพื่อทำนายดูว่าใครที่มีโอกาสจะตอบรับโปรโมชั่นใหม่นี้บ้าง แล้วก็ไล่โทรโดยเริ่มจากกลุ่มลูกค้าที่มีโอกาสซื้อสูงๆ ก่อน ก็คงจะดีกว่า

หวังว่าเรื่องราวของของ 4 Cs ที่ผมนำมาเล่าให้ฟัง พร้อมกับการใช้ Data เข้ามาช่วย น่าจะทำให้นักการตลาดสามารถเอาไปปรับใช้ หรือปรับมุมมองให้เหมาะสมกับสถานการณ์ปัจจุบันได้ไม่มากก็น้อยนะครับ

ส่วนใครที่อยากอ่านบทความเกี่ยวกับเรื่องของ Data ในแง่มุมอื่น ๆ สามารถอ่านเพิ่มเติมได้ ที่นี่

ในบทความหน้าผมจะมีอะไรมาอัปเดตอีกบ้าง สามารถติดตามได้ผ่านเพจการตลาดวันละตอน รวมถึง Twitter และ Blockdit ของการตลาดวันละตอนนะครับ 

Patompat

Patompat

เจ้าของเพจ Dataภาษาคน | หลงใหลการนำ Data ไปใช้แก้ปัญหาและหาคำตอบให้กับสิ่งต่างๆ | ชอบตีเทนนิสและกินบะหมี่

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น