จาก 4P สู่ 4R Personalization Framework ในยุค Data Marketing

จาก 4P สู่ 4R Personalization Framework ในยุค Data Marketing

ในยุค Data-Driven ทุกสิ่งตั้งแต่ Marketing ไปยัน Business ทำให้ใครๆ ก็เห็นค่าของ Data อย่างไม่มีข้อสงสัย ดังนั้น Marketing model 4P ยอดนิยมที่เคยใช้ก็ต้องถูกปรับเปลี่ยนไปให้เข้ากับยุคสมัยใหม่และเทคโนโลยีที่เปลี่ยนแปลง และนั่นก็เลยนำมาสู่บทความในวันนี้ ที่จะพูดถึง Marketing model ใหม่ที่เรียกว่า 4R Personalization Framework ในยุค Data-Driven Marketing ครับ

4R Marketing Model ในยุคการตลาดแบบรู้ใจ Personalization Framework

วันนี้เราจะมาทำความรู้จัก Marketing model ใหม่ในยุค Personalization หรือ Personalized Marketing ที่เรียกว่า 4R Personalization Framework เพราะในช่วงหลังผมมักถูกถามบ่อยเวลาไปพูดหรือบรรยายที่ไหนว่า 4P 4C หรือ 4E นั้นเข้ากับยุค Personalization หรือไม่ครับ

ผมเลยไปหาข้อมูลเพิ่มเติมมาให้ และจริงๆ ก็เป็นเนื้อหาส่วนหนึ่งในบทสุดท้ายของหนังสือ Personalized Marketing (สนใจสั่งซื้อได้ที่ลิงก์นี้) แต่ไม่เคยถูกหยิบเอามาเล่าให้เพื่อนๆ นักการตลาดในการตลาดวันละตอนได้ฟังอย่างจริงจัง ดังนั้นวันนี้จะเล่าให้ฟังอย่างจริงจังว่า 4R Personalization Framework นั้นแต่ละตัวหมายถึงอะไร เพื่อที่คุณจะได้เข้าใจและเอาไปประยุกต์ใช้ต่อได้ครับ

R ที่ 1 Recognize

ในยุค Data-Driven Marketing ทำให้โมเดลการตลาดเปลี่ยนจาก 4P สู่ 4R Personalization Framework เพื่อให้การตลาดแบบรู้ใจเป็นไปได้ง่ายขึ้น

การจะทำ Personalization ต้องเริ่มจากการที่คุณต้องรู้จักลูกค้าของคุณเป็นอย่างดี หรือรู้ให้มากที่สุดเท่าที่จะมากได้ ต้องรู้ว่ากลุ่มเป้าหมายที่คุณอยากได้เป็นใคร รู้ว่าจัง Profiles ของเค้า เช่น ชื่ออะไร อายุเท่าไหร่ เพศไหน โสดหรือแต่งานแล้ว มีลูกหรือเลี้ยงสุนัขที่รักเหมือนลูก บ้านอยู่แถวไหน มีความสนใจเรื่องอะไรบ้าง

เรียกได้ว่ารู้เรื่องรอบตัวเค้าเนี่ยแหละ และอย่างน้อยที่สุดเวลาเค้ากลับเข้าไปหาคุณไม่ว่าช่องทางไหนคุณต้องสามารถเรียกชื่อเค้าได้ถูกก็แล้วกัน

คิดถึง case study ใกล้ตัวง่ายๆ อย่างร้านกาแฟ Starbucks ที่มักจะจำชื่อเราได้ถ้าเราไปบ่อยพอ และพวกเขาก็จะถามว่าเราทำงานอะไรบวกกับทำอยู่ที่ไหนต่อหลังจากนั้น ถ้าคุณชอบซื้ออะไรติดมือมาด้วยพวกเขาก็จะคอยถามอยู่ว่าชอบร้านนี้หรือ ชอบกินไอ้นี่ใช่มั้ย เอาง่ายๆ คือพนักงานร้านกำลังเก็บ Profiles data ของลูกค้าประจำของสาขาตัวเองอยู่นั่นเองครับ

R ที่ 2 Remember

ในยุค Data-Driven Marketing ทำให้โมเดลการตลาดเปลี่ยนจาก 4P สู่ 4R Personalization Framework เพื่อให้การตลาดแบบรู้ใจเป็นไปได้ง่ายขึ้น

การจะทำ Personalization ต้องไม่ใช่แค่รู้จักลูกค้า แต่ยังต้องจำให้ได้ด้วยว่าลูกค้าคนนั้นเคยทำอะไรกับเราไว้บ้าง มาบ่อยแค่ไหน มาทุกวันอะไร ชอบมาช่วงเวลาไหน ชอบกินอะไรคู่กับอะไรเป็นประจำหรือเปล่า หรือแม้แต่กระทั่งชอบมากับใครก็ต้องจำได้

ถ้าเอาแนวคิดนี้มาประยุกต์ใช้กับการทำ Digital marketing คือคุณต้องจำได้ว่าลูกค้าเข้ามาซื้อสินค้าหรือบริการอะไรกับคุณไปครั้งล่าสุด ครั้งล่าสุดเขาติดต่อมาเรื่องอะไร คอมเพลนหรือชื่นชม? ต้องจำได้ว่าเค้าเข้าเว็บมากี่ครั้งแล้ว และนั่นหมายความว่าแต่ละครั้งที่เค้าติดต่อเรามาแม้จะเป็นช่องทางเดิมแต่ความคาดหวังเค้ายังไม่เหมือนเดิมใช่มั้ยครับ

ถ้าเปรียบกับพนักงานร้าน Starbucks ก็คือมักจะจำได้ว่าผมชอบกินเมนูไหนเป็นประจำ เกิดวันไหนสั่งผิดเมนูหน่อยก็จะแปลกใจถามว่าทำไมวันนี้อยากลองของใหม่ หรือถ้าวันไหนไม่มาแล้วมาในวันถัดไปเค้าก็จะถามว่าเมื่อวานหายไปไหน สำหรับผมนี่คือการ “เอาใจใส่ลูกค้า” เป็นการเริ่มเข้าใจแล้วว่าลูกค้าแต่ละคนนั้นมีความแตกต่างกันอย่างไรครับ

R ที่ 3 Recommend

ในยุค Data-Driven Marketing ทำให้โมเดลการตลาดเปลี่ยนจาก 4P สู่ 4R Personalization Framework เพื่อให้การตลาดแบบรู้ใจเป็นไปได้ง่ายขึ้น

ในการจะทำ Personalization ให้สำเร็จไม่ได้จบแค่รู้จักและจำได้ แต่ต้องเริ่มรู้จักเอา data ที่มีทั้ง Profiles data และ Historical data มาวิเคราะห์ทำความเข้าใจลูกค้าให้มากขึ้น เพื่อจะได้เอาไปต่อยอดในแง่ของการเพิ่มยอดขายสร้างรายได้ให้ธุรกิจมากขึ้นกลับคืนมา จังหวะนี้แหละครับคือการตลาดแบบรู้ใจ เพราะเรากำลังให้ในสิ่งที่เขาต้องการจริงๆ

เพราะแต่เดิมทีการตลาดแบบแมสคือการหว่านโปรโมชั่นหรือข้อเสนอต่างๆ ออกไปให้กับทุกคนเหมือนๆ กัน โดยไม่เคยใส่ใจที่จะเข้าใจลูกค้าเลยว่าพวกเขาแต่ละคนนั้นมีพฤติกรรมหรือความชอบต่างกันอย่างไร

แล้วนั่นก็เป็นการใช้งบการตลาดที่สูญเปล่า คุณลองคิดดูซิครับว่าถ้าคนๆ หนึ่งชอบกินกาแฟร้อนเป็นประจำทุกเช้า แต่อยู่ดีๆ คุณมีเมนูใหม่ที่เป็นกาแฟร้อนและคุณก็อยากจะทำการโปรโมตให้คนมาลองกินด้วยการให้ส่วนลด แล้วเกิดคุณเอาส่วนลดนี้ไปให้กับทุกคนเหมือนกัน การที่คุณเอาโปรโมชั่นส่วนลดไปให้กับคนที่กินกาแฟร้อนเป็นประจำอยู่แล้วจะเป็นการเฉือนเนื้อตัวเองทิ้งหรือไม่

เรามักเจอเรื่องแบบนี้เป็นประจำ แจกออกไปแบบหว่านๆ ทำการตลาดแบบเหมารวม ไม่ได้ให้ในสิ่งที่ลูกค้าต้องการ หรือไม่ได้ให้ในสิ่งที่จะช่วยให้ลูกค้าใช้จ่ายกับเรามากขึ้นโดยยังคงรู้สึกดีกับเราไม่ลดลงนั่นเองครับ

ดังนั้นการตลาดแบบ Personalized Marketing ต้องรู้จักให้ Recommend ที่ตรงกับพฤติกรรมและความชอบของลูกค้าแต่ละคนจริงๆ ให้เพื่อให้ลูกค้ามีความสุขมากขึ้น และต้องเป็นการช่วยเพิ่มยอดขายกลับมาที่ธุรกิจเราด้วยเช่นกัน

คนจะซื้ออยู่แล้วไม่ต้องให้ สู้เอาโปรที่ทำให้เค้าอัพไซส์หรือซื้อเพิ่มจะดีกว่า เพราะยุคนี้คือยุคการตลาดแบบฉลาดใช้ Data อย่ามัวแต่ใช้สัญชาติญาณของตัวเองอีกนะครับ

R ที่ 4 Relevance

ในยุค Data-Driven Marketing ทำให้โมเดลการตลาดเปลี่ยนจาก 4P สู่ 4R Personalization Framework เพื่อให้การตลาดแบบรู้ใจเป็นไปได้ง่ายขึ้น

R สุดท้ายของ Personalization Framework คือการเข้าใจลูกค้าอย่างลึกซึ้ง ไม่ใช่แค่รู้ว่าแต่ละคนชอบหรือไม่ชอบอะไร แต่ต้องเข้าใจไปถึงบริบทในแต่ละช่วงเวลาของลูกค้าแต่ละคนด้วยครับ

เช่น ถ้าลูกค้าไม่เคยมาใช้บริการร้านเราในวันหยุดเสาร์อาทิตย์ ก็คาดการณ์ได้ไม่ยากว่าบ้านเค้าไม่ได้อยู่แถวนั้น แล้วถ้าเราส่งคูปองส่วนลดไปให้เค้ามาใช้ที่สาขาใกล้ที่ทำงานเค้าในวันหยุด คิดว่าเขาจะมีความสุขที่ได้รับหรือเปล่าล่ะครับ

เคสนี้สู้ส่งคูปองส่วนลดไปให้ในวันธรรมดา แต่ให้เค้าเอามาใช้ในช่วงเวลาอื่นที่ไม่ใช่เวลาซื้อประจำของเค้า จะช่วยเพิ่มยอดขายให้ธุรกิจเราได้ และเราก็ไม่ต้องไปตัดลดกำไรที่ควรจะได้อีกด้วย

หรือรวมไปถึงบริบทโดยรอบอย่างสภาพอากาศที่มักถูกเอามาประยุกต์ใช้ในการทำการตลาดออกบ่อย เช่น ถ้าฝนจะตกอาจจะมีการบอกให้ลูกค้ารีบเข้ามาที่ร้านล่วงหน้า หรือถ้ารู้ว่าลูกค้าคนนี้ไม่เคยเปิดรับโปรโมชั่นผ่านอีเมล แต่ชอบเอาคูปองจากใน LINE ไปใช้ สิ่งที่นักการตลาดต้องทำคือลดการสื่อสารทางอีเมลกับลูกค้าคนนี้ และพยายามติดต่อกับลูกค้ารายนี้ผ่าน LINE แทน

หรือแม้แต่ช่วงเวลาที่ลูกค้ามักตอบรับก็มีผล เช่น ถ้ารู้ว่าลูกค้าชอบมือลั่นช้อปปิ้งกับเราช่วงเย็นวันเสาร์เป็นประจำ ทีนี้ที่คุณต้องทำก็คือส่งคูปองส่วนลดไปกระตุ้นตั้งแต่บ่ายมั้ย หรืออาจจะรอให้ค่ำอีกนิดเพื่อรอให้ลูกค้ามาช้อปเอง แต่ถ้าหัวค่ำแล้วยังไม่แวะเข้ามาในแอปเราก็อาจจะถึงเวลาต้องส่งคูปองส่วนลดแบบจำกัดระยะเวลาเพื่อเรียกให้ลูกค้ากลับมาช้อปก็ได้ครับ

สรุป 4R Personalization Framework โมเดลการตลาดใหม่ในยุค Data Marketing

ในยุค Data-Driven Marketing ทำให้โมเดลการตลาดเปลี่ยนจาก 4P สู่ 4R Personalization Framework เพื่อให้การตลาดแบบรู้ใจเป็นไปได้ง่ายขึ้น

คุณคงจะเห็นแล้วว่าหลักการของ 4R นั้นไม่ได้ยากหรือซับซ้อนแต่อย่างไร แต่แน่นอนขั้นตอนการทำงานจริงก็จะไม่ได้ง่ายเหมือนกัน เพราะเบื้องหลังการทำ 4R นี้ให้เวิร์คนั้นมีอะไรที่คุณและทีมต้องเวิร์คกันมากมาย

แต่แน่นอนว่าการตลาดแบบ Personalization จะไม่เกิดขึ้นถ้าคุณไม่เริ่มที่ Mindset ที่อยากจะเข้าใจลูกค้าให้มากขึ้น เพราะพวกเขาแต่ละคนนั้นไม่เหมือนกัน ขนาดพี่น้องฝาแฝดเกิดจากท้องแม่คนเดียวกันยังมีความชอบต่างกันได้ แล้วนับประสาอะไรกับผู้คนร้อยพ่อล้านแม่จริงไหมครับ

สุดท้ายนี้ผมอยากจะบอกว่าการตลาดแบบรู้ใจไม่ใช่เรื่องใหม่ แต่ที่ใหม่คือเทคโนโลยีใหม่ๆ ที่เกิดขึ้นมาเพื่อให้การทำ Personalization ในระดับ Mass เป็นไปได้ต่างหากครับ เพราะถ้าคุณเป็นธุรกิจเล็กๆ มีแค่ร้านเดียวและตัวคุณเองก็เอาอยู่ คุณนี่แหละคือคนที่จะทำให้ Personalized Marketing ออกมาดีจนลูกค้าต้องติดใจ แต่ถ้าคุณใหญ่กว่านั้นเริ่มมีหลายสาขาและก็ไม่สามารถเข้าไปรู้จักและจดจำลูกค้าทุกคนด้วยตัวเองได้ ก็ถึงเวลาที่คุณจะเอาเทคโนโลยีต่างๆ มาช่วยให้การรู้จัก จดจำ และกระทำแบบรู้ใจลูกค้าเป็นไปได้ เพื่อที่จะทำให้ลูกค้ารู้สึกว่าชอบร้านคุณมากกว่าร้านข้างๆ แม้ว่าราคาจะแพงกว่าหน่อยก็ตามแต่ก็ยอมจ่ายแหละ

อ่านบทความในการตลาดวันละตอนที่เกี่ยวกับ Personalization ต่อ > https://www.everydaymarketing.co/tag/personalization/

Personalization แค่ไหนอย่างไรดี ในวันที่ประเด็นเรื่อง Privacy และ PDPA มา

Source
https://www.zoominsoftware.com/blog/4-personalizing-product-documentation/
https://www.slideshare.net/AccentureDigital/personalization-scale
https://slidemodel.com/templates/4rs-personalization-powerpoint-template/

Nattapon Muangtum

Nattapon Muangtum

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / ผู้เขียนหนังสือการตลาดแบบรู้ใจ Personalized Marketing, การตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing และ Data Thinking / เป็นที่ปรึกษาด้าน Marketing และ Data-Driven ให้กับบริษัทบางแห่งและหน่วยงานบางที่

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *