6 แนวทางการใช้ Data Science เพื่อ Cross-sell & Upsell อย่างมีประสิทธิภาพ
Data Science ไม่ใช่เรื่องไกลตัวของนักการตลาดหรือธุรกิจอีกต่อไป เมื่อการวิเคราะห์ข้อมูลเชิงลึกด้วยเทคนิคและศาสตร์ของ Data Science ช่วยให้นักการตลาดสามารถเพิ่มยอดขายด้วยกลยุทธ์ง่ายๆ อย่าง Cross-sell และ Upsell ในแบบที่มีประสิทธิภาพอย่างที่ไม่เคยเป็นมาก่อนครับ
อย่างที่รู้กันว่าวิธีที่ง่ายที่สุดในการเพิ่มยอดขายหรือกำไรให้ธุรกิจก็คือการ Cross-sell และ Upsell จากลูกค้าที่มีในมือนี่แหละครับ แต่เดิมทีนั้นเรามักต้องพึ่งพาความสามารถเฉพาะตัวของพนักงานแต่ละคน ทำให้เรามักไม่ได้ผลลัพธ์ที่คงเส้นคงวา หรือไม่อาจสามารถใช้การ Cross-sell และ Upsell เป็นกลุยทธ์หลักได้ครับ
แต่ในยุคของ Data ที่เต็มไปด้วยเทคโนโลยีมากมายไม่ว่าจะการใช้ AI หรือ Machine learning หรือ Deep learning ก็ตาม ซึ่งทั้งหมดนี้ก็คือการประยุกต์ใช้ Data Science เพื่อช่วยนักการตลาดให้เพิ่มยอดขายจากลูกค้าในมือได้ง่ายๆ ด้วยการ Cross-sell และ Upsell ที่ซ้ำได้อย่างแม่นยำตรงใจจากการวิเคราะห์ Customer data ที่มีในมือนั่นเองครับ
เพราะการทำ Data Analytics หรือ Data Science จะช่วยให้นักการตลาดอย่างเราได้เห็น Insight ใหม่ๆ ที่ไม่เคยรู้มาก่อน ซึ่งนั่นจะทำให้เราสามารถทำกำไรได้เพิ่มขึ้นแบบง่ายๆ(แต่กว่าจะทำได้นั้นไม่ง่ายนะครับ)ด้วยการรู้ว่าควรจะให้ข้อเสนอแบบไหนหรือโปรโมชั่นอะไรกับลูกค้าคนใด แน่นอนว่าวิธีนี้เป็นอะไรที่วินกันทุกฝ่าย ลูกค้าก็ได้ในสิ่งที่ตัวเองต้องการโดยไม่ต้องออกไปหาจากที่อื่น และนั่นก็เท่ากับว่าเงินของลูกค้าที่จะต้องจ่ายอยู่แล้วก็จะมาตกที่กระเป๋าเราเพิ่มขึ้นนั่นเอง
แถมการทำ Data Analytics หรือ Data Science ยังเป็นการช่วยเพิ่ม Customer Lifetime Value หรือมูลค่าที่ลูกค้าคนนึงจะมีให้กับธุรกิจเรา ทำให้เรามีกำไรมากขึ้นโดยใช้งบการตลาดที่น้อยลง(เพราะไม่ต้องหว่านหรือสุ่มแต่อย่างไร) เพราะเราสามารถทำการตลาดแบบที่ตรงใจลูกค้าออกไปได้ และนั่นก็เท่ากับว่าลูกค้าก็จะยิ่งเป็นลูกค้าเรามากขึ้นแล้วก็นานขึ้นด้วยครับ
แต่ก็อย่างที่บอกแต่ตอนต้นแหละครับว่าการจะใช้ Data Science มาช่วยในการทำ Cross-sell และ Upsell นั้นไม่ใช่เรื่องง่ายอย่างที่พูด เพราะกว่าที่คุณจะไปได้ถึงจุดที่สามารถให้ในสิ่งที่ลูกค้าต้องการได้อย่างแม่นยำแบบถูกที่ถูกเวลานั้น ต้องมีการวิเคราะห์ข้อมูลมากมาย และยังต้องมีการใช้เทคนิคทาง Data Science อีกมากที่นักการตลาดอย่างเราไม่สามารถทำเองได้ ดังนั้นบทความนี้จึงตั้งใจเขียนมาเพื่อให้นักการตลาดได้อ่านแล้วรู้ไว้ว่าทำไมการใช้ Data ถึงสำคัญมากในวันนี้ เพราะการใช้ Data เพื่อช่วยในการเพิ่มยอดขายจะไม่ใช่เรื่องที่ไกลเกินตัวนักการตลาดส่วนใหญ่อีกต่อไปในอนาคตอันใกล้ครับ
และนี่ก็คือ 6 แนวทางการใช้ Data Science เพื่อช่วยให้ลูกค้าใช้เงินกับเรามากขึ้นด้วยกลยุทธ์ Cross-sell & Upsale ที่รู้ใจในยุค Data-Driven Marketing
1. Data Science ช่วยวิเคราะห์และแบ่งกลุ่มลูกค้า
ก่อนจะรู้ว่าเราจะต้อง Cross-sell หรือ Upsale อย่างไรเราต้องรู้ก่อนว่าใครคือคนที่เราควรจะต้องเสียเวลา Upsell หรือ Cross-sell ด้วย เพราะถ้านึกถึงร้านสะดวกซื้อใกล้บ้านที่มักจะเอาแต่ถามว่ารับขนมจีนซาลาเปาเพิ่มมั้ยคะ ทั้งที่ในความเป็นจริงแล้วเราอาจจะแพ้ขนมจีบอย่างมาก แต่ยาสีฟันที่บ้านกำลังจะหมดเสียมากกว่าเพราะครั้งล่าสุดที่มาซื้อไปก็เกือบจะสองเดือนแล้วนั่นเอง
ดังนั้นเราต้องลูกก่อนว่าในแต่ละเดือนหรือแต่ละวันเรามีลูกค้าเก่ากลับมาซื้อซ้ำเป็นสัดส่วนเท่าไหร่ ด้วยการทำ Segment หรือ Cohorts จะทำให้เราเห็นภาพชัดขึ้นมาก จะไม่ใช่แค่สมมติฐานที่เคยคิดว่าน่าจะใช่อีกต่อไป
ซึ่งการใช้ Data Science เพื่อทำ Data Analytics ในขั้นนี้จะเป็นการเริ่มดู Attributes ต่างๆ เช่น อัตราเฉลี่ยการใช้เงินในแต่ละครั้ง ช่วงอายุ สถานที่ หรือเพศ มากกว่าแค่มีอัตราการซื้อซ้ำเท่าไหร่ครับ
โดยการจะวิเคราะห์ข้อมูลเพื่อแบ่ง Segment ให้ประสบความสำเร็จได้ต้องมีการวิเคราะห์ข้อมูลจำนวนมากหรือที่เรียกว่า Data mining เพื่อหาว่าเราควรจะต้องแบ่งแต่ละกลุ่มออกมาเป็นอย่างไร เพราะการทำ Cohort analysis จะไม่ได้แค่ช่วยให้นักการตลาดยุคใหม่รู้ว่าเมื่อไหร่บ้างที่ลูกค้าจะกลับมาซื้อซ้ำ แต่ยังสามารถคาดการณ์ได้ไปถึงว่า “อะไรบ้าง” ที่สิ่งที่พวกเขาจะกลับมาซื้อ และก็ไปจนถึง “เมื่อไหร่” ที่พวกเขาจะกลับมาซื้อด้วย
เช่น ถ้าเรารู้ว่าในแต่ละวันมีลูกค้าเก่าเข้ามาซื้อซ้ำเท่านี้คน แต่ถ้าเรารู้ลงไปถึงขั้นว่าทุกๆ 30-45 วันจะมีการกลับมาซื้อยาสีฟันซ้ำอีกครั้ง แถมยังเป็นยาสีฟันยี่ห้อเดิม รสเดิม ไซส์เดิม ดังนั้นถ้าพอเรารู้แบบนี้เราก็ไม่จำเป็นต้องส่งคูปองส่วนลดโปรโมชั่นยาสีฟันใดๆ ให้กับลูกค้าคนนั้น เพื่อประหยัดงบการตลาดและก็เป็นการไม่ต้องเสียส่วนลดให้เปล่าในสิ่งที่อย่างไรลูกค้าก็ซื้อครับ เพราะเราสามารถทำการตลาดที่เป็น Data-Driven Marketing ได้จริงๆ นั่นก็คือถ้าเมื่อไหร่ถึง 45 วันแล้วลูกค้ารายนั้นยังไม่กลับมาซื้อยาสีฟันยี่ห้อเดิมซ้ำ เราจึงค่อยส่งคูปองส่วนลดยาสีฟันอันเดิมให้อีกครั้งเพื่อเรียกให้เค้ากลับมาหาเราก็ได้
ดังนั้นถ้านักการตลาดยุคใหม่รู้จักแบ่งกลุ่มลูกค้าหรือทำ Customer Segment ด้วยการใช้ Data Science คุณจะก็สามารถทดสอบสมมติฐานคุณได้ง่ายขึ้น เพื่อหาว่าเราจะทำอย่างไรที่จะเพิ่มยอดขายหรือเพิ่มกำไรจากลูกค้าแต่ละกลุ่มได้ดียิ่งขึ้นครับ
2. Marketing ในยุค Data ตัดสินกันที่ใครมี Model ที่แม่นยำกว่ากัน
เพราะเป้าหมายสำคัญของการใช้ Data Science เพื่อทำ Data Analytics ก็คือการสร้างโมเดลที่ช่วยเพิ่มยอดขายหรือกำไรได้อย่างมีประสิทธิภาพ เพราะเมื่อเราวิเคาะห์ข้อมูลได้ดีพอเราก็จะสามารถคาดการณ์ล่วงหน้าไม่ใช่แค่การเพิ่มยอดขายได้เท่านั้น แต่ยังสามารถคาดการณ์หรือ Predict ได้ว่ายอดขายที่จะเพิ่มมานั้นควรจะต้องมาจากลูกค้ากลุ่มไหนหรือคนใดมากกว่ากัน เช่น ถ้าคนที่เคยซื้อลิปสติกไม่เคยซื้อครีมบำรุงผิวเลย เราก็ไม่ต้องฝืนให้ข้อเสนอครีมบำรุงผิวใดๆ กับคนกลุ่มนั้น แต่ถ้าเราค้นพบว่าคนที่ชอบซื้อลิปสติกนั้นชอบที่จะซื้ออายไลน์เนอร์ สิ่งที่เราต้องทำก็คือแนะนำให้เค้าได้รู้จักอายไลน์เนอร์ที่เข้ากับสีลิปสติกล่าสุดที่เพิ่งซื้อไป นี่เป็นตัวอย่างง่ายๆ ของการมี Model ที่ดีเพื่อเอาไปทำ Marketing ที่มีประสิทธิภาพของนักการตลาดในยุค Data ครับ
เพราะวิธีการสร้าง Model เพื่อเพิ่มยอดขายหรือ Cross-sell หรือ Upsell ก็คือการทดลองสมมติฐานที่มีแล้ววัดผลว่าเพิ่มยอดขายได้ดีจริงอย่างที่คาดหวังมั้ย จากนั้นก็ค่อยๆ ปรับปรุงไปเรื่อยๆ จนโมเดลมีความแม่นยำมากพอจนเราสามารถประหยัดงบการตลาดที่ไม่จำเป็นออกไปได้มากมายครับ
3. Data Science ช่วยให้คุณเข้าใจว่าอะไรคือ Next Best ของลูกค้าที่แท้จริง
การจะ Cross-sell หรือ Upsell ได้ประสบความสำเร็จนั้นไม่ใช่แค่การเสนอขายอะไรไปก็ได้ ก็เหมือนกับที่ร้านสะดวกซื้อมักจะพยายามขายในสิ่งที่เราไม่ค่อยอยากได้ เหมือนพยายาม Cross-sell upsell ไปโดยที่ไม่เคยพยายามทำความเข้าใจหรือวิเคราะห์อะไรในตัวเรามาก่อนเลย
ดังนั้นการ Cross-sell และ Upsell นั้นไม่ใช่แค่การให้ข้อเสนออะไรก็ได้กับลูกค้า แต่ยังต้องเป็นการเลือกมาให้ในเฉพาะสิ่งที่ลูกค้าคนนั้นน่าจะต้องการมันมากที่สุดด้วยครับ
Next Best ที่ดีคือการทำ Recommendation Model หรือการแนะนำสินค้าหรือบริการที่ลูกค้าแต่ละคนน่าจะอยากได้ โดยผ่านการวิเคราะห์ Customer data เพื่อหาว่าแต่ละคนน่าจะอยากได้อะไรนั่นเองครับ ซึ่งรวมไปถึงการวิเคราะห์จนพบว่าอะไรที่จะเป็นตัวแปรสำคัญที่เอาไว้กระตุ้นให้ลูกค้าคนนั้นอยากซื้อมากขึ้นได้ ดังนั้น Next Best Model ที่ดีคือการสามารถบอกได้ว่า “ใคร” กำลังจะอยากได้ “อะไร” “ที่ไหน” และ “เมื่อไหร่” ใน “ช่องทาง” ไหนที่จะได้ผลที่สุด
เพราะ Next Best Model ที่ดีต้องสามารถให้ในสิ่งที่คนกำลังต้องการได้โดยไม่ยังต้องเอ่ยปากถามหรือกดปุ่มซื้อ ก็เหมือนกับ Amazon ที่ประกาศว่าในอนาคตพวกเขาจะสามารถเอาสินค้าที่ลูกค้าแต่ละคนกำลังจะต้องการซื้อในอีกสองสามวันข้างหน้าไปวางรอไว้ที่ประตูหน้าบ้านตั้งแต่วันนี้เลย ดังนั้นถ้า Amazon ไม่สามารถสร้าง Next Best Model ที่แม่นยำมากพอ รับรองว่า Amazon ต้องเจ๊งเพราะเสียเวลาเอาของไปวางและต้องเสียค่าน้ำมันเพื่อไปเก็บของที่ลูกค้าไม่หยิบไปใช้กลับคืนมาครับ
4. Market Basket Analysis เมื่อเรารู้ว่าสินค้าแบบไหนที่คนมักซื้อคู่กัน เราก็สามารถสะกิดให้เค้าซื้อเพิ่มได้อย่างง่ายดายกว่าเดิม
การทำ Data Science ช่วยให้เรารู้ได้ว่าสินค้าอะไรที่คนมักซื้อคู่กัน เช่น จากที่ผมกับพาร์ทเนอร์ทำให้ลูกค้าแบรนด์รองเท้าหนังรายหนึ่งพบว่า ลูกค้าที่มักซื้อรองเท้าทรง Oxford กลุ่มหนึ่งมีแนวโน้มจะกลับมาซื้อรองเท้าทรง Loafer ภายในสามเดือน หรือคนที่ซื้อรองเท้าทรง Loafer ที่ซื้ออุปกรณ์ดูแลเครื่องหนังมักจะกลับมาซื้อรองเท้าเพิ่มอีกคู่ในอีก 2 เดือนข้างหน้าครับ
ดังนั้นจากการวิเคราะห์ข้อมูลในอดีตหรือที่เรียกว่า Historial data ทำให้เราสามารถค้นพบสินค้าที่มักมีการซื้อสัมพันธ์กันได้อย่างแม่นยำอย่างที่คนทั่วไปคาดเดาเองไม่ได้
เทคนิคการวิเคราะห์ที่การซื้อในตะกร้าสินค้าหรือที่เรียกว่า Market Basket Analysis หรือที่เรียกย่อๆ ว่า MBA คือการวิเคาะห์ข้อมูลโดยดูจากสิ่งที่คนมักจะซื้อคู่กันเป็นประจำ หรือสามารถเอาข้อมูลตรงนี้มาใช้ในการวิเคราะห์แบ่งแยก Segmentation ของลูกค้าด้วยก็ยังได้ ซึ่งถ้าใครอยากรู้เรื่องเพิ่มเติมสามารถเสิร์ชคำว่า Product Association Analysis เพื่อศึกษาต่อได้ในกูเกิลไม่ยากครับ
การวิเคราะห์รูปแบบหรือพฤติกรรมการซื้อที่ส่งเสริมกันนี้ช่วยให้การ Cross-sell และ Upsell เป็นไปได้อย่างมีประสิทธิภาพเพิ่มขึ้นมาก
ซึ่งถ้าเราค้นพบเจอได้ว่าสินค้าแบบไหนหรือบริการอะไรที่ลูกค้าชอบใช้ควบคู่กัน หรือลูกค้าชอบซื้อสินค้าอะไรจากเราเป็นหลักแล้วก็มักจะซื้ออะไรบางอย่างเพิ่มด้วยเสมอ ซึ่งอาจจะเรียกวิธีนี้ได้ว่า Product Association หรือการวิเคราะห์หาว่าคนที่ซื้อ A มักจะซื้ออะไรพ่วงด้วยนั่นเองครับ
ซึ่งเมื่อถ้าเรารู้แล้วว่าลูกค้าที่ซื้อ A มักชอบซื้อ B เราก็สามารถใช้ B มาเพื่อ Upsell หรือ Cross-sell ลูกค้าได้ง่ายกว่าการเสนออะไรให้ก็ไม่รู้ที่ไม่ได้น่าจะเกี่ยวกับเค้าเลย เหมือนที่ห้างสรรพสินค้าแห่งหนึ่งในอเมริกาพบว่าลูกค้าที่ซื้อเบียร์เป็นแพ็คมักจะซื้อผ้าอ้อมควบคู่ไปด้วย ทางห้างเราจัดเอาเบียร์แพ็คใหญ่กับผ้าอ้อมแพ็คใหญ่มาไว้คู่กัน ผลปรากฏว่ายอดขายเพิ่มขึ้นถล่มทลายจากสินค้าสองชิ้นนี้
5. Data Science ช่วยในการทำ Clustering ยิ่งแบ่งกลุ่มออกมาได้มากเท่าไหร่ ก็ยิ่งง่ายต่อการ Cross-sell & Upsell มากเท่านั้น
เมื่อเราเอา Data ที่มีความหลากหลายมาให้ Machine learning ช่วยประมวลผลก็จะทำให้เราสามารถแบ่งกลุ่มลูกค้าออกมาหลากหลายมากขึ้น โดยดูจากพฤติกรรมที่มีความคล้ายคลึงกันในหลายๆ ด้าน โดยแต่ละกลุ่มที่ถูกแบ่งแยกย่อยออกมาก็จะมีความคล้ายกันอย่างมากในแบบที่คนทั่วไปยากจะทำเองได้ เช่น ถ้าลูกค้าแบรนด์ร้านขายเครื่องสำอางคอาจจะแบ่งออกได้เป็น 5 กลุ่มย่อยจากพฤติกรรมที่มีความคล้ายคลึงกัน กลุ่มแรกอาจจะเป็นกลุ่มที่ชอบลิปสตลิก อีกกลุ่มชอบครีมบำรุงผิว อีกกลุ่มเป็นสายรักษาดูแลผม อีกกลุ่มเป็นกลุ่มชอบซื้อเครื่องสำอางที่เกี่ยวกับตา กลุ่มสุดท้ายคือกลุ่มที่ใช้เครื่องสำอางดูแลใบหน้าแบบรวมๆ
และด้วยความที่มีความเหมือนกันอย่างมากในแต่ละกลุ่มที่ถูกแบ่งแยกย่อยด้วยการทำ Custering ก็ทำให้นักการตลาดอย่างเราง่ายที่จะทำโปรโมชั่นที่เหมือนๆ กันออกไปแล้วได้ผลกับคนทั้งกลุ่มนั้น นั่นหมายความว่ายิ่งเราสามารถแบ่งกลุ่มลูกค้าออกมาได้มากเท่าไหร่ และแต่ละกลุ่มที่ถูกแบ่งออกมายิ่งมีความเหมือนกันมากแค่ไหน การทำการตลาดในอีกต่อไปก็จะมีความแม่นยำที่ตรงใจในระดับ Personalization มากขึ้นจากการทำ Segmentation ครับ
6. Data Science ขั้นสุดกับ Deep Learning and Deep Neural Networks
ขั้นสุดของการทำ Data Analytics คือการใช้เทคนิค Deep learning ที่เป็นส่วนหนึ่งของ Machine learning เข้ามาช่วย ซึ่งความแตกต่างหลักๆ ระหว่างการใช้ Machine learning กับ Deep learning คือการเรียนรู้เชิงลึกด้วยตัวเองของเครื่องจักรโดยไม่ต้องมีใครมาสอน โดย Deep learning จะเอาการตัดสินใจของคนว่าจะ upsell หรือ cross-sell อย่างไร แต่ระบบจะหาทางเรียนรู้และเข้าใจด้วยตัวเองว่าต้องทำอย่างไรถึงจะ upsell และ cross-sell ได้อย่างมีประสิทธิภาพ เรียกได้ว่าเป็นการทำที่ Advance ขั้นสุดของการใช้ Data Science มาช่วยงานการตลาดหรืองานในทุกด้านเลย
สรุปข้อดีของการทำ Data Science เพื่อช่วยนักการตลาดให้สามารถเพิ่มยอดขายด้วยการ Cross-sell และ Upsale ได้อย่างแม่นยำตรงจุดและรู้ใจกลุ่มเป้าหมายจริงๆ
เพราะถ้าคุณสามารถระบุได้ว่าลูกค้าคุณเป็นอย่างไร พวกเขาแบ่งออกได้เป็นกี่กลุ่มตามพฤติกรรมที่แตกต่างกัน แล้วอะไรบ้างที่พวกเขามักจะชอบซื้อควบคู่กันบ่อยๆ แล้วเมื่อไหร่ที่พวกเขาน่าจะกลับมาซื้อซ้ำ แล้วเราควรจะต้องทำอย่างไรถ้าเขาไม่กลับมาในเวลาที่ควรจะเป็น จะเห็นว่าการใช้ Data Science เพื่อทำ Data Analytics นั้นทำให้เราสามารถตอบคำถามทั้งหมดที่กล่าวมาได้ และถ้าคุณสามารถทำได้ดีคุณก็จะมีลูกค้าที่อยู่กับคุณนานขึ้นรวมไปถึงใช้เงินกับคุณเพิ่มขึ้น ซึ่งทั้งหมดทั้งมวลก็คือการเพิ่ม Customer Lifetime Value ที่จะส่งผลสำคัญต่อรายได้และกำไรของธุรกิจ ถึงเวลาแล้วครับที่นักการตลาดยุคใหม่ต้องเข้าใจในเรื่อง Data ให้รอบด้าน แม้เราจะไม่ถนัดในการเขียนโปรแกรมเองเป็น แต่ถ้าเรารู้ขั้นตอนการทำงานกับ Data เป็นอย่างไร เราก็จะสามารถคุยกับทีม Data Science ให้ทำงานได้ตรงใจเราไม่ยากครับ
อ่านบทความการทำการตลาดด้วย Data-Driven ต่อ > https://www.everydaymarketing.co/tag/data-driven/
