8 ขั้นตอนทำ Customer Segmentation Analytics ตอนจบ

8 ขั้นตอนทำ Customer Segmentation Analytics ตอนจบ

จากบทความแรกของสรุป 8 ขั้นตอนการทำ Customer Segementation ให้ประสบความสำเร็จตอนที่หนึ่งก็ดูจะได้รับความสนใจจากเพื่อนๆ นักการตลาดสายดาต้าในการตลาดวันละตอนหลายคน (แชร์กันไปเป็นพัน) มาวันนี้เราจะมาอ่านกันต่ออีก 4 ขั้นตอนที่เหลือกันว่า หลังสังเกตุหา Pattern เจอแล้ว ตั้งสมมติฐานให้กับ Pattern นั้น จากนั้นก็ทดลอง A/B Test ดูว่าสมมติฐานที่คิดไว้จริงมากน้อยแค่ไหน แล้วก็ลองวิเคราะห์หาว่ามันส่งผลต่อธุรกิจหรือไม่ มาสู่ขั้นตอนที่ 5 กัน นั่นก็คือการสร้างข้อสรุปครับ

5. หาข้อสรุปออกมาเป็น Insight

Caucasian advisor financial business analytics woman with data dashboard graphs

Insight คือสิ่งที่อธิบายเบื้องหลังการกระทำ มันคือการอนุมานหรือตีความจาก Data จากสิ่งที่เห็นว่าเพราะเหตุใดมันถึงเป็นแบบนั้น หรือมันคือการหา Why ที่ซ่อนอยู่หลัง What นั่นเองครับ

เช่น วันเสาร์สินค้า Segments เครื่องดื่ม + ขนม ขายดีกว่าวันธรรมดาของสัปดาห์อย่างมาก จนเมื่อลงไปทำความเข้า Context ของ Data หน้างานจึงพบว่า เป็นกลุ่มลูกค้าที่เป็นกลุ่มแม่บ้าน ชอบแวะมาซื้อเป็นจำนวนมากไปเผื่อคนในครอบครัวให้กินได้ตลอดสัปดาห์ด้วย

หรือ พบว่ากลุ่มลูกค้า Segments หนึ่งของเราชอบมาซื้อของช่วงสายวันธรรมดา และแทบไม่เข้ามาในช่วงวันและเวลาอื่นโดย โดยเฉพาะวันเสาร์อาทิตย์ จนลงไปทำความเข้าที่มาที่ไปของ Data จึงพบว่า คนกลุ่มนี้เป็นลูกค้ากลุ่ม Exclusive มากๆ แค่อยากมาซื้อของให้เสร็จแล้วกลับ ไม่ชอบเดินเบียดเสียดกับใคร ไม่ชอบแย่งกินแย่งใช้เงินในวันหยุดหรือหลังเลิกงานเหมือนคนอื่นครับ

หรือกับเว็บไซต์ เราอาจอนุมานว่าคนที่เข้ามาดูหน้าเว็บที่เป็นเนื้อหาท่องเที่ยวบ่อยๆ จะถูกจัดกลุ่มว่าเป็น Interest Travel ก็เป็นได้ นั่นก็ถือเป็นการอนุมานหาข้อสรุปอย่างนึง จาก Data เท่าที่มี อย่างเว็บการตลาดวันละตอนเองก็จะมีการสร้าง Audience Segments ที่มีชื่อว่า Researcher โดยใช้ Criteria ว่าเป็นคนที่เปิดเข้ามาอ่านเกิน 12 หน้า และใช้เวลาเกิน 30 นาที เพราะมันคงไม่มีเหตุผลอื่นที่เขาจะต้องเข้ามาใช้เวลาในเว็บนี้มากขนาดนั้น ถ้าแค่หลงเข้ามาหรืออยากอ่านอะไรบางอย่าง จากนั้นสิ่งที่ผมทำต่อคือหาว่าจุดร่วมของ Researcher Segments นั้นมีอะไรบ้าง

เช่น หน้าแรกที่เข้ามาคือหน้าไหนเป็นส่วนใหญ่ จะได้ไปปรับปรุงเนื้อหาหน้านั้นให้ดีขึ้น หรือเพิ่มหน้าที่มีเนื้อหาแบบนั้นขึ้นอีก

คุณอาจสงสัยว่าทำไมเราต้องใช้การอนุมานหรือคาดเดาเอาหละ เพราะเราไม่สามารถสแกนสมองของกลุ่มเป้าหมายด้วยเครื่อง fMRI เพื่อดูสิ่งที่เขาคิดจริงๆ ได้ แต่เราก็พยายามใช้หลักการ การคิด การวิเคราะห์ การตีความออกมาให้เข้าใจว่าเขาทำแบบนี้เพราะเขาน่าจะคิดอะไรอยู่

ซึ่งในขั้นตอนการอนุมานออกมาเป็นข้อสรุป Insight ก็อย่างเช่น ถ้าเรา Data Analytics ออกมาได้ 2 Customer Segments ที่ชัดเจนว่าแตกต่างกันเมื่อดูจาก Conversion rates จากการทดสอบว่ากลุ่มคนที่รู้จักแบรนด์ดีน่าจะไม่จำเป็นต้องให้ข้อมูลเยอะ ก็พร้อมกดซื้อแล้ว ส่วนกลุ่มคนที่ยังไม่รู้จักแบรนด์ต้องให้ข้อมูลเกี่ยวกับแบรนด์เยอะๆ หน่อย Conversion ถึงจะตามมา

ซึ่งข้อสรุปนี้จะผ่านมาจาก 4 ขั้นตอนในบทแรก คือเห็นจาก Pattern แล้วทำการทดสอบกับกลุ่ม Segments ที่แตกต่างกัน ด้วยการวัดว่ากลุ่มคนที่เข้ามาผ่านการค้นหาคีย์เวิร์ดชื่อแบรนด์ให้เห็นตัวแปร A ที่มีข้อมูลเกี่ยวกับแบรนด์น้อย แต่เน้น Call to Action ให้เกิด Conversion เลย กลุ่มนี้คือ Segment ที่รู้จักแบรนด์ดี แล้วเอามาเทียบผลกับกลุ่มเดียวกันแต่ให้ตัวแปรเนื้อหาหน้าเว็บที่ต่างกัน คือมี information สินค้าเยอะมาก และปุ่ม Call to Action ก็อยู่ข้างล่างสุด

เมื่อวัดผลจาก Conversion rate ที่เกิดขึ้นคือกลุ่มแรกที่ทำการทดสอบนั้นได้ Conversion สูงกว่ากลุ่มหลัง แม้จะเป็น Segment เดียวกันแต่ตัวแปรในการทดสอบแตกต่างกัน แล้วเราก็สร้างอีก Segment หนึ่งขึ้นมาโดยเป็นกลุ่มคนที่ยังไม่ค่อยรู้จักแบรนด์

เราอาจจะใช้ตัวชี้วัดกลุ่มนี้จากคำที่เสิร์จค้นหา เป็นคำกลางๆ ประเภทชื่อชนิดสินค้า ไม่ใช่ชื่อแบรนด์ตรงๆ จากนั้นก็เอามาเข้า 2 ตัวแปรเว็บไซต์มีเนื้อหาแตกต่างกันเหมือน Segment แรกที่รู้จักแบรนด์ดี แล้วถ้าผลลัพธ์ที่ได้ออกมาคือใน Segment ที่ไม่รู้จักแบรนด์มาก่อนนี้ ในตัวแปรที่สอง ที่ให้เนื้อหาแบรนด์เยอะๆ ก่อให้เกิด Conversion rate มากกว่า จึงจะออกเป็นข้อสรุป Insight ที่ว่า Segment ที่รู้จักแบรนด์ดีไม่ต้องพูดเยอะ ให้คลิ๊กซื้อเลย ส่วน Segment ที่ไม่รู้จักแบรนด์ดีต้องให้ข้อมูลก่อน การซื้อจึงจะเพิ่มขึ้น

เพราะ ความคุ้นเคยทำให้เรารู้อยู่แล้วว่าดีอย่างไร วัตถุประสงค์คืออยากได้มากกว่าอยากรู้ จริงๆ เรื่องนี้ก็เหมือนกับเนื้อหาในหนังสือ Contextual Marketing ที่ผมเคยเขียนไว้ในเล่มที่ 4 ด้วยครับ

แต่ทั้งนี้ทั้งนั้นก็อย่าเพิ่งรีบสรุปเหมารวมว่า Insight นี้จะใช้ได้กับทุกอย่างไปเสียทั้งหมด เพราะเรายังมีขั้นตอนถัดไปในลำดับที่ 6 ที่เราจะต้องเอาข้อสรุป Insight นี้ไปทดสอบกับหัวข้ออื่นที่กว้างขึ้น ก่อนจะเอาไปยกระดับเป็น Faq ที่เป็นแบบนี้จริงเป็นส่วนใหญ่ครับ

6. Validate Insight ตรวจสอบว่าใช้ได้จริงในทุก Segments

ในการทำงานกับ Data ผมมักย้ำกับผู้เรียนและลูกค้าที่ผมเข้าไปเป็นที่ปรึกษาเสมอว่า เวลาเจอ Spike หรือ Pattern ไหน อย่าเพิ่งปักธงลงใจว่ามันจะเป็นแบบนั้นเสมอไปในทุกครั้งนะ ดังนั้นในขั้นตอนที่ 6 ของการทำ Customer Segmentation Analysis เราต้องตรวจสอบสมมติฐาน Insight ที่เราพบเจอจากข้อ 5 ให้แน่ใจว่ามันทำซ้ำได้ และเกิดขึ้นจริงในบริบทอื่นด้วยเสมอไป

ไม่ใช่เกิดขึ้นแค่ช่วงเวลาใดช่วงเวลาหนึ่ง แล้วพอผ่านไปอีกช่วงเวลาหนึ่งก็กลับไม่เกิดขึ้นอีกเลย

เราต้องเอา Insight ที่ค้นพบไปลองดูกับสถานการณ์อื่นควบคู่ด้วย เพื่อตรวจสอบความแม่นยำที่เกิดขึ้นว่าได้ผลลัพธ์แบบเดียวกันไหม ถ้าไม่ก็ค่อยๆ กลับไปดูทีละขั้นตอนว่ามีจุดไหนที่อาจเป็นตัวแปรสำคัญ แต่ถ้าใช่ทีนี้ก็สบายเพราะคุณได้ค้นพบ Tangible Insight ที่จะกลายเป็นสัจธรรมส่งต่อให้นักการตลาดรุ่นหลังสามารถเอาไปประยุกต์ใช้และทำซ้ำได้ครับ

7. สรุปออกมาเป็นทฤษฎี Tangible Insight

การจะออกมาเป็นทฤษฎีที่แม่นยำหรือ Tangible Insight ได้ไม่ง่าย ต้องผ่านขั้นตอนมามากมาย อย่างน้อยก็ 6 ขั้นตอนที่เล่าไป ต้องมีการทดสอบทำซ้ำในสถานการณ์ที่คล้ายคลึงกัน เว็บเราอาจได้ผล แล้วเว็บอื่นที่เหมือนกันหละได้ผลเหมือนกันหรือเปล่า

หรือธุรกิจที่คล้ายกับเรามี Pattern แบบเดียวกันของ Data หรือไม่ ถ้าใช่เราก็มี Tangible Insight ที่มีความแม่นยำและน่าเชื่อถือไปพร้อมกัน เราจะอธิบายได้ว่าทุกครั้งที่เกิดเหตุการณ์แบบนี้ขึ้น เป็นเพราะสาเหตุใด และมันจะส่งผลให้เกิดอะไรตามมา ดังนั้นเราจะใช้โอกาสจากสถานการณ์นี้ได้อย่างไร

สมมติ Tangible Insight ที่คุ้นเคย ฝนตก รถติด เพราะน้ำท่วมขัง รถต้องชะลอความเร็ว จึงทำให้รถติดบนถนนนานกว่าปกติ ดังนั้นเราจะทำการตลาดอย่างไรดี ทำโปรโมชั่นแบบ Contextual Marketing ให้คนซื้อไปกินรองท้องบนรถดีหรือไม่ หรือชวนให้คนแวะเดินเที่ยวในห้องสรรพสินค้าเราด้วยส่วนลดพิเศษหนีช่วงฝนตกรถติดก็ว่าไป ขึ้นอยู่กับว่าเราจะมีไอเดียการตลาดแบบไหนที่ถูกใจลูกค้ามากกว่ากัน

หรือถ้าเราวิเคราะห์แล้วเจอว่ากลุ่มลูกค้าผู้หญิงนิยมซื้อสินค้าอุปกรณ์ออกกำลังกายสีชมพูมากกว่าสีอื่นถึง 3 เท่า แล้วเราทดสอบกับสินค้าประเภทอื่นแล้วพบแบบเดียวกัน เราค่อยสร้างเป็นข้อสรุป Tangible Insight ว่า สีชมพูกระตุ้นยอดขายกับผู้หญิงได้ดีกว่าชัดเจน หรืออย่างน้อยก็ต้องเป็นในกลุ่มสินค้าเครื่องออกกำลังกายเหมือนกัน ไม่ใช่แค่บางชิ้นบางอันเท่านั้น เพราะมันจะต้องสามารถพิสูจน์ทำซ้ำโดยได้ผลลัพธ์ไม่ต่างจากเดิมเกินไป

8. Predictive Marketing การตลาดรู้อนาคต

ยินดีด้วยครับ คุณมาถึงขั้นตอนสุดท้ายของการทำ Customer Segmentation Analytics คุณสามารถแบ่งกลุ่มลูกค้าออกมาได้ชัดเจน แม่นยำ ทำซ้ำได้ รู้ว่าจะต้องทำการตลาดแบบไหนกับลูกค้าแต่ละกลุ่ม ตอนนี้คุณได้ Tangible Insight ที่แบ่งปันกันได้ในองค์กร ต่อให้ใครมาทำงานต่อก็จะสามารถทำการตลาดได้ดีไม่แพ้คนแรกที่ทำไว้

ถึงตอนนี้เราสามารถทำสิ่งที่เรียกว่า Predictive Marketing หรือการตลาดรู้อนาคตได้เสมืองขงเบ้งรู้ฟ้าดิน แต่เรารู้จากการวิเคราะห์ข้อมูลในอดีต ผ่านการทดสอบซ้ำมากพอจนแม่นยำในผลลัพธ์ เราสามารถรู้ได้ว่าถ้าเกิดสิ่งนี้ขึ้นแล้วจะเกิดอะไรตามมา และนั่นก็ทำให้เรารู้ล่วงหน้าว่าเราควรจะรับมืออย่างไรเพื่อให้ยอดขายดีขึ้น หรือลดการเสียหายในอนาคตลงครับ

สรุป 8 ขั้นตอนการทำ Customer Segmentation Analytics วิเคราะห์แบ่งกลุ่มลูกค้าอย่างไรให้ประสบความสำเร็จ

สรุป 8 ขั้นตอนการทำ Customer Segmentation ให้ประสบความสำเร็จ ประกอบด้วยการตั้งสมมติฐาน และใช้ A/B Testing เพื่อเก็บ Data มาวัดผลต่อไป
  1. สังเกต มองหา Pattern ที่คุณไม่เคยเห็นหรือไม่เคยเข้าใจมาก่อน
  2. Hypothesize ตั้งสมมติฐาน ว่ามันน่าจะเป็นอย่างนี้เพราะอะไร
  3. A/B Test ทดสอบสมมติฐานที่ตั้งไว้ ด้วยการแบ่งกลุ่มอย่างน้อย 2 Segments และ 2 ตัวแปร เพื่อดูว่าผลลัพธ์ที่ได้นั้นต่างกันชัดเจน
  4. วัดผล เน้นการวัดผลลัพธ์ที่ส่งผลต่อธุรกิจ ไม่วัดแค่ยอด Click ที่ไม่สลักสำคัญอะไรกับเรา
  5. อนุมานข้อสรุป Insight เบื้องต้น หาคำอธิบายให้ได้ว่า Why เบื้องหลัง What ที่เกิดขึ้นน่าจะมาจากอะไร
  6. Validate Insight พิสูจน์ให้แน่ใจว่ามันไม่ได้แค่บังเอิญเกิดขึ้นครั้งเดียว แต่มันเป็นแบบนี้ทุกครั้ง
  7. สรุปออกมาเป็น Tangible Insight เมื่อพิสูจน์ซ้ำแล้วว่ามันคือสัจธรรมทางการตลาดที่ใครๆ ก็สามารถเอาไปใช้งานได้
  8. Predictive Marketing การตลาดรู้อนาคต เมื่อรู้แล้วว่าถ้าเกิดเหตุการณ์แบบนี้ขึ้น จะเกิดอะไรขึ้นตามมา หรือรู้แล้วว่าเหตุการณ์ที่กำลังเกิดขึ้นตรงหน้า มีที่มาที่ไปจากอะไร จากนั้นเราก็สามารถเตรียมตัวให้พร้อมได้ทุกครั้ง ทั้งเพิ่มโอกาสทางการขาย ไปจนถึงลดความเสียหายทางธุรกิจที่จะเกิดขึ้น

และทั้งหมดนี้ก็คือ 8 ขั้นตอน Customer Segmentation Analytics วิเคราะห์หากลุ่มลูกค้าที่มีความคล้ายคลึงกันให้แม่นยำ เพื่อจะได้ทำการตลาดได้ฉลาดขึ้นสมกับที่เราอยู่ในยุค Data-Driven Marketing ครับ

Source: https://www.widerfunnel.com/blog/8-steps-to-amazing-website-segmentation-success/

Nattapon Muangtum

Nattapon Muangtum

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

Leave a Reply

Your email address will not be published.