Case Study จาก 4 แบรนด์ดังที่ทำการตลาดด้วย Hyper-Personalization
ในบทที่แล้วที่เราพูดคุยกันว่าทำไมธุรกิจหรือแบรนด์ในวันนี้ควรต้องรีบเริ่มทำการตลาดแบบ Hyper-Personalization และความต่างระหว่าง Personalization กับ Hyper-Personalization นั้นต่างกันอย่างไร ตอนนี้เราจะมาดูกันว่ากรณีศึกษาจาก 4 แบรนด์ดังระดับโลก อย่าง Amazon.com Starbucks Spotify และ Netflix เค้าทำการตลาดแบบ Hyper-Personalization กันอย่างไร
โดยบทความในตอนนี้จะขอเริ่มที่ Amazon.com เจ้าพ่อ E-Commerce ระดับโลกที่ทำ Hyper-Personalization จนขึ้นชื่อเรื่องระบบแนะนำสินค้าที่ดีที่สุดในโลกครับ
Amazon.com ในวันนี้ไม่ควรถูกเรียกว่า E-Commerce อีกต่อไป แต่ควรเรียกว่าเป็น Me-Commerce ได้แล้ว เพราะเมื่อผู้ใช้เข้าไปก็มักจะเจอแต่สินค้าที่ตัวเองไม่เคยคิดว่าอยากจะได้ แต่กลับต้องหลวมตัวซื้อโน่นนี่นั่นเพิ่มตลอดเวลาทุกที ซึ่งนั่นก็ด้วยระบบ Recommendation เบื้องหลังที่สามารถแนะนำสินค้าได้อย่างรู้ใจลูกค้าแต่ละคนอย่างมาก มากจนทำให้ Amazon.com มีตัวเลข Conversions สูงถึง 35% เลยทีเดียวครับ
วันนี้เราจะลองมาวิเคราะห์แบบ Re-Engineering ดูกันว่า เบื้องหลังระบบ Hyper-Personalization ที่สามารถแนะนำสินค้าได้แบบตรงใจเรามากๆ และรู้ใจเราสุดๆ ของ Amazon.com นั้นทำงานอย่างไร
เมื่อลองเข้าไปที่เว็บ Amazon แล้วค้นหารองเท้าวิ่งสีเขียวแก่ดูซักพัก แล้วปิดเว็บออกไปกลางทางโดยยังไม่กดสั่งซื้อ จากนั้นไม่นานทาง Amazon ก็ส่งอีเมลมาโดยมีเนื้อหาดังนี้ครับ
จากรูปจะเห็นว่าเนื้อหาของ Email แบบ Hyper-Personalization จะเหนือกว่า Personalization แบบเดิมที่อาจจะปรับเปลี่ยนเนื้อหาข้างในด้วยการแค่เรียกชื่อเราเท่านั้น หรือเอาแค่รายการสินค้าที่เราเพิ่งค้นหาแล้วปิดออกไปกลับมากระตุ้นเราเท่านั้น ถ้าอยากรู้ว่าเนื้อหาในอีเมลที่ดูธรรมดาๆ แบบนี้มันว้าวอย่างไร เราจะมาวิเคราะห์เจาะลึกกันทีละจุดไปพร้อมกันครับ
วิเคราะห์ Email แบบ Hyper-Personalization จาก Amazon.com
เนื้อหาในอีเมลนี้ใช้ Data point หลายส่วนประกอบกันมาก เริ่มต้นที่ ชื่อ ที่เป็นพื้นฐานของการทำ Personalization แต่พอเป็น Hyper-Personalization จะมีการเอา “คำที่เราใช้ค้นหา” มาใช้ปรับแต่งที่หัวอีเมลเพื่อทำให้เราสนใจมากขึ้นด้วย เพราะอย่างที่บอกว่าผู้ใช้คนนี้ได้ลองค้นหาด้วยคำว่า “รองเท้าวิ่งสีเขียวแก่” แบบ Olive Green ตรงหัวเรื่องอีเมลก็มีการใช้คำนี้ส่งกลับมา
จากนั้นเขาก็ดูจากเวลาที่เราใช้ในการค้นหารองเท้าวิ่งดังกล่าว บวกกับข้อมูลสินค้าที่เราเคยซื้อจาก Amazon ในอดีต แบรนด์ที่เราชอบซื้อเป็นประจำ พฤติกรรมการค้นหาสินค้าของเรา ช่วงเวลาที่เราชอบซื้อ เงินที่เราใช้ในการซื้อแต่ละครั้ง และข้อมูลอื่นๆ ซึ่งทั้งหมดนี้ถูกเอามาปรับแต่งเนื้อหาในอีเมลให้มีความรู้ใจเราอย่างมาก เพราะจะเห็นว่าเนื้อหาข้างในอีเมลจะเป็นการแนะนำรองเท้ายี่ห้อ Puma ซึ่งเป็นรองเท้าที่ผู้ทดลองคนนี้ชอบสั่งจากทาง Amazon และเรื่องของช่วงราคาก็เหมือนกัน ระบบ Marketing automation ไม่ได้ส่งแนะนำมามั่วๆ แต่ดูแล้วว่าผู้ใช้คนนี้มักซื้อรองเท้าในราคาประมาณนี้แหละ ดังนั้นถ้าส่งที่ราคาถูกไปก็ไม่ดี เสีย Busket Size ไปเปล่าๆ ส่วนถ้าแนะนำสินค้าที่แพงเกินไปมากก็ยากที่ลูกค้าจะกลั้นใจซื้อไหว
จะเห็นว่าระบบ Recommendation ของ Amazon ที่เรียกว่า item-to-item collaborative หรือระบบแนะนำสินค้าที่คุณน่าจะชอบที่มาจากลูกค้าคนอื่นที่มีลักษณะคล้ายคุณเพียงแต่คุณยังไม่เคยซื้อมัน นั้นใช้ Data point จาก 4 ส่วนด้วยกัน ซึ่งประกอบด้วย…
- ข้อมูลการซื้อในอดีตของเรา
- สินค้าที่เคยเอาใส่ Shopping cart ทั้งที่กดซื้อและยังไม่กดซื้อ
- สินค้าที่เราเคยกดให้คะแนน หรือกดให้เป็น Wishlist
- สินค้าที่ลูกค้าคนอื่นที่มีลักษณะคล้ายเราชอบซื้อ แต่เรายังไม่เคยซื้อ
สรุปได้ว่า ในกรณีเว็บไซต์ E-Commerce ของ Amazon.com ที่ทำการตลาดแบบ Hyper-Personalization จนกลายเป็น Me-Commerce ด้วยระบบ Recommendation หรือแนะนำสินค้าได้อย่างโคตรจะรู้ใจลูกค้าสูงกว่า 60% ครับ
ในตอนหน้าเราจะมาดูกันอีกกับ 3 แบรนด์ดังที่เหลือว่า Starbucks, Spotify และ Netflix นั้นทำการตลาดแบบ Hyper-Personalization กันอย่างไรครับ > https://www.everydaymarketing.co/knowledge/case-study-hyper-personalization-from-top-brand-starbucks-spotify-and-netflix/
อ่าน Content Series ชุด Hyper-Personalization ตอนที่ 1 Personalization กับ Hyper-Personalization ต่างกันอย่างไร > https://www.everydaymarketing.co/knowledge/difference-between-personalization-hyper-personalization/
Source: https://webengage.com/blog/hyper-personalization-marketing-future/
