Case Study การทำ Hyper-Personalization จาก Starbucks, Spotify และ Netflix

มาถึงตอนที่ 3 ของบทความชุด Hyper-Personalization ในตอนแรกเราพูดถึงเรื่องความต่างระหว่าง Personalization กับ Hyper-Personalization รวมถึงว่า Hyper-Personalization นั้นสำคัญอย่างไร แล้วในตอนที่ 2 เราพูดถึง Case Study Hyper-Personalization ของ 4 แบรนด์ดังที่ทำการตลาดแบบ Hyper-Personalization ไปแล้ว 1 แบรนด์ นั่นก็คือ Amazon.com เจ้าพ่อเว็บไซต์ E-Commerce ระดับโลกที่ควรเรียกตัวเองว่า Me-Commerce แทน เพราะระบบแนะนำสินค้าของ Amazon นั้นรู้ใจมากจนทำให้หลายคนต้องเสียทรัพย์เกินกว่าที่ตั้งใจไว้

ในตอนที่ 3 นี้เราจะมาเจาะรายละเอียดการทำ Hyper-Personalization ของอีก 3 แบรนด์ดังรวดในตอนเดียวว่า Starbucks, Spotify และ Netflix พวกเขาทำ Hyper-Personalization กันอย่างไร เพื่อเป็นแนวทางให้นักการตลาดยุคใหม่หรือเจ้าของธุรกิจเอาไปต่อยอดในแบบของตัวเองต่อไปครับ

Case Study ของ Starbucks กับการทำ Hyper-Personalization ผ่านแอป

Starbucks หนึ่งในแบรนด์ที่ได้ชื่อว่าทำการตลาดแบบ Personalization เข้มข้นมาก และเมื่อ Starbucks เอาเทคโนโลยีอย่าง AI เข้ามาช่วยในการวิเคราะห์กับแหล่งข้อมูลภายนอกที่เป็น Real-time data ทำให้ระบบ Marketing automation ของ Starbucks สามารถส่งข้อความหาลูกค้าได้มากถึง 400,000 รูปแบบ ดังนั้นถ้าไม่เรียกว่า Hyper-Personalization ก็ไม่รู้ว่าจะหาคำไหนมาเรียกแล้วแหละครับ

จากรูปภาพจะเห็นว่าทั้งสองหน้าจอเปิดแอปในเวลาเดียวกัน แต่กลับได้รับข้อมูลที่แตกต่างกันไป ซึ่งนั่นก็มาจากการปรับเนื้อหาภายในแอปให้ Personalization ตามพฤติกรรมของผู้ใช้แต่ละคน

และนั่นก็ทำให้ Loyalty program ของ Starbucks เป็นอะไรที่ประสบความสำเร็จมากอย่างน่าทึ่ง ส่งผลให้มีผู้ใช้เป็นประจำมากถึง 13 ล้านคน(ข้อมูลจากปี 2017)

การแนะนำอาหารและเครื่องดื่มภายในแอปนั้นเป็นแบบ Personalization ที่มาจากความเข้าใจลูกค้าแต่ละคนที่แตกต่างกัน ด้วยการใช้ AI วิเคราะห์ข้อมูลการซื้อย้อนหลังออกมาเป็นพฤติกรรมการกินของลูกค้าแต่ละคน ทำให้เมื่อแอปแนะนำอะไรให้ก็มักจะถูกใจทุกครั้งเมื่อเปิดแอปขึ้นมา(ทำไมในบ้านเรายังไม่ค่อยเป็นนะ หรือผมไม่รู้สึกอยู่คนเดียว)

และ Starbucks ก็ยังกระตุ้นให้ลูกค้ากลับมาซื้อซ้ำด้วยการสร้างเกมแบบ Personalized ที่ส่งผ่านอีเมลและให้เข้ามาเล่นด้วยมือถือได้

แอป Starbucks จะมีการส่ง Notification ไปหาลูกค้าชั้นดีในกรณีที่อยู่ใกล้สาขาที่สามารถสั่งกาแฟและจ่ายผ่านมือถือได้ เพื่อกระตุ้นให้เกิดการตัดสินใจซื้อง่ายขึ้นโดยยังไม่ต้องเดินผ่านหน้าร้าน

Take out from Hyper-Personalization of Starbucks

1. แคมเปญการตลาดของ Starbucks ได้ผลลัพธ์ที่ดีขึ้นกว่าเดิมถึง 3 เท่า
2. มีคนใช้สิทธิ์ผ่านอีเมลเพิ่มขึ้นถึง 2 เท่า
3. มีคนใช้เงินเพิ่มขึ้นเมื่อได้รับข้อเสนอแบบ Personalized offer ถึง 3 เท่า
4. 24% ของการใช้รายได้มาจากการใช้เงินผ่านแอปทางมือถือ ทำให้ง่ายต่อการเก็บ Data มาวิเคราะห์ต่อในอนาคต

Case Study การใช้ Hyper-Personalization ทำให้คนฟังติด Spotify งอมแงม

Spotify ในวันนี้เป็นแอปฟังเพลงแบบ Streaming ที่มีผู้ใช้มากเป็นอันดับต้นๆ ของโลก และหนึ่งในเคล็ดลับความสำเร็จก็มาจากฟีเจอร์มหัศจรรย์ที่ชื่อว่า Discover Weekly ที่กลายเป็นฟีเจอร์ฮิตของผู้ฟัง Spotify กันยกใหญ่ในทันที

เพราะเมื่อฟีเจอร์ Discover Weekly เปิดตัวออกมาได้ไม่นานก็พบข้อมูลว่าจากผู้ใช้งาน 40 ล้านคนนั้นมีการฟังเพลงรวมกันเพิ่มขึ้นกว่า 5,000 ล้านครั้ง!

ผมขออธิบายคอนเซปการทำงานของฟีเจอร์ Discover Weekly ให้ฟังสั้นๆ ก่อน แล้วค่อยมาลงรายละเอียดแบบลึกๆ ต่อให้ฟังในทีหลัง ซึ่งการทำงานของฟีเจอร์นี้เหมือนกับการแนะนำสินค้าของ Amazon.com ที่ดูว่าคนฟังเป็นคนแบบไหน ชอบฟังเพลงอะไร ให้คะแนนเพลงไหนดีบ้าง จากนั้นก็เอาข้อมูลเราไปเปรียบเทียบกับผู้ฟังคนอื่นที่มีความชอบคล้ายกับเรา และก็ดูว่ามีเพลงไหนบ้างที่เค้าฟังแล้วแต่เรายังไม่ได้ฟัง แล้วฟีเจอร์นี้ก็จะเอาเพลงนั้นมาแนะนำให้เราลองฟังดูครับ

และนั่นก็คือสาเหตุที่ผู้คนจำนวนมากติดฟีเจอร์นี้บน Spotify มาก มากจนรอดูว่าสัปดาห์หน้าจะแนะนำเพลงอะไรใหม่ๆ มาให้เราฟังบ้าง หรือแม้กระทั่งบางครั้งเป็นเพลงเก่าที่เราเคยฟังก็ตาม และด้วยฟีเจอร์นี้ทำให้ศิลปินกว่า 8,000 คน มีอัตราการเข้ามาฟังเพลงเพิ่มขึ้นกว่า 50% เลยทีเดียว

และด้วยฟีเจอร์ Live Concert ที่ช่วยให้คุณสามารถหาคอนเสิร์ตในแบบ Personalized ที่มาจาก Data การฟังเพลงของคุณบน Spotify ก็ทำให้คนฟังมีโอกาสได้เจอศิลปินที่ตัวเองชอบง่ายขึ้น หรือแม้แต่ถ้าไม่เจอศิลปินที่ชอบ แต่ก็ยังมีโอกาสที่จะได้เจอกับศิลปินใหม่แต่ยังเป็นแนวเพลงที่ตัวเองชอบ และแน่นอนว่าก็ทำให้ Spotify ทำเงินได้จากการขายตั๋วคอนเสิร์ตอีกทางหนึ่ง

โดย Spotify จะส่งอีเมลไปหาลูกค้าผู้ฟังแต่ละคนเกี่ยวกับงานคอนเสิร์ตที่กำลังจะมีขึ้นใกล้ตัวลูกค้าแต่ละคนเร็วๆ นี้ โดยจะแนะนำเฉพาะคอนเสิร์ตที่เป็นแนวเพลงที่คนฟังแต่ละคนชอบ หรือแม้แต่จะเป็นศิลปินที่คนนั้นชอบฟังเป็นทุนเดิมอยู่แล้วก็ตาม โดยเนื้อหาในอีเมลจะ Personalized ตามพฤติกรรมการฟังเพลงของแต่ละคนดังภาพตัวอย่างด้านล่างนี้

เนื้อหาภายในอีเมลจะถูก Personalization ให้ตรงกับผู้อ่านแต่ละคนมากที่สุด เริ่มตั้งแต่บอกให้รู้ว่าศิลปินคนนี้เขารู้นะว่าคุณเป็นคนที่ชอบฟังเพลงของเขามาก และนี่ก็เป็นโอกาสดีที่จะได้มาเจอกัน จากนั้นก็ทำให้รู้สึกพิเศษขึ้นด้วยการบอกว่าคุณจะสามารถซื้อตั๋วเข้างานคอนเสิร์ตนี้ได้มากถึง 6 ใบด้วยการใส่รหัสลับตามนี้ และสุดท้ายมีการชวนให้ฟังเพลงใหม่พิเศษก่อนงานคอนเสิร์ตนี้ครับ

จะเห็นว่าปกติอีเมลชวนร่วมงานอีเวนท์หรือคอนเสิร์ตก็มักจะใช้ข้อความที่มีเนื้อหาเหมือนๆ กันหมด จะต่างกันหน่อยก็แค่มีการใส่ชื่อเราเข้าไปที่เนื้อหาบางส่วน แต่ที่เหลือทั้งหมดก็ยังคงเหมือนกับที่ลูกค้าคนอื่นๆ ได้ แต่กับ Spotify นี้ต่างออกกไปอย่างสิ้นเชิง

เมื่อวิเคราะห์การทำงานของระบบแนะนำเพลงแบบ Personalization ของ Spotify จะพบว่า

การจะบอกว่าเพลงไหนกำลังเป็นที่นิยมจริงๆ ไม่ใช่ด้วยการจัดอันดับจากการเปิดแผ่นของ DJ แต่จาก Data ที่มาจากจำนวนครั้งที่เพลงนั้นถูกเปิดฟัง คูณกับจำนวนคนที่เลือกเอาเพลงนั้นใส่ playlist ของตัวเองไว้ จากนั้นก็จะดูว่าถ้าสองคนนี้ชอบเพลงเหมือนกันมาตลอด โดยดูจากเพลงที่ฟัง และรายชื่อเพลงใน Playlist ทาง Spotify ก็จะแนะนำเพลงที่แต่ละคนชอบฟังให้กับอีกคนหนึ่ง และระบบ Recommendation แนะนำเพลงที่แสนจะรู้ใจนี้ก็มาจากพลังของ AI ที่อยู่เบื้องหลัง ที่คอยวิเคราะห์ข้อมูลพฤติกรรมเราออกมาเพื่อหาคนที่ใกล้เคียงและก็ทำการแนะนำเพลงให้แบบอัตโนมัติครับ

Case Study Netflix กับการใช้ Email และ Notification ในแบบ Personalization

ปฏิเสธไม่ได้เหมือนกันว่า Netflix กลายเป็นเจ้าพ่ออุตสาหกรรมความบันเทิงใหม่จนมีมูลค่าแซงบริษัทเก่าแก่ยักษ์ใหญ่มากมายในวันนี้ จากจำนวนผู้ใช้งานหลายร้อยล้านคนทั่วโลกที่ติด Netflix งอมแงมนั่นก็เพราะระบบแนะนำหนังใหม่ๆ ให้เราดูได้แบบโคตรจะรู้ใจ Hyper-Personalization แบบสุดๆ ครับ ทำให้การเลือกดูหนังกว่า 75% ใน Netflix ไม่ได้มาจากการตัดสินใจเลือกดูเองของคนดู แต่มาจากระบบแนะนำหนังที่เราน่าจะชอบจนต้องดูทุกครั้ง พูดได้เลยว่า Netflix โตได้ก็เพราะ The Power of Personalization จริงๆ ครับ

เมื่อเราวิเคราะห์ออกมาจะพบว่า Netflix ใช้ Data จากการที่เปิดโอกาสให้เราบอกว่าเราชอบหรือไม่ชอบหนังเรื่องไหนที่ดูไปบ้าง หรือแม้แต่ไม่ดูก็สามารถให้คะแนนได้ จากนั้นก็บวกกับข้อมูลที่เป็นพฤติกรรมการดูของเราจริงๆ ว่าเราดูหนังเรื่องไหนบ้าง ดูจบหรือไม่จบ หรือแม้แต่ว่าดูซ้ำกี่รอบ ทั้งหมดนี้ถูกเอามาคำนวนรวมกันจน Predict ได้ว่าเราน่าจะอยากดูหนังหรือภาพยนต์เรื่องไหนต่อ

และก็อย่างที่เรารู้กัน ระบบแนะนำหนังของ Netflix นั้นทรงพลังขนาดทำให้เราอยากรีบเปิด Netflix ดูอีกครั้งแม้จะยังอยู่ที่ทำงานก็ตาม ลองดูจากภาพข้างล่าง

ใครที่เป็นสมาชิก Netflix คงจะเคยเจอกับเหตุการณ์ประมาณนี้ วันดีคืนดีก็มีอีเมลหรือ Notification แจ้งเตือนมาว่าซีรีส์ที่เราชอบดูกำลังจะมา แน่นอนว่าส่วนตัวผมถึงกับไม่อยากทำงาน อยากกลับบ้านไปเปิดทีวีแล้วนอนดูบนเตียงแล้วครับตอนนั้น

และการส่ง Notification หรืออีเมลแจ้งเตือนนั้นก็ไม่ได้ส่งมาแบบสุ่มๆ แต่เป็นการส่งที่มาจากพฤติกรรมการดู Netflix ของเราในแบบ Personalization สุดๆ ครับ

จากเดิมการได้รับ Notification อาจน่าเบื่อสำหรับหลายคน เพราะส่งอะไรมาอยู่ได้ก็ไม่รู้ตลอดเวลา แต่กับ Netflix นั้นทำให้คนที่ได้รับรู้สึกต่างออกไปมาก เพราะจากภาพจะเห็นว่าใครๆ ก็รัก Notification ที่ Netflix ส่งมาทั้งนั้น หรืออาจจะถึงขั้นเฝ้ารอให้ Netflix ส่ง Notification ที่รู้ใจอยู่ทุกวันก็ได้ครับ

สรุปส่งท้ายกับสิ่งที่คุณจะได้อ่านต่อในตอนที่ 4

ในตอนหน้าเราจะมาดูกันว่า ถ้าเราจะเริ่มต้นทำการตลาดแบบ Hyper-Personalization เราจะต้องเก็บ Data แบบไหนอย่างไรบ้าง ผมมีแนวทางการเก็บ Data จาก 5 ธุรกิจหลักๆ ซึ่งน่าจะครอบคลุมพอให้นักการตลาดยุคใหม่อย่างคุณเอาไปต่อยอดได้ไม่ยากครับ > https://www.everydaymarketing.co/knowledge/what-data-should-collect-for-start-personalized-marketing/

อ่านบทความชุด Hyper-Personalization

ตอนที่ 1 – Personalization กับ Hyper-Personalization ต่างกันอย่างไร แล้วทำไมนักการตลาดยุคใหม่ต้องสนใจ Hyper-Personalization > https://www.everydaymarketing.co/knowledge/difference-between-personalization-hyper-personalization/

ตอนที่ 2 – Case Study กรณีศึกษาการทำ Hyper-Personalization จากแบรนด์ดังอย่าง Amazon.com > https://www.everydaymarketing.co/knowledge/case-study-amazon-hyper-personalization/

ตอนที่ 4 – แนวทางการเก็บ Data เพื่อจะเริ่มทำ Hyper-Personalization > https://www.everydaymarketing.co/knowledge/what-data-should-collect-for-start-personalized-marketing/

Source: https://webengage.com/blog/hyper-personalization-marketing-future/