Chain model : คณิตศาสตร์ที่ใช้ประเมิน Customer Segment Value

สวัสดีค่ะเพื่อนๆ ในบทความนี้นิกจะพาทุกท่านไปทำความรู้จักกับ Chain Models หรือคณิตศาสตร์การตลาด (Marketing Math) จำเป็นเพิ่มเติมในการใช้ประเมินคุณค่าของกลกลุ่มลูกค้าหรือ Customer Segment ที่นักการตลาดควรรู้ทั้งในส่วนของ สูตร(สมการ) และตัวอย่างที่เราใช้งานข้อมูลร่วมกันกับ Data Analyst เพื่อวิเคราะห์เชิงประมาณ (Quantitative Analysis) ในการวางแผนทำแคมเปญต่างๆ

ถึงแม้ว่าในปัจจุบันที่มีการสร้างแบบนำลองทางการตลาด ร่วมกับการใช้งาน ML และ AI ในการช่วยวิเคราะห์ข้อมูล แต่ความเข้าใจทางคณิตศาสตร์ก็ยังคงเป็นสิ่งจำเป็นค่ะ^^

ซึ่ง Marketing Math ที่เราจะมาศึกษาไปพร้อมกันในบทความนี้ประกอบด้วยเรื่องของ

• การประเมินคุณค่ากลุ่มลูกค้าด้วยโมเดลคณิตศาสตร์แบบห่วงโซ่: Chain Models of Segment value
• ตัวอย่างการคำนวณ (ประเมิน) มูลค่าของ Customer segments โดยการใช้โมเดลคณิตศาสตร์แบบห่วงโซ่

การประเมินคุณค่ากลุ่มลูกค้าด้วย Math Model แบบ Chain

เพื่อนๆ อาจคุ้นเคยกับการแบ่งกลุ่มลูกค้าด้วยวิธี RFM (Recency Frequency and Monetary) หรือแบ่งกลุ่มลูกค้าด้วยวิธี Machine Learning อย่าง K-Means หรือแบ่งตาม Geographic, Demographic, Psychographic, Behavioural กันมาบ้างแล้ว (อ่านได้เพิ่มเติมจากในบทความของการตลาดวันละตอนหรือบทความอื่นๆ ที่เกี่ยวข้องค่ะ) ซึ่งหลังจากที่เราทำ Customer Segmentation เรียบร้อยแล้ว ในวันนี้เราจะมาทำความเข้าใจสมการทางคณิตศาสตร์ และแนวทางในการประเมินคุณค่าของกลุ่มลูกค้าที่เราแบ่งกลุ่มมาได้ ด้วยโมเดลแบบ Chain หรือห่วงโซ่ 😊✨

#นิยามของ Math Model แบบห่วงโซ่

ในการทำโมเดลแบบ Chain อธิบายว่าหากต้องการขนาดและคุณค่า Marketing Segmentation ที่มีความแม่นยำและใช้งานได้จริง Data ที่นำเข้ามาจะต้องเป็นข้อมูลถูกกรองเอาเฉพาะส่วนที่ถูกต้องสำหรับทุก Segment size (หมายความว่าถ้าเป็น Market ประเภทเดียวกัน ต่อให้เราเพิ่มมูลค่าตลาด ก็สามารถใช้ Assesments ของ Data ชุดนั้นได้ค่ะ) ซึ่งแนวความคิดพื้นฐานของ Chain Models คือการทำการประมาณ (Estimate) จำนวนของลูกค้าโดยเริ่มจากลูกค้าที่เป็นประชากรกลุ่มทั่วไป (General population) และค่อยๆ แบ่งกลุ่มหรือจำกัดลงเพื่อทำการลดจำนวนประชากรของข้อมูลตามลักษณะเฉพาะของลูกค้าแต่ละ Segment ยกตัวอย่างเช่น การกำหนดร้อยละของลูกค้าที่สอดคล้องกับคำนิยามของ segment นั้นผ่านการทำ Percentile ของ Uasge rate เป็นต้น (ส่วนนี้สามารถใช้การแบ่งกลุ่มด้วยวิธี RFM หรือจาก ML models ประเภทต่างๆ ได้ค่ะ) ซึ่งหลังจากนั้นเราจะใช้ค่าอัตราเจาะตลาดในปัจจุบัน (Current penetration rates) ในการคำนวณขนาดของกลุ่มลูกค้าที่แท้จริง (–Penetration rates คือจำนวนลูกค้าที่ใช้สินค้า หรือผลิตภัณฑ์ของเรา หรือผลิตภัณฑ์ของคู่แข่งในปัจจุบัน เมื่อเปรียบเทียบกับการซื้อสินค้าประเภทเดียวกันในตลาด)

และเนื่องจากโดยส่วนมากแล้วแผนการตลาดหรือการวิเคราะห์แคมเปญและ budgets ในปัจจุบันถูกมองว่าไม่ควรทำไว้นานเกิน 1 ปี เพราะฉะนั้นใน Chain Models ที่เรากำลังจะสร้างกันนี้ ก็จะใช้ภาพรวมของข้อมูลรายปีในการประเมิน Segments ผ่านคณิตศาสตร์ ซึ่งเกิดจากคูณกันของค่าพารามิเตอร์ในแต่ละตัวแปรที่เราต้องการต่อกันไปเรื่อยๆ โดยตัวแปรที่เราจะเอามาคูณกันทางคณิตศาสร์ดังกล่าวจะมีมากหรือน้อย ขึ้นอยู่กับลักษณะของ Data ที่มีความสัมพันธ์กับ Segment ที่เราต้องการพิจารณา ซึ่งการคูณกันต่อไปเรื่อยๆ นี่เองค่ะที่เป็นที่มาของคำว่า Chain Models^^

*ในทางคณิตศาสตร์จะมองภาพของแต่ละ features ที่เอามาคูณกันในบริบทของ function f(x) และ g(x) โดยเมื่อนำมาประกอบกันจะถูกแทนด้วยภาพใหญ่คือ fog(x) ตามภาพด้านล่างค่ะ

#สมการทางคณิตศาสตร์

เมื่อเราเข้าใจนิยามกันในเบื้องต้นแล้ว=>> ก็มาต่อกันในส่วนของสมการกันเลยยยย

คุณค่าของกลุ่มลูกค้า (Segment value) = จำนวนลูกค้าในกลุ่มนั้น (Nc) x คุณค่าของลูกค้าต่อราย (Vc)

เมื่อ จำนวนลูกค้าในกลุ่มนั้น (Nc) = จำนวนของข้อมูลทั้งหมด (Population) x %ขนาดของกลุ่มลูกค้า (Segment size) x การเจาะตลาดของกลุ่มลูกค้านั้น (Segment penetration)

และ,,,,

คุณค่าของลูกค้าต่อราย (Vc) = อัตราการซื้อหรือการใช้งาน (Usage rate) x ราคาต่อหน่วย x กำไรส่วนเกิน (Unit contribution)

ซึ่งเพื่อนๆ จะเห็นว่าจากสมการทุกสมการ (ที่เริ่มต้นจากสมการหลักในกล่องสีฟ้าด้านบน) จะเชื่อมต่อกันด้วยเครื่องหมายคูณทั้งหมด เพื่อมาประกอบเป็นสมการใหญ่ค่ะ และจากลักษณะของการคำนวณข้อมูลของสมการที่ต่อกันแบบนี้นี่เองที่ทำให้ Math model แบบนี้ถูกเรียกว่า Chain model 😊👍 โดยในแต่ละตัวแปรที่อยู่ในสมการ Chain model ด้านบน มีนิยามดังต่อไปนี้ค่ะ

• ขนาดของแต่ละ Segment (Segmentation size) คือเปอร์เซ็นต์ของลูกค้าที่มีแนวโน้มจะซื้อสินค้าหรือใช้งานผลิตภัณฑ์เทียบกับจำนวนลูกค้าทั้งหมด (population)
• อัตราการซื้อหรือการใช้งาน (Usage rate) คือค่าเฉลี่ยคณิตศาสตร์ของการจ่ายเงินของลูกค้าในช่วงที่เราพิจารณา (หรือช่วงเวลาแคมเปญ)
• กำไรส่วนเกิน (Unit contribution) % = (ราคาขายต่อหน่วย [unit price] – ค่าใช้จ่ายสินค้าต่อหน่วย [unit cost])/ราคาขายต่อหน่วย [unit price]

ซึ่งจากตรงนี้เองค่ะที่เมื่อเพื่อนๆ ได้ Customer Segement จากโมเดลอื่นๆ มาแล้ว ก็สามารถนำกลุ่มลูกค้าในแต่ละ Segment มาเข้าสู้ Chain Models ตามสมการด้านบน เพื่อประเมินคุณค่าของลูกค้าแต่ละกลุ่มได้เลย โดยค่า Segment value ที่ได้ออกมาจะมีหน่วยเป็น THB หรือ USD หรือตามแต่สกุลเงินที่เราพิจารณาค่ะ

ตัวอย่างการประเมินมูลค่ากลุ่มลูกค้าด้วย Chain (Math) models

ยกตัวอย่างเช่น บริษัท แมวมั้ย จำกัด ต้องการคำนวณมูลค่าตลาดของกลุ่ม Gen Z ในประเทศไทย ซึ่งมีจำนวนประมาณ 24% ของจำนวนประชากรทั้งหมด โดยคิดเป็นจำนวนคนประมาณ 70 ล้านคน โดยร้อยละ 80 ของประชากรกลุ่ม GenZ มีการใช้งานหรือซื้อผลิตภัณฑ์จากบริษัท แมวมั้ย จำกัดอย่างน้อย 1 หน่วยต่อปี และจากมีค่าเฉลี่ยการใช้งานหรือการซื้ออยู่ที่ 5 หน่วย/ปี โดย Segment ที่เราสนใจในบริษัท แมวมั้ย จำกัด มีส่วนแบ่งการตลาด (Market Share) เท่ากับ 40% (*โดยกำไรส่วนเกิน (Unit contribution) สำหรับสินค้าที่ขายให้กลุ่มลูกค้านี้เท่ากับ 2 บาทต่อหน่วย) เราจะสามารถคำนวณ Segment Value จาก Chain Models ได้ดังนี้ค่ะ

จาก จำนวนลูกค้าในกลุ่มนั้น (Nc) = 70,000,000 x 0.24 x 0.8 = 13,440,000

และ คุณค่าของลูกค้าต่อราย (Vc) = 5 * 2THB = 10 THB

เพราะฉะนั้นจะสามารถประเมินมูลค่าของลูกค้ากลุ่มนี้ (Segment value) = Nc x Vc = 13,440,000 x 10 = 134,000,000 THB ค่ะ (☞ﾟヮﾟ)☞

ซึ่งก่อนหน้าที่จะมาถึงตรงนี้ จะเป็นในส่วนของการแบ่งกลุ่มเพื่อหาจำนวนลูกค้าในกลุ่ม (Segment) นั้น เพื่อมาใส่เป็นค่า Nc ในสมการ โดยเพื่อนๆ สามารถใช้ RFM Model หรือ K-means clustering ในการแบ่งกลุ่มลูกค้าตาม link ต่อไปนี้ในการแบ่งกลุ่มลูกค้าได้ค่ะ