Customer Identity Resolution จุดเริ่มต้นการตลาดแบบ Personalized Marketing

Email LinkedIn Tweet Facebook ShareShares450

นักการตลาดคนไหนหรือแบรนด์ใดต้องการทำการตลาดแบบรู้ใจ Personalized Marketing ให้ได้ ต้องเริ่มจากการทำ Customer Identity Resolution ให้ได้ จากบทความแรกที่บอกให้รู้ว่ามันคืออะไร มาต่อบทความนี้พาไปดูว่ามันสำคัญต่อธุรกิจขนาดไหน และมีมันหลักหรือวิธีการทำอย่างไรกันบ้างครับ

ทำไมการตลาดยุคใหม่จึงต้องทำเรื่อง Customer Identity Resolution ที่ดูจะยุ่งยากด้วย?

Photo: https://www.lifesight.io/what-is-identity-resolution-and-what-makes-it-a-critical-tool-for-todays-brands-and-marketers/

เพราะวันนี้เวลาเราทำการตลาดออกไป แน่ใจขนาดไหนว่าเราส่งออกไปหาลูกค้าถูกคน และส่งถึงมือกลุ่มเป้าหมายที่ต้องการจริงๆ เพราะวันนี้ Customer Data หนึ่งคนถูกเก็บไว้กระจัดกระจายตามแบบ Silo ในแพลตฟอร์มต่างๆ

และนั่นหมายความว่าเรากำลังมี Data ที่ซ้ำซ้อนกันอยู่มาก แต่เราก็ไม่เคยจะรู้ว่าตกลงแล้วข้อมูลชุดไหนบ้างที่มันทับซ้อนน่าจับมารวมเป็นชุดเดียวกัน

สมมติภาพว่าผมเพิ่งซื้อสินค้าของแบรนด์หนึ่งไป แล้วก็เปิดเว็บไซต์หน้าสินค้านั้นเพื่อดูรายละเอียดการใช้งาน แต่ก็ไม่ได้กดซื้อ ทางนักการตลาดแบรนด์นั้นก็เข้าใจว่าผมเป็นกลุ่มเป้าหมายที่ยังปิดการขายไม่ได้ ก็เลยระดมยิงโฆษณาแบบ Retargeting เข้ามาหาผมเต็มที่

ผ่านไปสองวันผมยังไม่ยอมกดซื้อในเว็บไซต์ของแบรนด์สักที แบรนด์ก็เลยส่งโปรโมชั่นพิเศษอาจจะเป็นส่วนลด 15% ซึ่งทันทีที่ผมเห็นโปรโมชั่นอันนี้ผมรู้สึกเสียค่าโง่ทันทีที่ดันไปซื้อราคาเต็ม

คิดดูซิครับว่า Customer Experience ของผมกับแบรนด์นี้จะดิ่งลงเหวขนาดไหน

ทั้งหมดนี้คือการไม่สามารถประกอบเชื่อมโยง Customer Identity ได้ เพราะข้อมูลของระบบต่างๆ มักถูกเก็บและจัดการแยกกัน เมื่อนำมาวิเคราะห์เพื่อจะวางแผนการตลาด ก็มักจะได้วิธีทำการตลาดที่หว่านเหมือนยุคเก่า

แต่ถ้าบริษัทไหนหรือแบรนด์ใดสามารถประกอบ Customer Data ที่กระจัดกระจายเข้าไว้ด้วยกันได้ คุณก็จะเข้าใจ Customer Insight เข้าใจ Behavior ดียิ่งขึ้น แล้วการจะทำ Personalized Marketing ก็จะไม่ใช่เรื่องยากเกินไป

เราจะรู้ว่าต้องทำการตลาดกับลูกค้าคนไหนบ้าง ส่วนคนไหนไม่ต้องทำ เราจะรู้ว่าเราจะต้องสื่อสารอย่างไรกับลูกค้าแต่ละคน หรือแม้แต่รู้ว่าคนไหนจำเป็นต้องให้ส่วนลดเพื่อปิดการขาย ส่วนคนไหนควรจะนำเสนอ Personalized Content ออกไปเพื่อให้ใช้สินค้าเราได้ดียิ่งขึ้น

ทั้งหมดนี้บางที่อาจเรียกว่าการทำ Golden Record หรืออีกคำหนึ่งที่คุ้นกันมากกว่าคือ Single view of Customer หรือบ้างก็เรียกว่า Customer 360 ครับ

Customer Identity Resolution จุดเริ่มต้นของการทำ Segmentation ลดงบการตลาดซ้ำซ้อน

ข้อดีที่สุดของการทำ Golden Record หรือ Customer Identity Resolution คือการลดการใช้งบการตลาดซ้ำซ้อนโดยไม่ตั้งใจ จากตั้งอย่างทั้งหมดที่เล่าไปคุณก็พอจะเข้าใจแล้วว่า ทุกวันนี้เราใช้งบการตลาดซ้ำซ้อนกับลูกค้าคนเดิมเยอะเกินไปมาก ไปจนถึงการใช้งบการตลาดไปกับกลุ่มคนที่เราไม่จำเป็นต้องทำ Marketing กับเขาในตอนนั้นก็ได้

เพราะเราสามารถกำหนดเลือกได้ว่าเราจะทำ Marketing ไปหาเฉพาะกลุ่ม Segment Existing Customer อย่างเดียวก็ได้ หรือเราจะเลือกทำโปรโมชั่นให้เฉพาะกับ Segments Prospects กลุ่มที่ยังไม่ซื้ออย่างเดียวก็ได้ ลำพังทำแค่นี้ได้เราก็ลดการใช้งบการตลาดซ้ำซ้อนไปได้มากแล้วหละครับ

ที่เราต้องใช้งบการตลาดซ้ำซ้อนเพราะเราไม่รู้ว่าตกลงแล้วคนที่กำลังเปิดเว็บเราอยู่ใช่คนที่เพิ่งซื้อไปเมื่อ 5 นาทีก่อนหรือไม่ ถ้าเราไม่รู้เราก็จะทำการตลาดแบบเดาไม่เข้าใจ แต่ถ้าเรารู้เราก็จะเก็บงบการตลาดที่มีจำกัดไว้ได้ แล้วเอาไปใช้กับคนที่ยังไม่เคยเป็นลูกค้าเราจะดีกว่า

หรือแม้แต่แทนที่จะส่งโปรโมชั่นของที่เขาเพิ่งซื้อไป ก็สู้ส่วน Welcome Message เป็น Registeration Campaign ชวนให้ลูกค้ามาลงทะเบียนเพื่อกรอกข้อมูลเพิ่มเติมแลกกับของรางวัลอะไรสักอย่างแทนน่าจะดีกว่าใช่ไหมครับ

แล้วการเชื่อม Customer Identity มีกี่แบบหละ?

2 วิธีการเชื่อม Customer Identity หรือที่เรียกว่า Stitching Customer Data

ปัจจุบันมีสองวิธีหลักๆ ในการเชื่อม Customer Identity หรือ Stitching Customer Data เข้าด้วยกัน นั่นก็คือ Deterministic และ Probabilistic ครับ

เรามาทำความรู้จักทั้งสองวิธีกันสักนิดดีกว่า จะได้คุยกับทีม Tech และ Data เข้าใจมากขึ้น

Deterministic ID Matching

สรุปง่ายๆ คือการ Stitching Customer Data แบบ Manual ก็ได้ครับ ก็คือการ Query Data หาทีละส่วนที่สามารถ Identify Customer ID ได้ เช่น อีเมล เบอร์โทร หรือ Username ที่สมัครกับเราไว้

ซึ่งวิธีนี้จะค่อนข้างมีความแม่นยำสูง ผิดพลาดได้ยาก เหมาะมากกับ First-party data ที่เก็บไว้ค่อนข้างพร้อมระดับหนึ่ง

ถ้าใครทำ Power BI เป็นหน่อยก็คิดถึงการทำ Data Relationship ก็ได้ครับ

Probabilistic ID Matching

วิธีการนี้จะแอดวานซ์กว่า เพราะจะใช้ AI หรือ Machine Learning หาจากการใช้หลักสถิติความน่าจะเป็นว่า Custumer ID นี้น่าจะตรงกับ Customer Profile ไหน

อาจจะใช้จาก IP address หรือดูจาก Location base ที่ใกล้กัน หรือดูจาก Device ที่มีการใช้เป็นประจำ ดูจาก Browser ที่ใช้ และก็อาจจะดูจาก OS ประกอบด้วย

ทั้งหมดที่พูดมาไม่ได้ดูแค่ค่าใดค่าหนึ่ง แต่ดูจากทุกค่าเพื่อหาความน่าจะเป็นมากที่สุด จากนั้นระบบก็จะไปทำการ Stitching Customer ID ให้ แต่การทำวิธีนี้จะมีความแม่นยำที่น้อยกว่า Deterministic ID Matching ดังนั้นต้องใช้การตัดสินใจร่วมกันอีกทีหนึ่งว่าควรเชื่อหรือไม่เชื่อที่ AI แนะนำ

อาจต้องมีการดูหลายๆ Attribution ประกอบกัน ซึ่งวิธีนี้จะเหมาะกับบริษัทที่ทำ First-party data ได้ดีแล้ว หรือมี First-party data จำกัด เพราะนี่จะเป็นการใช้ Second-party data หรือ Third-party data เป็นหลักครับ

ซึ่งในการจะทำ Customer Identity Resolution จริงๆ แล้วเลือกวิธีใดวิธีหนึ่งไม่ได้ ควรทำสองแบบไปพร้อมกัน ทำ First-party data ให้ดี จากนั้นก็เชื่อม Third-party data ให้ดีด้วย เพื่อที่ Customer Data เราจะได้มีความ Enrich มากที่สุดครับ

ตรากตรำทำ Identity Resolution ก็เพื่อนำไปสู่การทำ Predictive Model

ทั้งหมดทั้งมวลคือการนำไปสู่การทำ Predictive Model หรือ Predictive Marketing นั่นก็คือการใช้ Data-Driven Marketing นั่นเองครับ

เราจะสามารถคาดเดาได้ว่าใครที่กำลังน่าจะซื้อของเราภายใน 7 วัน (จากเคส McDonald ฮ่องกง) หรือใครที่น่าจะกำลังเลิกเป็นลูกค้าไปเรา ทั้งหมดนี้สามารถ Predict ได้ ถ้าเราสามารถทำ Customer Identity Resolution แยกลูกค้าแต่ละคนออกจากกันให้ได้ และ Stitching data ที่กระจัดกระจายเข้าด้วยกัน

จากนั้นเราก็สร้าง Training data ขึ้นมาว่ากลุ่ม Segments ที่เราต้องการนั้นเป็นอย่างไร จากนั้นระบบ Machine Learning หรือ AI ก็จะไปวิ่งหาคนที่คล้ายกับ Data set ตั้งต้นเราให้ หลักการก็เหมือนกับการทำ Lookalikes ใน Facebook Ads นี่แหละครับ

ซึ่งเริ่มต้น AI จะไปสร้าง Predictive Model มาให้เราก่อนว่า จาก Traning Data ที่เราใส่เข้าไปให้ AI เรียนรู้ แล้วมันก็ไปหา Pattern ว่ากลุ่ม Segment ที่เราอยากได้นั้นมี Pattern ของ Attributes อย่างไรบ้าง

เมื่อเราได้ผลลัพธ์มาที่เหลือก็ขึ้นอยู่กับวิจารณญาณของเรา ว่าเราจะเชื่อที่ AI แนะนำมาทั้งหมดเลยไหม หรือจะเพิ่ม Attribution ไหน หรือจะลดตัวแปรใดที่ดูแล้วไม่ Make sense ก็ตาม

จะเห็นว่าทั้งหมดนี้หลักการไม่ยาก มันคือการ Training data ตั้งต้นเพื่อให้ AI ไปเรียนรู้หา Pattern เพื่อหาคนที่คล้ายๆ กับคนกลุ่ม Segment ที่เราอยากได้ออกมา แล้วเราก็ตรวจงาน AI ดูว่ามันน่าจะใช่มากน้อยแค่ไหน

แต่ทั้งหมดนี้จะเกิดขึ้นไม่ได้เลยถ้าเราไม่มี Traning data ที่ดีแต่แรก ถ้าเราไม่ทำ Customer Identity Resolution เป็น Golden Record ไว้ให้ดี เราก็จะไม่มีทางเห็นภาพ Customer Profile ที่เราอยากได้เป็นสารตั้งต้นส่งต่อให้ AI เรียนรู้ครับ

ดังนั้นจะ Lookalikes แม่นหรือไม่แม่นก็ขึ้นอยู่กับ Data set สารตั้งต้นนี่แหละครับ

Unified Customer Profile ก็เพื่อทำให้ Marketing Efficiency ยิ่งขึ้น

ท้ายที่สุดแล้วทั้งหมดนี้ก็คือการประกอบร่างสร้าง Customer 360 หรือ Single view of Customer ทำให้ Tech Stack ทั้งหมดเราทำงานได้เต็มประสิทธิภาพมากกว่าเดิม เมื่อเราทำ CDP หรือ Customer Data Platform จับข้อมูลลูกค้าทั้งหมดมารวมไว้ที่เดียว จากนั้นก็จับแยกออกมาประกอบกลับแต่ละคนอีกที ถึงตอนนี้คุณก็รู้แล้วว่าลูกค้าแต่ละคนเหมือนหรือต่างกันขนาดไหน การจะทำ Personalized Marketing ก็จะเกิดขึ้นได้หลังจากนี้

คุณจะรู้ว่าควรจะทำการตลาดกับใคร ผ่านช่องทางไหนในจังหวะนี้ เมื่อดูจากพฤติกรรมในอดีต ทั้งการซื้อ การอ่าน การกดคลิ๊กดูสิ่งต่างๆ รูปภาพแบบไหนที่เขาชอบ เนื้อหาแบบไหนที่เขาสนใจ เขาเป็นลูกค้าเรามาแล้วนานเท่าไหร่ เขาชอบติดต่อกับเราผ่านช่องทางไหนในช่วงเวลาใดเป็นประจำ

ถ้าเราเห็นว่าเขาเจอเราผ่านคีย์เวิร์ดหนึ่ง หรือกดเข้ามาอ่านคอนเทนต์เราผ่านโฆษณาชิ้นไหน เขาใช้ระยะเวลาอ่านนานเท่าไหร่ กลับมาอ่านอีกรอบหรือไม่ กลับมาอ่านซ้ำรอบที่สามหรือเปล่า เราก็จะสามารถทำการตลาดแบบรู้ใจ Personalized Marketing กลับไปได้อย่างแม่นยำ

อ่านบ่อยน่าจะชอบ ส่งโปรโมชั่นออกไป ส่งเนื้อหาใหม่ๆ เพิ่มเติมที่เขายังไม่เคยอ่าน 5 ข้อดีของสินค้าเรา หรืออาจจะส่งคอนเทนต์รวม Tertimonial ออกไปเพื่อสร้างความมั่นใจ เมื่อนั้นคุณก็จะสามารถเพิ่ม Conversion และ Revenue ได้ดีกว่าการตลาดแบบเก่าที่เดาแล้วส่งหว่านไปทั่ว

นี่คือการตลาดยุคใหม่ แบบ Personalized Marketing ที่มาจาก Data-Driven Marketing แต่ทั้งหมดนี้จะไม่เกิดถ้าคุณไม่ Unified Customer Profiles ให้ดีก่อน

เพราะในการตลาดยุคดาต้า เราพูดคำว่า Garbage in, Garbage out ได้เต็มปา ก ถ้าเราเอา Training data ตั้งต้นไม่ดีใส่เข้าไป ผลลัพธ์จากการ Lookalikes เราก็จะแย่จนแทบไม่ต่างจาก Mass Marketing ยุคเก่าเลย

รู้แบบนี้แล้วรีบประกอบเชื่อม Customer ID ที่กระจัดกระจายให้ได้นะครับ รีบรู้ให้ได้ว่าคนที่กำลังกดอ่านคอนเทนต์เราอยู่เป็นใคร เขาเป็นลูกค้าเราอยู่แล้วหรือเป็นคนหน้าใหม่ที่เพิ่งเข้ามา หรือเขาเป็นคนที่สนใจเราอยู่พักใหญ่แต่ยังไม่ตัดสินใจซื้อสักที เห็นไหมครับถ้าเรารู้แค่นี้ วิธีทำการตลาดเราก็จะง่ายเหมือนจับวางแล้ว

อ่านบทความเรื่อง Data-Driven Marketing เรื่องอื่นๆ ในการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/tag/cdp/