Data Sourcing เข้าใจแนวทางการเก็บ Data เบื้องต้นที่ใคร ๆ ก็ทำได้

วันนี้เบสอยากจะมาแชร์ทุกคนเกี่ยวกับการทำ Data Sourcing ที่เป็นอีกเรื่องสำคัญมากในการทำการตลาดยุคนี้ให้ทุกคนได้อ่านกันครับ

เป็นที่เรารู้กันอยู่แล้วว่า เดี๋ยวนี้การทำการตลาด การนำ Data เข้ามา Apply กับการทำการตลาดของเรากำลังจะกลายเป็นเรื่องปกติที่ใคร ๆ ก็ทำหรือพยายามทำกันแล้ว

ไม่ว่าจะเป็นการทำ Customer Segment, Marketing Communication, Brand Campaign, Sales Campaign ไปจนถึงการทำ CRM (Customer Relationship) การที่เรามี Data อยู่ในมือที่ถูกจัดเก็บและนำมาใช้อย่างเป็นระบบ จะยิ่งทำให้การทำการตลาดของเรามีประสิทธิภาพและรู้ใจลูกค้าสูงขึ้นมาก

ทั้งในแง่ของการหาลูกค้าใหม่ หาโอกาสทางธุรกิจใหม่ ๆ และรักษาลูกค้าเก่าที่รักแบรนด์

แต่ปัญหาคือ สำหรับหลายแบรนด์ก็ยังมี Painpoit ที่ไม่รู้ว่า ตัวเองมี Data ตรงไหน หรือ ควรเก็บ Data อย่างไรได้บ้าง

โดยใน Session: Marketing – Drive Engagement through Loyalty Management Platform โดยคุณคุณวีร์ สิรสุนทร (CoFounder & CEO Primo) ในงาน ECOMFORCE Thailand 2022

มีพาร์ทหนึ่งที่คุณวีร์ได้พูดถึงเรื่อง Data Sourcing ออกมาได้อย่างเข้าใจง่ายมาก ๆ เลย เบสเลยอยากเอามาแชร์ต่อให้กับทุกคนลองเอาไปใช้กับธุรกิจของตัวเองดูนะครับ

Types of Data Collection

ก่อนอื่นเรามาเข้าใจประเภทของ Data ที่เราสามารถเก็บมาได้กันก่อนครับ โดยคุณวีร์ได้อธิบายว่า Data สามารถแบ่งออกได้เป็น 4 ประเภทใหญ่ ๆ

1. Demographics Data : ข้อมูลประชากรโดยทั่วไป เช่น ชื่อ-นามสกุล, เพศ, อายุ, ที่อยู่ ฯลฯ

2.Transaction Data : ข้อมูลที่เกี่ยวข้องกับการซื้อ-ขาย ทั้งบน Online และ Offline ณ จุดซื้อสินค้า (POP : Point of Purchase) เช่น ซื้อสินค้ากี่ออเดอร์, ขายได้จำนวนเท่าไร, ราคาเท่าไร, ซื้อที่ไหนบ้าง อะไรทำนองนี้ครับ

3.Behaviral Data : ข้อมูลเชิงพฤติกรรมในสิ่งที่ลูกค้ามาปฏิสัมพันธ์กับธุรกิจของเรา ยกตัวอย่างเช่น view ในการดูวิดีโอ / ยอดคลิกโฆษณา Click / Click Through rate (CTR%) / Add to Cart / Conversion Rate(CVR%) / Retention Rate และอีกมากมายเลยครับ ขึ้นอยู่กับว่าเราต้องการเก็บข้อมูลเชิงพฤติกรรมนี้ไปใช้สำหรับทำอะไรบ้าง

4. Service Data : ข้อมูลที่เราจะได้จากการให้บริการลูกค้า ยกตัวอย่างเช่น เรื่องที่ลูกค้ามักเข้ามาถามบ่อย ๆ, Feed Back ที่ได้รับจากลูกค้าหลังใช้บริการ, รูปแบบการทักเข้ามาของลูกค้าแต่ละประเภท ระหว่างคนที่มีโอกาสซื้อสินค้า กับคนที่ทักเข้ามาเฉย ๆ

มาถึงตรงนี้เบสอยากจะบอกกับทุกคนก่อนนะครับว่า เราไม่จำเป็นจะต้องเก็บ Data ให้ได้ทั้งหมดนี้ก็ได้นะครับ

ทุกคนสามารถเลือกเก็บเฉพาะข้อมูลที่คิดว่าเป็นประโยชน์ของธุรกิจของตัวเองจริง ๆ ได้เลย ส่วนไหนที่ไม่จำเป็นก็สามารถมองข้ามไปก่อนได้ครับ เพราะบางครั้งข้อมูลที่มากเกินไปก็อาจทำให้เราหาจุดที่ควรโฟกัสของตัวเองได้ยาก หรือ มีต้นทุนที่สูงเกินไป เกินกว่าจะได้ลงมือทำสักที

(หรือคลิก ที่นี่ เพื่ออ่านเทคนิคในการออกแบบการเก็บข้อมูลในรูปแบบของธุรกิจของตัวเองครับ)

ยกตัวอย่างภาพด้านล่าง เบสดึงมาจากบทความที่พี่หนุ่ยเคยเขียนไว้ครับว่า ธุรกิจแบบไหนที่อยากทำอะไร ควรที่จะมีข้อมูลส่วนไหนที่จำเป็นบ้างเพื่อนำไปใช้ในการทำธุรกิจและการตลาดให้มีประสิทธิภาพมากยิ่งขึ้น โดย Based on การทำ Personalization เป็นหลักที่เบสคิดว่า นี่เป็น Starter ที่ดีให้กับทุกคนได้เลยครับ

หากใครสนใจหลังจากที่อ่านบทความนี้จบสามารถย้อนกลับมาคลิกตรงนี้ได้เลยนะครับ
>> จะทำการตลาดแบบรู้ใจ Personalization ต้องเก็บ Data อะไรบ้าง

เพื่อความเข้าใจที่ง่ายขึ้นทุกคนสามารถนำการแยกประเภทที่เบสเล่าไปมา Replace แทนกันได้ตามนี้เลยครับ

• User Attribute = Demographics Data
• Behaviral Attribute = Behaviral Data
• Past Purchase Data = Transaction Data

โดยส่วนตัวเบสคิดว่า หากเราจะเริ่มเก็บ Data จริง ๆ ก็เริ่มที่ข้อมูลทั้ง 3 ประเภทนี้ก่อนจะก็ได้ ส่วนของ Service Data เบสคิดว่าเราอาจนำมาเป็นส่วนเติมเต็มได้

เพราะข้อมูลทั้ง 3 กลุ่มนี้ค่อนข้างจำเป็นในการนำไปทำการวิเคราะห์ที่สามารถเข้าใจง่ายและแม่นยำมากขึ้น ที่จะนำไปสู่การทำอะไรต่าง ๆ ที่ตอบโจทย์ลูกค้าและธุรกิจของเราได้มากที่สุด

ยกเว้นกรณีที่เราจะนำ Data มาใช้สำหรับการทำ CRM หรือ Loyalty Program ที่เป็นหัวใจหลักของ Session ของคุณวีร์ Service Data ถือเป็นข้อมูลส่วนที่จำเป็นมากเลยครับ รวมถึงหากเราต้องการทำ Brand Awareness Campaign การมี Service Data เก็บไว้ก็อาจทำให้เราสามารถสื่อสารได้อย่างตรง Insight ที่ถูกบริบทกับลูกค้าของเราได้ดีด้วย

ต่อไป เรามาดูกันครับว่า ข้อมูลทั้งหลายนี้เราจะสามารถเอามาจากแหล่งไหนได้บ้าง

Data Sourcing Guideline

คุณวีร์ได้แนะนำแหล่งที่เราสามารถเก็บข้อมูลได้ ออกมาประมาณ 8 แหล่งด้วยกันครับ

POS :

เครื่องคิดเงินที่สามารถต่อเข้าระบบ Cloud Network และเก็บข้อมูลต่าง ๆ ที่เกิดขึ้นบนเครื่องได้ครับ ไม่ว่าจะเป็น ช่วงเวลาที่เกิดซื้อสินค้า, จำนวนออเดอร์ จำนวนสินค้าต่อออเดอร์ หรือ สินค้ายอดนิยม ทีเ่กิดขึ้นในช่วงเวลานั้น ๆ สินค้าอะไรมักจะถูกซื้อคู่กันสินค้าอะไร ส่วนนี้เราสามารถดึงข้อมูลมาใช้ประโยชน์ได้หมดเลยครับ

นอกจากนี้หากเรามีระบบสมาชิกและมีการซื้อสินค้าผ่าน POS เราก็จะยิ่งสามารถเก็บทั้ง Transaction Data ที่สามารถทำ Segmentation ออกมาเป็น Demographics Data ต่อได้อีกด้วยจากข้อมูลสมาชิกที่ลงทะเบียนไว้

Brand Website :

หรือก็คือ Brand.com ที่เป็น Website Official ของแบรนด์เรา ซึ่งในส่วนนี้ที่นิยมกันมากคือการติดโค้ดของ Google Analytics เพื่อเก็บ Data สำหรับลูกค้าที่เข้ามาในหน้าเว็ปของเรา ที่สามารถเก็บข้อมูลได้ค่อนข้างหลากหลายที่ครอบคลุมทั้ง Behaviral Data และ Transaction Data ก็สามารถทำได้หาก Website ของเรามีระบบการซื้อ-ขายอยู่ด้วย

นอกจากนี้ระบบยังพยายามประมวลผลออกมาเป็น Demographics Data ออกมาให้เราอีกด้วย (แต่ตรงส่วนนี้ต้องตรวจสอบให้ดีนะครับ ด้วยเรื่อง Privacy Policy ในปัจจุบัน อาจจะไม่สามารถให้ข้อมูลที่ถูกต้องได้ 100%)

Receipt :

ส่วนนี้คุณวีร์แชร์สำหรับธุรกิจที่มีตัวแทนจำหน่าย ตามห้างสรรพสินค้า หรือ Salesman ครับ บางครั้งเราอาจมีข้อจำกัดในเรื่องของการส่งข้อมูลมาสู่แบรนด์โดยตรง ตั้งนั้นการออกใบเสร็จเก็บไว้แล้วนำส่งมาให้แบรนด์ ก็จะทำให้เราไม่ตกหล่นในส่วนของ Transaction Data ตรงนี้ไปครับ

Counter Service, Cashier Portal, Staff Portal (at Department Store) :

เบสขออนุญาตรวบทั้ง 3 ส่วนนี้ไว้ด้วยกันเลยครับ เพราะจะเป็นการเก็บข้อมูลจากคนที่อยู่เบื้องหน้าที่พบกับลูกค้าโดยตรงทั้งหมดเลย

จุดเด่นของแหล่งข้อมูลนี้คือ Service Data ที่มักจะได้รับคำถาม, Feed Back การใช้บริการ หรือ ข้อมูลใหม่ ๆ ในสถานการณ์ต่าง ๆ ที่มีต่อสินค้าและแบรนด์ของเราในรูปแบบที่ค่อนข้าง Insight มากยิ่งขึ้น แถมยังทำให้เราเข้าใจบริบทในมุมมองของลูกค้าได้ดีมากยิ่งขึ้นด้วย

หรือในเวลาเดียวกันก็ยังสามารถช่วยแบรนด์เก็บข้อมูลเชิงแบบสอบถามที่จะได้ Demographics Data หรือ Behaviral Data มาด้วยก็ได้

Marketplace :

ส่วนนี้ก็คือ E-Commerce ที่เรา ๆ คุ้นเคยกันเป็นอย่างดี อย่าง Shopee, Lazada, JD Central, Nocnoc อะไรทำนองนี้ครับ สำหรับใครที่ขายสินค้าอยู่บนนี้จะรู้กันอยู่แล้วว่า เราจะต้องบริหารจัดการร้านบน Seller Center ซึ่งตรงส่วนนี้แหละครับคือเครื่องมือที่ดีมาก ๆ

เพราะหลังบ้านเหล่านี้จะรายงานข้อมูลแทบทุกอย่างที่เกิดขึ้นในร้านของเราทั้งหมดเลย คล้ายกับ POS เลยครับ แต่ด้วยความที่เป็น Online เราจึงสามารถเก็บข้อมูลได้มากกว่านั้นด้วย คือส่วนของ Behaviral Data ด้วยครับ

โดยเราสามารถดูได้เลยว่ามีคนเข้ามาในร้านเรามากน้อยแค่ไหน, ช่วงเวลาไหนที่คนเข้ามาดูร้านเราเยอะสุด, กดดูสินค้าตัวไหนมากที่สุด, สินค้าตัวไหนถูกใส่ตะกร้ามากที่สุดแต่ยังไม่ได้ถูกซื้อ ซึ่งตรงนี้เราสามารถเอาไปต่อยอดในการทำธุรกิจและการตลาดได้อีกเยอะมากเลยครับ

Warranty :

ตรงส่วนนี้เป็นส่วนที่เบสเองก็เพิ่งจะรู้เหมือนกันครับ เพราะปกติไม่เคยตั้งคำถามกับเรื่องนี้มาก่อนเลย ถถถ (เขินเลย) ซึ่งส่วนใหญ่มักจะเกิดขึ้นในสินค้าประเภทอิเล็กทรอนิกส์ ในเวลาที่เราซื้อสินค้ามาจะมีใบให้เราไปลงทะเบียนเพื่อรับสิทธิ์การรับประกัน ในเวลาเดียวกันนั้นเองเราก็จะได้ Demographics Data ของลูกค้า จับคู่กับ การใช้สินค้าตัวปัจจุบัน

เราสามารถนำข้อมูลจำพวกนี้มาหา Key Finding ต่อได้ เช่น ในกรณีลูกค้าคนที่มีโอกาสสนใจสินค้าที่ใกล้เคียงกันตัวอื่นอีกมั้ย หรือ สินค้ารุ่นใหม่ที่ต่อยอดจากรุ่นนี้ออกมา เราก็สามารถนำไปเสนอกับลูกค้าคนนี้ได้

อย่างไรก็ตามการเอา Data ทั้งหมดนี้มาใช้ เราไม่สามารถที่จะใชได้ทันทีนะครับ เพราะบางอย่างก็เป็นเรื่องของความมเป็นส่วนตัวของลูกค้า ที่เราจำเป็นจะต้องได้รักษาและได้รับการยินยอมจากลูกค้าก่อนด้วย โดยใน Session ของคุณวีร์ก็ได้ให้ Checklist ในการบริหารจัดการ Consent ของลูกค้ามาด้วยครับ

Consent Management

จากภาพคุณวีร์แชร์ความรู้ไว้ว่า การเก็บ Data จากลูกค้ามาเราจะต้องขอ Consent จากลูกค้าก่อนนำมาใช้ด้วย โดยแบ่งการขอ Consent ออกเป็น 3 เรื่องหลักครับคือ

• Collect = การเก็บ
• Analyze = การนำมาใช้วิเคราะห์
• Contact = การนำมาใช้ในการติดต่อ

เราจำเป็นจะต้องถามลูกค้าก่อนเก็บข้อมูลมาครับว่า ลูกค้าต้องการให้ข้อมูลของตัวเองถูกนำไปใช้ในรูปแบบไหนบ้าง ซึ่ง ณ ที่นี้ ลูกค้าสามารถ Say No ทั้งหมดเลยก็ได้ หรือจะ Say Yes สำหรับ 2 ข้อแรก แต่ไม่เอาข้อสุดท้ายเพราะรำคาญไม่อยากให้เราติดต่อไปโดยตรงก็มีเหมือนกันครับ

ซึ่งตรงส่วนนี้ สำหรับใครที่อยากหาวิธีรับมือกับเรื่องนี้เพื่อเอาไปใช้ต่อยอดการทำธุรกิจของเราให้ได้ พี่หนุ่ยก็มีเขียนบทความที่แชร์ Case Study ที่ทำให้ลูกค้ายอมให้ Consent เราสำหรับการนำมาใช้ได้อย่างน่าสนใจด้วยนะครับ ถ้าใครสนใจเชิญคลิกที่ลิ้งค์ด้านล่างได้เลยครับ

>> Case Study การใช้ First-Party Data กระตุ้นให้ Consumer อยากให้ Consent มากขึ้น

ส่วนในเรื่องของการ Apply ว่าเราจะสามารถนำ Data เหล่านี้มาใช้ทำอะไรได้บ้าง ทุกคนสามารถหาอ่านได้ในแทบจะทุกบทความของการตลาดวันละตอนที่นักเขียนทุกคนพยายามส่งต่อความรู้ทั้งหลายให้ทุกคนได้อ่านกันเลยครับ

ถ้าหากจะให้เบส Reccommend ก็จะเป็นลิสต์ตามด้านล่างนี้ครับ

>> Data-Driven Emotional Marketing คุณเหลือเวลากับคนที่รักน้อยกว่าที่คิด
>> Data-Driven McDonald’s เพิ่ม Conversion 550% ด้วย Machine Learning ใน GA4

สำหรับใครอยากทำต่อเรื่อง Customer Segementation

>> 8 ขั้นตอนการทำ Customer Segmentation ให้ประสบความสำเร็จ
>> 8 ขั้นตอนทำ Customer Segmentation Analytics ตอนจบ

สำหรับใครที่อยากรู้เกี่ยวกับประเภทของ Data ให้มากยิ่งขึ้น
>> 6 ประเภท Data: Quantitative Qualitative Nominal Ordinal Discrete และ Continuous

สุดท้ายนี้ขอขอบคุณคุณวีร์ และพี่หนุ่ยที่แชร์ความรู้เกี่ยวกับ Data ดี ๆให้กับทุกคนด้วยนะครับ

หวังว่าบทความนี้จะช่วยให้ทุกคนสามารถหา Data ที่เหมาะกับธุรกิจของตัวเองมาใช้ และช่วยให้การทำธุรกิจและการตลาดของทุกคนมีประสิทธิภาพมากยิ่งขึ้นได้นะครับ

ขอบคุณที่อ่านจนจบ 🙂

Ref.
Ecomforce Session – Marketing : Drive Engagement through Loyalty Management Platform
Speaker : คุณวีร์ สิรสุนทร (CoFounder & CEO Primo)
solvexia.com
coresignal.com