จะทำการตลาดแบบรู้ใจ Personalization ต้องเก็บ Data อะไรบ้าง
ไม่ว่าจะ Hyper-Personalization หรือ Personalized Marketing ก็คงไม่มีทางเกิดขึ้นได้ถ้าคุณไม่เริ่มจากการเก็บ Data ของลูกค้าตั้งแต่วันนี้เพื่อเอามาวิเคราะห์ต่อยอดให้รู้จักลูกค้าของตัวเองมากขึ้น ว่าแท้จริงแล้วลูกค้าของคุณเป็นใคร แบ่งออกเป็นกี่กลุ่ม ชอบหรือไม่ชอบอะไร โปรโมชั่นแบบไหนที่โดนใจเค้า หรือวันไหนที่เค้ามักเสียเงินให้คุณมากเป็นพิเศษ ดังนั้นในวันนี้การตลาดวันละตอนเลยขอเอารายการ Data ต่างๆ ให้คุณรู้ว่าจะต้องเริ่มข้อมูลอะไรบ้าง เพราะก่อนที่คุณจะเริ่มทำการตลาดแบบรู้ใจได้ คุณต้องเริ่มจากรู้จักลูกค้าให้ดีเสียก่อนครับ
โดยชุด Data ในวันนี้จะแบ่งออกได้เป็น 5 ธุรกิจใหญ่ๆ เริ่มจาก E-Commerce, Online Streaming, Hospitality, FinTech และ Travel ลองดูเป็นแนวทางตั้งต้น จากนั้นก็เอาไปประยุกต์ใช้ให้เหมาะกับรูปแบบธุรกิจตัวเองกันนะครับ
ตัวอย่าง Data ที่ต้องเก็บสำหรับธุรกิจ E-Commerce เพื่อเอาไปทำ Hyper-Personalization
| User Attributes | Behavioral Attributes | Past Purchase Data |
|---|---|---|
| Age | Brands Viewed | Average Spend |
| Location | Price Filter/Sort applied | Discount Coupon Applied |
| Gender | Browsing time | Color Preference |
| Premium Membership Status | Preferred Message Medium | Quantity Purchased |
| Device | Product viewed | Purchase Date & Time |
| OS | Added to Cart | Device used for purchase |
| Name | Abandoned Cart | Size Preference |
| Sizes searched for | ||
| Search Query |
ตัวอย่าง Data ที่ต้องเก็บสำหรับธุรกิจ Online Streaming เพื่อเอาไปทำ Hyper-Personalization
| User Attributes | Behavioral Attributes | Past Purchase Data |
|---|---|---|
| Age | Search | Add to cart |
| Location | Media Category Filters | Date & Time of Purchase |
| Gender | Media Type Filters (Audio/Movies) | Subscription Renewed |
| Member Classification | Trailer Played | Device used for purchase |
| Device | Add to Watchlist | Payment Method |
| Operating System | Reviewed/Rated | Artist/Movie Preference |
| Name | Stream Count/Frequency | |
| Language Preference | ||
| Add to Playlist |
ตัวอย่าง Data ที่ต้องเก็บสำหรับธุรกิจ Hospitality เพื่อเอาไปทำ Hyper-Personalization
| User Attributes | Behavioral Attributes | Past Purchase Data |
|---|---|---|
| Age | Search | Money Spent on Accommodation |
| Location | Hotels Viewed | Dates of Booking |
| Gender | Area Filters | Payment Method |
| Membership Status | Hotel Price Range | Purchase Time |
| Device | Hotels Reviewed | Device used for booking |
| OS | Checkout Completed | Room Size/Details |
| Name | Discounts Availed | No. of rooms booked |
| Number of guests | Hotel Booked | |
| Guest details | Brand Preference | |
| Nature of stay | ||
| Added to Cart | ||
| Cart Abandoned |
ตัวอย่าง Data ที่ต้องเก็บสำหรับธุรกิจ FinTech เพื่อเอาไปทำ Hyper-Personalization
| User Attributes | Behavioral Attributes | Past Purchase Data |
|---|---|---|
| Age | Add to cart | Insurance purchased |
| Location | Search | Insurance renewed |
| Gender | Applied for Quote | Card Purchased |
| Income Level | Request for Callback | Card Renewed |
| Device | Newsletter Signup | Premium Paid |
| OS | Claim Requested | Recharge Completed |
| Name | Claim Settled | Wallet Recharged |
| Member Status | Applied for Card/Insurance/Loan | Amount of Recharge |
| Email Click | Service Provider details | |
| Notification Click | ||
| Offers Utilized |
ตัวอย่าง Data ที่ต้องเก็บสำหรับธุรกิจ Travel เพื่อเอาไปทำ Hyper-Personalization
| User Attributes | Behavioral Attributes | Past Purchase Data |
|---|---|---|
| Age | Flight Searched | Flight Booked |
| Location | Flight Selected | Amount Spent |
| Gender | Date Range Filter | Frequented Origin + Destination |
| Membership Status | Origin & Destination Filters | Preferred Mode of Transport |
| Device | Add to Cart | Time of Booking |
| OS | Travel Package Click | Device used for booking |
| Name | Checkout Completed | Mode of Payment |
| No. of Travellers | Offers Availed | |
| Route Preferences | ||
| Flight/Train Time Filters | ||
| Message Interaction | ||
| On-Site CTA click | ||
| In-App Message Click |
สรุปการเก็บ Data เพื่อเอามาต่อยอดทำการตลาดแบบ Hyper-Personalization
ด้วยระบบ Marketing Automation ทำให้คุณสามารถสร้าง Personalized message สำหรับลูกค้าแต่ละคนได้ ไม่ว่าจะข้อความโฆษณาที่มาพร้อมกับโปรโมชั่นที่คนนั้นชอบ ที่ต้องเป็นของสินค้าที่เพิ่งดูมาและกดใส่รถเข็นพร้อมช้อปทิ้งไว้
ข้อความสามารถส่งออกไปยังอุปกรณ์ที่ใช้ซื้อสินค้าหรือบริการกับเราบ่อยๆ และเพิ่มข้อเสนอพิเศษอย่างการส่งด่วนให้จากสถานะสมาชิกของลูกค้าคนนั้น
ด้วยการวิเคราะห์ข้อมูลในอดีตทั้งหมดของลูกค้าคนนั้น คุณจะสามารถรู้ได้ว่าจะเข้าถึงลูกค้าแต่ละคนด้วยช่องทางไหน วิธีไหน หรือสื่อสารแบบไหน ที่จะทำให้ลูกค้าคนนั้นซื้อกับคุณได้มากที่สุด
และนี่ก็คือวิธีการทำ Hyper-Personalization ที่สามารถคาดการณ์อนาคตได้จากข้อมูลในอดีตของลูกค้าแต่ละคนจนรู้ว่าพวกเขานั้นต้องการอะไรที่ไม่เหมือนกัน
ผม การตลาดวันละตอนเขียนหนังสือที่ชื่อว่า Personalized Marketing การตลาดแบบรู้ใจ ถ้าคุณอยากรู้ใจลูกค้ามากกว่านี้ ลองหาหนังสือเล่มนี้มาอ่านดูนะครับ > https://bit.ly/PersonalizedMarketingBook
อ่านบทความเรื่อง Personalization โดยการตลาดวันละตอนต่อ > https://www.everydaymarketing.co/tag/personalization/
