อย่างที่ทุกคนทราบกันว่า Data ก็เหมือน New Oil ในยุคปัจจุบัน ทำให้หลายคนหันมาให้ความสนใจกับการเก็บ Data กันมากขึ้น แต่บางครั้งข้อมูลที่เก็บมานั้นมีมากมายเหลือเกินจนทำให้ไม่รู้ว่าจะเอาไปใช้ทำอะไรต่อ และไม่รู้ว่าข้อมูลเหล่านั้นจะสามารถช่วยเพิ่มขีดความสามารถในการทำธุรกิจของคุณได้ในทิศทางไหนบ้าง ในบทความนี้เราจะมาช่วยแนะนำไอเดียในการใช้ Data Monetization ให้เกิดประโยชน์มากยิ่งขึ้น
และแล้วก็มาถึงบทสุดท้ายของการทำ RFM Model Analysis เพื่อแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อออกมาเป็น 12 Customer Segmentation สำหรับนักการตลาดสายดาต้าที่สนใจแล้วอยากรู้วิธีการเริ่มต้นทำจาก Transaction data ที่มี ถ้าอยารู้ว่าจะเริ่มต้นทำการตลาดแบบฉลาดใช้ดาต้า Data-Driven Marketing
ในวันที่อะไรๆ ก็ Data ธุรกิจทั่วโลกกำลังก้าวเข้าสู่การเป็น Data-Driven Marketing และ Business กันเหลือเกิน หลายแบรนด์อยากจะทำ Personalized Marketing ให้ได้ เพื่อที่จะได้รู้ใจลูกค้าก่อนคู่แข่งมากมายในท้องตลาด ดังนั้นก่อนจะไปลงลึกเรื่อง
เมื่อบริษัทขนส่งระดับโลกของอเมริกาอย่าง UPS สามารถประหยัดต้นทุนไปได้กว่า 400 ล้านดอลลาร์ ด้วยการวิเคราะห์ Data จนพบว่าแค่ไม่ต้องเลี้ยวซ้ายก็สามารถเพิ่มกำไรให้บริษัทได้มหาศาล ลองมาดูเคสการใช้ Data-Driven Logistics ของระบบปฏิบัติการที่ชื่อว่า ORION จาก UPS
ในยุค Data สิ่งสำคัญไม่ใช่แค่เรื่องของปริมาณของ Data ที่มีว่าจะ Big หรือไม่ Big แต่หัวใจสำคัญคือการเปลี่ยน Data ไร้ตัวตนให้กลายเป็นอะไรที่คนทั่วไปจับต้องหรือเข้าถึงได้ เหมือนกับเว็บไซต์บ้านที่ประเทศสวีเดนที่ชื่อว่า Hemmet ที่พบเขาเห็นโอกาสจาก Data
Data Science for marketing หรือการทำ Data Analytics นั้นกำลังกลายเป็นหัวใจสำคัญของโลกธุรกิจยุคใหม่ที่ไม่ใข่แค่การตลาดอีกต่อไป เพราะการเล่นกับ Data นั้นช่วยให้เราสามารถตอบคำถามยากๆ หรือแม้กระทั่งทำให้พบคำตอบใหม่ให้กับคำถามเดิม ทำให้เห็นถึง Insight ใหม่ที่ถ้าไม่ใช้
ปัจจุบันองค์กรต่าง ๆ หันมาใช้การวิเคราะห์ขั้นสูงและปัญญาประดิษฐ์ (AI) เพื่อให้การตัดสินใจในการทำธุรกิจนั้นเฉียบขาดขึ้น ตั้งแต่การวิจัยและการออกแบบไปจนถึงซัพพลายเชน (Supply chain)และการจัดการกับความเสี่ยง (Risk Management) การที่องค์กรมี Analytics Translator จะช่วยให้สามารถดำเนินการตามกลยุทธ์ของบริษัทได้ โดยเฉพาะที่เกี่ยวกับ
Challenge ของการทำ Data Analytics ในวันที่ใครๆ ก็เห็นความสำคัญของการวิเคราะห์ข้อมูลที่มีนั้นช่วยธุรกิจและการตลาดได้มากมายมหาศาลขนาดไหน ตั้งแต่ช่วยให้การตัดสินใจดีขึ้นเพราะมี data มา support และนั่นก็ย่อมส่งผลต่อสถานะทางการเงินของบริษัทอย่างแน่นอน แถมยังช่วยให้เราคาดการณ์ได้ดีถึงสิ่งที่น่าจะเกิดขึ้นล่วงหน้าได้ หรือแม้แต่ติดตามประสิทธิภาพในการทำงานด้านต่างๆ ว่าดีจริงหรือแค่ดีหลอกๆ เหมือนที่
ในตอนที่ 3 ของซีรีส์คอนเทนท์ชุดนี้จะพูดถึงเรื่อง Meric หรือตัวชี้วัดแบบไหนที่ควรเอามาใช้ทำ Customer Data Analytics เมื่อได้ตัวชี้วัดที่ดีแล้วเราจะมาคุยกันถึงว่าแล้วเราจะวิเคราะห์ข้อมูลลูกค้าอย่างไรให้ออกมาดีอย่างที่คาดหวัง และปิดท้ายบทความชุดนี้ด้วย Case study การทำ Customer analytics
ในบทแรกเราคุยกันเรื่องของการวิเคราะห์ข้อมูลลูกค้าหรือ Customer Data Analytics นั้นสำคัญอย่างไรในวันนี้ ในวันนี้เราคุยมาคุยกันในรายละเอียดว่า แล้วมีธุรกิจไหนบ้างที่วิเคราะห์ข้อมูลลูกค้าแล้วเกิดดอกออกผลจริงๆ แล้วเราจะมาคุยกันต่อถึงสิ่งที่ต้องรู้ก่อนเริ่มทำ Customer Analytics เพื่อไม่ให้หลงทางหรือเสียเวลาไปให้เสียเปล่า ข้อดีของการทำ Customer Data Analytics