#Techsauce knowledge sharing — Data for Business
By P’LookPla Chonthicha (Analytist)
Thomas H. Davenport: “Every company has big data in its future and every company will eventually be in the data business.
ถ้าเรามี user จำนวนมาก เราสามารถเอา data กลุ่มนี้ไป monetize ได้มากมาย ไม่ว่าจะธุรกิจไหนก็มีเรื่อง data อย่าง คุณพี่ขายลูกชิ้น ก็ต้องเก็บว่า ลูกชิ้นแบบไหนขายดีเพียงแต่ว่าอาจจะเก็บในรูปแบบไหนเท่านั้นเอง
AI
ประดิษฐ์ขึ้นเพื่อให้คำนวณข้อมูลได้เร็วกว่ามนุษย์ ผ่านโลจิกที่ซับซ้อน สิ่งนี้จะไม่สามารถทำงานได้เลยถ้าไม่มีข้อมูล ไม่ว่าจะเป็น รถที่ขับเคลื่อนอัตโนมัติ หรือ สิ่งที่ใกล้ตัวเราอย่างการ Tag เพื่อนในรูปที่ Upload ลง Facebook, Discover People You May Know
- Politics & Government เช่น Trump win the election (ครั้งก่อน)
- Grab data-driven credit scoring
- Amazon Go หยิบของแล้วเดินออกได้เลย คิดเงินถูก โดยที่ไม่ต้องมีคนดูแล
- easyJet ที่ทำแคมเปญ Track ดูว่าเรา post เรื่องอะไร เค้าก็จะส่งตั๋วสถานที่นั้นมาให้เลย
- Amazon Panorama เปลี่ยนกล้องในโรงงานและร้านค้าเป็นกล้องวิเคราะห์ผลแบบ Real-Time ด้วย Machine Learning
Big Data
เราอยากใช้ Data แหละ แต่
ลูกค้าชอบซื้อ แต่ไม่ชอบถูกขาย
ลูกค้าชอบ Personalised แต่ไม่ชอบให้ Data
จึงต้องเอา Predictive เข้ามาช่วย เพื่อจัด Cluster หาความเหมือน/ความต่างของลูกค้า
- Google Maps Real-Time เพื่อดูการจราจร รวมถึงสถานที่แถวนั้นมีอะไร คนใช้เวลาเท่าไหร่ในสถานที่นั้น
- ทุกวันนี้ Ads แค่เราไถ และหยุดดู เราจะเจอ Ads แบบนั้นอีกมากมายตามมาหลอน (โดยที่ไม่ต้องคลิกด้วยซ้ำ)
Data ไม่ใช่ทางเลือก แต่คือ ทางรอด
- [มีการแสดงตัวอย่างการ Analyze Data ของ Ticket งานที่ Techsauce จัดมา] *Confidential เลยเอามาแปะในนี้ไม่ได้
- Tops เริ่มทำคูปองส่วนตัว ที่เป็นกระดาษส่งไปที่บ้านสมัย 10 ปีที่แล้ว ปัจจุบันเปลี่ยนเป็นการทำผ่าน eCommerce แทน
- โฆษณาทาง Social ที่เราเจอ มาได้หลายช่องทาง ทั้งพฤติกรรมเราเอง และผู้เกี่ยวข้องกับเรา
- Amazon Shipment in transit before you buy a product ทำการ predict data ว่า คนซื้อจะอยากซื้ออะไร ก่อนที่เค้าจะสั่ง ซึ่งต้องรอดูว่าผลลัพธ์เป็นยังไง
- เอา data มาดูว่า เทรนด์จะเป็นยังไง เราจะเดายอดขายอนาคตได้ (แต่ในสถานการณ์ covid อาจจะยากหน่อย)
- ถ้าเราไม่มี data ในอดีตที่ดีมากพอ ก็จะทำนายอนาคตได้ยากขึ้น
เราควรใช้ Insight มากกว่า Instinct
- แฟนพันธุ์แท้ของเรา มีมูลค่ากี่บาท เช่น ลูกค้าซื้อมากี่ปี ซื้อที่ราคาเท่าไหร่ หรือ กลุ่มคนที่ชอบ Content แนวไหน ผ่านทางช่องทางไหน
- รูรั่วของยอดขายอยู่ตรงไหน มีการ Dropoff ที่ Funnel จุดไหน และเกิดเป็น Conversion จริงเท่าไหร่
- บริษัทที่นำ Data มาใช้ มีโอกาสที่จะหาลูกค้าได้มากกว่าบริษัทที่ไม่ใช้ 23 เท่า เก็บลูกค้าไว้ได้มากถึง 9 เท่า และทำให้ได้กำไรมากกว่า 19 เท่า = 2.5x higher ROI
- หลังจาก PDPA มีผลบังคับใช้ ลูกค้าจะถูกแบ่งเป็นสองกลุ่ม คือ ที่ตั้งใจให้ Data กับ กลุ่ม Mass (ไม่ให้ Data) เราต้องเดาว่าเค้าอยากได้อะไร พวกนี้ conversion rate จะต่ำ และ cost จะสูงมาก
DMP = Data management platform
CDP = Customer data platform
- จะเป็นสิ่งที่นักการตลาดจะพูดถึงในปีหน้า ช่วยให้เรา merge พฤติกรรมลูกค้า offline <> online เข้ามารวมกัน
- จะเลิกใช้ Cookie (Google บอกว่าจะเลิกใช้ในปี 2022)
- เอา data มาทำความสะอาด แล้วทำ personalized ให้ลูกค้า
Recommendation for up-sell
- category based
- interest-based
- behavior-based
- benefit based
- brand based
- เมื่อเรามี Data เยอะ เราสามารถเอาไปใส่ใน Automation Tool เพื่อแสดงออกมาเป็น Dashboard ได้
- การทำ Hyper-personalization คือการทำ Content ที่ลูกค้าแต่ละคนได้ข้อมูลไม่เหมือนกันเลย
Towards DATA Driven
- Epistemic Curiosity ความกระหายใคร่รู้อย่างเข้มข้นลงลึก
- Data Accessibility เข้าถึงข้อมูลที่ช่วยให้ความสงสัยถูกนำไปต่อยอดได้
- Data Automation มีระบบประมวลผลออกมาเป็นตัวเลขที่ใช้งานได้จริง
- Data for all decisions เอาข้อมูลมาใช้ในการตัดสินใจ
Data Thinking = Design Thinking + Data Science
แล้วเราจะเริ่มทำ Data กันยังไง?
- ตั้งเป้าหมาย/ปัญหาที่มี แล้วตั้งคำถามให้ถูกต้อง ไม่ใช่ถามว่าเรามี data อะไรอยู่บ้าง การตั้งคำถาม เช่น ยอดขายตก/เพิ่ม จากช่องทางไหน เท่าไหร่
- รวบรวมข้อมูลที่มีอยู่แล้ว นำมาใช้ให้ได้ก่อนไปลงทุนเก็บใหม่ การเอาข้อมูลของใครมา แล้วมันหลุดออกไป เราจะเสียชื่อเสียง และเสียความมั่นใจกับลูกค้า ถ้าเราเก็บมา เราต้องรักษามันให้ดี
- เอามาลองพล็อตกราฟ ลองสังเกตุดูว่าเทรนด์เป็นยังไง แล้วเชื่อมโยงกับสิ่งที่เกิดขึ้น ทำไมถึงขึ้น ทำไมถึงลง พอหาเจอก็ทำการบันทึกไว้ เวลาที่มาดูย้อนหลังจะได้รู้ว่ามันเกิดอะไรขึ้น อะไรคือ Cause — Effect
- มองหลายมุม เก็บข้อมูลเพิ่มจากหลายแหล่ง เช่น ข้อมูลการแชท ข้อมูลการ Complain ข้อมูลการคืนสินค้า
ทีม Techsauce ต้องขอบคุณพี่ลูกปลาที่มาช่วย knowledge sharing เรื่อง Data ในวันนี้ผ่าน Zoom ค่ะ (จริงๆ ต้องจัดแบบเจอหน้า แต่ว่าเจอ Covid รอบสองเข้าไป ก็เลย WFH กันอีกรอบ T_T)
