SHARE

12 มีนาคม 2564

       ในปัจจุบันการวิเคราะห์ข้อมูลเชิงสถิติเพื่อให้ได้มาซึ่งข้อมูลที่สำคัญอาจจะไม่ยุ่งยากเมื่อเปรียบเทียบกับสมัยก่อน ที่ต้องมานั่งพล็อตกราฟ ทำความเข้าใจเรื่องการอ่านค่าทางสถิติ และต้องตีความหมายให้เข้าใจเนื้อหาสาระสำคัญ ซึ่งบางครั้งอาจไม่ทันการ แต่ในสมัยนี้เทคโนโลยีทุกอย่างล้วนแล้วแต่ถูกสร้างขึ้นมาเพื่ออำนวยความสะดวกสบาย หนึ่งในนั้นก็คือ การใช้ AI (Artificial Intelligence) เข้ามาช่วยวิเคราะห์ โดยจะเห็นได้ว่าพฤติกรรมการเข้าใช้งานโลกออนไลน์เพิ่มมากขึ้นเรื่อย ๆ หากสามารถนำข้อมูลเหล่านี้มาวิเคราะห์เพื่อหาความสัมพันธ์หรือเชื่อมโยงความเป็นเหตุเป็นผลซึ่งกันและกันได้นั้น จะช่วยให้สามารถปรับปรุงการดำเนินธุรกิจ วางแผนด้านการตลาดเพื่อให้ได้เปรียบคู่แข่ง หรือสร้างโอกาสทางธุรกิจได้เพิ่มมากยิ่งขึ้น

       สำหรับวิธีการที่นิยมใช้ในปัจจุบันเพื่อให้ได้มาซึ่งข้อมูลเพื่อนำไปประมวลผล คือ การวิเคราะห์ข้อมูล (Data Analytics) เป็นศาสตร์ในการวิเคราะห์และประมวลผลข้อมูลด้วยวิธีการทางคณิตศาสตร์และสถิติ และนำผลนั้นมาปรับใช้ให้เกิดประโยชน์ โดย Data Analytics จะทำหน้าที่เอาข้อมูลมาวิเคราะห์แนวโน้มพฤติกรรมของลูกค้าขององค์กร ใช้สถิติและตัวเลขในการคาดคะเนพฤติกรรมลูกค้า เพื่อให้องค์กรสามารถวางแผนการตลาดได้สมบูรณ์แบบ เกิดผลตอบแทนธุรกิจได้ดีมากกว่าการใช้สัญชาตญาณในการทำการตลาดเพียงอย่างเดียว

       ทั้งนี้ ประโยชน์ของการใช้ Data Analytic จะช่วยให้ธุรกิจรู้จักลูกค้ามากขึ้น ทำให้ทราบว่าตอนนี้ลูกค้าต้องการอะไร แล้วลูกค้าประเภทไหนที่ซื้อสินค้าหรือใช้บริการและยังทำให้องค์กรรู้จักลูกค้ามากขึ้นอีกด้วย อีกทั้งยังเป็นการทำนายพฤติกรรมของลูกค้า โดยการนำข้อมูลทั้งหมดที่มีในบริษัทตั้งแต่อดีตจนถึงปัจจุบันมาวิเคราะห์ ทำให้สามารถทำนายพฤติกรรมของลูกค้า และออกแบบสินค้าและบริการให้ตอบโจทย์กลุ่มลูกค้าประจำและกลุ่มลูกค้าใหม่ได้ นอกจากนี้ ยังเห็นมุมมองการทำการตลาดที่กว้างขึ้น เนื่องจากข้อมูลในมือมีจำนวนมาก เพราะยิ่งข้อมูลมากเท่าไหร่ มุมมองในการวางแผนการตลาดก็ยิ่งกว้างมากขึ้น บางกลยุทธ์อาจจะไม่ค่อยได้ใช้แต่ตัวเลขผลลัพธ์กลับออกมาดี เราอาจจะกลับไปใช้กลยุทธ์นั้นก็ได้ ซึ่งเชื่อว่ามีหลายวิธีที่สามารถใช้กับองค์กรได้ อยู่ที่วิธีไหนเหมาะและตอบโจทย์กว่านั่นเอง

โดยสามารถแบ่งรูปแบบการวิเคราะห์ข้อมูลได้ 4 รูปแบบ ดังนี้

1. การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive analytics) เป็นการวิเคราะห์ผลลัพธ์จากการกระทำต่าง ๆ เช่น ปัจจัยที่มีผลต่อพฤติกรรมการตัดสินใจของลูกค้า การรายงานการขาย หรือรายงานผลการดำเนินการ เป็นต้น
2. การวิเคราะห์แบบพยากรณ์ (Predictive analytics) เป็นการวิเคราะห์โดยนำข้อมูลที่เคยเกิดขึ้นแล้วในอดีตมาพยากรณ์ ทำนายในสิ่งที่กำลังจะเกิดขึ้นในอนาคต ด้วยแบบจำลองทางสถิติหรือการใช้เพื่อช่วยในการวิเคราะห์ข้อมูลใน Big data ที่มีจำนวนมากมหาศาล
3. การวิเคราะห์แบบเชิงวินิจฉัย (Diagnostic analytics) เป็นการวิเคราะห์เพื่อใช้อธิบายถึงสาเหตุของสิ่งที่เกิดขึ้น หาความสัมพันธ์ของตัวแปรต่าง ๆ เช่น วิเคราะห์ความสัมพันธ์ระหว่างยอดขายต่อกิจกรรมส่งเสริมด้านการตลาดว่ามีนัยสำคัญที่ทำให้ยอดขายเพิ่มขึ้นหรือลดลงหรือไม่ เป็นต้น
4. การวิเคราะห์แบบให้คำแนะนำ (Prescriptive analytics) การวิเคราะห์ในรูปแบบนี้ค่อนข้างมีความซับซ้อนมากที่สุด เพราะเป็นการพยากรณ์สิ่งที่กำลังจะเกิดขึ้นเพื่อหาสาเหตุ ข้อดี ข้อเสีย และมีเรื่องของระยะเวลาเข้ามาเกี่ยวข้อง เพื่อให้คำแนะนำหรือเลือกผลลัพธ์ที่ดีที่สุด อีกทั้งยังวิเคราะห์ได้ว่าในการเลือกแต่ละแนวทางจะให้ผลลัพธ์เป็นไปในทิศทางใดบ้าง

สำหรับการทำ Data Analytics ในองค์กรที่มักเริ่มนิยมทำเป็นอันดับต้น ๆ ก็คือ Customer Analytics คือ การเก็บข้อมูลลูกค้า แล้วนำไปวิเคราะห์เพื่อช่วยให้ธุรกิจคาดการณ์สิ่งที่น่าจะเกิดขึ้นในอนาคตได้ดีขึ้น และนั่นก็จะทำให้ธุรกิจประสบความสำเร็จ เพราะธุรกิจจะต้องเข้าใจลูกค้าและพฤติกรรมของลูกค้าให้ได้เป็นอย่างดี รวมถึงการที่จะทำให้ลูกค้ารู้สึกดีกับแบรนด์มากขึ้น บางครั้งอาจมีการวิเคราะห์ไปจนถึงขั้นต้องรู้ว่าลูกค้าน่าจะกำลังอยากซื้ออะไรเมื่อไหร่อีกด้วย ดังนั้น การวิเคราะห์ข้อมูลลูกค้าหรือการทำ Customer Data Analytics ก็จะมีบทบาทอย่างมากในการทำนายพฤติกรรมของลูกค้าที่จะเกิดขึ้นในอนาคต

       แม้ว่าจะเป็นศาสตร์ที่สำคัญแต่การนำเรื่องดังกล่าวมาใช้ยังคงเป็นปัญหาสำหรับบางองค์กร เนื่องจากไม่มีความเข้าใจในข้อมูลเพียงพอ โดยสามารถเห็นปัญหาจากเรื่องการใช้ Data เช่น ความไม่เชี่ยวชาญของบุคลากร องค์กรเล็กเกินไปไม่ได้ทำงานเกี่ยวกับข้อมูลโดยตรงจึงทำให้ไม่คุ้มทุน ไม่มีเป้าหมายในการใช้ Data Analytics อย่างจริงจัง หรือไม่เชื่อในข้อมูลที่ผ่านการวิเคราะห์มาแล้ว เป็นต้น ซึ่งแน่นอนว่าปัญหาเหล่านี้อาจจะเป็นประเด็นทั้งบริษัทขนาดเล็กและบริษัทขนาดใหญ่ สิ่งที่ดีสุด คือ การทำความเข้าใจเทคโนโลยีใหม่ ๆ ให้ถ่องแท้ระดับหนึ่ง ก่อนดำเนินการนำศาสตร์หรือเทคโนโลยีดังกล่าวมาปรับใช้ในบริษัทของตนเอง ซึ่งในยุคดิจิทัลที่ข้อมูลมีค่าต่อการดำเนินธุรกิจ เราอาจวิเคราะห์ข้อมูลเพื่อหาตลาดและลูกค้ารายใหม่ได้ ซึ่งสามารถกรองได้ว่าใครคือลูกค้าที่ Active จริง ๆ พร้อมทั้งจัดการความเสี่ยงที่อาจเกิดขึ้นได้อีกด้วย

โดย คุณอาชวิณ อัศวโภคิน​
        Chief Marketing Officer สายการตลาดและช่องทางการขาย
        บริษัทหลักทรัพย์จัดการกองทุน ไทยพาณิชย์ จำกัด