จากงานวิจัยโดย McKinney พบว่า ในช่วง 2-3 ปีที่ผ่านมานี้ หน่วยงานที่ใช้ Big Data Analytics มากที่สุด คือ หน่วยงาน Marketing ซึ่งไม่ใช่แค่การทำโฆษณา Facebook หรือทำ Google Analytics อย่างแน่นอน แต่เป็นการทำ Data Modeling
เหตุผลที่ต้องทำ Data Modeling เพราะพฤติกรรมของลูกค้า “ช่างเลือก” มากขึ้น และมีความ “ขี้เบื่อ” อย่างรวดเร็ว มีบทวิเคราะห์จากหลายสำนัก ลงความเห็นคล้ายกันว่า Loyalty หรือ ความซื่อสัตย์ต่อแบรนด์ของลูกค้า มีอัตราที่น้อยลงมาก กลายเป็นว่า แบรนด์ไหนออก Promotion ไหนที่โดนใจ ลูกค้าก็พร้อมที่จะเปลี่ยนใจไปใช้บริการแบรนด์นั้นๆ
แต่ด้วยเรื่องของธุรกิจแล้ว จะทำโปรโมชั่นตลอดเวลาก็ไม่ได้ เพราะอย่างไรเสีย ธุรกิจก็ต้องหาจุดสมดุลของคำว่า “กำไร กับ ขาดทุน” ดังนั้น องค์กรไหนที่ทีม Marketing อัดโปรโมชั่นโดยที่ไม่คำนึงถึงความคุ้มค่าในการโปรโมท ถือว่า “สอบตก” ในยุคนี้นะคะ
กลับมาสู่เรื่อง CRM Model แบบ Customized กัน ที่สามารถทำได้หลายรูปแบบ ไม่ว่าจะเป็น Probability Analysis แล้วเขียน Rule-based ซึ่งในที่นี้ จะต้องมีการกำหนดคุณสมบัติของแต่ละกลุ่มลูกค้าไว้ชัดเจน เช่น กลุ่มเสื้อผ้า กลุ่มรองเท้า กลุ่มกระเป๋า เป็นต้น
อีกกรณีหนึ่ง คือ ให้ Model เป็นตัวจัดกลุ่มให้ เพราะต้องการปริมาณลูกค้าต่อกลุ่มที่ใกล้เคียงกันมากที่สุด ไม่ต้องการให้เกิด Bias หรือความลำเอียงต่อกลุ่มใดกลุ่มหนึ่ง จะใช้หลักการ Clustering Model ในการจัดกลุ่ม
หน้าที่ของคนเขียนโปรแกรม หรือจัดการ Data ก็คงหนีไม่พ้น Data Scientist หรือ Data Analyst ที่ใช้เครื่องมือเป็น (เพราะ Clustering Model นั้นมีทั้งแบบอยู่ในโปรแกรมสำเร็จรูป และแบบที่เขียนขึ้นมาเองก็ได้) แต่หน้าที่ของคนตรวจสอบ Model และนำ Model ไปใช้งานต่อนั้น ก็คงต้องเป็น Marketing Analyst
ช่วงนี้เป็นช่วงเปลี่ยนผ่านของยุค Digital เรื่องการทำ CRM ในรูปแบบ Customized แบบนี้ คนฝั่ง Marketing อาจจะตามไม่ทัน โดยพื้นฐานแล้ว งานสาย Marketing จะมีความ Creative ที่ไม่ได้ใช้ Model หรือ สมการตายตัว ถามว่ามันเยี่ยมมั้ย ก็ต้องบอกว่ามันยอดเยี่ยมมาก แต่มันไม่มีอะไรการันตี หรือเป็นกฎที่แน่นอนตายตัว ขึ้นอยู่กับความสามารถ และทักษะของ Marketing แต่ละคน
อย่างไรก็ตาม การทำ CRM Model ขึ้นมานั้น จะรวบรวมข้อมูล Transaction หรือ ยอดขายที่เกิดขึ้นตลอดเวลา ทำให้เราสามารถทราบความเปลี่ยนแปลงในตัวพฤติกรรมของลูกค้าได้ ลูกค้าคนเดิม ในแต่ละเดือน อาจจะมีพฤติกรรมที่ไม่เหมือนกัน หากเป็นการตัดสินใจหน้างาน โดยใช้ประสบการณ์ อาจไม่ทันการเสียแล้ว
ในมุมมองของ Data Expert สิ่งที่ต้องให้ความสำคัญ คือ ลูกค้าแต่ละคนเขาซื้ออะไร นั่นจะบ่งบอก DNA ของคนคนนั้น แล้วค่อยกลับมาดูว่า ข้อมูลส่วนตัวเขาเป็นอย่างไร เป็นข้อมูลแบบ Dynamic
ในทางกลับกัน สิ่งที่ Marketing มักให้ความสำคัญ จะเป็นข้อมูลส่วนตัวของลูกค้า ที่อาจจะได้มาจากตัวลูกค้าเอง ซึ่งเป็นข้อมูลแบบ One-time หรือ Static
ดังนั้น ในยุคดิจิตอลนี้ ความท้าทายของทีม Marketing คือ ต้องพยายามใช้ประโยชน์จากข้อมูลให้มากขึ้น อาจจะขัดกับความรู้สึกบ้างในช่วงแรก บางคนอาจจะรู้สึกว่าโดนแย่งงาน ความเป็นจริงแล้ว ผลลัพธ์ที่ได้จาก Model นั้น ช่วยสร้างความท้าทายให้เหล่า Marketing มากขึ้นต่างหาก เพราะจากเดิม เราคิดโปรโมชั่นเดียว ใช้ได้ทั่วประเทศ กับคนทุกกลุ่ม แต่เมื่อมี Model ขึ้นมา กลายเป็นว่า เกิดลูกค้าหลายกลุ่ม ที่เราต้องหาโปรโมชั่น และผลิตภัณฑ์ที่เหมาะสมกับคนแต่ละกลุ่ม เรียกได้ว่า มีงานเพิ่มขึ้นกว่าเดิมซะด้วยซ้ำไป
ประโยคที่ Coraline นำเสนออยู่บ่อยครั้ง “AI หรือ Machine Learning ไม่ได้แย่งงานเรา แต่คนที่ใช้งานเทคโนโลยีเป็นต่างหาก ที่แย่งงานคนที่ใช้เทคโนโลยีไม่เป็น” คุณอยากเป็นคนฝั่งไหน อยู่ที่คุณเลือกเองค่ะ
