นักวิทยาศาสตร์ข้อมูล (Data Scientist)
ที่มา contactability.com

Big Data Driven Business ตอนที่ 1: เทคนิคการตลาดในยุคของข้อมูล

สวัสดีชาว datascinece.in.th ทุกคนนะครับ ตอนนี้ก็เป็นตอนแรกของบทความซี่รี่ย์เรื่อง Big Data Driven Business (การขับเคลื่อนธุรกิจด้วยข้อมูลขนาดใหญ่) ซึ่งในบทความซี่รี่ย์นี้ ตัวผมเองอยากที่จะเสนอเรื่องราวในภาพกว้างที่เกิดขึ้นจากประสบการณ์จริงของการนำข้อมูลไปใช้ในการวิเคราะห์เพื่อต่อยอดในการทำธุรกิจ ว่าในแต่ละองค์กรมีการนำเอาผลลัพธ์ที่เกิดจากการวิเคราะห์ข้อมูลไปใช้ผลักดันในส่วนไหน และผลลัพธ์ที่ได้มันส่งผลมากน้อยแค่ไหน

ในแต่ละตอนนั้นจะเน้นให้ทุกคนได้เพลินเพลินไปกับเรื่องราวของการใช้ข้อมูลเพื่อเปิดโลกทัศน์ของผู้อ่านไปกับบริษัทชั้นนำระดับโลกที่นำเรื่องของข้อมูลมาใช้ต่อยอดธุรกิจของเขา ไม่ว่าจะเป็นการออกแบบ Marketing Campaign สร้าง Discount Model การทำ Customer Segmentation และอื่นๆอีกมากมายว่าสิ่งนี้เขาทำกันอย่างไร อีกทั้ง ยังพูดถึงเทคนิคและเทคโนโลยีใหม่ๆที่นำมาใช้วิเคราะห์และจัดการกับข้อมูลขนาดใหญ่ให้ได้อ่านกันในตอนต่อๆไปของซี่รี่ย์นี้นะครับ

ส่วนในตอนแรกนี้ เราจะมาหาคำตอบกันว่าเหตุใตบริษัทผู้ให้บริการเช่าหนังยักษ์ใหญ่อย่าง Netflix ทำไมถึงกล้าทุ่มงบประมาณถึง 100 ล้านเหรียญเพียงเพื่อที่จะสร้างภาพยนต์ซี่รี่ย์ที่ไม่มีแม้กระทั้งฉากแอคชั่นเลือดสาด หรือฉากวาบหวิว ใดๆ แล้วเขามั่นใจได้อย่างไรว่ามันจะทำกำไรและโด่งดังเป็นพลุแตก และบริษัท e-commerce ชั้นนำระดังโลกอย่าง Amazon ทำอย่างไรถึงเพิ่มยอดขายได้มากถึง 29% ภายในช่วงระยะเวลาเพียงแค่ 1 ปี เท่านั้น


ทุกวันนี้องค์กรต่างๆเริ่มหันมาให้ความสำคัญกับข้อมูลที่ตัวเองมีอยู่ ในการนำมันมาใช้เป็นวัตถุดิบในการวิเคราะห์ เพือช่วยในส่วนของการตัดสินใจและลดเปอร์เซนต์ความผิดพลาดที่จะเกิดขึ้นในอนาคต

Every day, we create 2.5 Quintilian bytes of data — so much that 90% of the data in the world today has been created in the last two years alone. — ข้อมูลจาก IBM

จากสถิติพบว่าข้อมูลที่อยู่ในรูปแบบของ digital format ถูกสร้างขึ้นประมาณ 2,500,000,000,000,000,000 (2.5 ล้านๆๆ) ไบท์ ต่อวันหรือประมาณ 28,875 GB ต่อ 1 วินาที หรือถ้าใครยังคิดไม่ออกว่าเยอะแค่ไหนให้ลองจิตนาการว่าเราจะต้องผลิตแผ่น Blue Ray DVD ประมาณ 10 ล้านแผ่นต่อวันเพียงเพื่อที่มาเก็บข้อมูลที่เกิดขึ้นในแต่ละวัน แล้วถ้านำแผ่น DVD มาซ้อนกันก็จะมีความสูงเท่ากับหอไอเฟลถึง 4 หอต่อกันเลยทีเดียว
ข้อมูลดิบนั้นถือว่าเป็นขุมทรัพย์ เปรียบเสมือนกับน้ำมันดิบที่ยังไม่ได้ผ่านการกลั่น ข้อมูลดิบๆจะยังไม่สามารถนำไปใช้ประโยชน์อะไรได้มากมายนัก จึงต้องเกิดการนำข้อมูลดิบนั้นมาวิเคราะห์ ซึ่งการวิเคราะห์ข้อมูลนั้นมีมาตั้งแต่สมัยอดีตในรุปแบบของการทำสถิติ แต่มักถูกจำกัดเพราะการเก็บข้อมูลปริมาณมากๆในรูปแบบของดิจิทัลนั้นมีค่าใช้จ่ายที่ค่อนข้างสูง อีกทั้งการประมวลผลข้อมูลในปริมาณที่มากๆนั้นใช้เวลามากเกินไป แต่ไม่กี่ปีที่ผ่านมาเรามีเทคโนโลยีที่ทันสมัยขึ้นทำให้เราสามารถเก็บและเข้าถึงข้อมูลได้ครั้งละมากๆในเวลาที่รวดเร็วขึ้น ซึ่งส่วนนี้เองมาช่วยขับเคลื่อนให้เกิดการกำเนิดของยุคที่เรียกว่า Big Data ในปัจจุบันนั่นเอง

Information is the oil of the 21st century, and analytic is the combustion engine, Mr. Sondergaard said

สำหรับบทความในตอนนี้ ผมขอยกตัวอย่าง 2 บริษัทดอทคอมยักษ์ใหญ่อย่าง Netflix และ Amazon ที่ประสบความสำเร็จกับการนำเอาข้อมูลมาขับเคลื่อนธุรกิจของเขานำมาเล่าให้ฟังนะครับ

แรกเริ่มเดิมทีตอนที่ Reed Hasting ก่อตั้งบริษัท Netflix ซึ่งเป็นบริษัทให้บริการเช่าแผ่น DVD หนังทางไปรษณีย์ เขาไม่เคยคิดที่จะใช้ Data มาเป็นตัวขับเคลื่อนธุรกิจเลย Reed เกิดปิ๊งไอเดียของเขาหลังจากที่เสียค่าปรับเป็นเงินถึง 40 ดอลลาร์ จากการที่เขาไปเช่าหนังเรื่อง Apollo 13 แล้วส่งคืนแผ่นไม่ทันกำหนด นั่นเองทำให้เขาเห็นช่องทางการในการทำธุรกิจนี้ เพื่อตอบโจทย์ให้กับคนที่ไม่สะดวกไปที่ร้านเช่าเพื่อยืมและคืนแผ่นหนัง โดยลูกค้าสามารถโทรไปสั่งเช่าหนัง และจะมีพนักงานเอาแผ่นหนังไปหย่อนและรับคืนให้เราที่ตู้ไปรษณีย์หน้าบ้าน หลังจากนั้นไม่นาน Netflix ก็ได้เปลี่ยนมาให้บริการด้วยระบบออนไลน์เป็นแบบ Video Streaming แทน

Figure 1. Netflix is the leading website on the Internet to offer a subscription-based rental and video streaming service. — ที่มา nethosting.com

 

ด้วยเวลาที่ผ่านไป Netflix ก็มีข้อมูลมากมายมหาสารที่เก็บเป็นเรคคอร์ดเอาไว้เวลาที่ลูกค้าใช้บริการกับ Netflix จนกระทั่งวันหนึ่ง Netflix คิดอยากที่จะมีภาพยนตร์ซี่รี่ย์เป็นของตัวเอง แต่จะทำยังไงดีล่ะให้มันได้รับความนิยมและดังเป็นพลุแตกภายในช่วงข้ามคืน คำตอบนั้นง่ายมาก ก็สร้างในสิ่งที่คนดูอยากดูสิ!!!

Netflix เริ่มเอาข้อมูลดิบที่มาจากคนดูมาวิเคราะห์เพื่อเป็นไกด์ไลน์ในการเลือกพล็อตเรื่อง, นักแสดง, ผู้กำกับ, และแม้กระทั่งฉากและซีนต่างๆ เพื่อที่จะทำให้เขารู้จักพฤติกรรมของลูกค้ามากขึ้น

ในที่สุดเขาก็ตัดสินใจเดิมพันกับเงินลงทุนถึง 100 ล้านเหรียญ เพราะเชื่อมั่นในสิ่งที่ข้อมูลบอกกับเขาว่ามันเป็นสิ่งที่คนดูที่เป็นลูกค้าของ Netflix ชื่นชอบ

ในตอนนั้น Netflix มีสมาชิกในเฉพาะที่อเมริกาประเทศเดียวประมาณ 27 ล้านคน ผลลัพธ์การจากวิเคราะห์ข้อมูลของผู้ชม ภาพยนตร์ดังอย่างเรื่อง The social network เป็นภาพยนตร์ที่มีสมาชิกของ Netflix ดูตั้งแต่ต้นจนจบมากที่สุด โดยมี David Fincher เป็นผู้กำกับ ข้อมูลส่วนนี้สามารถบอกเราได้ว่าพล็อตและการดำเนินเรื่องของผู้กำกับคนนี้สนุกตื่นเต้นและน่าติดตาม อีกทั้งข้อมูลยังได้บอกอีกว่าในหลายๆภาพยนตร์ที่มีนักแสดงรุ่นเก๋าอย่าง Kevin Spacey ร่วมแสดงอยู่ด้วยนั้นมักจะได้รับความนิยมจากคนดู สุดท้ายก็คือซี่รี่ย์ House of Cards เวอร์ชั่นก่อนของฝั่งอังกฤษในปี 1990 ก็เป็นที่นิยมในหมู่สมาชิกของ Netflix

With those three circles of interest, Netflix was able to find a Venn diagram intersection that suggested that buying the series would be a very good bet on original programming.

Figure 2. “Giving Viewer What They Want” — ที่มา David Carr’s New York Times article

 

ในที่สุด Netflix จึงตัดสินใจซื้อลิขสิทธิ์ House of Cards มาทำใหม่โดยมีผู้กำกับอย่าง David Fincher และ Kevin Spacey มาเล่นบทบาทเป็นนักแสดงนำ

Figure 3. House of Cards version U.S.A

 

ความสำเร็จของ Netflix จากซี่รี่ย์อย่าง House of Cards อาจจะวัดผลออกมาเป็นตัวเลขที่ชัดเจนยาก เนื่องจาก Revenue Model ของ Netflix เป็นแบบ Subscription Model แต่ความนิยมของซี่รี่ย์เรื่องนี้โด่งดังถึงขนาดได้ลงหน้าหนึ่งหนังสือพิมพ์ชื่อดังของสหรัฐอย่าง The New York Times และ The Los Angeles Times เลยทีเดียว ในขณะที่ Netflix มีรายได้แตะ 1 พันล้านเหรียญเป็นประวัติการณ์ ในไตรมาสแรกของปี 2013 ที่มีการฉาย House of Cards  เพิ่มขึ้นจากไตรมาสเดียวกันเมื่อปีก่อนถึงเกือบ 120 ล้านเหรียญ เพียงเท่านี้ก็เป็นการยืนยันแล้วว่า Netflix ประสบความสำเร็จโดยมีข้อมูลอยู่เบื้องหลังนั่นเอง

ทุกวันนี้ใน 1 วัน Netflix ก็ยังคงวิเคราะห์ข้อมูลการเล่นภาพยนตร์ (pause, rewind and fast forward) จากผู้ชมถึงกว่า 30 ล้านเรคคอร์ด และมีถึง 4 ล้านเรทติ้งที่ต้องวิเคราะห์ มีคนทำการค้นหาภาพยนตร์ใน Netflix อีกถึง 3 ล้านครั้ง จวบจนถึงแม้กระทั่งผู้ชมรับชมผ่านอุปกรณ์ชนิดใด เพื่อที่ Netflix จะได้เข้าใจพฤติกรรมของคนดูได้อย่างถ่องแท้

 

บริษัทยักษ์ใหญ่อีกเจ้าที่เป็นผู้นำในด้านของข้อมูลวิทยาก็คือ Amazon ผู้ก่อตั้ง Amazon อย่าง Jeff Bezos  ได้ชื่อว่าเป็นคนที่ประหลาดปราดเปรื่องที่สุดคนนึงแห่งยุคเลยก็ว่าได้ คนใกล้ตัวของเขาเองนั้นแหละที่เป็นคนนิยามคำๆนี้ให้แก่เขา เขาเป็นคนที่คิดนอกกรอบอยู่ตลอดเวลาแต่ส่วนใหญ่มักจะเป็นความคิดที่ค่อนข้างหลักแหลม หนึ่งในความคิดที่ประหลาดปราดเปรื่องที่สุดของเขาก็คือ เรื่องของการใช้ข้อมูลมาขับเคลื่อนธุรกิจ e-commerce

อย่างที่เราทราบกันดีว่า Amazon เริ่มจากการขายหนังสือออนไลน์ (E-book) และขยับขยายมาขายของจำพวกอิเล็คโทรนิค แล้วก็มาเป็นสิ่งของที่ใข้ในบ้าน จนในปัจจุบันแทบจะเรียกได้ว่ามีสินค้าเกือบจะทุกประเภทถูกขายอยู่ใน Amazon

ในปี 2015 Amazon มี active user ประมาณ 304 ล้าน accounts มีสินค้าให้เลือกเฉพาะใน Amazon.com ถึง 253 ล้านชนิด และ ใน 1 วินาที Amazon ขายของออกไปได้เฉลี่ยอยู่ที่ประมาณเกือบๆถึง 500 ชิ้น ซึ่งหนึ่งในความสำเร็จของ Amazon ก็คือ Amazon’s Recommendation Engine

Much is made of what the likes of Facebook, Google and Apple know about users. Truth is, Amazon may know more. And the massive retailer proves it every day. — ข้อมูลจาก Fortune


Figure 4. Amazon’s Recommendation Engine = Web’s most search engine + Advertiser

 

Recommendation Engine-ของ Amazon นั้น สามารถวิเคราะห์พฤติกรรมการซื้อของลูกค้าคนอื่นที่มีพฤติกรรมคล้ายๆเรา เพื่อที่จะมาแนะนำเราได้ ซึ่งมีความแม่นยำมากและค่อนข้างตรงกับความต้องการของลูกค้า

ข้อมูลที่ Amazon นำมาใช้ในการวิเคราะห์ก็เป็นข้อมูลพื้นฐานทั่วไป เช่น ในอดีตลูกค้าซื้ออะไร, ตอนนี้ลูกค้ากำลังจะซื้อหรือสนใจสินค้าอะไร, สินค้าที่ลูกค้าเคยกดไลค์หรือเคยให้เรทติ้ง, ลูกค้าคนอื่นที่สนใจสินค้าในแบบเดียวกันเขาซื้ออะไรเพิ่ม เพื่อที่จะเลือกเนื้อหาหรือสินค้าที่เหมาะสมและมีโอกาสที่ลูกค้าจะสนใจและซื้อมาแสดงให้กับลูกค้าได้

 

Figure 5. ตัวอย่าง How does the Amazon recommendation system work?  The general idea of the Amazon recommendation engine is to locate item vectors which are similar in pattern for the current viewed item vector. — ที่มา Kunuk Nykjaer’s blog

 

ในช่วงปีแรกๆที่ Amazon นำตัว Recommendation Engine มาใช้นั้น มีรายงานออกมาว่า มันสามารถเพิ่มยอดขายให้ได้ถึง 29% เทียบกับของไตรมาสสองในปีที่ 2011 กับปี 2012 จาก 9.9 ล้านเหรียญเพิ่มเป็น 12.83 ล้านเหรียญ — ข้อมูลจาก Fortune

When Amazon recommends a product on its site, it is clearly not a coincidence. — ข้อมูลจาก Fortune

ผมก็เป็นลูกค้าคนหนึ่งของ Amazon มาอย่างยาวนาน เวลาที่ผมจะซื้อหนังสือที่อยากได้สักเล่ม ก็มักจะเผลอกดเข้าไปดูหนังสือเล่มอื่นๆที่ Amazon แนะนำมาให้เสมอ ซึ่งสุดท้ายจบลงที่ต้องซื้อหนังสือเล่มอื่นด้วยทุกที

ทิ้งท้ายอีกสักนิดสำหรับการตลาดในยุคของข้อมูลนะครับ สำหรับตัวผมเองนั้น ผมเชื่อว่าเครื่องมือที่ดีที่สุดในการทำการตลาด คือการที่เราสามารถทำนายอนาคตได้นั่นเอง

The ability to see into the future is the most powerful marketing tool. — Papon Yongpisanpop

ในตอนต่อไปเราจะมาพูดถึง ถ้าธุรกิจของคุณอยากรู้จักลูกค้าให้ครบทุกด้าน 360 องศาโดยมีเพียงแค่ข้อมูลพื้นฐานในอดีต มาดูกันสิว่าต้องทำอย่างไร?

Papon Yongpisanpop
Contact me

Papon Yongpisanpop

He received his Ph.D. in Software Engineering from Japan. He helps businesses find insights by reduce data interaction complexity, increase processing speed, real time analytic, and enhance mission-critical applications with deep intelligence and advance analytic tools.

ติดต่อบรรยาย หัวข้อดังต่อไปนี้ ได้ที่ 096-882-3351 หรือ papon.yong@gmail.com
- Big Data Driven Business
- The Online Disruption has already happened
- Customer-Centricity and Segmentation
- An Overview of Apache Cassandra
Papon Yongpisanpop
Contact me
Loading Facebook Comments ...

Leave a Reply