ในทางธุรกิจ การสามารถเข้าถึง และ เรียนรู้พฤติกรรมผู้บริโภคได้นั้น มีประโยชน์อย่างยิ่งทั้งในด้าน การสร้างยอดขาย และ การทำกิจกรรมที่เกี่ยวข้องกับกลุ่มลูกค้าเป้าหมาย ในหลากหลายรูปแบบที่ส่งผลดีต่อธุรกิจได้ แต่การได้มาซึ่ง ข้อมูลพฤติกรรมผู้บริโภค ทั้งเชิงความคิดและพฤติกรรมนั้นมีความยากลำบาก ในการเก็บข้อมูลเหล่านี้ แต่เมื่อ มีระบบคอมพิวเตอร์และอินเทอร์เน็ต การได้มาซึ่งข้อมูลเหล่านี้ก็ง่ายขึ้น จึงทำให้ มีการสะสมข้อมูลต่างๆไว้เป็นจำนวนมาก และ จากปริมาณที่มากขึ้นจนเรียกได้ว่าเป็น Big Data ประกอบกับการมีระบบประมวลผล และ algorithm ในการเรียนรู้ของระบบคอมพิวเตอร์ที่เรียกว่า Machine Learning จึงทำให้ธุรกิจสามารถนำข้อมูลพฤติกรรมผู้บริโภค ที่มีจำนวนมหาศาลเหล่านี้ มาวิเคราะห์เพื่อตอบโจทย์ทางธุรกิจได้ในหลากหลายมุมมอง เช่น การเพิ่มยอดขาย การทำให้ลูกค้าตัดสินใจซื้อได้ง่ายขึ้น เป็นต้น

 

 

การวิเคราะห์ Data และ การใช้ความคิดสร้างสรรค์ มีความเกี่ยวข้องกันอย่างไร?

 

ในการทำ Data analytics หรือ การวิเคราะห์ข้อมูลนั้น หากเป็นข้อมูลที่มีจำนวนมากมายมหาศาลอย่างเช่น พฤติกรรมของผู้บริโภคในการเลือกซื้อสินค้าที่มีหลากหลายรูปแบบในหลากหลายช่องทาง จนมีจำนวนมาก รวมกัน เรียกว่า Big Data สิ่งเหล่านี้จะไม่มีประโยชน์ใดๆ หากไม่มีรูปแบบของการวิเคราะห์ข้อมูลที่ดีเพียงพอและความเข้าใจและมุมมองในข้อมูลเหล่านี้ จึงจำเป็นจะต้องมีความคิดสร้างสรรค์เข้ามาเพื่อการแปลผลข้อมูลด้วยและมันเป็นสิ่งสำคัญอย่างยิ่ง

เนื่องจาก ข้อมูล Big Data ที่มีปริมาณมหาศาล จนแทบจะไม่สามารถทำความเข้าใจมันได้ทั้งหมด หากนำมาใช้ในเชิงการตลาด ด้วยความสร้างสรรค์ อาจจะเห็นมุมมองใหม่ๆ ที่ ไม่สามารถเรียนรู้ ได้ แบบตรงไปตรงมา จากกลุ่มข้อมูลเหล่านั้น ตัวอย่าง เช่น การมีข้อมูลการสั่งซื้อในโลกออนไลน์ ที่ไม่ได้รวมความคิดสร้างสรรค์ก็อาจจะทำให้เห็นได้เพียง ยอดการสั่งซื้อ ยอดขาย กำไร ที่ธุรกิจสามารถทำได้ แต่เมื่อนำความคิดสร้างสรรค์เข้าไปช่วยในการวิเคราะห์อาจจะพบว่า การซื้อขายเกิดขึ้นได้ด้วยเหตุการณ์ใด ช่วงเวลาไหน และกลุ่มลูกค้ากลุ่มไหนที่ทำให้มียอดขายมากที่สุด รวมถึงสามารถรู้ได้ว่าลูกค้าตัดสินใจซื้อได้อย่างไร  ดังนั้นหากมีข้อมูลจำนวนมากแต่ไม่รู้วิธีการวิเคราะห์และแปลความด้วยความคิดสร้างสรรค์ก็จะไม่สามารถใช้ประโยชน์จากข้อมูลจำนวนมหาศาลนั้นได้อย่างเต็มที่

 

การ Clean Data มีความสำคัญอย่างไร ในการทำ Data Analytics

 

ข้อมูลมหาศาลที่เรียกว่า Big Data นั้น จะถูกเก็บมาอย่างค่อนข้างไร้รูปแบบ จนในบางครั้ง มีการรวบรวมข้อมูลมากจนไม่สามารถจัดระเบียบหรือแบ่งหมวดหมู่ได้ ดังนั้นจำเป็นจะต้องมีวิธีการบางอย่างในการเลือกหรือคัดสรรข้อมูลเพื่อให้ตอบโจทย์ทางธุรกิจ หรือ นำข้อมูลเหล่านี้มาเพื่อใช้ประโยชน์ ตามความต้องการและเป้าหมายที่ตั้งไว้ ให้ได้เหมาะสมที่สุด จึงจำเป็นจะต้องมีกระบวนการของการ Clean Data หรือ การคัดกรองข้อมูลเฉพาะส่วนที่จำเป็นหรือที่สามารถนำมาใช้ตอบโจทย์กับธุรกิจได้และคัดเลือกข้อมูล ที่ไม่ต้องการหรือไม่เป็นประโยชน์กับธุรกิจนั้นออกไป ให้ได้มากที่สุดเพื่อจะทำให้การประมวลผลและสรุปข้อมูลทำได้ง่ายและตอบโจทย์กับธุรกิจให้ตรงเป้าประสงค์มากที่สุด ตัวอย่างเช่น การเก็บข้อมูลเกี่ยวกับตัว สินค้าหรือบริการ ในโลกออนไลน์ เพื่อนำมาวิเคราะห์เรื่องของการตัดสินใจซื้อ และวิธีการซื้อ รวมถึงการวิเคราะห์ยอดขายต่างๆในเชิงพาณิชย์ อาจจำเป็นจะต้อง คัดกรองข้อมูลส่วนที่มีการพูดถึงสินค้าและบริการในรูปแบบที่ ไม่มีค่าใช้จ่าย หรือ คำว่า ฟรี ออกไปก่อน หรือ สินค้าสำหรับการบริโภคของมนุษย์ ก็ควรมีการคัดกรอง สินค้าในการบริโภคสำหรับสัตว์หรือสัตว์เลี้ยงออกไป

 

 

เครื่องมือ Social Listening หรือ Social Monitoring คือ อะไร
และ มีประโยชน์ในการทำ Data Analytics อย่างไรสำหรับภาคธุรกิจ
นอกจากนี้ สามารถ นำไปใช้นอกเหนือจากภาคธุรกิจได้อย่างไร

 

เครื่องมือ Social Monitoring หรือ Social Listening คือ เครื่องมือที่ใช้ในการติดตามและเก็บข้อมูลที่ต้องการในโลกออนไลน์ ตาม คีย์เวิร์ด คำ หรือ เนื้อหา ที่ธุรกิจต้องการศึกษา ที่มีการผสานในส่วนของเครื่องมือเพื่อช่วยในการอำนวยความสะดวกในการวิเคราะห์และสรุปผลด้วย โดยรูปแบบของเครื่องมือในกลุ่มของ Social monitoring หรือ Social Listening นี้มีต้นกำเนิดมาจากความต้องการในการบริหารจัดการเรื่องของ crisis management คือ การบริหารจัดการวิกฤตการณ์เป็นการป้องกันหรือเฝ้าระวังการพูดถึงแบรนด์หรือธุรกิจในมุมมองต่างๆในโลกออนไลน์และสามารถบริหารจัดการเนื้อหาและข้อมูลเหล่านั้นได้อย่างทันท่วงที

เมื่อข้อมูลเหล่านั้นถูกเก็บสะสมไว้ปริมาณมากๆ จึงสามารถนำมาใช้ประโยชน์ในเชิงธุรกิจได้อย่างหลากหลายรูปแบบ เช่น การวิเคราะห์แคมเปญทางการตลาดที่เหมาะสมกับกลุ่มลูกค้า หรือ การเลือก influencer หรือผู้ทรงอิทธิพลทางความคิดในโลกออนไลน์มาเป็น ตัวแทนของแบรนด์หรือธุรกิจ หรือ วิเคราะห์เพื่อหากลุ่มลูกค้าใหม่ๆที่เหมาะกับธุรกิจได้ นอกจากนั้น เครื่องมือในการวิเคราะห์ Data Analytics ในโลกโซเชี่ยล สามารถช่วยให้เห็นภาพรวมอื่นๆที่อาจจะอยู่นอกเหนือธุรกิจได้ตัวอย่าง เช่น อารมณ์ความรู้สึก (Sentiment) ต่อรูปแบบของเนื้อหาหรือ การสื่อสารในช่องทางออนไลน์ ได้

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการ Monitor ข้อมูล

 

ด้านการ Monitor ข้อมูล จำเป็นอย่างมาก ต่อ กลุ่มธุรกิจที่มีความสุ่มเสี่ยงหากมีเนื้อหาไม่เหมาะสมหรือเกิดการโจมตีด้วยคำโฆษณาอันมีข้อความเป็นเท็จในโลกออนไลน์ เพราะอาจส่งผลต่อภาพลักษณ์ชื่อเสียงของธุรกิจและแบรนด์ รวมไปถึงมูลค่าของธุรกิจหากเป็นธุรกิจที่มีการ ซื้อขายในตลาดหลักทรัพย์ ตัวอย่าง เช่น ถ้ามีการ Monitor ข้อมูล ของ เนื้อหาเกี่ยวกับแบรนด์สินค้าหรือธุรกิจไว้ตลอดเวลา เมื่อมีข้อมูลเชิงลบหรือข้อมูลที่ไม่ถูกต้องเกี่ยวกับแบรนด์ ธุรกิจ สินค้าหรือบริการ ก็สามารถเข้าไปบริหารจัดการได้อย่างทันท่วงทีก่อนที่จะเกิดเป็นกระแสลุกลามใหญ่โต

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการวิจัยพฤติกรรม

 

ด้านการวิจัยพฤติกรรม ถือเป็นส่วนสำคัญที่สุด ที่ธุรกิจที่จะนำข้อมูลไปเพื่อประโยชน์ด้านการขายเนื่องจากว่า พฤติกรรมของผู้บริโภคนั้น อาจส่งผลต่อการซื้อ การมีเครื่องมือเพื่อสามารถเก็บข้อมูลเกี่ยวกับพฤติกรรมของผู้บริโภคเพื่อนำมาวิเคราะห์ได้ เป็นผลดีอย่างยิ่งต่อธุรกิจ เช่น แบรนด์อาจรู้ว่าพฤติกรรมของผู้บริโภคที่มีการสั่งซื้อมากที่สุดเกิดขึ้นกับคนกลุ่มไหน อาชีพ อายุ เพศ และ วัยไหนมากที่สุด รวมทั้งสามารถรู้พฤติกรรมของการซื้อตามช่วงเวลาที่เหมาะสมได้อีกด้วย

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการผลิตคอนเทนต์ (Content)

 

ด้านการผลิตเนื้อหา Content การมีเครื่องมือเพื่อช่วยในการหา รูปแบบการสื่อสาร หรือ รูปแบบคอนเทนต์เพื่อตอบโจทย์ให้กับผู้บริโภคกลุ่มเป้าหมาย จำเป็นจะต้องมีเครื่องมือเพื่อมาช่วยเหลือในการวิเคราะห์รูปแบบ ลักษณะ รวมถึง การตอบสนองของเนื้อหาเหล่านั้นด้วย ตัวอย่าง เช่น แบรนด์หรือธุรกิจสามารถเรียนรู้ได้ว่า รูปแบบและลักษณะของการสื่อสารด้วย Content ไหนที่สามารถสร้างการมีส่วนร่วมในเนื้อหาได้มากที่สุด

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการส่งเสริมการขาย

 

การทำโปรโมชั่นเพื่อช่วยด้านการส่งเสริมการขาย มีความจำเป็นอย่างยิ่งในปัจจุบันเพื่อทำให้การตัดสินใจซื้อของลูกค้าทำได้ง่ายมากขึ้น การมีเครื่องมือเพื่อช่วยวิเคราะห์รูปแบบของการส่งเสริมการขายที่เหมาะสมกับลูกค้าเป้าหมายมีความจำเป็นอย่างยิ่ง ตัวอย่างเช่น เมื่อมีเครื่องมือในการวิเคราะห์รูปแบบของโปรโมชั่นต่างๆ สามารถทำให้รู้ได้ว่ารูปแบบของการส่งเสริมการขายรูปแบบใดที่สามารถสร้างการเข้าถึงและการมีส่วนร่วมกับกลุ่มลูกค้าเป้าหมายได้มากที่สุด หรือ เพื่อใช้เปรียบเทียบกัน ระหว่าง รูปแบบส่งเสริมการขาย ได้อีกด้วย เช่น ระหว่าง การให้ส่วนลด หรือ การแถมสินค้า

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการพัฒนาธุรกิจ

 

การใช้เครื่องมือในการวิเคราะห์ข้อมูลบนโลกออนไลน์ รวมไปถึง พฤติกรรมของผู้บริโภคสามารถนำมาประยุกต์ใช้และเป็นองค์ประกอบในการพัฒนาด้านธุรกิจได้ด้วย เช่น ธุรกิจสามารถรู้แนวโน้มหรือ ข้อมูลเชิงปริมาณด้านความต้องการของลูกค้า ด้วยข้อมูลในโลกออนไลน์ ดังนั้น จึงสามารถเรียนรู้ได้ว่า ความต้องการสินค้าหรือบริการ มีน้อยลงหรือมากขึ้น ตามช่วงเวลา และ สามารถคาดการณ์ล่วงหน้าตามช่วงเวลาที่เหมาะสมได้ รวมถึง อาจมองเห็นแนวโน้มในระยะยาวของการดำเนินธุรกิจว่ามีความเป็นไปได้มากขึ้นหรือน้อยลงในอนาคต

 

ตัวอย่างการใช้งาน การทำ Data Analytics ด้านการศึกษากระแส และ ผู้มีอิทธิพลต่อลูกค้าในช่องทางออนไลน์ Influencer

 

ผลพลอยได้ และ องค์ประกอบที่สำคัญหลักๆ ที่ได้จากระบบที่สามารถวิเคราะห์ข้อมูลบนโลกออนไลน์ ด้วยการทำ Data Analytics คือ การมองเห็นกระแสของพฤติกรรมผู้บริโภค ความชื่นชอบ รวมถึง เหตุการณ์ใหม่ๆที่เกิดขึ้นได้อย่างทันท่วงที นอกจากนั้น ยังสามารถใช้ในการคัดเลือกผู้นำทางความคิดหรือผู้ทรงอิทธิพลในหมวดหมู่ของสินค้าหรือบริการที่เป็นไปในแนวทางเดียวกับธุรกิจได้อีกด้วย

ตัวอย่าง เช่น การเรียนรู้ว่ามีกระแสอะไรที่กำลังเกิดขึ้นและมีแนวโน้มที่เป็นไปได้ว่าจะมีส่วนส่งเสริมต่อธุรกิจ เมื่อรู้ก่อนธุรกิจก็สามารถเข้าถึงและใช้ประโยชน์จากกระแสที่เกิดขึ้นได้ก่อน สำหรับด้านการวิเคราะห์เพื่อเลือกใช้ Influencer จะเกิดประโยชน์อย่างยิ่ง เนื่องจากจะทำให้ได้คนหรือผู้นำทางความคิดที่สามารถสร้าง Engagement หรือ การมีส่วนร่วมกับกลุ่มฐานแฟนคลับของพวกเขาได้มากที่สุด ดังนั้น แบรนด์หรือธุรกิจก็จะได้ประโยชน์อย่างยิ่งหากทำการตลาดผ่าน influencer ที่เลือกมาได้อย่างถูกต้องเหมาะสม

 

 

แหล่งที่มาของ “คำ” ที่น่าสนใจ (Keywords) ที่นำมาใช้ในการวิเคราะห์สามารถหาได้จากที่ไหน

 

ในการระบุ keywords เพื่อใช้ในการเก็บข้อมูล (Data) ก่อนนำมาวิเคราะห์ (Analytics) สามารถทำได้หลากหลาย เช่น

วิธีที่ 1 การรวบรวม Keywords ที่เกี่ยวข้องโดยตรงกับธุรกิจ เช่น ชื่อสินค้าหรือบริการ ชื่อผลิตภัณฑ์ ชื่อแบรนด์ ชื่อบริษัท หรือ คำที่เกี่ยวข้องกับความต้องการหรือประโยชน์ที่ลูกค้าจะได้รับจากตัวสินค้าและบริการของธุรกิจนั้น

วิธีที่ 2 สามารถระบุ keywords ด้วยการนำปัญหาหรือคำถามต่างๆที่เกี่ยวข้องกับธุรกิจสินค้าและบริการ เช่น คำถามที่มีจากกลุ่มลูกค้าเป้าหมายถึงแบรนด์โดยตรง ในช่องทางต่างๆ เช่น จากพนักงานขายหรือจากการพูดคุยผ่านทางช่องทางออนไลน์ นอกจากนั้น ยังสามารถเรียนรู้ keywords จากคำถามต่างๆผ่านในกระทู้ forum หรือ คำถามในเว็บบอร์ด ต่างๆในโลกออนไลน์ได้อีกด้วย

วิธีที่ 3 สามารถใช้เครื่องมือหรือ platform ต่างๆที่เกี่ยวกับการ ค้นหาในโลกออนไลน์ เช่น keyword planner หรือ keyword tools ต่างๆเพื่อเลือกคำที่เหมาะสมนำมาใช้ในการวิเคราะห์ได้

 

เนื้อหาในโลกออนไลน์ (Online Content) ที่มีคุณค่าต่อการทำ Data Analytics ควรมีลักษณะอย่างไรและวัดค่าได้จากอะไร

 

Online Content แต่ละ Platform มีความแตกต่างกัน ดังนั้นในด้านการวิเคราะห์เชิงคุณค่าควรมีวิธีและลักษณะที่ควรศึกษาแตกต่างกัน รวมไปถึง การใช้ข้อมูลเชิงปริมาณในการวัดค่าก็แตกต่างกันไปด้วย

โดยทั่วไปการวิเคราะห์ Online Content จะใช้เรื่องของ engagement หรือการมีส่วนร่วมกับ Content นั้นเป็นตัววัดค่ามาตรฐานเบื้องต้น แต่นอกไปจากนั้น การพิจารณาข้อมูลในรายละเอียดของแต่ละคอนเทนต์ออนไลน์ก็จะยิ่งช่วยให้เห็นภาพชัดเจนมากขึ้นและแม่นยำมากขึ้น มากกว่าการวิเคราะห์เชิงปริมาณ นอกจากนั้นการพิจารณา เพื่อเลือกหา Online Content ที่มีคุณค่าและมีคุณภาพ ก็จำเป็นต้องมีรายละเอียดด้านความรู้สึกหรืออารมณ์ (Sentiment) ร่วมต่อ Content นั้นๆอีกด้วย

ตัวอย่าง เช่น การวัดเพื่อเปรียบเทียบคุณค่าของ Online Content ใน Facebook ที่มีเอ็นเกจเม้นท์หรือการมีส่วนร่วมที่มีปริมาณเท่ากัน อาจจะต้องลงรายละเอียดไปในรูปแบบของ การมีส่วนร่วมต่างๆด้วย เช่น Content แรก อาจจะมีจำนวนการมีส่วนร่วมแบบ แสดงความคิดเห็น มากกว่า อีก Content ที่มีแต่ยอดการกดแสดงความรู้สึก

หรือ เมื่อมีการเปรียบเทียบข้ามแพลตฟอร์ม ก็อาจจะทำได้ยากและต้องดูรายละเอียดเชิงลึก

เช่น โพสต์ในอินสตาแกรมที่มียอดเอ็นเกจเม้นท์สูงและมีการ Comment แสดงความคิดเห็นเกิดขึ้นมาก อาจเกิดจาก การคอมเม้นของผู้สร้างโพสต์เอง แต่เมื่อเปรียบเทียบกับ Content ใน Twitter ที่ไม่มีการ Comment หรือ reply เกิดขึ้นเลยแต่มียอดรีทวีตและกดหัวใจ มากเท่ากัน ก็อาจมีคุณค่ามากกว่า จำนวนเอ็นเกจเม้นท์หรือการมีส่วนร่วมที่เท่ากันใน instagram

 

 

ความท้าทายในการเรียนรู้เรื่อง Data Analytics คือ อะไร ?

 

ในการเรียนรู้ และใช้เครื่องมือในการวิเคราะห์ข้อมูลเชิงลึก มีความท้าทายในเรื่องของ ความเข้าใจในด้านการใช้เครื่องมือ การนำไปใช้ และ การประยุกต์ใช้ เนื่องจากว่าหากผู้ต้องการเรียนรู้และใช้งานเครื่องมือเหล่านี้ไม่มีประสบการณ์ในด้านการทำการตลาด การทำธุรกิจ ก็อาจมีมุมมองไปในเรื่องของการใช้งานและข้อมูลเชิงปริมาณมากกว่าการนำไปใช้ หรือ ในทางกลับกันหากผู้เรียนมีความเข้าใจในเรื่องของธุรกิจแต่เพียงอย่างเดียวอาจจะมีความกังวลและความเข้าใจในการใช้งานระบบ

 

ความท้าทายของผู้ประกอบการ ในการใช้เครื่องมือต่างทำ Data Analytics คืออะไร?

 

ความท้าทายต่อผู้ประกอบการในทำ Data analytics และ การใช้เครื่องมือ แบ่งออกเป็น 2 รูปแบบ

แบบที่ 1 ผู้ประกอบการรายย่อยหรือ SME ที่อาจจะพึ่งมีการเริ่มต้นสร้างแบรนด์หรือเริ่มต้นธุรกิจหรือแม้ว่าจะเริ่มธุรกิจมานานแล้ว แต่ยังไม่ได้มีการพูดถึงหรือมีเนื้อหา Content ในโลกออนไลน์มากนัก ผู้ประกอบการเหล่านี้ก็จะยังไม่เห็นคุณค่าของการใช้งานระบบ มากนักทำให้ ไม่ต้องการใช้งานรวมทั้งมองข้ามประโยชน์ที่เกิดขึ้นจากการได้ข้อมูลพฤติกรรมผู้บริโภคเหล่านี้

แบบที่ 2 คือ ผู้ประกอบการที่อาจมีการใช้งานระบบ Social monitoring หรือ Social Listening อยู่แล้วในรายที่เป็นผู้ประกอบการรายใหญ่ทำให้เกิดการเปรียบเทียบในเรื่องของการใช้งาน ราคาและข้อมูลและประโยชน์ที่ได้รับจากระบบ จึงทำให้อาจเป็นปัญหาในการเลือกใช้หรือตัดสินใจใช้บริการของระบบ

 

และ ท้ายที่สุดนี้ ต้องขอขอบคุณ เครื่องมือ Mandala Digital Wisdom จากทาง Ocean Sky Network Co., Ltd. ที่ได้อนุเคราะห์เครื่องมือดีๆ เพื่อให้ใช้ในการศึกษาเรื่องราวของการทำ Data analytics กับข้อมูลในโลกโซเชียลและเนื้อหาต่างๆในโลกออนไลน์ เพื่อนำมาใช้งานด้านการตลาดและการทำธุรกิจ ทั้งหมดนี้ในหัวข้อ ” data analytics คือ อะไร? รีวิวเครื่องมือ analytics big data ใหม่ [ไม่ใช่ zanroo] ” คุณสามารถแสดงความคิดเห็นได้ง่ายๆด้วยการฝากคอมเม้นต์ ไว้ด้านล่างบทความนี้ หรือ ทักไลน์มาเพื่อพูดคุยกันได้ง่ายๆ ที่ @brandingchamp