Customer Analytics — รวมแนวคิดและเทคนิคการวิเคราะห์ลูกค้า
หัวข้อแรกๆ เลยที่บริษัทส่วนมากจะเริ่มในการทำ data analytics ก็คือ Customer Analytics
เราถูกสอนกันมาว่า จะต้องเข้าใจลูกค้าให้ได้เป็นอย่างดี ต้องรู้และเข้าใจพฤติกรรมของลูกค้า รู้ว่าเค้าชอบอะไร ไม่ชอบอะไร ลูกค้ายังอยู่กับเราหรือเปล่า หรือ หนีจากไปหาคนอื่นแล้ว
แล้วเราจะรู้ได้อย่างไรว่า ถ้าจะวิเคราะห์ข้อมูลลูกค้า เราจะต้องวิเคราะห์ในเรื่องไหน แล้ววิเคราะห์อะไรบ้าง เราจะมาสรุปรวบรวมกันครับว่า แนวคิดและเทคนิคการวิเคราะห์ลูกค้านั้นมีอะไรบ้าง
เค้ามีพฤติกรรมอย่างไร? — Customer Profiling with Descriptive Analytics
การวิเคราะห์ข้อมูลแบบที่ง่ายที่สุด ที่ทำให้เราเข้าใจคุณลักษณะของลูกค้า ก็คือ การวิเคราะห์แบบ descriptive analytics ซึ่งมีการวิเคราะห์แบบหลากหลายมาก ในการที่เราจะเข้าใจพฤติกรรมลูกค้านั้น เมื่อลูกค้ามีจำนวนมาก เราก็จำเป็นที่จะต้องหาค่าที่เป็นตัวแทนที่เที่ยงธรรมของพฤติกรรมลูกค้าที่เราสนใจ
การคำนวณที่เป็นที่นิยม ได้แก่ Mean Median Mode หรือ ค่าเฉลี่ย ค่ามัธยฐาน และค่าฐานนิยม ตามลำดับ ค่าเหล่านี้ ทำให้เราเข้าใจได้ว่า โดยเฉลี่ยแล้ว ลูกค้ามีพฤติกรรมเช่นไร ลูกค้าส่วนมากซึ่งมักจะมีจำนวนมากตรงกลางๆ มีพฤติกรรมเช่นไร สิ่งไหน ที่ลูกค้าชอบมากที่สุด
หรือ การใช้ standard deviation ในการวัดพฤติกรรมของลูกค้าว่ามีการกระจุกหรือกระจายตัวอย่างไร ก็จะช่วยให้การเราเข้าใจพฤติกรรมของลูกค้าที่จำนวนมากได้ง่ายขึ้น
การวิเคราะห์ในรูปแบบของ descriptive analytics ถึงแม้จะไม่ซับซ้อน แต่ก็ช่วยให้เราได้เห็นถึงภาพกว้างเพื่อให้เราได้เข้าใจพฤติกรรมลูกค้ามากขึ้น
เรายังสามารถสรุปพฤติกรรมลูกค้าทั้งหมด และสร้างขึ้นเป็น Customer Single View ที่สรุปรวบรวมพฤติกรรมทั้งหมดไว้ในที่เดียวกัน ตามไปอ่านกันได้ที่นี่เลยครับ https://medium.com/@thanachart.rit/building-customer-single-view-customer-360-3539c971092c
นอกจากนี้ อีกมุมหนึ่งที่ควรพิจารณาในการวิเคราะห์พฤติกรรมลูกค้า ก็คือ Customer Lifetime Value ครับ https://medium.com/@thanachart.rit/%E0%B8%A7%E0%B8%B1%E0%B8%94%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%84%E0%B9%88%E0%B8%B2%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B8%A5%E0%B8%B9%E0%B8%81%E0%B8%84%E0%B9%89%E0%B8%B2%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2-customer-lifetime-value-39602559c273
เค้าเป็นคนแบบไหนกันนะ? — Customer Segmentation with Clustering
customer segmentation หรือ การแบ่งกลุ่มลูกค้า เป็นเทคนิคที่นักการตลาดนิยมใช้ในการจัดการลูกค้า โดยรวมลูกค้าที่มีลักษณะเหมือนหรือคล้ายคลึงกันให้อยู่ในกลุ่มเดียวกัน หรือ segment เดียวกัน เพื่อที่จะวางแผนหรือออกแบบการมีปฏิสัมพันธ์กับลูกค้าให้ง่ายขึ้น เพราะมีความชอบและความต้องการที่คล้ายคลึงกัน
เทคนิคด้าน data analytics ที่นิยมนำมาใช้ในการแบ่งกลุ่มลูกล้า ก็คือ Clustering ซึ่งเป็นเทคนิคในการแบ่งจุดข้อมูลออกเป็นกลุ่มย่อย แล้วทำการจับกลุ่มจุดข้อมูลที่มีความเหมือนกันให้อยู่ในกลุ่มเดียวกัน เทคนิคที่เป็นที่นิยมใช้ ก็ได้แก่ K-Means Clustering นอกจากนี้ ก็ยังมี DBSCAN อีกเป็นต้น
แล้วเค้าควรซื้ออะไรเพิ่มล่ะ? — Product Recommendation with Similarity Matching
ในการสร้างสัมพันธ์กับลูกค้า สิ่งที่เราอยากทำก็คือการนำเสนอสิ่งที่ลูกค้าต้องการ หรือ น่าจะอยากได้ เทคนิคที่นิยมนำมาใช้ ก็คือ การทำ personalization และ product recommendation
เมื่อลูกค้าและสินค้ามีจำนวนมาก การเลือกสินค้ามานำเสนอให้ตรงใจลูกค้าก็จะเป็นเรื่องยากขึ้น การวิเคราะห์ข้อมูลจะเข้ามาช่วยบอกได้ว่า ลูกค้าคนนี้ชอบซื้ออะไร หรือ สินค้าไหนที่ลูกค้าไม่เคยซื้อ แต่มีแนวโน้มที่จะชอบ โดยดูจากพฤติกรรมของลูกค้าคนอื่นที่มีความคล้ายคลึงกัน
เทคนิคเหล่านี้ ได้แก่ Product Association และ Collaborative Filtering
เค้าจะตอบกลับเราไหมน้า? — Campaign Response with Classification
เมื่อลูกค้าเริ่มมีความสัมพันธ์กับเรา เราก็อยากที่จะมอบสิทธิพิเศษดีๆ ให้กับลูกค้า เช่น การส่งโปรโมชันพิเศษไปให้ ส่งคูปองส่วนลดไปให้ แต่การส่งคูปองเหล่านี้ไปก็มีต้นทุนในการส่ง ถ้าส่งไปหาคนที่ไม่ได้ใช้คูปอง ก็จะเป็นการลงทุนที่ไม่คุ้มค่า
เราสามารถใช้เทคนิคของ data analytics ในการทำนายว่า ลูกค้าคนใดมีความน่าจะเป็นที่จะตอบสนองต่อโปรโมชัน หรือ คูปองที่เราส่งไปหา ทำให้เราสามารถประเมินความคุ้มค่าหรือมูลค่าที่จะได้รับจากการทำโปรโมชันได้
เทคนิคที่สามารถนำไปใช้ในการทำนายอยู่ในกลุ่มเทคนิคที่เราเรียกว่า Classification ซึ่งมีหลากหลายเทคนิคมาก เช่น Logistic Regression, Decision Tree, Random Forest, Support Vector Machine เป็นต้น
เค้าจะกลับมาหาเราไหมน้า? — Churn Prediction with Classification
อีกปัญหาหนึ่งของการจัดการลูกค้า ก็คือ การรักษาลูกค้าไว้ให้อยู่กับเราได้นานที่สุด แต่เมื่อจำนวนลูกค้ามีจำนวนมาก ก็ยิ่งเป็นการยากในการคาดเดาว่า ลูกค้าคนไหนมีแนวโน้มที่จะหยุดซื้อสินค้าหรือหยุดใช้บริการกับเรา
data analytics ในกลุ่ม Classification ก็จะเข้ามาช่วยในการทำนายว่า ลูกค้าคนไหนที่มีความน่าจะเป็นที่จะจากเราไปในเวลาอันใกล้ ทำให้เราสามารถวางแผนล่วงหน้า และหาวิธีในการรักษาลูกค้าไว้ให้อยู่กับเราได้ต่อไป
เค้ารู้สึกอย่างไรกับเรา? — Voice of Customers with NLP
ในยุคที่ลูกค้าสามารถแสดงความคิดเห็นต่อสินค้าหรือบริการได้อย่างอิสระเสรีบนโลกออนไลน์ ข้อมูลเหล่านี้สามารถนำมาใช้ในการวิเคราะห์เพื่อเข้าใจอารมณ์ ความรู้สึก ทัศนคติของลูกค้าที่มีต่อสินค้าหรือบริการของเราได้
การวิเคราะห์ข้อมูลขั้นสูงอย่าง Natural Language Processing หรือ NLP จะช่วยให้เราสามารถประมวลผลข้อมูลข้อความ เพื่อให้เข้าใจว่าคำพูดใดที่เป็นความรู้สึกเชิงบวก หรือ เชิงลบ
บทความนี้ก็เป็นภาพรวมกว้างๆ ที่แนะนำให้เห็นนะครับว่าการวิเคราะห์พฤติกรรมลูกค้าด้วย data analytics สามารถทำได้อย่างไรบ้าง
