ต้อนรับกลางปี 2019 ด้วยประสบการณ์การทำงานอันแสนจะงงงวย การทำงานที่มีแต่คำถามตลอดการร่วมงานกันครั้งนี้
ส่วนตัวผมจะเล่าในมุมมองของคนที่จะต้องนำ data ไปใช้สร้าง model ต่อนะครับ
บทความนี้จะเล่าประสบการณ์การร่วมกันสร้างแบบสอบถาม(Questionnaire) เก็บข้อมูลลูกค้าเพื่อหา customer insight สำหรับการพัฒนาตัว product และวางแผน test prototype ให้ตรงกับกลุ่มลูกค้าในช่วงแรกให้ได้ feedback กลับมาดีที่สุด และที่สำคัญเราจะนำ data ที่เก็บได้นำไปใช้สำหรับทำ model ในการทำนาย feedback จากกลุ่มคนที่เราไม่เคยให้ทำแบบสอบถามมาก่อน รวมถึงวิเคราะห์ว่าตัวแปรให้ที่ทำให้ feedback ไม่ค่อยเป็นที่น่าพอใจ
โจทย์ของผมหลักๆก็คือต้องหาตัวแปร
ที่เราต้องการจะเก็บและใช้สำหรับสร้าง model ส่วนใหญ่แล้ว คนที่ทำงานกับ data ก็จะพอนึกออกเช่น [อายุ,เพศ,งานที่ทำ,รายได้,สถานที่ทำงาน] เป็นต้น ข้อมูลเหล่านี้มันก็สมเหตุสมผลสำหรับการจะสร้าง model ทำนาย feedback ได้ในระดับหนึ่ง แต่ถ้าเราอยากได้ model ที่ทำนาย feedback ได้ดีกว่าคนอื่น เราจะทำอย่างไร
จึงปิ๊งไอเดียขึ้นมา รู้สึกว่า ux เป็นคนที่ตั้งคำถามเก่ง ลองใช้คำถามของเขาเป็นตัวแปรในการสร้าง model ดีไหม
หลังจากบรีฟงาน กันคร่าวๆ ก็พอจะมองไปในทิศทางเดียวกันได้แล้ว ก็เริ่มต้นด้วยสมมุติฐานหลายๆ สมมุติฐาน เช่น ถ้าเราสามารถรู้ได้ว่า
- ลักษณะการดำเนินชีวิตของลูกค้าเป็นยังไง
- ลูกค้ามีความใกล้ชิดกับลูกน้องมากแค่ไหน
สิ่งพวกนี้มันจะส่งผลต่อ product ของเรามากน้อยแค่ไหน
พอเสร็จจากการคิดสมมุติฐานเสร็จสิ้นแล้ว เราก็ได้เล่าให้กับ ux ฟัง แล้วก็เกิดประโยคสนทนานี้ขึ้นมา
“เราไม่อยากให้มันเป็นคำถามปลายปิดอะ”
“แต่ถ้าคำถามปลายเปิด จะเอา data ไปใช้ต่อไม่ได้นะ”
เวรละไง !!!
วิธีแก้ก็คือทำการวัดผลโดยการใช้ข้อมูลเชิงคุณภาพแทน การตอบคำถามยาวๆทั้งหมด โดยข้อมูลเชิงคุณภาพนี้ ผมแบ่งออกให้เยอะที่สุดเท่าที่จะทำได้โดยไม่ให้กระทบต่อการตัดสินใจสำหรับผู้ที่ถามคำถาม
โดยตัวคำถามทั้ง 2 คำถามจะยังเป็นการถามแบบปลายเปิดเน้นให้ผู้ถูกสอบถามเล่าเป็นประโยคยาวๆ มากกว่าการโยนตัวเลือกให้ผู้ถูกสอบถามตอบ
ถ้าเราอยากรู้ว่า ลักษณะการดำเนินชีวิตของลูกค้าเป็นยังไง
ผมก็แบ่งออกเป็น 4 ประเภทเช่น
- อ่านหนังสือ
- ดูโทรทัศน์
- เล่นโทรศัพท์
- ออกไปเที่ยว
จะเห็นได้ว่าทั้ง 4 ประเภทที่เราเก็บมานั้นค่อนข้างที่จะเป็นอิสระต่อกัน และมีชัดเจน ในการตอบคำถามทำให้สามารถลด bias ลงไปได้
ส่วนอีกหนึ่งคำถามคือ ลูกค้ามีความใกล้ชิดกับลูกน้องมากแค่ไหน สำหรับคำถามนี้ผมแบ่งประเภทเพียงแค่ 2 ประเภทก็คือ สนิทและไม่สนิท เนื่องจากยากที่แบ่งระดับของความสนิท
การนำไปใช้ต่อ
แล้วแต่เรากำหนดเลยครับ จะใช้ label เป็นการที่คนที่ตอบแบบสอบถามแล้วจะซื้อหรือไม่ เพื่อทำ classification model, ใช้ data บางส่วนในการพัฒนา feature ของ product, นำ data มาดู personalize ว่ากลุ่มลูกค้าเรามีลักษณะเป็นอย่างไร เพื่อออกโปรโมชั่นให้เหมาะสมรวมถึงกำหนดทิศทางในการพัฒนา product
Emerging opportunity
การรวมงานครั้งนี้ทำให้เห็นถึงความเป็นไปได้ใหม่ๆ ในการพัฒนา model หรือความเป็นไปได้ในการประยุกต์ใช้ data รวมถึงการทำ model ที่เป็นไปได้ยากในอดีตถ้าเกิดการเปลี่ยนแปลงข้อมูลที่รับเข้ามาทำให้ทำ model ได้ง่ายขึ้นหรือ model มีประสิทธิภาพมากยิ่งขึ้น แต่ข้อสังเกตคือการร่วมงานลักษณะนี้ต้องอาศัยการเข้าใจในงานของอีกฝ่ายมากยิ่งขึ้น ยิ่งไปกว่านั้นต้องเกิดการพูดคุยกันตลอดการสร้างโปรเจคชิ้นนี้ร่วมกัน
