ในยุคที่สารสนเทศได้เข้ามามีบทบาทในชีวิตประจำวันของทุก ๆ คนอย่างเห็นได้ชัด Data Science. หรือที่เราเรียกกันติดปากว่า “Data” (ดาต้า) ซึ่งดาต้าเป็นข้อเท็จจริงต่าง ๆ ที่มีอยู่ซึ่งเป็นกลุ่มสัญลักษณ์ แทนปริมาณหรือการกระทำต่าง ๆ ที่ยังไม่ผ่านการประมวลผล ข้อมูลอาจอยู่ในรูปของตัวเลข ตัวหนังสือ หรือที่เราเห็นจากการโพสต์ลงในโซเชียลแบบลอย ๆ นั้นก็เป็นส่วนหนึ่งของข้อมูลที่ธุรกิจต่าง ๆ จะมาเก็บเพื่อเป็นข้อมูลในการกำหนดทิศทางการตลาดได้ ซึ่งเป็นส่วนช่วยในการกำหนดกลยุทธ์ในโลกการตลาดของธุรกิจ นับว่าสิ่งเหล่านี้ถือเป็นเครื่องมือสุดล้ำค่าราวกับขุมทรัพย์สุดยิ่งใหญ่ของธุรกิจหลายประเภท เพราะข้อมูลตรงนั้นจะทำให้สามารถเข้าถึงความต้องการที่แท้จริงของผู้บริโภค และยิ่งถ้าเป็นธุรกิจแฟชันที่มีการปรับเปลี่ยนกันแทบทุกเดือนดาต้านี่แหละที่จะช่วยให้เรารู้ถึงความต้องการของผู้บริโภคได้อย่างแม่นยำ

แล้วเราจะใช้ดาต้ามาวางแผนธุรกิจแฟชันได้อย่างไรได้บ้างลองมาศึกษาแนวทางทำธุรกิจและวางแผนไปพร้อมกันเลย

1. Personalized Marketing
   การทำ Personalized Marketing (การตลาดเฉพาะบุคคล) ให้ประสบความสำเร็จต้องใช้ดาต้าลูกค้าจำนวนเยอะมากเพื่อนำมาตอบสนองความต้องการให้กับลูกค้าแบบเฉพาะเจาะจงได้ และกลยุทธ์นี้จะช่วยสร้างประสบการณ์ที่ดีให้แก่ลูกค้า ตัวอย่าง Nike เนื่องจากที่ผ่านพบว่าได้รับการร้องเรียนมากกว่า 500,000 ครั้งต่อปี เฉพาะเรื่องขนาดรองเท้าผิดทางไนกี้จึงได้ออกฟีเจอร์ที่ชื่อว่า “Nike Fit” ซึ่งเป็นการผสมผสานเทคโนโลยีต่าง ๆ เพื่อให้ลูกค้าสามารถสแกนเท้าของตนเองผ่านแอปพลิเคชัน และทางไนกี้จะสามารถแนะนำขนาดรองเท้าที่เหมาะสมเป็นรายบุคคลสำหรับรองเท้ารุ่นต่าง ๆ ซึ่งนี่เป็นตัวอย่างของการนำดาต้ามาใช้อย่างสร้างสรรค์เพื่อตอบโจทย์กลุ่มเป้าหมายได้สูงสุด

2. Customer Segmentation
   การวิเคราะห์ข้อมูลเพื่อแบ่งกลุ่มลูกค้าเป็นอีกหนึ่งสิ่งที่เราสามารถนำดาต้า มาช่วยแบ่งกลุ่มลูกค้าได้แม่นยำมากยิ่งขึ้น จากเดิมเราอาจจะแบ่งกลุ่มลูกค้าไว้อย่างกว้าง ๆ หรืออาจเป็นการใช้การคิดจากนักการตลาด ซึ่งทำได้แค่การวิเคราะห์ข้อมูลตัวอย่างจากผู้บริโภคหลักสิบหรือหลักร้อยเพียงเท่านั้น ทั้งที่ความจริงแล้วลูกค้ามีมากเป็นหลักหมื่นหรือหลักแสนเลยด้วยซ้ำ การใช้ดาต้าสามารถช่วยจัดกลุ่มตามพฤติกรรมการซื้อ หรือลักษณะความชอบของกลุ่มผู้บริโภคได้ การทำ Customer Analytics เพื่อแบ่ง Customer Segmentation นั้นทำให้เรารู้ว่าเราควรจะต้องตัดสินใจในแต่ละเรื่องอย่างไร ตั้งแต่ควรตั้งราคาเท่าไหร่ถึงจะทำกำไรได้มากที่สุดสำหรับแต่ละกลุ่ม หรือควรทำโปรโมชันแบบใดเพื่อดึงดูดลูกค้าได้

3. Customer Lifetime Value
   การใช้ดาต้ามาช่วยวิเคราะห์ข้อมูลลูกค้านั้นทำให้เราได้รู้ว่าจริง ๆ แล้วลูกค้าส่วนใหญ่อยู่กับเรานานแค่ไหน ใช้เงินกับสินค้าของเราจริง ๆ เท่าไหร่ หรือในช่วงเวลาไหนที่เขาจะใช้เงินกับเรามากเป็นพิเศษ เดิมที Customer Lifetime Value หรือ CLV นั้นเป็นอะไรที่นักการตลาดถูกสอนให้รู้จักมามานานมากแล้วแต่ก็ยังไม่แม่นยำมากพอเท่าทุกวันนี้ ดังนั้นการนำดาต้ามาเพื่อหา Customer Lifetime Value นั้นช่วยให้เราสามารถคาดการณ์พฤติกรรมการใช้เงินกับเราได้แม่นยำมากยิ่งขึ้น

4. Customer Sentiment Analysis
   การทำ Sentiment analysis บนข้อความหรือรูปภาพมากมายเป็นสิ่งที่แบรนด์ส่วนใหญ่พยายามใช้ประโยชน์จากดาต้าเป็นอย่างมาก เดิมทีอาจใช้เพียง Social listening tool ในการวัดดูว่าคนพูดถึงแบรนด์เราหรือหัวข้อที่เราอยากรู้ในแง่บวกหรือลบมากกว่ากัน แต่ในความเป็นจริงการทำ Sentiment Analysis ที่ดีต้องใช้ Natural Language Processing หรือการเอาโปรแกรมหรือ AI มาช่วยอ่านข้อความเพื่อสรุปออกมาได้ว่าสิ่งที่เขาโพสต์นั้นโพสต์ถึงเรื่องอะไรและไปในทิศทางไหน เพราะถ้าเรารู้ว่าลูกค้าส่วนใหญ่ของเราชอบหรือไม่ชอบเรื่องอะไรเราก็สามารถนำสิ่งนั้นมาปรับปรุงแก้ไข หรือเอาไปต่อยอดได้

5. Real-time analytics
   การวิเคราะห์ข้อมูลแบบ Realtime นั้นถือเป็นอะไรที่หลายองค์กรอยากทำให้เกิดขึ้นจริงได้มากที่สุด เพราะมันจะช่วยแก้ปัญหาของธุรกิจหรือการตลาดได้แบบทันที เพราะจากดาต้าที่เข้ามาอย่างมากมายบางครั้งการรู้ช้าเพียงแค่ 1 นาที หรือแก้ไขปัญหาช้าไปไม่ถึงชั่วโมงก็กระทบกับแบรนด์มากมายไม่รู้เท่าไหร่ ตัวอย่างข้อดีของการทำ Real-time analytics เช่น เราพบว่าคู่แข่งของมีลูกค้าหลั่งไหลเข้าไปซื้อเป็นจำนวนมากกว่าปกติ และยอดขายสินค้าของเรานั้นลดลงด้วยในเวลานั้น แล้วเราก็ได้พบว่าเพราะคู่แข่งนั้นจัดโปรโมชันลด 50% เมื่อเรารู้ดังนี้แล้วเราก็สามารถวางกลยุทธ์เพื่อแก้ปัญหาได้

6. Predictive Analytics
   การวิเคราะห์ข้อมูลที่ดีที่สุดคือการวิเคราะห์จนสามารถคาดการณ์อนาคตได้อย่างแม่นยำ และนั่นคือสิ่งที่ดาต้าสามารถเข้ามาช่วยได้ การทำ Predictive Analytics ถือเป็นขั้นแอดวานซ์ของการทำดาต้าด้วยการตั้งเป้าหมายคาดการณ์อนาคตอย่างมีหลักการและความน่าจะเป็นว่าจะเกิดอะไรขึ้นได้บ้าง และเราควรเตรียมรับมืออย่างไร ดังนั้นการทำ Predictive Analytics ให้แม่นยำจึงต้องใช้เทคนิคมากมายมาประกอบกันทั้ง Data mining, การสร้างโมเดลแบบจำลองต่าง ๆ รวมถึงการเอาปัญญาประดิษฐ์เข้ามาใช้

7. Market basket analysis
   การวิเคราะห์ดาต้านี้เป็นการวิเคราะห์ว่าลูกค้าชอบซื้ออะไรกับอะไร หรือมีพฤติกรรมการซื้อแบบไหนเพื่อช่วยทำความเข้าใจลูกค้าแต่ละกลุ่มว่ามีพฤติกรรมการซื้ออย่างไรบ้าง เพื่อที่เราจะนำข้อมูลในส่วนนั้นมาจัดโปรโมชันหรือทำการตลาดเพื่อที่จะทำให้ลูกค้ายอมจ่ายเงินเพิ่มขึ้นได้อย่างเช่นการร้านจัดโปรโมชันซื้อเสื้อคู่กับหมวกในช่วงซัมเมอร์

8. Warranty analytics
   การทำ Warranty analytics คือการที่เราทำนายล่วงหน้าว่าจะมีการเรียกร้องในส่วนใดของสินค้าเหล่านั้น แต่การจะทำนายได้นั้นต้องเอาดาต้าจากมากมายหลากช่องทางเข้ามาร่วมกันวิเคราะห์ตั้งแต่การที่บ่นให้เราได้ยิน การคอมเพลนบนออนไลน์ เพื่อนำมาวิเคราะห์และแก้ไขปัญหาเหล่านั้นก่อนที่ปัญหาจะเกิดขึ้นจริง

9. Price Optimization
   การใช้ดาต้าในส่วนนี้คือการใช้ข้อมูลมาวิเคราะห์ความต้องการจากลูกค้า พฤติกรรมการซื้อ ความชอบหรือความพึงพอใจก่อนหน้าที่จะนำมาช่วยให้เราสามารถนำมาตั้งราคาได้แบบที่ทุกฝ่ายวินด้วยกัน เพราะเราไม่จำเป็นลดราคาในสิ่งที่ไม่อยากลด หรือไปขึ้นราคาสำหรับของบางอย่าง เพราะบางทีการขึ้นราคาอาจส่งผลกระทบยอดขายในส่วนอื่น ๆ ได้

จากดาต้าเล็ก ๆ ที่มีมากมายเมื่อนำมาวิเคราะห์ดี ๆ ก็จะเกิดประโยชน์หรือคุณค่ามากมายสำหรับธุรกิจได้ มาเรียนรู้เรื่องดาต้าเพื่อนำไปต่อยอดธุรกิจกับเราได้ที่ เริ่มต้นเรียนรู้ Data Science เพื่อก้าวเข้าสู่นักวิจัยข้อมูล

__________________________________________________________________________

ช่องทางติดตามอื่น ๆ  
Facebook: https://www.facebook.com/youmooc
LINE: @youmooc (อย่าลืมใส่ @) [https://lin.ee/thXVOy0]
Shopee: YOU MOOC
Lazada: YOU MOOC