Personalized Marketing หรือ การตลาดแบบเฉพาะบุคคล ซึ่งเป็นวิสัยทัศน์ทางธุรกิจและการตลาดที่เข้มข้นมาตลอดในช่วง 4-5 ปีที่ผ่านมา กระทั่งกลายเป็น “โมเดลหลัก หรือ แกนหลักทางการตลาด” ของธุรกิจส่วนใหญ่ไปแล้ว
ประเด็นก็คือ การทำ Personalized Marketing ต้องใช้เทคโนโลยีทางการตลาด หรือ Marketing Technology หรือ MarTech ช่วยในการย่อยข้อมูลให้ธุรกิจและแบรนด์ สามารถส่งมอบประสบการณ์ Contents และ สินค้าหรือบริการอันเฉพาะเจาะจง “สำหรับลูกค้าทุกคน ในแบบที่ลูกค้าแต่ละคนพึงใจ และ ประทับใจมากที่สุด”
ส่วนที่ยากที่สุดในการนำเสนอสินค้าและบริการให้กับลูกค้าทุกคนอย่างแตกต่างหลากหลาย จนเป็นที่พึงพอใจสูงสุดกับลูกค้าทุกคนก็คือ… การรู้ให้ได้อย่างชัดเจนว่า ลูกค้าคนไหนต้องการอะไรแค่ไหนและอย่างไร เพื่อข้าม “ความพึงพอใจระดับค่าเฉลี่ย” ไปสู่ “ความพึงพอใจระดับสูง ถึงสูงที่สุด” ให้ได้…
คำอย่าง Personalized Marketing ในวันนี้จึงต้องคุยกันใหม่ที่ระดับ Hyper-Personalized Marketing… ซึ่งการรู้ว่าลูกค้าคนไหนต้องการอะไรแค่ไหนและอย่างไรนั้นน้อยเกินไป เพราะเมื่อรู้ชัดเจนแล้วก็ต้อง “เร่งรีบ” เสนอเงื่อนไขการขายสินค้าหรือบริการให้สอดรับกับ Customers’ Need หรือ ความต้องการของลูกค้าในทันที โดยเป็นข้อเสนอที่เปลี่ยนแปลงยืดยุ่นตามความต้องการของลูกค้าเฉพาะราย หรือก็คือการทำ DYNOO หรือ Dynamic Offer Optimization บนโมเดลทางการตลาดที่ชื่อ Dynamic Offer Optimization Marketing หรือ DOOM นั่นเอง
ในทางเทคนิค… Hyper-Personalized Marketing แบบ DYNOO จะมีขั้นตอน และ โครงสร้างพื้นฐานเพื่อสื่อสารกับลูกค้าโดยหลักอยู่ 3 ขั้นดังนี้คือ
- Data Mining หรือ การเก็บและจัดการข้อมูลลูกค้า
- Data Analytics หรือ การวิเคราะห์และสังเคราะห์ข้อมูล
- Automation Personalized Offers หรือ เสนอเงื่อนไขเฉพาะบุคคลโดยอัตโนมัติ
ส่วนที่ยากที่สุดคือการทำ Data Mining จากข้อมูลจริงของลูกค้า โดยเฉพาะนับจากนี้ที่กฏหมาย PDPA หรือ Personal Data Protection Act ซึ่งเป็นกฏหมายสากล โดยประเทศไทยมีพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 ที่เลื่อนการบังคับใช้มาสองรอบ เพราะวิกฤตโควิดเพื่อไม่ให้พวกหัวหมอ นำมาใช้อ้างปกปิด Timeline ตอนตรวจเจอเชื้อโควิดในโพรงจมูก เพราะกลัวความลับแตก… ซึ่งกฏหมาย PDPA เป็นอุปสรรคสำคัญในการบันทึก จัดเก็บ และ ประมวลผลข้อมูลบุคคล หรือ ข้อมูลของลูกค้า… โดยไม่เหลือช่องให้พลิกแพลงซ่อนเงื่อนหากินกับข้อมูลส่วนบุคคลแทบไม่ได้เลย
คำแนะนำเรื่องเก็บข้อมูลลูกค้าไว้เยอะๆ ให้ได้มากๆ จึงทำให้เป็นจริงได้ยาก และ สุ่มเสี่ยงที่จะถูกร้องเรียน หรือ ดำเนินคดี ซึ่งถือเป็นจุดจบหนึ่งของธุรกิจที่เสียหายย่อยยับได้ไม่ยาก หากการทำเหมืองข้อมูลลูกค้ามีประเด็นอ่อนไหว และ ล่อแหลมให้น่ากังวล
โดยส่วนตัวสนใจกรณี Singha Rewards ของน้ำดื่มสิงห์ ซึ่งยกระดับงานบริหารความสัมพันธ์กับลูกค้า หรือ CRM ให้ใกล้ชิดเข้าหาลูกค้าอีกขั้น ผ่านแคมเปญสะสมแต้มจากรหัส และ QR Code ใต้ฝาขวดน้ำดื่ม จนกลายเป็นแพลตฟอร์มข้อมูลที่ชัดเจนว่าจะเป็น Big Data ที่ต่อยอดไปถึงไหนต่อไหนได้โดยไม่ต้องเก็บข้อมูลแบบสำมะโนประชากร ให้ขุ่นข้องกับเจ้าของข้อมูลและกฏหมายข้อมูลฉบับไหน แม้แต่กฏหมาย PDPA… ซึ่งดูเหมือน Singha Rewards จะชัดเจนตั้งแต่ขั้นการทำ Data Modeling หรือ แบบจำลองข้อมูล ที่มุ่งใช้ข้อมูลเชิงสังเคราะห์จาก Activity Based และ Customer Related…
กรณี Singha Rewards นั้นแตกต่างจากกรณีของ Blue Card ของกลุ่ม ปตท รวมทั้งแตกต่างจากกรณีของ The 1 Card และ บัตรสมาชิกร้อยแปดที่เกิดมาจากวิสัยทัศน์แบบบัตรสมาชิก มากกว่าจะสร้างและโตบนวิสัยทัศน์ Hyper-Personalized Marketing แบบทำกับสินค้าตัวเดียวในมือ แต่แพรวพราวด้วยกลยุทธ์ซ่อนคมระดับ One For Alls ในขณะที่กลยุทธ์บัตรสมาชิกอื่นๆ จะเป็นแบบ Alls For One กันหมด… แม้แต่กรณีของ AIS Serenade Membership ยังต้องปรับอีกเยอะเพื่อให้พร้อมเป็น CRM Platform เชิงรุกเหมือน Singha Rewards
แต่ทั้งหมดนั้น… ก็ยังถือว่าเป็นแค่การเริ่มต้นพัฒนาไปสู่ Perfect Dynamic Offer Optimization ที่จะ Engage ถึงลูกค้าจริงๆ ได้จริงๆ ในขั้น “สนองความคาดหวังของลูกค้าได้อย่างสมบูรณ์แบบ”
สิ่งที่น่าสนใจก็คือ มีโฆษณานำเสนอเครื่องมือทำ Dynamic Offer Optimization ภายใต้การให้บริการเป็น Platform มากมาย… ซึ่งส่วนใหญ่เป็บบริการเครื่องมือวิเคราะห์ วางแผน และ ช่วยเสนอไอเดียการทำ DYNOO มากกว่าจะเป็นแพลตฟอร์ม CRM + DYNOO โดยตรง ซึ่งหลายท่านที่ผมรู้จัก ได้ทดลองใช้แล้วก็ไปต่อไม่เป็นอยู่ดี
ประเด็นเป็นแบบนี้ครับ… ถ้าธุรกิจของท่านไม่ได้มีเป้าหมายขั้นที่จะ Engage ลูกค้าไว้ทำเงินกับ CLV หรือ Customer Lifetime Value อย่างชัดเจน… การเสียเวลากับ DYNOO หรือ แม้แต่ CRM ถือว่าไม่ฉลาดทางการจัดการเท่าไหร่… เพราะมีแต่ตัวเลขจาก CLV เท่านั้นที่จะช่วยให้การตัดสินใจลงทุนกับเครื่องมือราคาแพงอย่าง CRM และ DYNOO มีความเป็นไปได้… เพราะตัวโมเดลธุรกิจ และ โมเดลทางการตลาดที่ต้องพึ่งข้อมูลทั้งหมด ต้องใช้เวลาและการลองผิดลองถูกกับข้อมูลขั้นหมกมุ่นยาวนานเสมอจึงจะเห็นผล
ผมจึงไม่มีคำแนะนำเรื่องซอฟท์แวร์ แพลตฟอร์ม หรือ กลไก Automation Personalized Offers ใดๆ จะแนะนำ เว้นแต่จะเริ่มจาก… ตัวลูกค้ากับข้อมูลของลูกค้า และ เป้าหมายทางการตลาดที่ชัดเจนก่อนเท่านั้น แล้วค่อยย้อนไปทำ Data Modeling และ Analysis-Synthesis Model แล้วค่อยสร้าง CRM Platform ทับอีกชั้น… ก่อจะต่อยอดด้วย Automation Personalized Offers ด้วย AI และ Machine Learning
References…
