เปลี่ยนใจไว

เห็นข่าวเดี๋ยวนี้แล้วรู้สึกเหนื่อยแทนคนทำธุรกิจครับ บางทีเพียงแค่ทำอะไรผิดนิดๆหน่อยๆก็ถูกลูกค้าบ่น และพร้อมจะถ่ายคลิปเอามาเล่นงานย้อนหลัง ยิ่งสมัยนี้ไม่เพียงแค่โซเชียลมีเดียที่ทำให้ข่าวกระจายไปเร็ว แต่ดิจิตอลทีวีซึ่งมีช่องรายการเกิดใหม่มากมาย ต่างแย่งกันผลิตรายการและช่วงชิงการนำเสนอข่าว ทำให้เรื่องราวกระจายไปถึงคนที่ไม่ได้ออนไลน์ด้วย

พฤติกรรมลูกค้าที่ชอบปฏิสัมพันธ์กับแบรนด์ตลอดเวลา ซึ่งมีศัพท์เรียกคนกลุ่มนี้ว่า Dynamic Customer นับวันจะมีจำนวนเพิ่มมากขึ้น และเมื่อรวมกับการทำงานของสื่อที่เน้นนำเสนอข่าวให้เร็ว จึงทำให้องค์กรธุรกิจต้องเร่งปรับตัว ในเมื่อลูกค้าไดนามิก คนทำธุรกิจก็ต้องไดนามิกด้วย ดังนั้นองค์กรธุรกิจที่เรียนรู้เร็วและปรับตัวได้เร็ว (Fail-fast) เท่านั้นจึงจะมีความได้เปรียบในการแข่งขัน

กระบวนการเรียนรู้ขององค์กรธุรกิจ ส่วนใหญ่มักเกิดจากการใช้ข้อมูลสองส่วน ส่วนแรกคือดูว่าสิ่งใดที่ลูกค้าไม่ชอบก็เลิกทำ สิ่งใดที่ลูกค้าชอบก็ทำต่อ ซึ่งข้อมูลยอดขายสามารถสรุปรายการเหล่านี้ได้ ในศัพท์การบริหารความสัมพันธ์กับลูกค้า(Customer Relationship Management: CRM) ข้อมูลเหล่านี้เป็นการวัดความภักดีในเชิงพฤติกรรม(Behavioral Loyalty) ส่วนที่สองคือดูว่าลูกค้าไม่ชอบอะไรก็ควรเลิกทำ ลูกค้าอยากได้อะไรก็ควรทำเพิ่ม ซึ่งส่วนใหญ่ได้มาจากการทำวิจัยพฤติกรรมลูกค้า(Customer research) หรือการวิเคราะห์ความคิดเห็นของลูกค้าที่โทรศัพท์เข้ามาร้องเรียนผ่านคอลเซ็นเตอร์ ในบางธุรกิจอาจมีข้อมูลที่ร้าน เช่น มีใบเสนอแนะให้ลูกค้าเขียนแนะนำบริการ หรือบางธนาคารจะมีปุ่มให้ลูกค้าประเมิน เป็นต้น ข้อมูลเหล่านี้เป็นการวัดความภักดีในเชิงทัศนคติ(Attitudinal Loyalty)

บางองค์กรธุรกิจได้พยายามเรียนรู้และปรับตัวให้เร็ว แต่ก็ยังคงประสบปัญหา ส่วนหนึ่งเป็นเพราะดูข้อมูลเฉพาะความภักดีในเชิงพฤติกรรม(Behavioral Loyalty) ไม่ได้พิจารณาข้อมูลในเรื่องความภักดีในเชิงทัศนคติ(Attitudinal Loyalty) แต่บางองค์กรดูข้อมูลทั้งสองส่วนแล้ว ก็ยังไม่ตรงความต้องการของลูกค้าและตลาด ทั้งนี้เป็นเพราะข้อมูลที่มีอยู่ไม่ทันสมัยหรือไม่ทันการเปลี่ยนแปลงของลูกค้า

ในหนังสือเรื่อง Analytics and Dynamic Customer Strategy โดย John Tanner Jr. บอกว่าในยุคของ Big data องค์กรต้องมีความเข้าใจความต้องการของลูกค้าอย่างลึกซึ้งและทันสมัยตลอดเวลา(Streaming Insight) เพื่อให้ทันกับการเปลี่ยนแปลงที่เกิดขึ้นอย่างรวดเร็ว ซึ่งแต่ละองค์กรจะต้องออกแบบวิธีการเพื่อให้ได้ Insight นี้ ผ่านการทำงาน 4 ขั้นตอน คือ การรวบรวมข้อมูล (Acquire) การวิเคราะห์ข้อมูล(Analyse) การนำไปใช้ให้เกิดประโยชน์ทางธุรกิจ(Apply) และการประเมินผล(Assess) ซึ่งบทความชิ้นนี้ผมจะขอเน้นเพียงสองขั้นตอนแรก เพราะเป็นขั้นตอนสำคัญที่จะทำให้รับมือลูกค้าได้ทันท่วงที

ในการเก็บข้อมูล ก่อนจะเริ่มรวบรวมต้องระบุให้ได้ว่าอยากได้ข้อมูลอะไร เพื่อนำไปสู่การหา Insight เรื่องใด บางองค์กรเก็บข้อมูลทุกอย่างที่สามารถเก็บได้ ทำให้มีข้อมูลมากเกินไป เปลืองค่าใช้จ่ายโดยใช่เหตุ และเมื่อถึงเวลาใช้งานก็ประสบปัญหาเลือกข้อมูลไม่ถูก ดังนั้นจึงต้องกำหนดให้ชัดเสียก่อน หากแบ่งการวัดความภักดี(Loyalty) ตามวิธีข้างต้น การวัดความภักดีในเชิงพฤติกรรม (Behavioral Loyalty) ซึ่งได้จากข้อมูลการขายในแต่ละครั้ง(Transaction data) นอกจากข้อมูลที่แสดงบนใบเสร็จ ที่ได้แก่ รายการสินค้า จำนวน  ราคา และเวลาที่ซื้อ หากองค์กรต้องการข้อมูลใดเพิ่มเติม ก็ต้องออกแบบวิธีการเก็บข้อมูลเหล่านี้ อาทิ หากต้องการข้อมูลโพรไฟล์ลูกค้า ก็ต้องทำบัตรสมาชิกและต้องอัพเดทข้อมูลลูกค้าเป็นประจำอย่างน้อยปีละครั้ง พร้อมๆกับต้องมีสิ่งจูงใจให้ลูกค้าใช้บัตรสมาชิก และต้องระวังไม่ให้เกิดการยืมบัตรสมาชิกเพื่อนมาใช้ ไม่เช่นนั้นจะไม่ได้ข้อมูลที่เป็นประโยชน์  ในบางธุรกิจที่เปิดร้านอยู่ในทำเลต่างๆ แต่บริเวณรอบๆร้านมีผลต่อยอดขาย เช่น ทำเลอยู่ใกล้โรงเรียน จะมีสินค้าขายดีแตกต่างจากทำเลใกล้ตลาดนัด หรือโรงพยาบาล ก็ต้องจัดเก็บข้อมูลสภาพตลาด(Market survey) เพื่อนำไปใช้วิเคราะห์ข้อมูลได้

ส่วนข้อมูลที่ใช้วัดความภักดีในเชิงทัศนคติ(Attitudinal Loyalty) การสำรวจความพึงพอใจลูกค้า อาจไม่ได้จัดทำบ่อยนัก บางองค์กรทำเพียงปีละครั้ง บางองค์กรปีละ 4 ครั้ง ซึ่งการสำรวจกว่าผลลัพธ์จะออกมาก็ใช้เวลาเป็นเดือน ดังนั้นจึงต้องหาข้อมูลส่วนอื่นประกอบด้วย ซึ่งสื่อโซเชียลมีเดียจะช่วยแก้ปัญหาเหล่านี้ แต่เนื่องจากโซเชียลมีเดียมีจำนวนมากและหลากหลาย ทำให้องค์กรธุรกิจต้องค้นหาสื่อโซเชียลมีเดียที่เกี่ยวข้องเท่านั้น อย่าพยายามเก็บข้อมูลมาทั้งหมด เช่น หากผลิตอาหารเพื่อสุขภาพ ก็ต้องติดตามแฟนเพจในเฟสบุคของคนรักสุขภาพ คนชอบออกกำลังกาย หรือกลุ่มคนทานอาหารคลีน หากเป็นโรงแรม บริษัทท่องเที่ยว หรือทำธุรกิจเกี่ยวกับการพักผ่อน ก็ไม่ควรพลาดการแสดงความคิดเห็นในเวบไซด์ Pantip หากผลิตเครื่องสำอางก็ต้องหมั่นเข้าไปที่ Jeban และเวบไซด์ Dek-D ที่มีพูดถึงเรื่องนี้อยู่เป็นประจำ ซึ่งจะทำให้รู้ความต้องการของลูกค้า และสิ่งที่น่าจะปรับปรุงให้ดีขึ้น เป็นต้น

ถัดมาในขั้นตอนการวิเคราะห์ข้อมูล ต้องให้ความสำคัญการเตรียมข้อมูลให้ถูกต้อง(Clean data) เพราะหากข้อมูลผิดจะส่งผลเสียหายกว่าการไม่มีข้อมูลใช้เสียอีก เมื่อมั่นใจว่าได้ข้อมูลที่ถูกต้อง ในการวิเคราะห์จะต้องมีการผสมผสาน อย่าดูเพียงยอดขายเพียงอย่างเดียว แต่ต้องมีข้อมูลส่วนอื่นประกอบด้วย บางครั้งอาจต้องไปดูที่หน้าร้านเพื่อให้เข้าใจผลลัพธ์ว่ายอดขายนี้เกิดขึ้นได้อย่างไร

การเช็คความถูกต้องของข้อมูล จะต้องระวังมากขึ้นในสื่อโซเชียลมีเดีย ไม่ใช่ว่าทุกครั้งที่ลูกค้าโพสจะเป็นเรื่องจริงเสมอไป บางครั้งก็มีลูกค้าลองดี บางทีก็มีการสร้างบัญชี(Account) ปลอมเพื่อโจมตีหรือเล่นสนุก จากประสบการณ์ที่ผ่านมาในรอบหนึ่งปี พบว่าหากเป็นเรื่องไม่จริง สุดท้ายก็จะมีลูกค้าคนอื่นช่วยชี้แจงและตอบโต้ให้ ซึ่งหากองค์กรไม่ทันระวังเพียงแค่เห็นลูกค้าบ่นก็รีบออกมาขอโทษยอมรับผิดทันที จะทำให้ภาพลักษณ์แบรนด์เสียหาย ดังนั้น องค์กรต้องมีทีมงานที่ติดตาม เฝ้าระวังเรื่องเหล่านี้อย่างใกล้ชิด ซึ่งจะช่วยให้รู้ได้ว่าข้อความหรือความคิดเห็นใด เข้าข่ายเกินความเป็นจริง

การวิเคราะห์ข้อมูลที่ไม่ควรดูเฉพาะยอดขายเพียงอย่างเดียว แต่ต้องดูข้อมูลประกอบด้วยนั้น มีเรื่องเล่าเกี่ยวกับบริษัทขายเครื่องใช้ไฟฟ้าในประเทศอินเดีย ว่าบริษัทแห่งหนึ่งขายเครื่องซักผ้าได้ดีมาก ดูจากรายการขายพบว่า บางรายก็ซื้อมากกว่าหนึ่งเครื่อง แต่เครื่องอบผ้าซึ่งเป็นสินค้าที่น่าจะใช้คู่กัน กลับมียอดขายไม่ดีเอาเสียเลย ทีมงานเกิดความสงสัยเป็นอย่างมากจึงพากันไปสำรวจในพื้นที่ที่ขายดี อยากรู้ว่าคนเหล่านี้เป็นใคร ประกอบอาชีพอะไร และแล้วทีมงานก็ต้องตกตะลึง เพราะลูกค้าเหล่านี้มีอาชีพทำชีสขาย ใช่แล้วครับ พวกเขาซื้อเครื่องซักผ้าไปเป็นอุปกรณ์ผลิตชีส นี่เป็นตัวอย่างที่สะท้อนให้เห็นว่า การวิเคราะห์โดยใช้ยอดขายและสมมติฐานว่าจะกระตุ้นยอดขายโดยใช้โปรโมชั่นขายคู่กัน อาจทำให้ได้ผลลัพธ์ที่ผิดไป การไปสำรวจลูกค้าจะช่วยให้ได้คำตอบที่กระจ่างขึ้น

หากทำสองขั้นตอนนี้ คือ Acquire และ Analyse ได้เร็วและถูกต้อง ก็จะช่วยให้ตอบสนองความต้องการของลูกค้าได้เร็ว นั่นแปลว่าธุรกิจรับมือกับลูกค้าไดนามิกได้ดีขึ้น

ข้อมูลอ้างอิง: Analytics and Dynamic Customer Strategy โดย John Tanner Jr.