4P นั้น ย่อมาจาก Product Price Place Promotion เป็นหลักการทางการตลาดเบื้องต้นที่ยังคงถูกใช้งานอย่างแพร่หลายในปัจจุบัน
ในยุคก่อน ที่ Data ยังไม่ได้ถูกใช้งานมากนัก และเทคโนโลยีเป็นเรื่องไกลตัว การทำการตลาดส่วนใหญ่ จึงเน้นการใช้ความรู้สึก ซึ่งประสบการณ์ของนักการตลาดแต่ละท่านก็แตกต่างกัน
หลายคนมองว่า การตลาด เป็นวิชาที่ใช้อารมณ์ มากกว่าเหตุผล วันนี้ Coraline ขอนำเสนอ เหตุผลทาง Data Science ที่สามารถนำไปใช้สนับสนุน 4P ทางการตลาดได้ ดังต่อไปนี้
1. Product ในกรณีที่ต้องการนำสินค้าใหม่มาเปิดขาย จำเป็นต้องมีการวิเคราะห์ตลาด วิเคราะห์ปัจจัย รวมไปถึง การมองหาคู่แข่ง เพื่อวางกลยุทธ์ในการดำเนินงาน ถ้าเป็นยุคก่อน หรือ Traditional Way วิธีการวิเคราะห์สินค้าใหม่ๆ จะเป็นการทำแบบสอบถามบ้าง หรือการวิเคราะห์ทางการตลาดที่ต้องใช้เวลานานแสนนานบ้าง ผลลัพธ์ที่ได้ จะถูกหรือผิดประการใด อาจไม่สามารถวัดผลได้ ปัจจุบัน เมื่อเข้าสู่ยุคของ Data และมี AI เข้ามาช่วยให้เกิดการตัดสินใจที่เร็วกว่า (อาจจะแม่นยำกว่าด้วย) ทำให้สามารถประเมินค่าความมั่นใจในการวิเคราะห์ออกมาได้อย่างชัดเจน และยังสามารถระบุปัจจัยต่างๆ ที่มีความสำคัญต่อสินค้าได้อีกด้วย
ตัวอย่างเช่น Similarity Model เป็น Model ที่เอาไว้วัดค่าความคล้ายคลึงกัน อาจจะใช้คุณสมบัติ หรือรูปลักษณ์ก็ได้ Model ประเภทนี้ ถูกใช้อย่างแพร่หลายในวงการ E-Commerce อีกทั้งยังสามารถบอกเปอร์เซ็นต์ความมั่นใจในความคล้ายได้อีกด้วย เช่น % ความคล้าย ใน Netflix ที่ทำหน้าที่แนะนำหนังใหม่ๆ ให้ผู้ใช้งาน โดยเก็บรายละเอียดของผู้ใช้ แล้วนำไปประเมินกับลักษณะหนังที่มีอยู่ในระบบ หรือจะเป็น บริษัท Adidas ในประเทศจีน ที่มีการใช้ AI ในการแนะนำสี และรูปแบบของสินค้า ที่ตอบโจทย์ผู้บริโภคในบริเวณต่างๆ ส่งผลให้ แต่ละร้านค้าของ Adidas มีการจัดวางรูปแบบร้าน และวางเป้าหมายลูกค้าที่แตกต่างกัน รวมไปถึง บอกถึงเทรนด์ใหม่ๆ ในอนาคตที่เราอาจจะมองไม่เห็นอีกด้วย
2. Price หรือการกำหนดราคา ซึ่งนอกจากต้องวิเคราะห์จากต้นทุนที่ใช้ในการผลิตสินค้าแล้ว ยังต้องมองไปถึงความพอใจของลูกค้าในการจับจ่ายให้สินค้าของเราอีกด้วย Model ที่ตอบโจทย์ในการวิเคราะห์ราคานี้ ได้แก่ Regression ซึ่งเป็น Model ที่ใช้บ่อยในการทำนายค่าต่างๆ นั่นเอง
ตัวอย่างองค์กรที่ใช้ Regression ในการกำหนดราคา ได้แก่ Grab Taxi (ในประเทศสิงคโปร์) ที่มีการกำหนดราคาในแต่ละช่วงเวลา โดยอาศัยหลักการ Demand and Supply Planning และ สภาพอากาศ ทำให้ได้ราคาที่เหมาะสมต่อความต้องการของผู้ใช้บริการ หรือจะเป็น สายการบิน ที่มีการเชื่อมโยงข้อมูลกับเว็บไซด์ค้นหาเที่ยวบิน เมื่อพบว่า มีจำนวนผู้ค้นหาเที่ยวบินใดจำนวนมากๆ ก็อาจมีการปรับเปลี่ยนราคาเที่ยวบินได้ ซึ่งการใช้ Model จะสามารถจัดการกับความต้องการที่ขึ้น-ลงตลอดเวลาได้ทันที โดยไม่ต้องมีการคำนวณใหม่
3. Place ในกรณีต้องมีร้านค้า อาจมีการต้องทำการประเมินความคุ้มค่าในการเปิดร้าน และหากมีจำนวณร้านค้ามากเกินไป อาจส่งผลให้ ร้านของเราเอง แย่งลูกค้าของเราเองก็เป็นได้ Model ทีใช้ตอบโจทย์นี้ คือ Clustering Model เป็น Model ที่ใช้จัดกลุ่มก้อนของข้อมูล
ตัวอย่างเช่น การวางแผนเปิดปั้มน้ำมัน หรือ สถานีให้บริการไฟฟ้าในต่างประเทศ จะมีการวิเคราะห์ตั้งแต่ จะเปิดที่ไหนแต่ละที่ต้องมีหัวจ่ายเท่าใด ต้องมีการสำรองพลังงานเท่าไหร่ และรายละเอียดมากมาย ไม่ใช่ว่า อยากจะเปิดก็เปิดได้ เพราะทั้งหมดทั้งปวง ก็คือ ต้นทุนมหาศาล
4. Promotion ถือว่าเป็นงานที่ท้าทายนักการตลาดอย่างต่อเนื่อง เพื่อให้เกิดแรงกระตุ้น ทำให้ผู้ใช้สินค้า หรือบริการมีความพึงพอใจ และกลับมาใช้งาน ก่อนหน้านี้เราจะพบเห็น Promotion ลดราคาตามปฏิทินอยู่บ่อยครั้ง จนกระทั่ง พฤติกรรมของผู้บริโภคกลายเป็นว่า เคยชินกับการซื้อของลดราคามากกว่ายอมจับจ่ายกับราคาเต็ม ในยุคนี้ เมื่อ Digital เข้ามามีบทบาทมากขึ้น Model ที่ใช้ตอบโจทย์ด้าน Promotion หรือ การทำ Customer Relationship Management นั้นมีหลากหลายมาก ในที่นี้ จะขอยก Cross-sell หรือ Co-Occurrence Grouping Model มานำเสนอ นั่นคือ การมองหาสินค้าที่มักขายคู่กัน และทำการขายคู่กัน เพื่อสร้างแรงจูงใจให้ลูกค้าในการจับจ่าย และเกิดความพึงพอใจในการแนะนำอีกด้วย
ก่อนหน้านี้ การทำ Cross-sell จะใช้ความรู้สึก และประสบการณ์ของนักการตลาด แต่เมื่อมี Data Modelling การทำ Cross-sell จะเป็นการนำข้อมูลทางสถิติมาสร้างเป็น Model และแสดงผลออกมา โดยมีเปอร์เซ็นต์ของโอกาสในความเชื่อมโยงกันอีกด้วย ตัวอย่างเช่น การแนะนำสินค้าที่ขายด้วยกันบ่อยๆ ของเว็บไซด์ Amazon (who bought this item also bought this…) ลองจินตนาการ ว่าเราเป็นเจ้าของ Amazon.com ที่มีสินค้ามากมาย จะให้แอดมินคอยนั่ง Click เพื่อเลือกสินค้ามาทำ Promotion คงยาก ดังนั้นการทำ Data Modelling จึงเป็นทางออกที่ดีกว่า ให้ผลลัพธที่แม่นยำกว่า และรวดเร็วกว่าอีกด้วย
อย่างไรก็ตาม 4P ดั้งเดิมของการตลาดยังคงใช้ได้ และตอบโจทย์ธุรกิจอย่างมาก เพียงแต่ด้วยยุคสมัยที่เปลี่ยนแปลงไป เครื่องมือต่างๆ สำหรับการวิเคราะห์ จึงออกแบบมาโดยมีการใช้ Data ให้เป็นประโยชน์สูงสุด เป็นการใช้เหตุผลมากกว่าอารมณ์ เพราะอารมณ์ อาจต้องใช้เวลาในการพิจารณา ในขณะที่เหตุผล เป็นอะไรที่ชัดเจน และเสียเวลาน้อยกว่า ก็อยู่ที่ว่า นักการตลาดจะปรับตัวเพื่อให้เข้ากับเทคโนโลยีที่เปลี่ยนไปได้มากน้อยแค่ไหน
ทั้งนี้ ถามว่า AI มาแย่งงานนักตลาดหรือไม่ ก็คงตอบได้อย่างชัดเจนว่าไม่ใช่ ... เพียงแต่ .... นักการตลาดที่เข้าใจ AI ต่างหาก ที่แย่งงานนักการตลาดที่เน้นการใช้ความรู้สึก
