รีวิวเรียน Marketing Analytics (1/5) ใน Coursera
หลังจากที่เห็น Coursera เปิดให้เรียนฟรีหลายคอร์สพร้อมรับใบ certificate เลือดก็สูบฉีด มีแรงเรียนขึ้นมาทันที
เลือกอยู่นานก็ตัดสินใจลง Marketing Analytics เป็นตัวแรก สอนโดยคุณ Rajkumar Venkatesan จาก Darden School of Business ร่วมกับ University of Virginia เป็นคอร์สระดับ Beginner นะครับ (สำหรับคนไม่เคยมีความรู้ด้านนี้มาก่อนเลยเช่นข้าพเจ้า)
คอร์สนี้น่าจะเริ่มปี 2014 (เดาจากพวกข้อมูลหรือวิจัยที่เอามาใช้ ซึ่งไม่รู้ว่าถูกไหม ใครมีข้อมูลแย้งได้นะครับ) ปล. รีวิวนี้แปลตามความเข้าใจของผมเองที่ไม่มีความรู้ด้าน Marketing มาก่อนเลย หากผิดพลาดฝากช่วยแก้ไขด้วยนะฮะ ขอบคุณครับ
ภาพรวมของวิชานี้คือจะสอนเรื่องการใช้ข้อมูลจากลูกค้ามาวิเคราะห์การตัดสินใจทางตลาดของบริษัท การเรียนแบ่งออกเป็น 5 สัปดาห์ 5 เรื่อง ตามนภาพนี้เลย
สัปดาห์แรกเริ่มกันที่ “The Marketing Process”
วีดิโอตัวแรกท่านอาจารย์ (เรียกชื่อยากอะ ขออนุญาตเรียกว่าท่านอาจารย์ละกัน) ให้เราแบ่ง Marketing Analytics ออกเป็น 3 ประเภทก่อน นั่นคือ (1) Descriptive (2) Predictive (3) Prescriptive
(1) Descriptive อันนี้องค์กรทั่วไปใช้เยอะสุด ง่ายสุด เพราะเป็นการเอาข้อมูลเก่ามาวิเคราะห์ เช่น ดูจากรีพอร์ต เป็นการวิเคราะห์ที่ตอบคำถามว่า “เกิดอะไรขึ้นมาแล้วบ้าง” จุดประสงค์คือเพื่อหาความสำเร็จหรือความล้มเหลวในอดีต
(2) Predictive เป็นการทำนายข้อมูลในอนาคตจากความน่าจะเป็น หากใช้การวิเคราะห์นี้จะตอบคำถามได้ว่า “อนาคตจะเกิดอะไรขึ้นจากรูปแบบของข้อมูลที่เรามี” วิธีการวิเคราะห์คือจะใส่ข้อมูลที่เรามีเพื่อให้อัลกอริทึ่มช่วยเติมส่วนที่ขาดหาย(แบบคาดการณ์ที่น่าจะเป็นไปได้มากที่สุด)
(3) Prescriptive ยากสุด คนทำน้อยสุด เป็นการวิเคราะห์เพื่อหา outcome ที่ดีที่สุดและเพื่อการตัดสินใจที่ดีกว่า เป็นขั้นต่อมาจาก Predictive จุดประสงค์ขั้นนี้เพื่อตอบคำถามว่า “ธุรกิจเราควรจะทำอะไร”
ถัดมาเป็น Marketing Process ท่านอาจารย์พาไล่ดูพร้อมกับยกตัวอย่างกรณีศึกษาจาก Airbnb ตามนี้จ้า
(1) Objective (5C)
- Customer: ลูกค้า – พวกเราทุกคนที่ไปเที่ยว
- Company: บริษัท - Airbnb
- Competitor: คู่แข่ง - โรงแรมทั่วไป
- Collaborators: คู่ค้า - คือพวกเราเอง อยากเปิดห้องกับ Airbnb ก็ทำได้เลย
- Context: บริบท – Sharing Economy ให้พวกเราได้แชร์สัญญากันเอง เปิดห้องพักได้เอง เข้าพักกันได้เอง
(2) Strategy
- Segmentation: การแบ่งลูกค้าออกเป็นกลุ่ม – แบ่งตามโลเคชั่น , กลุ่มท่องเที่ยว , กลุ่มครอบครัว , กลุ่มนักศึกษา ฯลฯ
- Targeting: กลุ่มลูกค้าที่จะโฟกัส – อ้างอิงจากกลุ่มที่ทำ Segment เมื่อกี้ จะเน้นใครเป็นพิเศษไหม เช่น กลุ่มครอบครัว
- Positioning: การให้ Value Prepositions (คุณค่า)กับกลุ่มที่ Target - เช่น เลือก target กลุ่มครอบครัว ก็ให้คุณค่าพิเศษกับเขา เช่น พักที่ Airbnb แบบครอบครัวสะดวกเพราะได้บ้านไปเลยหนึ่งหลัง (เทียบกับโรงแรมทั่วไปห้องเดียวจะไม่สะดวก) เป็นต้น
(3) Tactics (4P)
- Product: สินค้า/บริหาร - ในที่นี้ก็คือห้องพัก
- Price: ราคา
- Place: ช่องทาง - สถานที่ของห้องพัก
- Promotion: ส่งเสริมการขาย – ในที่นี้คือรีวิวจากผู้เข้าพัก (ซึ่งมีพลังต่อการตัดสินใจของคนมาก)
(4) Financials
- Margin
- ROI (Return of Investment)
- CLV (Customer Lifetime Value)
แล้ว Airbnb ทำเงินอย่างไร?
ทำเงินสองทาง คือเก็บจากผู้เข้าพัก 6-12% และจากเจ้าของที่พักอีก 3%
ความท้าทายสำคัญของ Airbnb คือทำยังไงให้ที่พักที่มีในมือของตัวเองมีคนจองอยู่เสมอ เพราะต่อให้มีคนลงที่พักแต่ไม่มีคนพักก็ไม่ได้เงิน กลยุทธ์ user generated data คือคำตอบ Airbnb ใช้ข้อมูล review และราคาเป็นตัวแปรสำคัญ
ท่านอาจารย์พามาทำความรู้จักกับ Mental Model กันก่อนจะลงไปถึงกลยุทธ์ของ Airbnb (สารภาพว่ายังแอบงงนิยามของ Mental Model อยู่)
จากในภาพคือให้ลองคิดตามจากทางขวาไล่กลับมาทางซ้าย เริ่มที่ตั้งคำถามว่า Airbnb ทำเงินยังไง ซึ่งก็คือ Profit Per Property หรือได้กำไรจากที่พักนั่นแหละ
แยกย่อยออกมาจาก PPP ช่องแถวตรงกลางของภาพคือองค์ประกอบสำคัญที่จะทำให้เกิด Profit Per Property หรือกำไรจากที่พัก มีองค์ประกอบเป็น Price - ราคา / No. of Rentals - จำนวนคนเข้าพัก / Minimum Stay - จำนวนคืนที่พักขั้นต่ำ
แยกออกมาอีกจาก No. of Rentals เป็นช่องสีส้มทางซ้าย หมายถึงว่าช่องสีส้มที่เห็นนี้เป็นส่วนสำคัญที่จะทำให้เกิด No. of Retals หรือจำนวนคนเข้าพัก คือ Star Rating - คนให้ดาวเท่าไหร่ / Review - รีวิวดีไหม หรือแย่ / Property Attributes – ตัวห้องพักเองเป็นอย่างไร น่าพักหรือเปล่า
พอได้ Mental Model แล้ว ก็มาถึงการวิเคราะห์ข้อมูล
การวิเคราะห์ข้อมูลถ้าเป็นตัวเลขกรอกลงตาราง มันก็คงจะคำนวณง่าย ๆ แต่คำถามคือข้อมูลที่เป็นรีวิวของ Airbnb มันเป็นตัวอักษรหมดเลย ไม่ใช่ตัวเลข ทำยังไงดี
เราจะต้องทำข้อมูลตัวอักษรเหล่านี้ให้กลายเป็นตัวเลขเสียก่อนนั่นเอง คือการเลือกคำที่เป็น Keywords แล้วเปลี่ยนคำเหล่านั้นเป็นคะแนนผ่านการโค้ดใน(ที่นี้คือ)โปรแกรม R software (เดาว่าคงมีออฟชั่นอื่นอีกเยอะให้เลือกสรร)
เช่น ในภาพที่ไฮท์ไลท์สีส้ม great perfect amazing quiet เป็นคำที่มีความหมายเป็นบวก รวมคะนนมาแล้ว Review sentiment ได้ 1.22 ถือเป็นการรีวิวที่ดี ยิ่งคะแนนสูงยิ่งเป็นถือเป็นรีวิวดี
กลับกัน รีวิวที่ประกอบไปด้วยคำแย่ ๆ อย่าง bad horrible dirty ถือแม้จะมีคำดีมากช่วยกลบ แต่เมื่อมีคำที่แย่มากกว่า Review sentiment ออกมา -0.36 ก็ถือเป็นรีวิวที่ไม่ได้ดีนัก
หลังจากท่านอาจารยเอาข้อมูลรีวิวทั้งหมดของ Airbnb ไปวิเคราะห์แล้ว ก็ชวนมาดูการวิเคราะห์แบบแรกจากทั้งสามแบบที่พูดไปตอนต้น คือ Predictive ท่านอาจารย์พาดูความแตกต่างของข้อมูลรีวิวที่พักของสองเมืองอย่าง Miami และ Paris
ความรู้สึกของเราก็คงจะคิดว่ารีวิวเป็นส่วนสำคัญในการตัดสินใจเข้าพักอยู่แล้ว แต่ข้อมูลที่เราวิเคราะห์ออกมาไม่ได้บอกเราแบบนั้น ผลปรากฏว่าสามลำดับแรกที่ทำให้คนตัดสินใจเข้าพักในไมอามี่คือ ราคา / ความปลอดภัย / ค่าทำความสะอาด รีวิวที่ดีไม่ติดสามอันดับแรกเลย ในขณะที่ปารีสดูรีวิวเป็นอันดับแรกและตามมาด้วยค่าทำความสะอาด
แปลว่าพอเราเอาข้อมูลมาวิเคราะห์แล้วเราอาจจะเห็นความจริงที่ค้านกับความรู้สึกของเรา ซึ่งจะนำไปสู่การตัดสินใจทางการตลาดที่ดีกว่าเดิมได้
นี่คือการวิเคราะห์แบบ Predictive (ยังแอบงงว่าเส้นแบ่งของ Descriptive และ Predictive คือตรงไหนกันแน่)
ปิดท้ายด้วยสิ่งที่ท่านอาจารย์บอกว่าเราควรจะได้รับในบทนี้ นั่นก็คือ
1. การวิเคราะห์ 3 ประเภท Descriptive / Predictive / Prescriptive
ตัวอย่างจากกรณี Airbnb ที่เพิ่งเรียนมา คือ Descriptive เช่น ดูในรีพอร์ตว่าที่พักถูกจองบ่อยแค่ไหน ที่ไหนบ้าง ทำไม เป็นต้น เหมือนการสรุปข้อมูลในอดีต
Predictive คือ เราจะเอาข้อมูลรีวิวทั้งหมด ข้อมูลที่พักทั้งหมด ไปทำนายการขายในอนาคตได้อย่างไร
Prescriptive คือ ตอนนี้เรารู้แล้วว่าราคาที่พักในไมอามี่นั้นเป็นส่วนสำคัญในการตัดสินใจเข้าพัก เราจะทำยังไงได้บ้างกับปัจจัยนี้ที่จะเพิ่มโอกาสการเข้าพักให้ได้มากขึ้น
2. Marketing คือศิลปะและวิทยาศาสตร์
3. การวิเคราะห์ช่วยให้เรามองเห็นโอกาสทางการตลาดมากขึ้น
และสิ่งที่เราควรจะสามารถทำได้หลังจากจบบทนี้คือ
1. เข้าใจ marketing planning process
2. อธิบายการตัดสินใจแบบ data-driven ได้
3. เข้าใจว่า Airbnb ใช้การวิเคราะห์ข้อมูลพัฒนากลยุทธ์ได้ยังไง
4. นำ marketing planning process ไปสร้าง challenge ของตัวเองได้ (ยากอยู่น้า)
5. เอา analytics process ไปใช้กับ challenge ของตัวเองได้ (เลยเหรอออออ)
จบแล้วจ้า สำหรับบทแรกของคลาสนี้
ระหว่างวีดิโอก็จะมี pop up เด้งให้ตอบคำถามบ้าง ซึ่งก็ช่วยได้ดีอยู่นะ คอยเตือนสติไม่ให้เราหลุด
และระหว่างบทก็จะมีควิซให้ทำ รอบละ 6 ข้อ มีอยู่สองรอบ ตอบผิดตรึม55555 หลังดูวีดิโอจบทุกตัวก็จะมีควิซก่อนจบบทให้ทำเป็นคำถาม 10 ข้อ ผิดได้ไม่เกิน 2 ข้อมั้ง ถ้าผิดเกินก็ต้องทำใหม่เรื่อย ๆ จนกว่าจะถูก คำถามก็จะแรนด้อมแต่ไม่เยอะ มีข้อเดิมปะปนบ้าง
ในเว็บก็มี forum ให้เข้าไปคุยกับผู้เรียนคนอื่นได้เพื่อแลกเปลี่ยนเหมือนกัน ฟังก์ชั่นนี้ดีเลยนะ เราไม่เข้าใจตรงไหนเข้าไปทิ้งคำถามไว้แล้วเพื่อนจะมาช่วยตอบ บางทีอาจารย์ก็มาตอบเองด้วย
หรือใครสงสัย ไม่เข้าใจ คิดว่าตรงไหนไม่ถูกต้อง แลกเปลี่ยนได้เลยนะครับ ใจจริงแค่อยากทำสรุปไว้ให้ตัวเองเข้าใจมากขึ้นเพื่อจะได้ไปสู่บทต่อไปได้แบบไม่งง แต่คิดว่าโพสต์ลงด้วยเลยดีกว่าจะได้แบ่งปันให้คนอื่นด้วย อยากชวนทุกท่านมาเรียนด้วยกันนะครับ สถานาการณ์แบบนี้เรียนออนไลน์น่าจะตอบโจทย์ได้ดีเลย
- 5
ดูเพิ่มเติมในซีรีส์
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
