ด้วยระดับความถูกต้องที่สูงมากจนเราสามารถบอกได้ว่า จะมีคนซื้อสินค้าอะไรในห้างร้านของเรา และถึงขนาดบอกได้ว่าจะซื้อที่สาขาไหนในช่วงสี่สัปดาห์ข้างหน้า นี่ไม่ใช่การคาดหมายถึงอนาคตหรือเป็นความเพ้อฝันลมๆแล้งๆ แต่เป็นสิ่งที่เกิดขึ้นได้จริง และเป็นสิ่งที่ dunnhumby ให้คำปรึกษาและคอยช่วยผู้ค้าปลีกทั่วโลกในทุกๆ วัน โดยใช้การวิเคราะห์ข้อมูลการซื้อขายและความภักดีในแบรนด์ของลูกค้าประกอบกันควบคู่ไปกับการใช้อัลกอริธึมในการคาดการณ์และประเมินผลที่มีความสลับซับซ้อน

สิ่งที่เกิดขึ้นหลังจากนั้นแน่นอนว่าก็จะมีคำถามตามมาว่า "แล้วจะเป็นอย่างไรต่อไป?" ความสามารถในการคาดการณ์ล่วงหน้าได้นั้นจะช่วยให้เราทำอะไรต่อได้บ้าง?

ผมคิดว่าคำตอบสำหรับคำถามดังกล่าวจะชัดเจนมากขึ้น เมื่อเราพิจารณาถึงบทบาทหน้าที่และความรับผิดชอบทั่วไปของประธานเจ้าหน้าที่ฝ่ายการตลาด (CMO) ในอุตสาหกรรมห้างค้าปลีก แม้ว่าสถานการณ์ของแต่ละบริษัทจะมีความเฉพาะเจาะจงที่แตกต่างกันไปในแต่ละบริษัท แต่ประธานเจ้าหน้าที่ฝายการตลาดส่วนใหญ่มีหน้าที่หลักๆ ดังต่อไปนี้:

• ช่วยให้ธุรกิจได้ลูกค้าใหม่
• รักษาความภักดีของฐานลูกค้าที่มีให้คงอยู่
• เพิ่มมูลค่าให้แก่ผู้ซื้อทุกราย

วิทยาศาสตร์ข้อมูล (หรือขยายความได้ว่าการทำนายพฤติกรรมของผู้ซื้อ) สามารถส่งผลกระทบอย่างมากต่อการบรรลุเป้าประสงค์ในหน้าที่การงานของประธานเจ้าหน้าที่ฝ่ายการตลาดเหล่านั้น อาทิ

• การระบุและการได้มาซึ่งข้อมูล

จากมุมมองของวิทยาศาสตร์ข้อมูล การได้มาซึ่งข้อมูลนั้นมีความยากลำบากกว่าอยู่หน่อย แน่นอนว่าผู้ค้าปลีกจะไม่มีทางมีข้อมูลเชิงลึก (insight) เกี่ยวกับผู้ซื้อที่ยังไม่ได้ซื้อของหรือเป็นลูกค้าของเขา แต่ในขณะเดียวกันข้อมูลจากบุคคลที่สามสามารถเติมเต็ม insight ที่แหว่งไปในจุดนี้ได้มากมาย ที่สำคัญกว่านั้นก็คือ ในบางครั้งข้อมูลเชิงลึกเกี่ยวกับผู้ซื้อที่มีอยู่ อาจมีประโยชน์อย่างมากในแง่ของการช่วยให้ผู้ค้าปลีกเข้าใจได้ว่าลูกค้าประเภทไหนที่ "ใช่" เพื่อทำให้เขากลายเป็นลูกค้าประจำของเราให้ได้

การแบ่ง segment ข้อมูลผู้ซื้อ (กระบวนการแบ่งฐานผู้ซื้อของคุณออกเป็นกลุ่มย่อยๆ) - ช่วยให้คุณสามารถจัดหมวดหมู่ผู้ซื้อตามมูลค่าที่พวกเขาพึงมีต่อธุรกิจของคุณ ด้วยการเรียนรู้ว่าผู้ซื้อที่มีมูลค่าสูงมีพฤติกรรมอย่างไร และความต้องการของพวกเขาคืออะไร ช่วยให้ผู้ค้าปลีกสามารถเข้าใจและเรียนรู้ว่าพวกเขาต้องทำสิ่งใดให้ดีขึ้น เพื่อดึงดูดให้เข้ามาซื้อของเพิ่มมากขึ้น

• โปรแกรมรีวอร์ดเพื่อมอบสิทธิประโยชน์แก่ผู้ซื้อและรักษาความภักดีของลูกค้า

อะไรที่ทำให้ผู้คนภักดีต่อร้านค้าได้จริงๆ? ทำไมผู้ซื้อจึงมีพฤติกรรมบางอย่างในอดีต? อะไรทำให้ลูกค้าหยุดซื้อของที่ร้าน? วิทยาศาสตร์ข้อมูลสามารถตอบคำถามเหล่านี้ได้ทั้งหมด ทำให้ผู้ค้าปลีกได้รับข้อมูลเชิงลึก (insight) ที่พวกเขาต้องการเพื่อสร้างกลยุทธ์การมีส่วนร่วมของลูกค้าในระดับสูง ซึ่งช่วยให้ลูกค้ารู้สึกว่าพวกเขากำลังได้รับความคุ้มค่ามากขึ้นสำหรับเงินที่จ่ายไป นั่นอาจหมายถึง การเสนอโปรโมชั่นที่ดีขึ้นหรืออาจเกี่ยวกับการปรับปรุงการจัดหมวดหมู่สินค้าเพื่อให้โดนใจลูกค้า สิ่งสำคัญคือเมื่อมองย้อนกลับไปในอดีตผู้ค้าปลีกจะมีแนวคิดที่ชัดเจนมากขึ้นว่าพวกเขาควรตอบสนองอย่างไรในอนาคต 

• จูงใจลูกค้าเพื่อสร้างยอดขายที่เพิ่มขึ้น (upsell) และเพิ่มตัวเลือกในหมวดสินค้าที่เกี่ยวข้อง (cross sell)

ลูกค้าห้างค้าปลีกส่วนใหญ่แทบจะไม่ได้ใช้จ่ายกับร้านค้าเต็มวงเงินที่วางแผนไว้ ซึ่งหมายความว่ายังคงมียอดเงินที่อยู่ในกระเป๋าลูกค้าที่ไม่ได้ถูกใช้และเป็นยอดเงินที่สามารถเพิ่มยอดการจับจ่ายใช้สอยกับทางร้านค้าได้ จากประสบการณ์ของผมที่มักพบเจอในประเด็นนี้เกิดจาก ผู้ซื้อไม่สามารถหาสินค้าที่เขาต้องการได้ อาจหาเพราะไม่เจอ หรือร้านค้าไม่ได้ตั้งอยู่ในละแวกที่สะดวกสำหรับการจับจ่ายใช้สอยในปัจจุบัน

การตรวจสอบให้แน่ใจว่าเรามีรายการสินค้าที่ครบถ้วนพร้อมสำหรับให้ผู้ซื้อเลือกหาและในสถานที่ตั้งที่เหมาะสม เป็นอีกหนึ่งสิ่งที่วิทยาศาสตร์ข้อมูลสามารถทำได้อย่างยอดเยี่ยม เช่นเดียวกับความสามารถในการช่วยระบุรายการสินค้าที่ควรจะเน้นเป็นพิเศษในแคมเปญสื่อของห้างค้าปลีก หากคุณทราบข้อเท็จจริงว่าปัญหาไม่ได้เกิดจากฝั่งคุณ แต่อยู่ที่การขาดการตระหนักรู้ของฝั่งผู้ซื้อ  สื่อในห้างค้าปลีกที่ขับเคลื่อนด้วยข้อมูลจะนำเสนอวิธีการที่มีประสิทธิภาพสูงในการสร้างความตระหนักรู้และโน้มน้าวการตัดสินใจซื้อได้ดี

ใจความสำคัญของทั้ง 3 ประเด็นที่กล่าวมานี้คือ ข้อมูลจะให้ความสามารถในการทดลอง ทดสอบ และเรียนรู้ ด้วยการปรับเปลี่ยนเพียงเล็กน้อยในข้อเสนอและทดลองใช้กับผู้ซื้อกลุ่มย่อยๆ ก่อนเพื่อดูผล จะช่วยให้ผู้ค้าปลีกสามารถคาดการณ์ได้ว่าการตัดสินใจในอนาคตของพวกเขาจะส่งผลเป็นอย่างไร ก่อนที่จะเปิดตัวสู่ลูกค้ากลุ่มที่กว้างขึ้น

ความจริงที่เห็นได้ชัดคือ ไม่ใช่ทุกห้างค้าปลีกที่จะมีวิธีการตั้งค่าให้จัดการข้อมูลในลักษณะนี้ในปัจจุบัน ด้วยความกลัวว่า ข้อมูลของลูกค้าจะสูญหายหรือถูกเจาะข้อมูลซึ่งเป็นประเด็นที่ค้างคามานานแล้ว และการเพิกเฉยกำลังส่งผลลบต่อธุรกิจที่รุนแรงมากขึ้นเรื่อยๆ ในหลายภูมิภาค ยิ่งไปกว่านั้นถึงแม้ว่าจะมีการประยุกต์ใช้การตัดสินใจแบบ "เรียลไทม์" ในห้างค้าปลีกเพิ่มขึ้น แต่ธุรกิจห้างค้าปลีกส่วนใหญ่ไม่มีโครงสร้างพื้นฐานในการดำเนินงานที่จำเป็นต่อการดำเนินการดังกล่าว ซึ่งปัญหาหลักๆ ก็คือต้องใช้เงินลงทุนที่สูงในการติดตั้งทางเทคนิคและระบบเก่าที่ล้าหลังที่กลายเป็นอุปสรรคใหญ่

อย่างไรก็ตาม แม้ว่ามันอาจจะไม่ใช่เรื่องง่าย แต่โอกาสในการใช้วิทยาศาสตร์ข้อมูลเพื่อการคาดการณ์และเพื่อสร้างธุรกิจค้าปลีกที่ดีขึ้นและยั่งยืนมากขึ้นยังคงมีอยู่ เนื่องจากข้อดีของความสามารถในการวิเคราะห์และเข้าใจข้อมูลและระบบอัตโนมัติที่เพิ่มขึ้น ช่วยให้นักวิทยาศาสตร์ด้านข้อมูลสามารถส่งมอบคุณค่าที่มากขึ้นให้กับองค์กรที่พวกเขาทำงานด้วย ความก้าวหน้าในเรื่องปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่อง (Machine Learning) จะช่วยพวกเขาให้ได้ไปต่ออีกไกล โดยผู้ค้าปลีกจะสามารถตัดสินใจได้อย่างชาญฉลาดและรวดเร็วยิ่งขึ้นโดยใช้วิธีการเอาชนะใจลูกค้าและรักษาฐานลูกค้าเก่าให้ดีกว่าเดิม

สิ่งที่ดีที่สุดคือให้ข้อมูลเป็นตัวนำทางเรา ช่วยให้เราทำได้เพื่อให้เกิดประโยชน์สูงสุดสำหรับผู้ซื้อทุกคน ซึ่งข้อมูลจะบอกเราทุกสิ่งอย่างที่เราต้องรู้เกี่ยวกับวิธีสร้างแรงกระตุ้น สร้างการมีส่วนร่วม ตอบสนองความต้องการ และสร้างความสุขให้พวกเขา และหากเราสามารถสร้างมูลค่าที่ยั่งยืนให้กับผู้ซื้อได้  เราก็สามารถสร้างมูลค่าที่ยั่งยืนให้กับผู้ค้าปลีกได้เช่นกัน 

บทความโดย : วีเจย์ บาลาจิ แมเดสวารัน ผู้อำนวยการฝ่าย Applied Data Science ของ dunnhumby APAC