Big Data vs. Traditional Marketing Research
Date : 21/02/2019
จุดสมดุลของข้อมูลอยู่ที่ไหน...คำถามที่นักการตลาดต้องถามตัวเอง
           ยุคปัจจุบัน คือ ยุคของข้อมูล big data เป็นยุคที่ข้อมูลมีขนาดใหญ่มหาศาล และแน่นอนว่าใหญ่กว่าข้อมูลของข้อมูลวิจัยตลาดมหาศาลด้วยเช่นกัน ข้อมูลเหล่านี้เกิดขึ้นตลอดเวลา เกิดขึ้นเร็ว ต่อเนื่องบ้าง ไม่ต่อเนื่องบ้าง แต่ด้วยความใหญ่ของมันและมีช่วงเวลาที่ชัดเจน ข้อมูลเหล่านี้จึงถูกนำมาจัดกระทำทางสถิติด้วยวิธีการต่างๆ เพื่อวิเคราะห์รูปแบบ (pattern) ออกมา
 
ซึ่งถ้าแบ่งออกมาก็จะจำแนกคร่าวๆ ได้ 3 แบบ คือ
1. จัดแบ่งกลุ่ม (clustering)
2. จำแนกประเภท (classification)
3. เรียนรู้การเสริมแรง (reinforcement learning) หรือเป็นที่รู้จักในชื่อ machine learning
 
อย่างไรก็ตาม ผลที่ได้ออกมานั้นก็จะคร่าวๆ หรือไม่คร่าวๆ ก็แล้วแต่ความมหาศาลของข้อมูลนั้นๆ
 
           ยกตัวอย่างง่ายๆ วันนี้คุณขับรถในกรุงเทพ คุณใช้บริการของ google map นำทาง มันก็ฉลาดพอที่จะนำทางคุณไปสู่จุดหมายได้เกือบเต็มร้อยเปอร์เซ็นต์ เพราะมันเรียนรู้เส้นทางนั้นๆ ที่คุณวิ่งผ่านเป็นพันล้านครั้ง ซึ่งแต่ละครั้งมันเก็บข้อมูลคุณไว้หมดนะครับว่ากี่นาที วิ่งจากไหนไปไหน ออกนอกเส้นอย่างไร การเรียนรู้ของมันแต่ละครั้ง ก็คือการลดความผิดพลาด (error) ในการคำนวณเชิงสถิติลงไป และมันก็ฉลาดขึ้นเรื่อยๆ แต่เวลาคุณไปขับต่างจังหวัด หรือในกรุงเทพก็ตาม ในพื้นที่ที่คนไม่ค่อยจะไปหรือถนนที่คนไม่ค่อยจะผ่าน หลายๆ คนก็คงเคยมีประสบการณ์หลงทาง หรือถูกนำพาไปทางตัน ไปไม่ถูกที่มาก่อน และคุณอาจจะเหมารวมไปเลยว่า google map มันไม่ได้เรื่อง แต่ในความเป็นจริงนั้น มันยังมีจำนวนครั้งการเรียนรู้ที่ไม่สูงมากพอนั่นเอง
 
           สำหรับกระบวนการวิเคราะห์แบบแบ่งกลุ่ม (clustering) หรือ แยกประเภท (classification) ด้วยปริมาณข้อมูลมหาศาล มันก็คือความเป็นจริงที่เกิดขึ้นแล้ว เพียงแต่ผู้วิเคราะห์ได้พยายามนำตัวเลขหรือความน่าจะเป็นไปใส่ให้กับการทำนายนั้นๆ ซึ่งโอกาสที่จะถูกมีมากกว่าไม่ถูกอยู่แล้ว ทว่า จุดอ่อนของมันก็คือ ทำนายได้เกือบแม่นยำมาก แต่อธิบายความเชื่อมโยงระหว่างเหตุการณ์ไม่ได้ เช่น คุณนาย ก. ไปซื้อเครื่องสำอางใน department store ทุกๆ วันจันทร์ทุกหกสัปดาห์ และทุกๆ 3 เดือน เธอจะเลือกซื้อเสื้อผ้าแบรนด์ Hi-End 3,000 บาท เป็นต้น
 
อย่ามองข้ามคุณลักษณะสำคัญ 4 ประการ
 
           พฤติกรรมลูกค้าที่ถูกเรียนรู้ ในเชิงวิทยาศาสตร์นั้น จะต้องประกอบไปด้วยคุณลักษณะ 4 ประการ ได้แก่ understandable (เข้าใจได้) explainable (อธิบายได้) predictable (ทำนายได้) และ controllable (ควบคุมได้) สำหรับ big data นั้น จะเด่นในเรื่อง predictable ซึ่งในยุคเริ่มต้นนี้ องค์กรใดสามารถเป็นเจ้าของความสามารถดังกล่าวได้ก่อน ก็จะได้เปรียบองค์กรอื่นๆ เป็นอันมาก แต่ทว่า ในระยะยาวล่ะ ?
 
           ผู้บริหารในหลายๆ องค์กร แม้กระทั่งนักการตลาดในองค์กรนั้นเอง หลายครั้งก็มองข้ามอีก 3 คุณลักษณะไป เนื่องจากความได้เปรียบที่เกิดขึ้นในระยะเริ่มต้นยุค big data นี้ และมีจำนวนไม่น้อยที่มองว่า การวิจัยตลาดไม่มีความจำเป็นหรือได้รับความสำคัญ เป็นขาลง (decline) ตามวัฎจักรของอุตสาหกรรม (industry life cycle) ฯลฯ และองค์กรเหล่านั้นก็พยายามที่จะปรับเปลี่ยนองค์กรเป็น data driven มีการลงทุนด้าน IT อย่างสูงแทน
 
           การวิจัยตลาดแบบเดิม แม้จะมีจำนวนกลุ่มตัวอย่างน้อยกว่า big data อย่างเทียบไม่ได้ แต่หลักการสุ่มตัวอย่างนั้น จะเป็นไปเพื่อหาตัวแทนเสียงของผู้บริโภค (VoC : voice of customer) อย่างแท้จริง แบบแผนการวิจัยนั้น อาจถูกออกแบบมาเพื่อตรวจสอบสมมติฐานบางอย่าง หรือ สร้างความเข้าใจอย่างลึกซึ้ง (insight) ต่อพฤติกรรมบางอย่าง เพื่อตอบโจทย์เรื่องของการ ‘เข้าใจได้’ และ ‘อธิบายได้’ ผ่านทาง traditional techniques ต่างๆ เช่น in-depth interview หรือ focus group interview หรือ แม้กระทั่งการนำเทคนิคใหม่ๆ อย่าง neuro-marketing research มาตรวจสอบว่าการซื้อเกิดจากเหตุผลหรืออารมณ์ หรือการนำเทคคิด VR (virtual reality) หรือ AR (augmented reality) มาตรวจสอบการตัดสินใจซื้อ (purchase decision making) ของลูกค้า เป็นต้น
 
 
แล้ว Optimum level หรือ สมดุลของข้อมูลอยู่ที่ไหนล่ะ ...
 
 
 
           นี่คือคำถามที่นักการตลาดจะต้องถามตัวเอง วันนี้ คุณอาจจะพอใจกับยอดขายที่ได้มาจากข้อมูลที่ทำนายได้ แต่สิ่งที่นักการตลาดยังคงต้องตระหนักถึงก็คือ value ของลูกค้า ยังคงเป็นสิ่งสำคัญที่สุด การ propose คุณค่าใดๆ ออกไปนั้น นักการตลาดจะทำได้ด้วยความมั่นใจสูงสุดก็ต่อเมื่องนักการตลาดมี insight หรือเข้าใจอย่างลึกซึ้งต่อความต้องการหรือ value ที่ลูกค้าอยากได้จริงๆ
 
            ฉะนั้น เพื่อความได้เปรียบในระยะยาว การผสมผสานข้อมูลระหว่างข้อมูลที่ได้จากการวิจัยตลาดและความสามารถในการทำนายจาก big data จึงเป็นเรื่องที่จะต้องเกิดขึ้น เพื่อรักษา competitive advantage ดังกล่าว