ส่งมอบประสบการณ์ที่ดียิ่งขึ้นให้กับลูกค้าด้วย Predictive Analytics

การทำ Survey แบบเดิมๆ เพื่อสำรวจความพึงพอใจของลูกค้าอาจไม่ใช่เครื่องมือที่ดีพอสำหรับแบรนด์อีกต่อไป ธุรกิจต่างๆ ไม่ว่าจะขนาดเล็กหรือขนาดใหญ่ ต่างก็ต้องการส่งมอบประสบการณ์ที่ดี (Customer Experience) ให้กับลูกค้า วิธีที่หลายๆ แบรนด์เลือกใช้ในการปรั

การทำ Survey แบบเดิมๆ เพื่อสำรวจความพึงพอใจของลูกค้าอาจไม่ใช่เครื่องมือที่ดีพอสำหรับแบรนด์อีกต่อไป

ธุรกิจต่างๆ ไม่ว่าจะขนาดเล็กหรือขนาดใหญ่ ต่างก็ต้องการส่งมอบประสบการณ์ที่ดี (Customer Experience) ให้กับลูกค้า วิธีที่หลายๆ แบรนด์เลือกใช้ในการปรับปรุงสินค้าและบริการให้ตรงใจลูกค้ามากที่สุดคงหนีไม่พ้นการทำ Survey เพื่อให้ได้ข้อมูลว่าลูกค้าพึงพอใจหรือไม่พึงพอใจอะไรในสินค้าและบริการของเราอย่างไรบ้าง และนำข้อมูลนี้มาเป็นจุดตั้งต้นในการปรับปรุงสินค้าและบริการให้ถูกใจลูกค้ายิ่งขึ้น

อย่างไรก็ตามแม้ว่าหลายๆ บริษัทเลือกที่จะนำข้อมูลจากการ Survey มาใช้ในการวางแผนปรับปรุงการส่งมอบประสบการณ์ที่ดีให้กับลูกค้า แต่การทำ Survey ก็ยังมีข้อจำกัดหลายๆ อย่างซึ่งจากการสำรวจความคิดเห็นโดย McKinsey & Company ร่วมกับ AlphaSights และ Gerson Lehman Group ที่ได้ทำการสำรวจความคิดเห็นของผู้นำด้าน Customer Experience (CX) จำนวน 260 คนจากหลากหลายอุตสาหกรรม เช่น ธุรกิจการเงิน ธุรกิจด้านสุขภาพ ค้าปลีก โลจิสติกส์ ฯลฯ พบว่าการทำ Survey มีข้อจำกัดใน 4 ประเด็นหลักด้วยกัน

1. Limited: จำนวนผู้เข้าร่วมทำการ Survey ค่อนข้างจำกัด

บริษัทต่างๆ ที่มีการทำ Survey เพื่อสำรวจความคิดเห็นของลูกค้า มักไม่ได้ทำการ Survey กับลูกค้าทุกคน แต่จะทำการสุ่มสำรวจกับลูกค้าเพียงจำนวนหนึ่งเท่านั้น โดยทั่วไปแล้วบริษัทส่วนใหญ่จะทำการ Survey กับลูกค้าเพียง 7% จากจำนวนลูกค้าทั้งหมด ข้อมูลที่ได้จึงอาจไม่ครอบคลุมความคิดเห็นของลูกค้าทั้งหมดของบริษัท

2. Reactive: การทำ Survey เป็นการทำการสำรวจความคิดย้อนหลัง ไม่ใช่ real-time

ลูกค้าส่วนใหญ่คาดหวังว่าเมื่อมีปัญหาเกี่ยวกับสินค้าและบริการ ทางแบรนด์ควรจะมีการดำเนินการแก้ปัญหาอย่างทันทีทันใด แต่เนื่องจากการทำ Survey มักเกิดขึ้นภายหลังจากมีการใช้สินค้าและบริการไประยะหนึ่ง การทำ Survey จึงยังไม่ตอบโจทย์แบรนด์ส่วนใหญ่ที่ต้องการข้อมูลลูกค้าแบบ Real-time เพื่อนำข้อมูลมารับมือกับความต้องการของลูกค้าได้อย่างทันท่วงที และมีเพียงแค่ 13% ของผู้นำด้าน Customer Experience เท่านั้นที่คิดว่า การทำ Survey จะช่วยให้พวกเขาสามารถตอบสนองกับปัญหาต่างๆ ที่เกิดขึ้นกับลูกค้าได้ในทันเวลา

3. Ambiguous: ข้อมูลจากการทำ survey มีความคลุมเครือ ยากที่จะระบุต้นเหตุของปัญหาที่แท้จริง

ข้อมูลจากการทำ Survey มักไม่สามารถระบุต้นเหตุของปัญหาที่แท้จริงให้เราได้ว่าที่ลูกค้าพอใจหรือไม่พอใจในสินค้าและบริการของเรานั้นจริงๆ แล้วเกิดจากสาเหตุใดกันแน่ มีเพียง 16% ของผู้นำด้าน Customer Experience ที่คิดว่าการทำ Survey สามารถให้ข้อมูลที่ละเอียดเพียงพอที่จะระบุต้นเหตุของปัญหาต่างๆ ให้แบรนด์ได้

4. Unfocused: ผลจากการทำ survey อาจมาจากหลายปัจจัย
หลายๆ แบรนด์อาจไม่สามารถอธิบายความเกี่ยวเนื่องกันระหว่างผลการ Survey กับผลลัพธ์ทางธุรกิจที่เกิดจากการปรับปรุงสินค้าและบริการเพื่อส่งมอบประมอบประสบการณ์ที่ดียิ่งขึ้นได้อย่างชัดเจน มีเพียงแค่ 4% ของผู้นำด้าน Customer Experiece ที่เชื่อมั่นในการนำผล Survey มาใช้คำนวณ Return On Investment (ROI) จากการลงทุนด้านการปรับปรุงการส่งมอบประสบการณ์ที่ดีให้กับลูกค้า

หากการทำ Survey ไม่ดีพอสำหรับแบรนด์ในการสร้าง Customer Experience ที่น่าประทับใจ แล้วจะมีเครื่องมืออะไรมาช่วยแบรนด์ได้บ้าง?

การสร้าง Customer Experience ที่ดี คือ การส่งมอบสินค้าและบริการได้ตรงกับความต้องการลูกค้าแต่ละคนในทันทีที่ลูกค้าคนนั้นมีความต้องการ ดังนั้นในการปรับปรุง Customer Experience เราจึงต้องใช้เครื่องมือที่ช่วยให้เราสามารถทำนายความต้องการของลูกค้าแต่ละคนได้ล่วงหน้าเพื่อให้แบรนด์สามารถสร้างประสบการณ์การบริการได้ตรงใจลูกค้าคนนั้นได้ถูกใจที่สุด

Predictive Analytics คือ เครื่องมือสำคัญที่จะมาช่วยแบรนด์ทำนายความต้องการของลูกค้าแต่ละคน โดยเครื่องมือนี้จะอาศัยการรวบรวมข้อมูลของลูกค้า แล้วนำมาทำการวิเคราะห์ในเชิงสถิติ รวมถึงใช้ AI/ML เพื่อศึกษาว่าลูกค้าที่มี Persona มีพฤติกรรมต่างๆ นั้นเค้ามีความสนใจและความคาดหวังอย่างไรเกี่ยวกับสินค้าและบริการบ้าง โดย Predictive Analytics ที่ดีจะสามารถรวบรวมข้อมูลของลูกค้าทุกคนแบบ Real-time ลดข้อจำกัดของการทำ Survey ที่กล่าวไป ช่วยให้แบรนด์มีข้อมูลในการปรับปรุง Customer Experiences อย่างรวดเร็ว

Predictive Analytics ช่วยให้แบรนด์ส่งมอบประสบการณ์ที่ดีให้กับลูกค้าได้อย่างไรบ้าง

1. นำเสนอสิ่งที่ลูกค้ามองหาได้อย่างตรงใจ

Predictive Analytics สามารถนำข้อมูลต่างๆ ไม่ว่าจะเป็นข้อมูลประวัติการซื้อสินค้า, Profile, พฤติกรรมบนโลก Digital, ข้อมูลความสนใจในเรื่องต่างๆ บน Social มาทำนายล่วงหน้าได้ว่าลูกค้ากำลังมองหาอะไรอยู่ และนำข้อมูลตรงนี้มาเลือกสินค้าที่น่าจะโดนใจลูกค้ามานำเสนอได้อย่างเฉพาะเจาะจง โดยที่ลูกค้าไม่ต้องใช้ความพยายามในการเสิร์ช หรือสามารถนำเสนอสินค้าที่ถูกใจโดยที่ลูกค้าไม่รู้ด้วยซ้ำว่าต้องการสิ่งๆ นั้นอยู่

Netflix ใช้ Predictive Analytics ในการแนะนำภาพยนตร์ จาก playlist ที่ลูกค้าชอบดู

2. อัพเดทสินค้าที่ถูกใจแบบ Real-Time

เพราะความต้องการของลูกค้าไม่มีที่สิ้นสุด แบรนด์สามารถใช้ข้อมูลของลูกค้าในการแนะนำสินค้าและบริการที่เกี่ยวเนื่องเพิ่มเติมที่ลูกค้าน่าจะถูกใจแบบ Real-time เพื่อเพิ่มความประทันใจในสินค้าและบริการของเราอย่างต่อเนื่อง เคสที่น่าจะทำให้คุณเข้าใจได้ง่ายคือ เคสของ Spotify และ Netflix ที่มีการแนะนำลิสท์ที่น่าสนใจโดยอาศัยข้อมูลเพลงหรือหนังที่ลูกค้าดูล่าสุด

Discover playlist จากข้อมูลเพลที่ลูกค้าฟังล่าสุด

3. รับมือทันหากลูกค้าไม่แฮปปี้กับแบรนด์ของเรา

Predictive Analytics ช่วยทำนายล่วงหน้าได้ว่ามีลูกค้ารายไหนที่มีแนวโน้มว่าจะไม่แฮปปี้กับแบรนด์ของเรา เช่น ลูกค้าบางรายที่ซื้อของของเราเป็นประจำ หากเริ่มมีสัญญาณว่าลูกค้ารายนั้นไม่ได้ซื้อของๆเราในช่วงเวลาที่ปกติลูกค้าควรจะต้องสั่งซื้อแล้ว นี่อาจส่งสัญญาณกับแบรนด์ว่าถึงเวลาที่จะต้องรีบเข้าไปค้นหาสาเหตุและรีบแก้ไขให้ได้เร็วที่สุด หรือลูกค้าบางรายมีการติดต่อกับช่องทางต่างๆ ของแบรนด์หลายช่องทางในเวลาใกล้ๆ กัน  เช่น ทักแชทผ่านเพจของแบรนด์ ส่ง email หาแบรนด์ เค้าอาจกำลังมีปัญหาไม่พึงพอใจบางอย่างเกี่ยวกับแบรนด์ที่ต้องการการแก้ไขปรับปรุงโดยด่วน Predictive Analytics สามารถช่วยจับตาดูพฤติกรรมต่างๆ เหล่านี้และช่วยให้แบรนด์แก้ไขปัญหาก่อนที่จะเสียลูกค้าไป

ระบบ Ticket ของ Amazon ที่ช่วยรับมือกับ complain ของลูกค้าได้ทันท่วงที

4. จัดโปรโมชั่นแบบ personalized มีชัยไปกว่าครึ่ง

ไม่มีลูกค้าคนไหนที่เหมือนกัน โปรโมชั่น ส่วนลด ของแถม เงื่อนไขพิเศษต่างๆ ที่ดึงดูดใจสำหรับลูกค้าคนหนึ่ง อาจไม่ดึงดูดใจสำหรับลูกค้าอีกคนหนึ่ง เช่น ลูกค้ารายหนึ่งมักซื้อสินค้าด้วยบัตรเครดิต คงไม่ปลื้มนักหากโปรโมชั่นส่วนลด 20% ที่แบรนด์กำลังนำเสนอ มีเงื่อนไขว่าจะใช้ได้ก็ต่อเมื่อจ่ายด้วยเงินสดเท่านั้น หรือ ลูกค้าที่ชอบซื้อสินค้าที่มีตัวเลือกการจัดส่งสินค้าด่วนภายใน 1 วัน ก็น่าจะตัดสินใจซื้อง่ายขึ้นแบรนด์มีข้อเสนอเรื่องส่วนลดการจัดส่งสินค้าด่วนให้กับลูกค้ารายนั้น การนำเครื่องมือ Predictive Analytics มาใช้ออกแบบ Personalized offer ต่างๆ เหล่านี้จะช่วยทั้งสร้างความประทับใจให้กับลูกค้า และในขณะเดียวกันก็ช่วยเพิ่มยอดขายให้กับแบรนด์ได้ด้วย!

Personalized offer จาก Starbucks

Source:
https://www.mckinsey.com/business-functions/marketing-and-sales/our-insights/prediction-the-future-of-cx
https://synoptek.com/insights/it-blogs/3-ways-predictive-analytics-improves-customer-experience/
https://martechseries.com/sales-marketing/customer-experience-management/5-ways-predictive-intelligence-improves-customer-experience/
https://www.marketingoops.com/exclusive/promotion-with-predictive-analytics/

Pictures from:
https://hackernoon.com/spotifys-discover-weekly-how-machine-learning-finds-your-new-music-19a41ab76efe
https://aws.amazon.com/comprehend/
https://webengage.com/blog/hyper-personalization-marketing-future/