Data

เคยสงสัยไหมคะว่า ลูกค้ากำลังมองหาสินค้าแบบไหนอยู่  ลูกค้ากลุ่มไหนที่มีแนวโน้มเป็นลูกค้าของเราในอนาคต ลูกค้าของเรามีความต้องการอะไรบ้าง  ลูกค้าติดปัญหาในการใช้สินค้า / บริการตรงไหนบ้างไหม ลูกค้าคนไหนที่มีแนวโน้มเปลี่ยนไปไปใช้แบรนด์อื่นบ้าง  การจะตอบคำถามเบื้องต้นก็พบเจอปัญหาต่างๆ มากมาย เช่นใช้เวลานาน และถึงแม้จะประมวลผลข้อมูลเสร็จสิ้น ข้อมูลเหล่านั้นก็ล้าสมัย ไม่ทันเหตุการณ์ไปซะแล้ว  AI จึงเข้ามามีบทบาทสำคัญในกระบวนการของ Customer Success  มากขึ้น ตั้งแต่เรื่องการหาลูกค้าใหม่ (Acquisition) ไปจนถึงการรักษาความสัมพันธ์กับลูกค้า (Retention)  โดย Gartner ได้วิเคราะห์ว่าภายในปี 2025 AI จะถูกนำมาใช้ในหลากหลายมิติมากขึ้น ทั้งในเรื่องของความสัมพันธ์กับลูกค้า พาร์ทเนอร์​ รวมถึงพนักงาน เพื่อที่จะเพิ่มประสิทธิภาพการทำงาน ลดต้นทุน และเพิ่มรายได้ใหม่ๆ ให้กับองค์กร  วันนี้ทาง Predictive จึงขอพาทุกท่านไปทำความเข้าใจพลังของ AI มากยิ่งขึ้น ไปเริ่มกันเลยค่ะ  AI คืออะไร Gartner ได้ให้นิยามของ AI ไว้ดังนี้ค่ะ  Gartner’s definition states that “artificial Intelligence (AI) …

พลังของ AI ที่ผู้บริหารต้องรู้ เพื่อทำ Customer Success ให้สำเร็จ Read More »

จากบทความที่แล้ว ที่เราได้อธิบายเกี่ยวกับ Event Tracking เบื้องต้นไป ทำให้เราเข้าใจจุดประสงค์ในการทำ Event Tracking รวมถึงความหมาย, โครงสร้าง และหลักการตั้งชื่อ event บน Google Analytics ซึ่งในวันนี้เราจะมาลงรายละเอียดถึงวิธีทำ Event Tracking เบื้องต้นผ่าน Tools Google Tag Manager เช่น การ Track ปุ่มต่างๆบนเว็บไซต์ รวมถึงการ Track Scrolling Tracking และ Element Visibility เพื่อดูว่าผู้ใช้อ่านเนื้อหาบนเว็บไซต์เราจบหรือไม่ เพื่อที่เราจะสามารถศึกษาพฤติกรรมของเขาตอนเข้ามาที่เว็บไซต์ของเรา รวมถึงสามารถนำไปประยุกต์ใช้กับการสร้างเป็น Goal ของเว็บไซต์ หรือสร้าง Segment และ Export เป็น Audience เพื่อนำไปทำ Remarketing นอกจากนั้นยังสามารถสร้าง Funnel analysis ที่สามารถใช้ในการวิเคราะห์ขั้นตอนที่สำคัญๆ ของ User Journey โดยการดูจำนวนของผู้ใช้ที่ …

ติดตั้ง Event Tracking บนเว็บไซต์ง่าย ๆ ด้วยตนเองผ่าน Google Tag Manager (ตอนที่ 1: Click Tracking) Read More »

ทุกเว็บไซต์หรือแอปพลิเคชันย่อมมีเป้าหมาย ก่อนที่ผู้ใช้งานจะไปถึงเป้าหมาย ย่อมมีพฤติกรรมจำเพาะบางอย่างแฝงอยู่ภายใน Event tracking จะเป็นตัวกางแผนพฤติกรรมที่เกิดขึ้นทั้งหมดออกมาให้เราดู และนั่นคือสิ่งที่เราจะมาทำความรู้จักกันในวันนี้ครับ ทำไมต้องทำ Event Tracking หากเราเป็นเจ้าของเว็บไซต์ขายเสื้อผ้าสักเว็บหนึ่ง เป้าหมายปลายทางของเราก็คงจะหนีไม่พ้นการที่อยากให้คนมาซื้อเสื้อผ้าเราเยอะๆถูกไหมครับณ ตอนนี้หากคุณใช้ Google Analytics คุณก็จะมีข้อมูลว่า ผู้ใช้เป็นใคร ผู้ใช้เข้ามายังไง มาที่หน้าไหนเป็นหน้าแรก ไปใช้งานหน้าไหนต่อบ้าง ซื้อเสื้อของเราไปกี่ตัว สีอะไร ไซส์อะไร ฯลฯ ซึ่งถามว่าพอไหม.. ไม่พอครับ เราจะรู้ได้อย่างไรว่า ยอดขายที่ได้คือยอดขายที่ควรจะเป็น ผู้ใช้ประสบปัญหาในการใช้งานเว็บไซต์หรือแอปพลิเคชันหรือเปล่า ผู้ใช้งานสนใจปุ่มหรือ section ต่างๆของเว็บไซต์หรือแอปพลิเคชันของมากแค่ไหน ก่อนจะซื้อเสื้อของเรา ผู้ใช้งานมีพฤติกรรมอย่างไร ผู้ใช้งานเข้ามาในส่วนที่เราต้องการให้เห็นมากแค่ไหน ซึ่งนี่เป็นแค่คำถามเบื้องต้นที่สามารถตอบได้เท่านั้น และนี่แหละครับคือความสำคัญของ event tracking จริงๆแล้ว Event Tracking คืออะไร Event tracking เป็นหนึ่งใน feature ของ Google Analytics ที่ทำให้เราสามารถบันทึกกิจกรรมใดๆก็ตามของผู้ใช้งานที่เกิดขึ้นบนเว็บไซต์หรือแอปพลิเคชันของเรา ด้วย event tracking เราสามารถบันทึกกิจกรรมเหล่านี้ได้ กดปุ่มสมัครรับ …

รู้จัก Event Tracking พร้อมติดตามผู้ใช้งานระดับพฤติกรรม Read More »

ความถูกต้องและความน่าเชื่อถือของ Data สำหรับ QA/Tester เป็นเรื่องที่สำคัญ อย่างที่ทุกคนรู้กันดีอยู่แล้วว่าในยุคนี้การหาข้อมูลเป็นเรื่องง่าย เนื่องจากมีข้อมูลเยอะแยะไปหมด อีกทั้งข้อมูลยังมีความสำคัญอย่างมากในการขับเคลื่อนธุรกิจ แต่หากว่าข้อมูลนั้นเป็นข้อมูลที่ไม่ได้ตอบโจทย์ธุรกิจของเรา หรือข้อมูลนั้นมีเป็นเพียงข้อมูลที่ไม่ใช่ Fact ไม่ได้มีการตรวจสอบที่มาของแหล่งข้อมูล ผู้ที่ทำการวิเคราะห์ข้อมูลต่อจากนั้น คงเป็นเรื่องยากที่จะสร้างผลลัพธ์ได้อย่างคุ้มค่า การนำ Data ไปใช้งาน เริ่มต้นที่การเก็บรวมรวบข้อมูล ขอทบทวนเล็กน้อยสำหรับขั้นตอนในการนำข้อมูลไปใช้งาน ซึ่งได้มีการพูดถึงไว้แล้วก่อนหน้านี้ สำหรับผู้อ่านหน้าใหม่ 4 ขั้นตอนในการนำข้อมูลไปใช้งาน (4 steps to make use of data) Collecting data → Analyze Data → Visualize data →  Activate data การเก็บรวบรวมข้อมูล (Collecting data) คือสิ่งที่สำคัญเป็นอันดับต้นๆของการนำข้อมูลไปใช้ให้มีประสิทธิภาพ ความหมายคือเป็นการเก็บข้อมูลโดยนำข้อมูลจากทุกถังข้อมูลมารวมกัน การวิเคราะห์ข้อมูล (Analyze)  เพื่อดูข้อมูลส่วนลึกต่างๆ (insight) การสรุปผลข้อมูลออกมาให้เห็นภาพ (Visualize data) รวมถึงการสรุปผลให้ทางทีมต่างๆได้เห็นที่ถูกต้องและเป็นภาพเดียวกัน การนำข้อมูลไปใช้ประโยชน์ (Data activation) หรือไปใช้ในการสื่อสารช่องทางต่างๆ จะเห็นว่าทุกขั้นตอนมีความสำคัญ …

ทำไมการเก็บ Data จึงต้องมี QA/Tester ในการตรวจสอบ Read More »

Analytics 360 is a first-party measurement solution that sits at the center of Google Marketing Platform, enabling a holistic customer view through powerful integrations with instant activation.  Google Analytics 360 allows you to aggregate, analyze and activate insights – quickly and accurately.  Helping you establish and evolve meaningful connections with customers; and staying one step …

Google Analytics Standard VS Google Analytics 360 Read More »

ในช่วงสถานการณ์ COVID-19 ซึ่งเป็นช่วงที่สถานการณ์ไม่ปกติ จะเป็นช่วงเวลาที่ผู้บริหารจะใช้ข้อมูลในการตัดสินใจมากขึ้น คุณจำเป็นต้องมีเครื่องมือและทรัพยากรที่สำคัญที่สามารถใช้ในการลดต้นทุนปรับปรุงประสิทธิภาพและสร้างมูลค่าทางธุรกิจได้อย่างรวดเร็ว และต้องตอบสนองต่อการหยุดชะงักและความเสี่ยงทางธุรกิจที่หลากหลาย ตัวอย่างในการใช้ Data Analytics สำหรับจัดการช่วงสถานการณ์ COVID-19 ใช้ Data Analytics เพื่อลดและเพิ่มประสิทธิภาพต้นทุนธุรกิจ สร้างมูลค่าทางธุรกิจได้อย่างรวดเร็วด้วย AI /  Machine Learning โดยเนื้อหาในบทความนี้จะพูดถึงตัวอย่างการใช้ Data Analytics เพื่อลดและเพิ่มประสิทธิภาพต้นทุนธุรกิจ เพราะการจัดการเรื่องประสิทธิภาพของ Efficiency ภายในองค์กรเป็นเรื่องสำคัญระดับต้นๆ ในช่วงวิกฤต ยกตัวอย่างเคส การนำ Machine Learning มาวิเคราะห์บัญชีลูกหนี้  ต้องการทำนายธุรกิจที่แม่นยำโดยการใช้ข้อมูลที่เก็บมาอย่างถูกต้องและแม่นยำเพื่อ ต้องการคาดการณ์และแก้ไขปัญหาลูกค้าได้เร็วขึ้น ต้องลดเวลาที่ใช้ในการชำระใบแจ้งหนี้ โดยใช้ Machine Learning เพื่อพัฒนาแบบจำลองที่ทำนายความน่าจะเป็นที่ลูกค้าจะชำระล่าช้า ยกตัวอย่างกระบวนที่สามารถใช้ Machine Learning ในการปรับปรุงกระบวนการทางธุรกิจได้ ซึ่งแน่นอนการที่จะเอา Machine Learning มาใช้ในช่วยในการวิเคราะห์ข้อมูลนั้นจำเป็นต้องมีข้อมูลที่สมบูรณ์และมีประบวนการที่จัดการข้อมูลเพื่อที่สามารถนำไปวิเคราะห์ต่อได้ ยกตัวอย่างเคสของการวิเคราะห์บัญชีลูกหนี้ ก็จำเป็นต้องมีข้อมูลที่จำเป็นเช่นข้อมูลเกี่ยวกับ Invoice สถานะ Open, Closed, Disputed, …

การใช้ Data Analytics สำหรับผู้บริหารในช่วงสถานการณ์ COVID-19 (Part 1) Read More »

เริ่มจากการที่เราทำงานในเชิงรุก (proactive) ทางองค์กรจะต้องมีการวาง priority ในการใช้ข้อมูลภายในองค์กร ซึ่งคนที่เป็นคนจัดการ Data ภายในองค์กรจำเป็นต้องรู้ว่าใครบ้างเป็นคนที่ใช้ข้อมูล ใช้ข้อมูลอะไรบ้าง และทำไมถึงต้องใช้ข้อมูลส่วนนั้น หรือที่เรียกว่า Data Consumption Pattern ที่เราต้องมีข้อมูลการใช้ data ทั้ง Internal และ External ซึ่งส่วนใหญ่จะมีการตรวจสอบ data consumption อยู่ 4 เรื่องนี้ Volume ปริมาณของข้อมูลที่ผู้ใช้งานมีการใช้งาน Rate ทางผู้ใช้งานมีการความต้องการในการใช้งาน data แบบที่มีความทันสมัยของข้อมูลตลอดขนาดไหน ต้องการให้ข้อมูลมีการ refresh บ่อยขนาดไหน Sensitivity ทางผู้ใช้งานมีการ sensitive ของการเปลี่ยนแปลงค่าของข้อมูลมากน้อยขนาดไหน Type ประเภทของข้อมูลที่ทางผู้ใช้งานมีการใช้งานอยู่ประจำ ยกตัวอย่างของการใช้งานข้อมูลในฝั่ง Marketing และฝั่ง HR ก็มีความแตกต่างกัน เช่น Marketing ก็อาจจะเป็นข้อมูลส่วนของที่เป็น External มากกว่า Internal ที่ทาง HR จะมีเยอะกว่า ซึ่งแน่นอนว่าแบบ การใช้ data (Data Consumption) ก็จะมีความต้องการที่แตกต่างกัน ซึ่งคนที่เข้ามาจัดการข้อมูลขององค์กรต้องเข้าใจความของผู้ใช้งานอย่างถ่องแท้  โดยวิธีการที่จะทำให้เราเข้าใจความต้องการนั้น องค์กรส่วนใหญ่จะใช้วิธีการทำ User Journey Map เพื่อที่จะวิเคราะห์หา Stakeholders, Target, Unmet Needs โดยการทำ workshop เพื่อที่จะสามารถรวบรวมความต้องการได้จากทีมงานฝ่ายต่างๆ และสุดท้ายใน stakeholders ก็จะเห็นภาพของ User Journey Map เป็นภาพเดียวกันและมีทิศทางที่ชัดเจนเดียวกัน ซึ่งการที่คนที่ดูแลข้อมูลได้ Master User Journey Map ของการใช้งานข้อมูลในองค์กรจะสามารถนำมา Brainstorm วางแผนพื่อไปต่อยอดต่อได้เช่น มีการเก็บข้อมูลเพิ่มเติมจากที่มีอยู่แล้ว หรือการนำข้อมูลไปต่อยอดในเชิงของการสื่อสาร หรือการนำไปสร้าง product หรือ business model ใหม่ๆ ซึ่งแน่นอนว่าส่วนนี้จะเกี่ยวข้องกับกระบวนการในการนำข้อมูลไปทำต่อในด้าน data science  หลังจากนั้นก็มีการเอาไอเดียมาพัฒนาเพื่อที่ออกมาเป็น Pilot project และมีกระบวนการ testing ที่ให้ได้ผลที่เร็วเพื่อที่สามารถนำมา validate idea ได้เร็วที่สุดโดยการใช้ data ในการตัดสินใจทั้งหมด ตอนที่ทำ Pilot Project ก็ต้องดูเรื่อง Data sets …

เราควรจัดการข้อมูลภายในองค์กรอย่างไร เพื่อให้สามารถนำข้อมูลไปต่อยอดได้เต็มที่ Read More »

ปี 2019 ทาง Google ประกาศเปิดตัว Google Analytics สำหรับ App + Web ซึ่งในการเปิดตัวครั้งนี้ ถือเป็นการเปลี่ยนแปลงรูปแบบของการเก็บข้อมูล จากเดิมที่ผ่านมาเป็นอย่างมาก รูปแบบของการเก็บข้อมูลใน Google Analytics จะเน้นไปที่เว็บไซต์เป็นหลัก ตัวอย่างค่าวัดผลหรือ metric ของการเก็บข้อมูลในเว็บที่นักการตลาดรู้จักกันเป็นอย่างดี คือ Session ซึ่งจะหมายถึงจำนวนครั้งที่ผู้ใช้งานเข้ามาเว็บเว็บไซต์ก่อนที่จะกดปิดหน้าเว็บไป แต่ในปัจจุบันผู้ใช้งานสามารถเข้าใช้งานได้ทั้งเว็บและแอปพลิชัน รูปแบบของการเก็บข้อมูลจึงมีความจำเป็นที่จะต้องเปลี่ยนไปจากเดิม Google Analytics App + Web มาพร้อมกับ Data Model ใหม่ ข้อมูลมีกระบวนการที่สำคัญหลักๆอยู่ คือ การประมวลผล และการจัดการข้อมูล ซึ่งแน่นอนว่า Data Model ใหม่ ที่จะกล่าวถึงต่อไปนี้นั้น ก็มีผลต่อข้อมูลที่จะถูกจัดเก็บและนำไปประมวลผลด้วยเช่นกัน Data Model ใหม่มีข้อมูล 2 ระดับ คือ Users > Event Google …

Google Analytics (App + Web) กับ Data Model ใหม่ ที่จำเป็นต้องรู้ Read More »