การใช้ Artificial Intelligence สำหรับงานด้าน Marketing ในอนาคต ด้วยความสามารถของ MarTech

อย่างที่ทราบกันว่าเราอยู่ในยุคที่ AI -Artificial Intelligence มีความสามารถมากมาย ไม่ว่าจะด้านการทำ Automate Process ต่างๆ หรือแม้แต่เครื่องมือหลายๆอย่างที่เราใช้อยู่ในปัจจุบันเช่น Google Search, Google Map, Siri ล้วนแล้วแต่ใช้ความสามารถของ AI และ Machine Learning ทั้งสิ้น

สำหรับงานด้าน Marketing ทั่วโลก ความสามารถในการใช้ AI และ Machine Learning มาช่วยทำการตลาดก็เริ่มเห็นภาพชัด และมีเครื่องมือ Marketing Technology มากมายที่นำความสามารถของ AI และ Machine Learning มาประยุกต์เพื่องานการตลาดได้อย่างน่าสนใจ ยกตัวอย่างได้แก่

1. AI for Content Marketing
2. AI for Ads Optimization
3. AI for Personalization at Scale
4. AI for Search Engine Optimization
5. AI for Conversation Marketing
6. AI for Web User Interface Designing
7. AI for Propensity modelling

---

1. AI for Content Marketing : การใช้ AI/ML มาช่วยในการเขียนบทความต่างๆได้แล้ว (ภาษาอังกฤษ)

ด้วยความฉลาดของ AI และการพัฒนาความสามารถพื้นฐานด้าน Text Recognition ทำให้งานด้าน Content สามารถใช้ AI เข้ามาช่วยผลิตเนื้อหาได้ โดยเฉพาะการผลิตเนื้อหาที่เน้นปริมาณมากกว่าคุณภาพ เช่น งานกระจาย Content เพื่องาน SEO (Backlink Seeding)

ตัวอย่าง : การใช้ AI ในการ Generate Content จากเว็บไซต์ ai-writer.com โดยเราแค่ป้อนหัวข้อ (Topic) ที่ต้องการ จากภาพเราใส่คำว่า “Marketing Technology” แล้วรอประมาณ 3-10 นาที AI จะเขียนบทความให้เราเสร็จสมบูรณ์พร้อมนำไปใช้ได้เลย อีกทั้งระบบยังมีการอ้างอิงแหล่งข้อมูลต่างๆ ให้เราอีกด้วย

---

2. AI for Ads Optimization : การใช้ AI/ML มาช่วยในการปรับ Creative โฆษณา หรือ Utilize Budget แต่ละ Ads Campaign ตามประสิทธิภาพอย่างรวดเร็ว

Madgicx เครื่องมือบริหารจัดการ Ads โฆษณาตัวใหม่ล่าสุด ที่กำลังมาแรงโดยจุดเด่นของ Madgicx คือความสามารถในการซื้อ Ads โดยอัตโนมัติ และความสามารถในการปรับปรุงคุณภาพ Ads หรือ Optimization ได้ครบทุกด้านไม่ว่าจะเป็น

• การใช้ AI และ ML ช่วยทำนายประสิทธิภาพของ Creative Ads ที่เรากำลังจะใช้งาน
• การใช้ AI และ ML ช่วยหา In-depth analysis หรือวิเคราะห์โฆษณาประเภทข้อความ Text Ads ว่าเราควรใช้ Text Ads อะไรกับกลุ่มไหน
• การใช้ความสามารถในการปรับลดงบประมาณ ตามประสิทธิภาพของ Ads เช่น Campaign ไหนมี Conversion Rate ที่ไม่ดี ก็ให้ย้ายงบประมาณไปใส่ Campaign ที่ Conversion Rate ดีกว่า ( Budget Optimizer )

---

3. AI for Personalization at Scale : การใช้ AI/ML มาช่วยส่งมอบประสบการณ์ผู้ใช้ที่ดีขึ้น ด้วย Personalization Experience หรือ การทำการตลาดแบบรู้ใจ

ด้วยจุดประสงค์การสื่อสารในรูปแบบที่ตรงกลุ่ม (Target), เนื้อหาเกี่ยวข้อง (Relevance) และมีการนำเสนอสินค้าบริการ หรือส่วนลดได้ถูกเวลา (Right Time) ซึ่งในบางธุรกิจที่มีข้อมูลลูกค้าจำนวนหลักแสนหรือหลักล้าน การใช้คนเข้าไปออกแบบเงื่อนไข (Rule & Trigger) ตัวแปร (Variable) หรือสร้างการทดลอง (Experimental) จำนวนมากมายในทุกๆ Customer Journey จึงเป็นเรื่องที่เป็นไปได้ยาก

การออกแบบ Personalization at Scale จึงต้องใช้ AI เข้ามาช่วยจัดการเช่น ตัวอย่างจาก AWS

ใช้การ Import Product inventory และข้อมูลลูกค้าต่างๆเช่น Demographic และการ Import historical data เข้าไปใน Datasets โดยการ สร้าง Relate datasets และ dataset group.

จากนั้นเป็นการ Training data เช่นการ Import historical data เข้าไปใน Dataset group, การบันทึก User events ต่างๆเข้าไปใน Dataset group เป็นต้น

หลังจากนั้น AI จะสร้าง Solution version (Trained model) มาหลายๆ Version และเราต้องกำหนด Metrics เพื่อ Evaluateว่าเราจะใช้ Solution Version ไหนดี

การประยุกต์ใช้
Model อาจจะพบว่ากลุ่มสินค้า FMCG มักเป็นที่สนใจของลูกค้า Segment “A1” ที่ Demogaphic เช่น เพศ อายุ ถนนที่อยู่อาศัยใกล้เคียงกัน

Machine-Learning จะเลือก Algorithms ที่เหมาะสมมา Train และ Optimization สินค้าและบริการ (Recommendation) ให้เหมาะสมตาม Metrics ที่เราวาง (Predefined)ไว้ นั่นเอง

ซึ่งการใช้ Machine-Learning Personalization เหมาะสำหรับธุรกิจที่มี Product inventory ของสินค้าเยอะเป็นหมื่นๆแสนๆ ที่ไม่สามารถใส่ Rules-based ให้สินค้าแต่ละชิ้นได้ครบนั่นเอง

---

4. AI for Search Engine Optimization : การใช้ AI/ML มาช่วยปรับปรุงคุณภาพ SEO

สำหรับ Martech สาย SEO เรามีความรู้กันมานานเรื่อง On-page SEO ว่ามีส่วนช่วยในการทำให้ Keyword Ranking ดีขึ้น ทั้งนี้มี MarTech ชื่อ marketmuse.com ที่มีความสามารถในการใช้ AI มาวิเคราะห์ On-page SEO ของเราว่ามีคุณภาพดีแค่ไหน กับการต้องต่อสู้กับคู่แข่งในแต่ละ Keywords

เลข2 คือความสามารถในการแข่งขันในแต่ละ Keyword
เลข3 คือคู่แข่งใกล้เคียงที่ทำ On-page SEO ได้ดี

---

5. AI for Conversation Marketing การใช้ AI/ML มาช่วยในการสนทนากับผู้ใช้ ได้แก่

AI-powered Chatbots คือการออกหุ่นยนต์เสมือน ที่สามารถเจรจาสื่อสารโต้ตอบกับลูกค้าผ่านช่องทางสนทนาต่างๆ ได้ ซึ่งในอดีตการออกแบบการสนทนาของระบบ Chatbot มักจะเป็นแบบ Rules-based หรือสร้างเงื่อนไขดักไว้

ดังนี้แล้ว Chatbot ยุคใหม่ที่ใช้สมอง AI และ Machine Learning สามารถเข้าใจภาษาธรรมชาติ และเข้าใจบริบทของข้อความทั้งประโยคได้เหมือนกับการเรียนรู้ภาษาของมนุษย์ตามประสบการณ์ที่ได้รับ

ตัวอย่าง การทำงานแบบซับซ้อนใน Dialogflow CX ที่ใช้ Chat Bot และ NLP (Natural Language Processing) ในการช่วยจองตั๋วเครื่องบิน

---

6. AI for Web User Interface Designing : การใช้ AI/ML มาช่วยในการออกแบบหน้าตาของ Frontend Website

การประยุกต์ใช้ความสามารถของ AI ในด้าน Marketing และ Data แล้ว ยังมี MarTech อีกส่วนหนึ่งที่เป็นเครื่องมือช่วยในด้าน Design ด้วย เช่น ออกแบบ Website หรือ Digital Material ต่างๆ

WIX ADI เป็น MarTech ด้าน Web UI Designing ที่ให้เราสามารถออกแบบหน้าตา Frontend ได้โดยใช้ความสามารถของ AI มาช่วยในการเลือกหน้าตา และข้อความที่เหมาะสมให้

จากภาพ WIX จะให้เราเลือก 1. ประเภทธุรกิจ 2. เลือกใส่ URL ของ Website เดิม และ Google My Business ซึ่งถึงตรงนี้ WIX มีการดึงข้อมูลจาก Web และ GMB มาประกอบเป็น Content คร่าวๆไว้เรียบร้อย

ต่อมา 3. WIX ให้เราเลือก Theme ที่เหมาะสม 4. เลือก Homepage ที่เราต้องการ

5. สุดท้าย แค่การคลิกตามขั้นตอนไปเรื่อยๆ WIX ได้ออกแบบหน้า Web ให้เราเสร็จเรียบร้อย ในเวลาไม่ถึง 30นาที ดูตัวอย่างได้ที่นี่ (New Window)
https://jittipong1.wixsite.com/martechthai

---

7. AI for Propensity modelling : การใช้ AI/ML มาช่วยในการหาแนวโน้มที่จะซื้อ / หรือหยุดใช้บริการ

ตัวอย่าง การทำ Churn Prediction หรือทำนายแนวโน้มที่จะ (Churn” คือการที่ลูกค้าของเราหยุดหรือเลิกใช้บริการ)

ค่ายมือถือแห่งนึง สามารถคาดการณ์ได้ว่า ถ้าลูกค้ามีการใช้บริการเกินPackage รายเดือนติดต่อกันเกิน 6 เดือน (Package โทรได้ 300 นาที แต่ลูกค้าใช้เกิน 50 นาทีทุกเดือน)

ถ้ามองใน Analytic แบบเดิมที่มองภาพแบบแบนๆ คือ แบบนี้ดีแล้ว องค์กรมีกำไรเพิ่มขึ้น เดือนละ150บาท/ลูกค้า1คน (สมมุติว่านาทีละ3บาท) จากค่าโทรนอกเหนือPackage

แต่การทำ Data mining จาก Historical Data เห็นว่าถ้าลูกค้ามีพฤติกรรม Pattern แบบนี้ 90% จะย้ายไปค่ายมือถืออื่น ภายในเวลา 2 เดือน

และการเสียลูกค้า1ราย มี Acquisition Costอยู่ที่ 2,000 บาท และมี CTV หรือ Customer Lifetime Value อยู่ที่ 15,000 บาท (สมมติจากจำนวนเดือนที่ลูกค้าอยู่ในระบบ x ค่าPackageรายเดือน)

หมายความว่ากำไรจากค่าโทรที่เกินเดือนละ150บาท ไม่คุ้มค่ากับการเสียลูกค้าไปซะแล้ว (Customer Churn)

Next Step : พนักงานต้อง Proactive โทรไปเสนอ Package ที่เหมาะสมกับปริมาณการใช้งานของลูกค้า ตรงนี้คือการทำ Churn Prediction/Prevention ครับ

* บทความนี้เขียนขึ้นโดยมนุษย์ 100% ครับ

ติดต่อขอรับคำปรึกษาด้าน Marketing และ Technology

• ให้คำปรึกษาตั้งแต่การวาง Technology Roadmap
• การเลือกเครื่องมือที่ตอบโจทย์ธุรกิจที่สุด
• การวาง Data Foundation ให้รองรับสเกลของธุรกิจ
• การ Implement Platform อย่างมีระบบ
• การทำ Change Management และการติดตามการ Adoption
• ควบคุมการบริหารโครงการด้วยผู้มีประสบการณ์ตรง
• รับจำนวนจำกัดไม่เกิน 2 Projects / เดือน

Line: baron66
Email : [email protected]

Reference
https://inkbotdesign.medium.com/how-artificial-intelligence-in-marketing-is-changing-in-2020-ca9271db7571
https://nogood.io/2020/03/20/ai-growth-marketing-tools/
https://www.smartinsights.com/advice/ai-machine-learning-marketing/

ติดตาม Marketing Tech Thailand ใน Social Media ได้ที่
🔥 Facbook Page : Marketing Tech Thailand
🔥 Facebook Group : Marketing Tech Thailand – Group
📺 Youtube : Marketing Tech Thailand
🌎 Linkedin Group (Global Community) : Marketing Tech Community in Thailand