Marketing Technology 101: EP. 3 “10 เทคนิคการใช้ AI และ Machine Learning เพื่อต่อยอดการทำการตลาด”

Marketing Technology 101: EP. 3 “10 เทคนิคการใช้ AI และ Machine Learning เพื่อต่อยอดการทำการตลาด”

 

  • สถาบัน McKinsey Global Institute เผยว่าองค์กรต่าง ๆ รวมทั้งธุรกิจได้ใช้ AI และ  Machine Learning เพื่อการปรับปรุงการตลาด และพัฒนาด้านการขายได้มากถึง 1.4 – 2.6 พันล้านดอลลาร์สหรัฐใน 3 ปีข้างหน้านี้
  • นักการตลาดใช้ AI เพิ่มขึ้นแบบก้าวกระโดด โดยคิดเป็นเปอร์เซ็นต์ราว ๆ 29% ในช่วงปี 2018 และเพิ่มเป็น 84% ในปี 2020 (State of Marketing Study)
  • AI, Machine Learning, เทคโนโลยีด้านการตลาด และโฆษณา, เครื่องมือดิจิทัลที่เกี่ยวข้องกับการสนทนา และ เทคโนโลยีสมาร์ทโฟนเป็น 5 เทคโนโลยีที่มีอิทธิพลทั่วโลกในอนาคต (Drift’s 2020 Marketing Leadership Benchmark Report)

 

การใช้ AI และ Machine Learning ไม่ได้เป็นแค่เทรนด์การตลาดสำหรับปี 2021 แต่ยังเป็น เครื่องมือที่สำคัญสำหรับการทำการตลาด และยังสามารถนำไปต่อยอดธุรกิจของคุณในด้านอื่น ๆ ได้อย่างมีประสิทธิภาพ ซึ่งเจ้า AI และ Machine Learning เป็นการลงทุนที่คุ้มค่า ทำให้มนุษย์สามารถประหยัดเวลา และใช้ข้อมูลเพื่อขับเคลื่อนกลยุทธ์แบบมีทิศทาง

เพื่อให้นักการตลาด และเจ้าของธุรกิจสามารถนำ AI และ Machine Learning ไปต่อยอดในการทำการตลาด STEPS Academy จึงได้รวบรวม 10 เทคนิคการใช้ AI และ Machine Learning เพื่อให้ผู้ที่กำลังทำธุรกิจ สามารถนำเทคโนโลยีเหล่านี้ไปใช้ได้อย่างถูกต้อง และเป็นไอเดียในการทำการตลาดได้ในอนาคตค่ะ

รู้จักกับ AI และ Machine Learning

ก่อนอื่นผู้เขียนขออธิบายความเหมือน และ ความแตกต่างของ AI และ Machine Learning ให้ทุกคนเข้าใจคร่าว ๆ ก่อนนะคะ จากรูปด้านล่าง เราก็จะเห็นรูปฟันเฟืองของหุ่นยนต์ ซึ่งเป็นการจำลองการทำงาน และสมองของหุ่นยนต์ หรือเทคโนโลยีที่มี AI และ Machine Learning นั้นเอง ซึ่ง ทั้งสองสิ่งนี้อาจจะถูกจัดประเภทว่าเป็นกลุ่มเทคโนโลยีเหมือนกัน แต่ความจริงแล้วยังมีรายละเอียดบางอย่างที่แตกต่างกันอยู่ ซึ่งเราสามารถแยกเป็น 3 ส่วนคือ

Artificial Intelligence (ปัญญาประดิษฐ์)

1  Artificial Intelligence

คือปัญญาประดิษฐ์ ที่มีหน้าที่ช่วยให้การทำงานของคอมพิวเตอร์ หรือเครื่องจักรฉลาดขึ้น

2  Machine Learning

คือชุดการทำงานย่อยของปัญญาประดิษฐ์ สามารถเรียนรู้ได้ด้วยตัวเอง โดยการใช้ข้อมูล หรือการแทรกแซงจากมนุษย์

3  Deep Learning

คือการเรียนรู้ระดับลึก เป็นส่วนย่อยของระบบหรือชุดข้อมูลขนาดใหญ่

10 เทคนิคการใช้ AI และ Machine Learning เพื่อต่อยอด Digital Marketing

 

1 ใช้ AI เพื่อการพัฒนา Social Listening Tools

ปัจจุบัน นักการตลาดสามารถใช้เครื่องมือ Martech ในการเข้าถึงความคิด หรือข้อมูลของลูกค้าได้จากการใช้ Social Listening Tool ซึ่งเป็นเทคโนโลยีที่ออกแบบมาเพื่อ “ฟังเสียงผู้บริโภคในโลกโซเชียล” ซึ่งเป็นข้อมูลเชิงลึกที่ นักการตลาดสามารถนำข้อมูลมาวิเคราะห์ได้ในเชิงลึก เพื่อให้เข้าถึงความคิดเห็นของลูกค้า ความพึงพอใจ และมุมมองของผู้บริโภคที่มีต่อแบรนด์เรา

และเหตุผลที่แบรนด์จำเป็นต้องใช้ Machine Learning เพื่อวิเคราะห์ข้อมูลไม่ใช่แค่การแสดงผลลัพธ์ หรือการจับ Keyword เท่านั้น แต่ยังเป็นการนำ Data ในระดับลึกไปต่อยอดในการทำการตลาดออนไลน์ได้ในอนาคต รวมทั้งการพัฒนา Personalized Marketing  การทำคอนเทนต์ให้ตอบโจทย์กับกลุ่มเป้าหมายด้วยการใช้ Data  และการสร้างประสบการณ์ที่ดีให้กับลูกค้าในภายภาคหน้า เพื่อให้ลูกค้าอยู่กับเราได้ในระยะยาว

 

2 สามารถใช้ AI ในการสร้างสรรค์คอนเทนต์

ในกรณีที่เว็บไซต์ของคุณมีสินค้ามากมาย หลายประเภท หลายขนาด และมีรายละเอียดมากมาย การนำ AI มาประยุกต์ใช้เพื่อเขียนคอนเทนต์ เป็นสิ่งที่ธุรกิจ E-Commerce หลาย ๆ แบรนด์เริ่มนำไปใช้ และผู้อ่านก็แทบแยกไม่ออกเลยว่า คอนเทนต์นี้มาจากคนธรรมดาเขียน หรือว่า AI ซึ่งข้อดีของการใช้ AI มาประยุกต์ในการทำคอนเทนต์นั่นก็คือ การประหยัดเวลาในการเขียน ซึ่งถึงแม้ว่านักการตลาด และผู้ประกอบการ จะต้องลงทุนกับเทคโนโลยี AI แต่ผลตอบแทนที่ได้นั้นคุ้มค่า

ข้อดีในการใช้ AI ในการทำคอนเทนต์

  • ช่วยให้นักการตลาดประหยัดเวลาในการสร้างคอนเทนต์ และใช้เวลาที่เหลือไปกับงานรีเสิร์ช หรือด้านวิเคราะห์คอนเทนต์ด้านอื่น
  • ใช้แชทบอทช่วยในการตอบคำถามเบื้องต้น หรือข้อมูลทั่วไป
  • ช่วยปรับปรุง Keyword ที่อยู่ในคอนเทนต์ให้กลายเป็นเนื้อหาที่น่าสนใจมากขึ้น และเป็น Keyword ที่ตรงกับการค้นหา
  • ใช้ AI ช่วยในการสร้าง Copy Writing และการเขียน Email

 

ตัวอย่างจาก Phrasee ที่ใช้ AI ในการทำ Email Marketing เพื่อเขียนข้อความถึงผู้อ่าน
ภาพจาก https://www.singlegrain.com

ตัวอย่างจาก Phrasee ที่ใช้ AI ในการทำ Email Marketing เพื่อเขียนข้อความถึงผู้อ่าน

 

3 ปรับปรุง UX และ ดีไซน์บนเว็บไซต์ ด้วย A/B Testing

ถึงแม้ว่า นักการตลาด หรือ Content Creator จะสามารถเลือกออกแบบเว็บไซต์ให้สวยงาม ดูน่าสนใจ หรือใช้ดีไซน์ที่ดูทันสมัย แต่เราจะทราบได้อย่างไรว่า การออกแบบที่เราคิดว่าใช่ จะทำให้ผู้ใช้งานอยากคลิก หรือตอบโจทย์ผู้ใช้จริง ๆ

ดังนั้น เพื่อเป็นการแก้ปัญหา เราสามารถนำ Learning เข้ามาใช้วิเคราะห์ “ความชอบของผู้ใช้งาน” (User Preferences) ได้ โดยการทำ A/B Testing หรือการทดสอบดีไซน์ที่เราสร้างขึ้นมาระหว่าง ดีไซน์แบบ A และ แบบ B หรือมากกว่านั้น ซึ่ง Machine Learning จะทำการเก็บข้อมูลการคลิกของผู้ใช้งาน ระยะเวลาการอยู่บนหน้าเว็บไซต์ หรือ Bounce Rate และประมวลผลออกมาให้นักการตลาดได้ทราบกันว่า ดีไซน์หน้าเว็บไซต์แบบไหนถึงตอบโจทย์ และมีจุดบกพร่องอะไรที่ต้องปรับปรุง

ตัวอย่างแบรนด์ที่ใช้ Machine Learning เพื่อปรับปรุงดีไซน์ของเว็บไซต์ได้แก่ Wix ซึ่งทางแบรนด์ได้ออกแบบ Wix ADI™ (Artificial Design Intelligence) ในการเก็บ Data จากผู้ใช้งานกว่า 86 ล้านคนทั่วโลกเพื่อประมวลผล และออกแบบเว็บไซต์ที่ตอบโจทย์คนใช้งานได้ โดยใช้เวลาเพียงไม่กี่นาที

 

ตัวอย่างแบรนด์ที่ใช้ Machine Learning เพื่อปรับปรุงดีไซน์ของเว็บไซต์ได้แก่ Wix ซึ่งทางแบรนด์ได้ออกแบบ Wix ADI™ (Artificial Design Intelligence)
ภาพจาก https://www.singlegrain.com

 

4 เพิ่มประสิทธิภาพในการทำโฆษณา

การทำโฆษณา เป็นหนึ่งในวิธีการโปรโมตสินค้า ที่แบรนด์ส่วนใหญ่ให้ความสำคัญ และลงทุน ซึ่งการลงทุนที่ดีจะต้องวางแผนทางการตลาดเพื่อให้การลงทุนของเรานั้นคุ้มค่า และเห็นผล เพราะฉะนั้นใช้ Learning Machine ในการทำโฆษณาออนไลน์ จะช่วยเพิ่มโอกาสในการทำแคมเปญประสบความสำเร็จมากขึ้น

ตัวอย่างแบรนด์ที่นำ Machine Learning เข้ามาประมวลผลข้อมูล เพื่อทำแคมเปญโฆษณา ได้แก่ Facebook โดยนักการตลาดส่วนใหญ่คงเคยรู้จักฟีเจอร์ที่มีชื่อว่า Lookalike Audience ที่อยู่ใน Facebook Business Messenger กันมาบ้าง (หรือใครที่ทำโฆษณาก็อาจใช้กันเป็นประจำ)

ฟีเจอร์ Lookalike Audience ตัวนี้ทำงานได้โดยระบบ Machine Learning ที่สามารถวิเคราะห์หากลุ่มเป้าหมายที่มีลักษณะ หรือคุณสมบัติที่คล้ายกับลูกค้าของเราได้ เมื่อระบบสามารถค้นหาได้แล้ว เราสามารถนำข้อมูลที่เป็นกลุ่มเป้าหมายเหล่านั้นมายิงโฆษณาผ่านแพลตฟอร์ม Facebook ได้เพื่อเพิ่มโอกาสในการขาย และขยายฐานลูกค้าใหม่ ๆ ค่ะ

 

ฟีเจอร์ Lookalike Audience ตัวนี้ทำงานได้โดยระบบ Machine Learning ที่สามารถวิเคราะห์หากลุ่มเป้าหมายที่มีลักษณะ หรือคุณสมบัติที่คล้ายกับลูกค้าของเราได้ เมื่อระบบสามารถค้นหาได้แล้ว
ภาพจาก https://www.singlegrain.com

 

5 พัฒนากลยุทธ์การตลาดด้าน Social Media

นอกจากการทำการตลาดบนเว็บไซต์ของคุณให้มีคุณภาพแล้ว การเปิดช่องทางออนไลน์ในแพลตฟอร์มอื่น ๆ บนโลกโซเชียลก็สำคัญไม่แพ้กันนะคะ เนื่องจากผู้บริโภคมีตัวเลือกที่หลากหลายบนโลกออนไลน์ในการเข้าถึงข้อมูล และเพื่อจุดประสงค์ต่าง ๆไม่ว่าจะเป็นด้านสื่อความบันเทิง การหาข้อมูล การจอง และ การซื้อสินค้าและบริการ หากความต้องการเหล่านี้สามารถเข้าถึงลูกค้าได้ภายในคลิกเดียว และ มาจากช่องทางที่มากกว่าเว็บไซต์อย่างแพลตฟอร์ม Facebook, YouTube, TikTok หรือ Instagram ก็จะยิ่งทำให้สินค้าของเรากลายเป็นที่จดจำ และอยู่ในตัวเลือกต้น ๆ ของลูกค้าได้ง่ายขึ้น อีกทั้ง ยังเป็นช่องทางในการสร้างรายได้สู่ธุรกิจอีกด้วย

ตัวอย่างการใช้ Machine Learning เพื่อการวางแผนการตลาดบน Social Media Platform

  • ใช้ Social Listening ในการวิเคราะห์บทความ และความเห็นของผู้ใช้งาน
  • ประเมินหาเวลานำเสนอคอนเทนต์ โดยหาช่วงเวลา และวันที่ดีที่สุดในการโพสต์บน Facebook, Instagram และแพลตฟอร์มอื่น ๆ ได้
ตัวอย่างจาก Frase.io ที่ได้นำ Conversational AI มาใช้ในการตอบคำถามลูกค้า

6 พัฒนาในการทำ Influencer Marketing

Influencer Marketing คือการทำการตลาดผ่านผู้มีอิทธิพลบนโลกออนไลน์ เพื่อเพิ่มช่องทางในการโฆษณา ขยายกลุ่มลูกค้า และนำเสนอสินค้าจากการรีวิวกลุ่ม Influencer ซึ่งการทำการตลาดผ่าน Influencer ในปี 2020 ที่ผ่านมา เว็บไซต์ MediaKix ได้คาดการณ์ว่าธุรกิจต่าง ๆ ให้ความสำคัญและลงทุนกับ Influencer Marketing ราว ๆ 5 – 10 ล้านดอลลาร์สหรัฐ

 

เว็บไซต์ MediaKix ได้คาดการณ์ว่าธุรกิจต่าง ๆ ให้ความสำคัญและลงทุนกับ Influencer Marketing ราว ๆ 5 - 10 ล้านดอลลาร์สหรัฐ
ภาพจาก https://www.singlegrain.com

 

เพราะว่าวิธีการสร้างผลตอบแทนจากการลงทุนที่ได้ผล และประสบความสำเร็จมากที่สุดในยุคดิจิทัลคือการทำ Influencer Marketing  ดังนั้นนักการตลาดดิจิทัล ไม่ควรพลาดที่จะใช้ Machine Learning เข้ามาปรับใช้ในการสร้างกลยุทธ์การตลาดผ่าน Influencer ด้วยเทคนิคต่าง ๆ ดังต่อไปนี้

  • การใช้ Artificial Neural Networks (ANN) ที่อยู่ใน Machine Learning จัดข้อมูลคอนเทนต์ประเภทวิดีโอ และ รูปภาพจากโพสต์ของ Influencer
  • การใช้ Machine Learning วิเคราะห์คุณภาพ และความเหมาะสมของตัว Influencer เองว่าเหมาะสมกับแบรนด์ และแคมเปญนั้น ๆ ของเราหรือไม่
  • การประเมินผลตอบแทน หรือค่า Incentive
  • ใช้ Machine Learning กำจัดสแปม หรือบอทปลอมที่เข้ามาร่วมสร้าง Engagement บนคอนเทนต์ Influencer

 

7 ใช้เพื่อพัฒนา SEO

การทำ SEO คือการทำให้เว็บไซต์ของเรา และคอนเทนต์ที่อยู่บนเว็บไซต์ หรือบนแพลตฟอร์มโซเชียลมีเดียอยู่ในลำดับที่สูงขึ้น เมื่อมีการค้นหาผ่านช่องทาง Google โดยการทำ SEO ที่ดีนั้น นักการตลาดควรนำข้อมูลลูกค้ามาวิเคราะห์ เพื่อปรับปรุงคอนเทนต์ของแบรนด์ให้น่าสนใจ อยู่ในกระแส และมีประโยชน์ต่อผู้อ่าน ซึ่งจะทำให้ระบบอัลกอริทึมของ Google ที่มีตัว Machine Learning อยู่ในโปรแกรม ทำการประเมินคอนเทนต์ที่ดีที่สุด ตอบโจทย์ผู้ค้นหามากที่สุด หรือเป็น Keyword ที่ใช่ที่สุดมานำเสนอผู้ใช้งานค่ะ

ตัวอย่างแบรนด์ที่ใช้ Machine Learning ในการทำ SEO ก็คือ Google นั่นเองค่ะ ระบบอัลกอริทึมของ Google นั้นมี Machine Learning เข้ามาช่วยในการวิเคราะห์ และจัดลำดับคอนเทนต์ หรือเว็บไซต์ที่มีคุณภาพ เพื่อนำเสนอแก่ผู้ใช้งานเมื่อมีการค้นหาผ่าน SERP

 

8 ใช้ในการปรับปรุงกลยุทธ์ Personalization

เราคงไม่อาจปฏิเสธได้ว่า การตัดสินใจซื้อสินค้าของเรา ส่วนหนึ่งมาจาก ประสบการณ์ที่มีต่อแบรนด์ และความเอาใจใส่ในการบริการ แต่การทำการตลาดให้ตอบโจทย์ลูกค้าทุกท่านได้แบบ “คนรู้ใจ” หรือนำเสนอผลิตภัณฑ์ให้กับกลุ่มเป้าหมายได้แบบตรงจุด และ เป็นสิ่งที่กลุ่มเป้าหมายสนใจจริง ๆ ไม่จำเป็นต้องเข้าหาลูกค้าแบบรายบุคคลแบบ 1 ต่อ 1 แต่เราสามารถใช้เทคโนโลยีในการ รวบรวมข้อมูลลูกค้า มาไว้ในมือเพื่อทำการตลาดแบบ Personalized Marketing  ได้อย่างมีคุณภาพ และสามารถตอบโจทย์ความต้องการของลูกค้าได้พร้อม ๆ กันหลาย ๆ คน ซึ่งเราสามารถใช้ Machine Learning เข้ามาวิเคราะห์พฤติกรรมการบริโภคของลูกค้าในโลกออนไลน์ และความชอบส่วนตัวของกลุ่มเป้าหมายได้ เพื่อที่แบรนด์จะได้ให้บริการ และมอบประสบการณ์ที่ดีในแบบที่ลูกค้าต้องการได้อย่างเหมาะสม ตรงกับความต้องการของลูกค้าจริง ๆ

ตัวอย่างแบรนด์ที่ใช้ Machine Learning ในการทำการตลาดคือ Netflix แบรนด์ยักษ์ระดับโลกที่ให้บริการวิดีโอสตรีมมิ่ง ที่ทั้งคนไทย และ ผู้ใช้งานทั่วโลกนิยมรับชมหนัง และซีรีส์

 

Netflix ลงทุนกับเครื่องมือเทคโนโลยีทางการตลาดอย่าง Machine Learning ด้วยงบประมาณที่ค่อนข้างสูง แต่ได้ผลตอบแทนที่คุ้มเสียยิ่งกว่าคุ้ม

Netflix ลงทุนกับเครื่องมือเทคโนโลยีทางการตลาดอย่าง Machine Learning ด้วยงบประมาณที่ค่อนข้างสูง แต่ได้ผลตอบแทนที่คุ้มเสียยิ่งกว่าคุ้ม ซึ่งนอกจากที่ Netflix จะวิเคราะห์ความสนใจของผู้ใช้งานแล้วว่าชอบดูหนังแนวไหน แต่ยังสามารถใช้ Machine Learning ในการคาดการณ์ความสนใจ และเรื่องต่อไปที่จะดูได้อีกด้วย ทำให้ผู้ใช้งานอย่างเราติดหนังบน Netflix กันแบบข้ามวันเลยทีเดียว

 

9 เพื่อปรับปรุงการบริการที่ดีขึ้น

งานวิจัยจากเว็บไซต์ 99firms.com รายงานว่า 79% ของลูกค้าชอบการแชทในรูปแบบของการ Live เนื่องจากลูกค้าสามารถสร้าง Engagement ร่วมพูดคุยกับแม่ค้าได้แบบทันที และได้รับคำตอบที่ถามไปแบบ Real-Time ดังนั้น การที่แบรนด์สามารถเข้าถึงลูกค้าได้แบบทันที ด้วยการนำเสนอสินค้า และการบริการแบบ 24/7 จะช่วยให้แบรนด์สร้างความสัมพันธ์ระหว่างลูกค้าได้ในเชิงบวก และทำให้การขายของเราปิดดีลได้ไวขึ้น

นอกจากนี้ การโต้ตอบข้อความให้ลูกค้าได้แบบ 24 ชั่วโมง ด้วยการตอบคำถามทั่วไป หรือการใช้ Chatbot ก็เป็นการนำ AI และ Machine Learning มาใช้ได้อย่างมีประสิทธิภาพ สามารถตอบโจทย์ให้กับลูกค้าที่ไม่ต้องรอให้พนักงานเข้ามาทักทาย แต่แบรนด์สามารถให้ข้อมูล หรือพูดคุยได้ด้วยระบบแชทอัตโนมัติ

ตัวอย่างจาก Frase.io  ที่ได้นำ Conversational AI มาใช้ในการตอบคำถามลูกค้า

 

ตัวอย่างการใช้ AI เพื่อใช้สำหรับทำแชทบอทตอบลูกค้า
ภาพจาก https://www.singlegrain.com

 

10 ทำคอนเทนต์ได้ตรงกับความต้องการของกลุ่มเป้าหมาย

ก่อนหน้านี้ ผู้เขียนได้เกริ่นไปแล้วว่า Machine Learning สามารถสร้างสรรค์คอนเทนต์ได้ คล้ายกับการเขียนของมนุษย์ ซึ่งในหัวข้อนี้ เราจะพูดถึงการออกแบบ และการเขียนคอนเทนต์โดยมนุษย์ ที่นำเทคโนโลยี AI มาต่อยอดในการวิเคราะห์รูปแบบคอนเทนต์ให้ตรงกับความต้องการของกลุ่มเป้าหมายได้

 

ข้อมูลจาก 

https:// www.singlegrain.com

Learning More

SEO for Content EP 3 : กรณีศึกษา แบรนด์ที่ใช้ SEO เพื่อปรับปรุง Content Marketing เพื่อคน Gen Z
เพิ่มยอดขาย ขยายความสัมพันธ์กับลูกค้าบนโลกออนไลน์ด้วยเทคนิค ROFU