ปัญหาที่มักเกิดในการพยายามวิเคราะห์ข้อมูลของ Digital Marketing
หนึ่งในสิ่งที่ผมมักพูดติดตลกอยู่บ่อยๆ เกี่ยวกับ Digital Marketing คืออาการ “บ้าเห่อ” ของนักการตลาดที่จะตื่นเต้นกับข้อมูลมากมายและนำไปสู่การพยายามวิเคราะห์ข้อมูลต่างๆ ซึ่งจะว่าไปแล้วมันก็เป็นเรื่องที่ดีอยู่เนื่องจากมันทำให้เราเห็นข้อเท็จจริงหลายอย่างที่ปรกติเราอาจจะไม่ได้รู้
อย่างไรก็ตาม มันก็ใช่ว่าการวิเคราะห์ข้อมูลจะนำไปสู่เรื่องดีๆ เสมอไป เพราะถ้าทำกันแบบผิดๆ หรือเข้าใจผิดๆ ก็คงจะไม่ค่อยเข้าท่าอยู่เหมือนกัน ผมลองเรียบเรียงปัญหาหลายๆ อย่างที่มักเกิดขึ้นจากการ “บ้าเห่อ” ที่ว่ามาหน่อยแล้วกันนะครับ
1. การไม่เข้าใจว่าข้อมูลเหล่านี้แปลว่าอะไรจริงๆ
จำกันได้ไหมครับ ยุคหนึ่งเราก็บ้ากันกับตัวเลขยอดไลค์ ยอดแชร์ ขอดูตัวเลข Engagement (ซึ่งบางคนก็ยังไม่รู้เลยด้วยซ้ำว่ามันแปลว่าอะไร) กัน แล้วบรรดาแบรนด์ต่างๆ ก็พยายามปั้มตัวเลขนี้เพื่อให้กลายเป็น “แบรนด์ชั้นนำบนออนไลน์” จนนำไปสู่กลยุทธ์ต่างๆ ที่ทั้งมีคุณภาพและไร้คุณภาพ ซึ่งจะว่าไปแล้วมันก็ล้วนมาจากที่นักการตลาดมุ่งจะเอาตัวเลขดังกล่าวมาเป็น KPI โดยไม่ได้สน “คุณภาพ” หรือ “มูลค่า” ที่แท้จริงของมัน คนจำนวนมากสนแต่ดูตัวเลขว่าสูงหรือต่ำแล้วก็ตีความในทันทีโดยไม่ได้ถามไถ่หรือตั้งคำถามเลยด้วยซ้ำว่าตัวเลขนั้นมาจากไหน วิเคราะห์แล้วได้อะไร
2. การตีความแบบผิดๆ
ข้อนี้ก็ต่อเนื่องมาจากข้อที่แล้ว เช่นการมีแฟนเยอะแปลว่ามีคนชอบแบรนด์เยอะ การมีคนไลค์เยอะแปลว่าคนชอบเยอะ การมีคนแชร์เยอะแปลว่าแบรนด์มีความ Viralrity สูง หนังมีคนดูเยอะแสดงว่ามี Awareness มาก เรื่องเหล่านี้ล้วนเกิดจากการที่เราพยายามไปตัดสิน “ทุกอย่าง” จากตัวเลขปลายทางโดยบางทีก็เป็นการรวบรัดตีความโดยไม่ได้มองบริบทรอบข้างหรือที่มาของตัวเลขเหล่านั้น ผลที่ตามมาคือการตีความตัวเลขนั้นแบบผิดๆ จนนำไปสู่สมมติฐานหรือการวางแผนผิดๆ นั่นเอง
3. การใช้ตัวเลขที่ไม่ถูกต้องในการเป็นบรรทัดฐานหรือไปเทียบกับคนอื่น
คำถามที่ผมมักจะโดนถามบ่อยๆ คือ “ไลค์ละกี่บาทถึงจะเรียกว่าถูก” “ค่า CPC ควรจะอยู่ที่เท่าไร” เอาจริงๆ มันก็ไม่มีคำตอบแน่ชัดเท่าไรนักเพราะเงื่อนไขที่มาของตัวเลขดังกล่าวนั้นมีหลายอย่าง ลองคิดง่ายๆ ว่าถ้าคุณลงโฆษณาหว่านคนจำนวนมาก และใช้โฆษณาแบบกลางๆ มันก็ย่อมได้ผลที่ต่างไปจากการลงโฆษณาแบบเฉพาะกลุ่มแล้วด้วยตัวชิ้นงานที่โดนใจกลุ่มนั้นๆ หรือเราก็ไม่อาจรู้ได้ว่าคนที่มา Bid แข่งนั้นให้ราคากันที่เท่าไร ยิ่งถ้าโฆษณาปัจจุบันบนออนไลน์นั้นส่วนใหญ่เป็นแบบ Real Time Bidding แล้วก็ยิ่งทำให้ “ค่ากลาง” ประเมินแล้วยุ่งยากกันไปอีกเพราะปัจจัยนั้นซับซ้อนกว่าเดิม แม้ว่าอันที่จริงมันก็พอบอกตัวเลข “ประมาณ” หรือ “คร่าวๆ” ได้อยู่แต่มันก็ไม่ใช่คำตอบที่แน่นอน 100% เท่าไร เพราะคนที่ทำเก่งๆ นั้นจะดูปัจจัยอย่างอื่นประกอบด้วยนั่นเอง
4. การใช้เวลาทำ Report มากเกินจำเป็น
นี่เป็นอีกปัญหาโลกแตกของหลายๆ ออฟฟิศเช่นเดียวกับที่เอเยนซี่มักจะเจอ คือการพยายามขอ Report ตัวเลขมากมายโดยที่สุดท้ายจริงแล้วก็ไม่ได้นำไปสู่การวิเคราะห์อะไรที่เป็นประโยชน์นักหรือไม่ก็นำไปใช้ประโยชน์ได้น้อยกว่าที่ลงทุนทำ Report กันมา ผมมักบอกเสมอบ่อยๆ ว่าการทำ Report นั้นต้องคำนึงถึงประโยชน์ที่จะเกิดขึ้นด้วยเพราะยิ่งเรามีตัวเลขมากมาย การรวบรวมข้อมูลต่างๆ ก็ย่อมใช้เวลามากขึ้น ต้องมานั่งประมวลผล เข้าสูตร Excel และอื่นๆ อีกมากมาย คำถามคือหลังจากที่เราได้ข้อมูลเหล่านั้นแล้วเรานำไปใช้ประโยชน์ได้แค่ไหน หรือเราเอาแค่มาดูเฉยๆ เพื่อไว้อุ่นใจ อย่าลืมว่าทรัพยากรสำคัญของการทำงานคือ “เวลา” และ “แรงงาน” ซึ่งยิ่งถ้าเราใช้ไปโดยไม่คุ้มค่า ก็เท่ากับเราทำงานด้อยประสิทธิภาพนั่นเอง (ผมมักจะบอกทีมงานบ่อยๆ ว่าแทนที่จะเสียเวลานั่งทำ Report นั้น สู้เอาเวลาไปทำงานอื่นๆ ที่ได้ “งาน” ดีกว่า)
เอาจริงๆ ผมก็เชื่อว่า Data Analytics เป็นเรื่องสำคัญของการตลาดในอนาคต ซึ่งคนที่ถอดรหัสข้อมูลต่างๆ ได้เก่งก็จะยิ่งสามารถนำมาใช้ประโยชน์ได้เยอะ อย่างไรก็ตาม ในความเป็นจริงที่เรามักพบคือการพยายามวิเคราะห์ “เป็นพิธี” บ้างก็เป็นการวิเคราะห์โดยคนที่ไม่เข้าใจพื้นฐานของข้อมูลอย่างจริงๆ จนสุดท้ายแทนที่จะได้ประสิทธิภาพก็กลายเป็นว่าทำให้เกิดปัญหามากขึ้นกว่าเดิมเสียอีกต่างหาก
ก็ฝากเอาไว้สำหรับออฟฟิศต่างๆ หน่อยแล้วกันนะครับ :)
