Customer Segmentation – เทคนิคการแบ่งกลุ่มลูกค้าที่ควรรู้จักก่อนวิเคราะห์ข้อมูลลูกค้า

ในการทำธุรกิจนั้น ไม่ว่าจะเป็นธุรกิจประเภทไหน หากพูดถึงสิ่งที่สำคัญที่สุดอย่างหนึ่งของธุรกิจแล้ว การสร้างหรือเพิ่มรายได้จากการขายสินค้าให้กับลูกค้าย่อมเป็นหนึ่งในนั้นแน่นอน และ หากเราเข้าใจความต้องการของลูกค้า ก็จะยิ่งช่วยเพิ่มโอกาสในการขายและเพิ่มรายได้ให้กับเราได้มากยิ่งขึ้น โดยเราสามารถเข้าใจลูกค้าได้ดียิ่งขึ้นได้ด้วยวิธีต่างๆ ไม่ว่าจะเป็นการสังเกต การสอบถาม หรือ หากเรามีข้อมูลลูกค้า เราก็สามารถนำข้อมูลลูกค้าเหล่านั้นมาวิเคราะห์ได้ด้วยเช่นกัน

แต่ก่อนที่เราจะวิเคราะห์ข้อมูลลูกค้านั้น ลูกค้าแต่ละคน แต่ละกลุ่มนั้น ก็อาจมีความต้องการที่แตกต่างกันไป ขึ้นอยู่กับกลุ่มลูกค้าของเรานั่นเอง การแบ่งกลุ่มลูกค้าเพื่อให้รู้ว่าลูกค้าเรามีกลุ่มไหนบ้าง ก็อาจช่วยให้เราสามารถวิเคราะห์และเข้าใจว่าความต้องการของลูกค้าแต่ละกลุ่มได้ดียิ่งขึ้นด้วย ซึ่งการแบ่งกลุ่มลูกค้าจะมีวิธีไหนยังไงบ้าง ในบทความนี้ เรามีคำตอบให้ครับ

Table of Contents

• 4 วิธีพื้นฐานในการแบ่งกลุ่มลูกค้า (เป้าหมาย)
  • Demographics
  • Geographics
  • Psychographics
  • Behavioral
    • พฤติกรรมการซื้อขาย (Transactional)
  • แล้ว RFM Model คืออะไร?
    • พฤติกรรมก่อนและหลังการซื้อขาย (Customer Journey)
• แล้วธุรกิจของเรา ควรใช้ Segmentation วิธีไหนดี?
  • การใช้ Data Science และ Machine Learning
  • การใช้ Behavioral เป็นหลัก
  • การเลือกใช้วิธีต่างๆ รวมกันตามความเหมาะสม
• สรุป

4 วิธีพื้นฐานในการแบ่งกลุ่มลูกค้า (เป้าหมาย)

ในการแบ่งกลุ่มลูกค้านั้น หากดูตามแต่ละตำรา ก็อาจมีวิธีต่างๆ มากมาย แต่เพื่อให้ง่าย ผมจะใช้วิธีแบ่งกลุ่มแต่ 4 วิธี ซึ่งอิงจาก Alexa และ Question Pro นะครับ ได้แก่

• Demographics
• Geographics
• Psychographics
• Behavioral

ซึ่งแต่ละวิธี มีรายละเอียดยังไงบ้าง ลองมาดูกันครับ

Demographics

การแบ่งกลุ่มด้วย Demographics หรือ แปลเป็นภาษาวิชาการว่า ข้อมูลประชากรศาสตร์ คือ การแบ่งกลุ่มลูกค้าหรือกลุ่มเป้าหมาย ด้วยลักษณะ หรือ ปัจจัยพื้นฐาน ไม่ว่าจะเป็น เพศ อายุ เชื้อชาติ การศึกษา อาชีพ และรายได้

เช่น กลุ่มลูกค้ากลุ่มหนึ่ง อาจมีอายุ 15-24 ปี กลุ่มพนักงานออฟฟิศ รายได้ประมาณ 30,000-50,000 บาท

โดยข้อมูลเหล่านี้ เราสามารถได้ข้อมูลจากการสอบถามลูกค้า หรือ ให้ลูกค้าลงทะเบียนสมาชิก

Geographics

การแบ่งกลุ่มด้วย Geographics คือ การแบ่งกลุ่มลูกค้าหรือกลุ่มเป้าหมาย ตามพื้นที่ต่างๆ ไม่ว่าจะเป็น ประเทศ จังหวัด เขต ต่างๆ โดยอาจเป็นที่อยู่ หรือ ที่ทำงานก็ได้

ซึ่งการเข้าใจกลุ่มลูกค้าว่า พวกเขาอาศัย หรือ ใช้ชีวิตอยู่พื้นที่ไหน ก็อาจช่วยให้เราสามารถเข้าใจปัจจัยอื่นๆ เพิ่มเติมได้ เช่น วัฒนธรรม ภาษา สถานที่ในการซื้อสินค้า

โดยข้อมูลเหล่านี้ เราสามารถได้ข้อมูลจากการสอบถามลูกค้า หรือ ให้ลูกค้าลงทะเบียนสมาชิก เช่นกัน

นอกจากนี้ หากลูกค้ามีการซื้อสินค้า เราอาจสามารถดูสถานที่จัดส่ง หรือ ดูคร่าวๆ จากระบบออนไลน์บางอย่าง เช่น Google Analytics ได้ด้วยเช่นกัน

Psychographics

การแบ่งกลุ่มด้วย Psychographics คือ การแบ่งกลุ่มลูกค้าหรือกลุ่มเป้าหมาย ตามรูปแบบการดำเนินชีวิต ค่านิยม ทัศนคติ ความสนใจ ไลฟ์สไตล์ต่างๆ

โดยข้อมูลเหล่านี้ มักเก็บโดยใช้แบบสำรวจ เพื่อให้เข้าใจความสนใจของลูกค้า หรือ เราอาจสามารถวิเคราะห์จากพฤติกรรมบางอย่าง เช่น กิจกรรมที่เข้าร่วม สินค้าที่ซื้อ ได้ด้วยเช่นกัน

Behavioral

การแบ่งกลุ่มด้วยพฤติกรรมของผู้บริโภค มักเป็นที่นิยมมากในช่วงที่ผ่านมา เนื่องจาก กลุ่มเป้าหมายบางกลุ่ม แม้จะมีอายุเท่ากัน เพศเดียวกัน ไลฟ์สไตล์เดียวกัน อาศัยที่เดียวกัน ก็อาจมีพฤติกรรมที่ต่างกันได้เช่นกัน

โดยพฤติกรรมของลูกค้า หรือ กลุ่มเป้าหมายนั้น เราสามารถแบ่งแยกย่อยได้มากมาย โดยผมจะขอยกตัวอย่างง่ายๆ มาดังนี้

พฤติกรรมการซื้อขาย (Transactional)

การวิเคราะห์พฤติกรรมการซื้อขายนั้น จะสามารถทำได้ก็ต่อเมื่อ กลุ่มเป้าหมาย ได้เปลี่ยนมาเป็นลูกค้า หรือ มีการซื้อสินค้าจริงๆ เรียบร้อยแล้ว ก็จะช่วยให้เราสามารถนำข้อมูลเหล่านั้นมาวิเคราะห์และแบ่งกลุ่มในรูปแบบต่างๆ ได้ เช่น

• การแบ่งกลุ่มลูกค้าเก่าและลูกค้าใหม่
• การแบ่งกลุ่มลูกค้าที่ซื้อสินค้าแต่ละประเภท
• การแบ่งกลุ่มลูกค้าที่ซื้อสินค้าแต่ละสาขา
• การแบ่งกลุ่มลูกค้าที่ซื้อสินค้าแต่ละช่วงเวลา
• การแบ่งกลุ่มลูกค้าตามระดับการใช้จ่าย

ซึ่งก็สามารถแยกย่อยออกไปได้อีกมาก แต่หากใครสนใจการวิเคราะห์เบื้องต้น สามารถลองอ่านที่ บทความเกี่ยวกับ Customer Analytics เบื้องต้นได้ ครับ

หนึ่งในเทคนิคในการแบ่งกลุ่มลูกค้าที่นักวิเคราะห์ข้อมูล หรือ Data Analyst ได้ยินกันบ่อยๆ ก็มักจะเป็น RFM นั่นเอง

แล้ว RFM Model คืออะไร?

RFM Model คือ การแบ่งกลุ่มลูกค้า โดยจะแบ่งตามพฤติกรรมการซื้อขาย 3 อย่าง คือ โดยจะแบ่งกลุ่มลูกค้าตามพฤติกรรม 3 อย่าง คือ

• Recency – ลูกค้าซื้อสินค้ากับเราครั้งสุดท้ายกี่วันมาแล้ว
• Frequency – ลูกค้าซื้อสินค้ากับเราถี่หรือบ่อยแค่ไหน
• Monetary – ลูกค้ามีการใช้จ่ายกับเราโดยรวมเท่าไหร่

โดยเราสามารถใช้ข้อมูลสามอย่างใน วิเคราะห์พฤติกรรมการซื้อของลูกค้าต่างๆ เพิ่มเติมได้ เช่น

• กลุ่มลูกค้าที่ซื้อบ่อย ซื้อเยอะ และยังซื้อเรื่อยๆ
• กลุ่มลูกค้าที่ซื้อบ่อย ซื้อเยอะ แต่ไม่ได้กลับมาซื้อนานแล้ว
• กลุ่มลูกค้าที่ซื้อบ่อย แต่ละครั้งซื้อไม่เยอะ
• กลุ่มลูกค้าที่ซื้อไม่บ่อย แต่ครั้งละเยอะๆ

ซึ่งแน่นอนว่า เราสามารถนำข้อมูลเหล่านี้ มาช่วยแยกย่อยออกไปได้อีก แต่สิ่งสำคัญก็คือ หากเราแบ่งกลุ่มลูกค้าเหล่านี้แล้ว สิ่งที่เราสามารถทำให้พวกเขาได้มีอะไรบ้าง เช่น สามารถทำยังไงให้พวกเขากลับมาซื้อได้บ่อยขึ้น เป็นต้น

พฤติกรรมก่อนและหลังการซื้อขาย (Customer Journey)

นอกจากข้อมูลการซื้อขายแล้ว เรายังสามารถนำข้อมูลพฤติกรรมอื่นๆ นอกเหนือจากการซื้อ มาใช้ประกอบการวิเคราะห์ได้ด้วย เช่น ลำดับการตัดสินใจ หรือ การมีส่วนร่วม (Interactions, Engagements) ทั้งก่อนและหลังการซื้อขาย หรือ นักการตลาดบางคน อาจเรียก และเรียบเรียงสิ่งเหล่านี้ออกมาเป็น Customer Journey ได้ด้วยเช่นกัน

โดยตัวอย่างการแบ่งกลุ่มด้วยข้อมูลพฤติกรรมเหล่านี้ ได้แก่

• แบ่งกลุ่มตามลำดับการตัดสินใจในการซื้อ เช่น เข้าชมเว็บไซต์ เข้าดูหน้าสินค้า ใส่สินค้าในตระกร้า
• แบ่งกลุ่มตามการขั้นตอนการติดตามของฝ่ายขาย เช่น การให้รายละเอียด การพาเข้าชมสินค้า การขอใบเสนอราคา
• แบ่งกลุ่มตามความพึงพอใจของลูกค้า เช่น รีวิวต่างๆ การติดต่อของฝ่ายบริการ (Customer Service)

จะเห็นได้ว่า การแบ่งกลุ่มตามพฤติกรรมนั้น ก็สามารถช่วยให้เราวิเคราะห์และเข้าใจลูกค้าในมุมมองต่างๆ เพิ่มเติมได้มากขึ้นด้วย

แล้วธุรกิจของเรา ควรใช้ Segmentation วิธีไหนดี?

ถ้าจะถามว่า แล้วในทั้ง 4 วิธีที่ว่ามา วิธีไหนเหมาะกับธุรกิจของเรามากที่สุด

แน่นอนว่า แต่ละวิธี ก็อาจจะมีข้อดี ข้อด้อยต่างกันไป เราลองมาดูตัวอย่างรูปแบบต่างๆ กันดูครับ

การใช้ Data Science และ Machine Learning

เนื่องจากการแบ่งกลุ่มต่างๆ ที่ว่ามานั้น มีข้อมูลหลายส่วนที่เราสามารถนำไปใช้ได้ จึงมีหลายๆ คนในวงการ Data Science พยายามเอาข้อมูลทั้งหมด (หรือหลายๆ ส่วน) มาทำ Segmentation ด้วยการนำข้อมูลไปใส่ใน Machine Learning หรือ Algorithm ต่างๆ เช่น K-Mean เพื่อให้การแบ่งกลุ่มนั้น สามารถนำปัจจัยที่สำคัญหลายๆ อย่างจากทั้ง 4 วิธีมาใช้พร้อมกันได้ จนได้ผลลัพธ์ลักษณะคล้ายๆ ในรูปด้านล่างนี้

อย่างไรก็ตาม การใช้วิธีเหล่านี้ ไม่ใช่เพียงการใส่ Algorithm หรือ การคำนวณลงไปแล้วจะเสร็จ เพราะสิ่งที่เราต้องคิดต่อก็คือ หลังจากแบ่งกลุ่มด้วยวิธีเหล่านี้แล้ว เราจะทำอย่างไรกับพวกเขาต่อ? เราสามารถติดต่อพวกเขา เพื่อ ทำแคมเปญการตลาด หรือ ปรับปรุงฝ่ายบริการลูกค้าได้หรือไม่? ซึ่งการจะรู้ได้นั้น ก็จำเป็นต้องเข้าใจบริบทของแต่ละกลุ่มเพิ่มเติมด้วย ว่ามีความแตกต่างกันอย่างไร และ เราสามารถทำอะไรได้บ้าง เหมือนที่ผมเคยเขียนไว้ในบทความเรื่อง การตั้งคำถาม และ การตีความบริบทของข้อมูล (Critical Thinking and Data Interpretation) นั่นเอง

การใช้ Behavioral เป็นหลัก

จากทั้ง 4 วิธีที่กล่าวมา การแบ่งกลุ่มตามพฤติกรรมของลูกค้า ดูเหมือนจะเป็นสิ่งที่สะท้อนความต้องการของลูกค้าออกมาเป็นรูปธรรมได้ดีที่สุด

อย่างไรก็ตาม หากเราวิเคราะห์พฤติกรรมเพียงอย่างเดียว อาจไม่เพียงพอได้ เช่น

หากเราวิเคราะห์พฤติกรรมการซื้อขายด้วย RFM Model

ถ้าเรานำข้อมูลลูกค้าทั้งหมดใส่ลงไปในโมเดลเลย นั่นอาจหมายความว่า ลูกค้าในแต่ละประเทศ หรือ พื้นที่ อาจถูกนำมาจัดกลุ่มรวมกัน แต่หากแต่ละประเทศนั้น ใช้ภาษาที่ต่างกัน และมีวัฒนธรรมที่ต่างกัน เราจะสามารถสื่อสารแบบเดียวกันได้หรือไม่

การเลือกใช้วิธีต่างๆ รวมกันตามความเหมาะสม

จากข้อที่แล้ว จะเห็นว่า การใช้วิธีใดวิธีหนึ่งนั้น อาจทำให้เราเห็นบริบทของข้อมูลไม่หรือ หรือ บริบทอาจเพี้ยนได้

การเลือกใช้ข้อมูล หรือ วิธีการทำ Segmentation ตามความเหมาะสมของธุรกิจ จึงอาจช่วยให้คุณเข้าใจลูกค้าได้ดีกว่า การใช้ข้อมูลมากเกินไป หรือ น้อยเกินไป ต่อการวิเคราะห์และนำผลลัพธ์ไปใช้งานต่อได้

ดังนั้น ไม่ว่าเราจะใช้ RFM ก่อน แล้วค่อยแบ่งกลุ่มตามพื้นที่ หรือ แบ่งกลุ่มตามพื้นที่ก่อน แล้วค่อยทำ RFM ก็จะช่วยให้เราสามารถเข้าใจบริบทได้ดียิ่งขึ้น

สรุป

ในการแบ่งกลุ่มลูกค้านั้น มีข้อมูลและวิธีมากมายหลากหลายให้เรานำไปใช้ได้ ซึ่ง การเข้าใจเทคนิควิธีแบ่งกลุ่ม และ บริบทของข้อมูล ก่อนทำการวิเคราะห์นั้น ก็จะช่วยให้เราสามารถวิเคราะห์และแก้ปัญหา หรือ พัฒนาธุรกิจได้ตรงจุดนั่นเองครับ