[สรุป] เทคนิคการทำรายงานการตลาด ด้วย Data-Driven Canvas

คนมากมายมักติดกับ การทำรายงาน การทำแดชบอร์ด เพราะงงกับการเก็บข้อมูลการแสดงผล และการนำไปใช้ ได้แก่
– ดึงข้อมูลไม่ครบ
– ดึงข้อมูลมาไม่ได้ใช้
– วิเคราะห์แล้วแก้ปัญหาไม่ได้
– ที่เก็บข้อมูลมีปัญหา
– etc.

ดังนั้นวันนี้จะเป็นการทำแผนงานเพื่อทำให้เราได้เอาตัวรีพอทไปใช้ได้อย่างมีประสิทธิภาพ เริ่มเลย

เทคนิคการทำรายงานการตลาด ด้วย Data-Driven Canvas

Data-Driven Canvas คือ Framework ที่เราใช้ในการเตรียมตัวแก้ไขปัญหาผ่านการใช้ Data
โดยแคนวาสตัวนี้จะทำงานเพื่อให้เราทบทวนตัวเอง ว่าข้อมูลที่เราเอามาใช้จะมีประโชนย์ครบถ้วนและสามารถนำไปใช้ได้จริงในการแก้ไขปัญหา ดังนั้นตัว Canvas จะพูดถึง 6 เรื่องดังนี้
– Problem of business (ปัญหาคุณต้องการแก้ไขคืออะไร?)
– Objectives (แล้วดาต้าจะไปช่วยแก้ปัญหาคุณอย่างไร)
– Data Requirement (จากปัญหาที่มีเราต้องการ Data อะไรบ้าง)
– Data Source (จะทำแคมเปญการตลาดอย่างไรเพื่อให้ได้ Data ที่ต้องการ)
– Data Storage (เทคโนโลยีที่จะใช้ในการเก็บข้อมูล)
– Data-Driven Action (รู้แล้วจะทำอย่างไรต่อหลังจากได้ข้อสรุปทั้งหมด)

Problem of business (ปัญหาคุณต้องการแก้ไขคืออะไร?)

ที่เราอยากให้คุณทำอย่างแรกคือ คุณต้องเข้าใจก่อนว่าอะไรที่คุณต้องรับมือจัดการในธุรกิจ หรือด้านอื่น ๆ ที่คุณต้องการจัดการ เพราะขั้นตอนนี้มีความสำคัญมาก เพราะคนส่วนใหญ่ทำรีพอทสวยมากค่ะแม่ แต่เอาไปใช้ต่อไม่ได้ เสียเวลา เสียทรัพยาการต่าง ๆ มาก ดังนั้น ทางเราอยากให้เราลอง List ดูว่าอะไรที่คุณต้องการจัดการมันจริง ๆ

ขั้นตอนนี้ทางเราแนะนำว่า เราจะไม่ได้ยำทุกปัญหาในธุรกิจคุณ หรือการตลาดของคุณลงมา ลองดูว่าอะไรไปด้วยกันได้ ง่าย ๆ เลยจากผลลัพธ์ที่คุณต้องการได้ เช่น คุณอยากได้ยอดขายมากขึ้น คุณไม่เห็นว่าสินค้าไหนขายได้เท่าไหร่ คุณอยากรู้ว่าลูกค้าสนใจสินค้าชิ้นไหน จากตัวอย่างจะเห็นว่าข้อมูลที่เราจะเอามาใช้จะเป็นด้านยอดขายซึ่งสามารถใช้ในการหาข้อมูลร่วมกันได้

Objectives (แล้วดาต้าจะไปช่วยแก้ปัญหาคุณอย่างไร)

ในข้อนี้เมื่อเรารู้แล้วว่าปัญหาเราคืออะไร ซึ่งจากตัวอย่างจะเห็นว่าสิ่งที่คุณต้องการจริง ๆ คือการขาดการมองเห็นผลลัพธ์ด้านยอดขาย และคุณสามารถเห็นยอดขาย สินค้าที่ขายได้ สินค้าที่เป็นที่นิยม จากการจัดการข้อมูลนี้

ช่องนี้มีความใกล้เคียงกับช่องบน จึงแบ่งออกมาให้ชัดๆ อยากให้เราทุกคนได้ระบุปัญหาจริงๆ ที่เราต้องใช้ Data ก่อน แล้วค่อยมาระบุต่อว่าจากปัญหานี้ Data จะเข้ามาช่วยข้อบนได้อย่างไร

Data Requirement (จากปัญหาที่มีเราต้องการ Data อะไรบ้าง)

ข้อนี้คุณต้องลงรายละเอียดชัด ๆ จนคุณเห็นภาพว่าคุณต้องใช้อะไรบ้าง ตัวอย่างที่ไม่ดีคือ ฉันต้องการข้อมูลด้านยอดขาย เพราะสุดท้ายคุณไม่รู้เลยว่าคุณจะขอข้อมูลจากลูกค้า หรือจากทีมอย่างไร เพื่อให้ได้ข้อมูลด้านยอดขาย ดังนั้นจากโจทย์เดิม เราจึงร่างข้อมูลมาดังนี้
– วันที่ที่เกิดยอดขาย
– รายการสินค้าที่ขายออก
– จำนวนสินค้าที่ขายออก
– ยอดขายจากสินค้าที่ขายออก
เบื้องต้นเท่านี้คือข้อมูลสินค้าที่จำเป็น แต่หลายคนอาจจะดึงมามากกว่านี้ แต่ไม่จำเป็นเพราะมันไม่ได้อยู่ในจุดประสงค์ หรือมันไม่ช่วยแก้ปัญหาของคุณ ถ้าจากโจทย์ข้อมูลที่ไม่ต้องใช้คือ ชื่อนามสกุลลูกค้า, ที่อยู่, สินค้าที่ดูแต่ไม่ซื้อ, ประเภทการจ่ายเงิน, etc.

ในเชิงคนที่ทำงานด้านข้อมูลสามารถร่างข้อนี้ออกมาในรูปแบบข้อง Data Schema

Data Source (จะทำแคมเปญการตลาดอย่างไรเพื่อให้ได้ Data ที่ต้องการ)

ข้อนี้จะทำให้คุณเห็นความเป็นไปได้ครับ เพราะบางคนคิดอยากได้ข้อมูลเยอะมาก แต่สุดท้ายไม่รู้จะเอาข้อมูลมาจากไหน ดังนั้นข้อนี้จะทำให้เราเห็นว่าตัวข้อมูลที่เกิดขึ้น เรามีช่องทางการได้มาหรือไม่ หรือต้องมีการเก็บข้อมูลเพิ่ม ช่องทางการเก็บข้อมูลหามาจากทางไหนได้บ้าง เช่น
– Google Analytics
– การทำสำรวจ (Survey)
– Facebook Insight
– รางรับรายจ่าย
– ข้อมูลจากทีมขาย
– Website Database

Data Storage (เทคโนโลยีที่จะใช้ในการเก็บข้อมูล)

เมื่อเราคิดออกแล้วว่าเราต้องการ Data อะไรบ้าง และเราจะทำแคมเปญการตลาดอย่างไรเพื่อให้ได้ Data ที่ต้องการมา ทีนี้ก็มาถึงส่วนที่เป็นเทคโนโลยีสักเล็กน้อย นักการตลาดอย่างเราอาจไม่ต้องถึงขั้น Dev เองเป็นก็ได้ แต่อย่างน้อยก็ควรพอจะรู้บ้างว่าไอเดียแบบนี้เราต้องใช้เทคโนโลยีแบบไหนเข้ามาครับ หรืออาจจะเป็นที่ง่าย ๆ อย่างเช่น Google Sheet, Excel, etc.

Data-Driven Action (รู้แล้วจะทำอย่างไรต่อหลังจากได้ข้อสรุปทั้งหมด)

ถึงขั้นตอนนี้สิ่งที่ต้องทำคือ Data Visualization หรือคุณต้องทำให้คุณเห็นข้อมูลในรูปแบบแผนภูมิ กราฟ ชาต ต่าง ๆ เพื่อให้เราอ่านข้อมูลได้ง่ายขึ้น พร้อมให้เอาไปต่อยอดเพื่อแก้ปัญหาทางธุรกิจ สมมติว่าปัญหาผมยังเป็นเรื่องเดิมคือการเห็นข้อมูลด้านยอดขาย เราอาจทำเป็นแผนภูมิแท่งเพื่อดูยอดขายของสินค้า หรือแม้แต่ดูเทรนด์การขายในแต่ละเดือน ซึ่งสิ่งที่เราต้องแปลจาก Data Storage มาเป็นข้อมูลเชิงรายงานคือระบบการแสดงผลซึ่งถ้าคุณชอบของฟรีเราแนะนำ Google Data Studio หรือ Looker studio

บทสรุป

ที่เหลือคือการฝึกฝนและทำความเข้าใจในการใช้ Data Driven Canvas เพราะมันทำให้คุณเห็นว่าคุณกำลังทำอะไร ทำทำไม ทำเมื่อไร่ และทำเพื่ออะไร เพื่อให้คุณไม่ติดในวังวนของการเป็นนักวิเคราะห์ข้อมูลผู้ยุ่งงาน ทั้งๆที่งานควรเสร็จตั้งนานแล้ว

สำหรับความรู้ที่ต้องการอัพเดทในวันนี้ก็มีเท่านี้นะครับ ยังไงฝากกดไลค์ กดแชร์ และเป็นกำลังใจให้พวกเราด้วยนะครับ และพบกันใหม่ในบทความหน้าครับ ใครอ่านมาถึงตรงนี้หากมีตรงไหนที่สงสัยก็สามารถติดต่อมาได้เลยนะครับ

“วันพรุ่งนี้ที่ดีกว่า จะได้มาต้องเริ่มที่วันนี้”

“A better tomorrow starts today”