เมื่อ Data Analytic ประสานพลังกับ Telco Data Insights เป็น analyticX

เมื่อ Data Analytic ประสานพลังกับ Telco Data Insights เป็น analyticX


แม้ว่ากระแสเทคโนโลยีองค์กรช่วงนี้จะหันไปทางไหนก็มีแต่ AI, ปัญญาประดิษฐ์กันไปหมด แต่ก็คงไม่มีใครปฏิเสธได้ว่า คำว่า Data is the (new) oil ยังคงเป็นจริงอยู่ในปัจจุบัน เพราะไม่ว่าองค์กรจะนำเทคโนโลยีใหม่แค่ไหนมาใช้งาน แต่ Big Data ยังคงเป็นสิ่งสำคัญและจำเป็นสำหรับการตัดสินใจทางธุรกิจ

แต่สิ่งหนึ่งที่หลายองค์กรอาจจะยังไม่รู้คือข้อมูลที่เรียกว่า Telco Data Insights จากผู้ให้บริการโครงข่ายโทรศัพท์มือถือ ที่สามารถเป็นชุดข้อมูลสำคัญเพื่อช่วยให้องค์กรในต่อยอดธุรกิจได้อย่างแม่นยำ เข้าใจลูกค้า ไปจนถึงเข้าใจตลาดได้มากยิ่งขึ้น

Telco Data Insights สำคัญไฉน

ข้อมูลจาก 3rd Party จริงๆ ก็มีให้องค์กรเลือกใช้งานมากมายหลายประเภท คำถามคือแล้ว Telco Data Insights หรือข้อมูลจากการใช้งานโครงข่ายโทรคมนาคมแตกต่างจาก Big Data อื่นๆ อย่างไร

Telco Data Insights คือชุดข้อมูลเชิงสถิติ ซึ่งประมวลผลจากการใช้งานเครือข่ายโทรคมนาคม เป็นข้อมูลที่เกิดขึ้นแบบ 24x7 ที่สะท้อนพฤติกรรมของผู้บริโภคได้ค่อนข้างแม่นยำ ด้วยชุดข้อมูลขนาดใหญ่ที่ครอบคลุมทั่วประเทศ ไม่ใช่แค่ Sample Size ระดับร้อยหรือหลักพันเท่านั้น และที่สำคัญยังเป็นข้อมูลเชิงสถิติที่สามารถติดตามความเปลี่ยนแปลงด้านพฤติกรรมในระยะยาว (Historical Data) ได้อีกด้วย

ทั้งนี้ทั้งนั้น ข้อมูลที่ AIS นำมาวิเคราะห์ ล้วนอยู่ภายใต้ของกฎหมาย ไม่ว่าจะเป็น พ.ร.บ. ว่าด้วยการกระทำผิดเกี่ยวกับคอมพิวเตอร์ พ.ศ.2560 (พ.ร.บ. คอม), พ.ร.บ. การรักษาความมั่นคงปลอดภัยไซเบอร์ พ.ศ. 2562, พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) และ ระเบียบของ กสทช.

กล่าวคือ AIS มีการดำเนินการภายใต้การกำกับดูแลอย่างถูกต้องและระมัดระวังเรื่องความเป็นส่วนตัวอย่างมาก โดย AIS ทั้งในฐานะ Data Controller และ Data Processor มีกระบวนการเข้ารหัสข้อมูล ไปจนถึงการ De-Identify และทำ Data Anonymization ทำให้ข้อมูลที่จะถูกนำไปใช้ต่อกลายเป็น ข้อมูลไม่สามารถระบุตัวตนลูกค้าใดๆ ได้ (non-PII) และใช้งานได้อย่างปลอดภัย และไม่สามารถ Reverse Engineer กลับไปเป็นข้อมูลที่ระบุตัวตนได้ด้วย

ได้ Insights จากข้อมูลบน analyticX

ชุดข้อมูลสถิติที่ถูกนำมาให้บริการบน analyticX จะค่อนข้างรอบด้าน ประกอบไปด้วย 4 รูปแบบใหญ่ๆ

• Demographic เป็นการแบ่งประเภทของกลุ่มคน ได้แก่ เพศ อายุ ประเภทลูกค้า (บุคคล, นิติบุคคล) เป็นคนไทยหรือต่างชาติ เป็นต้น
• Geographic and Mobility เป็นการวิเคราะห์จำนวนและการกระจายตัวของคนในแต่ละพื้นที่ เพื่อดูพฤติกรรมการเคลื่อนที่ รวมทั้งคาดการณ์แหล่งที่อยู่อาศัยและท่องเที่ยว
• Interests and Preference เป็นการประเมินความสนใจด้วยการทำ Machine Learning จากการเข้าใช้งานอินเตอร์เน็ต หรือกระทั่งร้านค้าที่ใช้แต้ม AIS Point ลดราคา
• Affordability เป็นการทำ Prediction เพื่อดูความสามารถในการใช้จ่าย จากแพ็กเกจที่ใช้งาน บริการ Subscription ต่างๆ ที่จ่ายผ่าน AIS หรือรุ่นสมาร์ทโฟนที่ใช้งาน

ด้วยรูปแบบของข้อมูลเชิงสถิติ 4 ข้อดังกล่าวทำให้องค์กรสามารถนำมาใช้หา Insight และต่อยอดทางธุรกิจหรือการตลาดได้หลากหลาย เช่น

• Location Insight สำหรับการวิเคราะห์เพื่อเปิดสาขา ขยายร้าน, พฤติกรรมความสนใจของลูกค้า, ขนาดและจำนวนประชากรในพื้นที่, แนวโน้มการเคลื่อนที่ในแต่ละช่วงเวลา ทำให้เข้าใจพื้นที่ได้ดียิ่งขึ้น
• Customer Insight วิเคราะห์พฤติกรรมราย Segment, เข้าใจ Customer Journey, ทำให้สามารถเลือกพื้นที่เพื่อทำการตลาดได้ตรงกับกลุ่มเป้าหมายมากขึ้น
• Market Analysis วิเคราะห์สภาพตลาดและคู่แข่งในพื้นที่เป้าหมาย ทำให้เข้าใจแนวโน้มตลาดและการแข่งขัน
• Target Audience สื่อสารกับกลุ่มเป้าหมายอย่างมีประสิทธิภาพ ด้วยการเลือกกลุ่ม Custom Audience ได้ตามความต้องการ ทั้งเพศ อายุ ความสนใจ พฤติกรรม ความชอบ

จากชุดข้อมูลและตัวอย่าง Insights ทำให้องค์กรสามารถนำไปต่อยอดเพื่อขับเคลื่อนธุรกิจและตัดสินใจอย่างแม่นยำได้ เช่นการหาความหนาแน่นของประชากร เพื่อประกอบการตัดสินใจเกี่ยวกับทำเลที่ตั้งของสาขาใหม่, การเคลื่อนที่และการกระจายตัวของกลุ่มเป้าหมายในแต่ละช่วงเวลา เพื่อโอกาสในการทำธุรกิจหรือการตลาดเฉพาะพื้นที่ หรือการจัดกลุ่มเป้าหมาย ที่ใช้ข้อมูลพฤติกรรมร่วมกับข้อมูลพื้นฐาน อย่าง เพศ อายุ และความสนใจ

ที่สำคัญคือ analyticX ทำงานร่วมกับแพลตฟอร์ม Oracle Alloy บน AIS Cloud ได้ด้วย ทำให้ลูกค้าสามารถเชื่อมต่อข้อมูลและการวิเคราะห์ เข้ากับฟีเจอร์อย่าง Generative AI ของ Oracle ในการสร้างกราฟวิเคราะห์ หรือเชื่อมโยงข้อมูลเบื้องต้นได้โดยไม่จำเป็นต้องมีความรู้ SQL หรือ Python เลย

AIS Becoming Cognitive Tech-Co

AIS เองก็เป็นตัวอย่างที่ดีในฐานะ Cognitive Tech-Co จากการนำ Data มาผนวกกับเทคโนโลยี เพื่อเข้าใจพฤติกรรมที่แท้จริงของลูกค้า จากคำบอกเล่าของ ดร. กวิณพงศ์ ฉัตรานนท์ Head of Data Revolution ของ AIS ที่นำข้อมูลมาวิเคราะห์หาสาเหตุถึงการเพิ่มขึ้นของ Churn Rate หรืออัตราการยกเลิกการใช้บริการของลูกค้า จากที่ก่อนหน้านี้ บริษัทพยายามกระตุ้นให้ลูกค้าแบบเติมเงิน เปลี่ยนเป็นลูกค้ารายเดือน แต่สุดท้ายลูกค้ากลุ่มนี้กลับยกเลิกการใช้บริการสูงถึง 20% จากปกติที่อัตราเฉลี่ยอยู่ที่ 2% เท่านั้น

เมื่อนำข้อมูลมาวิเคราะห์ก็พบว่า ลูกค้ากลุ่มเติมเงินและรายเดือนมีพฤติกรรมที่แตกต่างกัน ลูกค้าเติมเงินมีความสะดวกที่จะเติมเงินเป็นทีละวันมากกว่า แม้ว่ายอดค่าใช้จ่ายต่อเดือนจะออกมาเท่ากับกลุ่มรายเดือนก็ตาม ดังนั้นการให้ลูกค้ากลุ่มนี้ ใช้งานแบบเติมเงินต่อไป จะเป็นประโยชน์กับธุรกิจมากกว่าการพยายามให้ลูกค้าปรับมาใช้เป็นแบบรายเดือน

หรืออีกตัวอย่างก็คือการนำ Machine Learning มาวิเคราะห์และคาดการณ์ความต้องการของลูกค้า จากกลุ่มโปรไฟล์ของลูกค้าที่มีความคล้ายกัน ทำให้สามารถค้นพบลูกค้าที่มีพฤติกรรมและความต้องการ ตรงกับผลิตภัณฑ์ใหม่ที่ถูกนำเสนอได้ ไปจนถึงช่วยแนะนำให้พนักงาน โทรไปในช่วงเวลาที่เหมาะสม ลูกค้าสะดวกรับสายและรับฟังข้อเสนอได้เพิ่มขึ้น

ท้ายที่สุด Machine Learning สามารถทำให้เกิด Conversion Rate ของลูกค้าไฟเบอร์เพิ่มขึ้นถึง 4 เท่า หรือกรณีของการนำเสนอโปรโมชันมือถือใหม่ (Next Best Offer) ก็ประสบความสำเร็จ ทำให้ ARPU เพิ่มขึ้น 20% และก็ช่วยให้บริการมีรายได้เพิ่มขึ้นหลักร้อยล้านบาท

ยกระดับการทำงานของภาครัฐ

คุณอัฏฐพร แก้วงาม ตำแหน่ง Enterprise Data Insight Business Development Manager ของ AIS เล่าว่าหนึ่งในตัวอย่างของการนำ analyticX ไปต่อยอด ก็มีกรณีของการร่วมมือกับภาครัฐ และพันธมิตร ที่นำ Telco Data Insights ไปวิเคราะห์ร่วมกับภาพถ่ายดาวเทียมจากไทยคม เพื่อหาว่า พื้นที่ไหนมีความเสี่ยงที่จะเกิดภัยพิบัติ เช่น น้ำท่วม หรือดินถล่ม และนำชุดข้อมูล Population Density และ Population Movement ไปต่อยอดหากลุ่มคนที่มีโอกาสได้รับผลกระทบ และเตรียมแผนการแจ้งเตือนรวมถึงรับมือ หากเกิดเหตุ

อีกกรณีก็มีการร่วมมือกับหน่วยงานด้านสาธารณสุขระหว่างช่วง Covid ในการนำข้อมูล Population Density และ Population Movement มาซ้อนกับทับข้อมูลการติดเชื้อ เพื่อให้สาธารณสุขประเมิณหาพื้นที่ที่มีความเสี่ยงสูง หรือพื้นที่ที่มีการแพร่ระบาดสูง

โอกาสของบริษัทเครื่องดื่มกับ Telco Data

ภาพของบริษัทเครื่องดื่มกับการใช้งาน Telco Data อาจจะไม่ได้นึกออกง่ายมากนัก แต่คุณธิติพร ธรรมาภิมุขกุล Chief Marketing Officer บริษัท บุญรอดเทรดดิ้ง จำกัด เล่าว่าบริษัทธุรกิจเครื่องดื่มแอลกอฮอล์ค่อนข้างมีข้อจำกัดในการทำการตลาดมากอย่างที่หลายคนทราบ ดังนั้นหนึ่งในแนวทางของแบรนด์คือการสปอนเซอร์งานอีเวนท์ งานดนตรีต่างๆ สำหรับการทำตลาด และที่ผ่านมาก็มีหลายๆ ครั้งที่ตัดสินใจผิดพลาด จากข้อมูลเช่น โปรไฟล์ผู้จัดงาน ยอดขายของงานหรือความพึงพอใจของลูกค้า

แต่ปัจจุบัน บริษัทเล็งเห็นศักยภาพของ analyticX ซึ่งสามารถนำมาใช้เป็นเครื่องมือในการประเมินในกระบวนการตัดสินใจเพื่อให้สปอนเซอร์ ซึ่งคุณธิติพรระบุว่า น่าจะทำให้สถานการณ์ Benefit of Doubt กับตัวงานลดลง และไปโฟกัสที่ Telco Data Insights อย่างเช่น จำนวนโปรไฟล์คนเข้างาน ความชื่นชอบของคนที่มางาน และตำแหน่งโลเคชัน มาใช้ช่วยตัดสินใจได้อย่างแม่นยำมากขึ้น ไม่เพียงเท่านั้น ก็อาจนำไปต่อยอดทางธุรกิจได้ด้วย เช่น นำข้อมูลจำนวนและโปรไฟล์ผู้เข้างาน ไปใช้ในการ Collab กับโรงแรมใกล้เคียง ให้ผู้ร่วมงานสามารถซื้อบัตรเข้างานพร้อมจองตั๋วที่พักไปได้พร้อมกัน เป็นต้น

ใช้ Data เพื่อเจาะกลุ่มลูกค้าให้ตรงเป้าหมาย

ตัวอย่างถัดมาที่สะท้อนการต่อยอดทางธุรกิจในแง่มุมการตลาดได้อย่างดีคือตัวอย่างจาก VGI บริษัทลูกของ BTS Group ที่ทำธุรกิจป้ายโฆษณา Out-of-Home (OOH)

คุณกฤติน กุลศรี Strategic Product Senior Manager, VGI เล่าว่า เดิมข้อจำกัดใหญ่ๆ ของป้ายโฆษณา OOH ลักษณะนี้คือการเจาะจงกลุ่มเป้าหมายของโฆษณา ไปจนถึงการเก็บข้อมูล Performance หรือ ROI ของการยิงโฆษณาจากลูกค้า ซึ่ง VGI ก็ได้ Telco Data Insights ของ analyticX มาคลายข้อจำกัดได้ค่อนข้างมาก เช่น นำข้อมูลประชากรในพื้นที่ที่เป็นโซนสำนักงานออฟฟิศจาก analyticX มาช่วยให้สามารถยิงโฆษณาได้ตรงกลุ่มเป้าหมายของลูกค้ามากยิ่งขึ้น

หรือกระทั่งการใช้ Telco Data Insights มาประเมินหาผลทางสถิติจากการทำ Call-to-Action จากป้ายโฆษณา โดยการฟิลเตอร์หาเฉพาะกลุ่มเป้าหมายในพื้นที่แล้วไปหาจากข้อมูลเช่น การเดินทางไปในบริเวณร้านค้า, การเข้าเว็บไซต์หรือแอป เป็นต้น

อันที่จริง นอกจากตัวอย่างที่กล่าวไป Telco Data และการทำ Data Analytics ยังคงมีประโยชน์อีกมากในหลายอุตสาหกรรม เช่นค้าปลีกหรือน้ำมันเป็นต้น ซึ่งล้วนช่วยเปิดมิติและโอกาสใหม่ๆ ในทางธุรกิจอีกมาก ดังที่ ดร.อสมา กุลวานิชไชยนันท์ CEO & Founder – Coraline บอกว่า “การคาดการณ์ด้วยวิจารณญาณอย่างเดียว อาจจะไม่แม่นยำพอ” เสริมด้วยคุณช้องมาศ ทยากร Vice President Digital Solutions ของ PTTOR ที่บอกว่า “การใช้ข้อมูล Telco Data จากanalyticX ทำให้เรา “Know the Unknown” และเพิ่มความแม่นยำในการวิเคราะห์ข้อมูลได้มากยิ่งขึ้น”

(ซ้าย) คุณช้องมาศ ทยากร Vice President Digital Solutions ของ PTTOR | (ขวา) ดร.อสมา กุลวานิชไชยนันท์ CEO & Founder – Coraline

ทั้งหมดนี้พอชี้ให้เห็นถึงประโยชน์จากการนำ Telco Data ของ analyticX มาใช้วิเคราะห์และต่อยอดในทางธุรกิจได้อีกมหาศาล สามารถเพิ่มมูลค่า ไปจนถึงแก้ Pain Point ในการให้บริการลูกค้าได้อย่างแม่นยำ


ที่มา: blognone.com/node/143680