Design Experiment Driven Data ออกแบบการเก็บดาต้าเพื่อลด Bias
หนึ่งในหลุมพลางของการใช้ดาต้า คือการรีบเชื่อดาต้าเร็วเกินไปโดยไม่ได้ตรวจสอบแน่ชัดว่าผลลัพธ์นั้นสะท้อนถึงอะไร หรือแค่เห็นดาต้าก็ดีใจรีบหยิบมาใช้โดยลืมเป้าหมายของธุรกิจ บทความนี้เลยจะพามาอธิบายเรื่อง Design Experiment Driven Data การออกแบบเพื่อเก็บดาต้าเพื่อลด Bias และ Error การกำหนดเป้าหมายให้ชัดว่าควรเลือกดู Metric ตัวชี้วัดใดบ้าง เพื่อทำให้การตัดสินใจไม่ผิดพลาด หรืออย่างน้อยก็ลดโอกาสผิดพลาดไปได้ตั้งแต่เนิ่นๆ ครับ เลือก Data ที่สอดคล้องกับ Strategy อย่าเลือกเพราะตัวเลขดูดีเท่านั้น หลายครั้งการทดลองไอเดียเพื่อเก็บดาต้ามาใช้ตัดสินใจ Experiment Driven Data นั้น นักการตลาดทั่วไปอาจเลือกจากแค่ผลลัพธ์ที่ดีที่สุด แต่นักวิทยาศาสตร์การตลาดจะเลือกดูว่า Data Point ไหน หรือ Metric ใดที่สอดคล้องกับกลยุทธ์ธุรกิจระยะยาว หรือเป้าหมายที่แท้จริงที่เริ่มต้นทำการทดสอบนั้นบ้าง เช่น ที่ Microsoft Bing ค้นพบว่าถ้าปรับผลลัพธ์การค้นหาให้มีจำนวนน้อยลง จะส่งผลให้ผู้ใช้งานทำการค้นหามากขึ้น และนั่นก็ทำให้อัตราการกดโฆษณาเพิ่มขึ้น ส่งผลให้บริษัทมีกำไรเพิ่มขึ้นในท้ายที่สุด ถ้าทีมวิทยาศาสตร์การตลาด Marketing Science เลือกใช้ผลลัพธ์นั้นในการตัดสินใจว่า “ต่อไปนี้เราจะส่งผลลัพธ์การค้นหาให้ผู้ใช้ทุกคนได้รับน้อยลง เพราะนั่นทำให้บริษัทเรามีกำไรเพิ่มขึ้น” แต่ในระยะยาวหละ การทำสิ่งนั้นจะส่งผลดีต่อกลยุทธ์ธุรกิจหรือเปล่า ? ยากจะหาคำตอบได้ […]