เพื่อนๆ นักการตลาดเคยเจอเหตุการณ์แบบนี้ไหมครับ ทีมมีคนเดียว งบ Research ก็ไม่มี แต่หัวหน้าดันอยากได้ Insight ลูกค้าภายในวันศุกร์นี้ และก็สั่งงานเย็นวันพฤหัสบดีด้วย ส่วนตัวผมเองเจอบ่อยมากสมัยอยู่เอเจนซี่ครับ และในยุคที่ทุกแบรนด์อยากเข้าใจลูกค้าให้ลึกขึ้น แต่งบ Research กลับโดนตัดเป็นอันดับแรกเสมอ ไม่เข้าใจเหมือนกัน
ในอดีตงาน Research การตลาดผูกอยู่กับบริษัทที่มีค่าใช้จ่ายหลายแสนบาทไปจนถีงหลักล้าน ตั้งแต่ทำ Focus Group ส่ง Survey จ้างคนวิเคราะห์ Open-ended Response ไปจนถึง Sentiment Analysis ของ Review ทั้งหมดต้องใช้ทั้งเวลาและเงินมหาศาล แต่ตอนนี้เราเข้าสู่ยุคของ AI ที่สามารถใช้ ChatGPT ทำ Marketing Research ได้ง่ายๆ ช่วยให้นักการตลาดคนเดียวทำงาน Research ได้ในเวลา 10 นาที ด้วยค่าใช้จ่ายไม่ถึงเดือนละ 800 บาท
บทความนี้จะผมพาเพื่อนๆ นักการตลดไปดู 10 Scenario ที่ผมใช้ ChatGPT ทำ Marketing Research จริง พร้อม Prompt เต็มรูปแบบที่ Copy ไปใช้ได้ทันที และผลลัพธ์ที่จะได้ออกมา เพื่อให้เห็นภาพว่า ChatGPT Marketing Research จริงๆ แล้วทำอะไรได้บ้าง ใครทำธุรกิจด้านนี้ ควรอ่านแล้ว Save เก็บไว้ใช้ครับ
10 Scenario ที่บทความนี้จะพาไปดู
Customer Persona Building สร้างตัวตนลูกค้าจาก Data ที่มี
Synthetic User Interview สัมภาษณ์ลูกค้าจำลองก่อนคุยคนจริง
Competitive Analysis ถอดรหัสคู่แข่งแบบเจาะลึก
Survey Question Design ออกแบบแบบสอบถามที่ไม่ Bias
Open-ended Response Coding จัดหมวดคำตอบให้เป็นระบบ
Sentiment Analysis วิเคราะห์ความรู้สึกจาก Review
Trend Synthesis สังเคราะห์เทรนด์จากหลาย Report
Concept Testing ทดสอบไอเดียก่อนลงทุนจริง
Brand Positioning Mapping วาดแผนที่ Positioning ในตลาด
FGD Discussion Guide เตรียม Discussion Guide สำหรับ Focus Group
1. Customer Persona Building จุดเริ่มต้นของ ChatGPT Marketing Research
นักการตลาดส่วนใหญ่มี Customer Data อยู่แล้วครับ จาก Google Analytics, Facebook Insight, ระบบ POS หรือ CRM แต่ปัญหาคือ Data เหล่านี้กระจัดกระจาย และดูเป็นตัวเลขล้วน ไม่ได้บอกตัวตนของลูกค้าว่าจริงๆ แล้วเขาเป็นใคร ChatGPT ช่วยเปลี่ยน Data เหล่านี้ให้กลายเป็น Persona ที่จับต้องได้ในไม่กี่นาทีครับ
ตัวอย่าง Prompt เต็ม
คุณคือ Senior Marketing Researcher ที่ทำงานในแบรนด์ FMCG ของไทย
มา 10 ปี เข้าใจพฤติกรรมผู้บริโภคในกรุงเทพอย่างลึกซึ้ง
ฉันมีร้านกาแฟใน Siam Square ข้อมูลลูกค้า 6 เดือนล่าสุดจาก POS
และระบบสมาชิกสรุปได้ดังนี้
- ผู้หญิงอายุ 22-30 ปี คิดเป็น 70%
- ค่าใช้จ่ายเฉลี่ยต่อบิล 165 บาท
- ความถี่ในการซื้อเฉลี่ย 2.3 ครั้งต่อสัปดาห์
- 60% สั่งเครื่องดื่มเย็น
- 40% สั่ง Pastry ร่วมด้วย
- ใช้เวลาในร้านเฉลี่ย 45 นาที
- 80% มาคนเดียวหรือมา 2 คน
- Peak Hour คือ 14:00-17:00 น.
กรุณาสร้าง Customer Persona 3 คน โดยแต่ละคนต้องมี
1. ชื่อ + อายุ + อาชีพ + ย่านที่อยู่
2. Lifestyle Snapshot 3-4 บรรทัด
3. Pain Point ที่ทำให้เลือกร้านนี้แทน Starbucks
4. Daily Behavior ที่เกี่ยวข้องกับการมาร้าน
5. Quote จริงที่ Persona น่าจะพูดถึงร้านนี้
ทำให้ Persona ทั้ง 3 คนแตกต่างกันชัดเจน
ไม่ใช่ตัวแปรย่อยของคนเดียวกัน
ผลลัพธ์ที่ได้ ChatGPT จะส่งกลับมาเป็น Persona Card 3 ใบที่ตัวละครชัดเจน เช่น Persona แรกอาจเป็น น้องเหมียว 25 ปี Graphic Designer Freelance อาศัยพระโขนง มาทำงานที่ Café เพราะคอนโดเสียงดัง Pain Point คือ Starbucks มีคนเยอะเกินจน Wi-Fi ช้า พร้อม Quote: ที่นี่นั่งทำงาน 3-4 ชั่วโมงได้แบบไม่มีใครมาเร่ง
Persona ที่สองอาจเป็น พี่แพร 28 ปี Marketing Manager ที่ใช้ Café เป็น Meeting Room นอก Office มา 2 คนกับ Vendor บ่อย Persona ที่สามเป็นนักศึกษา MBA ที่มาทบทวนหนังสือ
ที่สำคัญคือ Persona ที่ AI สร้างยังต้องเอาไป Validate กับลูกค้าจริงเสมอครับ ไม่ใช่ใช้แทน Real Customer Research ทั้งหมด
2. Synthetic User Interview สัมภาษณ์ลูกค้าจำลองก่อนคุยคนจริง
มีงานวิจัยจาก Stanford และ MIT ในปี 2024-2025 ที่บอกว่า Large Language Model สามารถ Simulate การตอบของกลุ่มประชากรได้แม่นพอใช้เมื่อเทียบกับ Survey จริง โดยเฉพาะเรื่อง Attitude และ Preference ทั่วไป วิธีนี้ดีมากสำหรับการ Pre-test คำถามก่อนเอาไปสัมภาษณ์คนจริงครับ
ตัวอย่าง Prompt เต็ม
คุณคือ คุณแอน อายุ 32 ปี Marketing Manager บริษัทเครื่องสำอางไทย
รายได้ 80,000 บาทต่อเดือน อาศัยอยู่คอนโดในห้วยขวาง โสด
ใช้ Skincare แบรนด์เกาหลีเป็นหลัก (Sulwhasoo, Laneige, Beauty of Joseon)
ซื้อผ่าน TikTok Shop และ Shopee เป็นหลัก แทบไม่ไป Counter ห้าง
โปรดตอบในมุมของคุณแอนเท่านั้น ตอบสั้น เป็นธรรมชาติ
ไม่ต้อง Politically Correct ถ้ามีอคติให้แสดงออกได้
ห้าม Break Character เด็ดขาด
ผมจะถามคำถามทีละข้อ ขอให้ตอบในมุมคุณแอน
คำถามที่ 1: ครั้งสุดท้ายที่ลองแบรนด์ Skincare ใหม่ คุณรู้จักจาก
ช่องทางไหน และอะไรทำให้ตัดสินใจซื้อในที่สุด
ผลลัพธ์ที่ได้ ChatGPT จะตอบแบบสนทนาในมุมคุณแอน เช่น ครั้งสุดท้ายลอง Beauty of Joseon ค่ะ เห็นใน TikTok ของ Influencer ผิวมัน Acne-Prone เหมือนกัน เขารีวิวว่าใช้แล้วผิวไม่แห้ง ตอนแรกไม่เชื่อ แต่หลังจากเห็น Before-After 3 คนติดๆ กัน เลยกดสั่ง ส่วนหนึ่งเพราะราคาไม่แพง 400-500 บาทต่อขวด ถ้าไม่เวิร์คก็ไม่เสียดายเท่าไหร่
หลังจากนั้นเราถามต่อได้เรื่อยๆ เช่น ถ้าราคาเพิ่มจาก 890 เป็น 1,200 บาทจะยังซื้ออยู่ไหม หรือเปรียบเทียบกับแบรนด์ไทย AI จะรักษา Character และตอบในมุมคุณแอนตลอด ข้อจำกัดคือ Synthetic User มักตอบแบบกลางๆ ไม่หลากหลายเท่าคนจริง วิธีนี้จึงเหมาะกับ Exploratory Phase ก่อนทำ Real Research ครับ
3. Competitive Analysis ถอดรหัสคู่แข่งแบบเจาะลึก
การวิเคราะห์คู่แข่งเป็นงานที่กินเวลาที่สุดอันหนึ่งของนักการตลาดครับ เพราะต้องไล่ดู Website, Social Media, Pricing, Promotion และ Communication Tone ของทุกแบรนด์ในตลาดเดียวกัน ChatGPT ที่มี Browse Web หรือ Deep Research ช่วยตรงนี้ได้มาก ผมใช้บ่อยมากตอนเตรียม Pitch ลูกค้าใหม่
ตัวอย่าง Prompt เต็ม
ใช้ Web Search ทำ Competitive Analysis ของแบรนด์กาแฟ Chain ในไทย
ได้แก่ Cafe Amazon, Inthanin, Café Kantary, Bluekoff และ All Café
เปรียบเทียบ 6 มิติ
1. Target Customer หลัก (Demographic + Psychographic)
2. ราคาเฉลี่ยต่อแก้ว (Iced Latte)
3. จุดเด่นที่แบรนด์สื่อสารบ่อยที่สุดในปี 2026
4. Channel ที่ Active ที่สุด (FB, IG, TikTok, LINE)
5. Brand Voice บน Social Media (เป็นทางการ/เป็นกันเอง/ฮา)
6. Loyalty Program หรือ Membership ที่มี
สรุปเป็นตาราง Markdown
ในตอนท้ายให้วิเคราะห์ 3 ประเด็น
- White Space ในตลาดที่ยังไม่มีแบรนด์ไหนเข้าไปครอง
- จุดอ่อนร่วมของแบรนด์ใหญ่ที่แบรนด์ใหม่ใช้เป็นโอกาสได้
- Sub-Segment ที่ทุกแบรนด์มองข้าม
ระบุ Source ของข้อมูลทุกครั้ง
ถ้าตัวเลขไหนไม่แน่ใจให้ระบุว่า ต้อง Verify
ห้าม Hallucinate ตัวเลขเด็ดขาด
ผลลัพธ์ที่ได้ จะได้ตาราง 7 คอลัมน์ (1 ชื่อแบรนด์ + 6 มิติ) ที่เห็นภาพชัดทันที เช่น Cafe Amazon จับกลุ่ม Mass ราคาประมาณ 55-65 บาท จุดเด่นคือสาขาเยอะใน OR/PTT Voice เป็นกันเองทั่วไป ส่วน Café Kantary จับ Premium ราคา 85-110 บาท Voice เน้น Lifestyle Luxury บน Instagram
ที่สำคัญคือต้อง Cross-Check ข้อมูลกับ Source จริงเสมอ เพราะ AI บางครั้ง Hallucinate ตัวเลขออกมาเองได้ โดยเฉพาะ Market Share และ Pricing ที่ AI มักเดาผิด ส่วน Insight เรื่อง White Space ก็ใช้เป็น Hypothesis ไม่ใช่ Conclusion
4. Survey Question Design ออกแบบแบบสอบถามที่ไม่ Bias
นักการตลาดไทยส่วนใหญ่เขียน Survey Question แบบ Leading Question โดยไม่รู้ตัวครับ เช่นคำถามที่ว่า คุณคิดว่าบรรจุภัณฑ์ใหม่ของเราสวยขึ้นไหม คำถามแบบนี้บอกคำตอบในตัวอยู่แล้ว ChatGPT ช่วยตรวจ Bias ในคำถาม Survey ได้ดีมาก นี่เป็นหนึ่งใน ChatGPT Marketing Research Workflow ที่คุ้มค่าที่สุดสำหรับทีมการตลาดขาดเล็ก
ตัวอย่าง Prompt เต็ม
คุณคือ Senior Survey Methodologist ที่เชี่ยวชาญด้าน Quantitative Research
ผมต้องการทำ Survey เพื่อทดสอบ Concept Product ใหม่
คือ น้ำส้ม Cold-Pressed ขนาด 250 ml ราคา 79 บาท
ขายผ่านร้านสะดวกซื้อ 7-Eleven
นี่คือ 5 คำถามที่ผมร่างไว้
1. คุณคิดว่าน้ำส้ม Cold-Pressed มีประโยชน์ต่อสุขภาพมากแค่ไหน
2. ราคา 79 บาท ถูกและคุ้มไหม
3. คุณจะซื้อสินค้าที่ดีต่อสุขภาพในราคานี้หรือไม่
4. ทำไมคุณถึงเลือกซื้อน้ำส้ม Cold-Pressed
5. คุณดื่มน้ำผลไม้บ่อยแค่ไหน
กรุณาตรวจหาปัญหาแต่ละข้อ ใน 4 มิติ
- Leading Question
- Double-Barreled Question
- Ambiguous Wording
- Social Desirability Bias
จากนั้นเสนอ Version ใหม่ที่ Neutral พร้อมเหตุผล
และเพิ่ม 2 คำถามที่ผมยังไม่ได้คิดถึง
แต่จำเป็นต่อการตัดสินใจ Launch
ผลลัพธ์ที่ได้ AI จะระบุปัญหาในแต่ละข้อชัดเจน เช่น ข้อ 1 เป็น Leading Question เพราะ Implicit Assumption ว่ามีประโยชน์อยู่แล้ว ควรเปลี่ยนเป็น คุณคิดว่าน้ำส้ม Cold-Pressed มีประโยชน์ต่อสุขภาพอย่างไรบ้าง หรือถ้าต้องการ Scale ให้ใช้ คุณเห็นด้วยมากน้อยแค่ไหนกับข้อความ น้ำส้ม Cold-Pressed มีประโยชน์ต่อสุขภาพ พร้อม 5-Point Likert Scale
ข้อ 2 เป็น Double-Barreled ถาม 2 เรื่องใน 1 คำถาม (ถูก + คุ้ม) ควรแยกเป็น 2 ข้อ ส่วน 2 คำถามใหม่ที่ AI เสนอเพิ่มอาจเป็นเรื่อง Purchase Frequency Estimate และ Substitute Behavior ที่บอกว่าจะดื่มแทนอะไร
ผมแนะนำให้ลองใช้ Free Tool อย่าง Google Form หรือ Typeform คู่กับ ChatGPT เพื่อทำ Survey ที่มีคุณภาพระดับ Agency โดยไม่ต้องจ้าง Agency ครับ
5. Open-ended Response Coding จัดหมวดคำตอบให้เป็นระบบ
นี่คือ Pain Point ใหญ่ของคนทำ Survey ครับ พอตอบ Open-ended (เปิดให้ตอบอย่างอิสระ) มา 500-1,000 ตัวอย่าง การมาอ่านทีละข้อแล้วจัด Theme เองใช้เวลาเป็นวันๆ และยังเสี่ยงต่อ Bias ของผู้อ่านอีก ChatGPT ทำ Thematic Coding ได้ดีมาก
ตัวอย่าง Prompt เต็ม
ผมจะอัปโหลด CSV File ที่มีคำตอบ Open-ended 500 ชิ้น
จากคำถาม Survey ว่า อะไรคือเหตุผลหลักที่คุณเลือกซื้อ
แบรนด์ Skincare นี้
กรุณาทำ Thematic Coding ตามขั้นตอนนี้
ขั้นที่ 1: อ่านทั้งหมดก่อน แล้วเสนอ 5-7 Theme เบื้องต้น
ที่ Mutually Exclusive (ไม่ทับซ้อนกัน) และ Collectively Exhaustive
(ครอบคลุมทุกคำตอบ)
ขั้นที่ 2: จัดทุกคำตอบเข้า Theme พร้อมระบุ
- จำนวนคนในแต่ละ Theme
- % ของทั้งหมด
- 3 Quote ที่เป็นตัวแทนของ Theme นั้นมากที่สุด
ขั้นที่ 3: ระบุ 2 Sub-Theme ที่ Surprise ที่สุด
ที่ผมอาจไม่เคยคิดถึงมาก่อน
ขั้นที่ 4: เสนอ 3 Hypothesis ใหม่ที่เกิดจาก Pattern นี้
ที่ควรเอาไปทดสอบใน Research รอบต่อไป
ข้อบังคับ: ห้ามรวม Pain Point กับ Wish List
ไว้ใน Theme เดียวกัน เพราะเป็นคนละ Construct
ผลลัพธ์ที่ได้ AI จะส่งกลับมาเป็น Insight Report ที่อ่านง่าย เช่น Theme 1 Functional Benefit คิดเป็น 35% ของคำตอบ Quote ตัวอย่าง ใช้แล้วผิวเด้งจริง, สิวลดลงใน 2 สัปดาห์, รูขุมขนเล็กลงเห็นได้ชัด Theme 2 Trust & Heritage 22% Quote ตัวอย่าง แม่ใช้มาตั้งแต่เด็ก, แบรนด์อยู่มานาน Theme 3 Price/Value 18% และอื่นๆ
ส่วน Surprising Sub-Theme อาจเป็นเรื่อง Packaging Aesthetics ที่ลูกค้าซื้อเพราะถ่ายรูปลง IG สวย หรือ Smell Therapy ที่ใช้ Skincare เพราะกลิ่นทำให้รู้สึกผ่อนคลาย Insight แบบนี้มักโผล่มาเองจาก AI โดยที่นักการตลาดไม่เคยคิดมาก่อน
6. Sentiment Analysis วิเคราะห์ความรู้สึกจาก Review
การอ่าน Review ทุกชิ้นใน Lazada, Shopee, Wongnai, Google Map ของสาขาเราเองและคู่แข่งเป็นเรื่องที่มนุษย์ทำไม่ไหวครับ ChatGPT ทำ Sentiment Analysis ได้ดีเหนือกว่า Tool แบบ Rule-Based เดิม เพราะเข้าใจ Context และ Sarcasm ในภาษาไทยได้ดีกว่า
ตัวอย่าง Prompt เต็ม
ผมจะ Paste 50 Reviews ของร้านอาหารญี่ปุ่นแบรนด์หนึ่งจาก Wongnai
และ Google Map กรุณาทำ Aspect-Based Sentiment Analysis
ขั้นตอน
1. จัด Overall Sentiment Score แต่ละ Review (1-5)
โดย 1 = Negative มาก, 5 = Positive มาก
2. ระบุ Aspect ที่ Review พูดถึง เลือกจาก
- Taste (รสชาติ)
- Service (บริการ)
- Atmosphere (บรรยากาศ)
- Price-Value (ราคาเทียบคุณภาพ)
- Speed (ความรวดเร็ว)
- Cleanliness (ความสะอาด)
- Portion (ปริมาณ)
3. ให้ Sentiment Score ของแต่ละ Aspect แยกกัน
ใน Review เดียวกัน
4. สรุปท้าย เป็น
- Average Score ของแต่ละ Aspect
- 3 Top Strength พร้อม Quote สนับสนุน
- 3 Top Weakness พร้อม Quote สนับสนุน
- 1 Hidden Insight ที่ Aspect Analysis แสดงให้เห็น
ระวังเรื่อง Sarcasm ในภาษาไทย เช่น
อร่อยจนน้ำหนักขึ้น 2 กิโล = Positive
รสชาติเหมือนแม่ทำให้ = ต้องดู Context
ผลลัพธ์ที่ได้ AI จะส่งกลับมาเป็นตารางที่แต่ละ Row คือ 1 Review แต่ละ Column คือ Aspect และมี Score ระบุ พร้อมสรุปด้านล่าง เช่น Taste ค่าเฉลี่ย 4.5 จาก 5 Service 2.8 Atmosphere 4.2 Price-Value 3.5
Hidden Insight ที่ AI มักจับได้คือ Pattern ที่ Service แย่เฉพาะช่วง Peak Hour เสาร์อาทิตย์ ในขณะที่ Weekday กลับได้ Score ดีกว่ามาก สิ่งนี้บอกว่าร้านอาจไม่ใช่ปัญหาที่ Service Standard แต่เป็นปัญหา Operations Capacity ในช่วงคนเยอะ Insight แบบนี้มีค่ามาก เพราะวิธีแก้ไขต่างกันสิ้นเชิงครับ
7. Trend Synthesis สังเคราะห์เทรนด์จากหลาย Report
ถ้าเพื่อนๆ ต้องเตรียม Trend Deck สำหรับปีหน้า เคยไหมครับที่ต้องอ่าน Report ของ McKinsey, Deloitte, Gartner, WGSN และ Mintel แล้วเอามาสรุปให้ Boss ฟัง ChatGPT ที่มี File Upload และ Deep Research ช่วยลดเวลานี้เหลือไม่กี่ชั่วโมง
ตัวอย่าง Prompt เต็ม
ผมจะอัปโหลด PDF Report 4 ฉบับ ได้แก่
1. McKinsey State of Consumer 2026
2. Deloitte Global Marketing Trends 2026
3. Gartner CMO Strategic Priorities 2026
4. WGSN Future Consumer 2026
กรุณา Synthesize Insight ใน 4 ขั้นตอน
ขั้นที่ 1 - Convergence Analysis
ระบุ 5 Trend ที่ทุก Report เห็นตรงกัน
พร้อมระบุว่าแต่ละ Report พูดถึงในมุมไหน
และมีตัวเลขสนับสนุนอะไรบ้าง
ขั้นที่ 2 - Divergence Analysis
ระบุ 3 ประเด็นที่ Report เห็นไม่ตรงกัน
หรือมีการตีความที่ต่างกัน อธิบายว่าทำไม
ขั้นที่ 3 - Surprising Insight
ระบุ 3 Trend ที่ไม่ค่อยมีคนพูดถึง
แต่ปรากฏชัดในอย่างน้อย 2 Report
ขั้นที่ 4 - Local Application
สำหรับแต่ละ Trend ใน 5 ข้อแรก
เสนอวิธีที่แบรนด์ FMCG ของไทยจะเอาไป Apply
พร้อมตัวอย่างแบรนด์ไทยที่ทำคล้ายๆ อยู่แล้ว
ข้อบังคับ
- ทุกตัวเลขต้องระบุ Source และหน้าใน Report
- ถ้าไม่มั่นใจตัวเลขให้เขียนว่า ต้อง Verify
- ห้าม Hallucinate ตัวเลขเด็ดขาด
- ใช้ภาษาไทยตอบ แต่ Term เฉพาะใช้ภาษาอังกฤษได้
ผลลัพธ์ที่ได้ จะได้รายงาน Synthesis ที่ Structure ชัด แบ่งเป็น 4 Section ตามที่ขอ ใน Section แรกจะเห็น Trend ที่ Repeat กันใน Report ทุกฉบับ เช่น AI Personalization at Scale, Sustainable Consumption Shift, Trust Erosion in Big Brands พร้อมตัวเลขกำกับ (เช่น 78% ของผู้บริโภคต้องการ Personalized Experience ตาม McKinsey หน้า 23)
ส่วน Local Application เป็นส่วนที่มีค่าที่สุดครับ เพราะ AI จะบอกว่า Café Amazon ทำ AI Personalization ผ่าน App แล้วแบบไหน หรือ บางจาก กับ ปตท. ทำ Sustainability Communication แตกต่างกันยังไง สิ่งนี้ทำให้ Trend ระดับ Global กลายเป็น Strategy ที่ Apply ได้จริงในตลาดไทยทันที
แต่สิ่งที่ต้องทำคือ Verify ทุกตัวเลขที่ AI สังเคราะห์ออกมา เพราะ Hallucination เกิดขึ้นได้บ่อยกับงานที่มี Multiple Source โดยเฉพาะตัวเลขสถิติที่ AI ชอบใส่ทศนิยมเองให้ดูน่าเชื่อถือ
8. Concept Testing ทดสอบไอเดียก่อนลงทุนจริง
ก่อนแบรนด์จะลงทุนทำ Campaign จริง การ Pre-test Concept ช่วยลดความเสี่ยงได้มากครับ แต่การจ้าง Agency ทำ Concept Test มีค่าใช้จ่ายตั้งแต่ 80,000 บาท ขึ้นไป สำหรับแบรนด์ขนาดเล็ก SME แทบเป็นไปไม่ได้
ตัวอย่าง Prompt เต็ม
ผมจะเปิดตัว Product ใหม่ คือ ชาเขียวมัทฉะพรีเมียมแบบขวด
ราคา 89 บาท ขนาด 250 ml ขายผ่าน 7-Eleven, Tops และ Lemon Farm
Target Persona: ผู้หญิงทำงาน 25-35 ปี รายได้ 35,000+
อาศัยในกรุงเทพ ใส่ใจสุขภาพ ดื่ม Specialty Coffee เป็นประจำ
ใช้ Social Media Active โดยเฉพาะ IG และ TikTok
กรุณา Simulate Reaction ของ 5 Persona ที่หลากหลายในกลุ่มนี้
ต่อ 3 Concept ที่ผมจะทดสอบ
Concept A - Premium Wellness Approach
Headline: มัทฉะคุณภาพญี่ปุ่นในรูปแบบสะดวก เพื่อทุกวันที่ดีต่อใจและกาย
Visual Direction: Minimalist, ใช้สีเขียวธรรมชาติ, Mood สงบ
Concept B - Functional Energy Approach
Headline: Caffeine จากธรรมชาติ พลังงานยาวนาน ไม่กระตุก
Visual Direction: Dynamic, ใช้สีสด, Mood Active
Concept C - Lifestyle Statement Approach
Headline: ดื่มมัทฉะ คือคำตอบของคนที่เลือกได้ละเอียดขึ้น
Visual Direction: Editorial, สไตล์นิตยสาร, Mood Aspirational
สำหรับแต่ละ Persona ใน 3 Concept โปรดให้
1. Likelihood ที่จะซื้อ Scale 1-10
2. ความรู้สึกแรกใน 1-2 ประโยค
3. ราคา 89 บาท ในมุม Persona คิดว่าเหมาะหรือไม่
4. ถ้าจะปรับ Concept ให้ดีขึ้น จะปรับอะไร
5. Channel ที่อยากเจอ Product นี้
จบด้วยสรุปว่า Concept ไหนน่าจะ Win
และทำไม พร้อมระบุ Risk ของ Concept Winner
ผลลัพธ์ที่ได้ จะได้รายงาน 5 Persona x 3 Concept = 15 Reaction แต่ละอันมี Score และ Feedback เช่น Persona ที่ 1 ชื่อมีน 28 ปี Marketing Manager กับ Concept A ให้ 8/10 ความรู้สึก ดูพรีเมียม น่าลอง เหมือนแบรนด์เกาหลีหรือญี่ปุ่นจริงๆ ส่วน Concept C ให้ 5/10 เพราะ Headline ดูพยายามเกินไป ทำให้รู้สึกถูก Manipulate
ส่วนสรุปจะบอกว่า Concept A น่าจะ Win เพราะได้คะแนนเฉลี่ยสูงสุด 7.4/10 จาก 5 Persona แต่ Risk คือ Persona ที่อายุน้อยกว่า 27 ปี อาจมองว่าจืดและไม่ Trendy พอ ถ้าจะใช้ Concept A ควรเสริม Visual ให้ Pop ขึ้นในการสื่อสารช่อง TikTok
ก่อนตัดสินใจจริงต้องเอา Concept ที่ผ่าน Pre-test ไปทดสอบกับลูกค้าจริงด้วยอยู่ดี เพราะ AI ตอบในแนวกลางๆ ไม่ตอบแบบ Surprise Reaction ที่คนจริงให้ได้
9. Brand Positioning Mapping วาดแผนที่ Positioning ในตลาด
Positioning Map เป็นเครื่องมือคลาสสิกที่ทุก MBA รู้จักครับ แต่การจะวาดให้ถูกต้องต้องใช้ Data จริงจากตลาด ตรงนี้คือจุดที่ ChatGPT Marketing Research เข้ามาช่วยได้ดีมาก
ตัวอย่าง Prompt เต็ม
วาด 2x2 Positioning Map ของแบรนด์น้ำดื่ม Premium ในไทย
แบรนด์ที่ต้อง Map (7 แบรนด์)
- สิงห์ Premium
- คริสตัล
- มินาเร่
- Aquafina
- ICE Mountain
- Smart Heart
- Aura
แกน X = Perceived Health Benefit (0 = Low, 10 = High)
แกน Y = Premium Positioning (0 = Mass, 10 = Ultra Premium)
กรุณาทำ 5 ขั้นตอน
ขั้นที่ 1: ให้ Coordinate (X, Y) แต่ละแบรนด์ 0-10 ทั้ง 2 แกน
ระบุที่มา เช่น จาก Pricing, Packaging, Brand Communication
ถ้าเป็นการประเมินส่วนตัวให้บอกชัด
ขั้นที่ 2: วาด Map เป็น ASCII Art เห็นภาพคร่าวๆ
หรืออธิบายตำแหน่งแต่ละแบรนด์ใน 4 Quadrant
ขั้นที่ 3: ระบุ Cluster ของแบรนด์
แบรนด์ไหนแย่งลูกค้ากันเอง
ขั้นที่ 4: ระบุ White Space 2-3 จุดในตลาด
ที่ยังไม่มีแบรนด์ไหนเล่น
ขั้นที่ 5: เสนอ 2 Positioning Strategy
ที่แบรนด์ใหม่จะเข้าตลาดได้
พร้อม Concept Name, Price Range, Target Persona
และ Key Message
ระวัง: ห้ามเอาแบรนด์เครื่องดื่มอื่นที่ไม่ใช่น้ำดื่ม Premium
มาปะปน เช่น น้ำแร่ผสม Vitamin คนละหมวด
ผลลัพธ์ที่ได้ จะได้ Coordinate ของแต่ละแบรนด์ที่ระบุชัด เช่น คริสตัล (3, 4) เป็น Mainstream ราคากลาง Health Perception ปานกลาง Aura (8, 9) เป็น Ultra Premium Health-Focused ICE Mountain (5, 7) Premium แต่ Health Perception กลาง
ส่วน White Space ที่ AI มักจะมองเห็นคือพื้นที่ Premium + Functional Health ที่ยังไม่มีแบรนด์เล่นชัด (เช่น น้ำดื่มสำหรับนักออกกำลังกายระดับ Premium) หรือพื้นที่ Affordable + Sustainability Story ที่จับกลุ่มคนรุ่นใหม่ห่วงสิ่งแวดล้อมแต่งบไม่สูง
ที่สำคัญคือ AI ยังบอก Strategy ต่อ เช่น ถ้าจะเข้า White Space แรก ให้ใช้ Concept Name แบบ Performance Water ราคา 35-45 บาท ทำให้นักการตลาดเห็นโอกาสใหม่ที่ Brand เราเข้าไปครองได้ก่อนคู่แข่งจะมองเห็น
10. FGD Discussion Guide เตรียม Discussion Guide สำหรับ Focus Group
มาถึงเคสสุดท้ายครับ ถ้าวันนึงเพื่อนๆ ต้องทำ Focus Group Discussion จริง การเตรียม Discussion Guide ที่ดีคือ 80% ของความสำเร็จในวันจริง ChatGPT ช่วยเขียน Discussion Guide ได้ครบทุก Section
ตัวอย่าง Prompt เต็ม
ผมจะทำ Focus Group Discussion เรื่อง
"พฤติกรรมการดื่มกาแฟของคนทำงานในกรุงเทพ"
Spec
- Participant: 8 คน อายุ 25-40 ปี ทำงาน Office มากกว่า 3 ปี
ดื่มกาแฟอย่างน้อย 1 แก้วต่อวัน
- Duration: 90 นาที
- Setting: ห้องประชุมใน Office, มี One-Way Mirror
- Objective: เข้าใจ Decision Journey ตั้งแต่ตื่นนอน
จนถึงสั่งกาแฟแก้วแรกของวัน
กรุณาเขียน Discussion Guide ที่มี 4 Section
1. Opening (10 นาที)
- Ice Breaker ที่ไม่เกี่ยวข้องโดยตรงกับกาแฟ
- Self-Introduction Format
- Rules ของ FGD
2. Warm-up (15 นาที)
- คำถามกว้างเกี่ยวกับ Morning Routine
- เปิดเรื่องกาแฟแบบไม่ Leading
- ทำให้ Participant เริ่มสบายใจที่จะแชร์
3. Deep Dive (50 นาที)
- Decision Journey ตั้งแต่ตื่นจนสั่ง
- Trigger ของแต่ละขั้น
- Pain Point ใน Journey
- Brand Preference และ Switch Behavior
4. Closing (15 นาที)
- Future Behavior Projection
- Wrap-up Insight
- คำถามสุดท้ายที่ Participant อยากให้แบรนด์รู้
แต่ละ Section ต้องมี
- Main Question 3-5 ข้อ พร้อมเวลาต่อข้อ
- Probing Question 2-3 ข้อต่อ Main Question
- Moderator Note (สิ่งที่ต้องระวัง / Bias ที่อาจเกิด)
- Backup Question ถ้า Group เงียบ
ทำให้ Discussion Guide นี้ Moderator มือใหม่ใช้ได้
ไม่ใช่แค่ Expert
ผลลัพธ์ที่ได้ จะได้ Discussion Guide เต็มรูปแบบ 4 Section พร้อม Time Allocation ที่ละเอียด เช่น ใน Section Warm-up จะมี Main Question แบบ ลองเล่า Morning Routine ของวันธรรมดาให้ฟังหน่อยครับ (8 นาที) พร้อม Probing Question เช่น ตื่นกี่โมง, อะไรคือสิ่งแรกที่ทำ, กาแฟเข้ามาในช่วงไหนของ Routine และ Moderator Note ระวังอย่าถามถึงแบรนด์กาแฟใน Section นี้ จะ Bias คำตอบใน Deep Dive
ส่วนใน Deep Dive จะมีคำถามเจาะลึก เช่น เล่าให้ฟังว่าครั้งสุดท้ายที่เปลี่ยนแบรนด์กาแฟประจำ เกิดอะไรขึ้น (Critical Incident Technique) ที่ดึง Insight ได้ลึกกว่าการถามแบบ Hypothetical
นอกจากนี้ AI ยังช่วย Roleplay เป็น Participant ให้ Moderator ฝึก Probing Skill ก่อนทำ FGD จริงได้ด้วยครับ ใครจะทำ FGD ครั้งแรก ผมแนะนำให้ซ้อมกับ ChatGPT 2-3 รอบก่อนเจอคนจริง มันช่วยให้มั่นใจขึ้นเยอะ
สรุป 3 หลักคิดในการทำ ChatGPT Marketing Research ให้ได้ผลจริง
อ่านมาถึงตรงนี้เพื่อนๆ คงเห็นภาพแล้วครับว่า ChatGPT Marketing Research ใช้ได้กว้างกว่าที่คิด ตั้งแต่ Persona ไปจนถึง Sentiment Analysis แต่ก่อนเอาไปใช้จริง ผมอยากย้ำ 3 หลักคิดสำคัญที่ทุกคนต้องเข้าใจ
ข้อแรก ChatGPT ไม่ใช่ Researcher ครับ มันคือ Research Assistant ที่ทำงานหนักได้เร็วและถูก แต่การตีความ การถามคำถามที่ถูก และการตัดสินใจสุดท้ายยังต้องเป็นมนุษย์ ใครคิดว่าจ้าง AI แทนทีม Research ทั้งหมดน่าจะผิดหวังครับ เพราะ AI ทำ Heavy Lifting ได้ แต่ทำ Critical Thinking แทนเราไม่ได้
ข้อสอง Verify ทุกตัวเลข ที่ AI ให้ออกมา โดยเฉพาะตัวเลขที่ดู Specific มากเช่นตลาดนี้โตขึ้น 17.3% เพราะ Hallucination เกิดได้บ่อยกับ Statistic และ Citation นักการตลาดที่ทำ ChatGPT Marketing Research แล้วเอาตัวเลขไป Present โดยไม่ Cross-Check เคยเจอเหตุการณ์ตัวเลขผิดกลางห้องประชุมมาแล้วหลายคน เสียความน่าเชื่อถือทันที
ข้อสาม Prompt ดี = ผลลัพธ์ดี ครับ จะเห็นว่า Prompt ที่ผมยกตัวอย่างใน 10 Scenario นี้ ทุกอันมี Pattern เดียวกัน คือกำหนด Role ให้ AI, ให้ Context ที่ชัด, ระบุ Output Format ที่ต้องการ, และใส่ข้อบังคับเพื่อป้องกัน Hallucination ใครที่ Prompt แบบสั้นๆ ทั่วไปจะได้ผลลัพธ์ที่ใช้ไม่ได้ ในทางตรงข้าม Prompt ที่ละเอียดให้ผลลัพธ์ระดับใช้ Present จริงได้
ดังนั้นนับจากนี้ไป ChatGPT Marketing Research จะไม่ใช่งานที่ต้องรอ Agency หรืองบประมาณก้อนใหญ่อีกต่อไปครับ มันจะกลายเป็นทักษะ Daily ที่นักการตลาดทุกคนต้องมีติดตัว และคนที่ทำ ChatGPT Marketing Research เป็นจะมี Speed Advantage เหนือคู่แข่งที่ยังทำแบบเดิมแน่นอนครับ
อ่านบทความเรื่องการใช้ AI ทำ Marketing Research ในการตลาดวันละตอนต่อ
