วันนี้จะพาเพื่อนๆ นักการตลาดมาดูตัวอย่างการใช้ Data Driven ของ Shutterstock ผ่านการทำ Experiment ด้วยเครื่องมืออย่าง A/B Testing ที่ใครๆ ก็ทำตามได้ไม่ยากครับ
ธุรกิจยุคดาต้าไม่มีนั่งคิดหรือประชุมกันนานๆ หรอกนะครับว่าเราควรทำการตลาดแบบไหน หรือเราควรทำธุรกิจอย่างไร ทั้งหมดทั้งมวลแล้วล้วนแต่ใช้ Data Driven Business & Marketing ในการตัดสินใจ
ซึ่งผมก็เชื่อว่าทุกคนที่เข้ามาอ่านการตลาดวันละตอนก็รู้อยู่แล้ว วันนี้เลยจะไม่ได้บิ๊วว่าทำไมต้องเอา Data มาใช้ Driven มากๆ เหมือนก่อน แต่จะมาเล่าเคสของบริษัทที่คุ้นเคยอย่าง Shutterstock ที่ให้บริการภาพสวยๆ หลายร้อยล้านภาพ และก็เป็น Partnership กับการตลาดวันละตอน ภาพส่วนใหญ่หรือเกือบทั้งหมดในการตลาดวันละตอนวันนี้ล้วนมาจาก Shutterstock ทั้งนั้นครับ
ซึ่งหลักในการทำ Data Driven Marketing วันนี้ก็คือการทำ A/B Testing ครับ
A/B Testing จะเรียกว่าเป็นเครื่องมือก็ไม่ถูกเสียทีเดียว เรียกให้ถูกจริงๆ น่าจะเรียกว่าเป็นหลักหรือ Methodology หรือ Principle ของการทำ Data Driven เลยจะดีกว่า
Shutterstock เองก็เป็นหนึ่งในบริษัทเทค หรือจะเรียกว่าเป็น Digital Business ตั้งแต่เริ่มต้นก็ไม่ผิดนัก เพราะธุรกิจหลักแรกเริ่มของพวกเขาคือการขายรูปภาพ หรือขายสิทธิ์ หรือลิขสิทธิ์ในการใช้งาน ไปจนถึงช่วยจัดการเรื่องลิขสิทธิ์ที่เกี่ยวกับรูปภาพเป็นหลัก
ถ้าใครใช้ Shutterstock อยู่แล้วจะรู้ว่าภาพของที่นี่ทั้งสวยและถูกในเวลาเดียวกัน ที่สำคัญยังมีภาพให้เลือกเยอะแยะมากมายไม่ต้องไปเสียเงินกับ Source อื่นให้วุ่นวาย แถมวันนี้ยังไม่ได้มีแค่ภาพแต่ยังมีทั้งวิดีโอ เสียง 3D Model และก็ยัง Gen ภาพด้วย AI ตามใจเราได้อีกด้วย
และด้วยจำนวนลูกค้าหรือสมาชิกที่มีหลายล้านคน ยิ่งที่ให้พวกเขาเห็น Insight มากมายว่าควรทำการตลาดแบบไหน เลือกภาพอย่างไร ปรับรายละเอียดใน Customer Experience อย่างไรที่จะกระตุ้นให้เกิด Conversion หรือยอดขายมากที่สุด
ก็ด้วยผ่านการทำ Experiment อย่าง A/B Testing ที่ทำวันนึงหลายร้อย หลายพันครั้ง ผ่านกลุ่มตัวอย่างมากมายแบบที่เราๆ ผู้ใช้งานไม่รู้ตัว ทำให้ Shutterstock สามารถเก็บ Insight จาก Data ได้เกินกว่าคำว่า Big Data ไปไกลมากครับ
Shutterstock ทำ Data Driven ด้วย A/B Testing อย่างไร
หลายปีก่อนพวกเขาทำการปรับดีไซน์หน้าตาเว็บให้เป็นรูปแบบ Mosaic Search Grid ที่ดูสวยขึ้นกว่าดีไซน์เดิมมาก
พวกเขาเลยเริ่มทำการ A/B Testing เพื่อเก็บ Data ว่าภาพ หรือดีไซน์ หรือการออกแบบ Customer Experience แบบไหนที่ผู้ใช้งานชอบมากกว่ากันออกมาเป็น 3 ตัวแปร Variation ดังนี้
Image Sizes ทดสอบว่าขนาดรูปภาพตัวอย่างแบบไหนที่ทำให้ผู้ใช้กดเข้าไปดู และทำการดาวน์โหลดมากขึ้น
New Customers พวกเขาอยากรู้ว่าสำหรับลูกค้าใหม่ที่ไม่เคยใช้บริการ Shutterstock มาก่อนเมื่อได้เห็นดีไซน์เว็บใหม่แบบ Mosaic Search Grid แบบนี้จะมีอัตรา Conversion ที่สูงกว่าลูกค้าเก่าที่เคยใช้เว็บหน้าตาแบบเดิมหรือไม่ เพราะในขณะเดียวกันลูกค้าเก่าผู้ใช้ที่คุ้นกับหน้าตาเว็บแบบเดิมอาจไม่ชอบดีไซน์ใหม่สักเท่าไหร่ จนส่งผลให้อัตรา Conversion ต่ำลงก็เป็นได้
Viewport Size ขนาดหน้าจอความละเอียดที่ลูกค้าใช้ ส่งผลต่อ Conversion Rate หรือไม่ หน้าจอเล็กหรือความละเอียดต่ำจะโหลดมากหรือน้อยกว่าคนใช้หน้าจอใหญ่ความละเอียดสูงหรือเปล่า
Watermarks ระหว่างภาพตัวอย่างที่มีลายน้ำบนภาพ กับไม่มีลายน้ำเลย แบบไหนส่งผลต่อยอดดาวน์โหลดมากกว่ากัน
Hover แถบใต้ภาพที่เพิ่มเข้ามา ที่ตั้งใจจะช่วยให้ผู้ใช้งานสะดวกขึ้น อย่างสามารถเซฟภาพไว้ก่อนได้ หรือดาวน์โหลดจากตรงนี้ได้เลยโดยไมต้องกดเข้าไปดูภาพขนาดใหญ่เต็มๆ จะช่วยหรือลดอัตรา Conversion มากกว่ากัน
Instinct not Insight
ทีแรกทีมงานเชื่อว่าลายน้ำ Watermark น่าจะทำให้ผลการทดสอบทั้งหมดออกมาแย่ จนคิดว่าจะเอาลายน้ำออกจากรูปภาพตัวอย่างทั้มหมดไปก่อนทำ A/B Testing
แต่พอเทสจริง Data ที่ได้กลับไม่บอกแบบนั้น พวกเขาพบว่าผลลัพธ์เป็นคนละด้าน เลยต้องเอาลายน้ำกลับคืนมาใส่บนรูปภาพซึ่งย้อนแย้งกับสัญาชาติญาณของทีม
และหลังจากการเก็บ Data ผ่าน A/B Testing มานานพอพวกเขาก็พบว่ามี 2 Variation ตัวแปรที่ส่งผลต่อ Conversion มากที่สุด แต่หลังจากค้นพบดีไซน์ที่ดีที่สุดแล้วพวกเขาก็ไม่ได้หยุดแค่นั้น สิ่งที่พวกเขาทำคือยังคงรันการทำ Experiement ไปเรื่อยๆ เพื่อพัฒนา Customer Experience ให้ดีขึ้น ซึ่งจะนำมาสู่ Conversion & Revenue ที่เพิ่มขึ้นตาม
องค์กรแบบ Experimentation Culture เป็นอย่างไร
ข้อดีของการทำ Experiment คือการที่เราสามารถปรับปรุงสิ่งต่างๆ ให้ดีขึ้นเรื่อยๆ ได้ด้วยการเทสเพื่อเก็บ Data เอามาใช้ในการช่วยตัดสินใจ และองค์กรหรือบริษัทที่จะเป็นแบบนี้ได้จะเป็นอย่างไรบ้าง มาลองดูกัน
1. No More HiPPO ไม่มีคำว่า “พี่ว่า…” อีกต่อไป
องค์กรส่วนใหญ่เดิมมักมีวิธีการตัดสินใจจากหัวโต๊ะ หรือผู้มีอำนาจสูงสุดในบริษัท หรือที่เรามักเรียกคนกลุ่มนี้ว่า HiPPO ย่อมาจากคำว่า Highest Paid Person’s Opinion หรือความเห็นคนที่มีเงินเดือนมากที่สุดมักใหญ่ที่สุดในห้องประชุม
การทำ A/B Testing ทำให้ทุกไอเดียมีค่าเท่ากัน เพราะสำคัญคือการเอาไปเทสว่าตกลงแล้วไอเดียที่คิดนั้นดีจริงไหม ไม่นานก็รู้ผลไม่ต้องเสี่ยงทำกับลูกค้าทุกราย ถ้าไม่เวิร์คก็แค่หยุดแล้วลองไอเดียใหม่ ถ้าเวิร์คก็แค่เอาไปเพิ่มจำนวนผู้ใช้ให้มากขึ้นจนกลายเป็นมาตรฐานใหม่เท่านั้นเอง อย่างที่ทีมงาน Shutterstock เชื่อว่าการมีลายน้ำบนภาพน่าจะทำให้ Conversion ลดลง แต่พอเทสจริงแล้วผลที่ได้กลับเป็นคนละเรื่อง จนพวกเขาเอาลายน้ำกลับมาบนภาพทุกภาพอีกครั้งในเวลานั้น
เรื่องนี้อาจทำให้ผู้บริหาร หรือเจ้าของบริษัทรู้สึกเสียหน้า หมดความสำคัญในบริษัทที่ตัวเองบริหารงานมานาน แต่ไม่ต้องเสียใจไปนะครับเพราะบริษัทชั้นนำส่วนใหญ่ในวันนี้ โดยเฉพาะบริษัทเทคโนโลยีระดับโลก หรืออย่าง Shutterstock เองก็ใช้วิธีนี้ในการตัดสินใจเป็นประจำ และนานแล้ว
ดังนั้นต่อไปนี้ไม่ว่าไอเดียจะมาคนใคร ใหญ่แค่ไหน จะไม่ถูกเอาไป Implement ทันที แต่จะถูกนำไป Experiment ก่อนว่าไอเดียนั้นดีพอที่จะจัดใหญ่ จัดเต็มครับ
2. เลิกทำ Presentation เริ่มโชว์ Data จากการทำ A/B Testing เลย
เดิมทีการจะพรีเซนต์ไอเดียตัวเองให้เป็นที่ยอมรับ ต้องเสียเวลานั่งทำพรีเซนเทชั่นนานมาก ไหนจะต้องหารูป ปั้นเรื่อง เพื่อทำให้ผู้บริหารและทีมงานคนอื่นรู้สึกคล้อยตามไปด้วย
แต่จากการเอาไอเดียในข้อ 1 ที่คิดไปเทสเร็วๆ เพียงแค่ไม่กี่วันก็พอเห็นภาพชัดแล้วว่า Data ที่ออกมานั้นสะท้อนว่าไอเดียนั้นดีจริง หรือดีแค่ในจินตนาการ
ไอเดียที่ทำผลลัพธ์ได้ยอดเยี่ยม อาจเป็นไอเดียที่ไม่มีใครคาดคิดว่าจะดีก็เป็นได้
อย่างตอนผมออกหนังสือเล่มที่สอง ผมก็ใช้วิธีนี้ในการเลือกชื่อหนังสือภาษาไทย ชื่อที่ได้มาเป็นชื่อที่ผมและ บก ชอบน้อยที่สุด แต่กลับได้รับ Conversion มากที่สุดครับ
แต่เดี๋ยวก่อน ที่พูดมาทั้งหมดไม่ได้บอกว่าต่อไปนี้ไม่ต้องคิดอะไรมาก คิดได้ปุ๊บเทสปั๊บแล้วเอา Data มาใช้ตัดสินใจอย่างเดียวนะครับ
เพราะทุกอย่างล้วนมีข้อดีข้อเสีย ซึ่งข้อเสียหรือจุดอ่อนของการทำ Experiment ก็มีให้ควรระวัง
จุดอ่อนของการทำ Experiment หรือ A/B Testing
เพราะการทำ Experiment คือการค่อยๆ พัฒนาปรับปรุงประสิทธิภาพทีละนิดแบบช้าๆ ค่อยเป็นค่อยไป ไม่ใช่การพัฒนาแบบก้าวกระโดดเชิงกลยุทธ์หรืออย่างการสร้างแบรนด์ที่เคยเป็นมา
แน่นอนว่าแม้ความเสี่ยงจะต่ำกว่ามาก แต่อัตราความก้าวหน้าก็ช้าเช่นกัน แต่กับการสร้างแบรนด์ หรือการทำตามกลยุทธ์หลักแม้จะเสี่ยงสูง แต่ถ้าประสบความสำเร็จเลยก็คือปังในทันที
สำคัญคือต้องเลือกให้เหมาะว่าจังหวะไหนควรใช้การสร้างแบรนด์ การเปลี่ยนกลยุทธ์ธุรกิจและการสื่อสาร หรือจังหวะไหนควรค่อยทำ Experiment เพื่อเก็บ Data เอามา Driven ครับ
อย่างการกำหนด Brand Direction คือการปักธงเลยว่าเราจะเป็นอะไรให้คนจำ อาจจะฉีกจากแบบเดิมไปคนละขั้ว คนละด้าน ส่วนการทำ Experiment คือการค่อยๆ ปรับทีละเล็กทีละน้อย ทีละนิด ทีละหน่อย เปรียบเทียมเหมือนการฝากเงินแบบประจำที่ปลอดภัยไร้กังวล แต่ก็ดอกเบี้ยผลตอบแทนต่ำมาก
ส่วนการกำหนดกลยุทธ์ทิศทางแบรนด์ก็เหมือนกับการเล่นหุ้นความเสี่ยงสูง ที่ถ้าไม่รวยก็อาจจนไปเลย คำนวนความเสี่ยงกันเองให้ดีว่าตอนนี้ธุรกิจคุณเหมาะกับแบบไหน
ถ้าอ่านถึงตรงนี้แล้วสนใจ อยากเริ่มต้นปรับองค์กรให้เป็น Data Driven Mindset หรือ Experiment Culture ในตอนหน้าจะพาไปดู 6 แนวทางการเริ่มต้นปรับองค์กรให้ฉลาดใช้ดาต้าในการตัดสินใจ กดติดตามการตลาดวันละตอนไว้นะครับ
Source: https://hbr.org/2014/02/ab-testing-and-the-benefits-of-an-experimentation-culture
