Case Study Personalization กลยุทธ์การตลาดแบบรู้ใจดึงลูกค้าเก่า หรือลูกค้าที่หายไป ให้กลับมาด้วย Customer Data และ Personalized Marketing

Case Study Personalization Part 3 ดึงลูกค้าเก่ากลับมาด้วย Customer Data

ใน Part สุดท้ายของ 15 Case Study Personalization 15 จะเป็นการเจาะลึกถึงกลยุทธ์การตลาดแบบรู้ใจเพื่อดึงลูกค้าเก่าหรือลูกค้าที่หายไปให้กลับมา มาดูกันนะครับว่าเราจะใช้ Customer Data มาทำ Personalized Marketing แก้เรื่องนี้อย่างไร

ปฏิเสธไม่ได้ว่าทุกธุรกิจล้วนมีกลุ่มลูกค้าที่กำลังจะเสียไป ถ้าเราไม่รีบทำอะไรสักอย่าง แน่นอนว่าเค้าจะเลิกเป็นลูกค้าเราแน่นอน หรือแย่ไปกว่านั้นคือเค้าจะกลายไปเป็นลูกค้าคู่แข่งแทน

แต่ถ้าจะให้เราไปทำการตลาดแบบ Re-engage Strategy กับลูกค้าทุกคนก็คงจะไม่ใช่ เพราะลูกค้าทั่วไปหรือลูกค้าชั้นดีคงรู้สึกรำคาญ Customer Experience ที่อุตส่าห์สร้างมาอย่างดีนั้นแย่ลงได้

ดังนั้นการทำ Personalization การตลาดแบบรู้ใจเจาะเฉพาะกลุ่มลูกค้าที่กำลังจะหายไป จะทำให้ Customer Experience ทั้งหมดดีขึ้น

ดังนั้นเรามีดูอีก 6 Case Study Personalization กลยุทธ์การตลาดเพื่อดึงลูกค้าเก่ากลับมาให้ศึกษาเป็นแนวทางก่อนเอาไปประยุกต์ใช้ในแบบของตัวเองครับ

Case Study Personalization ที่ 10 ชวนลูกค้าที่ขาดการติดต่อไปกลับมาด้วยการให้เลือกว่าอยากให้ติดต่อหาแบบไหน

Case Study Personalization กลยุทธ์การตลาดแบบรู้ใจดึงลูกค้าเก่า หรือลูกค้าที่หายไป ให้กลับมาด้วย Customer Data และ Personalized Marketing

ทุกวันนี้เราได้รับอีเมลจากแบรนด์กี่อัน ? ได้รับข้อความ LINE จากกี่แบรนด์ ? ได้รับ SMS โฆษณาอีกเท่าไหร่ ? เอาแค่สามช่องทางนี้ก็น่าจะเกินสิบแล้วใช่ไหมครับ

ผมเป็นคนหนึ่งที่ได้รับอีเมลการตลาดเยอะมากในแต่ละวัน และสารภาพตรงๆ ว่ามีแค่ไม่กี่อันจริงๆ ที่ผมเลือกเปิดอ่านไปจนถึงตอบกลับ มีมากมายที่ผมเลือกบล็อคไปหรืออาจถึงขั้นกด Report Spam เพราะหาทางยกเลิกให้ส่งอีเมลมาไม่ได้ อย่าหาว่าผมใจร้ายเลยนะครับ แต่เพราะมันหายกเลิกรับอีเมลได้ยากจริงๆ

ดังนั้นประเด็นแรกของ Re-engage Strategy บทนี้คือเราต้องเลือก Customer Segment ที่ขาดการติดต่อหรือตอบกลับแบรนด์เรามาสักระยะหนึ่ง

ประเด็นคือคุณต้องกำหนดให้ชัดเจนว่า “สักระยะหนึ่ง” คือนานแค่ไหน บางแบรนด์อาจรอได้ถึงปี บางธุรกิจอาจกำหนดไว้แค่หลักเดือน หรือบางทีอาจเป็นแค่หลักสัปดาห์

จากนั้นเมื่อคุณใช้เครื่องมืออย่าง CDP Customer Data Platform และทำการ Integration Data เรียบร้อยแล้ว ก็จะรู้ได้ไม่ยากว่าตกลงลูกค้าคนนี้เขาขาดการติดต่อช่องทางไหนกับเราบ้าง บวกกับรู้ว่าติดต่อกับเราครั้งสุดท้ายเมื่อไหร่

สิ่งที่เราต้องทำต่อจากนี้คือติดต่อกลับไปและให้ลูกค้าเป็นคนเลือกว่า จากนี้ไปอยากให้เราติดต่อผ่านช่องทางไหนบ้าง ด้วยเนื้อหาแบบไหน และความถี่เท่าไหร่ดังนี้ครับ

Channel Preference ช่อทางการติดต่อที่สะดวก

  • SMS
  • Email
  • Call
  • LINE
  • Facebook Messenger
  • DM Instagram

Content Type เนื้อหาแบบไหนที่อยากให้ส่งกลับมา

  • Newsletters
  • Events
  • Product announcements
  • Sales & Promotion
  • Etc.

Frequency ความถี่ในการส่งมา

  • ทันทีที่มีอัปเดท
  • วันละครั้ง
  • สัปดาห์ละครั้ง
  • เดือนละครั้ง
  • ไตรมาสละครั้ง
  • ปีละครั้ง

พอเห็นแนวทางการ Personalized Re-engage Customer Strategy การรักษาลูกค้าเก่าบ้างแล้วใช่ไหมครับ

เปิดโอกาสให้ลูกค้าเลือกด้วยตัวเองว่าอยากให้เราติดต่อผ่านอะไร ด้วยเรื่องอะไร และเมื่อไหร่ แล้วโอกาสที่ลูกค้าจะลดการติดต่อเราจะลดลงไป แต่ที่สำคัญคืออย่างส่งแบบนี้ให้กับทุกคน เพราะไม่อย่างนั้น Customer Experience ทั้งหมดจะตกไปตามๆ กัน

Case Study Personalization ที่ 11  เจาะกลุ่ม Segment Abandon cart ให้กลับมาซื้อ

Case Study Personalization กลยุทธ์การตลาดแบบรู้ใจดึงลูกค้าเก่า หรือลูกค้าที่หายไป ให้กลับมาด้วย Customer Data และ Personalized Marketing

จำนวนลูกค้าที่กดสินค้าใส่ตะกร้าทิ้งไว้แล้วไม่ยอมกลับมาจ่ายเงินซื้อให้เสร็จของธุรกิจคุณมีเท่าไหร่ ? จาก Research บอกให้รู้ว่ากลุ่ม Segment Abandon cart ทั่วโลกนั้นมีสูงกว่า 77% เรียกว่ามากกว่า 3 ใน 4 เลยทีเดียว

มีการประเมินว่าคิดเป็นเม็ดเงินสูงถึง 6 ล้านล้านดอลลาร์สหรัฐ ตีเป็นเงินไทยคร่าวๆ ก็ 20 ล้านล้านบาทได้ นั่นหมายความว่าถ้าเป็นแบรนด์เราที่ทำยอดขายออนไลน์ได้เดือนละล้าน เท่ากับว่ายังมีอีก 3 ล้านที่เลือกสินค้าค้างใส่ตะกร้าไว้แล้วยังไม่ยอมจ่าย ดังนั้นถ้าเราสามารถทำการตลาดเจาะกลุ่ม Segment นี้ให้มาชำระเงินเสร็จเรียบร้อยได้ ก็น่าจะทำให้ยอดขายรวมปลายปีเพิ่มแบบพุ่งทะยานได้ง่ายๆ โดยไม่ต้องไปดิ้นรนหาลูกค้าใหม่

แต่ประเด็นคือเราแยกออกไหมว่าใครคือคนที่กดของใส่ตะกร้าทิ้งไว้ และทิ้งไว้แล้วนานเท่าไหร่ ถ้าไม่ก็ไม่ต่างอะไรจากการตลาดแบบหว่าน Mass Marketing เหมือนเดิม แต่ถ้าเราใส่ใจใน Customer Data สักหน่อยก็สามารถแยก Segment Abandon Cart ออกมาได้ไม่ยากครับ

ฉะนั้นการทำ Personalized Marketing กับกลุ่ม Segment Abandon Cart นี้ต้องใช้ Customer Data 2 ส่วนหลัก

  1. Add to Cart
  2. Time

เมื่อเราแยกออกแล้วว่าใครบ้างที่กดสินค้าใส่ตะกร้าไว้แล้วลืมนานเกินวันที่ควรจะซื้อ เราก็สามารถทำ Personalized Marketing ออกไปหาคนกลุ่มนี้แบบแม่นยำได้ไม่ยาก

ส่วนจะทำการตลาดผ่านช่องทางไหนก็ย้อนกลับไปดูข้อ Channel Preferenec อีกทีหนึ่ง ลูกค้าคนนี้มักตอบกลับเราผ่านช่องทางใด อีเมล LINE หรือ Messenger หรือถ้ามี App ก็ส่ง Notification ไปมักจะได้ Conversion ดีกว่า

Case Study Personalization กลยุทธ์การตลาดแบบรู้ใจดึงลูกค้าเก่า หรือลูกค้าที่หายไป ให้กลับมาด้วย Customer Data และ Personalized Marketing

กลยุทธ์การตลาดแบบรู้ใจเจาะกลุ่ม Segment Abandon Cart

  1. เลือกคนที่กดสินค้าใส่ตะกร้าทิ้งไว้แต่ยังไม่จ่ายเงิน
  2. เลือกระยะเวลาที่ลูกค้าใส่สินค้าค้างไว้นานเกินปกติ n+7 (อันนี้ต้องไปทำ Data Analytics หาค่าเฉลี่ยที่เป็น n ออกมา)
  3. คิดแคมเปญการตลาดล่วงหน้าไว้ ว่าจะสื่อสารแบบไหน ให้โปรโมชั่นอะไร ใช้ภาพแบบใด
  4. เพิ่มอีก 1 Segment เป็น n+14 ให้มีช่วงเวลานานขึ้นกว่ากลุ่มแรก และแคมเปญการตลาดที่จะกระตุ้นก็ต้องใช้ยาแรงขึ้นตามกัน อาจเป็นส่วนลดแบบมีเวลาจำกัด
  5. วัดผลลัพธ์ที่ได้ แล้วเอาไอเดียที่ได้ Conversion ดีที่สุดไป ​Apply ใช้กับทั้งหมดใน Segment นี้

ในบทความตอนหน้าเราจะมาดูอีก 4 Case Study Personalization ที่เหลือ ว่าจะทำการตลาดแบบรู้ใจอย่างไรเพื่อดึงคนที่กำลังจะหมดใจให้กลับมา หรือแม้แต่ควรจะปล่อยมือไปแบบไหน ที่ไม่เป็นการทิ้งทุกอย่างที่ทำมาให้สูญเปล่าครับ : อ่านต่อ

อ่านบทความ 15 Case Study Personalization ตอนที่ 1 :

https://everydaymarketing.co/business-and-marketing-case-study/e-commerce-business/15-case-study-personalization-with-customer-data-platform-from-individual-to-segment-and-personalized-marketing/

เจ้าของเพจการตลาดวันละตอน / อาจารย์พิเศษวิชา Data-Driven Communication / เขียนหนังสือมาแล้ว 5 เล่ม Personalized Marketing, Data-Driven Marketing, Data Thinking, Contextual Marketing และ Social Listening / ที่ปรึกษา Data-Driven Advisor

Leave a Reply

Your email address will not be published. Required fields are marked *