Consumer Insight จาก Social listening tool คนไทยคิดยังไงกับเรื่องผมร่วง หัวล้าน

• Facebook
• X
• Line

วันนี้เราจะมาแชร์เรื่องการใช้ Social listening tool เพื่อทำ Consumer Research เพื่อหา Insight ว่าคนไทยคิดอย่างไรกับประเด็นเรื่อง ผมร่วง ผมบาง และหัวล้าน กันครับ

บทความนี้นุ่นจะใช้ Social Listening Tools ที่ชื่อว่า Mandala มาช่วยกวาดข้อมูล และวิเคราะห์ Social Data เกี่ยวกับเรื่องหัวล้าน ผมร่วง ว่าคนไทยคิดยังไง แสดงความเห็นผ่านโซเชี่ยลโดยมี Keyword หัวล้าน ผมร่วง ไปในทิศทางไหน และมี Insight อะไรที่น่าสนใจบ้าง ซึ่งจะเป็นเผยให้เห็นการทำวิเคราะห์ข้อมูลบางส่วนนะคะ  พอให้นักการตลาดได้เห็นภาพว่า Mandala Analytics ทำอะไรได้ และจะไปปรับใช้กับแบรนด์ตัวเองได้แง่ไหนบ้างค่ะ 

เพื่อไม่ให้เป็นการเกริ่นมากเกินไป เราจะมาเริ่มขั้นตอนการขุดข้อมูลกันเลย โดยบทความนี้ จะเป็นการกวาดข้อมูลในช่วงเวลา 3 เดือนที่ผ่านมาค่ะ ซึ่งก็คือ 25/12/2020 – 24/03/2021 แต่ที่จริงแล้ว เราสามารถยืด Timeline ไปได้นานกว่านี้ จะ 6 เดือน หรือ 1 ปีก็ได้แล้วแต่จุดประสงค์ของการนำข้อมูลไปใช้งานค่ะ

Keyword ที่เราเลือกใส่กันในวันนี้หลัก ๆ แล้วจะเป็น หัวล้าน ผมร่วงค่ะ แต่ถ้ามีคำที่เกี่ยวข้ออื่น ๆ ทุกคนก็สามารถใส่ไปได้ด้วยเช่นกัน อย่างที่ทราบกันดีว่าควรเป็นคำที่ไม่กว้างหรือแคบเกินไป และต้องเกี่ยวข้อกับข้อมูลที่เราต้องการใช้นะคะ 

กวาดแล้วทุกแพลตฟอร์มไม่ว่าจะเป็น Facebook Twitter Instagram Youtube ออกมาได้เป็น 67,152 ข้อความ แบ่งตามแพลตฟอร์มนั้น ๆ ค่ะ และนุ่นแอบได้ยินมาว่าจะมี Pantip เพิ่มมาอีกช่องทางหรือเปล่าต้องรอลุ้นกัน

สร้าง Category and Tag ได้ง่าย ช่วยจัดสรรกลุ่ม Data ได้ดี

การทำงานกับ Data นั้นมีความสนุกให้ได้เล่นอยู่มาก หลังจากที่เราได้ Social Data มามากหลักหมื่น หรือแสน จริง ๆ นุ่นจะใช้วิธีพยายามอ่าน Data ทั้งหมดนั้นเป็นขั้นตอนพื้นฐาน เพราะเราอยากจะทำความรู้จักกับข้อมูลก่อนในกรณีที่เราไม่ได้ทำงานในแบรนด์นั้น ความอินจะเป็น 0 

สร้างแท็กนั้นง่ายมากเพียงแค่กด Create a category แล้วค่อยมา Create a tag ภายใต้ Cate นั้นค่ะ  และสามารถเลือกสีให้แท็กนั้น ๆ มีความโดดเด่น ง่ายต่อการนำไปใช้งานต่อ

แต่ถ้านักการตลาดหรือใครที่มีความคุ้นเคยกับแบรนด์ สินค้า และพอนึกภาพประเภทข้อมูลออกแล้วว่า สมาร์ทโฟน จะมีประเภทคนด่าในแง่มุมกล้องเอย ดีไซน์เอย พอมาเป็นหัวข้อหัวล้าน ผมร่วง นุ่นลองแยกข้อมูลออกมาเป็น 3 Categories และมี Tag ช่วยแบ่งประเภท หรือกลุ่มข้อมูลอีก 1 ชั้น ทั้งยังเป็น Tag ที่แท็กสมชื่อจริง ๆ ช่วยอ่าน Data ได้รวดเร็วมากทีเดียวค่ะ

หลังจากที่สร้าง Category and tag แล้ว จะใช้ Mentions Console ในการติดแท็กนั้นไปยัง Data ที่เรามีค่ะ ถ้าพร้อมแล้วสูดหายใจเข้าลึก ๆ มาค่อย ๆ ทำไปทีละขั้นตอน แล้วจะพบว่าทุกอย่างมันยากแค่ตอนทำครั้งแรกเท่านั้นแหละค่ะ

กดเข้ามาที่ปุ่ม Mentions Console แล้วเราจะเห็นข้อความทั้งหมดเป็นหน้าตาแบบนี้ค่ะ เป็นการตั้งค่าว่า ถ้าโพสต์มีคำนี้ ให้อยู่ใน Tag ไหน โดยตัวอย่าง นุ่นใส่คำว่า “หลังคลอด” แล้วกด Search เราก็จะเจอโพสต์ที่มีคำว่า หลังคลอด ที่ดึงมาจากคีย์เวิร์ด หัวล้าน ผมร่วง นั้นเองค่ะ 

โดยฟังก์ชั่นนี้จะสามารถใส่ได้ทีละ 5 คำ หรือเลือกเป็น OR AND EXCLUDE เพื่อให้โพสต์ที่มีคำนี้ หรือตัดคำนี้ออกโชว์ขึ้นมาก็ได้ค่ะ

ถ้าจะติดแท็กให้ครบทุกอันที่เราตั้งไว้ ต้องเสิร์ชคำที่คิดว่าจะคนโพสต์ และเริ่มติดแท็กกันเลย นุ่นมีตัวอย่างให้ดูเล็กน้อยค่ะ โดยตัวหนังสือสีดำ คือคำที่นุ่นจะใช้ค้นหาและติดแท็กในหน้านี้นั้นเอง

หลังจากนั้นติ๊กเครื่องหมายที่คำว่า ALL ในทุกแพลตฟอร์ม

แล้วกดที่ Save As Tag เพื่อให้ทั้งหน้าถูกติดแท็กที่เรากำลังจะเลือกทั้งหมด หรือในกรณีที่เรามีการติ๊กบางโพสต์ออก เพราะมันไม่เกี่ยวข้องกับข้อมูลที่เราจะแท็ก ก็กดเลือก Save Selected As Tag เพื่อติดแท็กเฉพาะโพสต์ที่เราติ๊กเลือกค่ะ 

หน้าตาก็จะออกมาสวยงาม กดเลือกติดแท็กง่าย โชว์ตามสีที่เราเคยตั้งค่าไว้ตั้งแต่แรกเลยค่ะ หรือถ้าเกิดเจอ Insight ใหม่ก็สามารถสร้าง Category เพิ่มได้ตอนนั้นเลย

ซึ่งการติดแท็กนั้นทำได้รวดเร็วมากๆ ถ้าข้อมูลไม่เยอะ จะเสร็จภายในไม่ถึงนาทีเลยค่ะ และจะโชว์ในลักษณะที่อ่านง่ายแบบนี้เลย เป็นการทำแท็กไว้ว่าโพสต์นี้เป็น Data กลุ่มไหน อย่างเช่นในโพสต์ มีแบรนด์ที่โฆษณาแชมพูหรือวิตามินของคุณแม่หลังคลอด Mandala ก็จะติดแท็กให้ 2 แท็กเลย

หลังจากที่ครบแล้ว สิ่งที่หลายคนคิดคือ จะขอดู Data Visualization ว่าผลออกมาแบบไหน ต้องบอกก่อนว่าถ้าต้องการทำเอง ทุกคนสามารถกด Export ข้อมูลออกมาเป็น CSV เพื่อสร้างกราฟตามที่อยากจะเห็นมุมมองของข้อมูลได้เลย ขอแทรกคลาสเรียนที่สามารถเสริมทักษะนี้เล็กน้อย กดตรงนี้ได้เลยค่ะ มีประโยชน์มากแนะนำให้ทุกคนมีติดตัวเอาไว้

แต่ถ้าไม่มีเวลามากนัก ก็สามารถเลือกดูข้อมูลตามแท็กได้ผ่าน Mandala เลยเช่นเดียวกันค่ะ

ในการอ่านข้อมูลที่เพิ่มเลเวลความลึกมากขึ้น ทุกคนสามารถกดที่ Filter Tag และเลือกเฉพาะแท็กที่ต้องการอ่านข้อมูล จะมากกว่า 1 แท็กก็ได้ค่ะ

แน่นอนว่า Social Listening สามารถดูมุมมองของ Performance แต่ละแพลตฟอร์มแล้วในเรื่องหัวล้าน ผมร่วงนี้ 3 เดือนที่ผ่านมา ใน Filter Tag สาเหตุที่ผมร่วงมีทั้งผู้หญิงและผู้ชายออกมาโพสต์ในสัดส่วนที่น่าสนใจดีเดียว นุ่นเลยอยากรู้เพิ่มว่า แล้วเวลาที่ผู้หญิงกับผู้ชายโพสต์หรือบ่น จะเป็นช่วงเวลาเดียวกันไหม

ผู้ชายมี Engagement เด่นในเวลา 10 โมงเช้า และมีการใช้งานประปลายตลอดทั้งวัน แต่ถ้านักการตลาดคนไหนมี Content ที่ Lead gender เพศชายอาจจะต้องหลีกเลี่ยงช่วงเวลาที่เช้า ๆ มากไปเลยนะคะ ^^

สำหรับเพศหญิง เวลาที่เหมาะที่สุดคือ 13:00น. ในทุกวันแม้กระทั่งเวลางาน… และลดลงในช่วง 18:00น. เป็นต้นมา อาจจะเพราะว่าเป็นช่วงเวลากลับบ้านไปทานดินเนอร์ หรือดูซีรี่ย์เกาหลีก่อนนอนก็เป็นได้ค่ะ จริง ๆ เราสามารถคลิกดูที่เวลานั้นได้ด้วยว่าโพสต์ที่ทำให้มีเอนเกจมาจากเพจไหนเพื่อวิเคราะห์แพลนการวางตาราง Content ค่ะ 

บทความวันนี้นุ่นก็ได้เล่าการทำ Customer Research จาก Social Data ผ่านการใช้ Category and tag เป็นหลัก เพราะเป็นฟีเจอร์ที่ถูกพัฒนามาช่วยวิเคราะห์ข้อมูลได้ดีมาก ทั้งนี้ในการทำวิจัย แต่ละแบรนด์อาจจะมีจุดประสงค์ และมุมมองต่างไปตามสินค้า รวมทั้ง Mandala ยังเป็น Social Listening ที่สามารถกวาดข้อมูลมาอ่านได้เด่นหลายฟีเจอร์ อย่างการดูเพศ หรือดูสัดส่วน Keyword ค่ะ ทำให้ได้รู้ว่ามีผู้คนมีการบ่นว่า ปวดหลัง ตีคู่มากับ ผมร่วงด้วย ไม่นับถึงสาเหตุ วิธีการรักษาอื่นๆ ที่ไม่เคยนึกถึงมาก่อนอย่างเอฟเฟคอาการหลังคลอด 

ถ้าใครอยากเรียนรู้การใช้ Social Listening ด้วยตัวเอง หรืออยากให้ทีมของตัวเองใช้เป็น สามารถสมัครเรียนสดทางออนไลน์กับการตลาดวันละตอนด้วยตัวเองได้

คลาสเรียนออนไลน์ Social Listening Analytics

คลาสเรียนออนไลน์ Social Listening เน้น Workshop ลงมือทำจริงด้วยตัวเอง รุ่นล่าสุด ศุกร์สุดท้ายของเดือน เปิดแล้ว
เรียนสดทางออนไลน์ ผ่าน Zoom เต็มวัน 9:00 – 15:00
ค่าเรียนคนละ 9,900 บาท รับจำกัดรุ่นละ 20 คน (ถ้าเต็มรุ่นนี้ต้องขอให้รอรุ่นหน้า)
อ่านรายละเอียดและสมัครก่อนเต็มได้ที่ลิงก์นี้

https://bit.ly/sociallisteningclass

ขอแค่คุณใช้ Social Listening เป็นด้วยตัวเองก็จะพบว่ามี Data มากมายรอให้ใช้งาน และยังมี Consumer Insights ล่องลอยอยู่อีกมาก เหลือแค่ว่าใครจะหยิบมาใช้โอกาสได้ก่อนกัน

อ่านบทความเกี่ยวกับการใช้ Mandala เพิ่มเติม

• Facebook
• X
• Line