Data Driven Marketing Trends 2025 มารู้จัก Synthetic Data กับการทำ Marketing Research รูปแบบใหม่ไม่คุยกับคนแต่คุยกับ Digital Twin ผ่าน Generative AI ครับ
เมื่อวันนี้คนทั่วโลกได้รู้จัก Generative AI ไม่ว่าจะ ChatGPT หรือตัวไหนก็ตาม เจ้าสิ่งนี้เข้ามาเปลี่ยนหรือปฏิวัติ หรือถ้าจะให้เรียกเท่ห์ๆ ก็คือ Disruption โลกอีกครั้งนับจาก Digital Disruption ในยุค Covid19 โดยเฉพาะในโลกของนักการตลาดอย่างเราที่จะก้าวเข้าสู่ยุคการทำ Market Research แบบใหม่
นั่นก็คือเราสามารถทำความเข้าใจกลุ่มเป้าหมายหา Insight พวกเขาได้ด้วยการคุยกับร่างจำแลงผ่านการสั่ง AI ให้จำลองเป็นคนที่เราอยากคุยด้วยในรูปแบบ Digital Twin และทั้งหมดนี้คือที่มาของคำว่า Synthetic Data หรือถ้าแปลเป็นไทยง่ายๆ ก็คือว่าเรากำลังใช้ดาต้าที่เอไอสร้างขึ้นมาจากดาต้าที่เราสร้างขึ้นมาให้เอไอเรียนรู้อีกที
ข้อมูลที่ถูกสังเคราะห์หรือสร้างขึ้นมาด้วย Generative AI นั้นส่งผลให้การทำ Market Research หรือการหา Consumer Insight ของเราง่ายและไวขึ้นกว่าเดิมหลายพันเท่า ไปจนถึงทำให้เราสามารถทำ A/B Testing หรือ Experiment ได้โดยไม่ต้องใช้เงินสักบาท และก็รู้ผลได้ในเวลาไม่กี่วินาที
แต่ระหว่างที่เรากำลังเพลิดเพลินกับเจ้าเทคโนโลยีใหม่ Generative AI ทั้งหลายเหล่านี้ ลองมาดูถึงข้อจำกัดไปจนถึงข้อควรระวังในยุค AI Driven Marketing กันนะครับว่าเราจะรู้เท่าทัน AI เพื่อให้เราฉลาดกว่ามันไม่ใช่ฉลาดน้อยกว่ามันโดยไม่รู้ตัว
Synthetic Data คือข้อมูลที่ถูกสร้างขึ้นมาจาก Generative AI
เวลาเราถาม Generative AI ต่างๆ ไปเราจะได้คำตอบอะไรสักอย่างออกมา ซึ่งส่วนใหญ่เราก็มักจะรู้สึกว่าแม่นจัง ถูกต้อง ใช้ได้เลยทีเดียว ซึ่งคำตอบที่เราได้เหล่านี้ก็จะถูกนำไปใช้งานต่อโดยเฉพาะกับงานการตลาด และข้อมูลเหล่านั้นก็จะถูกนำไปเผยแพร่ต่อไม่ว่าจะในรูปแบบไหน ก็ล้วนแต่เป็นการสร้าง Data ขึ้นมาใหม่จาก Generative AI นั่นเอง
และก็มีอีกหลายข้อมูลมากมายที่ AI ให้มาได้ภายในไม่กี่วินาที และข้อมูลที่ดูฉลาดๆ ดูใช้งานได้จริง ดูน่าเชื่อถือเหล่านี้ก็ไม่ได้ผุดขึ้นมาเองจากที่ไหน แต่มาจากการที่เจ้า AI ไปสวาปามอภิมหา Big Data ทั้งหลายไม่ว่าจะจากข้อมูลบนอินเทอร์เน็ตที่เปิดสาธารณะให้ใครๆ ก็เข้าไปอ่านได้ หรืออาจมาจากคลังหนังสือจำนวนมากมายในรูปแบบ PDF ที่มีคนเผยแพร่ข้อมูลทิ้งเอาไว้ให้อ่านกัน
หรืออาจมาจากข้อมูลจากการโพสตามโซเชียลมีเดียต่างๆ ที่มีคำที่เกี่ยวข้องกับเรื่องที่เราอยากรู้อยู่ ทั้งหมดนี้ก็ถูกรวบรวมมาป้อนให้กับเจ้า AI ได้เรียนรู้เพื่อ Generate Information ใหม่ๆ ออกมาหรือที่เราจะเรียกกันในบทความวันนี้ว่า Synthetic Data นั่นก็คือข้อมูลที่ถูกสร้างหรือสังเคราะห์ขึ้นมาจาก AI ครับ
แต่น้อยคนจะรู้ว่าการสร้าง Data ขึ้นมาใหม่ของ AI นั้นกลับไม่ใช่เรื่องใหม่แบบที่เพิ่งเกิดขึ้นในยุค ChatGPT แต่อย่างไร
เพราะเรื่อง Synthetic Data สามารถย้อนกลับไปได้ถึงยุคปี 1930 ในยุคนั้นมีการสร้างเสียงสังเคราะห์ขึ้นมาใหม่ (คล้ายๆ กับเวลาเราพิมพ์ข้อความแล้วให้มือถืออ่านให้ฟัง) แต่ด้วยข้อจำกัดของเทคโนโลยีวันนั้นยังทำให้กลายเป็นแค่ Conceptual แต่ไม่กี่ปีที่ผ่านมาเมื่อเทคโนโลยี AI ก้าวกระโดดและความสามารถในการประมวลผลข้อมูลของชิปคอมพิวเตอร์ทั้งหลายก้าวหน้าอย่างมาก ทำให้การสังเคราะห์ดาต้าขึ้นมาใหม่เกิดขึ้นอย่างมากและได้รับความนิยมมากมาย
และมีการคาดการณ์จาก BBC ว่าตลาดหรือธุรกิจ Synthetic Data จาก AI เหล่านี้จะมีมูลค่ามากถึง 2,100 ล้านดอลลาร์สหรัฐภายในปี 2028 นั่นหมายความว่าเราจะอยู่ในยุคแห่ง Generative AI ที่เอา Data เก่ามาสร้าง Data ใหม่ๆ ให้กลายเป็นเงินมากมายหรือจะเรียกว่าเป็น Data Business จริงๆ ก็ได้ครับ
ตัวอย่างนึ่งก็คือการที่เราเสียเงินใช้ ChatGPT หรือ Generative AI ตัวอื่นๆ เพื่อใช้ช่วยให้การวางแผนการตลาดเราไวขึ้น เร็วขึ้น ง่ายขึ้น ตั้งแต่การทำ Research หา Consumer Insight ด้วยการให้ ChatGPT จำลองตัวเองว่าเป็นกลุ่มเป้าหมายที่เราอยากทำการตลาดด้วย
จากนั้นก็ให้มันคิดไอเดียการตลาดเริ่มต้น แล้วก็เอาไปปรับปรุงให้คมขึ้นในแบบของเรา แล้วก็ส่งให้ AI ช่วยประเมินต่อว่า Content ไหนดี หรือ Copywriting แบบไหนน่าจะถูกใจกลุ่มเป้าหมาย แล้วก็ค่อยเอาไปลงมือทำจริงเพื่อเก็บ Data กลับมาให้ AI ช่วยวิเคราะห์ว่าครั้งหน้าควรปรับปรุงแก้ไขอย่างไร
วันนี้เราต่างใช้ Data ที่ AI สร้างขึ้นมามากมายโดยไม่รู้ตัวว่า Data เหล่านั้นกำลังกลับไปสอน AI ที่เราใช้งานอีกทีหรือไม่ ดังนั้นถ้าเราไม่รู้ที่มาที่ไปของ Data ที่ AI เอามาใช้สร้างคำตอบให้เรา เราอาจกำลังตัดสินใจผิดพลาดที่อาจส่งผลกระทบต่ออนาคตธุรกิจไปจนถึงชีวิตคุณได้แบบไม่คาดคิดครับ
แต่ที่พูดมาขนาดนี้ไม่ได้จะให้กลัวหรือเลิกใช้ AI ในการทำงานแล้ว แต่อยากให้รู้เท่าทันก่อนใช้มัน จะได้รู้ว่าข้อจำกัดมันมีอะไร ข้อควรระวังมีอะไร เพื่อที่เราจะได้ฉลาดใช้ให้เราเป็นนักการตลาดที่ฉลาดขึ้นนั่นเอง
Digital Twin จำลองกลุ่มเป้าหมายที่อยากรู้ แล้วนั่งคุยเพื่อ Research หาข้อมูลไปกำหนด Marketing Strategy ด้วยต้นทุนที่ต่ำมาก
ปกติเวลาเราจะทำ Research เก็บ Data หาข้อมูลจากกลุ่มเป้าหมายต้องใช้วิธีการสัมภาษณ์ ทำแบบสอบถามส่งให้ตอบ หรือไปเสิร์จอ่านตามเว็บบอร์ดหรือตาม Facebook Group เพื่อทำความเข้าใจว่าพวกเขาคิดอย่างไร ทำแบบไหน ตัดสินใจจากอะไร อะไรคือสิ่งที่ชอบหรือไม่ชอบอยู่ในปัจจุบัน ถ้ามีสินค้าหรือบริการใหม่ออกมาพวกเขาต้องการแบบไหน สิ่งที่เรากำลังจะทำจะถูกใจพวกเขามากน้อยเท่าไหร่
ซึ่งกว่าจะรวบรวมข้อมูลเหล่านั้นมาได้ต้องใช้เวลาทั้งนานและมีค่าใช้จ่ายที่สูง แถมยังได้ข้อมูลในปริมาณที่จำกัดมากๆ แต่พอมี ChatGPT หรือ Generative AI ตัวอื่นๆ เกิดขึ้นมาก็เปลี่ยนวิธีการทำ Research เพื่อหา Insight ไปโดยสิ้นเชิง เพราะเราสามารถสั่งให้ ChatGPT จำลองเป็นใครสักคนที่เราอยากทำความเข้าใจพวกเขาได้ภายในไม่กี่วินาที
และเจ้า ChatGPT นี้ก็ตอบคำถามโดยอ้างอิงจาก Data จำนวนมหาศาลที่มันเรียนรู้มา ทำให้คำตอบที่มันให้มามีความน่าเชื่อถือ หรืออย่างน้อยก็ดูเหมือนน่าเชื่อถือเอามากๆ บวกกับมันสามารถตอบเราได้ทันทีที่ถามโดยไม่ต้องรอให้ว่างจริงๆ เหมือนการคุยกับคนที่อาจไม่สะดวกตอบเราตลอดเวลา
แถมที่สำคัญต้นทุนการคุยกับ Generative AI มีตั้งแต่ฟรีไปจนถึงถูกมากด้วยเดือนละไม่กี่ร้อยบาท (ส่วนใหญ่ราคาประมาณ 20-30 ดอลลาร์) ซึ่งการจำลองตัวตนของคนที่เราอยากคุยด้วยบน AI ในอีกทางหนึ่งเราเคยเรียกสิ่งนี้ว่า Digital Twin ครับ
Digital Twin เป็นเทคโนโลยีหนึ่งที่มีมานานแล้วตั้งแต่ยุค IoT เดิมถูกคิดค้นขึ้นมาเพื่อเอาไว้ใช้กับเครื่องจักรขนาดใหญ่ๆ ไม่ว่าจะรถขุดเจาะ รถตัก เครื่องจักรขนาดใหญ่ ไปจนถึงเครื่องบิน หรือแม้แต่ลิฟต์ตามอาคารที่เรากดใช้งานอยู่ทุกวัน
Digital Twin คือการสร้างแฝดของเราขึ้นมาจาก Data ที่เก็บได้จาก IoT Sensor ต่างๆ มากมายเพื่อเอามาประเมินล่วงหน้าว่าเครื่องจักรชิ้นนั้น เครื่องยนต์เครื่องนั้นยังทำงานเป็นปกติดีหรือไม่ หรือมีแนวโน้มว่ากำลังจะเกิดปัญหาเสียหาย ก็จะได้ทำการซ่อมบำรุงเปลี่ยนอะไหล่จริงโดยไม่ต้องรอให้เกิดความเสียหายหนักค่อยลงมือเหมือนเดิม
จาก Digital Twin ของเครื่องจักรขนาดใหญ่มาสู่ Digital Twin จำลอง Persona ของกลุ่มเป้าหมายทางการตลาดที่เราอยากทำความเข้าใจ ย้อนกลับไปที่ LLM ที่ทำการสร้างข้อมูลใหม่ๆ ขึ้นมาเสมือนว่ากำลังมีคนพิมพ์ตอบอยู่ที่คอมพิวเตอร์อีกเครื่องหนึ่งกับเรา โดยเจ้า AI มันก็ใช้ข้อมูลมากมายที่เรียนรู้มาเอามาจำลองตัวว่าเป็นคนคนนั้นที่เราอยากรู้ กลุ่มคนที่เรากำลังอยากหาข้อมูลทำ Research ด้วยนั่นเองครับ
ดังนั้นการ Research กลุ่มเป้าหมายด้วย Generatvie AI จึงมีต้นทุนที่ต่ำมากและก็ให้ข้อมูลที่ค่อนข้างน่าเชื่อถืออยู่ไม่น้อย เราอยากถามคำถามยากๆ หรือยาวๆ เท่าไหร่ก็ได้โดยให้ AI จำลองเป็นคนคนนั้น ไม่ว่าจะเป็นนักศึกษาที่กำลังอยู่ในช่วงเตรียมตัวสอบเข้ามหาลัยในเมืองหลวง หรือจะให้จำแลงเป็นเจ้าของธุรกิจ SME ที่มีปัญหาในการกู้ยืมสินเชื่อจากธนาคาร ซึ่งถ้าเป็นการ Research แบบเดิมบอกเลยว่าต้องใช้ทั้งเงินและเวลาที่มหาศาลเลยหละครับ
โดยเฉพาเมื่อเจ้า LLM เข้าไปเขมือบข้อมูลจากทั่วโลกให้ AI เรียนรู้จนออกมาเป็น Generative AI ที่ถามตอบได้แทบทุกเรื่อง มันก็สามารถรู้ถึงปัจจัยความสัมพันธ์ของ Data ในแง่มุมต่างๆ ที่มนุษย์อย่างเราไม่อาจหาคำตอบด้วยตัวเองได้ ทำให้เมื่อคุณถามอะไรไปมันอาจตอบในสิ่งที่สอดคล้องสัมพันธ์กันแบบกลายๆ จนนำมาสู่ Insight ใหม่ที่คาดไม่ถึง
มันอาจรู้ได้ว่ากลุ่มเป้าหมายแบบนี้ชอบแบบไหนจากการได้เรียนรู้จาก Big Data จริงๆ มันอาจเข้าใจว่ากลุ่มเป้าหมายแบบนี้ชอบอะไร หรือไม่ชอบอะไร เมื่อดูจากข้อมูลส่วนอื่นๆ ที่เราไม่อาจเข้าถึงได้ หรืออาจเข้าถึงได้แต่เราอาจขี้เกียจจะทำความเข้าใจมัน
เช่น มันอาจรู้ว่ากลุ่มวัยรุ่นที่กำลังอยู่ในช่วงติวหนังสือสอบชอบคอนเทนต์แบบไหน หรือค้นหาอะไร หรืออาจค้นพบช่วงเวลาที่สินค้าบางชนิดอาจมีความต้องการซื้อมากๆ เป็นประจำ จากการที่มันเรียนรู้ผ่าน Data จำนวนมากมายจนกลายออกมาเป็นข้อสรุปในรูปแบบคำตอบข้อความผ่าน Generative AI นั่นเองครับ
และนั่นเลยเป็นเหตุผลว่าทำไมเราถึงสามารถทำ Consumer Research ผ่าน Generative AI ได้ เพราะมันรู้มากพอที่จะให้คำตอบเราได้ว่าสิ่งที่เราถามมาน่าจะตอบอย่างไรดีจาก Data มหาศาลที่มันได้เรียนรู้มา เลยทำให้เราสามารถวางแผนการตลาดได้ไวขึ้น ทำงานจริงได้เร็วขึ้น หรือทดสอบกับ Digital Twin ตัวจำลองของกลุ่มเป้าหมายเราจริงๆ ก่อนจะตัดสินใจลงมือทำจริงเพื่อลดค่าการตลาดที่ไม่จำเป็น
ตัวอย่างของ Vodafone ที่ใช้ Synthetic Data จาก AI ที่ชื่อว่า Hazy เพื่อวิเคราะห์ข้อมูล Customer Feedback Data เพื่อหา Insight ว่าลูกค้าที่เลิกใช้บริการเราด้วยเหตุผลอะไร และจากเหตุผลเหล่านั้นเราควรจะรับมือหรือตอบคำถาม หรือนำเสนอโปรโมชั่นแบบไหนให้เพื่อลดอัตราการเลิกใช้บริการ
เอาง่ายๆ คือเอาข้อมูลลูกค้าที่กำลังหงุดหงิดไม่พอใจและอยากจะเลิกใช้บริการจริงๆ ที่ Vodafone เก็บมาให้ AI จำลองตัวเป็นลูกค้าขึ้นมาด้วยการสร้าง Digital Twin จากนั้นก็ระดมถามคำถามว่าทำอย่างไรถึงจะเป็นลูกค้าต่อ ถ้าตอบคำถามแบบนี้ได้ไหม หรือให้โปรโมชั่นแค่นี้เพียงพอไหม
แล้วเอาคำตอบที่ได้ไปลองใช้กับลูกค้าจริง แล้วเอาผลลัพธ์หรือ Data นั้นป้อนกลับมาสอน AI อีกทีเพื่อให้มันตอบคำถามได้แม่นยำยิ่งขึ้น
หรือจะพูดภาษาชาวบ้านก็คือซ้อมให้ AI ด่าเราก่อนจะให้ลูกค้าด่าเราจริงๆ
เราลองมาดูตัวอย่างแนวทาง Case Study การใช้ Synthetic Data หรือข้อมูลที่ Generative AI สร้างให้เราเอาไปใช้กับงานการตลาด กลยุทธ์ และธุรกิจอย่างไรได้บ้างครับ
Case Study การใช้ Synthetic Data จาก Generative AI ปฏิวัติการทำ Market Research ที่ง่าย ไว และไม่แพงอีกต่อไป
“95% ของคำตอบจาก Generative AI ตรงกับคำตอบที่ได้จากการ Survey คนจริงๆ” นี่คือคำพูดจากผู้บริหารของบริษัทที่ปรึกษาด้านการตลาด และคนที่เป็นกูรูการตลาดในต่างประเทศให้สัมภาษณ์ไว้ เมื่อพวกเขาได้ลองเอาชุดคำถามแบบเดียวกับที่ใช้ถามคนจริงๆ ไปลองถามกับ Generative AI พบว่าให้คำตอบที่เหมือนกันมากจนน่าตกใจแทบไม่ต่างจากการถามคนจริงๆ แล้ว
อย่างที่บอกไปตอนต้นว่า LLM ที่เขมือบ Big Data ที่มากมายมหาศาลจากหลากหลาย Source จึงสามารถจำลองจำแลงตัวเองให้เป็น Digital Twin ของใครก็ได้ ไม่ว่าจะเด็กมัธยมในประเทศอิตาลี หรือหญิงสาววันเริ่มต้นทำงานปีแรกในเมืองหลวงอย่างกรุงเทพ
Evidenza คือแพลตฟอร์มการทำ Market Research จาก Generative AI รายแรกของโลกที่เปิดตัวตอนต้นปี 2024 ทาง NielsenIQ เองก็เปิดตัว Market Research Platform จาก Synthetic Data จาก AI ของตัวเองเช่นกัน พวกเขาบอกว่า AI ตัวนี้จะถูกทำมาเพื่อกลุ่มธุรกิจ FMCG ที่มีการแข่งขันสูงเป็นหลัก และนั่นก็คือในแอเรียที่ Nielsen มีความเชี่ยวชาญอยู่แล้ว
ทั้งหมดนี้ทำให้การทำวงการ Market Research ปฏิวัติยกระดับไปอย่างรวดเร็วมาก จากที่เคยต้องใช้เวลาเป็นปีในการเก็บรวบรวมข้อมูลมาวิเคราะห์ เหลือแค่การได้ข้อสรุปที่ต้องการนำไปใช้งานภายในไม่กี่นาที
ลองคิดภาพว่าจากเดิมถ้าเราจะออกสินค้าใหม่สักตัว เราต้องจัด Focus Group เพื่อถามความเห็นแล้วนำไปปรับปรุงสินค้าก่อนออกวางขายในตลาด ตอนนี้เราเหลือแค่ส่งภาพนั้นให้ AI ดูแล้วกับบอกคุณสมบัติจุดขายของสินค้าใหม่เราให้มันตอบในฐานะ Digital Twin ของกลุ่มเป้าหมายที่เราอยากทำความเข้าใจ แล้วก็เอาคำตอบนั้นไปปรับปรุงสินค้าให้ตรงใจกลุ่มเป้าหมายจริงๆ
หรือถ้าเราจะทำโฆษณาสักชิ้นออกมาก็สามารถนำเสนอไอเดียนั้นกับ Generative AI ให้แสดงความเห็นในฐานะ Digital Twin ของกลุ่มเป้าหมายที่เราอยากรู้ได้ แล้วก็เอาฟีดแบคที่ได้ไปปรับปรุงก่อนผลิตชิ้นงานจริงครับ
และไม่ใช่กับบริษัทแบบ B2C เท่านั้นที่ใช้งาน Synthetic Data จาก Generative AI อย่างจริงจัง แต่กับบริษัทแบบ B2B ชั้นนำไม่ว่าจะ EY หรือ Salesforce ก็มีการถามความเห็นลูกค้าร่างจำแลง Digital Twin ก่อนนำเสนองานจริง หรือก่อนจะปรับฟีเจอร์ต่างๆ เพื่อปิดช่องว่างที่ป้องกันได้แต่มองข้ามไปตั้งแต่แรก
Heineken เองก็มีการใช้ Synthetic Data ผ่านแพลตฟอร์มที่มีชื่อว่า Stravito เพื่อทำ Market Research กับกลุ่มเป้าหมายที่เป็น Generative AI ว่าจะพัฒนาสินค้ากลุ่มเครื่องดื่มที่เป็นเบียร์นอนแอลกอฮอลล์อย่างไรดี
ซึ่งจากเดิมกว่าจะถามกลุ่มเป้าหมายที่ต้องการได้ต้องมาการเฟ้นหาคน ต้องหาสถานที่ ต้องมีคนถาม ต้องมีคนสรุป แต่พอเราถามกับ Generative AI ทำให้อยากถามอะไรเมื่อไหร่ก็ได้ โดยเราก็แค่เซ็ตร่างจำแลง Digital Twin ของกลุ่มเป้าหมายได้ทันที แล้วนำ Synthetic Data ที่ได้ไปวางแผนการออกแบบสินค้าไปจนถึงกลยุทธ์การตลาดต่อ
Synthetic Data จากการทำ A/B Test กับ Digital Twin ลูกค้าที่เป็น Generative AI
อย่างที่บอกไปตอนต้นครับว่าเจ้า LLM และ Generative AI มันเปลี่ยนวิธีการคิดและวิธีการทำงานของเราทุกคนไปอย่างมาก ไม่ใช่แค่เราสามารถถาม AI โดยให้มันจำลองเป็นกลุ่มเป้าหมายที่เราอยากคุยด้วยเพื่อขอ Idea & Insight เท่านั้น แต่เรายังสามารถเอา Creative Idea หรือชิ้นงาน หรือแคมเปญการตลาดที่เรากำลังจะทำโยนเข้าไปถามมันว่าถ้ามันเป็นกลุ่มเป้าหมายของเรา มันคิดอย่างไร
Traditional Market Research เดิมถ้าคุณจะออกสินค้าใหม่ คุณอาจจะต้องทำแพคเกจจิ้งจริงๆ ขึ้นมาเพื่อเป็นตัวอย่างให้กลุ่มเป้าหมายที่คุณอยากขายได้ออกความเห็น
แต่ด้วยการที่เราสามารถเสกกลุ่มเป้าหมายที่ต้องการได้ด้วยการสั่งให้ AI เช่น ChatGPT จำแลงร่าง Digital Twin เป็นพวกเขาได้ในไม่กี่วินาที จากนั้นเราก็บอกไอเดียเราให้มันฟัง หรือเราอาจส่งภาพสินค้าตัวอย่างพร้อมอธิบาย หรือส่ง Storyboard ให้มันดู
ซึ่งชิ้นงานที่เราจะส่งให้มันดูไม่ว่าจะภาพสินค้า หรือสตอรี่บอร์ดหนังโฆษณา ก็ใช้ Generative AI สร้างขึ้นมาอีกนั่นแหละ
จากนั้นเราก็ถามความเห็นมันในฐานะตัวแทนลูกค้าเราว่าคิดเห็นอย่างไร ทั้งหมดนี้ทำให้ขั้นตอนการทำ Market Research อย่างการทำ A/B Test หรือ Experiment เป็นเรื่องง่ายและมีต้นทุนที่ต่ำมาก
เพราะเดิมทีการจะทำ A/B Test ยังต้องใช้งบการตลาดประมาณนึงถ้าเราจะยิงแอดเพื่อเก็บดาต้ามาประเมินผล แต่วันนี้แทบจะไม่มีค่าใช้จ่าย หรืออย่างน้อยก็ลดลงจากเดิมมากหลายสิบหรือหลายร้อย หรืออาจจะมากในระดับเป็นพันเท่าจากเดิมครับ
Synthetic Data Driven Strategy
ข้อมูลที่ AI ให้เรามาช่วยให้ระยะเวลาในการวางแผนการตลาดสำหรับบริษัทที่มีขนาดเล็กเป็นไปได้สะดวกรวดเร็วขึ้น อย่าลืมว่าหนึ่งในขั้นตอนที่กินเวลานานที่สุดและใช้ทรัพยากรมากที่สุดของการทำ Marketing Strategy ก็คือการ Research นั่นเองครับ
แต่ต่อไปนี้เราจะประหยัดเวลาเหล่านั้นลงไปได้มากด้วยใช้ Generative AI เข้ามาช่วยให้ Synthetic Data ที่เราต้องการ และนั่นก็จะทำให้ Strategic Planner เก่งๆ หรือแม้แต่ตัว Creative เองสามารถทำงานที่ดีไม่น้อยกว่าเดิมออกมาได้ในระยะเวลาที่ไวขึ้นกว่าเดิมมาก
แต่แน่นอนว่าข้อมูลที่เราได้จาก AI จะไม่ได้เข้ามาแทนที่การทำ Market Research ทั้งหมดไป เพราะเรายังต้องการข้อมูลอื่นๆ เพิ่มเติมมาช่วยให้เราตัดสินใจได้ดีขึ้น
ที่เหลือก็ขึ้นอยู่กับการตัดสินใจของเราว่าจะเลือกใช้ข้อมูลที่ AI ให้มามากน้อยแค่ไหน เพราะธุรกิจไม่มีอะไรที่ 100% มันคือการยอมรับความเสี่ยงที่เรารับได้ ถ้าคิดว่าใช้แล้วคุ้มก็ใช้ ถ้าคิดว่าเคสไหนไม่คุ้มที่จะใช้ก็แค่กลับไปใช้วิธีการทำ Market Research แบบเดิมครับ
ข้อควรระวังของนักการตลาดในการใช้ Synthetic Data จาก Generative AI
ในดีมีร้ายในร้ายมีดี เรารับรู้แต่ข้อดีของการใช้ Generative AI ช่วยงาน Market Research, Consumer Insight และ A/B Test Experiment Idea แล้ว ลองมาดูข้อเสียหรือข้อควรระวังจากการใช้ Generative AI กันบ้างดีกว่าครับ
1. อาจละเมิดลิขสิทธิ์โดยไม่รู้ตัว
แม้ Synthetic Data จะเป็นดาต้าหรือข้อมูลที่ Generative AI สร้างขึ้นมาแต่ก็อย่าลืมว่ามันสร้างมาจากข้อมูลจำนวนมหาศาลที่มันได้เรียนรู้มา นั่นย่อมหมายถึงโอกาสที่มันอาจจะลอกบางส่วนออกมาดื้อๆ โดยไม่รู้ว่าผลลัพธ์ที่มันให้เรามาอาจไปเหมือนกับผลงานของใครสักคนมากเกินไป จนอาจเข้าข่ายการละเมิดทรัพย์สินทางปัญญาหรือละเมิดลิขสิทธิ์ผลงานใครสักคนได้
อย่าลืมว่า LLM หรือ AI ต่างก็ต้องเรียนรู้จากใครสักคน ข้อมูลสักชุด หรือเอาเข้าจริงมันก็หาข้อมูลเพื่อเรียนรู้ไปเรื่อย และนั่นหมายความว่ามันอาจเรียนรู้จากข้อมูลที่ไม่มีความถูกต้อง หรือเที่ยงธรรมมากพอ เพราะมนุษย์เองก็มีอคติแฝงอยู่ตลอดเวลา
ตัวอย่างง่ายๆ คือถ้าเราให้ AI ประเภท Image Generative สร้างภาพอะไรขึ้นมาสักอย่าง เราอาจได้ภาพที่มาจาก Data ที่มี Bias ตั้งแต่ต้น
เช่น เวลาให้ AI บางตัว Gen ภาพหมอ หรือวิศวกรตั้งแต่แรกๆ เราก็มักจะได้ภาพที่หมอหรือวิศวกรคนนั้นเป็นผู้ชายผิวขาวมากกว่าจะเป็นผู้ชายผิวดำ และก็แทบจะไม่มีผู้หญิงโผล่ปรากฏขึ้นมาให้เห็นถ้าไม่ได้สั่งไปตรงๆ ว่าขอเป็นผู้หญิงครับ
ดังนั้นก่อนจะเชื่อผลลัพธ์ใดที่ AI ให้มา ผมอยากให้เราตั้งคำถามกับคำตอบนั้นทุกครั้งนี้เจ้า AI เผลอให้ดาต้าที่มี Bias อยู่กลายๆ หรือเปล่า
เพราะถ้าเราใช้ Synthetic Data โดยไม่ตั้งคำถามอาจกลายเป็นว่าเราเองก็สนับสนุนให้ Bias นั้นเป็นจริงมากขึ้นจนยากจะทำให้เกิดความ Balance กลับมาได้ในอนาคต
เพราะเราอาจไม่รู้ว่า AI คิดอย่างไรถึงให้คำตอบออกมาแบบนั้น เราจึงต้องเป็นฝ่ายตั้งคำถามกลับว่าเพราะอะไร AI ถึงให้คำตอบแบบนี้ออกมา นี่คือทักษะ Critical Thinking ที่สำคัญมากในยุคที่ Data ล้นเกินครับ
3. ใช้ Generative AI มากไปอาจกลายเป็น Degenerative AI
เพราะ AI ต้องใช้ Data ในการเรียนรู้ การที่มันจะ Generate อะไรขึ้นมาได้สักอย่างไม่ว่าจะข้อความ ข้อมูล รูปภาพ คลิปเสียง หรือคลิปวิดีโอ มันก็ล้วนต้องใช้ข้อมูลตั้งต้นเพื่อเรียนรู้ว่าจะตอบคำถามหรือสร้างออกมาอย่างไร
ในขณะเดียวกันถ้าเราปล่อยให้ AI เรียนรู้จาก Synthetic Data หรือข้อมูลที่ตัวมันเองสร้างมาเป็นหลัก สิ่งต่างๆ ที่เคยน่าตื่นเต้นดูแปลกใหม่ก็จะเริ่มดูแบน จืดชืด ไร้มิติสีสันหรือความหลากหลายมากขึ้นทุกที
The New York Times ทำการทดลองใช้ชุดข้อมูลการเขียนด้วยลายมือกว่า 60,000 ชุด แล้วลองให้ AI สร้างข้อมูลแบบเดียวกันขึ้นมาซ้ำกลายเป็นว่าหลังจากผ่านไป 30 ครั้งคำตอบที่ AI ให้มาเริ่มดูซ้ำซากเป็นแบบเดิมไม่มีความแปลกใหม่หรือสร้างสรรค์ขึ้นแต่อย่างไร
4. Creativeless Marketing การตลาดที่จืดชืด
จากข้อก่อนหน้าเมื่อ Generative AI เรียนรู้จาก Synthetic Data ที่ตัวเองสร้างขึ้นมาจนทำให้คำตอบเริ่มแบนไร้มิติความแปลกใหม่ กับงานการตลาดที่ต้องคิดเฟ้นหาไอเดียการตลาดใหม่ๆ ก็ไม่ต่างกัน เราต้องระวังการเผลอใช้ไอเดียเดิมๆ ซ้ำๆ ที่ AI เคยคิดมาแล้วแต่อาจไม่ได้ตอบเราเป็นคนแรก แต่ได้ตอบกับพันคนก่อนหน้าที่ถามไปแล้วไอเดียนั้นก็ถูกนำไปผลิตซ้ำจนช้ำไปหมด
ลองคิดภาพว่าถ้ากลุ่มเป้าหมายหลักที่เราอยากได้ดันคล้ายกับนักการตลาดคนอื่นที่เคยถาม Generative AI ตัวนั้นมาก่อนกว่าหนึ่งร้อยคน แล้วประมาณ 70% ก็เอาไอเดียนั้นไปใช้แบบไม่ได้ต่างกันมาก ทีนี้ถ้าคุณเป็นคนที่หนึ่งร้อยหนึ่งที่เลือกคำตอบนั้นไปใช้งาน กลุ่มเป้าหมายคงจะเอียดโฆษณาหรือไอเดียการตลาดของคุณแบบสุดๆ
หน้าที่นักการตลาด ผู้บริหาร หรือคนโฆษณาคือการใช้ AI เป็นเครื่องมือในการขยายขอบเขตของไอเดียตัวเองให้กว้างขึ้น ไม่ใช่หวังพึ่ง AI เป็นเครื่องมือหลักในการคิดงานแทนตัวเอง
เพราะถ้าเอาเข้าจริงเรามักจะเป็นภาพที่ Gen จาก AI มีความคล้ายกันมากขึ้นทุกที อารมณ์ถ้าคนใช้งาน Gen แบบผ่านๆ ขอไปทีไม่ได้ใส่ใจหรือตั้งใจอะไรใรการสั่ง AI มาก คาแรคเตอร์ตัวนั้นที่เราใช้ก็จะมีความคล้ายกับอีกพันแบรนด์ที่ใช้ AI แค่พอผ่านเหมือนกับเรา
สิ่งที่ AI ให้ได้คือการให้คำตอบหรือผลลัพธ์ที่ดูเป็นมาตรฐานในระยะเวลาอันสั้น ภาพคาแรคเตอร์ผู้หญิงที่ดูสวยดีสำหรับคนส่วนใหญ่คือแบบนี้ แต่สิ่งที่ทำให้มนุษย์เราต่างจากกันคือคาแรคเตอร์ผู้หญิงที่ดูแปลกตา โดดเด่น มีเสน่ห์ หรือน่าจำจด
ในภาษา Data เราเรียกสิ่งนี้ว่า Outlier หรือการทำให้มันโดดเด่นจน Outstanding ออกจาก Average หรือค่าเฉลี่ยที่คนส่วนใหญ่ทำกันได้ครับ
สรุป Synthetic Data ข้อมูลใหม่จากข้อมูลเก่าโดย Generative AI
จากทั้งหมดที่เล่ามานี้คงพอทำให้เพื่อนๆ นักการตลาดเข้าใจว่า Synthetic Data คือข้อมูลที่ Generative AI สร้างขึ้นมาจาก Big Data ที่มันเรียนรู้มาจากใครหลายคนที่สร้างข้อมูลต่างๆ ไว้ก่อนหน้าเป็นเวลานานมาก
ข้อดีคือมันสามารถให้คำตอบที่ดูน่าเชื่อถือกับเราได้ภายในเสี้ยววินาที มันเปลี่ยนวิธีการทำ Market Research เพื่อหา Consumer Insight จากที่เคยนานและแพงให้เร็วและง่ายขึ้นแบบมหาศาล
เราสามารถใช้มันสร้างร่างจำแลงของกลุ่มเป้าหมายที่เราอยากทำความเข้าใจ ด้วยการพิมพ์บอกว่าอยากให้มันตอบคำถามเราในมุมมองของใคร เราอยากทำ Research กับกลุ่มคุณแม่ยังสาวหรอ ได้เลย หรือเราอยากหา Insight จากกลุ่มผู้ชายวัยกลางคนที่เพิ่งแยกทางกับภรรยาหรอ ได้ทันที!!
ถามเท่าไหร่ก็ไม่ถูกด่า ถูกต่อว่า ถามได้ทุกเรื่องโดยไม่ต้องเกรงใจ แล้วถ้าเราคิดไอเดียได้ระดับนึงแล้วก็สามารถให้ Digital Twin หรือร่างจำแลงของกลุ่มเป้าหมายเราที่เป็น AI ช่วยแสดงความให้ก็ได้ว่าไอเดียนี้น่าจะเวิร์คหรือเปล่า หรือถ้ามีจุดอยากให้ปรับปรุงมันควรเป็นตรงไหนบ้างหละ
เจ้า Generative AI จะช่วยให้นักการตลาดอย่างเรามีเวลาไปโฟกัสกับการคิดและวางแผนงานจริงๆ มากขึ้น ลดเวลาในการทำ Research ที่น่าเบื่อแถมยังต้องใช้เวลามากไปได้มหาศาล แต่ในขณะเดียวกันเราก็ต้องอย่าลืมตั้งคำถามกับ Synthetic Data ที่มันให้มาว่าเชื่อได้แค่ไหน หรือตรงไหนควรต้องระวังเพราะมันเผลอไปเรียนรู้จาก Data ที่มี Bias อยู่แล้วหรือไม่
และขอปิดท้ายความอันแสนยืดยาวนี้ด้วย 5 ข้อสรุปแนวทางทำงานกับ AI ในปี 2025 ดังนี้ครับ
1. Start with Basic เริ่มแบบง่ายๆ อย่าเพิ่งรีบลงลึก
สำหรับนักการตลาดที่ยังเป็นมือใหม่กับ Generative AI ขอให้เริ่มต้นด้วยการลองถามคำถามง่ายๆ เกี่ยวกับแบรนด์ของเรา หรือหมวดหมู่สินค้าหรือบริการของธุรกิจที่เราดูแล ลองดูซิว่ามันตอบมาน่าเชื่อถือไหม มีข้อมูลมั่วแทรกเข้ามามากน้อยเท่าไหร่ เพื่อจะได้ประเมินต่อไปว่าเราสามารถใช้มันกับคำถามยากๆ ที่ลงลึกได้แค่ไหนกัน
หรือถ้ามันให้ข้อมูลที่คิดไม่ถึงแต่ดูน่าเชื่อถือก็ลองเอาไปทดสอบดูก่อนว่าได้ผลลัพธ์ดีจริงอย่างที่มันคาดการณ์มั้ย อย่าเพิ่งรีบทุ่มหมดหน้าตัก ถือว่าเป็นช่วงเวลาทดลองงานระหว่างคุณกับเจ้า Generative AI ครับ
2. Good Data come from Great Data Source เอไอจะฉลาดแค่ไหนก็ขึ้นอยู่กับดาต้าที่ใช้สอนมัน
ก็เหมือนที่เขาบอกว่าเด็กเหมือนกับผลรวมของพ่อแม่ AI ก็เช่นกันมันจะให้คำตอบที่ดีได้แค่ไหนก็ขึ้นอยู่กับว่าเราป้อน Data แบบไหนให้มันเรียนรู้
ถ้าเราป้อน Data จาก Source ไหนก็ไม่รู้เข้าไปมันก็จะให้คำตอบแบบรู้จริงบ้างเนียนๆ มั่วเข้ามาผสมบ้างเพื่อตอบเราให้ได้ แต่ถ้าเรากำกับ Source of Data ที่จะให้ AI เลือกเรียนรู้ก็จะส่งผลให้เราได้คำตอบที่มีความแม่นยำน่าเชื่อถือยิ่งขึ้น
นั่นเลยเป็นเหตุผลว่านับจากนี้ไปบริษัท Market Research แบบเดิมๆ จะกลับมาเฉิดฉายอีกครั้ง เพราะพวกเขามี Qualitive Data ที่ดีๆ มากมายที่พร้อมจะนำมาป้อนให้ AI ของตัวเองเรียนรู้
ถ้าใช้คำถามเดียวกันกับ AI ทั่วไปที่เรียนรู้จากข้อมูลทั่วไปบนอินเทอร์เน็ต เมื่อเทียบกับ AI ที่เรียนรู้จากข้อมูลที่เฉพาะเจาะจงตั้งใจเก็บมาเป็นพิเศษ ไม่ต้องถาม AI ก็รู้ว่าคำตอบจาก AI ตัวไหนจะดีกว่ากัน
3. ใช้ Synthetic Data เพื่อช่วนลด Bias in Data ได้
เราใช้ AI เพื่อให้เราตัดสินใจได้ดีขึ้น ไม่ได้ใช้เพื่อให้มันตัดสินใจแทนเรา เราใช้เพื่อเปิดให้เห็นถึงมุมมองใหม่ๆ ที่เราคาดไม่ถึงหรือมองข้ามไป เราต้องใช้เพื่อให้เราฉลาดขึ้น ไม่ได้ใช้เพื่อให้เราฉลาดเท่าเดิมหรือโง่ลงโดยไม่รู้ตัวครับ
5. ใช้คำตอบจาก AI อย่างระวังทั้งจากทางกฏหมาย และจากความซ้ำซาก
เพราะกฏหมายไม่เคยตามเทคโนโลยีได้ทัน แล้วยิ่งเทคโนโลยี AI วันนี้พัฒนาไปไวมากมีการเปิดตัวสิ่งใหม่ๆ แทบจะทุกสัปดาห์ ดังนั้นเราต้องใช้ข้อมูลจาก AI อย่างรู้เท่าทัน อย่าเชื่อหรือใช้ตามนั้นเพียงเพราะ AI บอกเราแบบนั้น
สุดท้ายนี้ขอให้คุณเป็นนักการตลาดที่สนุกกับการทำงานในยุค AI ยุคที่เต็มไปด้วย Synthetic Data หรือข้อมูลที่ Generative AI สร้างมาให้เราอย่างรู้เท่าทันครับ
มาลองฟังที่ผม LIVE ไว้ในรายการ ตอบคำถามการตลาดวันละตอน เรื่อง Synthetic Data ตอนที 1 ครับ
