Data Driven Marketing คืออะไร? วิธีใช้ข้อมูลทำการตลาดคลินิก

Data Driven Marketing คือการใช้ข้อมูลจริงเพื่อเลือกว่าจะสื่อสารกับใคร เสนออะไร และวัดผลอย่างไร สำหรับคลินิกควรเริ่มจากปัญหาที่ต้องการแก้ เช่น ลูกค้าไม่กลับมาใช้บริการ แล้วเก็บข้อมูลที่จำเป็นผ่าน ระบบบริหารความสัมพันธ์ลูกค้า (CRM) ก่อนนำไปแบ่งกลุ่ม ทดลองแคมเปญ และเปรียบเทียบผล

มาทำความรู้จักการทำการตลาดยุคใหม่ Data Driven Marketing คืออะไร ? สำคัญต่อธุรกิจอย่างไร ? การทำ Data Analytics รวมถึง ความรู้เกี่ยวกับข้อมูลประเภทต่าง ๆ ที่ผู้บริหารธุรกิจและนักการตลาดไม่ควรพลาด สามารถติดตามอ่านได้ในบทความนี้

Data Driven Marketing คืออะไร? สิ่งที่เจ้าของธุรกิจไม่ควรพลาด

Data Driven Marketing คือ การตลาดที่ขับเคลื่อนด้วยข้อมูล (ของลูกค้า) นับว่าเป็นการทำการตลาดแบบใหม่ เนื่องจากข้อมูลคือสิ่งที่ทำให้เราเข้าใจ รู้จักลูกค้าได้ดี ว่าลูกค้ามีความชอบ ความสนใจ หรือมีความต้องการไปในแนวทางไหน และทำให้เราสามารถเสนอสินค้าและบริการให้ตรงความต้องการของลูกค้า เพื่อให้ลูกค้ารู้สึกเป็นเหมือนคนสำคัญ เราจึงจะสามารถรักษาลูกค้าได้อย่างต่อเนื่องในระยะยาวได้

การทำ Data Driven Marketing จึงเป็นเหมือนกระบวนการจัดเก็บและวิเคราะห์ข้อมูล เพื่อที่จะทราบถึงความต้องการของลูกค้าในทุกแง่มุม ตั้งแต่เริ่มต้น ไปจนถึงการปิดการขาย โดยข้อมูลนั้นอาจจะมาจากการปฏิสัมพันธ์กับลูกค้าโดยตรง, ระบบ CRM หรือจากช่องทางออนไลน์ต่าง ๆ หากเป็นธุรกิจบริการก็สามารถเก็บและวิเคราะห์ข้อมูลได้ โดยการใช้ โปรแกรมคลินิก

ข้อสำคัญคือ การเก็บข้อมูลจากลูกค้าในปัจจุบัน จะต้องอยู่ภายใต้พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล หรือ PDPA (Personal Data Protection Act)

Data Driven Marketing สำคัญต่อธุรกิจอย่างไร?

Data Driven Marketing ช่วยให้ทีมตรวจสมมติฐานจากข้อมูลแทนการเดา สำหรับคลินิก เช่น ตรวจว่าปัญหานัดหายมาจากช่องทางรับจองหรือขั้นตอนยืนยัน ก่อนเพิ่มงบโฆษณา ความสำคัญอยู่ที่คุณภาพและความเหมาะสมของข้อมูล ไม่ใช่จำนวนข้อมูลที่เก็บได้มากที่สุด

เนื่องจากมีข้อมูลที่ทำให้เข้าใจพฤติกรรม สิ่งที่ชอบ ไม่ชอบ และแรงจูงใจในการเลือกสินค้าของลูกค้า จึงสามารถนำข้อมูลเหล่านี้มาเป็นประโยชน์ในการนำเสนอ ปรับปรุง พัฒนาสินค้าหรือบริการของธุรกิจตนเอง และการทำ Data Driven Marketing ยังเหมือนเป็นตัวช่วยในการสร้างความสัมพันธ์กับลูกค้าได้ดีกว่าการตลาดแบบดั้งเดิมอีกด้วย

รู้จักการทำ Data Analytics

เนื่องจากข้อมูลของลูกค้ามีบทบาทสำคัญในการทำการตลาดยุคใหม่มากขึ้น ธุรกิจต่าง ๆ จึงเริ่มหันมาสนใจใช้กลยุทธ์การตลาด Data Driven Marketing ควรเริ่มจากข้อมูลเท่าที่จำเป็นต่อคำถาม จากนั้นจึงนำข้อมูลมาวิเคราะห์ (Data Analytics) เพื่อนำไปพัฒนา สินค้าหรือการบริการ

กล่าวคือ การตลาดแบบ Data Driven Marketing เป็นเหมือนกระบวนการเก็บรวบรวม ติดตามแก้ไขและการทำ Data Analytics เพื่อนำข้อมูลไปใช้ให้เกิดประโยชน์ทางธุรกิจต่อไป จึงเป็นสิ่งที่เจ้าของธุรกิจจึงควรให้ความสำคัญ โดยปัจจุบันนิยมใช้ระบบซอฟแวร์เป็นเครื่องมือช่วย เพราะสามารถจัดการข้อมูลได้ง่ายและมีประสิทธิภาพ

แต่อย่างที่กล่าวไปข้างต้นว่าการทำ Data Driven Marketing นั้นมักเกิดข้อมูลจำนวนมาก จึงได้มีการแบ่งข้อมูลออกมาเป็น 3 ประเภท ซึ่งข้อมูลแต่ละประเภทจะมีความแตกต่างกัน และมีการนำมาใช้ประโยชน์ที่แตกต่างกันอีกด้วย โดยประเภทข้อมูลแบ่งออกได้ ดังนี้

First Party Data

First Party Data คือ ข้อมูลที่องค์กรเป็นผู้เก็บรวบรวมจากลูกค้าด้วยตัวเองโดยตรง เช่น ชื่อ, ที่อยู่, เบอร์โทร, อีเมลล์, อาชีพ, ข้อเสนอแนะ ฯลฯ รวมถึงความต้องการและพฤติกรรมของลูกค้า ที่รวบรวมผ่านระบบซอฟแวร์ หรือช่องทางอื่น ๆ เช่น การเข้าเว็บไซต์ การคลิกบนเว็บไซต์ ฯลฯ

ข้อมูลประเภทนี้ถือว่าเป็นสิ่งที่มีมูลค่ามากและเป็นหัวใจสำคัญของการทำ Data Driven Marketing มีประโยชน์ในการทำการตลาดแบบเฉพาะเจาะจงรายบุคคลมากที่สุด องค์กรใดที่ไม่มีการเก็บ First Party Data เท่ากับพลาดโอกาสสำคัญในการทำธุรกิจที่ของยุคนี้

ประโยชน์ First Party Data

• องค์กรเป็นเจ้าของข้อมูลเองโดยตรง
• ตรวจวัตถุประสงค์และสิทธิ์การใช้ข้อมูลก่อนนำไปทำการตลาด แม้คลินิกจะเก็บข้อมูลเอง
• ล็อคกลุ่มเป้าหมายได้อย่างแม่นยำในระดับบุคคล
• คาดการณ์ความต้องการของลูกค้าในอนาคตโดยคำนวณสถิติจากข้อมูลที่บันทึก
• ข้อมูลมีความเที่ยงตรง เชื่อถือได้

Second Party Data

Second Party Data คือข้อมูลที่อีกองค์กรเก็บจากผู้ใช้ของตนและส่งต่อให้ผู้รับโดยตรง แนวคิดนี้ไม่ใช่คำแนะนำให้คลินิกซื้อหรือแลกเปลี่ยนข้อมูลคนไข้ ก่อนรับหรือส่งต่อข้อมูลใดต้องให้ผู้รับผิดชอบตรวจวัตถุประสงค์ สิทธิ์ และข้อจำกัดการใช้งาน สำหรับการเริ่มต้นควรใช้ข้อมูลที่คลินิกเก็บเองอย่างเหมาะสมก่อน

ประโยชน์ Second Party Data

• เพิ่มฐานลูกค้าได้จากการหากลุ่มคนที่มีพฤติกรรม ความชอบหรือข้อมูลที่คล้ายกับกลุ่มลูกค้าเดิม
• เพิ่มประสิทธิภาพในการทำการตลาด
• สามารถสร้างสรรค์แคมเปญให้เกิดความแปลกใหม่ แตกต่างจากเดิมได้

Third Party Data

Third Party Data คือข้อมูลจากแหล่งภายนอกที่ไม่ได้เก็บผ่านความสัมพันธ์โดยตรงระหว่างคลินิกกับคนไข้ ต้องตรวจที่มา คุณภาพ และสิทธิ์การใช้งาน ไม่ควรสรุปว่าข้อมูลภายนอกนำมาใช้ได้ทันทีหรือไม่มีข้อจำกัด สำหรับภาพรวมตลาด คลินิกอาจเริ่มจากข้อมูลสรุปที่เผยแพร่ให้ใช้ได้ โดยไม่ต้องรับข้อมูลสุขภาพรายบุคคล

ประโยชน์ของ Third Party Data

• เข้าถึงฐานข้อมูลกลุ่มผู้ใช้ได้กว้าง ได้ข้อมูลที่หลากหลาย
• ช่วยมองภาพรวมภายนอกเมื่อแหล่งข้อมูลเชื่อถือได้และตรวจสิทธิ์การใช้งานแล้ว

สรุปส่งท้าย First, Second และ Third Party Data แบบสั้นๆ

การทำ Data Driven Marketing นั้นต้องอาศัยข้อมูลมาช่วยในการทำการตลาด เช่น First Party Data คือ ข้อมูลหลักที่เราเป็นเจ้าของ ที่เราเก็บรวบรวมเอง, Second Party Data ก็คือ First Party Data ของคนอื่น และ Third Party Data ข้อมูลจะแหล่งอื่นที่หาได้ง่าย ขอบเขตของข้อมูลกว้างกว่า Data ประเภทอื่นๆ ในโลกธุรกิจข้อมูลเป็นตัวตัดสินหรือตัวชี้ทางเลยก็ว่าได้ คลินิกควรเริ่มจากข้อมูลที่จำเป็น ตรวจสอบได้ และมีสิทธิ์ใช้ แทนการเพิ่มแหล่งข้อมูลโดยยังไม่มีคำถามที่จะตอบ

บทเรียนสั้นจาก Netflix: ใช้พฤติกรรมประกอบการตัดสินใจ

Netflix อธิบายระบบแนะนำเนื้อหา ว่าใช้ข้อมูลหลายด้าน เช่น ประวัติการรับชมและการให้คะแนน เพื่อเลือกเนื้อหาที่ผู้ใช้น่าจะสนใจ กรณีนี้ช่วยให้เห็นแนวคิดการใช้ข้อมูลแทนการเสนอสิ่งเดียวให้ทุกคน

สำหรับคลินิก สิ่งที่นำมาประยุกต์คือการตั้งคำถามและทดสอบจากข้อมูลที่มีสิทธิ์ใช้ ไม่ใช่นำวิธีแนะนำภาพยนตร์มาใช้เลือกการรักษา การดูแลคนไข้ต้องอยู่บนดุลยพินิจและแผนดูแลของผู้ประกอบวิชาชีพ ตัวอย่างลงมือทำในคลินิกอยู่ในส่วนถัดไป

Data Driven Marketing ทำงานเป็นวงจรอย่างไร

Data Driven Marketing ที่ใช้ได้จริงไม่เริ่มจากการซื้อเครื่องมือเพิ่ม แต่เริ่มจากคำถามทางธุรกิจหนึ่งข้อ แล้ววนกลับมาปรับการตัดสินใจจากผลที่วัดได้:

1. ตั้งคำถาม: เช่น ลูกค้ากลุ่มใดหายไปหลังใช้บริการครั้งแรก หรือช่องทางใดพาคนไข้ที่กลับมาซ้ำ
2. กำหนดข้อมูล: ระบุเฉพาะข้อมูลที่จำเป็นต่อคำถาม พร้อมเจ้าของข้อมูลและวัตถุประสงค์การใช้
3. ตรวจคุณภาพ: รวมชื่อลูกค้าซ้ำ รูปแบบวันที่ ช่องทาง และสถานะนัดให้ใช้ความหมายเดียวกัน
4. วิเคราะห์: เปรียบเทียบกลุ่มหรือช่วงเวลา ไม่สรุปจากยอดรวมเพียงตัวเดียว
5. ทดลอง: เปลี่ยนข้อความ ข้อเสนอ หรือกลุ่มเป้าหมายทีละเรื่อง และกำหนดช่วงวัดผลก่อนเริ่ม
6. เรียนรู้และปรับ: บันทึกผล สิ่งที่คาดไม่ถึง และคำถามรอบถัดไป เพื่อไม่ให้ทีมทำแคมเปญเดิมซ้ำโดยไม่มีหลักฐาน

คลินิกสามารถเริ่มจาก คำถามข้อมูลที่ควรดูทุกเช้า แล้วค่อยขยายไปยังการวิเคราะห์ RFM เพื่อแบ่งกลุ่มลูกค้า เมื่อข้อมูลพื้นฐานสม่ำเสมอแล้ว

ข้อมูลตัวอย่าง: ตัวเลขในกรณีศึกษาถัดไปใช้เพื่อแสดงวิธีวิเคราะห์ ไม่ใช่ผลลัพธ์มาตรฐานที่ทุกคลินิกจะได้เหมือนกัน

ตัวเลขใดควรดูร่วมกันก่อนวางแผนการตลาด

ตัวเลขหนึ่งค่าอธิบายธุรกิจทั้งหมดไม่ได้ ควรดูเป็นชุดเพื่อแยก “คนสนใจ” ออกจาก “รายได้และการกลับมาใช้บริการจริง”:

• ลูกค้าใหม่: นับผู้มารับบริการครั้งแรกจริง แยกจากผู้ทักถามหรือจองแล้วไม่มา
• ลูกค้ากลับมา: กำหนดช่วงเวลาตามลักษณะบริการและใช้เกณฑ์เดิมทุกครั้ง อ่านต่อเรื่อง Repeat Rate ของคลินิก
• ระยะห่างระหว่างการใช้บริการ: แยกตามบริการและแผนติดตามผล ไม่ใช้ระยะเดียวกับคนไข้ทุกกลุ่ม
• รายได้ต่อคน: ใช้รายได้และจำนวนผู้รับบริการของช่วงเดียวกัน แยกยอดขายแพ็กเกจจากมูลค่าบริการที่เกิดขึ้นจริงตามแนวคิด Service Value
• อัตรายกเลิกนัด: แยกยกเลิก เลื่อน และไม่มาตามนัด เพื่อเลือกวิธีแก้ได้ตรงสาเหตุ
• กำไรต่อบริการ: ระบุต้นทุนที่นำมาหักให้ชัด ยอดขายสูงไม่แปลว่ากำไรสูงเสมอไป
• ผลลัพธ์หลังติดตาม: ดูว่านัดยืนยัน เลื่อน หรือมาตามนัดเท่าไร พร้อมข้อร้องเรียน ไม่ดูเพียงจำนวนข้อความที่ส่ง

ตั้งชื่อ metric สูตรคำนวณ แหล่งข้อมูล และผู้รับผิดชอบไว้ในเอกสารกลาง หากตัวเลขจากโฆษณา เว็บไซต์ และหน้าร้านไม่ตรงกัน ให้หาสาเหตุก่อนตัดสินว่าแคมเปญดีหรือแย่ ดูหลักการกำหนดเหตุการณ์วัดผลเพิ่มเติมจาก คู่มือ Events ของ Google Analytics และจัดการข้อมูลส่วนบุคคลตามวัตถุประสงค์ที่แจ้งไว้ โดยอ้างอิง สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล

ตัวอย่างใช้ข้อมูลในคลินิกโดยไม่เริ่มจากแคมเปญใหญ่

หากลูกค้าใหม่ไม่กลับมาตามนัดติดตามผล สาเหตุอาจไม่ใช่ข้อเสนอไม่น่าสนใจเสมอไป อาจเกิดจากลูกค้าไม่เข้าใจขั้นตอนถัดไป นัดหมายไม่สะดวก หรือข้อความติดตามไปไม่ถึง ทีมจึงควรตรวจแยกตามบริการ สาขา ช่องทางติดต่อ และสถานะนัดก่อนเลือกวิธีแก้ ไม่รีบลดราคากับทุกคนพร้อมกัน

ตัวอย่างสมมติ: คลินิกต้องการตรวจว่าข้อความยืนยันนัดที่ชัดขึ้นช่วยให้คนไข้กลับมาตามนัดหรือไม่ ตัวเลขต่อไปนี้ใช้เพื่อแสดงวิธีคิด ไม่ใช่ผลลัพธ์จริงหรือมาตรฐานของคลินิกอื่น

1. กำหนดกลุ่ม: เลือกเฉพาะคนไข้ที่มีนัดติดตามผลจากแพทย์แล้วในบริการเดียวกัน ไม่สร้างนัดหรือแนะนำการรักษาเพิ่มจากเหตุผลทางการตลาด
2. เก็บค่าก่อนทดลอง (ตัวอย่างสมมติ): มีนัดติดตามผล 100 นัด และมาตามนัด 40 นัด อัตรามาตามนัดคือ 40 ÷ 100 × 100 = 40%
3. ตรวจสาเหตุ: ให้ทีมบันทึกเหตุผลที่แจ้ง เช่น ลืมนัด ขอเลื่อน หรือติดต่อไม่ได้ แยกคิวที่เลื่อนล่วงหน้าออกจากคิวที่ไม่มาโดยไม่แจ้ง
4. ปรับเรื่องเดียว: ทดลองข้อความยืนยันที่บอกวัน เวลา สาขา และช่องทางเลื่อนนัดอย่างชัดเจน ใช้ช่องทางติดต่อที่คลินิกตรวจสิทธิ์การใช้งานไว้แล้ว ไม่ใส่รายละเอียดการรักษาที่ไม่จำเป็นในข้อความ
5. เทียบช่วงถัดไป (ตัวอย่างสมมติ): มีนัดที่เข้าเกณฑ์เดียวกัน 100 นัด และมาตามนัด 50 นัด เท่ากับ 50% หรือเพิ่มขึ้น 10 จุดเปอร์เซ็นต์ ต้องใช้ช่วงเวลาที่ยาวเท่ากันและตรวจความต่างของกลุ่มก่อนสรุปผล
6. ตัดสินใจจากหลายค่า: ดูการเลื่อนนัด ข้อร้องเรียน และเวลาที่ทีมใช้ร่วมด้วย ตัวเลขที่ดีขึ้นเพียงรอบเดียวไม่ยืนยันว่าข้อความเป็นสาเหตุทั้งหมด ควรทดลองซ้ำก่อนขยายไปทั้งคลินิก

ถ้าปัญหาคือคนไข้ไม่มีนัดถัดไป ให้เริ่มจากตรวจขั้นตอนติดตามผลตามแผนดูแลของแพทย์ ไม่ใช้ข้อมูลการวินิจฉัยเพื่อเลือกโปรโมชั่นโดยอัตโนมัติ วิธีแบ่งกลุ่มและสิทธิ์เข้าถึงข้อมูลต้องให้ผู้รับผิดชอบตรวจตามนโยบายและกฎหมายที่เกี่ยวข้องก่อนนำไปใช้จริง

มอบหมายเจ้าของตัวเลขหนึ่งคนและผู้รับผิดชอบข้อความหนึ่งคน บันทึกสูตร แหล่งข้อมูล ช่วงวัดผล และสิ่งที่เปลี่ยนไว้ในรายการเดียวกัน เมื่อผลไม่ดีขึ้น ทีมจะย้อนตรวจได้ว่าเกิดจากข้อมูลไม่ครบ ขั้นตอนติดต่อ หรือเงื่อนไขการนัด ไม่ต้องเริ่มเดาสาเหตุใหม่ทุกรอบ

สรุป: เริ่ม Data Driven Marketing จากปัญหาคลินิกหนึ่งเรื่อง

การใช้ข้อมูลทำการตลาดคลินิกไม่จำเป็นต้องเริ่มจากระบบวิเคราะห์ขนาดใหญ่ ให้เลือกปัญหาที่ตรวจได้ เช่น คนไข้ไม่กลับมาตามนัด แล้วเชื่อมข้อมูลนัดหมาย การติดต่อ และผลที่เกิดขึ้นจริงเข้าด้วยกัน เป้าหมายคือช่วยให้ทีมตัดสินใจจากข้อมูลที่จำเป็นและเชื่อถือได้ ไม่ใช่เก็บข้อมูลทุกอย่างหรือส่งโปรโมชั่นให้ทุกคน

• ระบุคำถามและกลุ่มบริการที่จะทดลองให้ชัด
• กำหนดสูตรและแหล่งข้อมูลเดียวกันก่อนเปรียบเทียบ
• ตรวจสิทธิ์การใช้ข้อมูลและหลีกเลี่ยงรายละเอียดสุขภาพที่ไม่จำเป็น
• เปลี่ยนข้อความหรือขั้นตอนทีละเรื่อง แล้วดูผลในช่วงเวลาที่เทียบกันได้
• อ่านผลร่วมกับรายได้ ต้นทุน การกลับมาใช้บริการ และข้อร้องเรียนก่อนขยายวิธีทำ

สิ่งที่นำไปใช้ได้ทันที: นัดทีมสั้น ๆ เพื่อเลือกคำถามหนึ่งข้อ ตั้งผู้รับผิดชอบข้อมูล และเขียนว่าจะเปลี่ยนอะไรกับวัดผลเมื่อใด ใช้เช็กลิสต์ในภาพประกอบเป็นกรอบทบทวน ไม่ใช่กำหนดเป้าตัวเลขเดียวให้ทุกบริการ

เริ่มทำได้ทันที: เลือกปัญหาหนึ่งเรื่อง กำหนดตัวเลขก่อนและหลังทดลอง แล้วดูว่า ระบบ Dr.Ease ช่วยรวบรวมข้อมูลลูกค้าและงานคลินิก ให้ทีมติดตามผลได้อย่างไร