Mandala Analytics เครื่องมือที่น่าสนใจของ Digital Marketing ในโลก Big Data

เคยสงสัยไหมครับว่า จะลงโฆษณาช่องทางไหนดี ? แล้วกลุ่มเป้าหมายเราอยู่ในสังคมออนไลน์ไหน? กลุ่มเป้าหมายผู้ชายจะลงโพสต์สินค้าเวลาไหนดีนะ ?

ทุกคำถามที่กล่าวมา สามารถใช้ Mandala Analytics ในการหาคำตอบได้ครับ

Mandala Analytics คือ Online Listening ที่มีการคนไทยเป็นผู้ร่วมพัฒนา โดยสามารถนำไปใช้ในการวาง Media Planer ของนักการตลาดได้นะครับ วิธีการใช้โดยย่อคือ การเลือกนำ Keyword ที่เราสนใจจะทำการตลาดไปสร้าง Project ผ่าน Mandala Analytics จากนั้นก็ปล่อยให้ระบบดึงข้อมูลมาให้เรา ตอนแรกข้อมูลจะยังไม่ขึ้นนะครับ เพราะระบบกำลังดึงข้อมูลอยู่ ข้อแนะนำคือให้ทำ Project ไว้ตอนเย็น ตอนเช้าข้อมูลที่เราต้องการก็จะปรากฏมาให้เราเห็น

เพื่อไม่เป็นการเสียเวลา วันนี้ผมจะแสดงตัวอย่าง ของการทำ project เกี่ยวกับยี่ห้อโทรศัพท์มือถือในประเทศไทย ว่าวันที่ 3 ตุลาคมถึง 1 พฤศจิกายนที่ผ่านมา มีความเคลื่อนไหวอย่างไรกันครับ

หัวข้อของ Project นี้แบ่งตาม Feature การทำงานของ Mandala Analytics คือ

1. ภาพรวมของข้อมูล

2. Keywords กับ Hashtags ที่เกี่ยวกับยี่ห้อโทรศัพท์มือถือ

3. Top Mention ที่มีการกล่าวถึงยี่ห้อโทรศัพท์มือถือ

4. ความเคลื่อนไหวของข้อมูล Date และ Time

5. ประเภทของคำถาม (Question) ที่ต่อยี่ห้อโทรศัพท์มือถือ

6. ประเภทของ Mention ต่อยี่ห้อโทรศัพท์มือถือ

ขั้นตอนแรกเรามาเตรียมข้อมูลกันก่อนนะครับ ขั้นตอนนี้สำคัญมาก เพราะจะทำให้เราได้ข้อมูลตรงตามที่เราต้องการ

DATA TIME FRAME ระยะเวลาที่เราต้องการดึงข้อมูล

Filter Languages คือ ภาษาที่ต้องการดึงข้อมูล เพราะเป็นการประหยัดขนาดพื้นที่ข้อมูล ผมเลือกเฉพาะภาษาไทยนะครับ (ถึงกระนั้นผมก็ใช้ข้อมูลเกินกำหนด)

Select Keyword Set กลุ่มที่เราสร้าง keyword คือ ยี่ห้อ Vivo Samsung Oppo Realme Apple

เมื่อเราใส่ข้อมูลไปตามที่เราต้องการแล้ว ระบบจะทำการดึงข้อมูลจาก YouTube Facebook Twitter Instagram รวมไปถึง pantip.com แต่วันนี้ผมไม่ได้นำเสนอ pantip.com นะครับ

หัวข้อที่ 1 คือ ภาพรวมของข้อมูล

คือ โทรศัพท์มือถือ 5 ยี่ห้อที่เราสนใจมีการกล่าวถึง หรือ Mention (ต่อไปผมขอทับศัพท์ ว่า Mention นะครับ) 7,378 ครั้ง โดยแบ่งออกเป็น Facebook 4,055 ครั้ง Twitter 572 ครั้ง Instagram 1,049 ครั้ง YouTube 1,702 ครั้ง โดยกราฟที่แสดงข้างล่างเป็นความเคลื่อนไหวของแต่ละช่องทางในช่วงเวลา 28 วัน อย่าเพิ่งตัดสินจากการ Mention นะครับ เพราะอะไรเดี๋ยวก็จะทราบครับ

จากนั้น Mandala Analytics จะทำการดึงข้อมูลออกมาให้เราดูว่า ข้อมูลที่ได้มานั้น มีกี่ Channels มีกี่ Mentions และสิ่งที่น่าสนใจสำหรับผมคือ Engagement การมีปฏิสัมพันธ์ในเรื่องที่เราสนใจ ซึ่งข้อมูลที่ Mandala Analytics มีจำนวนกว่า 31.4 ล้าน ถือว่าสูงมากเมื่อเทียบกับจำนวนการ Mention

ถ้าเรามองไปที่มุมขวาบน จะเจอ Sentiment ความรู้สึกร่วมที่มีต่อประเด็นโทรศัพท์มือถือ แบ่งออกเป็นความรู้สึกเชิงบวก 62.4% ความรู้สึกกลางๆ 32.7% ความรู้สึกเชิงลบ 4.9% ข้อมูลส่วนนี้จะเป็นประโยชน์กับสินค้าของเราเป็นอย่างมาก เช่น บริษัทของเราผลิตลิปสติก A ภายหลังจากการจัดจำหน่ายไปแล้ว 1 เดือน

นอกจากการติดตามยอดขายแล้ว ความรู้สึกที่ลูกค้ามีต่อผลิตภัณฑ์ของเราก็นับว่าเป็นประโยชน์ เพราะหากยอดขายสูง แต่ความรู้สึกในเชิงลบสูง ในเดือนถัดไปเราก็สามารถพยากรณ์ยอดขายได้ล่วงหน้า หากเรารู้ล่วงหน้าก็สามารถปรับปรุงผลิตภัณฑ์ได้ทันที เพราะเราสามารถกดเข้าไปดูความคิดเห็นของลูกค้าได้ ว่าลูกค้าไม่ชอบตรงไหน ลิปสติกของเราเลอะเกินไป มีกลิ่นที่ฉุนเกินไป ความคิดเห็นดังกล่าวก็จะนำไปต่อยอดสินค้าที่จะสร้างในอนาคตได้

เห็นไหมครับว่า แค่ feature นี้ Digital Marketing ก็สามารถนำไปใช้ประโยชน์ต่อผลิตภัณฑ์ของเราเป็นอย่างมาก

ไม่เพียงเท่านั้น Mandala Analytics ยังจำแนก เพศของผู้ใช้งานเครือข่ายสังคมออนไลน์ออกมาให้เราทราบ เพื่อนำข้อมูลไปจัดกลุ่มเป้าหมายของเรา จากตัวอย่าง เป็นเพศหญิง 15.9% เพศชาย 18.7% และไม่สามารถจำแนกเพศได้ 65.4% (ความคิดเห็นส่วนตัว ผมคิดว่า น่าจะมาจากชื่อที่ตั้งโดยใช้ตัวย่อ รูปโปรไฟล์เป็นน้องแมว)

ส่วนข้อมูลข้างล่างเป็นการแสดงตัวเลขและกราฟ Mention และ Engagement โดยกราฟมีการแบ่งกลุ่มแบบ K-Nearest Neighbors (KNN) แบบหยาบๆ (หยาบมากจริง ๆ 555)

Twitter เป็นกลุ่มที่ Mention ต่ำ Engagement ต่ำ

Instagram เป็นกลุ่มที่ Mention ต่ำ Engagement สูง

YouTube เป็นกลุ่มที่ Mention สูง Engagement สูง

Facebook เป็นกลุ่มที่ Mention สูง Engagement ต่ำ

จากนั้น Mandala Analytics จะแสดง TOP 10 Channel ของแต่ละช่องทาง โดยจัดอันดับตามจำนวน Mention

รูป TOP 10 Channel : Facebook

รูป TOP 10 Channel : Twitter

รูป TOP 10 Channel : Instagram

รูป TOP 10 Channel : YouTube

เมื่อ Digital Marketing ต้องการทำการตลาดผ่านโฆษณาในแต่ละเครือข่ายสังคมออนไลน์ เราสามารถเปรียบเทียบได้ว่า เม็ดเงินที่เราต้องลงทุนไปนั้น จะนำไปทำการตลาดช่องทางใดบ้าง หากอันดับของช่องทางที่สูงกว่าย่อมมีราคาที่ต้องจ่ายมากกว่า ดังนั้นเราสามารถนำจำนวนเงินมาเฉลี่ยลงโฆษณาไปยังอันดับรองๆ ลงไปได้ เพราะบางช่องทางอาจจะมีจำนวน Mention ที่ไม่แตกต่างกันมากนัก นับว่า feature นี้ ของ Mandala Analytics ทำให้นักการตลาดมีข้อมูลที่จะใช้ประกอบการตัดสินใจได้ดีจากข้อมูลมากกว่าที่จะใช้ความรู้สึก

เนื่องจากเนื้อหาค่อนข้างยาวมากแล้วนะครับ ผมขอแบ่งออกเป็นตอนๆ แทนนะครับ

แล้วพบกันใหม่ ในตอนหน้านะครับ

จากเด็กที่เกลียดคณิตศาสตร์ในวัยเด็ก แต่กลับมาตกหลุมรักในวัยผู้ใหญ่

ขอขอบคุณข้อมูลจาก Vivat Boonchun