black Samsung Galaxy smartphone displaying Amazon logo
|

Amazon ใช้ Big Data อย่างไรจนประสบความสำเร็จกลายเป็นร้านค้าออนไลน์ที่มีมูลค่ามากที่สุดในโลก

ถ้าพูดถึง Amazon ในบ้านเราแล้วหลายๆ คนคงนึกถึงร้านกาแฟที่อยู่ตามปั๊มน้ำมันนะครับ แต่บทความนี้ไม้ไดพูดถึง Amazon ที่เป็นร้านกาแฟ แต่เป็น Amazon บริษัทยักษ์ใหญ่ด้านการค้าปลีกออนไลน์ที่มีมูลค่ามากที่สุดในโลก ไม่ว่าจะเป็นสินค้าทั่วไป, หนังสือ, อีบุ๊ค, วีดีโอสตรีมมิ่งออนไลน์ และอื่นๆ อีกมากมาย นอกจากขายสินค้าแล้ว Amazon ยังเป็นผู้ให้บริการระบบคลาวด์คอมพิวเตอร์ที่ใหญ่ที่สุดในโลกอีกด้วย

เพราะการเป็นผู้ให้บริการระบบ Cloud ทำให้ Amazon มีประสบการณ์ในการบรืหารจัดการข้อมูลขนาดใหญ่ ทั้งในแง่ของการจัดเก็บ การประมวลผล และการนำข้อมูลไปวิเคราห์ จึงทำให้ Amazon เป็นอีกหนึ่งบริษัทที่ประสบความสำเร็จในการประยุกต์ใช้ Big Data ในการทำธุรกิจ และถือว่าเป็นผู้บุกเบิกการพัฒนาระบบ “Recommendation Engine” ซึ่งเป็นระบบที่จะคอยทำนายว่าลูกค้าแต่ละคนมีความสนใจที่จะซื้อสินค้าอะไร (Product Recommend) ในเวลาที่เหมาะสม และราคาที่จะมีโอกาสที่จะทำให้ลูกค้าซื้อสินค้าในที่สุด

แล้ว Amazon ใช้ Big Data อย่างไร? วันนี้ผมจะมาเผยเคล็ดลับให้ฟัง

ในการทำธุรกิจ Retail หรือ ค้าปลีกนั้น สิ่งที่บริษัทส่วนใหญ่ให้ความสำคัญคือ การเพิ่มจำนวนสินค้าให้มีความหลากหลาย และมีตัวเลือกให้มากที่สุด เพื่อตอบสนองความต้องการของผู้บริโภคให้ได้มากที่สุด ซึ่ง Amazon นั้นก็ได้มีการเพิ่มสินค้าในปริมาณที่เยอะมากๆ ทั้งในส่วนของการทำ Marketplace จนปัจจุบันมีจำนวนสินค้ามากถึง 12 ล้านชิ้น ซึ่งถ้ารวมสินค้า Marketplace เข้าไปแล้วก็มีจำนวนมากถึง 353 ล้านชิ้น!! และปริมาณเพิ่มขึ้นอย่างต่อเนื่อง

Recommendation Engine / Product Recommend

three person pointing the silver laptop computer
Product Recommend

แต่ปัญหาอยู่ตรงนี้ครับ เมื่อมีจำนวนสินค้ามากเกินไป ตัวเลือกที่หลากหลาย ทำให้หลายๆ ครั้ง ลูกค้ามีความสับสนในตัวเลือกจนไม่สามารถตัดสินใจได้ว่าจะซื้อสินค้าตัวไหน จนล้มเลิกความตั้งใจที่จะซื้อสินค้า เพราะไม่สามารถตัดสินใจได้ (Over-choice) ผมเองก็เคยมีประสบการณ์นี้ครับ เปิดแอพตั้งใจจะซื้อสินค้า แต่สุดท้ายก็ไถจนเหนื่อย เพราะมีความหลากหลายทั้งราคาที่เราจะต้องพยายามเลือกสินค้าที่ราคาถูกที่สุด จนสุดท้าย ไม่ได้ทำการสั่งซื้ออะไรเลย หลายๆ คนน่าจะมีประสบการณ์แบบเดียวกันนะครับ

นี่คือปัญหาที่ Amazon ต้องการที่จะแก้ไขด้วย Big Data ด้วยการพัฒนาระบบ Recommendation Engine หรือระบบแนะนำสินค้าให้กับลูกค้าแต่ละคนนั่นเอง แม้ Amazon เองจะไม่ใช่ผู้คิดค้นทฤษฎีนี้แต่ก็เรียกได้ว่าเป็นเจ้าแรกๆ ที่นำระบบนี้มาใช้จริงในระบบ

หลักการของ Recommendation Engine เกิดจากสมมุติฐานที่ว่า หากเรารู้และเข้าใจพฤติกรรมของลูกค้ามากเท่าไหร่ เราก็ยิ่งสามารถทำนายว่าลูกค้ามีความต้องการที่จะซื้อสินค้าอะไร ซึ่งไม่ใช่แค่ในระดับกลุ่มลูกค้าหรือ Segment แต่เจาะลึกลงไปจนถึงระดับลูกค้ารายบุคคลเลยทีเดียว

Customer 360 degree view

Customer 360

เทคนิคที่ Amazon นำมาใช้คือ Collaborative Filtering คือการหา Pattern หรือรูปแบบของการสั่งซื้อสินค้า ราคาที่ซื้อ เวลา และใครบ้างที่ซื้อ ลักษณะและพฤติกรรมของลูกค้าที่ซื้อ โดยนำข้อมูลจำนวนมหาศาลที่ทาง Amazon ได้ทำการบันทึกไว้ ไม่ว่าจะเป็น ข้อมูลในเชิงการซื้อสินค้า และ ข้อมูลเชิงพฤติกรรม เช่น การเข้าใช้เว็บไซต์ การติดต่อ Customer service, การ Review สินค้า, ข้อมูลการจัดส่ง โดยข้อมูลทั้งหมดจะถูกรวบรวมเพื่อสร้างเป็น Customer 360 degree view ของลูกค้าแต่ละคน

จาก Customer 360 ทำให้ Amazon สามารถวิเคราะห์ข้อมูลลูกค้าได้หลายหลายมุมมอง และเป็นมุมมองในเชิงลึกมากขึ้น ทำให้ Amazon สามารถนำเสนอสินค้าได้ตรงกับความต้องการของลูกค้า เช่น การนำเสนอสินค้าให้กับลูกค้าที่อาศัยอยู่แถบชานเมืองพร้อมเด็กและสัตว์เลี้ยง เป็นต้น

จากปัญหาของจำนวนสินค้าที่มีจำนวนมากและมีความหลากหลาย จนอาจทำให้ลูกค้าเกิดความสับสนในการตัดสินใจซื้อ Amazon จึงได้นำ Big Data รวบรวมข้อมูลการสั่งซื้อและข้อมูลการใช้งานระบบในอดีต มาพัฒนาระบบ Recommendation Engine เพื่อทำนายว่าลูกค้ามีความต้องการที่จะซื้อสินค้าอะไร และการตั้งราคาที่เหมาะสม โปรโมชันที่สามารถทำให้เกิดการสั่งซื้อ ทำให้ลูกค้ามีประสบการณ์ที่ดีในการสั่งซื้อสินค้า และกลับมาซื้อสินค้าซ้ำ จนทำให้ Amazon กลายมาเป็นบริษัทขายปลีกออนไลน์ที่ใหญ่ที่สุดในโลกในปัจจุบัน….

นี่คือตัวอย่างของการนำข้อมูล Big Data มาประยุกต์ใช้ในเชิงธุรกิจที่ทำให้บริษัทประสบความสำเร็จได้อย่างรวดเร็ว

Reference:

https://0ca36445185fb449d582-f6ffa6baf5dd4144ff990b4132ba0c4d.ssl.cf1.rackcdn.com/IG_360piAmazon_9.13.16.pdf

Similar Posts

One Comment

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *