สองสามปีที่ผ่านมา ปฏิเสธไม่ได้ว่าหนึ่งในสุดยอดคำฮิตที่ปรากฏอยู่ในที่ต่างๆ ก็คือ “Big Data” ซึ่งโดยมากจะถูกพูดถึง ด้านการเงิน การลงทุน การให้บริการ การวิเคราะห์ผู้บริโภค แต่ถ้าเป็นเรื่องการนำมาในการสร้างยอดขายให้โครงการอสังหาริมทรัพย์ เช่น บ้าน คอนโดฯ อาจไม่ค่อยพบเห็นนัก
ทว่าในบ้านเรา ก็มีมือดีที่คลุกคลีกับ Big Data มานาน และเป็นคนกลุ่มแรกๆ ที่ริเริ่มนำ Big Data มาใช้แก้เกมให้นักการตลาดสร้างยอดขายได้สำเร็จ รวมทั้งมีประสิทธิภาพมากขึ้นกับเงินที่ลงทุนไป โดยบุคคลที่ว่านี้ก็คือ สองผู้บริหารแห่ง TMD SPACE คุณนวพล หินซุย CEO และ คุณคริสติน่า พรกีรติกุล Managing Director
สำหรับความน่าสนใจ แม้ TMD SPACE อาจไม่ใช่ชื่อที่คุ้นหูคนทั่วไป แต่สำหรับคนในวงการการตลาดอสังหาริมทรัพย์ โดยเฉพาะเดเวล็อปเปอร์โครงการบ้านหรูคอนโดฯ หรู ต่างรู้จักพวกเขาเป็นอย่างดี ในฐานะเอเยนซี่ที่ช่วยทำ Targeting หรือยิงโฆษณาไปให้ถูกคน จนเกิดการรับรู้ รวมทั้งปิดการขายได้สำเร็จ พวกเขาช่วยปิดการขายเป็นมูลค่ามากกว่าพันล้านบาท
ดังนั้น ถ้าจะว่าไป TMD SPACE จึงเปรียบได้กับพ่อมดในวงการ Big Data ด้านอสังหาฯ พวกเขาใช้ข้อมูลที่ล่องลอยอยู่ในจักรวาลของอินเทอร์เน็ตที่อยู่กันแบบกระจัดกระจาย มาจัดระเบียบใหม่ วิเคราะห์ข้อมูล และสร้างแบบแผนจนกลายมาเป็นขุมทรัพย์ชั้นดีที่ช่วยให้นักการตลาดทำงานได้ง่ายขึ้น คุ้มค่ามากขึ้น และที่สำคัญแม่นยำมากขึ้นด้วย
ในครั้งนี้ The MATTER จะมาพูดคุยกับสองกูรู Big Data ด้านอสังหาฯ ถึงการทำงานของพวกเขา และเรื่อง Big Data ด้านอสังหาฯ ว่าเป็นอย่างไร และอะไรคือปัจจัยที่ช่วยให้มันมีประสิทธิภาพ
Big Data คืออะไร? ช่วยอธิบายให้พวกเราเข้าใจแบบง่ายๆ หน่อย
นวพล : มันคือการเอาข้อมูลมาทำให้เกิดประโยชน์ เช่น ประโยชน์ทางธุรกิจ ซึ่งอาจเป็นในแง่การแก้ปัญหาก็ได้ หรือในแง่การสร้างคุณค่า (Value) ให้ธุรกิจต่อยอดก็ได้ มันคือเอาข้อมูลที่มีอยู่ เอามายำรวมกัน แล้วเอามาใช้แก้ปัญหา
ยกตัวอย่างที่ผมเจอของต่างประเทศ คือมีการศึกษาเรื่องความพึงพอใจของเว็บไซต์ e-commerce แห่งหนึ่ง และพยายามปรับปรุงให้การใช้งานเว็บฯ สะดวกขึ้น โดยเว็บไซต์แห่งนี้จะเปิดให้ร้านค้าต่างๆ มาเปิดหน้าร้านออนไลน์ (Store) กับเขา อารมณ์เหมือนกับเว็บฯ Weloveshopping ทีนี้ เขาก็เอา Data มาแก้ปัญหาจุดหนึ่งว่า ทำไมคนที่สร้างร้านในเว็บฯ ถึงใช้เวลานานจัง
สมมติเว็บฯ เขาพบว่า คนใช้เวลาเฉลี่ย 50 นาที เขาอยากรู้ว่า ใน 50 นาทีเนี่ย ตรงไหนที่มันใช้เวลานานที่สุด เขาก็เอาข้อมูลการใช้งานมาดู จากนั้นวิเคราะห์แต่ละจุดว่า หน้าเว็บไหน หน้าเมนูไหน ช่วงไหน คนใช้เวลาเท่าไหร่ จนมาเจอว่า อ๋อ เวลาที่คนใช้นานสุด 10 กว่านาที คือการอัปโหลดรูปสินค้าตัวเองเข้าไปใน Store
พอเขารู้ปุ๊บ เขาก็ใช้วิธีแก้ปัญหาว่า ถ้าคนใช้เวลาตรงนี้นาน งั้นก็เพิ่ม feature มาอันหนึ่งให้คนเลือกรูปได้หลายๆ รูปพร้อมกันทีเดียว แล้วก็อัปโหลดเข้าไป โดยไม่ต้องมานั่งเลือกทีละรูป อันนี้ก็คือการเอา Data มาวิเคราะห์และแก้ปัญหาเรื่องเวลาในการใช้เว็บฯ ซึ่งสุดท้ายช่วยให้ผู้ใช้งานพึงพอใจเว็บมากขึ้น ก็ทำให้เว็บไซต์นี้มีคนใช้งานต่อไป เป็นต้น
ส่วนงานของ TMD SPACE ที่เราทำคือ เราเน้นงาน Data ในธุรกิจอสังหาริมทรัพย์ เราดูแลลูกค้าธุรกิจอสังหาฯ มาสักพักหนึ่ง เราก็จะมีข้อมูล (Data) ของผู้ซื้อบ้าน แต่ไม่ใช่ข้อมูลความลับ (Confidential) ของลูกค้านะครับ มันเป็นข้อมูลสาธารณะทั่วไปที่โชว์จากพฤติกรรมบนออนไลน์ เช่น ใน Google, Facebook แล้วเราก็เอาข้อมูลพฤติกรรมเหล่านี้มาต่อยอดต่อ โดยมาวิเคราะห์ดูว่า คนที่จะมาซื้อโครงการต่างๆ คือใคร แล้วเราก็สื่อสารไปที่คนคนนั้น โดยพยายามให้เขารู้จัก ให้เขาสนใจ หรือให้เขาเข้ามาจอง
คริสติน่า : ยกตัวอย่างให้เห็นภาพ สมมติเป็นโครงการบ้านไฮเอนด์ ราคา 40 ล้าน แน่นอนว่าก็ต้องเป็นกลุ่มคนรวย แต่คงไม่ใช่คนรวยทุกคนที่จะซื้อ ฉะนั้นเราก็ต้องหาให้เจอว่าคนที่เป็นกลุ่มเป้าหมายจริงๆ ของโครงการนี้คือใคร แล้วเราก็พยายามทำความรู้จักพวกเขาผ่านข้อมูล โดยดูหมดว่า เขาขับรถแบบไหน ชอบกินข้าวที่ไหน ชอบกีฬาอย่างไร หรือเขาเป็นนักลงทุน(Investor) ที่หาข้อมูลแบบไหน เสพข่าวอย่างไร ว่าง่ายๆ ไลฟ์สไตล์เป็นแบบไหน คือเราต้องจับทุกๆ ไลฟ์สไตล์ของเขาเลยค่ะ
แล้วเรายิงโฆษณาไปที่เขาเหล่านั้น จากนั้นก็มาเช็คว่า คนที่เราคิดว่าใช่ สรุปแล้วคือใช่จริงๆ หรือเปล่า ข้อดีของการทำงานแบบนี้ คือมันเป็น Performance Based คือวัดผลได้ทั้งหมด ไม่ใช่ใช้สัญชาตญาณ เพราะสุดท้ายข้อมูลมันจะฟ้องออกมาว่า ที่เราคาด (assume) ไว้ สรุปมันใช่จริงๆ หรือเปล่า
น่าสนใจมากเลย! เรื่องที่ Big Data ช่วยหยุดการคิดไปเอง คุณช่วยอธิบายต่ออีกหน่อยว่าเป็นยังไง?
นวพล : นอกจากการเก็บ Data แล้ว อีกสิ่งหนึ่งที่สำคัญคือ การวิเคราะห์ข้อมูล (Data Analysis) ซึ่งในการที่เราจะไปเล่าให้ลูกค้าฟังเนี่ย เราต้องวิเคราะห์กันมาแล้วประมาณหนึ่ง ว่าอะไรคือ Data ที่เรียนรู้จากหนนี้บ้าง มีพฤติกรรมอะไรใหม่ๆ บ้าง
ยกตัวอย่างเช่น บ้านหรู พฤติกรรมคนที่สนใจบ้านหรู มักเข้ามาดูบ้านตัวอย่างวันธรรมดาค่อนข้างเยอะ และเป็นตอนกลางวันเยอะด้วยเหมือนกัน ไม่ได้เป็นวันเสาร์อาทิตย์อย่างที่หลายคนเข้าใจ เหตุผลก็เพราะคนที่สนใจบ้านหรูเป็นเจ้าของธุรกิจ เขาเลยไม่จำเป็นต้องมาวันเสาร์อาทิตย์อย่างเดียว แต่ถ้าเป็นคอนโดฯ ก็อาจเป็นวันเสาร์อาทิตย์เยอะนิดหนึ่ง เพราะเป็นคนทำงานออฟฟิศหรือทำงานวันธรรมดา
ซึ่งถามว่าข้อมูลบอกอะไร มันกำลังบอกว่า สิ่งที่คิดกับสิ่งที่เป็นจริงๆ อาจไม่ตรงกันเสมอไป และ Data นี่แหละที่จะบอกว่าอะไรจริงอะไรไม่จริง
คริสติน่า : ข้อดีของออนไลน์ คือมันวัดผลได้ พอมันวัดผลได้ จะทำอะไรก็ทำได้หมด เราสามารถมีสมมติฐานที่ต่างกันได้ มันจะไม่มีเรื่องการคิดเองเออเองเยอะ เช่น ถ้ามีสมมติฐานต่างกัน เราก็ทำ A/B testing ทดสอบสมมติฐานได้เลย แล้วคำตอบก็เห็นว่า คนกลุ่มไหนคลิกหรือ Engage กับแคมเปญมากกว่ากัน คนกลุ่มไหนเกิดยอดขายมากกว่ากัน
เช่น มันก็มีตัวอย่างข้อมูลแปลกๆ ที่เคยเซอร์ไพรส์เรา อย่างแต่ก่อนเวลาเราตั้งกลุ่มเป้าหมายเป็นกลุ่มคนรวย ตอนนั้นเราคิดว่าคนรวยน่าจะเป็นคนที่มีสาระ อ่านข่าว อ่าน Economist ดูข่าวหุ้น ดู BBC แต่เราพบว่า คนที่มาซื้ออสังหาฯ ของเราเล่น vonvon.me และดู YouTube เยอะมาก เล่นพวกเกมออนไลน์ก็เยอะมาก ซึ่งอันนี้เป็น Data ของทุกโครงการเลย
มันก็เป็น Data ที่เซอร์ไพรส์ว่า จริงๆ มันก็มีมุมของคนรวยที่เขาเป็นมนุษย์คนหนึ่งนี่แหละ เขาก็ต้องการมุมที่ Entertain แบบธรรมดาๆ ด้วยเหมือนกัน นอกจากนี้ ในตลาดก็มีกลุ่มนักลงทุน (Investor) ค่อนข้างเยอะที่อาจจะไม่ได้เป็นคนรวย แต่เขาเป็นคนที่ซื้อเพื่อการลงทุนแบบซื้อมาขายไป
เช่น วันหนึ่งเราไปงานเปิดตัวอสังหาฯ ของลูกค้า (ธุรกิจ) ก็ไปเจอคนหนึ่งใส่กางเกงขาสั้น แบกเป้มา หน้าตาเหนื่อยโฮกมาก นั่ง BTS มา แต่ปรากฏว่าเขาบอกว่าเขาเพิ่งไปจองห้องโครงการหรูแห่งหนึ่งมา 3 ห้อง และเขากะจะมาจองที่นี่อีก 2 ห้อง เราตกใจว่า นี่คือโปรไฟล์ลูกค้าของเราหรอ เขาบอกเขาเป็นนักลงทุน (Investor) นี่แหละ
เพราะฉะนั้นในการทำงาน เราก็ต้อง Make sure ว่าเรามีการทำ Targeting ที่หลากหลาย แล้วทีมเราต้อง Monitor ใกล้ชิดพอสมควร รวมทั้งเวลาลูกค้า (ธุุรกิจ) มีงาน เช่น งาน Pre-sale หรืองานแถลงข่าว เราก็ไปด้วยทุกครั้ง เพื่อที่เราจะได้ไปเห็นว่าคนที่มาร่วมงานเป็นใคร เป็นอย่างไร แต่งตัวอย่างไร กินอะไร ใช้แบรนด์อะไร ถือกระเป๋าอะไร ขึ้น BTS หรือเปล่า หรือนั่ง Porsche มา หรือมีเลขา หรือมากับแม่ มากับเพื่อน และการตัดสินใจเขาคืออะไร เราจะได้มาวางแผนวิเคราะห์ได้ดีมากขึ้น
สมัยนี้มีเอเยนซี่ด้านดิจิทัลแข่งขันกันเต็มไปหมด แล้ว TMD SPACE สู้ในเวทีนี้ยังไง?
นวพล : ผมว่าในแง่ของธุรกิจ มันมีคนเกิดใหม่ขึ้นมาเรื่อยๆ มันมีหลายเอเจนซี่ที่เขาตั้งขึ้นมาใหม่ และโดยธรรมชาติของ ลูกค้า (ธุรกิจ) เองก็อยากลองของใหม่ที่เพิ่งเข้ามา แต่สุดท้ายแล้วมันก็วัดผลสุดท้ายเหมือนกัน ว่าธุรกิจได้อะไรจากการใช้เงินในส่วนนั้น
พอเราอยู่มานาน ซึ่งถามว่านานขนาดไหน ก็ตั้งแต่ยุคที่ไม่มีใครรู้จักคำว่า Digital Marketing สมัยนั้นผมยังต้องอธิบาย Banner โดยเปรียบเทียบกับป้ายโฆษณาบิลบอร์ด เพื่อให้ลูกค้าเห็นภาพว่า นี่มันคืออย่างนี้นะ วันหนึ่งมีคนขับรถผ่านทางด่วนสมมติวันละแสนคน ก็หมายถึงแสนคนที่เห็นป้ายโฆษณา เหมือนกันกับฝั่งออนไลน์ที่เขาเรียกว่าเป็น Impression ลูกค้าจะได้เห็นว่า อ๋อ มันคือคนที่เห็น Banner เราประมาณเท่าไหร่นั่นเอง
ซึ่ง TMD SPACE ทำงานมาตั้งแต่ยุคนั้น และเราก็ทำมาตลอดจนวันนี้ เราเลยรู้จักทุกเครื่องมือ (Tools) ที่เขาจะใช้ รู้ได้ว่าเครื่องมือไหนเหมาะหรือไม่เหมาะ เครื่องมือไหนเกิดหรือไม่เกิด หรือใช้เงินตรงไหนให้มีประสิทธิภาพมากที่สุด เราจะคำนึงถึงเรื่องพวกนี้ก่อน และเราก็ไม่ได้หว่านตามสิ่งที่ลูกค้าอยากจะได้เสมอไป ถ้าเกิดสุดท้ายแล้วเราเห็นว่าไม่คุ้มค่าสำหรับลูกค้า เราจะระวังและคำนึงเรื่องพวกนี้ให้ลูกค้าก่อนเสมอ
อย่างล่าสุด เราเพิ่งพัฒนาเครื่องมือใหม่ตัวหนึ่ง เรียกว่า Lead Validation & Verification เพื่อใช้วิเคราะห์และวัด Lead หรือการที่คนเห็นโฆษณาบนออนไลน์แล้วถูกดึงให้มากรอกข้อมูลหรือสมัครสมาชิก ซึ่งแต่ก่อนกว่าจะดึงให้คนมากรอกข้อมูลในเว็บไซต์นั้นทำได้ยาก แต่เดี๋ยวนี้มี Feature ในเฟซบุ๊ก กลายเป็นว่า แปบๆ คนก็มากรอกข้อมูลหรือคลิกเดียวก็อนุญาตให้เอาข้อมูลไปได้แล้ว แต่พอ Lead เกิดขึ้นได้ง่าย ก็กลายเป็นว่าความตั้งใจของคนที่จะกรอกข้อมูลจริงๆ ก็จะลดน้อยลง และเริ่มมีข้อมูลที่ไม่ถูกต้องเยอะขึ้น เช่น กรอกเบอร์โทรศัพท์ไม่ครบ
เพราะฉะนั้น TMD SPACE ก็เลยพัฒนาเครื่องมือที่มาช่วยจัดเรียงและตรวจสอบว่า ข้อมูลเหล่านี้ไม่ได้กรอกมามั่วๆ นะ และเชื่อมโยง Data จากที่ต่างๆ เพื่อให้ได้ข้อมูลที่ถูกต้องและครบถ้วน แถมยังบอกได้อีกว่าข้อมูลที่มีคนกรอกเข้ามา เขากรอกมาจากช่องทางไหน เพื่อสุดท้ายแล้ว ลูกค้า (ธุรกิจ) ก็สามารถเอาข้อมูลเหล่านี้ไปใช้ในการ follow up ได้แบบ Real Time สามารถโทรปิดการขายได้ต่อทันที ซึ่งระบบนี้เราเป็นเจ้าแรกและเจ้าเดียวที่มี Service นี้ให้ลูกค้า
คริสติน่า : อีกเรื่องหนึ่งเลย คือเราไม่ได้สั่งสมแค่ประสบการณ์การทำงานเท่านั้น แต่เรายังสั่งสมหัวเชื้อ Data ลูกค้าอสังหาฯ เพราะจริงๆ มันก็คือ Machine learning นั่นแหละ ที่ผ่านมาทุกครั้งที่เราพิสูจน์สมมติฐาน Targeting ระบบในการวิเคราะห์ข้อมูลของ TMD SPACE ก็จะฉลาดและแม่นยำขึ้นเรื่อยๆ พอถึงเวลารับโจทย์ใหม่ เราก็จะเจอกลุ่มเป้าหมายถูกคนได้ไวขึ้น ไม่ต่างจากการมีหัวเชื้อตั้งต้นที่ดี
เพราะทุกวันนี้ธุรกิจอสังหาฯ มี Timing การขายที่เร็วขึ้น เร็วขึ้น และเร็วขึ้น บางทีลูกค้าอยากขายจบวันเดียว ขายหมดวันเดียวในวัน Pre-sale คือโจทย์มันมาเร็วขึ้นเรื่อยๆ ลูกค้าบางคนคือแบบว่า Sale gallery ยังไม่ขึ้นเลย แต่อยากได้ยอด 80% แล้ว และพอเขามีความคาดหวังแบบนี้ ตัว KPI ของโปรเจกต์ต่อไปมันก็จะเร็วขึ้นอีก ฉะนั้นจุดตัดระหว่างเอเยนซี่คือ พวกเขามีหัวเชื้อ Data ที่สามารถตอบ KPI ของลูกค้าได้ไวพอหรือไม่ ซึ่งโชคดีว่าเราทำมานานและทำมาเยอะ ซึ่งนี่คือจุดแข็งของเรา
นอกจากนี้ คือการบริการของ TMD SPACE เราไม่ได้แค่สักแต่รับโจทย์มาทำแล้วก็จบ แต่เรายังช่วยโค้ชลูกค้าและใช้เวลาอยู่กับทีมลูกค้าเยอะมาก เพื่อที่จะเข้าใจโปรเจกต์ลูกค้าได้ชัด จะได้บอกได้ว่าลูกค้าต้องเตรียมอะไรบ้าง ทางทีมเขาต้องมีความเข้าใจอย่างไรบ้าง แล้วพอเรากับลูกค้าทำงานเป็นเนื้อเดียวกัน การทำ Targeting ก็จะยิ่งไวและแม่นยำ เช่น เราโค้ชให้ทีมเซลส์ของลูกค้า ทีมเซลส์ก็จะช่วยเก็บข้อมูลได้ว่า คนที่มาดูห้องตัวอย่างว่าเขาเห็นโฆษณาจากที่ไหน ซึ่งข้อมูลทั้งหมดนี้สุดท้ายก็จะวกกลับมาช่วยในการทำ Targeting อีกครั้ง
และแน่นอนว่า ลูกค้า (ธุรกิจ) ของเราก็จะเก่งมากขึ้นด้วย พอมีโปรเจกต์ถัดไป ลูกค้าก็จะมองภาพกลุ่มเป้าหมายและการทำการตลาดออนไลน์ได้ดีมากขึ้น ซึ่งนี่คือสิ่งที่ TMD SPACE ภูมิใจมาก คือ เราทำงานเหมือนเป็นเพื่อนกับลูกค้า
แล้วคุณมองอนาคตของ Big Data อย่างไร?
นวพล : ต่อไป Big Data จะมีบทบาทในการใช้วิเคราะห์ชีวิตคนเรามากขึ้นครับ ซึ่งถามว่าข้อมูลของเรา เขาได้มาจากไหน มันก็มาจากผู้ให้บริการเว็บไซต์ต่าง ๆ เช่น Facebook, Google รวมไปถึง Messaging Application เช่น Line หรือ FB Message ซึ่งแน่นอนเรื่องนี้กระทบโดยตรงกับเรื่อง Privacy ของเรา และเรื่อง Privacy ก็จะเป็นประเด็นใหญ่เมื่อพูดถึง Big Data
ยกตัวอย่างง่ายๆ ผมเคยอ่านเจอกระทู้หนึ่งใน Pantip คนในกระทู้คุยกันว่า ตัวเองแชตคุยกับเพื่อนว่าอยากไปเที่ยว Disneyland พอวันถัดมา ก็เจอโฆษณาเที่ยว Disneyland ในเฟซบุ๊กตัวเองเฉยเลย
ดังนั้น ถ้าให้ผมสรุปคือ ต่อไปข้อมูลที่เราใช้งานในเว็บไซต์จะถูกนำไปใช้อย่างแน่นอน ข้อดีคือมันทำให้เราเจอโฆษณาตรงกับสิ่งที่เราต้องการมากขึ้น แต่ก็ต้องแลกด้วย Privacy ที่ลดลงตาม
คริสติน่า : ถ้าเป็นเรื่องอนาคต Big Data เราเชื่อว่าต่อไปการเก็บ Data มันจะเจาะลึกเฉพาะตัวบุคคล (Individual) ลงไปเรื่อยๆ ซึ่งที่ผ่านมา Big Data ขยาย (scale up) ในเชิงจำนวนคนที่เก็บข้อมูลได้ แต่ต่อไปจะขยาย (scale up) เหมือนกัน แต่เป็นการขยายของข้อมูลของแต่ละบุคคล เช่น อาจลงมาถึงร่างกายหรือ DNA
มาถึงคำถามสุดท้าย ถ้าพูดกันแบบชาวบ้านๆ สิ่งที่คุณทำก็คือนักยิงโพสต์โฆษณา เพียงแต่คนอื่นเขาทำกันบนงบหลักหมื่นหลักแสน แต่คุณทำกันเป็นหลักล้านหรือสิบล้าน เรียกว่าเดิมพันคุณใหญ่กว่ามาก ว่าแต่คุณมีหลักคิดอะไรที่อยากแบ่งปันให้นักยิงโฆษณาคนอื่นบ้างไหม?
คริสติน่า : อันดับหนึ่งเลย ต้องรู้ก่อนว่า วัตถุประสงค์ของแคมเปญนี้ต้องการอะไร ถัดมาคือ เรามีตรรกะ (logic) ในการตั้งหากลุ่มเป้าหมายอย่างไร เพราะว่ายิ่งเงินล้าน เราไม่สามารถเทไปที่กลุ่มเดียวได้ เพราะถ้าพลาดคือพลาดหมด
ฉะนั้นเราต้องกระจายความเสี่ยง โดยหากลุ่มเป้าหมายหลายๆ แบบ เพื่อที่จะลองเอามาวัดว่าเราต้องการวัดอะไรบ้าง เช่น แกนหนึ่งใช้ข้อมูลประชากร (Demographic) แกนถัดมาใช้ข้อมูลด้านไลฟ์สไตล์ หรืออีกแกนเป็นด้านการค้นหาข้อมูล เราก็ต้องตั้งหลายๆ แกนขึ้น เพื่อทำความเข้าใจว่า สินค้าของเรามันจะไปถูกคนไหนบ้าง
จากนั้นก็คือการติดตามและวัดผลว่า สุดท้ายแล้วกลุ่มไหนคือกลุ่มที่ใช่และตรงกับวัตถุประสงค์ของแคมเปญ ซึ่งของพวกนี้มัน dynamic เราต้องมั่นดูและศึกษาไปเรื่อยๆ
นวพล : สำหรับผม เดี๋ยวนี้การทำโฆษณาออนไลน์ มันง่ายขึ้นสำหรับทุกคน งบประมาณที่ใช้การก็ไม่ได้เยอะ อย่างไรก็ตาม การจะทำให้อะไรปังขึ้นมาไม่ได้อยู่ที่งบอย่างเดียว และไม่ได้อยู่ที่สื่อออนไลน์อย่างเดียวด้วย แต่มีเรื่องอื่นอีก โดยเฉพาะจุดขายที่แตกต่างจากเจ้าอื่น ฉะนั้นเรื่องนี้ก็เป็นเรื่องหนึ่งที่ต้องไม่ลืม
แม้การยิงโฆษณาได้อย่างแม่นยำจะช่วยได้จริง แต่สุดท้าย สินค้าเองก็ต้องมีจุดขายด้วยเหมือนกัน เมื่อสองสิ่งนี้มาพร้อมกัน ทีนี้ ทุกอย่างก็ง่ายเหมือนร่ายมนต์เลยครับ
https://www.facebook.com/TMDSpace
ขอบคุณสถานที่ quarter-collection.com
