การวิเคราะห์ข้อมูลด้วย AI ในการตลาด: ข้อสรุปที่ลูกค้าตรวจสอบได้

แนวปฏิบัติที่ดีในการวิเคราะห์ข้อมูลด้วย AI ในการตลาดเพื่อตัดสินใจอย่างมีหลักฐานรองรับคืออะไร? กฎทองสรุปได้ในบรรทัดเดียว: ถือว่าข้อสรุปจาก AI ทุกข้อเป็นสมมติฐาน จนกว่าคุณจะแสดงข้อมูลเบื้องหลังได้ ส่วนที่เหลือทั้งหมด (การตั้งคำถามให้ชัด การรวมแหล่งข้อมูล การทบทวนร่วมกันเป็นทีม) มีไว้เพื่อให้กฎข้อนี้ถูกปฏิบัติตาม โดยไม่ทำให้การวิเคราะห์ทุกครั้งกลายเป็นงานตรวจสอบเต็มรูปแบบ

ประเด็นนี้เข้าไปถึงสัญญาแล้ว ตามรายงานของ Digiday เอเจนซีกำลังทยอยเพิ่มเรื่อง AI ลงในสัญญาบริการหลักทีละข้อกำหนด แทนที่จะเขียนสัญญาใหม่ทั้งฉบับ มีสามเหตุการณ์ที่กระตุ้นให้เกิดการเปลี่ยนแปลง ได้แก่ ลูกค้าขอสิทธิ์เข้าใช้เครื่องมือ AI ที่เอเจนซีพัฒนาขึ้นเอง ลูกค้าขอให้เพิ่มถ้อยคำเฉพาะเกี่ยวกับ AI หรือมีการนำเครื่องมือใหม่ที่ขับเคลื่อนด้วย AI มาใช้กับโปรเจกต์ของลูกค้า Keri Bruce หุ้นส่วนของสำนักงานกฎหมาย Reed Smith สรุปไว้อย่างตรงไปตรงมาว่า “สุดท้ายแล้ว ผู้คนต้องการให้เปิดเผย พวกเขาอยากรู้ว่ามีการใช้เครื่องมืออะไรอยู่”

การรู้ว่าใช้เครื่องมือใดคือก้าวแรก ก้าวถัดไปซึ่งผู้อำนวยการฝ่ายดูแลบัญชีลูกค้าทุกคนเคยได้ยินในที่ประชุม น่าอึดอัดกว่า: “แล้วเรารู้ได้อย่างไร?” ถ้าคำตอบคือ “AI บอกมา” อินไซต์นั้นก็มีค่าน้อยมาก ไม่ว่าจะดีเพียงใด

ทำไมการวิเคราะห์ที่ขับเคลื่อนด้วย AI จึงก่อให้เกิดความไม่ไว้วางใจ?

เพราะมักมาถึงโดยไม่มีร่องรอยให้ตามกลับ สรุปเรียบร้อย ข้อสรุปมั่นใจสามข้อ และไม่มีเส้นทางย้อนกลับไปยังข้อมูลต้นทาง ลูกค้าแยกไม่ออกว่ากำลังมองการอ่านข้อมูลที่หนักแน่น หรือการสังเคราะห์ที่ฟังดูสมเหตุสมผลแต่ไม่มีใครตรวจสอบ

แล้วยังมีไซโลอีก Social Listening อยู่กับทีมหนึ่ง ข้อมูลแคมเปญอยู่กับอีกทีม CRM อยู่ฝั่งลูกค้า และโฆษณาของคู่แข่งเป็นภาพแคปหน้าจอในสไลด์นำเสนอ AI วิเคราะห์เฉพาะสิ่งที่ป้อนให้ แหล่งข้อมูลที่ไม่ครบจึงให้ข้อสรุปที่ไม่ครบ และแต่ละทีมก็เข้าประชุมพร้อมกับความจริงฉบับของตนเอง

ผลลัพธ์คุ้นเคยเกินไป คือเสียเวลาหลายชั่วโมงกระทบยอดตัวเลข ประชุมเพื่อตัดสินว่าตัวเลขของใครชนะ และลูกค้าที่เพื่อความปลอดภัยแล้วไม่เชื่อใจตัวเลขใดเลย

ความไม่สมมาตรของข้อมูล: ปัญหาที่อยู่เบื้องลึก

ทฤษฎีความไม่สมมาตรของข้อมูล ซึ่งนักเศรษฐศาสตร์ George Akerlof ทำให้เป็นที่รู้จักผ่าน “ตลาดรถเก่าคุณภาพต่ำ” (market for lemons) อันโด่งดัง อธิบายสิ่งที่เกิดขึ้นเมื่อฝ่ายหนึ่งรู้มากกว่าอีกฝ่ายมาก ผู้ซื้อที่แยกของดีออกจากของไม่ดีไม่ได้ จะไม่ไว้ใจทุกอย่าง และยอมจ่ายน้อยลงสำหรับทุกอย่าง

AI ก็ทำงานแบบเดียวกัน ถ้าลูกค้าไม่เห็นว่าข้อสรุปมาได้อย่างไร ก็จะลดทอนคุณค่าของข้อสรุปทั้งหมด รวมถึงข้อสรุปที่ดีด้วย และจังหวะก็แย่ที่สุดเท่าที่จะเป็นได้ ตามรายงานของ Digiday AI ลดจำนวนชั่วโมงที่งานต้องใช้ และพลิกโมเดลการคิดเงินตามชั่วโมงทำงานของเอเจนซี ถ้างานใช้ชั่วโมงน้อยลงและสร้างความเชื่อมั่นน้อยลง อัตรากำไรก็ถูกบีบจากทั้งสองด้าน

ความไม่สมมาตรเกิดขึ้นภายในเอเจนซีเองด้วย นักวิเคราะห์รู้ว่าวิเคราะห์อย่างไร ผู้อำนวยการฝ่ายดูแลบัญชีลูกค้าไม่รู้ ทีมครีเอทีฟยิ่งรู้น้อยกว่า ทางออกเหมือนกันทั้งสองกรณี คือแบ่งปันหลักฐาน ความร่วมมือเอาชนะความไร้ประสิทธิภาพ เมื่อทุกคนมองข้อมูลชุดเดียวกันและตรวจสอบสิ่งเดียวกันได้

อะไรทำให้ข้อสรุปจาก AI ตรวจสอบได้?

ใช้ตารางนี้เป็นเช็กลิสต์ก่อนส่งการวิเคราะห์ใดให้ลูกค้า

แนวปฏิบัติที่ดีในการวิเคราะห์ข้อมูลด้วย AI ทีละขั้นตอน

1. เริ่มจากการตัดสินใจ ไม่ใช่จากข้อมูล เขียนคำถามไว้ และเขียนว่าคุณจะทำต่างไปอย่างไรตามคำตอบแต่ละแบบ ถ้าไม่มีคำตอบใดเปลี่ยนอะไรได้เลย คุณก็ไม่จำเป็นต้องทำการวิเคราะห์นั้น
2. รวมแหล่งข้อมูลไว้ที่เดียวกัน Social Listening โฆษณาของคู่แข่ง ข้อมูลแคมเปญ และข้อมูลของลูกค้าหากทำได้ ฐานข้อมูลยิ่งกระจัดกระจายน้อย ข้อสรุปก็ยิ่งมีอคติน้อย
3. แยกการสังเกตออกจากการตีความ “มีคอมเมนต์จำนวนมากพูดถึงราคา” คือการสังเกต “ราคาคือสิ่งที่ขวางการซื้อ” คือการตีความ ให้สั่งเครื่องมือนำเสนอสองอย่างนี้แยกกัน
4. ยืนกรานให้ตรวจสอบย้อนกลับไปถึงข้อมูลต้นทาง ข้อสรุปทุกข้อควรตามรอยไปถึงโพสต์ โฆษณา หรือเรกคอร์ดที่รองรับได้ ตัวอย่างเช่น ใน Defy Monitor ข้อสรุปจาก AI ทุกข้อพาย้อนกลับไปถึงโพสต์จริงเบื้องหลัง เพราะกลยุทธ์ถูกถอดรหัสย้อนกลับจากสิ่งที่กลุ่มเป้าหมายและคู่แข่งเผยแพร่จริง ไม่ใช่จากแบบสำรวจ
5. มองหาหลักฐานที่ขัดแย้ง ถามว่ามีอะไรขัดกับข้อสรุปบ้าง ถ้าไม่พบอะไรเลย ให้สงสัยไว้ก่อน อาจเป็นเพราะกลุ่มตัวอย่างเล็ก หรือคำถามชี้นำ
6. ทบทวนร่วมกันเป็นทีมก่อนนำเสนอ สิบห้านาทีที่ฝ่ายกลยุทธ์ สื่อ และดูแลบัญชีลูกค้าดูตัวอย่างเดียวกัน ช่วยประหยัดความเข้าใจผิดที่จะลากไปหลายสัปดาห์
7. บันทึกเครื่องมือ แหล่งข้อมูล และวันที่ ซึ่งตรงกับสิ่งที่ตามรายงานของ Digiday ลูกค้าเริ่มขอ นั่นคือ ใช้เครื่องมืออะไรอยู่ และจัดการข้อมูลของพวกเขาอย่างไร

หากอยากดูว่าเวิร์กโฟลว์นี้จัดอย่างไร ตั้งแต่การรวบรวมข้อมูลไปจนถึงการสอบถามร่วมกันเป็นทีม ลองดูแพลตฟอร์ม Defy

จะทลายไซโลข้อมูลในเอเจนซีได้อย่างไร?

ไม่ใช่ด้วยการประชุมประจำสัปดาห์อีกรายการ แต่ด้วยฐานหลักฐานร่วมกัน เมื่อฝ่ายกลยุทธ์ สื่อ ครีเอทีฟ และดูแลบัญชีลูกค้าอ้างอิงแหล่งข้อมูลเดียวกัน การถกเถียงจะเลิกวนอยู่กับว่าตัวเลขไหนถูก แล้วเปลี่ยนเป็นเรื่องว่าจะทำอะไรกับตัวเลขนั้น

จะช่วยได้มากหากการสอบถามฐานข้อมูลนั้นไม่ขึ้นกับคนคนเดียว ถ้ามีแต่นักวิเคราะห์ที่ใช้แดชบอร์ดได้ ไซโลก็ยังอยู่ เพียงแต่กลายเป็นไซโลของคนแทน เครื่องมือที่ให้ถามข้อมูลด้วยภาษาธรรมดาช่วยกระจายการเข้าถึง และกระจายความรับผิดชอบในการตรวจสอบไปพร้อมกัน

อะไรควรอยู่ในสัญญาและในการนำเสนอ?

สัญญากำลังเปลี่ยนไปแล้ว ตามรายงานของ Digiday Mile Marker ปรับข้อกำหนดเรื่องการจัดการเมทาดาทา ทรัพย์สินทางปัญญาในเนื้อหาที่สร้างโดย AI และความโปร่งใสเกี่ยวกับเครื่องมือที่ใช้ ส่วน Go Fish เพิ่มข้อกำหนดด้านความปลอดภัยของแบรนด์และการคุ้มครองข้อมูลในช่วงหกเดือนที่ผ่านมา สื่อดังกล่าวสรุปว่า ลูกค้าอยากรู้ว่าข้อมูลของตนถูกจัดเก็บและใช้งานอย่างไร มีการกำกับดูแลโดยมนุษย์แบบใด และเกี่ยวข้องกับเครื่องมือใดบ้าง

ควรชิงลงมือก่อนด้วยพันธสัญญาสามข้อที่ไม่ต้องรอการต่อสัญญารอบหน้า:

• ภาคผนวกหลักฐาน แนบกับงานส่งมอบทุกชิ้น แสดงแหล่งข้อมูลและตัวอย่างเบื้องหลังข้อสรุปแต่ละข้อ
• ข้อความระบุผู้กำกับดูแล ที่ระบุว่าใครตรวจทานการวิเคราะห์และเมื่อใด
• บัญชีรายการเครื่องมือ: ใช้ AI ตัวใด เพื่ออะไร และกับข้อมูลชุดใด

Brian Yamada จาก VML เตือนในบทความเดียวกันว่า ต้องตกลงโครงสร้างต้นทุนมาตรฐานสำหรับ AI ให้ได้ก่อน จึงจะเขียนถ้อยคำสัญญามาตรฐานได้ และแนะนำให้เผื่อความยืดหยุ่นในการกลับมาทบทวนเงื่อนไข จนกว่ามาตรฐานนั้นจะมาถึง ความโปร่งใสคือข้อกำหนดที่ดีที่สุดที่ยังไม่มีสัญญาฉบับใดบรรจุไว้