หากคุณสงสัยว่าจะวิเคราะห์ข้อมูลประชากรศาสตร์ของกลุ่มเป้าหมายอย่างไรให้แผนสื่อเข้าถึงกลุ่มที่ใช่ คำตอบสั้น ๆ ที่ฟังแล้วอึดอัดคือ ข้อมูลประชากรศาสตร์บอกว่าควรซื้อสื่อที่ไหน แต่แทบไม่บอกว่าทำไมใครจะฟัง แผนที่ได้ผลเริ่มจากสิ่งที่ผู้คนคิด กลัว และพูดถึง แล้วใช้อายุหรือรายได้เพียงเพื่อบีบการซื้อสื่อให้แคบลง AI ช่วยให้ทำเช่นนั้นได้ในระดับใหญ่ ตราบใดที่ยังมีคนที่มีวิจารณญาณคุมพวงมาลัยอยู่
ตัวอย่างล่าสุดมาจากสเปน ในบทสัมภาษณ์กับ Reason Why Laia Prunera ผู้อำนวยการฝ่ายการตลาดของบริษัทประกันภัย Santalucía อธิบายว่าบริษัทเลิกเปิดพิชเอเจนซีรายปี มอบแพลตฟอร์มแบรนด์ให้ Oriol Villar โดยตรง และมุ่งมั่นสร้างแบรนด์ในระยะยาว การรับรู้แบบไม่มีการช่วยเตือนเพิ่มจาก 45% เป็น 62% ในห้าปี แข่งกับคู่แข่งที่ตามคำกล่าวของ Prunera ลงทุนมากกว่าสูงสุดแปดเท่า
การใช้จ่ายมากกว่าแปดเท่าซื้อ GRP ได้มหาศาล หากชนะด้วยน้ำหนักไม่ได้ ก็ต้องชนะด้วยความเข้าใจ Santalucía พบความแตกต่างของตนในด้านบริการ การยืนเคียงข้างลูกค้า และมิติทางอารมณ์ของความสัมพันธ์ ไม่ใช่ในช่วงอายุ สำหรับคนที่วางแผนสื่อ บทเรียนนี้ชัดเจนอยู่ในตัว
ทำไมข้อมูลประชากรศาสตร์จึงไม่เพียงพอสำหรับการวางแผนสื่ออีกต่อไป?
เพราะข้อมูลเหล่านี้อธิบายคนจำนวนมากที่ไม่เหมือนกันเลย “ผู้หญิงในเมือง อายุ 35–54 ปี รายได้ระดับกลางค่อนไปทางสูง” ครอบคลุมทั้งผู้หญิงที่เพิ่งมีลูกคนแรก คนที่ดูแลพ่อแม่ และคนที่เริ่มต้นธุรกิจของตัวเอง พวกเธออยู่ในแถวเดียวกันของสเปรดชีต แต่ไม่ได้มีความกังวล กิจวัตร หรือหน้าจอร่วมกัน
การเจาะกลุ่มเป้าหมายตามข้อมูลประชากรศาสตร์ก็ไม่ได้สร้างความได้เปรียบอีกต่อไปเช่นกัน ผู้ลงโฆษณารายใดก็ซื้อกลุ่มผู้ชมแบบเดียวกันเป๊ะบนแพลตฟอร์มเดียวกันได้ในไม่กี่คลิก หากสิ่งเดียวที่ทำให้แผนของคุณต่างจากคู่แข่งคือวิธีแบ่งงบประมาณ แผนนั้นก็ไม่ได้ต่างจริง
แล้วยังมีปัญหาการกระจัดกระจาย แพเนลบอกอย่างหนึ่ง ข้อมูลแพลตฟอร์มบอกอีกอย่าง CRM ของลูกค้าบอกอีกอย่าง และการรับฟังเสียงบนโซเชียลก็บอกอีกอย่าง แต่ละแหล่งบอกความจริงเพียงบางส่วน และนักวางแผนต้องกลายเป็นล่ามระหว่างระบบที่ไม่คุยกัน นั่นคือจุดที่หลายสัปดาห์หายไป และที่แย่กว่านั้นคือจุดที่คุณสูญเสียเส้นด้ายว่าผู้คนใส่ใจอะไรจริง ๆ
ปัญหาที่แท้จริง: ข้อมูลมีมากมาย แต่ความเข้าใจมีน้อย
ทฤษฎีคุณภาพข้อมูลสรุปไว้ด้วยแนวคิดง่าย ๆ ว่า ข้อมูลที่ดีคือข้อมูลที่รับใช้การตัดสินใจที่คุณต้องทำ ไม่ใช่ข้อมูลที่แม่นยำกว่า และไม่ใช่ข้อมูลที่มีมากกว่า อายุที่วัดได้แม่นยำสมบูรณ์เป็นข้อมูลที่แย่ หากการตัดสินใจคือข้อความใดจะทำให้ใครสักคนหยุดเลื่อนหน้าจอ
ในการวางแผน เรามักสับสนระหว่างความแม่นยำกับความมีประโยชน์ เราวัดการเข้าถึงกลุ่มเป้าหมายได้ละเอียดถึงทศนิยม แต่แทบไม่รู้ว่ากลุ่มนั้นคิดอะไรอยู่ตอนที่โฆษณาปรากฏ นั่นคือเหตุผลที่การสร้างการมีส่วนร่วมจึงเป็นเรื่องยากเหลือเกิน เพราะมันเกิดจากความเข้าใจ ไม่ใช่จากตัวเลข
เมื่อแหล่งข้อมูลกระจัดกระจาย ผลกระทบก็ทวีคูณ ทุกทีมปรับแต่งข้อมูลของตนเอง และไม่มีใครเป็นเจ้าของคำถามที่สำคัญ คือคนคนนี้กำลังเผชิญอะไรอยู่ และแบรนด์จะเป็นประโยชน์ต่อเขาได้อย่างไรในจังหวะนั้น
การวางแผนสื่อที่ตั้งต้นจากความขัดแย้งในใจคืออะไร?
ความขัดแย้งในใจคือการปะทะกันระหว่างสิ่งที่ใครสักคนต้องการกับสิ่งที่รั้งเขาไว้ มันไม่ใช่คุณลักษณะประจำตัว แต่เป็นปัญหาที่ยังเกิดขึ้นอยู่ และผู้คนพูดถึงมันบนโซเชียล ในฟอรัม ในรีวิว และในเธรดคอมเมนต์ ในแนวทางนี้ เพอร์โซนาคือกลุ่มคนที่มีความขัดแย้งในใจเดียวกัน แม้จะอายุไม่เท่ากัน
ลองนึกถึงเครือฟิตเนสราคาประหยัด บรีฟแบบคลาสสิกจะบอกว่า “อายุ 18–34 ปี อาศัยในเมือง” แต่เมื่ออ่านสิ่งที่กลุ่มเป้าหมายโพสต์จริง คุณอาจพบ เช่น สองกลุ่ม คือคนที่อยากเริ่มออกกำลังกายแต่อายที่ไม่รู้วิธีใช้เครื่อง กับขาประจำที่บ่นเรื่องฟิตเนสแน่นในช่วงชั่วโมงเร่งด่วน ช่วงอายุเดียวกัน แต่แผนตรงข้ามกัน คือเนื้อหาแนวให้ความมั่นใจและสอนวิธีใช้สำหรับกลุ่มแรก และข้อความเรื่องเวลาเปิดและความหนาแน่น ณ จังหวะตัดสินใจพอดีสำหรับกลุ่มหลัง
| เกณฑ์ | แผนตามข้อมูลประชากรศาสตร์ | แผนที่ตั้งต้นจากความขัดแย้งในใจ |
|---|---|---|
| หน่วยการวางแผน | กลุ่มเป้าหมายตามอายุ เพศ รายได้ และภูมิภาค | เพอร์โซนาที่จัดกลุ่มตามความขัดแย้งในใจร่วมกัน |
| แหล่งข้อมูลหลัก | ข้อมูลที่ผู้ใช้แจ้งไว้กับแพเนลและแพลตฟอร์ม | บทสนทนาและเนื้อหาที่กลุ่มเป้าหมายเผยแพร่ |
| คำถามที่ตอบได้ | จะซื้อสื่อเพื่อเข้าถึงใคร? | ทำไมพวกเขาจึงให้ความสนใจ? |
| การเลือกช่องทาง | affinity และต้นทุนต่อการเข้าถึง | ที่และเวลาที่ความขัดแย้งในใจปรากฏขึ้น |
| ข้อความ | ข้อความทั่วไปหนึ่งชุดสำหรับกลุ่มเป้าหมายทั้งหมด | หนึ่งข้อความต่อหนึ่งความขัดแย้งในใจ โดยแต่ละข้อความมีโทนเฉพาะตัว |
| การวัดผล | การเข้าถึงและความถี่ | การเข้าถึง บวกการตอบสนองแยกตามความขัดแย้งในใจ |
| ความเสี่ยงหลัก | แผนที่เหมือนคู่แข่งทุกประการ | อ่านความขัดแย้งในใจผิด หากไม่ได้ตรวจสอบ |
วิธีสร้างแผนสื่อที่ตั้งต้นจากความขัดแย้งในใจด้วย AI ทีละขั้นตอน
คุณไม่จำเป็นต้องทิ้งแผนปัจจุบัน เป็นเรื่องของการเปลี่ยนลำดับ คือเข้าใจก่อน ซื้อทีหลัง
- กำหนดหมวดสินค้า ไม่ใช่แค่แบรนด์ รวบรวมบทสนทนาเกี่ยวกับปัญหาที่ลูกค้าของคุณแก้ รวมถึงบทสนทนาที่เกี่ยวกับคู่แข่ง ความขัดแย้งในใจมักอยู่นอกช่องทางของแบรนด์เอง
- จัดกลุ่มเนื้อหาเป็นเพอร์โซนาและความขัดแย้งในใจ นี่คือจุดที่ AI ช่วยประหยัดงานมือได้หลายสัปดาห์ เช่น Defy Monitor จัดกลุ่มเนื้อหาของกลุ่มเป้าหมายเป็นเพอร์โซนาและความขัดแย้งในใจโดยอัตโนมัติ คุณจึงวางแผนจากบทสนทนาจริง ไม่ใช่จากเอกสารข้อมูลประชากรศาสตร์
- ตรวจสอบความขัดแย้งในใจทุกประเด็นกับตัวอย่าง อ่านโพสต์ที่อยู่เบื้องหลัง หากความขัดแย้งในใจใดไม่ยืนหยัดได้ด้วยกรณีที่เป็นรูปธรรม ให้ตัดทิ้ง ไม่ว่าจะดูดีในสไลด์เพียงใด
- จัดลำดับความสำคัญตามปริมาณและความเหมาะสม เก็บความขัดแย้งในใจสองถึงสามประเด็นที่มีปริมาณมากพอและที่แบรนด์แก้ปัญหาให้ได้อย่างน่าเชื่อถือ
- แปลงแต่ละความขัดแย้งในใจเป็นช่องทาง จังหวะ และข้อความ ถามว่าปัญหาโผล่ขึ้นที่ไหน และช่วงเวลาไหนของวันหรือของปี นั่นคือบริบทการซื้อสื่อของคุณ
- ใช้ข้อมูลประชากรศาสตร์เป็นขั้นสุดท้าย ตอนนี้ และตอนนี้เท่านั้น จึงค่อยบีบกลุ่มให้แคบลงตามอายุ ภูมิภาค หรือรายได้ เพื่อไม่ต้องจ่ายเงินให้การเข้าถึงที่ไม่ตรงกลุ่ม
- วัดการตอบสนองตามความขัดแย้งในใจ แยกผลลัพธ์ตามไลน์ข้อความเพื่อเรียนรู้ว่าความขัดแย้งในใจใดกระตุ้นผู้คนได้มากที่สุด แล้วจัดสรรงบใหม่ในรอบการลงสื่อถัดไป
หากต้องการดูว่าเวิร์กโฟลว์นี้ลงตัวอยู่ในสภาพแวดล้อมเดียวกันอย่างไร ตั้งแต่การรับฟังไปจนถึงการวิเคราะห์ ลองดูแพลตฟอร์ม Defy
บทสนทนากับลูกค้าเปลี่ยนไปอย่างไร?
ชนิดของความรู้ที่คุณสั่งสมเปลี่ยนไป Prunera กล่าวประเด็นนี้ใน Reason Why เพื่อคัดค้านการพิชติดต่อกันไม่หยุด การสร้างแบรนด์ต้องอาศัยความรู้ รหัสแบรนด์ การเรียนรู้ และความไว้วางใจ ซึ่งเกิดได้จากความสัมพันธ์ต่อเนื่องเท่านั้น
แผนที่ความขัดแย้งในใจคือความรู้สะสมประเภทนั้นพอดี ทุกรอบการลงสื่อบอกว่าความขัดแย้งในใจใดตอบสนองและใดไม่ตอบสนอง และแผนถัดไปก็คมขึ้น แผนตามข้อมูลประชากรศาสตร์ลอกเลียนได้ในการพิชทุกครั้ง แต่ความเข้าใจกลุ่มเป้าหมายอย่างลึกซึ้งลอกไม่ได้
บรรยากาศของการประชุมก็เปลี่ยนด้วย คุณไม่ต้องปกป้องการแบ่งงบด้วยเปอร์เซ็นต์อีกต่อไป แต่แสดงสิ่งที่ผู้คนพูดด้วยถ้อยคำของพวกเขาเอง และอธิบายว่าทำไมแต่ละไลน์จึงอยู่ตรงที่มันอยู่ การโต้แย้งกับบทสนทนาจริงยากกว่าการโต้แย้งกับสมมติฐานมาก
อะไรที่ไม่ควรมอบให้ AI?
AI เก่งมากในการจัดกลุ่มบทสนทนาหลายพันรายการและมองเห็นรูปแบบ แต่ไม่เก่งในการตัดสินว่าอะไรสำคัญสำหรับแบรนด์ โปรดคำนึงถึงข้อจำกัดสามประการ
- คนที่โพสต์ไม่ใช่ทุกคน บทสนทนาบนโซเชียลให้น้ำหนักกับคนที่เสียงดังที่สุดมากเกินจริง ควรตรวจสอบความขัดแย้งในใจเทียบกับข้อมูลของลูกค้าเองก่อนย้ายงบก้อนใหญ่
- ความขัดแย้งในใจที่ไม่มีหลักฐานเป็นเพียงความเห็น ยืนกรานขอดูโพสต์เบื้องหลังทุกข้อสรุปเสมอ
- วิจารณญาณยังเป็นของมนุษย์ การเลือกว่าแบรนด์จะแก้ความขัดแย้งในใจใด และด้วยโทนแบบไหน เป็นงานกลยุทธ์ AI ช่วยคัดแยก ทีมของคุณคงวิจารณญาณไว้
Santalucía ไม่ได้เพิ่มการรับรู้ได้ 17 จุดเพราะมีข้อมูลมากกว่าใคร ตามคำของผู้อำนวยการฝ่ายการตลาด บริษัทไปถึงจุดนั้นด้วยการค้นพบความจริงของแบรนด์และยึดมั่นกับมันตลอดเวลา ส่วนนั้นทำให้เป็นอัตโนมัติไม่ได้ สิ่งที่ทำให้อัตโนมัติได้คือทุกสิ่งที่ปัจจุบันขัดขวางไม่ให้คุณทุ่มเวลาให้มันอย่างที่มันควรได้รับ
