ถ้าใบเสร็จในโลกจริงเป็นเพียงกระดาษที่บอกว่าเราซื้ออะไรไปบ้าง หลายคนอาจรับมาแล้วทิ้งทันที แต่ใน The Killer’s Shopping List ใบเสร็จกลับกลายเป็นเบาะแสสำคัญในการคลี่คลายคดีฆาตกรรม ในซีรีส์เกาหลีแนวสืบสวน-คอมเมดี้เรื่องนี้เล่าเรื่องของ อันแดซอง พนักงานแคชเชียร์ประจำซูเปอร์มาร์เก็ต ที่เข้ามาช่วยแฟนสาวซึ่งเป็นตำรวจสืบคดี หลังพบว่าใบเสร็จจากมาร์ทใกล้จุดเกิดเหตุอาจเชื่อมโยงไปถึงคนร้าย
 
สิ่งที่น่าสนใจคือ ใบเสร็จหนึ่งใบไม่ได้บอกแค่ว่าซื้ออะไร แต่เมื่อเอารายการสินค้าต่าง ๆ มาเชื่อมโยงกัน สิ่งของที่ดูธรรมดาก็อาจเผยเรื่องราวบางอย่างที่ซ่อนอยู่ และนี่ไม่ต่างจากโลกรีเทลวันนี้ที่มีใบเสร็จอยู่ในมือเต็มไปหมด รู้ว่าลูกค้าซื้ออะไร ซื้อเมื่อไร ซื้อบ่อยแค่ไหน ซื้อคู่กับอะไร หรือโปรโมชั่นไหนที่ได้ผล แต่คำถามคือ มี Data แล้วทำอะไรต่อ?
 
มี Data เยอะ ไม่ได้แปลว่าดี หากใช้ไม่เป็นข้อมูลก็ล้น
 
“ใครมี Data เยอะที่สุดแปลว่าชนะ” คำพูดนี้จริงแค่ครึ่งเดียว เพราะหากมี Data แล้ว Analyze ไม่เป็นก็ไม่มีประโยชน์ อย่างที่คนชอบแซวกันว่า สำลักข้อมูลตาย คือมีแต่มันทำไม่เป็น เอาไปใช้ไม่ได้ บริบทธุรกิจมันจะเปลี่ยนไปเลย คือมันไม่ใช่เป็นการต่อรองเรื่องวอลลุ่มแบบเดิมแล้ว” จักรกฤษณ์ จตุปัญญาโชติกุล รองกรรมการผู้จัดการฝ่ายการตลาด ประชาสัมพันธ์ และกิจกรรมเพื่อสังคม บริษัท เซ็นทรัล ฟู้ด รีเทล จำกัด กล่าว

วันนี้คนที่จะได้เปรียบจึงไม่ใช่คนที่มี Data เยอะที่สุด แต่คือคนที่เอา Data มาใช้ได้เร็วที่สุด เพราะต่อให้มีข้อมูลมหาศาล แต่ถ้าวิเคราะห์ไม่เป็น หรือวิเคราะห์แล้วไม่ได้นำไปใช้ สุดท้าย Data ก็เป็นเพียงข้อมูลที่ถูกเก็บไว้

สำหรับท็อปส์ ข้อได้เปรียบคือการมี First-Party Transactional Data ทำให้เห็นพฤติกรรมการซื้อจริง ตั้งแต่ซื้ออะไร ซื้อเมื่อไร ซื้อคู่กับอะไร ไปจนถึงโปรโมชั่นแบบไหนที่ได้ผล แต่ข้อมูลเหล่านี้จะมีค่าก็ต่อเมื่อถูกนำมาวิเคราะห์และนำไปใช้จริงตรงนี้เองที่ AI เข้ามาช่วย เมื่อข้อมูลมีมากขึ้น การไล่ดูทีละรายการด้วยคนอย่างเดียวคงไม่ทัน AI จึงช่วยวิเคราะห์ข้อมูลจำนวนมากและทำให้เห็น Pattern ของลูกค้าได้เร็วขึ้น
 
จาก Segment สู่การรู้ว่าลูกค้าต้องการอะไร

ในอดีต CRM อาจเริ่มจากการแบ่งลูกค้าตาม Segment เช่น อายุ รายได้ หรือ Demographic แล้วส่งข้อเสนอให้คนในกลุ่มเดียวกัน แต่วันนี้คนที่อยู่ Segment เดียวกันไม่ได้แปลว่าจะมีพฤติกรรมเหมือนกัน ลูกค้าสองคนอายุเท่ากัน รายได้ใกล้กัน คนหนึ่งอาจชอบทำอาหารที่บ้าน ขณะที่อีกคนชอบซื้ออาหารสำเร็จรูป
 
นี่คือจุดที่ Hyper-Personalization เข้ามา โดยใช้ AI ช่วยนำข้อมูลหลายด้านมาดูร่วมกัน ทั้งประวัติการซื้อ ความถี่ในการซื้อ ยอดใช้จ่าย สินค้าที่สนใจ และการตอบรับโปรโมชั่น จากนั้นจึงดูว่าลูกค้าแต่ละคนมีโอกาสสนใจอะไร และควรนำเสนอเมื่อไรเพราะบางครั้งสิ่งที่ลูกค้าต้องการอาจไม่ใช่ส่วนลด แต่เป็นสินค้าที่ตอบโจทย์สิ่งที่กำลังจะทำในเวลานั้น

ยกตัวอย่างงานวิจัยจาก IGD ชี้ว่า ผู้บริโภคมีพฤติกรรมกินอาหารที่บ้านมากขึ้น หรือเตรียมอาหารไปกินข้างนอกเองมากขึ้นถ้ามองแบบเดิม เมื่อลูกค้าซื้อขนม รีเทลก็อาจเสนอโปรโมชั่นขนม แต่ถ้ามองจากพฤติกรรมที่เชื่อมโยงกัน อาจพบว่าลูกค้ากำลังจะดูหนังที่บ้านกับเพื่อน ข้อเสนอที่เหมาะกว่าจึงอาจเป็น Cinema Snacks at Home เป็นต้น
 
วันนี้คนไม่ได้ซื้อสินค้าเพราะต้องการตัวสินค้าอย่างเดียว แต่ซื้อเพื่อบาง Occasion ทำให้จากเดิมที่ขายสินค้าเป็นหมวด ๆ ต้องเปลี่ยนเป็นการนำหลาย Category มาจับคู่กันตาม Occasion เหมือนกับใน The Killer’s Shopping List ที่สินค้าแต่ละชิ้นบนใบเสร็จอาจดูไม่มีความหมาย แต่เมื่อเอามาดูรวมกันกลับเห็นเรื่องราวที่ซ่อนอยู่

ลูกค้าคนเดียวกันไม่ได้มีพฤติกรรมเหมือนเดิมตลอด วันนี้ Data ยังช่วยให้เห็นว่าพฤติกรรมของลูกค้าเปลี่ยนไปตามช่วงเวลา คนเดียวกันอาจเลือกสินค้าราคาคุ้มค่าในวันธรรมดา แต่พร้อมจ่ายมากขึ้นในวันหยุด เพราะฉะนั้น การจัดลูกค้าว่าเป็นสาย Premium หรือ Value แบบตายตัวอาจไม่เพียงพอ

AI สามารถช่วยจับสัญญาณเหล่านี้ เช่น ความถี่ในการซื้อเปลี่ยนไปหรือไม่ ซื้อสินค้าพรีเมียมมากขึ้นหรือเปล่า หรือเริ่มลดการใช้จ่ายลงหรือไม่ ข้อมูลเหล่านี้ช่วยให้ท็อปส์มองเห็นว่า ลูกค้าคนไหนกำลังจะหายไป ควรดึงใครกลับมา หรือจังหวะไหนที่ลูกค้าพร้อมจ่ายเพิ่มแต่ AI ไม่ได้คิดแทนนักการตลาดทั้งหมด

จักรกฤษณ์ มองว่า “AI ไม่ใช่ทุกอย่าง AI วันนี้มันให้ Guideline มันให้ Prediction ได้ก็จริง แต่มันไม่ใช่ทางออกทั้งหมด มันเป็นแค่ตัวที่ทำให้เราทำงานได้ง่ายขึ้น จากสมัยก่อนเป็นแบบ Mass ต้องเห็นเยอะ ๆ วันนี้ต้องยิงให้แม่นขึ้นมากกว่า เพราะสุดท้าย AI เข้ามาช่วยให้ Data ต้องถูกเอาไปใช้ ไม่ใช่แค่เอาไปเก็บ”
 
กลับมาที่ใบเสร็จใน The Killer’s Shopping List  ใบเสร็จเป็นเพียงกระดาษธรรมดา จนกว่าจะมีคนหยิบมันขึ้นมาอ่านและเชื่อมโยงข้อมูลที่อยู่บนนั้น จนมองเห็นสิ่งที่คนอื่นอาจมองไม่เห็น รีเทลวันนี้ก็ไม่ต่างกัน Data บอกได้ว่าลูกค้าซื้ออะไร แต่สิ่งสำคัญกว่าคือ จะเอาสิ่งที่รู้นั้นไปทำอะไรต่อ
 
เพราะฉะนั้น Data จึงไม่ควรจบอยู่แค่การเก็บหรือการวิเคราะห์ แต่ต้องถูกนำไปทดลอง วัดผล และนำผลกลับมาเรียนรู้ต่อ ขณะที่ AI เข้ามาช่วยให้กระบวนการเหล่านี้เร็วและแม่นขึ้น เหมือนใบเสร็จในเรื่องนั่นแหละ ที่มันอาจเป็นแค่กระดาษหนึ่งใบ จนกว่าจะมีคนหยิบมันขึ้นมาแล้วอ่านมันเป็น