Customer Lifetime Value 

Customer Lifetime Value คือ การหามูลค่าของลูกค้าตลอดอายุการใช้งาน เพื่อวิเคราะห์ถึงกลุ่มลูกค้าว่ามีความสัมพันธ์ต่อธุรกิจของเราอย่างไร สามารถบอกได้ว่าลูกค้าคนไหนอยู่ในกลุ่มที่จะสร้างมูลค่ากับเราไปอีกนาน หรือลูกค้าคนไหนที่อยู่ในกลุ่มที่จะมีโอกาสเลิกซื้อสินค้ากับเรา ถือว่าเป็นหัวใจสำคัญของการตลาดเพราะ Customer Lifetime Value จะสามารถบอกคุณได้ว่าคุณจะต้องใช้จ่ายเท่าใดเพื่อให้ลูกค้ากลุ่มต่างๆ อยู่กับธุรกิจของเราต่อไป เช่นเราจะจัดโปรโมชั่นให้กับกลุ่มที่มีโอกาสจะเลิกซื้อสินค้าของเราอย่างไรเพื่อดึงดูดให้เขาซื้อสินค้าต่อไป หรือเราจะจัดโปรโมชั่นให้กับลูกค้าที่มีมูลค่ามากๆอย่างไรเพื่อให้มูลค่าของลูกค้ารายนั้นเพิ่มขึ้นมากกว่าเดิม

• ควรจะส่งข้อเสนอเพื่อรักษาลูกคนนี้ไว้หรือไม่
• ควรส่งโฆษณาให้ลูกค้าคนนี้ไหม
• เราจะหาคนที่ชอบอะไรคล้ายๆคนนี้อย่างไร
• ลูกค้าซื้ออะไรที่คล้ายกัน
• ลูกค้าคนนี้จะจ่ายให้เราอีกเท่าไรในอนาคต

ทั้งหมดนี้เป็นคำถามเกี่ยวกับการทำการตลาด เพื่อจะสามารถตั้งเป้าหมายและวางแผนในการลงทุน และคำถามทั้งหมด Customer Lifetime Value จะช่วยได้ทั้งหมด

Concept

Concept ของ Customer Lifetime Value คือ RFM

RMF คือการวิเคราะห์กลุ่มลูกค้าจากพฤติกรรมของลูกค้าต่อธุรกิจของเรา โดยที่

R หรือ Recency คือระยะเวลาที่ลูกค้ามาใช้บริการครั้งสุดท้าย

F หรือ Frequency คือจำนวนครั้งหรือความถี่ที่ลูกค้ามาใช้บริการ

M หรือ Monetary คือจำนวนเงินที่ลูกค้าจ่ายให้กับเรา

Use Case

ตัวอย่างขององค์กรที่ใช้การทำ Customer Lifetime Value มาใช้และได้ผลตอบรับที่ดี ก็อย่างเช่น

Netflix ได้มีการทำ Customer Lifetime Value มาดูอายุการใช้งานของลูกค้า ซึ่ง Netflix ก็ได้รู้ว่า โดยเฉลี่ยแล้วลูกค้าของเขามีอายุการใช้งานเฉลี่ยอยู่ที่ 25 เดือน จากนั้นเขาได้วางแผนทำโปรโมชั่นให้แก่ลูกค้า เช่นการดูฟรี 1เดือน และมีการลงทุนในการทำการตลาดผ่านของทางต่างๆ เช่น Youtube เป็นต้น ทำให้เขามีค่าเฉลี่ยอายุการใช้งานของลูกค้าเพิ่มขึ้นเป็น 40% สามารถศึกษารายละเอียดเพิ่มเติมได้ที่ https://neilpatel.com/blog/how-netflix-measures-you/

ทำความรู้จักกับเทคโนโลยีอื่นๆ บน Google Cloud กับกิจกรรม webinar

ลงทะเบียนเข้าร่วมฟรี ! คลิกที่นี่

Dataset

ข้อมูลที่จำเป็น ก็จะต้องมี จำนวนสินค้าที่ซื้อต่อครั้ง วันที่ซื้อ ราคา และก็รหัสผู้ใช้

ซึ่งข้อมูลพวกนี้ถ้ามองง่ายๆ ก็คือข้อมูลของใบเสร็จรับเงิน หรือกำกับภาษีนั่นเอง บางครั้งชุดข้อมูลก็อาจจะมีความผิดพลาด หรือมีข้อมูลที่สูญหาย จึงจำเป็นต้องมีการทำการ cleaning ก่อน และหลังจากนั้นก็จะนำข้อมูลมาทำ Feature ให้ตรงตาม Concept ของ RFM

ประกอบไปด้วย เวลาที่ลูกค้ามาใช้บริการ ไอดีลูกค้า จำนวนเงิน ความถี่ และระยะจากวันที่ใช้บริการจนถึงปัจจุบัน และเราอาจจะทำ feature อื่นๆเพิ่มได้นอกเหนือจาก RFM เช่น ค่าเฉลี่ยของระยะเวลาที่ลูกมาซื้อแต่ละครั้ง ค่าเฉลี่ยของจำนวนสินค้าที่ซื้อแต่ละครั้ง ค่าเฉลี่ยของจำนวนเงินที่ลูกค้าใช้จ่ายแต่ละครั้ง และพวกข้อมูลการคืนสินค้า ดังตัวอย่างด้านล่างนี้

หลังจากเราเตรียมข้อมูลเรียบร้อยแล้ว ต่อไปก็จะเข้าสู่กระบวนการ Training โดยในตัวอย่างนี้เราจะตั้ง Target ให้เป็นค่า Monetary เพื่อทำนายหามูลค่าของลูกค้าที่จะใช้จ่ายกับเราในอนาคต วันนี้เราจะมาใช้ AutoML Tables ในการ Training กันนะครับ มาดูกันว่าจะง่ายและสะดวกแค่ไหน

AutoML Tables

ขั้นตอนแรกไปที่หน้า Console ของ Google Cloud จากนั้นไปที่ Tables และทำการ Enable Service ให้เรียบร้อย จากนั้นทำการ Import ชุดข้อมูลที่เราได้ทำการ Cleaning และ Feature ต่างไว้แล้ว เข้าสู่ AutoML

เมื่อ Import ข้อมูลเสร็จแล้วก็จะมาหน้า Train เพื่อเลือก Target สำหรับโมเดล ในที่นี้ผมได้เบือก Target เป็น Monetary ตามที่กล่าวไปข้างต้น ซึ่งหน้านี้ก็จะมีให้เราตั้งค่าพวก Data Type และมีบอกว่า Column มี Missing อยู่หรือป่าว

หลังจากนั้นก็ทำการกด Train ในขั้นตอนนี้จะมีให้เราใส่จำนวน Node hour ที่เราจะใช้ในการ ซึ่งการคิดเงินของ AutoML ก็จะอยู่ตรงนี้แหละ สามารถไปดูได้ที่ https://cloud.google.com/automl-tables/pricing

ต่อมาทำการเลือก column ที่จะใช้

และมีสรุปบอกเราว่า Model ที่ใช้เป็นประเภทไหน มี Target เป็นอะไร มีกี่ Feature

จากนั้นทำการกด Train และรอวนไปจนกว่าจะ Train เสร็จ

เมื่อ Train เสร็จเรียบร้อยจะมีหน้าสำหรับ Evaluate ให้เราเพื่อดูค่า Score ต่างๆ ของ Model และ AutoML จะทำการ Deploy ให้เราเลย สามารถเรียกใช้ผ่าน API ได้เลย แล้วแต่ว่าจะใช้เป็น Realtime หรือ Batch เห็นไหมครับว่า AutoML ง่ายและสะดวกแค่ไหน

Summary

สรุปแล้วการทำ Customer Lifetime Value จะช่วยให้เราทราบถึงมูลค่าที่ลูกค้าจะจ่ายกับเราในอนาคต และรู้ถึงลูกค้าที่มีแววที่จะเลิกใช้บริการกับเรา เราสามารถนำข้อมูลตรงนี้ไปวางแผนทำการตลาด และเจาะกลุ่มเป้าหมายต่างๆ เพื่อทำให้รักษาลูกค้าไว้หรือเพิ่มยอดขายจากลูกค้าเหล่าได้อีกด้วย

การทำ Customer Lifetime Value ส่วนที่สำคัญเลยจะอยู่ที่ขั้นตอนในการทำ Feature ต่างๆ ให้กับข้อมูล การใช้ Concept ของ RFM เราสามารถเปลี่ยนแปลง Target เป็น Clolumn อื่นๆ ได้ เช่นอาจจะใช้ Frequency เพื่อดูว่าลูกค้าจะมาใช้บริการเราอีกกี่ครั้งเป็นต้นนะครับ เมื่อเตรียมข้อมุลเสร็จแล้ว ในขั้นตอนการ Train ก็ปล่อยให้เป็นหน้าที่ของ AutoML เป็นตัวจัดการ แค่นี้เราก็จะได้ Model สำหรับทำนายข้อมูลในอนาคตสำหรับการวางแผนต่างๆได้แล้ว

Written by Somyost Phetsaikaew

Cloud Ace Thailand

Make It Now!

หากคุณสนต้องการคำปรึกษา Cloud Ace Thailand พร้อมให้บริการที่จะสนับสนุนคุณตั้งแต่ การให้คำปรึกษา จนถึงการออกแบบระบบ ติดตั้งระบบ ย้ายระบบ ในฐานะ Google Cloud Partner ที่มีความเชี่ยวชาญ และได้รับรางวัล Service partner of the year ในปี 2019

ติดต่อเรา th_sales@cloud-ace.com

Subscribe to us