Mind Analytica

พัฒนา Product และ Service ด้วยสถิติ<br>ข้อมูล Demographic และพฤติกรรมผู้บริโภค

20 มีนาคม 2566 - เวลาอ่าน 2 นาที
พัฒนา Product และ Service ด้วยสถิติ<br>ข้อมูล Demographic และพฤติกรรมผู้บริโภค

ในช่วงกลางปี 2563 ตอนที่โควิด 19 เริ่มต้นใหม่ๆ ท่านอาจเคยได้ยินเนื้อเรื่องที่ร้านอาหารแห่งหนึ่งที่อยู่ในย่านเมืองท่องเที่ยวของญี่ปุ่น ใช้ปัญญาประดิษฐ์ (Artificial Intelligence; AI) ในการเก็บข้อมูลผู้สัญจรอยู่ที่หน้าร้าน นำไปใช้ในการเปลี่ยนป้ายโฆษณาหน้าร้านให้เหมาะสมกับผู้สัญจรอยู่หน้าร้าน แล้วส่งผลต่อการเพิ่มกำไรถึง 10 เท่า

ย่อเรื่อง Haruki Odaijima เป็นเข้ามาเป็นเขยในร้านอาหารที่ชื่อ Ebiya ที่อยู่หน้าวัดในเมือง Ise ที่เป็นสถานที่ท่องเที่ยวดังแห่งหนึ่งในญี่ปุ่น ในช่วงโควิด 19 เริ่มต้น ร้านอาหาร Ebiya ประสบปัญหาเหมือนร้านอาหารทั่วไป ที่ลูกค้าน้อยลง เกิดจากที่นักท่องเที่ยวน้องลง

Haruki จึงใช้ข้อมูลวิเคราะห์ผู้เดินทางหน้าร้าน ว่าผู้ที่เดินทางเป็นใคร เช่น หากเป็นนักเรียนเยอะ ก็จะนำป้ายโฆษณาโปรโมชั่นนักเรียนไปติดตั้ง เช่น นักเรียนได้ส่วนลดพิเศษ แล้วดึงดูดให้ลูกค้าเข้ามาในร้าน นอกจากนี้ การทำนายลูกค้าของเขาส่งผลให้เกิดการคำนวณเมนูอาหารที่ลูกค้าสั่งได้ถูกต้อง แล้วส่งผลให้ลดของเสียในร้านได้ถึง 70% หรือนำไปสู่เมนูใหม่ๆ ที่ตอบโจทย์ลูกค้าแต่ละกลุ่มให้มากยิ่งขึ้น

แนวทางของ Haruki คือนำสถิติของผู้สัญจร มาใช้ในการวิเคราะห์โอกาสในการขาย นำสถิติการรับประทานอาหารของลูกค้าแต่ละประเภท มาใช้ในการคำนวณว่าอาหารที่ลูกค้าแต่ละกลุ่มชอบคือใคร นำสถิติประเภทของลูกค้าที่เข้าในแต่ละวัน แต่ละเวลา มาใช้ในการประมาณการยอดขาย และวางแผนวัตถุดิบอย่างเหมาะสม เรามาลองจินตนาการดูว่า วิธีของ Haruki จะนำมาใช้ในร้านข้าวมันไก่ได้หรือไม่ อย่างไร

ในช่วงผมอยู่ในระดับปริญญาตรี ผมกินข้าวมันไก่ร้านหนึ่งในสยามบ่อยมาก เพราะอยู่ตรงข้ามคณะที่ผมเรียนและสอนอยู่ (ปัจจุบันนี้ปิดไปแล้ว) ผมลองจินตนาการดูว่า ถ้าหากผมใช้ AI ตามที่ Haruki ทำ ผมจะทำอะไรบ้าง และจะเพิ่มยอดขายได้อย่างไร

  • วิเคราะห์สัดส่วนของประเภทผู้ที่เข้าร้าน ว่าเป็นลูกค้าที่ผ่านหน้าร้านแล้วถึงเข้ามา หรือว่าเป็นลูกค้าที่ตั้งใจเดินมาในร้าน สิ่งนี้จะทำให้เข้าใจได้ว่า ร้านดึงดูดลูกค้าขาจรได้มากน้อยเพียงใด
  • วิเคราะห์ว่าลูกค้าที่มาในร้าน เป็นลูกค้าขาประจำหรือลูกค้าขาจรในสัดส่วนเท่าไร อาจใช้บัตรสะสมแต้มสมาชิก เพื่อดูว่าเป็นลูกค้าขาประจำหรือขาจร เพื่อดูว่าร้านควรใช้โปรโมชั่นแบบใด เพื่อให้ดึงดูดลูกค้าส่วนใหญ่
  • วิเคราะห์ว่าสัดส่วนข้อมูลพื้นฐานของประชากร ที่เดินอยู่หน้าร้าน เช่น สัดส่วนของเพศ อายุ การเดินเป็นกลุ่ม เป็นอย่างไร เปรียบเทียบกับคนในร้านว่าต่างกันหรือไม่ เช่น ลูกค้าส่วนใหญ่ที่ผ่านหน้าร้านเดินเป็นกลุ่ม แต่ลูกค้าที่เป็นกลุ่มในร้านกลับไม่ค่อยมี ทำให้เราสามารถวิเคราะห์ได้ว่าลูกค้าที่มาเป็นกลุ่ม ไม่ค่อยเข้าร้านเพราะอะไร ต้องจูงใจเขาอย่างไรให้มาใช้บริการในร้าน
  • วิเคราะห์ลูกค้าแต่ละรูปแบบ ว่าสั่งอาหารแบบใด เช่น ผู้หญิงจะสั่งไม่เอาข้าวมันและไม่เอาหนัง แต่ผู้ชายจะสั่งจานพิเศษเป็นหลัก ผู้หญิงจะทานน้ำซุปมากกว่าผู้ชาย พฤติกรรมเหล่านี้สามารถสร้างโปรโมชั่นดึงดูดลูกค้าได้ เช่น แถมซุปเพิ่มให้ลูกค้าที่ไม่รับหนัง

นี่เพียงตัวอย่าง 4 ข้อที่นำวิธีของ Haruki มาใช้ในร้านข้าวมันไก่ ทิศทางในการใช้ข้อมูลยังมีอีกมากมาย เช่น การประมาณการยอดขาย เพื่อประมาณอัตรากำลังคนในร้านและวัตถุดิบในการขาย, การปรับรสชาติ หรือสร้างคำขวัญ (Catchphase) เพื่อดึงดูดลูกค้าขาจร (เช่น “ไก่สิงค์โปร์ ไหหลำ หรือจะสู้ไก่สยาม”) ฯลฯ

ผู้เขียน

MindAnalytica Team

MindAnalytica Team

เรื่องที่คุณอาจสนใจ