Data-Driven พารุ่งหรือพาร่วง?
Data

Data-Driven พารุ่งหรือพาร่วง?

Data-Driven พารุ่งหรือพาร่วง? | Skooldio Blog

เกือบทุกเพจการตลาดในไทย(หรือในโลกก็ตาม) ต้องเคยทำคอนเทนต์เกี่ยวกับช่วงเวลาที่ดีที่สุดที่ควรโพสต์บนแต่ละ Social Media และคอนเทนต์เหล่านี้มักจะได้รับความนิยมสูงมาก เพราะใครๆ ก็พากันกดแชร์ กด Retweet กด Tag เพื่อนมาดู ด้วยความรู้สึกตื่นเต้นราวกับได้เครื่องรางของคลัง ที่จะช่วยให้โพสต์ของพวกเขาไม่กริบอีกต่อไป

ผมเชื่อว่าทุกเพจมีเจตนาที่ดีที่จะนำเสนอข้อมูลที่น่าสนใจ หลายเพจมีการเขียนเตือนไว้อย่างชัดเจนว่าข้อมูลนี้อาจจะไม่เวิร์กสำหรับทุกคน ใครที่สนใจก็ต้องไปทดลองกันดูเอง แต่พอเห็น Engagement เยอะๆ ก็อดเป็นห่วงไม่ได้ว่าผู้อ่านส่วนใหญ่เค้าน่าจะกำลังคิดว่าเค้าทำการตลาดแบบ “Data-Driven” อยู่หรือเปล่า วันนี้เลยอยากมาเล่าข้อควรระวังเล็กๆ น้อยๆ ก่อนจะนำข้อมูลไป “drive” ขับเคลื่อนการตัดสินใจ

3 ข้อควรระวัง ก่อนจะนำข้อมูลไป “drive” การตัดสินใจ


Data-Driven พารุ่งหรือพาร่วง? | Skooldio Blog

ลูกค้าเราอาจจะไม่เหมือนลูกค้าคนอื่น หลายบทความที่แนะนำช่วงเวลาที่ดีในการโพสต์ใน Social Media ต่างๆ มักจะอ้างอิงบทความหรืองานวิจัยจากต่างประเทศ ซึ่งแน่นอนว่าพฤติกรรมก็อาจจะไม่ได้เหมือนกับคนไทยเสียทีเดียว (โอเค…ในฐานะอดีต Data Scientist ที่ Facebook บอกเลยว่ามันต่างกันมาก!) ต่อให้เป็นข้อมูลสถิติจากคนไทย ผมก็เชื่อว่าลูกเพจสายบุญ ที่ชอบตักบาตรทำวัตรเช้า น่าจะ Active กันคนละเวลากับลูกเพจแฟนบอลพรีเมียร์ลีกแน่ๆ

เปิดดูของตัวเองซะ! เกือบทุก Social Media มีสรุปสถิติการใช้งานเอาไว้ให้ดูอยู่แล้ว อย่ามัวแต่รอฟังที่คนอื่นเค้าบอก

ตัวอย่างข้อมูลเวลาที่ลูกเพจ Skooldio เค้า Active กัน | Skooldio Blog

ตัวอย่างข้อมูลเวลาที่ลูกเพจ Skooldio เค้า Active กัน ตรงกับที่เค้าแนะนำรึเปล่านะ?

ก่อนจะนำข้อมูลมาใช้ เราจะต้องเข้าใจ​ก่อนว่าข้อมูล “บอก” อะไร และ “ไม่บอก” อะไรเรา ข้อมูลจากหลายบทความบอกแค่ว่าช่วงเวลาไหนคนออนไลน์เยอะ สิ่งที่เรา “คาดการณ์” ต่อเองคือ การโพสต์ในช่วงเวลานั้นจะได้รับ Engagement ที่ดีขึ้น ซึ่งอาจจะเป็นสมมติฐานที่ถูกหรือผิดก็ได้

ตัวอย่างเช่น ในช่วงเวลาที่คนออนไลน์เยอะๆ หากมีคนทำคอนเทนต์ออกมาเยอะมากๆ แล้วคอนเทนต์ของเราไม่ปังพอ ก็อาจจะโดนโพสต์ของเพจอื่นกลบไปหมดจนไม่ได้ reach (เอาให้เคลียร์ๆ ว่าเค้าไม่ได้ซ่อนโพสต์เรา เพียงแต่โพสต์เรามันถูกจัดลำดับอยู่ล่างๆ และคนส่วนใหญ่อาจจะไถลงไปไม่ถึง) ในทางตรงกันข้าม หากเราเอาคอนเทนต์เดียวกันไปโพสต์ในช่วงเวลาที่คนอาจจะออนไลน์น้อย แต่เราไม่ต้องต่อสู้กับเพจใหญ่ๆ มากมาย อาจจะยังพอได้ reach ได้ engagement บ้าง ตอนที่คนเริ่มกลับมาออนไลน์เยอะ อัลกอริทึมเค้าอาจจะเห็นว่าก็มีคนชอบคอนเทนต์เราอยู่บ้างและใจดีดันโพสต์ของเราขึ้นมาให้ได้ reach เยอะขึ้น

นอกจากนี้หลายคนน่าจะเคยได้ยินประโยคที่ว่า “Correlation Doesn’t Imply Causation” นั่นคือ การที่ตัวแปรสองตัวมีความสัมพันธ์กัน (correlation) อาจจะไม่ได้แปลว่ามันเป็นเหตุผลซึ่งกันและกัน (causation) แต่คนก็ยังมักจะสับสนระหว่างสองสิ่งนี้อยู่เสมอ เช่น

“รูป Instagram ที่แคปชันยาว มักจะได้ไลก์น้อย … เราควรจะเขียนแคปชันให้สั้นลงเพื่อเพิ่ม engagement”

ดูเผินๆ ข้อสังเกตนี้ดูเหมือนจะเป็น insights จากข้อมูลที่เป็นประโยชน์ต่อธุรกิจ ถ้าคุณอ่านแล้วคล้อยตาม แปลว่าคุณเผลอสรุปว่าเหตุการณ์ที่สัมพันธ์กัน (correlation) เกิดจากการที่เหตุการณ์หนึ่งเป็นเหตุให้เกิดอีกเหตุการณ์หนึ่ง (causation) ไปเรียบร้อยแล้ว!! ซึ่งอาจจะใช่หรือไม่ใช่ก็ได้ ใครที่สนใจเรื่องนี้สามารถอ่านเพิ่มเติมได้จากบล็อกก่อนหน้านี้

Correlation without Causation | Skooldio Blog

ข้อมูลไม่เคยโกหก…แต่คุณอาจจะ “Correlation Doesn’t Imply Causation” ท่องไว้ให้ขึ้นใจ

เราจะไม่สามารถรู้ได้เลยว่าการโพสต์ในช่วงเวลาต่างๆ มีผลต่อ Engagement ของเรามากน้อยแค่ไหน ถ้าเราไม่เคยทำการทดลอง ถ้าเราโพสต์แต่ตอนเช้า แน่นอนว่าสถิติจาก Social Media ต่างๆ จะบอกว่าลูกเพจเราไม่ค่อย Active ตอนกลางคืน

สิ่งที่อาจจะชวนปวดหัวเล็กน้อย คือ ถ้าเราลองโพสต์ตอนบ่ายๆ แล้วมันเกิดปังขึ้นมา เราจะสรุปได้อย่างไรว่ามันเป็นเพราะเวลาที่เราโพสต์ หรือเป็นเพราะคอนเทนต์มันดีมากๆ?

ถ้าอยากทำให้ถูกต้องตามหลักสถิติก็จะต้องทำ A/B Testing หรือ Randomized Controlled Trial (RCT) ซึ่งเป็นไปได้ยากบน Social Media เพราะเราไม่สามารถควบคุมได้เองว่าให้ใครเห็นหรือไม่เห็นอะไรตอนไหน (ยกเว้น การทดสอบโฆษณา ที่หลายๆ Platform มีบริการตรงนี้ให้โดยเฉพาะ) แต่ถ้าจะเอาแบบลูกทุ่งๆ หน่อย ก็ทดลองซ้ำๆ หลายๆ รอบ ถ้าโพสต์ตอนบ่ายหลายๆ ทีแล้วมันปังอย่างต่อเนื่อง เอาอะไรไปโพสต์ก็ยังปัง ก็อาจจะเป็น “สัญญาณ” ที่ดี ว่าเวลาอาจจะมีผลจริงๆ


สุดท้ายนี้ “Be Data-Informed” คือวลีที่ผมมักพูดอยู่บ่อยๆ หมายถึงการที่เรา “รับรู้” ข้อมูล และนำมาใช้ “ประกอบ” การตัดสินใจ พยายามทำความเข้าใจเหตุและผล และไม่ใช่ตัดสินใจทุกอย่างตามข้อมูล(ที่อาจจะบอกได้ไม่ครบถ้วน)


ถ้าคุณอยากทำงาน และตัดสินใจแบบ Data-informed ได้อย่างถูกต้อง ได้เรียนรู้ทั้ง
  • การใช้เครื่องมือในการวิเคราะห์ข้อมูล ตั้งแต่ดึงข้อมูล (Web Scraping) เข้าใจข้อมูล (Data Literacy) จัดการข้อมูล (Data Wrangling) วิเคราะห์ข้อมูล (Data Analysis) ไปจนถึงนำเสนอข้อมูล (Data Visualization)
  • สถิติพื้นฐาน (Statistical Thinking) เพื่อให้คุณเข้าใจการตีความ การสรุปข้อมูลอย่างถูกต้องรวมถึงเข้าใจการทดสอบสมมติฐานต่าง ๆ (Hypothesis Testing) ไม่ว่าจะเป็น A/B Testing, Linear Regression ฯลฯ

ดูรายละเอียดและสมัครเรียนหลักสูตร Data Analytics Bootcamp ได้ที่นี่ คลิกเลย

Ta Virot Chiraphadhanakul
Google Developer Expert in Machine Learning. A data nerd. A design geek. A changemaker.  —  Chula Intania 87, MIT Alum, Ex-Facebooker

    You may also like

    data-driven-with-moneyball-theory
    Data

    MoneyBall Theory ถอดบทเรียนชัยชนะแห่งศตวรรษด้วย Data

    สำหรับใครหลายๆ คนมักจะคิดว่าการใช้ Data นั้นจะถูกจำกัดไว้อยู่เพียงแค่กับการทำธุรกิจ หรือการทำวิจัยเท่านั้น แต่ความเป็นจริงแล้วข้อมูลสามารถใช้ในการวิเคราะห์ได้หลากหลายสิ่งมากๆ และอยู่ได้ในแทบทุกวงการ แม้กระทั่งกับวงการกีฬาเองที่การวิเคราะห์ข้อมูล และใช้ Data ก็สามารถทำให้ทีมได้ชัยชนะได้ไม่ยาก ย้อนกลับไปในช่วงก่อนปี 2002 วงการเบสบอลในสหรัฐอเมริกาจะมีแมวมองไปดูตามโรงเรียนมัธยมต่าง ๆ ...
    Data

    สร้าง Profile สาย Data ยังไงดี เมื่อบริษัทไม่ได้มองหาแค่คนมีสกิล?

    อยากเป็น Data Analyst แต่ไม่มีประสบการณ์ จะเก็บโปรไฟล์ยังไงดี? หลายคนที่กำลังเรียน หรือกำลังสนใจจะเรียน Data Analytics อาจมีความกังวล เพราะแม้เราจะมีสกิลครบตามตำแหน่งงาน (SQL, Spreadsheets, Business Intelligence ...

    More in:Data

    อัปสกิล Data เปลี่ยน HR ธรรมดาสู่ “People Analyst” | Skooldio Blog Data

    อัปสกิล Data เปลี่ยน HR ธรรมดาสู่ “People Analyst”

    ในแต่ละบริษัท ฝ่าย Human Resource ถือเป็นอีกทีมหนึ่งที่เป็นกุญแจสำคัญสู่ความสำเร็จขององค์กร เพราะถือเป็นฝ่ายที่ดูแลทรัพยากรที่สำคัญที่สุดขององค์กร นั่นก็คือ “ทรัพยากรมนุษย์” เพราะฉะนั้นหากการตัดสินใจของทีม HR เป็นการตัดสินใจด้วยความรู้สึก หรือใช้ Gut Feeling อยู่ละก็ ...
    รู้จักอาชีพสุดฮอตปี 2022 Sale Analyst ตำแหน่งที่ทุกบริษัทตามหา | Skooldio Blog Data

    รู้จักอาชีพสุดฮอตปี 2022 Sales Analyst ตำแหน่งที่ทุกบริษัทตามหา

    ทุกคนเคยสังเกตไหมว่า  Sales  ที่ประสบความสำเร็จไม่ได้เสนอขายสินค้าให้กับทุกคนที่เดินผ่าน  ไม่ได้โทรหาทุกคนที่เขามีเบอร์โทรศัพท์ และไม่ได้ส่งอีเมลหาลูกค้าทุกคน เพราะอะไรเขาถึงปล่อยโอกาสการเข้าถึงลูกค้าไปแบบนั้น?  จริงๆ แล้ว การเสนอขายสินค้าหรือบริการนั้น ถ้าทำแบบไม่มีแบบแผนก็คงจะเหนื่อย และสิ่งที่แย่ไปกว่านั้นคือ อาจจะขายได้ไม่คุ้มเหนื่อยก็ได้  เพราะเวลา และแรงของ Sales ...
    5 Python Libraries ที่คนทำงานสาย Data ควรรู้จัก | Skooldio Blog Data

    5 Python Libraries ที่คนทำงานสาย Data ควรรู้จัก

    Python คือหนึ่งในภาษาการเขียนโปรแกรมที่ได้รับความนิยมไปทั่วโลก เพราะเป็นภาษาที่มีความสามารถรอบด้านไม่ว่าจะเป็นภาษาที่ใช้พัฒนา Web Application, การพัฒนา Backend และอื่นๆ รวมถึงการทำ Data Analytics และ Machine Learning เอง ...

    Comments are closed.