เจาะลึกอาชีพ Marketing Analyst งานยุคใหม่ ที่ทุกบริษัทตามหา

ทำแคมเปญการตลาดทีไร ถ้าไม่ใช่ถึงเป้าแบบงงๆ ก็หลุดเป้าแบบไม่รู้จะแก้ยังไง จะมานั่งดูกราฟบนแพลตฟอร์มก็มีข้อจำกัดมากมาย เห็นได้แค่นิดเดียว จะปรับให้เป็นแบบที่ต้องการก็ไม่ได้ดั่งใจ ฐานข้อมูลลูกค้าก็ไม่รู้อยู่ไหน ทำได้เพียงแค่เดาสุ่มจากตัวเลขที่มี เสียโอกาสที่จะนำความเข้าใจเชิงลึกที่ซ่อนอยู่ในข้อมูลออกมา

ปัญหาเหล่านี้จะหมดไปด้วยฮีโร่ของเรา “Marketing Analyst” ตำแหน่งงานใหม่มาแรงในยุค Marketing 5.0 ที่ต้องใช้ความรู้เชิง Marketing ผสมผสานกับทักษะด้าน Data เพื่อหา Insight มาสร้างการตลาดให้รู้ใจลูกค้ามากที่สุด

Marketing Analyst คือใคร?

Marketing Analyst หรือนักวิเคราะห์การตลาด คือ ลูกผสมของคนทำงานสาย Data และสาย Marketing ที่จะทำงานเกี่ยวกับการหา Insight ที่เกี่ยวข้องกับการตลาด ไม่ว่าจะเป็น สินค้า หรือบริการไหนเหมาะกับใคร เราจะแบ่งกลุ่มลูกค้ายังไง (Customer Segmentation) และกลุ่มลูกค้าไหน (Audience) ไหนกันแน่ที่เราควร Target รวมไปถึงการจัดโปรโมชัน และการตั้งราคาต่าง ๆ 

โดยที่ Marketing Analyst อาจจะอยู่ในทีมไหนในแผนก Marketing ก็ได้ เช่น Digital Marketing, Performance Marketing, Market Research, Brand Marketing หรือ Marketing Communication ซึ่งในองค์กรใหญ่ๆ Marketing Analyst อาจจะมีหน้าที่รับผิดชอบสินค้าหรือบริการตัวใดตัวหนึ่งโดยเฉพาะ หรือรับผิดชอบช่องทางการตลาดใดช่องทางหนึ่งเป็นพิเศษก็ได้ (Website, E Commerce, Social Media เป็นต้น)

Marketing Analyst ทำงานอะไรบ้าง?

หน้าที่ของ Marketing Analyst จะแตกต่างกันไปตามทีมที่ทำงาน แต่หลักๆ อาจมีหน้าที่ เช่น จัดแคมเปญการตลาดและสรุปผล, การทำ A/B Testing, การเสนอแนะทีมพัฒนา Product โดยใช้ข้อมูลที่ได้จากการวิเคราะห์

ยกตัวอย่างเช่น Marketing Analyst ในทีม Digital Marketing

• ตั้งแคมเปญโฆษณาบนช่องทางต่างๆ และคอยทำ A/B Testing
• วัดผลแคมเปญโฆษณา โดยเลือกดูค่าต่างๆ เช่น CTR (Click-through rate), Conversion rate, Bounce rate
• คอย Monitor โฆษณา และContent ให้ตรงกับ Follower ในช่วงเวลาต่างๆ
• จัดทำ Report หรือ Dashboard ให้กับทีม หรือ Manager

อยากเป็น Marketing Analyst ต้องมี Skills อะไรบ้าง?

หลักๆ แล้วทักษะที่สำคัญของ Marketing Analyst มีด้วยกัน 3 อย่างคือ ทักษะด้านการวิเคราะห์ข้อมูล ทักษะด้านการตลาดและธุรกิจ และทักษะด้านการสื่อสาร

1.ทักษะด้านการวิเคราะห์ข้อมูล

เราจะต้องวิเคราะห์ข้อมูลดิบ (Raw Data) ให้ออกมาเป็นความเข้าใจเชิงลึก (Insight) ที่มีประโยชน์ต่อการทำการตลาด ไม่ว่าจะเป็นแง่ของผลลัพธ์จากการสื่อสารในช่องทางต่างๆ ไปจนถึงข้อมูลยอดขายและข้อมูลลูกค้า 

เพื่อไปถึงเป้าหมายนั้น จะมี 4 กระบวนการหลัก ๆ ได้แก่ Data Access, Data Wrangling, Exploratory Data Analysis และ Business Value Creation ซึ่งกระบวนการเหล่านี้อาจแตกต่างกันไปในรายละเอียดตามแต่ละองค์กรและสถานการณ์

การเข้าถึงข้อมูล (Data Access)

โดย Marketing Analyst ที่เก่งจะเริ่มทำตั้งแต่การทำ Data Access เพื่อหา/ดึงชุดข้อมูลที่เราสนใจจะวิเคราะห์ ออกมาจากฐานข้อมูลหรือเวปไซต์คู่แข่งที่เราสนใจ กระบวนการนี้สำคัญดั่งกระดุมเม็ดแรก ที่ถ้าเรากลัดพลาด – ไม่สามารถเข้าถึงข้อมูลที่จำเป็นต่อโจทย์ทางธุรกิจที่เรามีอยู่ ก็จะไม่สามารถหาความเข้าใจเชิงลึกมาเพื่อช่วยพัฒนาแผนการตลาดของเราได้นั่นเอง 

การจัดเตรียมข้อมูล (Data Wrangling)

เมื่อเราเข้าถึงชุดข้อมูลที่เราอยากจะนำมาวิเคราะห์แล้ว แต่บ่อยครั้งข้อมูลนั้นจะยังไม่พร้อมที่จะนำไปวิเคราะห์ต่อ นำมาสู่ขั้นตอนที่ 2 : Data Wrangling หรือการ “ปลุกปล้ำ” ข้อมูล เช่น นำข้อมูลมา Clean เพื่อเติมข้อมูลที่ขาดหายไป, ตัดข้อมูลบางตัวที่ไม่สามารถใช้งานได้ หรือเป็นข้อมูลที่ผิดปกติ (Outlier) ซึ่งอาจส่งผลให้การวิเคราะห์ผิดพลาดไปจากความเป็นจริง

 ซึ่งวิธีที่ทั่วโลกนิยมใช้ มีประสิทธิภาพสูงในการจัดการกับข้อมูลขนาดใหญ่และซับซ้อน คือ การใช้ภาษา Python นั่นเอง

เนื่องจากภาษานี้มีความเป็นไปได้ในการใช้งานที่หลากหลายมาก ตั้งแต่การวิเคราะห์ข้อมูล การทำ Machine Learning ไปจนถึงการช่วยให้การทำงานเป็นอัตโนมัติ (Task Automation) เพื่อจัดการกับงานที่ต้องทำซ้ำซากได้ ดังนั้นภาษา Python จึงคุ้มมากที่จะเรียนรู้ไว้หากคุณมีแพลนว่าจะลงลึกมากขึ้นในการทำงานกับข้อมูล

การวิเคราะห์ข้อมูลเชิงสำรวจ (Exploratory Data Analysis)

จากนั้นเราจะเริ่มลูปการวิเคราะห์ข้อมูลเชิงสำรวจ หรือ Exploratory Data Analysis (EDA) ซึ่งเป็นขั้นตอนการนำข้อมูลมาลอง บิด หมุน เล่น และตรวจสอบในแง่มุมต่าง ๆ เพื่อค้นหาข้อมูลเชิงลึก (Insight) ที่มีประโยชน์ต่อธุรกิจ ประกอบด้วย 3 กระบวนการย่อย คือ Data Transformation, Data Analysis และ Data Visualization ที่จะเป็นการทำซ้ำอย่างรวดเร็ว เพื่อจัดระเบียบ เข้าใจข้อมูลที่มี และนำไปวิเคราะห์ต่อได้อย่างมีประสิทธิภาพ

Data Transformation

Data Transformation คือ กระบวนการนำข้อมูลที่ได้จากการทำ Data Wrangling มาแปลง หรือจัดระเบียบ ให้อยู่ในรูปแบบที่พร้อมใช้งานวิเคราะห์ต่อไป

เช่น การดึงข้อมูลจากหลายแหล่ง ก็จะจำเป็นต้องนำข้อมูลมารวมต่อกันให้ถูกต้องก่อนที่จะนำไปวิเคราะห์ต่อไป

Data Analysis

Data Analysis คือ กระบวนการวิเคราะห์ข้อมูล เพื่อดูความสัมพันธ์ของข้อมูลต่าง ๆ และหาปัจจัยสำคัญที่ส่งผลกระทบต่อข้อมูล ผ่านการคำนวณค่าสถิติต่างๆ ด้วย Pivot Table เช่น จำนวนนับ, ผลรวม, ค่าเฉลี่ย, ค่ามากสุด, ค่าน้อยสุด เพื่อให้เห็น Insight ที่น่าสนใจได้อย่างรวดเร็ว หรือคิดจาก Business Metrics ต่างๆ เพื่อค้นหาคำตอบของโจทย์ทางธุรกิจที่หลบซ่อนอยู่ในข้อมูลของเรา

Data Visualization

Data Visualization คือ กระบวนการนำข้อมูลมาแสดงผลให้เห็นเป็นภาพ เช่น การสร้างกราฟ เพื่อทำให้ผู้วิเคราะห์สามารถเข้าใจข้อมูลได้มากยิ่งขึ้น เห็นแนวโน้มและความสัมพันธ์ของข้อมูล เพื่อสื่อสารผลลัพธ์ไปสู่ทีมอื่น ๆ ต่อไป

จากภาพ หากเรานำข้อมูลทั้ง 4 ชุดมาสร้างสมการเส้นตรงเพื่ออธิบายความสัมพันธ์ของข้อมูล (Linear Regression) ทุกชุดข้อมูลจะได้สมการเดียวกัน (สังเกตจากการที่ได้เส้นตรงเหมือนกันเป๊ะ) แต่ถ้าเรานำข้อมูลมาทำ Visualization จะเห็นว่าชุดข้อมูลของทั้ง 4 กราฟไม่มีความเหมือนกันเลย ดังนั้นการทำ Data Visualization จะทำให้เห็นภาพของข้อมูลชัดขึ้น เพื่อเลือกวิธีจัดการกับข้อมูลได้ถูกต้องมากยิ่งขึ้น

ทั้ง 3 ขั้นตอนของกระบวนการ EDA นี้ควรทำแบบ Iterative Process หรือเป็นกระบวนการที่วนกลับไปกลับมา เพราะแต่ละขั้นตอนจะทำให้เห็นข้อมูลเชิงลึก (Insight) มากขึ้นเรื่อย ๆ เราต้องบิด หมุน และลองวิเคราะห์ในหลาย ๆ แง่มุม จนถึงจุดที่ได้รับผลลัพธ์ตามที่คาดหวัง หรือพอใจกับคำตอบของสิ่งที่อยากวิเคราะห์ แล้วจึงเริ่มนำผลลัพธ์ที่ได้มาเริ่มพิจารณาให้เกิดประโยชน์ต่อธุรกิจต่อไป

การสร้างมูลค่าให้กับธุรกิจ (Business Value Creation)

ในขั้นตอนนี้ เป็นขั้นตอนที่จะนำผลลัพธ์จากการทำ Exploratory Data Analysis (EDA) มาสรุปผลเพื่อใช้สื่อสารกับทีมอื่น ๆ ซึ่งอาจจะทำออกมาในรูปแบบ

• Data Storytelling นำเสนอความเข้าใจเชิงลึกที่ได้จากข้อมูลในรูปแบบของคำแนะนำให้ผู้ที่เกี่ยวข้องสามารถนำไปใช้งานต่อได้
• Actionable Dashboard หรือ Report เพื่อให้ทีมอื่น ๆ สามารถนำข้อมูลไปวิเคราะห์ต่อในแง่มุมที่เฉพาะเจาะจงได้ง่าย ขับเคลื่อนการลงมือทำได้จริง เช่น การสร้าง Facebook Page Performance Dashboard ที่วิเคราะห์เจาะลึกลงไปในแง่มุมต่าง ๆ ได้ ไม่ว่าจะเป็น ประเภทของโพส, ช่วงวันและเวลาที่แตกต่างกัน , คำนวณอัตราส่วนต่างๆ เป็นต้น

2.ทักษะด้านการตลาด และธุรกิจ

มีแต่ทักษะการวิเคราะห์ข้อมูลก็ไม่ได้ มิฉะนั้นจะขาดความเข้าใจ Insight ของข้อมูล รวมถึงอาจจะทำ Report หรือข้อเสนอแนะให้กับทีมพัฒนาธุรกิจได้ไม่เต็มประสิทธิภาพ หรืออาจใช้ไม่ได้จริง

ความรู้ด้าน Marketing ที่สำคัญ เช่น การเข้าใจพฤติกรรมลูกค้าในแต่ละช่องทางการตลาด (เช่น ผู้ใช้ Facebook กับผู้ใช้ Twitter อาจจะมีพฤติกรรม และความต้องการต่างกัน) , Marketing Funnel (Awareness, Interest, Consideration, Purchase, Retention) นั้นเราแม่นกันอยู่แล้วในฐานะของนักการตลาด

แต่ความรู้ด้าน Business ก็สำคัญไม่แพ้กัน เช่น การทำ SWOT Analysis, การทำ Competitor Analysis, และ Revenue Models แบบต่างๆ โดยที่ความรู้เหล่านี้จะเข้ามามีบทบาทอย่างมาก เวลาที่เราต้องทำการวิเคราะห์ข้อมูลเพื่อขับเคลื่อนธุรกิจอย่างแท้จริง ที่มากไปกว่าการสรุปผลลัพธ์ทางการตลาดเพียงอย่างเดียว

3.ทักษะด้านการสื่อสาร

การสื่อสารอย่างมีประสิทธิภาพเป็นปัจจัยสำคัญสุดท้ายที่จะช่วยคูณผลลัพธ์ให้งานทั้งหมดที่เราทำออกมา ให้ไปได้ไกลว่าเดิม ไม่ว่าจะเป็นเวลาที่ต้องรีพอร์ตผลลัพธ์กับหัวหน้า, นำเสนองานกับลูกค้า, หรือคุยเพื่อโน้มน้าวทีมพัฒนาโปรดักส์

Framework สำคัญในการช่วยออกแบบ Slide ให้โน้มน้าวใจ เพิ่มโอกาสได้ผลลัพธ์แบบที่ต้องการจากห้องประชุม ประกอบไปด้วย 3 ส่วนสำคัญ ได้แก่:

ส่วนที่1: เปิดเรื่องด้วยหัวข้อที่น่าสนใจ สื่อสารให้ทุกคนเข้าใจว่าสิ่งที่กำลังจะฟังคืออะไร แล้วเขาจะได้อะไรจากการนำเสนอครั้งนี้

ส่วนที่2: เข้าประเด็น เปิดด้วยปัญหาที่มี ซึ่งควรจะเชื่อมหรือเป็นเหตุผลที่ผู้ฟังมาฟังในวันนี้ พร้อมให้สาเหตุของปัญหาที่ได้กล่าวไป ว่าต้นตอที่สำคัญมาจากไหน และเราได้แก้ไขปัญหาไปอย่างไร หรือเรามาวิธีจะมาช่วยแก้ปัญหานี้ได้อย่างไร แล้วผลลัพธ์จะเป็นอย่างไร ดีไหม มีรีวิวอย่างไร

ส่วนที่3: ปิดจบ กระตุ้นอารมณ์ของผู้ฟังให้ลงมือทำในสิ่งที่เป็นประโยชน์กับทั้งสองฝ่าย 

Marketing Analyst มีโอกาสเติบโตรึเปล่า?

บริษัท Burning Glass ผู้นำด้านฐานข้อมูลตลาดแรงงานคาดการณ์ไว้ว่า เทคโนโลยีใหม่ๆ จะเข้ามามีส่วนเกี่ยวข้องกับสายงาน Marketing มากขึ้นเรื่อยๆ โดยภายในปี 2023 สกิลด้านเทคโนโลยี และข้อมูลจะเป็นที่ต้องการมากขึ้นหลายเท่าจากปัจจุบัน  เช่น Artificial Intelligence (เพิ่มขึ้น 339%), Web analytics (เพิ่มขึ้น 166%), Machine learning (เพิ่มขึ้น 134%), Data Science (เพิ่มขึ้น 110%) และ Data Visualization (เพิ่มขึ้น 80%) ซึ่งนี่ถือเป็นเครื่องยืนยันได้ว่า อาชีพนี้มีอนาคตที่สดใสแน่นอน

ตัวอย่าง Career Path คร่าวๆ เป็นดังนี้

Entry Level 

สำหรับใครที่อยากเป็น/อยากย้ายสายมาเป็น Marketing Analyst เมื่อมีสกิลพร้อมแล้วมักจะเริ่มจากตำแหน่งนักวิเคราะห์ โดยจะมีชื่อตำแหน่งต่างกันไปตามแต่ละบริษัท ขึ้นอยู่กับทีม และหน้าที่รับผิดชอบ เช่น Social Media Analyst, Account Analyst, Customer Analyst หรือ Market Researcher เป็นต้น โดยในช่วงแรกของอาชีพทุกคนก็จะได้ลองเล่นกับข้อมูล และวิเคราะห์ข้อมูลอย่างเต็มที่

Middle/Manager Level

เมื่อสั่งสมประสบการณ์มาได้ระยะหนึ่ง ก็อาจจะได้รับผิดชอบสิ่งที่ท้าทายขึ้น เช่น Product Marketing Analyst, Corporate Marketing Management หรืออาจข้ามไปเป็นตำแหน่ง Manager เช่น Campaign Manager, Brand manager หรือ Marketing Manager ก็ได้ นั่นเป็นเพราะว่าการเข้าใจทั้งด้าน Data และ Marketing/Business จะช่วยให้เราสามารถวิเคราะห์ภาพที่ใหญ่ขึ้นได้นั่นเอง

Director/Executive Level

คงไม่ใช่เรื่องน่าแปลกใจอะไร ถ้าตำแหน่งที่เก่งทั้งด้าน Data และด้าน Marketing /Business ทั้งยังเป็นผู้ช่วยเตรียมข้อมูลสำหรับการตัดสินใจ จะกลายมาเป็นตำแหน่งผู้นำสำคัญขององค์กร เช่น Chief Marketing Officer (CMO) และ Chief Executive Officer (CEO)

เห็นแล้วใช่ไหมว่า อาชีพ Marketing Analyst เป็นหนึ่งอาชีพที่น่าจับตามองมากๆ ทั้งในปัจจุบัน และอนาคต ใครที่สนใจสายงานนี้ อย่าลืมอัปสกิลให้พร้อม และโดดเด่นเหนือคู่แข่ง

วัดความรู้ Data Analytics กับ Skill Score

มาถึงตรงนี้ คนที่อยากทำงานในสาย Marketing Analyst อาจจะยังมีคำถามอยู่ว่าเราจะเหมาะมั้ย เก่งพอหรือยัง หรือคนที่ทำงานตำแหน่งนี้อยู่แล้วคงอยากรู้ว่าตอนนี้ตัวเองต้องพัฒนาทักษะด้านไหนเพิ่มบ้าง

ทุกคนสามารถเข้าไปวัดความรู้กับ Skill Score ได้เลย โดยสำหรับชุดแบบทดสอบความรู้เกี่ยวกับ Data Analytics มีดังนี้

1. ​​Data Literacy
2. SQL for Data Analytics
3. Exploratory Data Analysis
4. Spreadsheet for Data Analytics
5. Dashboard Design Principles
   • Dashboard Design with Google Data Studio
   • Dashboard Design with Power BI

การทำแบบทดสอบจะได้รู้ว่าส่วนไหนที่ขาด ส่วนไหนที่ดีแล้ว ทุกคนจะได้พัฒนาตัวเองได้อย่างถูกทาง ซึ่ง Skooldio หวังว่าทุกคนจะสามารถพัฒนาเป็นในสิ่งที่ตัวเองอยากเป็นได้ครับ

::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::

ขอบคุณข้อมูลจาก

• https://www.pearson.com/pathways/areas-work-study/marketing-communications/marketing-analyst-career-path.html
• https://www.burning-glass.com/research-project/bcg-trending-jobs-skills/