ประเด็นสำคัญ

• -หนึ่งแนวโน้มเทคโนโลยีสำคัญต่อการดำเนินธุรกิจในช่วงปี 2562 คือ Hyper-Personalization ซึ่งเป็นการนำข้อมูลส่วนบุคคลเชิง Big Data มาประยุกต์ใช้ในการตอบโจทย์ความต้องการของลูกค้าที่มีความเฉพาะในแต่ละบุคคล ในมิติที่มากกว่าที่เคยทำได้ในอดีต

        -Hyper-Personalization มีศักยภาพที่จะยกระดับการบริการในหลากหลายอุตสาหกรรม ไม่ว่าจะเป็นอุตสาหกรรมการเงินการธนาคาร อุตสาหกรรมการคมนาคม ไปจนถึงอุตสาหกรรมสุขภาพ

• -แต่ กระแสดังกล่าวยังคงมีประเด็นภาคปฏิบัติ เช่น การคัดเลือกตัวแปรข้อมูลเพื่อการศึกษาพฤติกรรมผู้บริโภค การจัดการด้านคุณภาพของข้อมูล จนถึงประเด็นเรื่องสิทธิส่วนบุคคลของผู้บริโภค ซึ่งผู้ประกอบการที่ต้องการจะนำเทคโนโลยีนี้มาประยุกต์ใช้ต้องพิจารณาให้ดี

Hyper-Personalization คืออะไร? แตกต่างจาก Personalization อย่างไร?

           ในเชิงศัพท์การตลาด Personalization นั้น มีความแตกต่างจาก Customization ที่สำคัญคือ Customization จะเป็นการปรับสินค้าหรือการบริการตามความต้องการของผู้บริโภค ที่สอดคล้องกับรายละเอียดที่ผู้บริโภคระบุไว้ด้วยตนเอง ขณะที่ Personalization คือ การที่ผู้ประกอบการคาดเดาความต้องการของผู้บริโภค และปรับสินค้าหรือการบริการของตนตามการคาดการณ์ดังกล่าว โดยที่ผู้บริโภคไม่ต้องลงแรงป้อนข้อมูลให้ผู้ประกอบการ

           เมื่อเทียบกับ Personalization แล้ว ความแตกต่างของ Hyper-Personalization คือ การนำข้อมูล Big Data มาใช้ในการคาดเดาความต้องการของผู้บริโภค ซึ่งส่วนหนึ่งจะหมายความว่า ข้อมูลที่นำมาใช้จะมีบางส่วนที่เป็นข้อมูลล่าสุดจาก ณ ปัจจุบัน (Real-Time Data) มีแหล่งที่มาหลากหลาย และมีปริมาณมากกว่ากรณี Personalization ทั่วไป ซึ่งทั้งหมดนี้ สอดคล้องกับนิยามของ Big Data ซึ่งต้องมี Velocity Variety และ Volume ในระดับที่มากกว่าข้อมูลทั่วไป

           ปริมาณข้อมูลทั่วโลกมีแนวโน้มจะเพิ่มขึ้นอย่างมากในอนาคต ซึ่งทั้งหมดนี้มาจากสองปัจจัยหลัก อย่างแรกคือ การเติบโตของ Social Media ซึ่งเปลี่ยนพฤติกรรมประชากรให้มีการสร้างข้อมูลเพิ่มขึ้น นอกจากนี้ การพัฒนาเทคโนโลยีการสื่อสาร โดยเฉพาะอย่างยิ่งการขยายเครือข่ายระบบอินเตอร์เน็ตและอุปกรณ์ที่เชื่อมเข้าสู่ระบบอินเตอร์เน็ต (Internet of Things)  ก็เป็นอีกหนึ่งปัจจัยที่เพิ่มปริมาณข้อมูล

           ทั้งสองปัจจัยนี้ จะช่วยผลักดันให้ปริมาณข้อมูลที่ถูกผลิตขึ้นทั่วโลกมีแนวโน้มจะเพิ่มขึ้นอย่างมากในอนาคตอันใกล้ โดยทางบริษัทวิจัยการตลาด IDC ประเมินว่า ปริมาณข้อมูลที่ถูกสร้างขึ้น/บันทึก/คัดลอกโดยเฉลี่ยในแต่ละปีทั่วโลก (Annual Size of Global Datasphere) จะเพิ่มจาก 33 zettabyte ในปี 2561 ขึ้นไปถึง 175 zettabyte ภายใน 2568 หรือมากกว่าห้าเท่าของปริมาณปัจจุบันภายในหกปีข้างหน้า

           นอกจากปริมาณที่เพิ่มขึ้นแล้ว ความหลากหลายของอุปกรณ์และช่องทางเก็บข้อมูลจะทำให้ข้อมูลมีความหลากหลายมากขึ้น (Variety) ในขณะที่แนวโน้มการพัฒนาเทคโนโลยีในช่วงสองสามปีข้างหน้า ไม่ว่าจะเป็นกระแสความสนใจใน Edge Computing ซึ่งคือการวางระบบวิเคราะห์ข้อมูลใกล้จุดกำเนิดข้อมูล หรือ การวางระบบ 5G ต่างจะทำให้การวิเคราะห์ข้อมูลชนิด Real-Time ทำได้ง่ายขึ้น ทำให้เห็นได้ว่า แนวโน้มการพัฒนาเทคโนโลยี และพฤติกรรมผู้บริโภคที่ตอบรับเทคโนโลยีใหม่ ช่วยสนับสนุนเทรนด์หรือโมเดลธุรกิจ Hyper-Personalization ให้เกิดและแพร่หลายมากขึ้นในจังหวะนี้

           การนำข้อมูลส่วนตัวของผู้บริโภคมาประยุกต์ใช้อย่างมีประสิทธิภาพ จะทำให้ผู้ประกอบการสามารถยกระดับการบริการของตนให้ตอบโจทย์เฉพาะตัวผู้บริโภคมากขึ้น

ข้อมูลที่เพิ่มขึ้น เป็นโอกาสให้บริษัทที่สามารถประยุกต์ใช้ Big Data อย่างมีประสิทธิภาพสามารถนำเสนอผลิตภัณฑ์ของตนอย่างเจาะจงยิ่งขึ้น ให้บริการกลุ่มลูกค้าที่ใหญ่ขึ้น และเพิ่มประสิทธิภาพให้การบริการของตน โดยมีอุตสาหกรรมการตลาดและการโฆษณา อุตสาหกรรมการเงินการธนาคาร และอุตสาหกรรมการแพทย์ เป็นตัวอย่างของการประยุกต์ใช้ในภาคปฏิบัติที่จะมีความชัดเจนมากขึ้นในอนาคต

การตลาดชนิด Hyper-Personalization จะรวบรวมข้อมูลพฤติกรรมผู้บริโภคจากหลายแหล่งข้อมูล รวมถึง Social Media และพิจารณาถึงข้อมูลเชิงบริบท (Contextual Data) ซึ่งจะทำให้ผู้ประกอบการสามารถปรับโฆษณาให้เหมาะสมกับผู้บริโภคได้กว่าการใช้เพียงข้อมูลประวิติการซื้อผลิตภัณฑ์บนเว็บไซต์เช่นเมื่อก่อน เช่น บริษัทโฆษณาอาจดูว่าผู้บริโภคใช้โทรศัพท์ระบบ Android หรือ iPhone ในการเยี่ยมชมเว็บไซต์ และแสดงกลุ่มสินค้าที่ราคาสูงกว่าให้ผู้บริโภคที่ใช้ iPhone เนื่องจากผู้บริโภคกลุ่มนี้ มักจะมีรายได้สูงกว่า  อีกหนึ่งตัวอย่างคือ บริษัท Netflix ที่ใช้ข้อมูล Big Data ของพฤติกรรมผู้ชมที่บ้าน ตั้งแต่อุปกรณ์ที่ผู้ชมใช้ดูรายการ จนถึงว่าผู้ดูกรอรายการตอนไหน  เป็นตัวช่วยในทั้งการแนะนำรายการอื่น และในการสร้างรายการใหม่ โดยจากรายการทั้งหมดที่ได้รับการชมบน Netlix เมื่อต้นปี 2561 นั้น 80% เป็นรายการที่ AI ของระบบเสนอให้ผู้ชม  ซึ่งทั้งหมดนี้ เป็นการนำเสนอผลิตภัณฑ์อย่างเจาะจงยิ่งขึ้น ด้วยแนวทาง Hyper-Personalization

สำหรับอุตสาหกรรมการเงินการธนาคาร สถาบันการเงินสามารถใช้ข้อมูล Social Media ในการคำนวณคะแนนเครดิต เพื่อให้บริการสินเชื่อกับกลุ่มประชากรที่ไม่สามารถเข้าถึงบริการสินเชื่อผ่านช่องทางดั้งเดิมได้ เพราะขาดประวัติการทำงานเป็นต้น ยกตัวอย่างเช่น บริษัท Lenddo ซึ่งเริ่มให้บริการสินเชื่อโดยใช้ Social Data ตั้งแต่ปี 2554 แต่การเข้าถึง Social Media ที่มากขึ้น บวกกับเทคโนโลยี AI/Machine Learning ที่พัฒนาขึ้น ได้ทำให้ช่องทางการให้บริการสินเชื่อดังกล่าวได้รับความสนใจมากขึ้นจากผู้ประกอบการธุรกิจการเงินการธนาคารดั้งเดิม จนในปัจจุบัน Lenddo ได้ขยายกิจการและมีข้อตกลงแบ่งข้อมูล Credit Score กับสถาบันการเงินถึง 15 ประเทศ  หนึ่งในนั้นคือ ประเทศอินเดีย ซึ่งทาง Lenddo ร่วมมือกับบริษัทประเมินคะแนนเครดิต FICO สร้างดัชนี FICO Score X ซึ่งทางบริษัทประเมินว่า จะเปิดโอกาสเข้าถึงสินเชื่อให้กับประชากรถึง 350 ล้านคน หรือ 27% ของประชากรทั้งหมดในประเทศ  ซึ่งสะท้อนการที่ Hyper-Personalization สามารถเปิดช่องทางให้บริการกลุ่มลูกค้าที่ใหญ่ขึ้น

           ท้ายสุด สำหรับการแพทย์ชนิด Hyper-Personalization นั้น แขนงหนึ่งคือ Precision Medicine หรือการประยุกต์ใช้ข้อมูลระดับดีเอ็นเอและพันธุกรรมของผู้ป่วยในการออกแบบการรักษา เช่น ในการจ่ายชนิดและปริมาณยา  ในขณะที่อีกมิติหนึ่งจะเป็นการดูแลสุขภาพทั่วไป ซึ่งผู้ประกอบการที่จะให้บริการอย่างที่สอง ไม่ได้จำกัดอยู่ที่โรงพยาบาลและแพทย์ แต่รวมไปถึงยักษ์ใหญ่ในวงการอื่นที่มีฐานข้อมูลมาก ยกตัวอย่างเช่น บริษัท  Amazon ซึ่งได้จดสิทธิบัตรเทคโนโลยีซึ่งจะทำให้ Alexa ระบบสมองกลที่ควบคุมด้วยเสียงของบริษัท สามารถตรวจจับความผิดปกติในน้ำเสียงผู้ใช้ได้ เพื่อที่จะส่งสัญญาณเตือนว่าผู้ใช้ Alexa อาจมีอาการไม่สบาย  ซึ่งจากกรณีนี้จะเห็นได้ว่า นอกจากจะเป็นการเปิดโอกาสให้ผู้ประกอบการในแต่ละอุตสาหกรรมยกระดับการบริการของตนแล้ว ในบางกรณี การมาของกระแส Hyper-Personalization อาจยกระดับการแข่งขันจากภายนอกอีกด้วย

           Hyper-personalization มีศักยภาพที่จะเพิ่มกำไรให้ผู้ประกอบการ ซึ่งส่วนหนึ่งมาจากการเข้าถึงกลุ่มลูกค้าที่ใหญ่ขึ้น และประสิทธิภาพที่สูงขึ้น ยกตวอย่างเช่น ในกรณีสินเชื่อซึ่งมีทีมวิจัยจากมหาวิทยาลัยแห่งชาติสิงคโปร์พบว่า  การใช้ข้อมูล Facebook ของผู้กู้ยืมเข้าช่วย ทำให้การประเมินแนวโน้มการชำระหนี้ของผู้กู้ยืมแม่นยำขึ้นถึง 18% แต่นอกจากนี้ ผู้ประกอบการยังจะได้ประโยชน์ทางอ้อม จากการที่ผู้บริโภคจะมีความภักดีกับผลิตภัณฑ์ของผู้ประกอบการ (Brand Loyalty) มากขึ้นอีกด้วย ยกตัวอย่างในกรณี Netlix ซึ่งทางบริษัทประเมินว่า การที่ระบบสามารถเดาใจผู้ชมได้ ช่วยให้ผู้บริโภคมีความจงรักภักดีต่อบริษัท ซึ่งเมื่อเทียบเป็นมูลค่าการตลาดในการดึงผู้บริโภคไว้แล้ว มีมูลค่าถึง 1 พันล้านดอลลาร์ฯต่อปี

           แม้ปริมาณข้อมูลที่เติบโตอย่างต่อเนื่องจะเปิดโอกาสให้ผู้ประกอบการยกระดับการบริการของตนได้ แนวทางพัฒนาดังกล่าวยังคงมีประเด็นภาคปฏิบัติอยู่บ้าง ไม่ว่าจะเป็นความซับซ้อนในการคัดเลือกตัวแปรข้อมูลเพื่อการคาดเดาพฤติกรรมผู้บริโภค ประเด็นด้านคุณภาพของข้อมูล จนถึงประเด็นสิทธิส่วนบุคคลของผู้บริโภค ซึ่งแต่ละประเด็นต่างเป็นโจทย์สำคัญสำหรับผู้ประกอบการที่ต้องการใช้ประโยชน์อย่างจริงจังในอนาคต

สำหรับประเด็นแรก การคัดเลือกตัวแปรข้อมูลที่เหมาะสมสำหรับการคาดเดาพฤติกรรมผู้บริโภค มักมีความซับซ้อนไม่น้อย และในหลายกรณีอาจสวนทางกับสัญชาตญาณของผู้ประกอบการ ยกตัวอย่าง ในกรณีการใช้ข้อมูล Facebook เป็นเครื่องมือในการคาดเดาพฤติกรรมผู้บริโภค ทีมงานวิจัยจากมหาวิทยาลัยสแตนฟอร์ดได้พบว่า แทนที่จะใช้ข้อมูลคุณลักษณะกลุ่มเพื่อนโดยตรง กลุ่มเพื่อนของเพื่อนของบุคคลหนึ่งต่างหาก ที่จะช่วยบ่งชี้แนวโน้มพฤติกรรมหรือสถานะของผู้บริโภคได้อย่างดี เช่นในการคาดเดาเพศของคนๆหนึ่ง หากใช้เพศของเพื่อนของเพื่อนของบุคคลนั้นเป็นตัวช่วย จะให้อัตราที่แม่นยำสูงกว่าการดูเพศของเพื่อนของบุคคลดังกล่าว  ในเชิงภาคปฏิบัติ หนึ่งวิธีที่ผู้ประกอบการสามารถคัดเลือกตัวแปรที่มีประโยชน์ได้คือ การใช้ขั้นตอน Machine Learning ไม่ว่าจะด้วยตนเองหรือโดยการว่าจ้างบริษัทวิเคราะห์ข้อมูลก็ตาม แต่ทั้งสองช่องทางก็ต่างมีค่าใช้จ่ายสูง ซึ่งจะเป็นอุปสรรคสำหรับเอสเอ็มอี

 อีกประเด็นหนึ่ง ซึ่งเกี่ยวโยงกับประเด็นความซับซ้อนในการวิเคราะห์ข้อมูล คือการที่ประเทศไทยขาดแคลนบุคลากรที่มีทักษะในการทำการวิเคราะห์ข้อมูลในระดับสูง (Data Analytics) ซึ่งเห็นได้จากแบบสอบถามปี 2560 จาก IMC Institute ที่พบว่า มีเพียง ร้อยละ 5.5 ของบุคลากรเทคโนโลยีสารสนเทศ (IT) ในประเทศไทยที่มีความรู้ความเชี่ยวชาญในโปรแกรม AI/Big Data ซึ่งหากผู้ประกอบการไทยรายใดต้องการที่จะหาช่องทางประยุกต์ใช้ข้อมูลตามกระแสเทคโนโลยีทั่วโลก ก็คงต้องเริ่มด้วยการเฟ้นหาบุคลากรที่มีความสามารถเหมาะสม ซึ่งอาจต้องมีการเตรียมงบประมาณด้านบุคลากรไว้ให้เพียงพอ

 นอกจากนี้ ยังคงมีประเด็น ปัญหาด้านคุณภาพของข้อมูล มีหลายสาเหตุที่อาจทำให้ข้อมูลผู้บริโภคที่ผู้ประกอบการได้รับมีความผิดพลาด อาทิ การให้ข้อมูลที่ไม่ครบถ้วน ข้อจำกัดในการอัพเดทข้อมูลอย่างสม่ำเสมอ ซึ่งทาง IBM ก็ได้พบว่า  1 ใน 3 ของผู้นำองค์กรใหญ่ในประเทศสหรัฐฯไม่ไว้ใจว่าข้อมูลที่ตนได้รับนั้นถูกต้อง และต้นทุนในการจัดการปรับปรุงหรือแก้ไขข้อมูลทั้งหมดสำหรับประเทศสหรัฐฯ ตกอยู่ที่ 3.1 ล้านล้านดอลลาร์ฯ/ปี ดั้งนั้นจึงกลายเป็นอีกต้นทุนในการจัดการเพื่อให้ข้อมูลเอื้อกับการวิเคราะห์ที่ถูกต้องและแม่นยำอย่างแท้จริง

 ท้ายสุด ประเด็นสิทธิส่วนบุคคลในข้อมูลของผู้บริโภคเป็นอีกหนึ่งประเด็นสำคัญ การที่ผู้ประกอบการหรือบริษัทวิเคราะห์ข้อมูลจะนำข้อมูลผู้บริโภคไปใช้ ย่อมควรต้องมีการยินยอมจากผู้บริโภคเสียก่อน แต่เงื่อนไขการใช้ข้อมูล การเก็บรักษาข้อมูล แม้กระทั่งขั้นตอนการขอความยินยอม ประเด็นเหล่านี้ล้วนแต่ต้องได้รับการพิจารณาโดยทางการผู้กำกับดูแลและตัวผู้บริโภคเอง เพื่อที่จะให้มีความสมดุลระหว่างผลประโยชน์เชิงประสิทธิภาพและสิทธิส่วนบุคคลของผู้บริโภค ทั้งนี้ ในปัจจุบัน รัฐบาลหลายประเทศได้ตระหนักถึงประเด็นดังกล่าว และหนึ่งมาตรการรับมือสำคัญที่ออกมาก็คือ กฎเกณฑ์ GDPR (General Data Protection Regulation) จากสหภาพยุโรป ซึ่งเริ่มบังคับใช้ตั้งแต่วันที่ 25 พฤษภาคม 2561 ในขณะที่ประเทศไทยก็มีร่าง พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคลซึ่งกำลังอยู่ในขั้นตอนพิจารณาทางกฎหมาย

จากทั้งหมดนี้ จะเห็นได้ว่า Hyper-Personalization จะเป็นกระแสสำคัญในปี 2562 ทางผู้ประกอบการที่ไม่ต้องการเสียโอกาสทางธุรกิจควรเตรียมการให้ดี ทั้งในการจัดแบ่งงบประมาณสำหรับการวิเคราะห์ข้อมูล การหาและพัฒนาบุคลากรที่จำเป็นสำหรับมิติใหม่ของการแข่งขัน รวมถึงการเตรียมการรับมือการเริ่มบังคับใช้ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคลและกฎเกณฑ์อื่นๆที่อาจตามมาอีกด้วย ทั้งหมดนี้ คงทำให้ปี 2562 เป็นปีที่น่าจับตามอง ซึ่งจะมากไปด้วยโอกาสที่มาพร้อมกับความท้าทายในมิติใหม่สำหรับผู้ประกอบการไทย