อยากขายของดีขึ้น ต้องรู้จักเทคนิคนี้ “Market Basket Analysis”
29 มิ.ย. 2023
เคยสงสัยไหมว่า ทำไมบางร้านหรือบางห้าง ถึงทำให้เราหยิบซื้อของอื่นเพิ่มได้ แม้ว่าในตอนแรกเราจะไม่ได้ตั้งใจไปซื้อของชิ้นนั้นเลย
หรือเคยสงสัยไหมว่า ทำไมพวกแพลตฟอร์มออนไลน์อย่าง Shopee, Lazada
ถึงมีแถบสินค้าแนะนำ เช่น “Just for you” ที่แนะนำสินค้าให้เราสนใจ จนบางครั้งต้องกดซื้อ ทั้งที่ไม่ได้ตั้งใจอยากจะซื้อมาก่อน
จริง ๆ แล้วการแนะนำสินค้าลักษณะนี้ มีหลักการที่อธิบายได้
และใครที่ขายอะไรอยู่ตอนนี้ ก็สามารถนำหลักการนี้ไปประยุกต์ใช้ได้เหมือนกัน
มันคือหลักการที่ชื่อว่า Market Basket Analysis หรือหลักการ “วิเคราะห์ตะกร้าสินค้า”
ซึ่ง BrandCase สรุปให้อ่านกัน แบบเข้าใจง่าย ๆ แชร์เก็บไว้อ่านกันได้เลย
Market Basket Analysis คือ การวิเคราะห์ข้อมูลพฤติกรรมของผู้บริโภค ผ่านการซื้อสินค้าในแต่ละครั้ง
โดยทุก ๆ ครั้งที่มีการซื้อสินค้า ก็จะมีการเก็บข้อมูลเอาไว้
เช่น เก็บข้อมูลผ่านระบบบัตรสมาชิก, เก็บข้อมูลจากใบเสร็จ
หรือฐานข้อมูลของแพลตฟอร์มซื้อขายของออนไลน์ ว่าเราซื้อของอะไรไปบ้าง
ซึ่งข้อมูลพวกนี้ ก็จะถูกนำไปวิเคราะห์และประมวลผลต่อไป
โดยหลักการคือ
จะเปรียบการซื้อสินค้าแต่ละครั้ง เป็นตะกร้าหนึ่งใบ ที่มีสินค้าหลายอย่าง
แล้วตะกร้าสินค้าเหล่านี้จะถูกนำมาวิเคราะห์ เพื่อหาความสัมพันธ์ระหว่างสินค้าด้วยกัน
โดยเป้าหมายของการวิเคราะห์นี้ก็เพื่อหาว่า ลูกค้ามีพฤติกรรมในการซื้อของอย่างไร
และพยายามหาความสัมพันธ์ของสินค้าในตะกร้าแต่ละใบ
แล้วหลักการนี้มีวิธีการวิเคราะห์อย่างไร ?
การวิเคราะห์ตะกร้าสินค้า มี 3 ขั้นตอนเบื้องต้นคร่าว ๆ คือ
1. วิเคราะห์ว่าสินค้าใดที่ขายดี-ขายไม่ดี
2. วิเคราะห์ว่าสินค้าใดที่ลูกค้ามีแนวโน้มจะซื้อไปด้วยกัน
3. วิเคราะห์ว่าสินค้าที่ซื้อไปด้วยกันนั้น ซื้อไปด้วยความบังเอิญ หรือซื้อไปด้วยความตั้งใจจริง ๆ
เพื่อให้เข้าใจง่าย ๆ ลองมาดูตัวอย่างประกอบกัน
สมมติว่ามีตะกร้าสินค้าทั้งหมด 4 ใบ และมีรายการสินค้าให้เลือกคือ
- ใบที่ 1 : เสื้อยืด, กางเกง, ลิปสติก
- ใบที่ 2 : เสื้อยืด, กางเกง
- ใบที่ 3 : เสื้อยืด, ลิปสติก
- ใบที่ 4 : ลิปสติก, เคสโทรศัพท์
ขั้นแรก : คือการหาว่าสินค้าอะไรที่ขายดี-ขายไม่ดี ซึ่งการทำแบบนี้เรียกว่า การหาค่า Support
เช่น ถ้าเราสนใจเสื้อยืดว่าขายดีแค่ไหน สามารถวิเคราะห์ได้จาก จำนวนตะกร้าที่มีเสื้อยืด หารด้วย จำนวนตะกร้าทั้งหมด
ซึ่งถ้าจากตัวอย่างตะกร้าด้านบน จะได้ = 3/4 หรือประมาณ 75%
หมายความว่า เราจะเจอเสื้อยืดถึง 3 ตะกร้า จากทั้งหมด 4 ตะกร้า หรือประมาณ 75% นั่นเอง
ในขณะที่เคสโทรศัพท์จะเจอเพียง 1 ตะกร้า จาก 4 ตะกร้า หรือก็คือ 25% เท่านั้น
นั่นก็แสดงว่า เสื้อยืดเป็นสินค้าที่ค่อนข้างขายดี ขณะที่เคสโทรศัพท์เป็นสินค้าที่ขายไม่ค่อยดี ในร้านของเรา
แล้วเราจะนำข้อมูลตรงนี้ไปทำอะไรต่อได้ ?
ตัวเลขนี้เราสามารถนำไปใช้ประโยชน์ต่อได้ เช่น เคสโทรศัพท์ที่ขายไม่ค่อยดี เราอาจจะจัดให้มีโปรโมชัน ลด แลก แจก แถม หรือให้โคดส่งฟรี เพื่อเพิ่มยอดขาย
ส่วนเสื้อยืดและลิปสติก อาจจะไม่จำเป็นต้องทำอะไร เพราะสินค้าก็ขายดีอยู่แล้ว
ขั้นที่สอง : หาว่าสินค้าอะไร มีแนวโน้มที่คนจะซื้อไปด้วยกัน
ซึ่งการทำแบบนี้ ภาษาทางการหน่อย ๆ เราจะเรียกว่า การหาค่า Confidence
เช่น ถ้าเราสนใจว่าคนที่ซื้อเสื้อยืด มีแนวโน้มจะซื้อกางเกงไปด้วยหรือไม่ สามารถวิเคราะห์ได้จาก
จำนวนตะกร้าที่มีทั้งเสื้อยืดและกางเกง หารด้วย จำนวนตะกร้าที่มีเสื้อยืด
ซึ่งผลลัพธ์จะเท่ากับ 2/3
หมายความว่า คนที่ซื้อเสื้อยืดมี 3 ตะกร้า และใน 3 ตะกร้านั้น มีคนที่ซื้อกางเกงไปด้วย 2 ตะกร้า หรือคิดเป็นค่า Confidence เท่ากับ 67% นั่นเอง
ซึ่งจากข้อมูลที่ได้เหล่านี้ สามารถนำไปต่อยอดวางแผนกลยุทธ์ เพื่อทำการตลาดให้ถูกใจผู้บริโภคได้
ยกตัวอย่างเช่น
- จัดวางสินค้าที่คาดว่าลูกค้าจะซื้อคู่กันไว้ใกล้กัน เพื่อเพิ่มโอกาสที่ลูกค้าจะซื้อสินค้าอีกชิ้นไปด้วย
- ใช้ประกอบการจัดโปรโมชันซื้อสินค้าเป็นคู่ เพื่อจูงใจให้ลูกค้าจ่ายเงินเพิ่ม
- ถ้าทำธุรกิจ E-Commerce ก็สามารถใช้ข้อมูลที่ได้ไปยิงโฆษณา หรือแนะนำสินค้า ที่คาดว่าลูกค้าจะซื้อคู่กันได้
อย่างไรก็ตาม มันก็มีข้อควรระวัง
เพราะการเชื่อข้อมูลตรงนี้เพียงอย่างเดียว อาจนำไปสู่การสรุปข้อมูลที่ผิดพลาดได้เหมือนกัน
ตัวอย่างเช่น
ค่า Confidence ของเสื้อยืดและลิปสติกก็เท่ากับ 2 ใน 3 หรือ 67% เหมือนกับเสื้อยืดและกางเกง
แต่เราอาจจะไม่สามารถสรุปได้ว่า
คนที่ซื้อเสื้อยืด มีโอกาสสูงที่จะหยิบลิปสติกใส่ตะกร้าไปพร้อมกันเหมือนกางเกง
เพราะลิปสติกอาจเป็นสินค้าที่ถูกซื้อค่อนข้างบ่อยในทุกตะกร้าอยู่แล้ว
ต่างจากกางเกงที่เจอเฉพาะในตะกร้าที่มีเสื้อยืดเท่านั้น
ด้วยเหตุนี้จึงต้องมีการวิเคราะห์อีกขั้นตอน เพื่อตรวจสอบว่า คนที่ซื้อสินค้าคู่นั้น ซื้อไปด้วยความบังเอิญหรือตั้งใจซื้อคู่กันจริง ๆ
การตรวจสอบที่ว่านี้ เราเรียกว่า “การหาค่า Lift” เพื่อตรวจสอบว่าคนที่ซื้อเสื้อยืด ตั้งใจจะซื้อลิปสติกไปด้วยจริงหรือไม่
โดยการตรวจสอบหาค่า Lift เป็นการเปรียบเทียบความน่าจะเป็น
ว่าลูกค้าหยิบลิปสติกหลังจากหยิบเสื้อยืด คิดเป็นกี่เท่า เทียบกับความน่าจะเป็นที่ลูกค้าซื้อลิปสติกอยู่แล้ว ตามปกติ
วิธีหาค่า Lift ที่ว่านี้ สูตรคือ นำค่า “Confidence” ของเสื้อยืดและลิปสติก หารด้วย ค่า “Support” ของลิปสติก
ถ้าสมมติโจทย์เดียวกับด้านบน คือมีตะกร้าสินค้าทั้งหมด 4 ใบ และมีรายการสินค้าให้เลือกคือ
ใบที่ 1 : เสื้อยืด, กางเกง, ลิปสติก
ใบที่ 2 : เสื้อยืด, กางเกง
ใบที่ 3 : เสื้อยืด, ลิปสติก
ใบที่ 4 : ลิปสติก, เคสโทรศัพท์
- Confidence ของเสื้อยืดและลิปสติก จะเท่ากับ 2/3
- Support ของลิปสติก จะเท่ากับ 3/4
เพราะฉะนั้น ค่า Lift ของตรงนี้ คือ 8/9 หรือ 0.89
ถ้าค่า Lift มากกว่า 1 ตีความหมายได้ว่า ลูกค้ามีแนวโน้มที่จะซื้อสินค้าทั้งสองชิ้นนั้นไปด้วยกันจริง ๆ
ถ้าค่า Lift น้อยกว่า 1 ตีความหมายได้ว่า ลูกค้าไม่ได้มีแนวโน้มที่จะซื้อสินค้าสองชิ้นนั้นด้วยกัน
ถ้าค่า Lift เท่ากับ 1 ตีความหมายได้ว่า สินค้าสองชิ้นนั้น ถูกซื้อไปด้วยความบังเอิญ มากกว่าจะเป็นความตั้งใจที่จะซื้อ
เพราะฉะนั้นจากเคสนี้ ก็หมายความว่า ลูกค้าที่ซื้อเสื้อยืด ไม่ได้มีแนวโน้มที่จะซื้อลิปสติกไปด้วย นั่นเอง..
สรุปอีกทีก็คือ Market Basket Analysis
คือหลักการวิเคราะห์ตะกร้าสินค้า เป็นเครื่องมือที่ช่วยให้เราใช้ข้อมูลยอดขายที่มีอยู่ มาวิเคราะห์ แล้วทำการตลาดให้แม่นยำขึ้นได้
ซึ่งสรุปคำศัพท์สำคัญ 3 คำ จากเรื่องนี้อีกทีก็คือ
1. ค่า Support เอาไว้ดูว่า สินค้าอะไรที่ขายดี-ขายไม่ดี ในร้านของเรา
2. ค่า Confidence เอาไว้ดูว่า สินค้าอะไร มีแนวโน้มที่คนจะซื้อไปด้วยกัน
3. ค่า Lift เอาไว้เช็กว่า คนที่ซื้อของบางอย่างคู่กัน ซื้อเพราะความตั้งใจ หรือความบังเอิญ
References