หนึ่งในเคสการทำ Data-Driven Marketing ที่คลาสสิคที่สุดและถูกกล่าวขวัญมาจนถึงปัจจุบันคือ เคสของห้างค้าปลีกเจ้าใหญ่ที่ชื่อว่า Target ในสหรัฐอเมริกา ย้อนไปปี 2012 คุณพ่อที่มีลูกสาววัยรุ่นท่านหนึ่งโวยวายไปที่ Target ว่าทำไมถึงส่งคูปองโปรโมชั่นสินค้าเด็กอ่อนมาให้ลูกสาววันรุ่นของตน คุณพ่อไม่พอใจเพราะคิดว่าการที่ Target ส่งคูปองของใช้เด็กอ่อนมาให้เหมือนเป็นการส่งเสริมให้ลูกสาวท้องก่อนวัยอันควรซึ่งไม่ควรเกิดขึ้น แต่หลังจากนั่งคุยกับลูกสาวตัวเองจึงพบความจริงว่า ลูกสาวเพิ่งตั้งครรภ์จริงๆ
เมื่อย้อนไปหนึ่งปีก่อนหน้า Target ได้สร้าง algorithm ที่สามารถคาดการณ์ได้ว่าลูกค้าผู้หญิงมีโอกาสจะตั้งครรภ์หรือไม่โดยอ้างอิงประวัติการซื้อสินค้าของลูกค้าคนนั้นๆ ระบบจะระบุตัวตนของลูกค้าทุกคนแล้วใช้ Big Data มาวิเคราะห์ว่าลูกค้าคนไหนมีแนวโน้มที่จะตั้งครรภ์ เมื่อระบุได้แล้วระบบก็จะส่งเรื่องให้ฝ่ายที่เกี่ยวข้องจัดส่งคูปองสินค้าเด็กอ่อนไปให้ลูกค้าทางไปรษณีย์ต่อไป
เรื่องนี้เกิดขึ้นมาตั้งแต่เกือบ 10 ปีที่แล้ว ตอนที่ digital marketing ยังไม่เป็นที่รู้จักมากเท่าไหร่เลยด้วยซ้ำ และเทคโนโลยีที่รองรับการทำ data-driven marketing แบบนี้ก็ยังไม่ได้แพร่หลายเท่าไหร่เลย
ในบทที่ 8 ของหนังสือ Marketing 5.0 ของ Philip Kotler ได้ระบุเอาไว้ว่า องค์กรส่วนใหญ่พอตั้งต้นจะทำ Data-Driven Marketing มักจะเริ่มต้นด้วยการเป็นโปรเจ็คของฝ่าย IT ซึ่งไม่ถูกต้อง พวกเขาใช้เวลาและทรัพยากรส่วนใหญ่ไปในการเลือก software ลงทุนในระบบโครงสร้าง (infrastructure) หรือว่าจ้าง data scientist ซึ่งเรื่องเหล่านี้จำเป็นก็จริง แต่ไม่ควรจะเป็นจุดเริ่มต้นของการทำ Data-Driven Marketing ขององค์กร
Data-Driven Marketing ต้องเป็นโปรเจ็คของฝ่ายการตลาดแล้วฝ่าย IT คอยสนับสนุนด้วยการจัดเตรียมระบบ หา software ที่เหมาะสมต่อไป
ดังนั้นกลยุทธ์การวาง data-driven marketing ต้องทำตามกลยุทธ์ของการตลาด ไม่ใช่กลยุทธ์ของ IT
นักการตลาดต้องเป็นผู้ออกแบบ process ของการทำ data-driven marketing ทั้งหมด ซึ่งจุดเริ่มต้นคือ การตั้งเป้าหมาย Data-Driven Marketing ที่ชัดเจน
ตัวอย่างของการตั้งเป้าหมาย Data-Driven Marketing
- หาไอเดียสินค้าและบริการใหม่ๆ
- ประมาณการความต้องการของตลาด
- แนะนำการซื้อครั้งต่อไปของลูกค้า
- สร้างประสบการณ์รู้ใจให้ลูกค้า (personalized customer experience)
- กำหนดราคาที่เหมาะสมให้สินค้าออกใหม่
- เสาะหาและระบุกลุ่มเป้าหมายที่ถูกต้อง
- นำเสนอ message และเนื้อหาที่ถูกต้อง
- เลือกการใช้ media ได้อย่างถูกต้องเหมาะสม
- พยากรณ์ความไม่พอใจของลูกค้าและการที่ลูกค้าเลิกใช้สินค้าและบริการ
