Case Study Marketing Science

เทคนิคการวัด Brand Loyalty ตามหลัก Marketing Science

ปี 2014 สมัยแอดทำงานเป็น Research Executive ของบริษัทวิจัยตลาดเจ้าหนึ่ง ตอนนั้นตัดสินใจไปสมัครเรียนปริญญาโทใบที่สองที่วิทยาลัยการจัดการของมหิดล เรียกสั้นๆว่า CMMU สาขาการตลาดรุ่น MM17A เพราะรู้สึกว่าตัวเองยังไม่ค่อยมีความรู้ด้านนี้เท่าไร แต่งานประจำที่ทำต้องไปนำเสนอผลวิจัยให้กับทีมการตลาดของลูกค้าบ่อยๆ หลายครั้งมีระดับผู้บริหารเข้ามาฟังด้วย เลยคิดว่า เอาวะ! เรียนโทอีกใบละกัน 55+

มีอยู่คลาสเรียนนึงที่เปลี่ยนความคิดของแอดเกี่ยวกับการตลาดและการทำ market research ไปตลอดกาล และวิชานั้นคือ Consumer Behavior (CB) สอนโดย Dr. Randall Shannon บทความวันนี้แอดจะเขียนสรุปเนื้อหาสำคัญจากคลาสเรียนนี้ให้อ่านกัน Mind Blown!

Image result for Randall Shannon
Dr. Randall Shannon – Thank you for sharing your experience with me in CB class : )

First Thing I Learned

สิ่งแรก (และเป็นสิ่งที่สำคัญที่สุด) ที่แอดได้เรียนจากคลาส CB คือชื่อของศาสตราจารย์ Andrew Ehrenberg (1926-2010) ผู้ที่นำวิทยาศาสตร์มาอธิบายวิชาการตลาด และเป็นหนึ่งในผู้นำเรื่อง Marketing Science ได้รับเหรียญทองจากสมาคมวิจัยแห่งประเทศอังกฤษ (MRS) สองครั้งในปี 1969 และปี 1996

Ehrenberg เป็นผู้ค้นพบว่าการกระจายตัวของ buying rate ของแบรนด์เป็นแบบ Negative Binomial Distribution (histogram เบ้ขวามากๆ) และใช้ความรู้นี้มาสร้างโมเดลทำนายส่วนแบ่งการตลาดได้อย่างแม่นยำ

ยิ่งแอดได้เรียน ได้อ่านบทความของ Ehrenberg มากเท่าไหร่ ยิ่งรู้สึกว่างาน market research ที่ทำมาตลอดสามปี (ตั้งแต่ปี 2012-2015) มันผิดไปหมดเลย งานที่เราเคยนำเสนอลูกค้า presentation ที่บอกว่าแบรนด์ต้องแตกต่างถึงจะขายได้ดังคำกล่าว “differentiated or die” แบรนด์ต้องมี unique selling proposition (USP) เพื่อเป็นจุดขาย การทำโปรโมชั่นด้านราคาจะช่วยดึงลูกค้าใหม่มาซื้อแบรนด์เรา และคำแนะนำอีกมากมายที่ไม่สอดคล้องกับงานวิจัยที่ Ehrenberg ทำมากว่าครึ่งชีวิต

Ehrenberg ท้าทายแนวคิดของนักการตลาดชื่อดังหลายๆคน รวมถึง Philip Kotler ผู้แต่งหนังสือ marketing 4.0 เป้าหมายสูงสุดของ Ehrenberg คือการนำทฤษฏีการตลาดมาพิสูจน์ด้วยข้อมูลจริง และค้นหากฎการตลาด (empirical marketing law) ที่สามารถใช้ได้กับทุกๆตลาดทั่วโลก บทความวันนี้เราจะโฟกัสที่เรื่องความจงรักภักดีต่อแบรนด์ และวิธีการวัด loyalty ตามหลัก marketing science ของ Ehrenberg

Does Loyalty Exist

Loyalty มีอยู่จริงหรือเปล่า? Ehrenberg สรุปว่า loyalty มีอยู่จริง แต่หาได้ยากมากถ้ายึดตามนิยามที่หนังสือการตลาดส่วนใหญ่เขียนไว้ ความจริงคือมีลูกค้าจำนวนน้อยมากที่จะซื้อสินค้าจากแบรนด์ๆเดียวภายใน category หนึ่งตลอดอายุขัยของเค้า (his/her lifetime)

The tendency of some consumers to continue buying the same brand of goods rather than competing brands.

brand loyalty (Google)

งานวิจัยของ Ehrenberg พบว่า “brands share customer base” ตัวอย่างเช่น ข้อมูลจาก Kantar Worldpanel แสดงให้เห็นว่าลูกค้าที่ดื่ม pepsi เป็นประจำก็ดื่ม coke สูงถึง 72% ยิ่งสองแบรนด์แข่งกันสูสีเท่าไหร่ ทั้งเรื่อง market share และ functional benefits ก็จะยิ่งแชร์สัดส่วนลูกค้ากันมากขึ้นเท่านั้น i.e. คนดื่ม pepsi ก็ดื่ม coke ส่วนคนดื่ม coke ก็ดื่ม pepsi และแบรนด์น้ำอัดลมอื่นๆด้วย (rank ตามส่วนแบ่งตลาด)

Ehrenberg จึงนำเสนอไอเดียเรื่อง “Divided Loyalty” ลูกค้าคนนึงสามารถบริโภคได้มากกว่าหนึ่งแบรนด์ที่อยู่ใน repertoire ของเค้า นักการตลาดต้องยอมรับความจริงข้อนี้ และอย่าคาดหวังว่าลูกค้าของแบรนด์เราจะ loyal 100% หรือถ้าพูดอีกมุมหนึ่งคืออัตราการซื้อซ้ำ (repeated purchases) ของแบรนด์จะไม่เท่ากับ 100% ไม่ว่าเราจะใช้เงินทำการตลาด/ โฆษณามากขนาดไหนก็ตาม

Apple ที่หนังสือการตลาดหลายๆเล่มยกตัวอย่างว่าเป็นแบรนด์ที่ลูกค้ามี loyalty สูงมาก จากงานวิจัยของ Byron Sharp พบว่าอัตราการซื้อซ้ำของลูกค้าแอปเปิ้ลอยู่ที่ 55% ในปี 2002 (สูงกว่าค่าเฉลี่ยนิดหน่อย และแบรนด์ที่ได้ % repeat สูงที่สุดคือ Dell 71%) งานวิจัยในปี 2011 พบว่า % repeat ของแอปเปิ้ลลดลงมาที่ 31% แล้ว หรือจะพูดว่าลูกค้าแอปเปิ้ลประมาณ 70% มีแนวโน้มจะเปลี่ยนไปใช้แบรนด์อื่นในการซื้อครั้งต่อไป

Loyalty or Habit

BNK48 ช่วยสร้าง brand salience ให้กับแบรนด์ 7-Eleven มาก (อย่างน้อยก็ในกลุ่มโอชิ 555+)

เราสามารถใช้ความรู้จากทฤษฏีเศรษฐศาสตร์เชิงพฤติกรรมมาอธิบาย brand loyalty ว่าจริงๆแล้วเป็นแค่ส่วนหนึ่งของพฤติกรรมที่ทำซ้ำๆจนเกิดเป็นนิสัย (habit) เดินเข้า 7-Eleven ทุกวันไม่ได้แปลว่าลูกค้าคนนั้นจะมี loyalty แต่เป็นพฤติกรรมที่ทำเป็นประจำจนร่างกาย/สมองสามารถตอบสนองต่อสิ่งเร้าได้อย่างอัตโนมัติ เช่น “(รู้สึก) หิวเมื่อไหร่ก็แวะมา 7-Eleven” ทำนองเพลงมาเลย 555+ i.e. Kahneman เรียกระบบนี้ว่า autopilot อ้างอิงจากหนังสือ Thinking Fast and Slow (2011)

Ehrenberg เรียกตัวอย่างของ 7-Eleven ด้านบนว่า “Brand Salience” คือการที่แบรนด์สามารถแย่งชิงตำแหน่งเบอร์หนึ่งใน consideration set ของผู้บริโภคใน occasion การซื้อหนึ่งๆ เช่น หิวเมื่อไหร่ไปเซเว่น ฯลฯ ในงานวิจัยตลาดเราเรียก metric นี้ว่า Top of Mind (แต่ต้องเป็นการวัด TOM ใน buying occasion ที่แบรนด์เราสนใจ)

How to Measure Loyalty

marketing scientists ทุกวันนี้ใช้หลายๆ metrics ในการวัด brand loyalty (เพราะเรื่องนี้ไม่สามารถวัดกันได้ง่ายๆ ในทางสถิติเราเรียกว่า latent variable) ตัวอย่าง loyalty metrics ที่เป็นที่นิยมในหมู่นักการตลาด เช่น

  • Repeated Purchases เช่น 30% ของลูกค้าแบรนด์ A จะซื้อแบรนด์ A ซ้ำในการซื้อครั้งต่อไป
  • Purchase Rates ความถี่ในการซื้อสินค้า เช่น 2 ครั้งต่อเดือน หรือ 12 ครั้งต่อปี
  • Penetration สัดส่วนของลูกค้าที่ซื้อแบรนด์ A อย่างน้อยหนึ่งครั้งในระยะเวลาที่กำหนด เช่น ลูกค้าแบรนด์ A 10 ล้านคน/ กลุ่มลูกค้าเป้าหมาย 20 ล้านคน penetration = 10/20 = 0.5
  • Share of Category Requirements สัดส่วนของแบรนด์ที่เราซื้อในช่วงเวลาหนึ่งๆ ซึ่งเป็น key metric ที่เราจะอธิบายในบทความนี้

งานวิจัยของ Ehrenberg พบว่าปัจจัยที่ส่งผลต่อการเติบโตของแบรนด์มากที่สุดคือ penetration แบรนด์ที่มีส่วนแบ่งการตลาดสูงจะมี penetration สูงเช่นกันและมีสัดส่วนลูกค้าที่ loyal กับแบรนด์มากกว่า (เมื่อเปรียบเทียบกับแบรนด์ที่มีส่วนแบ่งการตลาดน้อยกว่า) Ehrenberg เรียกปรากฏการณ์นี้ว่า “Double Jeopardy”

Most Useful Metric

Ehrenberg เสนอให้ใช้ Share of Category Requirements หรือเรียกสั้นๆว่า SCR ในการวัดระดับ brand loyalty ของลูกค้าแต่ละคน เราสามารถ aggregate ตัวเลขนี้เป็น single number ของแต่ละแบรนด์ได้ด้วย

แหล่งข้อมูลสำคัญที่สามารถนำมาใช้คำนวณ SCR ของแบรนด์ต่างๆใน category ที่เราสนใจ คือ

  1. Electronic Point of Sales เช่น ข้อมูลการซื้อสินค้าด้วยบัตรสะสมแต้ม ALL member ของ 7-Eleven และ clubcard ของ Tesco i.e. สามารถดู transactions ในอดีตของลูกค้าคนนั้นๆได้
  2. แบบสอบถาม/ แบบสำรวจ (survey) ที่ถามเกี่ยวกับการบริโภคแบรนด์ต่างๆภายในระยะเวลาที่กำหนด เช่น หนึ่งเดือนที่ผ่านมาคุณซื้อน้ำอัดลมแบรนด์อะไรบ้าง จำนวนที่ซื้อ เป็นต้น

ถ้าทีมการตลาดของเราสามารถเข้าถึงข้อมูลทั้งสองแบบ แอดแนะนำว่าใช้แบบแรกจะได้ความแม่นยำสูงกว่า เพราะผลสำรวจส่วนใหญ่จะมี bias และคำตอบที่ได้เป็นแค่ claimed result i.e. ตรวจสอบความจริงได้ยาก มาลองดูตัวอย่างการคำนวณ SCR ของตลาดน้ำอัดลมด้านล่าง (แอดรวม cola อยู่ใน category definition ด้วย)

consumption ในช่วงหนึ่งเดือนที่ผ่านมา (P1M) – ลูกค้าคนที่หนึ่ง SCR_coke = 0.8

สมมติในหนึ่งเดือนที่ผ่านมา (researcher นิยมเรียกว่า P1M consumption) ลูกค้าคนที่หนึ่งซื้อ coke 8 ครั้ง และ pepsi 2 ครั้ง ลูกค้าคนนี้ถือว่า more loyal towards coke โดย SCR _coke = 8/10 = 0.8 และ SCR_pepsi = 2/10 = 0.2 ตามลำดับในช่วงเวลาที่เราทำการวิเคราะห์ข้อมูล (ซึ่งก็คือหนึ่งเดือนที่ผ่านมา)

consumption ในช่วงหนึ่งเดือนที่ผ่านมา (P1M) – ลูกค้าคนที่สอง SCR_coke = 0.3

มาลองดู P1M consumption ของลูกค้าคนที่สองบ้าง SCR_coke = 3/10 = 0.3 และ SCR_pepsi = 7/10 = 0.7 สรุปว่าลูกค้าคนนี้ more loyal towards pepsi ในช่วงเวลาเดียวกัน i.e. SCR ต้องระบุ time frame ทุกครั้ง

สมมติว่าทั้งตลาดมีลูกค้าแค่สองคนนี้ SCR_coke_market = 11/20 = 0.55 และ SCR_pepsi_market = 9/20 = 0.45 ตามลำดับในช่วงเวลาที่เราวิเคราะห์ คำถามสำคัญที่อยากให้ทุกคนคิดตามคือ จะเกิดอะไรขึ้นถ้าเราเปลี่ยน time period ที่ใช้วิเคราะห์ SCR? เช่น 1 สัปดาห์, 3 เดือน, 6 เดือน หรือ 12 เดือน เป็นต้น

Time is Crucial

ถ้าเราปรับ time frame ในการวิเคราะห์ผลให้นานขึ้น จะเกิดผลทางการตลาดต่อไปนี้

  • ลูกค้ามีแนวโน้มจะบริโภคแบรนด์ต่างๆเพิ่มมากขึ้นใน category ที่เราสนใจ ในรูปด้านล่างจะเห็นว่าจำนวนแบรนด์ที่ลูกค้าคนที่สองบริโภค (consideration set) เพิ่มจากสองแบรนด์ {coke, pepsi} เป็นสี่แบรนด์ {coke, pepsi, sprite, fanta}
  • ถ้าเราดูแค่ P1M จะเห็นว่าลูกค้าคนนี้มี loyalty โน้มเอียงไปทาง pepsi มากกว่า coke (รูปกระป๋องแถวบน) แต่ถ้าเราเพิ่มระยะเวลาเป็น P3M อัพเดทการคำนวณใหม่ SCR_coke จะมีค่าสูงสุดเท่ากับ 8/20 = 0.4
  • มีลูกค้าจำนวนน้อยมากที่จะบริโภคแบรนด์เดียวไปตลอดชีวิตของเค้า (within category) ถ้าเราเปลี่ยน time frame เป็น 12 เดือน หรือ 24 เดือน โอกาสที่จะเห็นลูกค้าบริโภคมากกว่าหนึ่งแบรนด์จะมีสูงมาก
consumption ในช่วงสามเดือนที่ผ่านมา (P3M) – แบรนด์มีความหลากหลายมากขึ้น

SCR เป็น metric สำคัญที่ marketing scientists ใช้วัด brand loyalty เมื่อนำไปใช้ร่วมกับ metrics อื่นๆ เช่น repeated purchases, buying rate (ความถี่ในการซื้อของ) และ penetration เราสามารถทำนายพฤติกรรมการซื้อของและส่วนแบ่งตลาดของแบรนด์ต่างๆใน category นั้นๆได้อย่างแม่นยำด้วย Dirichlet model

การทำงานของโมเดล Dirichlet อยู่นอกเหนือ scope ของบทความนี้ ไว้โอกาสหน้าแอดจะเขียนอธิบายให้อ่านอีกที – สั้นๆมันคือโมเดลคณิตศาสตร์ที่ใช้ทำนาย buying behavior แบบแม่นเว่อร์! ถูกทดสอบมาแล้วในหลายๆตลาด/ หลายๆประเทศทั่วโลกตั้งแต่ยุค 1980s โดยลูกศิษย์คนสำคัญของ Ehrenberg ชื่อว่า Prof. Byron Sharp เป็น advocate ที่เผยแพร่ความรู้ของศาสตร์นี้

Marketing Implications

  • ลูกค้าหนึ่งคนใช้มากกว่าหนึ่งแบรนด์ (within category) เรียกว่า divided loyalty จำนวนแบรนด์ที่ใช้ขึ้นอยู่กับ time period i.e. ยิ่งนาน ลูกค้ายิ่งมีเวลาค้นหาแบรนด์ใหม่ๆเพิ่มเข้าไปใน repertoire ของตัวเอง
  • SCR เป็น loyalty metric ที่ทุกแบรนด์ควรทำ tracking ไม่ใช่ดูแต่ market share หรือ BUMO (brand used most often) ในงานวิจัยตลาดทั่วไป
  • Dirichlet เป็นโมเดลคณิตศาสตร์ที่ทำนาย market share ได้แม่นยำมากๆ เพราะว่า assumptions ของโมเดลสอดคล้องกับความจริงเกี่ยวกับพฤติกรรมผู้บริโภค ตัวอย่างเช่น divided loyalty และการคำนวณ SCR, repeated purchases, penetration drives growth, double jeopardy เป็นต้น

Your customers are the customers of other brands who occasionally buy you.

Andrew Ehrenberg

ถ้าใครที่กำลังอ่านบทความนี้อยู่ ดื่มน้ำอัดลมเป็นประจำอย่างน้อยเดือนละ 2-3 ครั้ง และภายใน 12 เดือนที่ผ่านมาซื้อดื่มแค่แบรนด์เดียวไม่เปลี่ยนเลย คุณคือบุคคลที่หาได้โคตรยาก เป็น rare item มากๆ (แล้วที่ใช้อยู่แบรนด์เดียวเป็นเพราะมี loyalty จริงๆหรือแค่ความเคยชิน i.e. habit?) 😛

How Brands Grow

สำหรับเพื่อนๆที่สนใจ อยากศึกษาเพิ่มเติมลองอ่านหนังสือการตลาดในตำนาน How Brands Grow ของ Byron Sharp เล่มนี้เพิ่งมีอัพเดทแบบ ebook ออกมาใหม่บน amazon kindle (2019) เล่มนี้ต้องอ่าน!

Image result for how brands grow
goodreads – คะแนนเฉลี่ย 4.17/5.0 (1,135 ratings, 93 reviews) ข้อมูล ณ วันที่ 19 ส.ค 2562

Final Note – หนังสือที่ดีควรสอนให้เราได้คิด เวลาอ่านเล่มนี้ต้องคิดตามเยอะเลย ส่วนตัวแอดชอบวิธีการนำเสนอเรื่องราวของ Byron จุดแข็งของหนังสือเล่มนี้คือ data-driven approach ความรู้ทั้งหมดมาจากการวิเคราะห์ข้อมูลล้วนๆ ข้อมูลที่เค้าใช้ก็ได้มาจากระดับท๊อปของวงการวิจัยตลาดอย่าง Nielsen และ Kantar

แต่มีสมมติฐานนึงที่ผิดเกี่ยวกับผู้บริโภค หนังสือเล่มนี้ assume ว่าผู้บริโภครู้ตัวและตอบได้ทุกคำถามใน survey (i.e. rational consumers) แต่ไม่ได้พูดถึงเรื่อง irrational ทั้งหลายเลย เพราะหัวใจของหนังสือเล่มนี้คือ marketing science อะไรที่วิทยาศาสตร์ (ตอนนี้) ยังอธิบายไม่ได้ Byron เลือกที่จะไม่ยุ่ง – just leave it.

3 comments

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.