เอกสารด้านล่างเป็นส่วนหนึ่งเอกสารที่ใช้ในการอบรมหลักสูตร Practical Data Science and Machine Learning with RapidMiner TurboPrep and AutoModel ซึ่งมีระยะเวลาการอบรม 3 วันตั้งแต่วันที่ 25-27 กรกฎาคม 2565 ครับ โดยในเอกสารนี้จะประกอบด้วยหัวข้อต่างๆ…
เมื่อวันก่อนได้รับโอกาสให้ไปบรรยายใน workshop เรื่อง Machine Learning for Business (workshop with MarTech App) ครับ เลยอยากขอนำสไลด์มาแชร์ให้ผู้สนใจได้ดูกันครับ (คลิกที่รูปได้เลยนะครับ) ส่วนข้อมูลสามารถดาวน์โหลดได้จาก datacubeth.ai/p2b_data.xlsx
เมื่อวานนี้มีน้องที่รู้จักกันมาถามว่า “ผมยังไม่รู้ inspiration ของพี่เลยว่าทำไมพี่ถึงชอบ Data” ถ้าให้ตอบแบบเท่ๆ สมัยนี้ก็ต้องบอกว่า “เพราะข้อมูลมันมีประโยชน์ไง ช่วยให้เราตัดสินใจได้ดีขึ้น …” แต่จริงๆ จุดเริ่มต้นของผมในเส้นทางสายนี้ไม่ใช่เพราะคำตอบนั้นหรอกครับ จากคำถามนั้นก็เลยทำให้ผมคิดย้อนไปว่าเส้นทางด้านนี้ของผมเป็นยังไง จริงๆ ถ้าคุณอ่านบทความนี้อาจจะรู้จักผมกับดาต้า คิวบ์มาบ้าง แต่ขออนุญาตย้อนกลับไปตอนจุดเริ่มต้นของเส้นทางการเดินทางของผมสักนิดนึงนะครับ ผมรู้จักกับ Data Mining…
การรักษาลูกค้าให้ซื้อสินค้าหรือใช้บริการของบริษัทต่อไปเป็นเรื่องสำคัญที่จะทำให้บริษัทสามารถดำเนินธุรกิจและเติบโตต่อไปได้อย่างต่อเนื่องครับ และจากการวิจัยพบว่าการหาลูกค้าใหม่อาจจะมีค่าใช้จ่ายมากกว่าการรักษาลูกค้าเดิมสูงถึงประมาณ 5-10 เท่าเลยทีเดียว โดยเฉพาะยิ่งเป็นลูกค้าที่มูลค่ากับบริษัทมากๆ แล้วด้วยยิ่งไม่อยากเสียไปใช่ไหมครับ ดังนั้นบริษัทจึงให้ความสนใจกับการรักษาฐานลูกค้าเดิมไว้มากกว่าเพราะเมื่อลูกค้าไม่ซื้อสินค้าหรือใช้บริการแล้วย่อมส่งผลกระทบกับบริษัทอย่างแน่นอน สำหรับบางธุรกิจแล้วสักวันหนึ่งลูกค้าก็ต้องมีการเลิกใช้บริการอยู่ดีซึ่งลักษณะนี้จะเรียกว่าเป็น Expected Churn คือ บริษัทจะสามารถคาดการณ์ได้ว่าลูกค้าต้องไม่ใช้บริการเมื่อไร ตัวอย่างเช่น ในครอบครัวที่มีลูกน้อยซึ่งเพิ่งเกิดได้ไม่นาน ครอบครัวนี้ก็เป็นลูกค้าของบริษัทผ้าอ้อมสำเร็จรูปแต่เมื่อเด็กโตขึ้นจนถึงวัยที่ไม่ต้องใช้ผ้าอ้อมสำเร็จรูปแล้ว ครอบครัวนี้ก็ไม่ได้เป็นลูกค้าของบริษัทนี้อีกต่อไป อีกรูปแบบหนึ่งคือ Voluntary Churn ซึ่งเป็นการยกเลิกการใช้บริการอาจจะเพราะเกิดความไม่พอใจในบริการที่ได้รับ…
การแนะนำสินค้าและบริการให้ตรงกับความต้องการของลูกค้าแต่ละรายถือเป็นเรื่องสำคัญที่หลายธุรกิจต้องการ ถ้าเราลองมองย้อนกลับไปในอดีตที่ผ่านมาในช่วงเวลาที่ผู้ซื้อและผู้ขายได้รู้จักหน้าค่าตากันจะทำให้ผู้ขายรู้จักพฤติกรรมของลูกค้าแต่ละรายได้เป็นอย่างดีและสามารถแนะนำสินค้าที่ลูกค้าซื้อเป็นประจำหรือสินค้าที่คาดว่าลูกค้าน่าจะสนใจได้ แต่ในปัจจุบันเมื่อลูกค้ามีจำนวนมากขึ้นและช่องทางการจัดจำหน่ายก็มีหลากหลายช่องทางจึงเป็นการยากที่ผู้ขายจะรู้ใจผู้ซื้อได้ แต่ด้วยข้อมูลและเทคโนโลยีปัญญาประดิษฐ์ทำให้เครื่องคอมพิวเตอร์สามารถวิเคราะห์ข้อมูลที่เก็บพฤติกรรมต่างๆ ของลูกค้าไว้ได้และสามารถแนะนำสินค้าที่ตรงใจกับที่ลูกค้าต้องการเหมือนเช่นในอดีตที่ผ่านมาได้อย่างอัตโนมัติ ตัวอย่างเช่น เมื่อเราดูภาพยนตร์หรือซีรีย์ใน Netflix จบแล้วจะมีการแนะนำภาพยนต์หรือซีรีย์เรื่องอื่นๆ ที่เกี่ยวข้องมาให้โดยอาจจะพิจารณาจากการที่เป็นผู้กำกับ นักแสดงนำคนเดียวกันกับเรื่องที่เราดูผ่านไปแล้ว หรือจะเป็นแนวเรื่อง (genre) ที่เราชอบดูก็เป็นได้ อีกตั้งอย่างคือเมื่อเราเข้าไปในเว็บ e-commerce แล้วมีการแนะนำสินค้าที่เกี่ยวข้องกับสินค้าที่เรากำลังสนใจจะซื้ออยู่ ซึ่งเป็นการวิเคราะห์ดูว่าคนส่วนใหญ่ที่ซื้อสินค้านี้แล้วจะซื้อสินค้าใดร่วมไปด้วยนั่นเอง โดยส่วนใหญ่แล้วการทำ…
การแบ่งกลุ่มลูกค้า (customer segmentation) เป็นแนวคิดทางการตลาดที่มีมาอย่างยาวนานแล้วครับ โดยเป็นการแบ่งกลุ่มลูกค้าหรือข้อมูลออกเป็นกลุ่มย่อยๆ โดยมีเงื่อนไขระบุไว้แต่แรกแล้ว ในหนังสือการตลาด 5.0 (Marketing 5.0) ได้แบ่งการแบ่งกลุ่มลูกค้าออกเป็น 4 ประเภท คือ Geographic Segmentation เป็นการแบ่งกลุ่มตามถิ่นที่อยู่ เช่น ประเทศ จังหวัด…
การประเมินมูลค่าของลูกค้า (customer lifetime value) หรือเรียกย่อๆ ว่า CLV เป็นการพิจารณามูลค่าของลูกค้าแต่ละรายตลอดช่วงเวลาที่ลูกค้าใช้บริการกับบริษัทอยู่ซึ่งจะทำให้ทราบถึงความสำคัญของลูกค้าเป็นรายบุคคลได้ การคำนวณค่า CLV นี้แบ่งได้เป็น 2 แบบใหญ่ๆ คือ การคำนวณมูลค่าแบบย้อนหลัง (historical lifetime value) และการคำนวณมูลค่าแบบพยากรณ์ (predicted…
สไลด์การบรรยายเรื่อง Machine Learning for Non-Codes (Anyone) ในงาน Dev Mountain Tech Festival เมื่อวันที่ 19 มีนาคม 2565 ที่ผ่านมาครับ โดยเนื้อหาในสไลด์จะอธิบายแนวทางการวิเคราะห์ข้อมูลตั้งแต่พื้นฐานจนถึงรายละเอียดของเทคนิค Machine Learning ครับ…
Teachable Machine (https://teachablemachine.withgoogle.com/) เป็นระบบ No-Code Machine Learning Platform ที่ช่วยให้สามารถทำ Deep Learning ง่ายแบบไม่ต้องเขียน code เลยครับ จากที่เมื่อวานได้อธิบาย No-Code/Low-Code ML Platform ไปเบื้องต้นแล้ว วันนี้ขอแนะนำระบบ…
ในปัจจุบันมีซอฟต์แวร์ที่ใช้ในการวิเคราะห์ข้อมูลแบบ Machine Learning แบบที่ไม่ต้องเขียน code (No-Code) หรือเขียน code เพียงเล็กน้อย (Low-Code) อยู่หลากหลายซอฟต์แวร์เลยครับ ในรูปด้านล่างเป็นการเปรียบเทียบซอฟต์แวร์ต่างๆ เหล่านี้ในเรื่องของความง่ายในการใช้งานและความครอบคลุมในการวิเคราะห์ข้อมูล ในการวิเคราะห์ข้อมูลทาง Machine Learning อาจจะมองว่าเป็นเรื่องยากทั้งเรื่องการคำนวณและการเขียนโปรแกรม (coding) ทำให้ business…
เรื่องนี้เป็นอีก use case หนึ่งทางด้าน Data Science (DS)/Machine Learning (ML) ที่ใช้ในการเลือกว่าลูกค้าคนไหนมีโอกาสจะซื้อสินค้าบ้างจะได้นำเสนอสินค้าหรือบริการให้ตรงใจกับลูกค้ามากยิ่งขึ้นและไม่ต้องส่งข้อความหรือโทรศัพท์ไปหาลูกค้าแบบสุ่มหรือทั้งหมด แม้ว่าสมัยนี้อาจจะดูเหมือนการส่ง email ไม่ได้มีค่าใช้จ่ายแต่จริงๆ ก็มีอยู่บ้างเล็กน้อยครับและเมื่อทำการส่งข้อความไปให้ลูกค้าเป็นหมื่นๆ คนก็มีค่าใช้จ่ายพอสมควรเลย ยิ่งเป็นการส่งข้อความผ่านทาง SMS หรือโทรศัพท์ด้วยแล้วยิ่งมีค่าใช้จ่ายมากขึ้น แต่ถ้ามองกันในมุมของลูกค้าแล้วการที่ได้รับข้อความหรือโทรศัพท์ในเรื่องที่ไม่สนใจย่อมไม่ค่อยพอใจเท่าไรแล้วอาจจะไม่เปิดอ่าน email…