blog

PAM ซอฟต์แวร์ Marketing Automation สัญชาติไทยที่สร้างขึ้นมาตอบโจทย์ธุรกิจไทยและช่วยยกระดับในการทำการตลาด ออกแบบมาเพื่อจัดการรวบรวม จัดกลุ่ม และดูแลข้อมูลลูกค้า พร้อมกับช่วยสร้างแคมเปญทางการตลาดได้ ซึ่งบอกเลยว่าเหมาะกับธุรกิจที่กำลังเติบโตไปจนถึงบริษัทขนาดใหญ่ นอกจากนี้ยังเป็น E-Commerce Platform และ Coupon Portal Platform ที่ช่วยจัดการหน้าและหลังร้าน พร้อมด้วยการสร้างแคมเปญส่งเสริมการขายได้อย่างมีประสิทธิภาพมากขึ้น ฟีเจอร์เด่นๆ ของ PAM ได้แก่Realtime Customer Segmentation สามารถเก็บข้อมูลและจัดหมวดหมู่ข้อมูลของลูกค้าได้อย่างเป็นระบบ ทำให้สามารถจัดแยกลูกค้าประเภทต่างๆ ได้ และสามารถเลือกเงื่อนไขในการทำ Segmentation ได้Customer…

The next level of marketing intelligence โซลูชั่นทางการตลาดที่ช่วยนักการตลาด คอนเทนต์ครีเอเตอร์ แบรนด์ ธุรกิจ และองค์กร อัปเดตทุกเทรนด์ เจาะลึกข้อมูลผู้บริโภค และบริหารจัดการโซเชียลมีเดีย ได้ง่ายๆ ในแพลตฟอร์มเดียว เพื่อสร้างสรรค์โอกาสทางธุรกิจให้องค์กรของคุณ พร้อมเพิ่มประสิทธิภาพของทีมด้วยการอัปเดตไอเดียใหม่ ๆ คอนเทนต์ที่มีประสิทธิภาพ พร้อมการวัดผลลัพธ์ และข้อมูลเชิงลึกแบบเรียลไทม์ เพื่อนำไปสู่การพัฒนากลยุทธ์การตลาดที่ไม่เคยมีมาก่อนด้วย Mandala AIจบในที่เดียว! โซลูชันทางการตลาดเพื่อการอัปเดตเทรนด์โลก การจัดการโซเชียลมีเดีย และการวิเคราะห์อินไซต์ที่จะช่วยให้ธุรกิจของคุณเติบโตลูกค้าทั้งในไทยและต่างประเทศต่างก็ไว้ใจให้ Mandala AI เป็นผู้ช่วยในการวางกลยุทธ์…

Altair SLC คือคอมไพเลอร์ภาษา SAS ที่สามารถเรียกใช้โปรแกรมที่เขียนขึ้นในรูปไวยากรณ์ของภาษา SAS โดยไม่ต้องติดตั้งซอฟต์แวร์จากแหล่งอื่นอีก Altair SLC สามารถทำงานบน SAS ที่หลากหลายทั้ง core language, macros, กราฟและแผนภูมิ, การวิเคราะห์ทางสถิติ, time series analytics, matrix manipulation, machine learning, การสื่อสาร, และชุดเครื่องมือพัฒนาซอฟต์แวร์ภาษา (SDK) ที่ทำงานร่วมกันได้อย่างสมบูรณ์แบบ ทำไมต้องเปลี่ยนมาใช้ SAS…

เรื่องนี้เป็นอีก use case หนึ่งทางด้าน Data Science (DS)/Machine Learning (ML) ที่ใช้ในการเลือกว่าลูกค้าคนไหนมีโอกาสจะซื้อสินค้าบ้างจะได้นำเสนอสินค้าหรือบริการให้ตรงใจกับลูกค้ามากยิ่งขึ้นและไม่ต้องส่งข้อความหรือโทรศัพท์ไปหาลูกค้าแบบสุ่มหรือทั้งหมด แม้ว่าสมัยนี้อาจจะดูเหมือนการส่ง email ไม่ได้มีค่าใช้จ่ายแต่จริงๆ ก็มีอยู่บ้างเล็กน้อยครับและเมื่อทำการส่งข้อความไปให้ลูกค้าเป็นหมื่นๆ คนก็มีค่าใช้จ่ายพอสมควรเลย ยิ่งเป็นการส่งข้อความผ่านทาง SMS หรือโทรศัพท์ด้วยแล้วยิ่งมีค่าใช้จ่ายมากขึ้น แต่ถ้ามองกันในมุมของลูกค้าแล้วการที่ได้รับข้อความหรือโทรศัพท์ในเรื่องที่ไม่สนใจย่อมไม่ค่อยพอใจเท่าไรแล้วอาจจะไม่เปิดอ่าน email หรือถึงขั้น block หมายเลขโทรศัพท์เลยก็เป็นได้ ทำให้บริษัทเสียโอกาสติดต่อลูกค้าในภายหน้าไปอีกครับ จริงๆ แล้วในการทำงานฝ่ายการตลาดก็ไม่ได้ส่งไปทั้งหมดหรอกครับแต่มีการเลือกมาระดับนึงแล้ว อาจจะเลือกตามลักษณะของลูกค้า เช่น ถ้าจะเสนอโปรโมขันของเครื่องสำอางค์ชนิดใหม่ที่เหมาะกับสาววัยทำงาน ก็จะเลือกเป็นลูกค้าผู้หญิงในช่วงวัย…

เอกสารด้านล่างเป็นส่วนหนึ่งเอกสารที่ใช้ในการอบรมหลักสูตร Practical Data Science and Machine Learning with RapidMiner TurboPrep and AutoModel ซึ่งมีระยะเวลาการอบรม 3 วันตั้งแต่วันที่ 25-27 กรกฎาคม 2565 ครับ โดยในเอกสารนี้จะประกอบด้วยหัวข้อต่างๆ ได้แก่ การดูรายละเอียดของข้อมูล (show detail) การเรียงลำดับข้อมูล (sort) การแทนค่าข้อมูล (replace) การแทนค่าว่าง (replace missing value)…

RapidMiner คือเครื่องมือที่ช่วยในการทำงานเกี่ยวกับ Data และ AI ตั้งแต่การเตรียมข้อมูล วิเคราะห์ข้อมูล การสร้างโมเดลด้วยเทคนิคการเรียนรู้ของเครื่อง RapidMiner ออกแบบมาเพื่อช่วย Data Scientist และ Data Analyst ทำงานโดยไม่ต้องเขียน Code เพิ่มเติม อีกทั้งยังใช้งานง่าย เพราะออกแบบ Graphical User Interface (GUI) ให้ใช้งานด้วยการ Drag & Drop เท่านั้น อีกทั้งยัง…

การประเมินมูลค่าของลูกค้า (customer lifetime value) หรือเรียกย่อๆ ว่า CLV เป็นการพิจารณามูลค่าของลูกค้าแต่ละรายตลอดช่วงเวลาที่ลูกค้าใช้บริการกับบริษัทอยู่ซึ่งจะทำให้ทราบถึงความสำคัญของลูกค้าเป็นรายบุคคลได้ การคำนวณค่า CLV นี้แบ่งได้เป็น 2 แบบใหญ่ๆ คือ การคำนวณมูลค่าแบบย้อนหลัง (historical lifetime value) และการคำนวณมูลค่าแบบพยากรณ์ (predicted lifetime value) [อ้างอิงจาก หนังสือ Predictive Marketing: Easy Ways Every Marketer Can…

เมื่อวานนี้มีน้องที่รู้จักกันมาถามว่า “ผมยังไม่รู้ inspiration ของพี่เลยว่าทำไมพี่ถึงชอบ Data” ถ้าให้ตอบแบบเท่ๆ สมัยนี้ก็ต้องบอกว่า “เพราะข้อมูลมันมีประโยชน์ไง ช่วยให้เราตัดสินใจได้ดีขึ้น …” แต่จริงๆ จุดเริ่มต้นของผมในเส้นทางสายนี้ไม่ใช่เพราะคำตอบนั้นหรอกครับ จากคำถามนั้นก็เลยทำให้ผมคิดย้อนไปว่าเส้นทางด้านนี้ของผมเป็นยังไง จริงๆ ถ้าคุณอ่านบทความนี้อาจจะรู้จักผมกับดาต้า คิวบ์มาบ้าง แต่ขออนุญาตย้อนกลับไปตอนจุดเริ่มต้นของเส้นทางการเดินทางของผมสักนิดนึงนะครับ ผมรู้จักกับ Data Mining (สมัยนั้นยังไม่มีคำว่า Big Data หรือ Data Science) ในช่วงประมาณปี 2545 ซึ่งเป็นช่วงที่ผมเป็นนิสิตปีที่ 2…