Richemont ใช้เทคโนโลยี AI อย่างไรเพื่อยกระดับการบริการลูกค้าให้ดีขึ้น

Richemont ใช้เทคโนโลยี AI อย่างไรเพื่อยกระดับการบริการลูกค้าให้ดีขึ้น

03 มีนาคม 2566

อาจจะมีหลายคนที่ยังไม่คุ้นชื่อกับบริษัท Richemont แต่ถ้าบอกว่า นาฬิกาหรูที่ทุกคนใฝ่ฝัน เช่น IWC หรือ Panerai ล้วนเป็นแบรนด์ที่อยู่ภายในบริษัทนี้ รวมทั้งแบรนด์ชั้นนำด้านเครื่องประดับระดับโลกอย่าง Cartier ด้วยเช่นกัน

Richemont เป็นเจ้าของแบรนด์สินค้าหรูชั้นนำของโลก ซึ่งเป็นที่รู้จักในด้านความโดดเด่น งานฝีมือ และความคิดสร้างสรรค์ มีจุดแข็งและความเชี่ยวชาญด้านเครื่องประดับ (Cartier, Van Cleef & Arpels), นาฬิกาสุดหรู (IWC, Jaeger-LeCoultre, Panerai, Vacheron Constantin) และแฟชั่นและเครื่องประดับ (Chloé, Montblanc, dunhill) เป็นต้น

รายได้และกำไรของ บริษัท Richemont

ปี 2021 รายได้ 4.87 แสนล้านบาท กำไร 5.47 หมื่นล้านบาท

ปี 2020 รายได้ 5.27 แสนล้านบาท กำไร 5.62 หมื่นล้านบาท


วันนี้เราจะพาทุกคนมาดูว่าบริษัทแบรนด์หรูสัญชาติสวิสที่ใหญ่ที่สุดอย่าง Richemont นำเทคโนโลยี AI เข้ามาช่วยดูแลลูกค้าอย่างไร

ผู้ค้ามักจะพบปัญหาใหญ่เหมือน ๆ กันคือพวกเขาจะเสนอสินค้าหรือบริการที่เหมาะสมได้อย่างไร เมื่อใด และด้วยวิธีการใดถึงจะเหมาะสมโดยที่ไม่เป็นการรบกวนลูกค้าจนเกินไปทำให้เกิดความรำคาญซึ่งมักจะสูญเสียลูกค้ารายนั้นไป เห็นได้ชัดว่า นี่คือโจทย์ด้านข้อมูล ที่สามารถแก้ได้ด้วยการใช้ปัญญาประดิษฐ์ (AI) จึงเป็นตัวเลือกที่ดี ที่ Richemont เลือกใช้เพื่อจัดการกับปัญหา

โดยลูกค้าของ Richemont สามารถเลือกซื้อสินค้าแบรนด์หรูในเครือได้หลากหลายทาง ตั้งแต่การค้นหาออนไลน์ไปจนถึงการเข้ามาที่หน้าร้าน Richemont จำเป็นต้องเตรียมพร้อมสำหรับทุกบริบท การทำความเข้าใจว่าลูกค้ารายใดมีแนวโน้มที่จะซื้อสินค้าหรือจะกลับมาซื้อคืนซ้ำในอนาคต เมื่อใดควรเข้าไปมีส่วนร่วมโดยตรง และสินค้าใดที่จะนำเสนอลูกค้าเพื่อช่วยให้พนักงานขายสามารถโนมน้าวลูกค้า การเข้าไปนำเสนอในเวลาที่เหมาะสมด้วยคำแนะนำที่ตรงจุดสามารถทำให้ปิดการขายนั้นได้ด้วยความประทับใจ

Richemont แก้ปัญหาเหล่านี้ด้วย Integrated Client Platform ของGoogle Cloud และความสามารถในการวิเคราะห์ข้อมูลด้วย Artificial Intelligence (AI) และ Machine Learning (ML)


ดึงดูดความต้องการของลูกค้าด้วย Machine Learning

Richemont เริ่มต้นด้วยการตั้งคำถามสองข้อ:

  1. ผู้มีแนวโน้มจะเป็นลูกค้ารายใดที่ต้องให้ความสนใจเป็นพิเศษ? โดยเฉพาะใครที่มีแนวโน้มจะซื้อสินค้าหรือจะกลายเป็นลูกค้าประจำที่จะกลับมาซื้อซ้ำ ๆ
  2. สินค้าหรือการบริการแบบไหนที่จะแนะนำให้ลูกค้าและผู้มีแนวโน้มจะเป็นลูกค้าแต่ละราย

คำถามข้างต้นทั้งสองข้อสามารถแก้ไขด้วยอัลกอริทึมของ ML แต่ยังมีความท้าทายที่พบเจอ คือ การติดตั้งและตรวจสอบอัลกอริทึมในสเกลที่ใหญ่มาก เนื่องจาก Richemont มีร้านค้าของแบรนด์ต่าง ๆ ทั่วโลก ในขณะเดียวกันต้องตอบสนองความต้องการทางธุรกิจเฉพาะสำหรับแต่ละแบรนด์ด้วย ตัวอย่างเช่น การแนะนำสินค้าตามฤดูกาลสำหรับจะเหมาะสำหรับแบรนด์แฟชั่น ในขณะที่แบรนด์ผู้ผลิตนาฬิกา ควรจะให้ความสำคัญกับการผสมผสานแนวคิดจากปัจจัยต่าง ๆ ในการสร้างสรรค์อันเป็นเอกลักษณ์ของแต่ละแบรนด์

ข้อมูลการมีส่วนร่วม (Engagement Data) เช่น อีเมลที่ถูกเปิดอ่าน, การคลิก, SMS/MMS, การเข้าชมเว็บไซต์ ฯลฯ มีความสำคัญต่อการพยากรณ์การเปลี่ยนแปลงมากกว่าผู้ที่ไม่มีประวัติการทำธุรกรรม โดย Richemont ใช้ Google x Salesforce ในส่วนของ Web Interactions

สำหรับการติดตั้งอัลกอริทึมของ ML และการตรวจสอบผล Richemont ใช้ประโยชน์จาก Vertex AI ร่วมกับ BigQuery, Cloud Functions และ Google Storage ซึ่งการทำงานทั้งหมดจะถูกควบคุมด้วย Google Cloud Composer


บทบาทของอัลกอริทึมการแนะนำผลิตภัณฑ์

Richemont ใช้ไลบรารี่ของการเรียนรู้เชิงลึก (Deep Learning Library) ที่เรียกว่า TensorFlow Recommenders เพื่อทำการแนะนำผลิตภัณฑ์ ไลบรารี่ตัวนี้ช่วยให้บริษัททั้งหลาย สร้างอัลกอริทึมการเรียนรู้เชิงลึกที่ทันสมัยเพื่อให้ได้การพยากรณ์มีความแม่นยำและมีประสิทธิภาพสูงสุด


ปลดล็อกคุณค่าของลูกค้าด้วยเทคโนโลยีบูรณาการ

นวัตกรรมของ Richemont แสดงให้เห็นว่าเทคโนโลยีที่คำนึงถึงปัจจัยต่าง ๆ ของประสบการณ์ของลูกค้าสร้างคุณค่าเพิ่มขึ้นกับบริษัทได้อย่างไร ในกรณีนี้ บริษัทใช้ในแอปพลิเคชันร้านค้าเพื่อเชิญผู้ที่มีแนวโน้มสูงที่จะซื้อเพื่อเยี่ยมสินค้าที่หน้าร้าน ในขณะที่มีการเสนอตัวต่าง ๆ ให้เหมาะกับรสนิยมและความต้องการของลูกค้า  Solution นี้ได้ถูกติดตั้งให้กับ 11 แบรนด์ในกว่า 25 ประเทศของ Richemont แสดงให้เห็นว่า AI สามารถปรับปรุงประสบการณ์ของลูกค้า เพื่อความจงรักภักดีที่ลูกค้ามีต่อแบรนด์ (Customer Loyalty) ที่ดียิ่งขึ้น

กุญแจสู่กระบวนการนี้ คือวิธีที่ผู้ค้าและร้านค้าพันธมิตรให้ความสำคัญกับความเข้าใจของลูกค้าไม่ว่าจะเป็นพฤติกรรมหรือความชอบของลูกค้าเป็นศูนย์กลางของกระบวนการ ในปัจจุบัน AI มีความสำคัญมากขึ้น ไม่เพียงแต่ในธุรกิจค้าปลีกเท่านั้น แต่ในทุกอุตสาหกรรม เรายิ่งต้องให้ความสำคัญกับความเข้าใจของมนุษย์มากขึ้นไปอีก ในฐานะที่เป็นคนกำหนดกฎเกณฑ์และหลักการต่างให้ AI หลาย ๆ สิ่งในปัจจุบันอาจจะเปลี่ยนไปทั้งเทคโนโลยีและสภาพเศรฐกิจ แต่บริษัทที่จะประสบความสำเร็จคือบริษัทที่ให้ความสำคัญกับลูกค้าของตนมากที่สุด

แหล่งที่มาจาก Google Cloud


เนื้อหาโดย ทินกร ม้าลายทอง
ตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร

Project Manager & Data Scientist at Big Data Institute (Public Organization), BDI

Former-Editor-in-Chief at BigData.go.th and Senior Data Scientist at Government Big Data Institute (GBDi )

แบ่งปันบทความ

กลุ่มเนื้อหา

แท็กยอดนิยม

แจ้งเรื่องที่อยากอ่าน

คุณสามารถแจ้งเรื่องที่อยากอ่านให้เราทราบได้ !
และเราจะนำไปพัฒนาบทความให้มีเนื้อหาที่น่าสนใจมากขึ้น

ไอคอน PDPA

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ “นโยบายคุ้กกี้” และสามารถจัดการความเป็นส่วนตัวเองได้ของคุณได้เองโดยคลิกที่ “ตั้งค่า”

ตั้งค่าความเป็นส่วนตัว

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
จัดการความเป็นส่วนตัว
  • คุกกี้ที่มีความจำเป็น (Strictly Necessary Cookies)
    เปิดใช้งานตลอด

    คุกกี้ประเภทนี้มีความจำเป็นต่อการให้บริการเว็บไซต์ของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล เพื่อให้ท่านสามารถเข้าใช้งานในส่วนต่าง ๆ ของเว็บไซต์ได้ รวมถึงช่วยจดจำข้อมูลที่ท่านเคยให้ไว้ผ่านเว็บไซต์ การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ท่านไม่สามารถใช้บริการในสาระสำคัญของ สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล ซึ่งจำเป็นต้องเรียกใช้คุกกี้ได้
    รายละเอียดคุกกี้

  • คุกกี้เพื่อการวิเคราะห์และประเมินผลการใช้งาน (Performance Cookies)

    คุกกี้ประเภทนี้ช่วยให้ BDI ทราบถึงการปฏิสัมพันธ์ของผู้ใช้งานในการใช้บริการเว็บไซต์ของ BDI รวมถึงหน้าเพจหรือพื้นที่ใดของเว็บไซต์ที่ได้รับความนิยม ตลอดจนการวิเคราะห์ข้อมูลด้านอื่น ๆ BDI ยังใช้ข้อมูลนี้เพื่อการปรับปรุงการทำงานของเว็บไซต์ และเพื่อเข้าใจพฤติกรรมของผู้ใช้งานมากขึ้น ถึงแม้ว่า ข้อมูลที่คุกกี้นี้เก็บรวบรวมจะเป็นข้อมูลที่ไม่สามารถระบุตัวตนได้ และนำมาใช้วิเคราะห์ทางสถิติเท่านั้น การปิดการใช้งานคุกกี้ประเภทนี้จะส่งผลให้ BDI ไม่สามารถทราบปริมาณผู้เข้าเยี่ยมชมเว็บไซต์ และไม่สามารถประเมินคุณภาพการให้บริการได้

  • คุกกี้เพื่อการใช้งานเว็บไซต์ (Functional Cookies)

    คุกกี้ประเภทนี้จะช่วยให้เว็บไซต์ของ BDI จดจำตัวเลือกต่าง ๆ ที่ท่านได้ตั้งค่าไว้และช่วยให้เว็บไซต์ส่งมอบคุณสมบัติและเนื้อหาเพิ่มเติมให้ตรงกับการใช้งานของท่านได้ เช่น ช่วยจดจำชื่อบัญชีผู้ใช้งานของท่าน หรือจดจำการเปลี่ยนแปลงการตั้งค่าขนาดฟอนต์หรือการตั้งค่าต่าง ๆ ของหน้าเพจซึ่งท่านสามารถปรับแต่งได้ การปิดการใช้งานคุกกี้ประเภทนี้อาจส่งผลให้เว็บไซต์ไม่สามารถทำงานได้อย่างสมบูรณ์

  • คุกกี้เพื่อการโฆษณาไปยังกลุ่มเป้าหมาย (Targeting Cookies)

    คุกกี้ประเภทนี้เป็นคุกกี้ที่เกิดจากการเชื่อมโยงเว็บไซต์ของบุคคลที่สาม ซึ่งเก็บข้อมูลการเข้าใช้งานและเว็บไซต์ที่ท่านได้เข้าเยี่ยมชม เพื่อนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่นที่ไม่ใช่เว็บไซต์ของ BDI ทั้งนี้ หากท่านปิดการใช้งานคุกกี้ประเภทนี้จะไม่ส่งผลต่อการใช้งานเว็บไซต์ของ BDI แต่จะส่งผลให้การนำเสนอสินค้าหรือบริการบนเว็บไซต์อื่น ๆ ไม่สอดคล้องกับความสนใจของท่าน

บันทึกการตั้งค่า
ไซต์นี้ลงทะเบียนกับ wpml.org ในฐานะไซต์พัฒนา สลับไปยังไซต์การผลิตโดยใช้รหัส remove this banner.