หากพูดถึงแบรนด์ดัง ๆ อย่าง Gucci Montblanc Burberry Zara Pomelo ฯลฯ คนที่ชื่นชอบเรื่องแฟชั่นน่าจะรู้จักกันดี แต่เบื้องหลังความสำเร็จของแบรนด์ดังเหล่านี้ มีการใช้ประโยชน์จากข้อมูลขนาดใหญ่ (Big Data) เพื่อนำมาวิเคราะห์ในมิติต่าง ๆ ในการเพิ่มประสิทธิภาพในการสร้างรายได้และกำไรให้กับธุรกิจ สร้างความความพึงพอใจ และตอบสนองความต้องการของลูกค้าอย่างแม่นยำ รวมถึงการเติบโตแบบยั่งยืนให้กับแบรนด์ของตนเอง
วันนี้เราจะมาพาดูกันกว่าบริษัทชั้นนำเหล่านี้ใช้ประโยชน์จากข้อมูลขนาดใหญ่ สำหรับธุรกิจเสื้อผ้าและแฟชั่นของตนเองอย่างไรกันบ้าง
หนึ่งในองค์ประกอบสำคัญที่เป็นเบื้องหลังความสำเร็จของ Zara แบรนด์เสื้อผ้าแฟชั่นที่โด่งดังระดับโลก และเปิดให้บริการหลายสาขาทั่วโลก คือการที่ Zara นำข้อมูลขนาดใหญ่ที่มีมาวิเคราะห์อย่างต่อเนื่อง เพื่อทำนายทิศทางของแฟชั่น แนวโน้มต่อไปของสินค้าที่จะกลายมาเป็นที่นิยม การวิเคราะห์พฤติกรรมของลูกค้าและความชอบของกลุ่มลูกค้า
เนื่องจากอุตสาหกรรมแฟชั่นเปลี่ยนแปลงอยู่ตลอดเวลา การใช้ Big Data จึงเป็นสิ่งที่ขาดไม่ได้หากต้องการแซงหน้าคู่แข่งในตลาดที่มีจำนวนมากในปัจจุบันต่อการขายทั้งทางออนไลน์และออฟไลน์ โดยข้อมูลเหล่านี้สามารถรวบรวมได้จากหลายช่องทาง ทั้งจากยอดขาย การวิจัยตลาด แคมเปญออนไลน์ ผลตอบรับทางโซเชียลมีเดีย การวิเคราะห์ลักษณะการเลือกซื้อของผู้ชม ฯลฯ
ประโยชน์ของการใช้ข้อมูลขนาดใหญ่ในธุรกิจเสื้อผ้าและแฟชั่น (Benefits of Big Data in the Fashion Business)
1. กลยุทธ์ด้านราคา
ในการกำหนดราคาสินค้า หากเจ้าของแบรนด์รู้ว่ากลุ่มเป้าหมายสบายใจที่จะจ่ายค่าสินค้านั้น ๆ ด้วยราคาเท่าไหร่ และกำลังซื้อของพวกเขาคือเท่าใดจะทำให้บริษัทได้เปรียบอย่างมากในการเพิ่มยอดขาย เพราะหากตั้งราคาสินค้าเกินราคา เกินความต้องการ ก็อาจจะไม่มีใครซื้อ แต่หากตั้งราคาต่ำไป บริษัทก็อาจเกิดความเสียหายได้ ดังนั้นการใช้ข้อมูลขนาดใหญ่ เข้ามาช่วยในการหาจุดสมดุลของราคาที่ลูกค้าจะตัดสินใจซื้อได้อย่างง่ายดายจึงช่วยได้เป็นอย่างมาก
2. การกำหนดกลุ่มเป้าหมาย
การวิเคราะห์ข้อมูลจะช่วยให้แบรนด์รู้ว่ากลุ่มเป้าหมายคือคนกลุ่มใด โดยสามารถรู้ได้ตั้งแต่ช่วงอายุ ส่วนสูง เชื้อชาติ พฤติกรรมการเลือกซื้อ ฯลฯ ของลูกค้าแต่ละกลุ่ม โดยปัจจัยเหล่านี้สามารถช่วยให้เจ้าของแบรนด์สามารถวิเคราะห์พฤติกรรมและความต้องการของลูกค้าได้อย่างละเอียด เข้าใจปัจจัยที่ส่งผลต่อการซื้อ รวมถึงช่วงเวลาและลักษณะสถานที่แบบที่กลุ่มเป้าหมายมีแนวโน้มที่จะกลายมาเป็นลูกค้าได้ง่ายที่สุด เป็นประโยชน์ในการออกแบบผลิตภัณฑ์ใหม่และการปรับปรุงผลิตภัณฑ์ที่มีอยู่ให้ดียิ่งขึ้น
นอกจากนี้ ผลิตภัณฑ์บางอย่างที่เป็นที่นิยมตอนจัดแสดงบนรันเวย์อาจไม่ได้เป็นที่ต้องการในการขายปลีกเสมอไป รสนิยมของนักช้อปร้านค้าปลีกแตกต่างจากผู้ชมที่ดูแฟชั่นบนรันเวย์ การวิเคราะห์ข้อมูลขนาดใหญ่จะช่วยคาดการณ์ว่าการออกแบบแบบใดและผลิตภัณฑ์ใดจะประสบความสำเร็จในร้านค้าปลีกได้ดีกว่า
3. การทำแคมเปญการตลาดให้เหมาะกับลูกค้าแต่ละประเภท
ข้อมูลพฤติกรรมของผู้บริโภคที่มีจะช่วยให้แบรนด์สามารถออกแบบข้อเสนอแคมเปญการตลาดและจัดทำโปรโมชั่นทางการตลาดได้อย่างตรงจุดเป็นที่ถูกใจลูกค้าแต่ละกลุ่มได้อย่างง่ายดายและแม่นยำ โดยไม่จำเป็นว่าลูกค้าทุกคนจะต้องได้รับข้อเสนอที่เหมือนกันอีกด้วย เพราะข้อมูลขนาดใหญ่จะช่วยจำแนกผู้บริโภคประเภทต่าง ๆ ออกจากกันเพื่อให้แบรนด์สามารถสร้างกลยุทธ์การตลาดที่มีผลต่อความรู้สึกของผู้บริโภคและตอบสนองต่อความต้องการของลูกค้าได้อย่างมีเสถียรภาพ นำเสนอแคมเปญที่ตรงใจลูกค้า ซึ่งจะช่วยดึงดูดความสนใจและทำให้เกิดการซื้อได้ในที่สุด
4. การคาดการณ์ทิศทางแฟชั่น
การใช้ข้อมูลขนาดใหญ่ ยังสามารถช่วยติดตามแนวโน้มในวงการแฟชั่นและคาดการณ์แนวโน้มในอนาคตได้อีกด้วย โดยแบรนด์จะใช้ข้อมูลนี้เพื่อดูว่าต่อไปความต้องการของผู้บริโภคจะเป็นอย่างไรเพื่อออกแบบสินค้าให้เป็นที่น่าสนใจ เพื่อให้สามารถสร้างผลิตภัณฑ์ที่ตอบโจทย์ตลาดได้อย่างถูกต้อง อีกทั้งยังสามารถลดการสูญเสียทรัพยากรการผลิตที่ไม่จำเป็นในทุกขั้นตอนของกระบวนการผลิตได้สำหรับสินค้าที่มีแนวโน้มว่าจะไม่เป็นที่ต้องการอีกต่อไป ทำให้การทำนายแนวโน้มนี้สามารถช่วยทั้งในส่วนของการเพิ่มยอดขายและประหยัดค่าใช้จ่ายได้ในคราวเดียว
โดยเฉพาะอย่างยิ่ง การคาดการณ์เทรนด์สีที่จะเป็นที่นิยมส่งผลอย่างมากต่อการทำนายแนวโน้มความต้องการผู้บริโภคเพราะสีมีบทบาทที่สำคัญมากในอุตสาหกรรมแฟชั่น ดังนั้นการคาดเดาได้ก่อนว่าสีไหนกำลังจะได้รับความนิยมหรือกำลังจะล้าสมัยจึงเป็นกุญแจสำคัญในความสำเร็จของการออกแบบสินค้าแฟชั่นต่าง ๆ ตัวอย่างเช่น มีการคาดการณ์ว่าชุดสีที่จะเป็นที่นิยมในปี 2022 จะเป็นเฉดสีที่สื่อถึงการมองโลกในแง่ดี ดูอบอุ่น และน่าตื่นเต้น โดยต่อมา Pantone ได้ประกาศว่าเฉดสีฟ้าอมม่วงจะเป็นสีแห่งปี 2022 และยังคาดการณ์ว่าเฉดสีน้ำเงินจะมีบทบาทสำคัญในปีนั้น ไม่ว่าจะเป็นสีฟ้าพาวเดอร์ สีฟ้าพาสเทล และสีฟ้าอมเขียว การคาดการณ์นี้ส่งผลให้แบรนด์ต่าง ๆ ปรับโทนสีของสินค้าตนเองให้ตรงกับเทรนด์สีของปีนั้น ๆ เพื่อขึ้นมาเป็นผู้นำด้านแฟชั่น โดยนอกจากสีแล้ว การวิเคราะห์ข้อมูลจะช่วยให้ธุรกิจต่าง ๆ สามารถคาดการณ์สินค้าที่จะกลายมาเป็นที่นิยมในแต่ละปี นำไปสู่การวางแผนเปิดตัวผลิตภัณฑ์ใหม่ที่จะดึงดูดตลาดผู้บริโภคได้อย่างชาญฉลาด
การวิเคราะห์ข้อมูลในธุรกิจแฟชั่นที่นิยมนำไปใช้ มีรูปแบบไหนกันบ้าง (Different Ways of Data Analysis in the Fashion Business)
ข้อมูลที่สามารถนำมาใช้ในการวิเคราะห์ธุรกิจแฟชั่นนั้นมีหลายรูปแบบ ดังต่อไปนี้
1. การวิเคราะห์จากข้อมูลที่ได้จากภายในร้านค้า
ข้อมูลที่ใช้ในการวิเคราะห์รวบรวมมากจากข้อมูลต่าง ๆ ภายในร้านค้าโดยอาจมาจากการสังเกตของพนักงานหรือจากสินค้าที่อยู่ในร้าน เช่น ข้อมูลจากการสนทนาในร้านค้าเกี่ยวกับผลิตภัณฑ์ของแบรนด์ ข้อมูลของผลิตภัณฑ์ที่ขายดีที่สุดในร้านและผลิตภัณฑ์ที่ถูกมองข้ามมากที่สุดในร้าน ข้อมูลลักษณะการจัดวางสินค้าว่าลูกค้าพูดถึงว่าอย่างไร หรือลูกค้าสามารถมองหาสินค้าที่ต้องการได้ยากง่ายเพียงใด พฤติกรรมการเดินในช้อปว่าผู้คนมีการเดินอย่างไรบ้าง ฯลฯ ซึ่งแบรนด์หรูหลาย ๆ เจ้าได้ข้อมูลเหล่านี้มาจากการจัดหาผู้ช่วยส่วนตัวให้กับลูกค้าที่เดินเข้ามาในร้านแต่ละคนที่นอกจากจะช่วยในการตัดสินใจซื้อของลูกค้าแล้ว ผู้ช่วยเหล่านี้จะคอยสังเกตพฤติกรรมผู้บริโภคของพวกเขาด้วย และแบรนด์ยังสามารถใช้ข้อมูลเหล่านี้เพื่อนำมาจัดวางแผนผังของร้านให้สอดคล้องกับพฤติกรรมของลูกค้าได้
ตัวอย่างเช่น Montblanc แบรนด์ดังผู้ผลิตผลิตภัณฑ์เครื่องหนังและสินค้าอื่น ๆ ของเยอรมนี ใช้ Big Data กับร้านค้าต่าง ๆ ของตนในการสร้าง Heat Map เพื่อศึกษาว่าผู้ซื้อส่วนใหญ่ใช้เวลาในการดูหรืออ่านรายละเอียดเกี่ยวกับสินค้า ตรงบริเวณใดภายในร้านบ้าง เพื่อกำหนดจุดที่เหมาะสมที่สุดในการนำเสนอผลิตภัณฑ์หรือเตรียมกำลังเจ้าหน้าที่ไปประจำที่จุดนั้น โดยวิธีนี้ช่วยให้ Montblanc สามารถเพิ่มยอดขายได้ถึง 20%
2. การวิเคราะห์ข้อมูลสินค้าคงคลัง
การวิเคราะห์ข้อมูลจำนวนสินค้าที่มีและที่เหลืออยู่ในสต็อกเป็นอีกหนึ่งวิธีที่สำคัญที่จะช่วยให้เจ้าของธุรกิจแฟชั่นเข้าใจถึงความต้องการของผู้บริโภคกับสินค้าของแบรนด์ตนเองได้เป็นอย่างดี รวมถึงช่วยในการบริหารการจัดเก็บคลังสินค้าได้อย่างมีประสิทธิภาพ เพื่อลดค่าใช้จ่ายในการเก็บรักษาสินค้าและป้องกันการขาดสินค้าหรือการมีสินค้าส่วนเกินมากจนเกินไป
3. การวิเคราะห์ข้อมูลจากเว็บไซต์และโซเชียลมีเดีย
ข้อมูลนี้ที่ได้จากทางเว็บไซต์และโซเชียลมีเดียสามารถนำไปใช้วิเคราะห์ได้เช่นกัน โดยสามารถดูข้อมูลการกดแชร์ การใส่ของในตะกร้าสินค้าก่อนการจ่ายเงิน การกดถูกใจสินค้าหรือโพสต่าง ๆ ข้อมูลที่ได้จากการแสดงความคิดเห็น เป็นต้น ในบางกรณีแบรนด์อาจมีการจ้าง Influencer เพื่อช่วยโปรโมทสินค้าทางออนไลน์ และจะเก็บข้อมูลของผู้ชมที่เข้ามามีส่วนร่วมกับโพสนั้น ๆ โดยข้อมูลเหล่านี้จะทำให้แบรนด์ได้ข้อมูลเชิงลึกเกี่ยวกับแบรนด์แฟชั่นของตนเองจากการวิเคราะห์ข้อมูลทางออนไลน์
4. การวิเคราะห์ข้อมูลจากลูกค้าโดยตรง
การวิเคราะห์ข้อมูลจากลูกค้าจะได้มาจากคำติชมของลูกค้า ความคิดเห็น และพฤติกรรมทางออนไลน์ว่าลูกค้ากดเข้าไปดูหน้าไหน ดูสินค้าอะไร จากหน้านี้แล้วมักจะกดไปหน้าไหนต่อ ลูกค้าส่วนใหญ่มักทำอะไรก่อนหลัง หรือการให้ลูกค้าทำแบบสำรวจ โดยแบรนด์แฟชั่นหลายเจ้าจะขอให้ลูกค้ากรอกแบบสำรวจออนไลน์หรือออฟไลน์เพื่อลุ้นรับรางวัลหรือรับส่วนลด วิธีนี้สามารถช่วยทั้งทางการตลาดส่งเสริมการขายและการรวบรวมข้อมูลจากผู้บริโภค อีกหนึ่งวิธีที่แทบทุกแบรนด์นิยมใช้กันคือการส่งอีเมล เช่น จดหมายข่าวโบรชัวร์ การแจ้งผลิตภัณฑ์มาใหม่ ฯลฯ ให้แก่ผู้บริโภคเพื่อดูว่าอีเมลลักษณะใดหรืออีเมลที่มีเนื้อหาอย่างไรที่เป็นที่สนใจและถูกมองข้ามบ้าง และเมื่อแบรนด์นำข้อมูลเหล่านี้มาวิเคราะห์รวมกัน จะช่วยให้แบรนด์ทราบถึงแนวโน้มของตลาดแฟชั่นทั้งในปัจจุบันและในอนาคตได้
นอกจากนี้ ยังมีอีกหลากหลายวิธีที่สามารถทำได้ เช่น การวิเคราะห์สินค้าที่มักถูกซื้อพร้อมกัน การวิเคราะห์ด้านการจัดการ ห่วงโซ่อุปทาน ฯลฯ แต่ไม่ว่าจะด้วยวิธีใด จะเห็นได้ว่าข้อมูลแต่ละประเภทล้วนมีความสำคัญ การใช้ข้อมูลใหญ่เป็นสิ่งสำคัญในธุรกิจเสื้อผ้าและแฟชั่นเพื่อเพิ่มประสิทธิภาพในด้านการทำความเข้าใจลูกค้า การจัดการสินค้า การวิเคราะห์แฟชั่นและแนวโน้ม การบริการลูกค้า และการพัฒนากลยุทธ์การตลาด เพื่อสร้างความสำเร็จในธุรกิจแฟชั่นในยุคที่แข่งขันอย่างสูงสุด การทำความเข้าใจและใช้ข้อมูลหลากหลายรูปแบบนำมาวิเคราะห์ร่วมกันได้อย่างลงตัวจะสามารถนำไปสู่ความสำเร็จของแบรนด์ได้
“Consumer data will be the biggest differentiator in the next two to three years. Whoever unlocks the reams of data and uses it strategically will win.” – By Angela Ahrendts
เนื้อหาโดย นภัสวันต์ พสุทิพย์
ตรวจทานและปรับปรุงโดย นววิทย์ พงศ์อนันต์
แหล่งอ้างอิง
https://www.analyticsinsight.net/application-of-big-data-in-the-fashion-industry/
https://www.analyticsinsight.net/how-are-luxury-brands-using-big-data-for-benefit-in-2022/
https://3dinsider.optitex.com/fashion-industry-transforming-into-a-big-data-industry/
https://www.launchmetrics.com/resources/blog/3-ways-your-fashion-company-can-benefit-from-big-data
Vice President, Big Data Business Promotion (BBP) at Big Data Institute (Public Organization), BDI
