Search Beyond: แมชชีนเลิร์นนิงพลิกโฉมหน้าการตลาดอย่างไร

Search Beyond เป็นฟอรัมที่เรารวบรวมเอาความคิดเห็นเกี่ยวกับเทรนด์ใหม่ล่าสุดจากเอเจนซีดิจิทัลอิสระที่มีหัวก้าวหน้าที่สุดในสหราชอาณาจักร เหล่านักการตลาดผู้คร่ำหวอดในวงการมานานจะมาพบปะกันทุกไตรมาสเพื่อพูดคุยประเด็นใหม่ๆ ที่กำลังเกิดขึ้นในวงการการตลาดดิจิทัล ซึ่งเราจะคัดสรรข้อมูลเชิงลึกและความคิดเห็นเหล่านั้นมานำเสนอใน Think with Google

ในเซสชัน Search Beyond ครั้งที่สองนี้ เราอยากรู้ว่าเอเจนซีอิสระนำแมชชีนเลิร์นนิงมาใช้เพื่อเตรียมพร้อมรับมือกับความซับซ้อนในโลกดิจิทัลที่กำลังเพิ่มขึ้นทุกวันอย่างไร ผู้เข้าร่วมประชุมเปิดการสนทนาด้วยการเผยว่าตนนำเครื่องมือเหล่านี้มาใช้ในงานของตัวเองแทนลูกค้าแล้วอย่างไรบ้าง

"แมชชีนเลิร์นนิงก็คือองค์ประกอบที่ทำงานโดยอัตโนมัตินั่นเอง ซึ่งคิดเป็นสัดส่วนสูงในงานของเรา เช่น ในรูปแบบขั้นพื้นฐานที่สุดอย่างการใช้โฆษณาแบบไดนามิกและการเพิ่มประสิทธิภาพเพื่อการคลิกผ่านสูงสุด" Maria Yiangou ซึ่งเป็น Group Account Director ที่ All Response Media กล่าว ในขณะที่หลายๆ คนแชร์ตัวอย่างในการนำแมชชีนเลิร์นนิงไปใช้ในงานที่ไม่ต้องใช้ทักษะ แต่ Angela Knibb ซึ่งเป็น Head of Search ที่ Greenlight กลับชี้ว่าเทคโนโลยีนี้มีประโยชน์มากกว่านั้น "เครื่องมือนี้ช่วยทำกระบวนการทั่วไปให้โดยอัตโนมัติก็จริง แต่ที่ยิ่งกว่านั้นก็คือเราจะเห็นรูปแบบหรือเทรนด์ซึ่งควรหันไปทุ่มเวลาให้มากขึ้น และทำให้เราคิดในเชิงกลยุทธ์มากขึ้นแทนการคลิกเพียงปุ่ม"

สำหรับ Sam Fenton-Elstone ซึ่งเป็น Chief Digital Officer ของ VCCP Media งานหลักในตอนนี้ก็คือการขยายการใช้งานของแมชชีนเลิร์นนิง โดยไม่ได้ใช้เพื่อทำให้เรามีเวลามากขึ้นเพียงอย่างเดียวแล้ว แต่จะต้องสร้างคุณค่าที่แท้จริงได้มากขึ้นด้วย "องค์ประกอบหลายๆ อย่าง เช่น การเสนอราคาหรือการเพิ่มประสิทธิภาพครีเอทีฟโฆษณา เป็นเพียงการโฟกัสจุดเล็กๆ ในเรื่องเฉพาะเจาะจงหรือสื่ออย่างใดอย่างหนึ่งเท่านั้นโดยใช้ระบบที่อิงกฎแบบง่ายๆ และไม่สนใจบริบทรอบข้างเลย แต่สิ่งที่น่าสนใจในตอนนี้ก็คือเราจะเพิ่มมูลค่าในบริบทที่ใหญ่ขึ้นได้อย่างไร"

ทีมนี้มองว่าการนำแมชชีนเลิร์นนิงมาใช้ในภาพรวมที่ใหญ่ขึ้นยังไม่ได้เป็นความท้าทายในด้านเทคโนโลยีเท่ากับด้านการดำเนินธุรกิจ เช่น เอเจนซีอาจสนใจสร้างแบบจำลองการระบุแหล่งที่มาและสำรวจกิจกรรมด้านการตลาดต่างๆ ที่ส่งผลต่อจำนวนลูกค้าที่เข้ามาในร้าน แต่โครงสร้างในองค์กรของลูกค้าอาจเป็นอุปสรรคได้ เพราะทีมออฟไลน์กับทีมดิจิทัลอาจทำงานแยกกัน นอกจากนี้โฆษณาทางทีวี ดิสเพลย์ โซเชียล และป้ายโฆษณานอกอาคารก็มักจะอยู่คนละแผนกกัน "ในการใช้แมชชีนเลิร์นนิงให้เกิดประโยชน์สูงสุด ธุรกิจจะต้องเป็นหนึ่งเดียวกันและมองในภาพรวมมากขึ้น แต่จากประสบการณ์ของฉัน ธุรกิจหลายๆ แห่งมักไม่ทำงานร่วมกันและไม่ได้มองภาพรวม ซึ่งเป็นเรื่องที่น่าแปลกใจ" Angela กล่าว

ในขณะที่เสียงตอบรับต่อแมชชีนเลิร์นนิงในปัจจุบันมักจะเป็นเรื่องของความกลัวว่าเทคโนโลยีนี้จะมาแทนที่มนุษย์และทำให้คนตกงาน แต่ผู้ร่วมประชุมของเราเห็นต่างและมองว่าเป็นโอกาสมากกว่าอุปสรรค โดยบอกว่าเครื่องอาจทำงานได้ดีกว่า เร็วกว่า และมีแนวโน้มที่จะเกิดข้อผิดพลาดได้น้อยกว่ามนุษย์ Mark Williams ซึ่งเป็น Head of Search จาก iCrossing UK บอกว่าเครื่องมือนี้ยังช่วยเผยเทรนด์และข้อผิดพลาดที่มนุษย์อาจมองไม่เห็น "คนเรามักจะเรียนรู้ที่จะแก้ปัญหาด้วยวิธีการหนึ่งๆ และมักเลือกทางที่ทำได้ง่ายที่สุด แต่ข้อดีอย่างหนึ่งของแมชชีนเลิร์นนิงก็คือเครื่องมือนี้จะพาเราไปเจอทางที่มนุษย์ไม่สนใจ มนุษย์มีข้อเสียอย่างหนึ่งก็คือเราจะมองหาทางที่ง่ายที่สุดเพียงเพื่อให้งานเสร็จๆ ไป"

ในขณะเดียวกัน ทีมงานก็มั่นใจว่ามนุษย์จะยังคงมีบทบาทหน้าที่ในการช่วยให้เครื่องทำงานได้ดีที่สุด "สุดท้ายแล้วเรายังต้องใช้มนุษย์ เพราะอัลกอริทึมจะดีหรือไม่ก็ขึ้นอยู่กับกฎหรือกระบวนการที่คุณป้อนให้เครื่องใช้นั่นเอง" Angela กล่าว "ดังนั้นเราจึงยังต้องมีคนที่บอกว่า 'ใช่ ทำแบบนั้นดีแล้ว' หรือ 'ไม่เอาแบบนั้น'" Sam เสริมว่า "อัลกอริทึมก็เพียงแค่รู้ในสิ่งที่รู้ และไม่รู้ในสิ่งที่เหลือ แต่ความมหัศจรรย์ของมนุษย์ก็คือเราสามารถประมวลผลบริบทได้เร็วกว่ามาก เพราะเรารู้จักโลกที่กว้างกว่านั้น"

ผู้ร่วมประชุมบางคนอย่าง Richard Hartley ซึ่งเป็น PPC Director ที่ Jellyfish เต็มไปด้วยความหวัง และรออย่างใจจดใจจ่อให้เครื่องมือฉลาดขึ้นเรื่อยๆ เขาถึงกับถามว่า "เราต้องรอถึงเมื่อไรที่จะไม่ต้องถามคำถาม และเมื่อไรเครื่องจะบอกได้เลยว่าอะไรเป็นคือสิ่งสำคัญ"

บางคนในกลุ่มเน้นย้ำถึงความสำคัญของความเข้าใจกลไกการทำงานเบื้องหลัง เพราะลูกค้าจำนวนมากมักจะอยากรู้ว่าข้างในกล่องดำนี้ทำงานอย่างไร Vim Badiani ซึ่งเป็น Head of Search ที่ Merkle | Periscopix กล่าวว่า "ผมคิดว่าลูกค้าทำใจไม่ได้เมื่อไม่รู้การทำงานเบื้องหลัง ดังนั้นแค่การบอกลูกค้าว่าแมชชีนเลิร์นนิงจะทำ 'อะไรบางอย่าง' ในบัญชีของคุณจึงยังไม่เพียงพอ" เสียงส่วนใหญ่เห็นพ้องกันว่า อย่างน้อยผู้ใช้งานควรมีความเข้าใจว่าเอเจนซีของตนใช้แมชชีนเลิร์นนิงอย่างไรมากพอที่จะอธิบายให้ลูกค้าฟังได้

ในด้านของการกระตุ้นให้เอเจนซีนำเทคโนโลยีแมชชีนเลิร์นนิงไปใช้ภายในองค์กร ผู้ร่วมประชุมเกือบทั้งหมดพูดถึงโอกาสอันมากมายพอๆ กับการรู้ว่าจะเริ่มต้นที่ไหน "ขั้นแรกเราต้องเข้าใจว่าเครื่องมือนี้ทำอะไรได้บ้าง และผมคิดว่าเรายังเจาะลึกได้ไม่มากนัก" Richard แนะ "ผมเป็นนักการตลาด ไม่ใช่นักวิทยาศาสตร์ข้อมูล ผมจึงต้องถามคนพวกนี้ว่าเราทำอะไรได้บ้าง เราจะสร้างมันขึ้นมาได้อย่างไร แล้วมันจะช่วยให้แคมเปญดีขึ้นได้อย่างไร จากนั้นเราต้องนำไปใช้ในเอเจนซีและช่วยให้คนอื่นเข้าใจว่าเทคโนโลยีมีประโยชน์ มันไม่ได้ซับซ้อน แต่ใช้ง่าย ช่วยประหยัดเวลา และก่อให้เกิดผลลัพธ์ที่แท้จริง มันไม่ได้เป็นเครื่องมือที่น่ากลัวในอนาคต และยังไงคุณก็ตามทัน"

รายชื่อผู้ร่วมพูดคุยใน Search Beyond

Angela Knibb, Head of Search จาก Greenlight
Maria Yiangou, Group Account Director จาก All Response Media
Mark Williams ‎Head of Search จาก iCrossing UK
Richard Hartley, PPC Director จาก Jellyfish
Sam Fenton-Elstone Chief Digital Officer จาก VCCP Media
Vim Badiani, Head of Search จาก Merkle | Periscopix

จดหมายข่าว Think

รับข่าวสารล่าสุดก่อนใคร