การจัดกลุ่มลูกค้าและการทำเหมืองข้อมูล (Customer Segmentation and Data Mining)

การทำธุรกิจในปัจจุบันนี้ การตอบสนองความต้องการของลูกค้าเป็นปัจจัยสำคัญในการแข่งขัน ผู้บริโภคยุคนี้เป็นผู้กำหนดทิศทางการใช้สินค้าและบริการของตลาด และทำการเลือกซื้อสินค้าหรือบริการที่ตนเองพอใจ ถ้าหากสินค้าหรือบริการที่ตนเองใช้อยู่ไม่สามารถตอบสนองความต้องการที่มีเพิ่มขึ้นได้ ก็จะเปลี่ยนไปใช้สินค้าหรือบริการของผู้ให้บริการรายอื่นได้อย่างรวดเร็ว ถ้าธุรกิจไม่สามารถเข้าใจถึงพฤติกรรมของลูกค้าตนเองแล้วนั้น รายได้ของบริษัทก็จะลดลงและอัตราการสูญเสียลูกค้าไปให้แก่คู่แข่งก็จะเพิ่มสูงขึ้น

ธุรกิจจะเข้าใจพฤติกรรมลูกค้าได้อย่างไร?
ก่อนที่จะเข้าใจถึงพฤติกรรมของลูกค้านั้น ธุรกิจจะต้องทราบถึงพฤติกรรมของลูกค้าก่อน ซึ่งพฤติกรรมของลูกค้าก็ได้มาจากข้อมูลต่างๆที่เกี่ยวข้องกับลูกค้าที่ธุรกิจมีการเก็บรวบรวมไว้ ตัวอย่างเช่น ธนาคารหรือผู้ให้บริการบัตรเครดิต (Credit Card Provider) มีการบันทึกข้อมูลประวัติลูกค้า ข้อมูลการใช้บริการบัตรเครดิตในแต่ละเดือนหรือแต่ละรอบบัญชี ข้อมูลการขำระค่าบัตรเครคิต หรือข้อมูลการติดตามหนี้ เป็นต้น ข้อมูลเหล่านี้เป็นข้อมูลที่เกิดขึ้นจากการดำเนินงานในแต่ละวัน โดยธนาคารหรือผู้ให้บริการบัตรเครดิตจะมีการออกรายงานประจำเดือนเพื่อรายงานสถานะต่างๆของลูกค้าที่เกิดขึ้นให้ผู้บริหารทราบ เช่น รายงานยอดการใช้บัตรเครดิตของลูกค้า รายงานการได้ลูกค้าใหม่ หรือรายงานสถานะการชำระหนี้ของลูกค้า เป็นต้น
รายงานเหล่านี้มักจะแสดงข้อมูลลูกค้าในมุมมองที่ผู้บริหารสนใจ เช่น ตามประวัติลูกค้า เช่น อายุ เพศ ระดับการศึกษา รายได้ ภาค หรือ ตามประเภทบัตรเครดิต เป็นต้น แต่ใช้มุมมองเพียงไม่กี่ด้านเท่านั้นในการวิเคราะห์

การจัดกลุ่มลูกค้า (Customer Segmentation) คืออะไร?
การจัดกลุ่มลูกค้า (Customer Segmentation) เป็นวิธีการจัดกลุ่มโดยที่ลูกค้าที่มีพฤติกรรมใกล้เคียงกันหรือเหมือนกันจะถูกจัดไว้ในกลุ่มเดียวกัน ส่วนลูกค้าที่มีพฤติกรรมแตกต่างหรือไม่เหมือนกันก็จะถูกจัดไว้คนละกลุ่ม
การจัดกลุ่มลูกค้าทำให้ธุรกิจสามารถทราบถึงลักษณะหรือพฤติกรรมของลูกค้าตนเองในแต่ละกลุ่มได้ เมื่อธุรกิจเข้าใจพฤติกรรมหรือลักษณะของลูกค้าในแต่ละกลุ่มก็จะสามารถเสนอสินค้าหรือบริการที่ตรงต่อพฤติกรรมของลูกค้าได้ ในกรณีของผู้ให้บริการบัตรเครดิต เมื่อสามารถเข้าใจถึงพฤติกรรมของลูกค้าในแต่ละกลุ่ม ก็ทำให้สามารถกำหนดแผนการส่งเสริมการขายเพื่อกระตุ้นยอดการใช้จ่ายผ่านบัตรเครดิตที่เหมาะสมในกับลูกค้าในแต่ละกลุ่มได้
การจัดกลุ่มลูกค้าจะกระทำโดยพิจารณาจากข้อมูลต่างๆของลูกค้าที่สามารถแสดงถึงลักษณะหรือพฤติกรรมของลูกค้าที่สนใจได้ ซึ่งข้อมูลเหล่านี้มักจะเก็บอยู่ในฐานข้อมูลระดับปฎิบัติการ (Operational Databases) ขององค์กรหรือในคลังข้อมูล (Data Warehouse) การนำข้อมูลเหล่านี้มาทำการวิเคราาะห์เพื่อทำการจัดกลุ่มลูกค้าจะใช้วิธีการที่เรียกว่า การทำเหมืองข้อมูล (Data Mining) ซึ่งเป็นกระบวนการที่สำคัญในการบริหารความสัมพันธ์กับลูกค้า (Customer Relationship Management)

การทำเหมืองข้อมูล (Data Mining) ซึ่งเป็นกระบวนการค้นหาสารสนเทศหรือข้อความรู้ที่อยู่ในฐานข้อมูลขนาดใหญ่ที่ซับซ้อน เพื่อนำข้อความรู้ที่ได้ไปใช้ประโยชน์ในการตัดสินใจ สารสนเทศที่ได้อาจนำมาสร้างการพยากรณ์หรือสร้างตัวแบบสำหรับการจำแนกหน่วยหรือกลุ่ม หรือแสดงความสัมพันธ์ระหว่างหน่วยต่างๆ หรือให้ข้อสรุปของสาระในฐานข้อมูล

ประเภทของการจัดกลุ่มลูกค้า
การจัดกลุ่มลูกค้ามีได้หลายลักษณะขึ้นอยู่กับความต้องการทางธุรกิจ ในธุรกิจบัตรเครดิต เราอาจพิจารณาจัดกลุ่มลูกค้าตาม

• การจัดกลุ่มตามลักษณะประชากรศาสตร์ของลูกค้า (Demographic Segmentation) เป็นจัดกลุ่มเพื่อให้เข้าใจถึงลักษณะลูกค้าที่ธุรกิจมีอยู่ โดยการจัดกลุ่มกระทำโดยพิจารณาข้อมูลอายุ รายได้ เพศ ระดับการศึกษา สถานภาพการสมรส ประเภทที่อยู่อาศัย ฯลฯ เป็นต้น พร้อมๆกัน รูปที่ 1 แสดงผลลัพธ์ที่ได้จากการจัดกลุ่มลูกค้าตามลักษณะทางประชากรศาสตร์ที่ได้จากการวิเคราะห์โดยใช้เทคนิค Clustering จากผลลัพธ์ได้กลุ่มลูกค้าทั้งหมด 5 กลุ่มที่มีลักษณะทางประชากรศาสตร์ที่แตกต่างกัน

การจัดกลุ่มตามพฤติกรรมการใช้บัตรเครดิต (Behavioral Segmentation) เป็นการจัดกลุ่มลูกค้าตามพฤติกรรมที่สนใจ เช่น จัดกลุ่มลูกค้าตามพฤติกรรมการใช้บัตรเครดิต เพื่อทราบถึงรูปแบบการดำเนินชีวิต (Life Style) ผ่านการใช้บัตรเครดิต ที่ช่วยให้ธนาคารหรือผู้ให้บริการบัตรเครดิตสามารถกำหนดแผนการตลาด เพื่อกระตุ้นยอดการใช้บัตรเครดิตได้ตรงตามพฤติกรรมของลูกค้า ตารางที่ 1 แสดงผลของการจัดกลุ่มลูกค้าตามพฤติกรรมการใช้บัตรเครดิต

ตารางที่ 1: ผลการจัดกลุ่มลูกค้าตามลักษณะทางประชากรศาสตร์ โดยใช้เทคนิค Clustering


ผลการจัดกลุ่มแสดงกลุ่มลูกค้าทั้งหมด 7 กลุ่มที่ทำการจัดตามพฤติกรรมการใช้บัตรเครดิต

 

•  
  •  
    •  
      •  
        • กลุ่มที่ 0: เป็นกลุ่มลูกค้าที่แทบจะไม่มีการใช้บัตรเครดิต และไม่ค่อยมีการเปิดใช้บริการอื่น
          กับธนาคาร
        • กลุ่มที่ 1: เป็นกลุ่มลูกค้าที่แทบจะไม่มีการใช้บัตรเครดิต ลูกค้าส่วนใหญ่ 39 เปอร์เซนต์เกษียนและ 18 เปอร์เซนต์มีอายุเฉลี่ยอยู่ระหว่าง 50-65 ปี มีเงินฝากกับธนาคารโดยเฉลี่ยเป็นจำนวนสูง มีลูกค้าจำนวน 4 เปอร์เซนต์ที่เป็นลูกค้าชั้นดี
        • กลุ่มที่ 2: เป็นกลุ่มลูกค้าที่มีการใช้บัตรเครดิตเล็กน้อย ลูกค้าประมาณ 66 เปอร์เซนต์มีอายุเฉลี่ยมากกว่า 50 ปี และ 98 เปอร์เซนต์มีปริมาณเงินฝากกับธนาคารมากกว่า 5 ล้านบาท
        • กลุ่มที่ 3: เป็นกลุ่มลูกค้าที่ 45 เปอร์เซนต์มีอายุเฉลี่ยอยู่ระหว่าง 50-65 ปี และ 94 เปอร์เซนต์มีปริมาณเงินฝากกับธนาคารมากกว่า 5 ล้านบาท ลูกค้ามีการใช้บัตรเครดิตและ 86 เปอร์เซนต์มีการขอเงินกู้ที่อยู่อาศัย
        • กลุ่มที่ 4: เป็นกลุ่มลูกค้าที่มีปริมาณการใช้บัตรเครดิตสม่ำเสมอ 34 เปอร์เซนต์มีบัตรเครดิตมากกว่าหนึ่งใบ และ 79 เปอร์เซนต์มีการใช้บัตรเดบิต
        • กลุ่มที่ 5: เป็นกลุ่มลูกค้าที่ 82 เปอร์เซนต์มีอายุระหว่าง 25-65 ปี และมีสัดส่วนคนอยู่ในวัยทำงานประมาณ 82 เปอร์เซนต์ มีการใช้บัตรเครดิตค่อนข้างสูงและไม่มีการลงทุนในบริการอื่น
        • กลุ่มที่ 6: เป็นกลุ่มลูกค้าที่มีการใช้บัตรเครดิตค่อนข้างปานกลาง ระดับหนี้สูญค่อนข้างต่ำ ลูกค้า 76 เปอร์เซนต์มีการขอเงินกู้ที่อยู่อาศัย และ 31 เปอร์เซนต์มีการขอเงินกู้ส่วนบุคคล
          
• การจัดกลุ่มตามความคุณค่าของลูกค้า (Value Segmentation) เนื่องจากลูกค้าแต่ละรายไม่ได้สร้างคุณค่าของการเป็นลูกค้าได้เท่ากัน การจัดกลุ่มตามคุณค่าของลูกค้าทำให้ธุรกิจทราบถึงกลุ่มลูกค้าที่มีระดับคุณค่าต่อธุรกิจที่แตกต่างกันได้ เพื่อให้ธุรกิจสามารถกำหนดกลยุทธ์ทางการตลาดหรือการบริหารความสัมพันธ์ลูกค้าที่แตกต่างกัน เช่น กลุ่มลูกค้าที่มีคุณค่าสูงเป็นกลุ่มที่ควรได้รับสิทธิในการใช้บัตรเครดิตที่ต่างจากกลุ่มอื่น สำหรับกลุ่มลูกค้าที่มีคุณค่าระดับปานกลาง ธุรกิจอาจพยายามกระตุ้นให้ลูกค้าในกลุ่มนี้มีกิจกรรมกับธุรกิจเพิ่มขึ้น เพื่อให้กลุ่มนี้สามารถเพิ่มคุณค่าเป็นระดับสูงเพื่อให้เกิดรายได้ต่อองค์กรเพิ่มขึ้น การจัดกลุ่มตามคุณค่าของลูกค้าไม่ได้พิจารณาจากรายได้ที่ลูกค้าสร้างให้แก่ธุรกิจอย่างเดียว แต่พิจารณาจากปัจจัยต่างๆที่เกี่ยวข้องหลากหลาย

ที่มา : มุทิตา ยาวะโนภาส, SAS (Thailand), 14 มีนาคม 2548

[เป้]

สวัสดีครับ อาจารย์(ขออนุญาติเรียกว่าอาจารย์นะครับ)

อ่านประวัติอาจารย์แล้ว อาจารย์เก่งมากเลยครับ นับถือจริงๆ ผมจบมาช่วงมีนาคมปีนี้เองครับ เพิ่งจะได้งานตอนปลายปี งานหายากจริงครับ บ.ที่รับผมเข้าไปทำก็เป็นงานทางด้านที่อาจารย์เขียนใน Blog พอดี ผมกำลังหาข้อมูลอยู่เลยครับ เพราะผมไม่คุ้นเคยกับ BI เลย ดีใจที่อาจารย์มี Blog เป็น ภาษาไทยให้ความรู้ดีครับ ผมจะติดตามอ่านเรื่อยๆ นะครับ แล้วก็อยากให้อาจารย์แนะนำ คนที่เริ่มทำงานทางด้านนี้ด้วยครับว่าควร เน้น skill ทางด้านไหนเป็นพิเศษ

ขอบคุณครับ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ขอบคุณครับที่ส่งความคิดเห็นต่อ Blog ที่ผมทำขึ้นมา เพื่อแชร์ความรู้และประสบการณ์ที่คิดว่ามีประโยชน์ต่อคนไทย

คำว่า BI นั้นใหม่มากสำหรับเมืองไทย แต่ถ้าพูดถึงเทคนิคทั้งหมดแล้ว ไม่ใช่ของใหม่ครับ แต่เป็นศาสตร์ผสมกันระหว่างการวิเคราะห์ข้อมูลแบบ Data Mining, Operations Research, Numerical Methods กับข้อมูลทางธุรกิจต่างๆ เพื่อหาความสัมพันธ์บางอย่าง เพื่อรับรู้ถึงความสัมพันธ์ของตัวแปรต่างๆ ความจริงๆต่างที่ซ่อนอยู่ ซึ่งไม่สามารถหาได้จากเพียงเทคนิคคณิตศาสตร์ หรือสถิติทั่วไป ดังนั้นจะเห็นได้ว่า เทคนิคของ BI ของซอฟแวร์ระดับสูงนั้น (บางยี่ห้อไม่มีเทคนิคครบทุกอย่างนะครับ ต้องเช็คสเปคก่อน) ใช้ความรู้ผสมระหว่าง บริหารธุรกิจ , สถิติประยุกต์ , การวิเคราะห์ข้อมูลด้วยคอมพิวเตอร์ , คณิตศาสตร์ , เศรษฐศาสตร์ และเทคโนโลยีสารสนเทศ  ครับ  เพราะถ้าหากไม่มีพื้นฐานทางด้านบริหารธุรกิจเลย ถึงวิเคราะห์ข้อมูลได้ผลลัพธ์อย่างไรออกมา ก็ไม่สามารถวางแผนกลยุทธต่อไปได้  และที่สำคัญ แผนกลยุทธเป็นทั้งศาสตร์และศิลป์ ไม่มีสูตรตายตัวเป๊ะๆ ดังนั้น การจะเลือกกลยุทธที่จะดำเนินการต่อไป ก็ต้องพิจารณาข้อมูลต่างๆอีกมาก ไม่ว่าข้อมูลขององค์กรเราเอง หรือข้อมูลตลาด หรือข้อมูลคู่แข่ง

ผมจะพยายามเจียดเวลามาสรุปเทคนิคต่างๆที่นิยมใช้ และแนวความคิดในการประยุกต์เทคนิคนั้นไปใช้กับงานวางแผนธุรกิจต่อไปครับ

ส่วนเรื่องการสอนอย่างเป็นทางการนั้น ผมกำลังเจรจาเรื่องหลักสูตรพวกนี้กับหลายสถาบันอยู่ครับ ว่าสถาบันไหน อยากปั้นนักบริหารธุรกิจแบบอัจฉริยะแบบนี้ หรือ อยากจะปั้นนักไอทีทั้งหลายให้มีกึ๋นการวางแผนกลยุทธธุรกิจบ้าง ไม่ว่าจะเป็นหลักสูตรสั้นๆ หรือหลักสูตรยาวๆ หรืออบรมเชิงปฎิบัติการใดๆ

สำหรับบุคคลทั่วไป ก็คงต้องหาความรู้จาก E-Learning ที่ผมทำขึ้นก่อนนะครับ (www.jojohosting.com) ส่วนการอบรมในองค์กรใดๆ ก็โทรฯคุยกับผมเป็นเรื่องๆไปแล้วกันครับ

[พิชชา]

• ขอบคุณค่ะที่แวะไปแจม
• ว่างๆกลับเที่ยวม.ขอนแก่นนะคะ

           -น้อง-

[Rucci]

ผมกำลังศึกษาปริญญาโทด้าน MIS อยู่ และสาขาที่ผมกำลังสนใจอยู่ก็คือ Business Intelligence นี่เเหละครับ ดีใจมากเลยที่ได้เจอ blog ของอาจารย์ครับ ผมจะติดตามอ่านไปเรื่อยๆพร้อมๆกับเข้าไปลองทำ e-learning ดูครับ

 

ปัจจุบันผมทำงานเป็นวิศวกรไฟฟ้าอยู่ครับ เเต่อยากเปลี่ยนสายอาชีพ เพราะเริ่มอิ่มตัวกับสิ่งที่ทำ เเละรู้สึกว่าตัวเองชอบทำงานด้านธุรกิจมากกว่า ถ้าเรียนจบเเล้วอยากจะงานทางด้าน BI ครับ

[ชูชาติ]

ขอบคุณครับ  ได้ข้อมูลไปทำรายงานครับ

[kik]

targeting กับ segmentation ต่างกันอย่างไรค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ไม่เหมือนกันทั้งจุดประสงค์และขั้นตอนครับ

targeting เป็นขบวนการในศาสตร์การตัดสินใจเพื่อระบุเป้าหมาย , สิ่งที่ต้องใช้ในการดำเนินการหรือทำการตลาด , การตรวจสอบและประเมินผล และข้อจำกัดต่างๆ

ส่วน Segmentation คือการแบ่งกลุ่มเป้าหมาย ที่เรามีข้อมูลอยู่แล้ว ว่าใครจะอยู่ในกลุ่มไหน ซึ่งแต่ละกุล่มก็จะมีกลยุทธ์ในการดำเนินการไม่เหมือนกันอยู่แล้วครับ

[morning-glory]

สวัสดีค่ะอาจารย์โจโจ้์

 

พอดี search หาคำว่า Segmentation เพื่อที่จะสอบ

Comprehensive วิชาการจัดการการตลาดในต้นเดือนหน้า เนื่องจากไม่ค่อยเข้าใจคำว่า STP เท่าไหร่ แล้วเจอเว็บของอาจารย์ ก็เลยแวะเข้ามาทักทายค่ะ หวังว่าอาจารย์คงจะสบายดีนะคะ

 

ด้วยความเคารพค่ะ

ผักบุ้ง 

นักศึกษาโครงการ IT-Smart Program รุ่น 1 มหาวิทยาลัยรามคำแหง

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

สวัสดีครับ ขอบคุณที่คิดถึงและแวะมาทักทายนะครับ ส่วนชื่อเล่นของนักศึกษาแต่ละคนนั้น ผมไม่ทราบจริงๆ เลยจำไม่ได้ว่าเป็นคนไหนนะครับ คงไม่ถือสา :)

STP ย่อมาจาก Segmenting, Targeting และ Positioning

Segmenting ป็นการแบ่งตลาดสำหรับผลิตภัณฑ์ชนิดใดชนิดหนึ่งออกเป็นตลาดย่อยๆ ที่แตกต่างกันทางด้านความมชอบ ความต้องการ และพฤติกรรมผู้บริโภคในแต่ละตลาดย่อยๆ นั้น โดยอาศัยคุณสมบัติของผู้บริโภคหรือตลาดเป็นปัจจัยในการแบ่ง ทั้งนี้เพื่อให้สามารถแยกตลาดออกเป็นส่วนๆ (Market Segments) และทำให้เห็นความเด่นชัดที่แตกต่างกันของคุณสมบัติ ความชอบ ความต้องการและพฤติกรรมของผู้บริโภค เช่น ์เพศ วัย รายได้ และรสนิยม ที่อยู่ในแต่ละส่วนของตลาด

Targeting เป็นกิจกรรมในการประเมินผลและการเลือกส่วนตลาด (Market Segments) ที่บริษัทเห็นว่าเหมาะสมกับทรัพยากรและความชำนาญของบริษัท ตลอดจนเป็นส่วนตลาดที่มีโอกาสทางการตลาด มีศักยภาพในการสร้างยอดขายและทำกำไรให้กับบริษัท ตัวอย่าง เช่น ผลิตภัณฑ์กระเป๋าของบริษัท เลือกตลาดเป้าหมายเป็นผู้หญิง อายุ 30 - 60 ปี รายได้สูง และรสนิยมดี

Positioning เป็นการกำหนดตำแหน่งผลิตภัณฑ์ของบริษัทให้เกิดขึ้นในใจของผู้บริโภคในเชิงเปรียบเทียบกับผลิตภัณฑ์ของคู่แข่งขัน โดยใช้กลยุทธ์การสื่อสารทางการตลาดเป็นเครื่องมือในกระบวนการสร้างตำแหน่งผลิตภัณฑ์ เช่น วางมาตรฐานสินค้าว่าเป็นมาตรฐานสินค้าส่งออก

[ผักบุ้ง]

สวัสดีค่ะอาจารย์โจโจ้

 

ขอบพระคุณอาจารย์มากค่ะที่ให้คำอธิบายในเรื่องของ STP คราวนี้คงสามารถทำข้อสอบได้แล้วหล่ะค่ะ -ขอขอบพระคุณอาจารย์อีกครั้งนะคะ

 

ด้วยความเคารพค่ะ

ผักบุ้ง

[อรรถพล]

Hi, I am doing a doctoral thesis on Credit card and fould your article very useful. However, I  found a similar article by มุฑิตา ยาวะโนภาส
วันที่ 14 มีนาคม 2548 on SAS News section (website). On the footnote, it refers to

อ้างอิง
1 หนึ่งทศวรรษไอทีจุฬาฯ : การเพิ่มศักยภาพการจัดการด้วยเทคโนโลยีสารสนเทศ, ศาสตราจารย์ ดร.สุชาดา กีระนันทน์, คณะพาณิชยศาสตร์และการบัญชี จุฬาลงกรณ์มหาวิทยาลัย, หน้า 157

 

So I am wondering how I should reference this article?

 

Regards,

Atthaphol J.

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ขอบคุณครับที่แจ้งเข้ามา

 บทความนี้ผมได้เก็บเอาไว้นานแล้ว จนจำไม่ได้ว่าได้มาจากไหน พอเห็นก็จำได้เลยทันทีครับ

 ดังนั้นคุณอรรถพลสามารถอ้างอิงตามนั้นได้เลยครับ ส่วนในบล็อกนี้ถือว่าช่วยประชาสัมพันธ์ศาสตร์นี้ก็แล้วกันครับ ไม่ต้องอ้างอิงกับงานใดๆก็ได้ครับผม

[nong]

ขณะนี้ได้ทำงานเกี่ยวกับการวิเคราะห์การจัดแบ่งกลุ่มลูกค้าในธุรกิจธนาคาร โดยต้องการจะจัดกลุ่มลูกค้าตามที่ให้ Value แต่ไม่ทราบว่าจะใช้การคำนวณอย่างไรเพื่อให้ทราบ Value ของลูกค้าแต่ละคนหรือกลุ่ม

ขอให้ช่วยแนะนำหรือให้ความรู้เกียวกับวิธีการทำได้มั้ยค่ะ

ซึ่งค้นหาข้อมูลแล้วพบบทความของอาจารย์ในหัวข้อ Segementation และมีการจัดกลุ่มตามคุณค่าของลูกค้า

สวัสดีค่ะอาจารย์โจโจ้

ขอบพระคุณอาจารย์มากค่ะที่ให้คำอธิบายในเรื่องของ STP เพราะว่าพรุ่งนี้หนูมีสอบเกี่ยวกับเรื่องนี้ด้วยค่ะ ขอบพระคุณอีกครั้งน่ะค่ะ 

ด้วยความเคารพอย่างสูงค่ะ

กุ๊กกิ๊ก

[เอ]

สวัสดีค่ะ อาจารย์

            ขอบคุณนะคะสำหรับความรู้ที่ได้ เอกำลังเรียน MBA  อยู่ค่ะ วิชาการตลาดจะสอบวันศุกร์นี้เลย search หาความรู้ในเน็ต จนมาเจอเวปนี้น่ะคะ  แต่จะรบกวนถามคำถามอาจารย์เรื่อง กลยุทธ์การตลาดในช่วงตลาดแนะนำ  และตลาดอิ่มตัวน่ะค่ะ ว่ามีอะไรบ้าง อ่านในหนังสือแล้วมันบอกกว้าง ๆ  น่ะ กว้างจนงง รบกวนได้นะคะ  ขอบพระคุณล่วงหน้าค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

สวัสดีครับ ผมได้เขียนเรื่อง "Product Life Cycle" ให้อ่านแล้วที่ http://gotoknow.org/blog/modernmanagement/137548 เชิญอ่านกันได้เลยครับ

[เอ]

ขอบพระคุณค่ะ

[ใต้น้ำ]

สวัสดีครับอาจารย์

แวะมาอ่าน บล๊อกของอาจารย์ ตอนนี้ เริ่มที่จัดหาหนังสือที่อาจารย์แนะนำ

มาแล้ว พอดี เดินไปสัปดาห์หนังสือ มาได้ TextBook มาสองสามเล่ม

คงต้องเริ่มศึกษา แล้วละครับ ขอสมัครเป็นลูกศิษย์ อาจารย์เลยนะครับ

[เอ๊ะเอ๋]

ทำไมถึงต้องทำการเลือกส่วนตลาดสำหรับธุรกิจ

[RU-MLW]

กำลังจะสอบพอดี ได้ข้อมูลเพิ่มเติมทำให้เข้าใจมากขึ้น

ขอบคุณค่ะ อาจารย์

[TOM]

สวัสดีครับอาจารย์

ผมเป็นนิสิตสาขา ICT ของมหาวิทยาลัยแห่งหนึ่งครับ

ตอนนี้ผมทำ Senior Project เกี่ยวกับ CRM

เป็นการนำ CRM มาประยุกต์ใช้ใน E-commerce

ผมติดตรงการแบ่งกลุ่มลูกค้าครับ

ถ้าจะแบ่งตามพฤติกรรมการใช้บริการ กับแบ่งตามคุณค่าของลูกค้า

มันจะมีวิธีแบ่งอย่างไรครับ

อยากให้อาจารย์แนะนำหน่อยครับ

 

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ผมขออธิบายการนำ Data Mining มาใช้ในการทำ Customer Segmentation จำนวน 3 วิธีตามจุดประสงค์ และการได้มาของข้อมูล ก็แล้วกันนะครับ

1. หากยังไม่รู้เลยว่า ลูกค้าของเราแบ่งได้กี่กลุ่มกันแน่ (ข้อมูลตัวแปรตามเชิงปริมาณ เช่น ยอดสั่งซื้อ) เราสามารถใช้เทคนิค Clutering เพื่อวิเคราะห์จำนวนกลุ่มของลูกค้าได้

2. กรณีมีเป้าหมายแน่นอนแล้ว เช่น จำนวนกลุ่ม หรือระดับของลูกค้า (คุณค่า) ว่าจัดในระดับไหน เราสามารถอธิบายรายละเอียดหรือพฤติกรรมของลูกค้าแต่ละกลุ่มได้ โดยใช้เทคนิค Decision Tree (มีหลาย Algorithm) เพื่ออธิบายคุณลักษณะหรือพฤติกรรมของลูกค้่าแต่ละกลุ่ม พร้อมความเชื่อมั่นในการทำนาย พยากรณ์ด้วย

3. กรณีมีเป้าหมายแน่นอนแล้ว ต้องการพยากรณ์ว่าลูกค้าลักษณะดังกล่าวน่าจะเป็นลูกค้าในกลุ่มไหน หรือปัจจัยอะไรที่บอกความเป็นลูกค้าในกลุ่มนั้นได้ดีที่สุด มีผลกระทบมากที่สุด ก็สามารถใช้ Artificial Nerual Networks (โครงข่ายประสาทเทียม) ได้เลยครับ

ตัวอย่างดังกล่าวนี้ คือตัวอย่างการนำ Data Mining Techniques ไปใช้ในการวางแผนกลยุทธ์ทางการตลาด ผมขอเรียกว่า "Marketing Intelligence" ก็แล้วกันนะครับ ^_^

www.wittayaonline.com

[TOM]

ขอบคุณ อาจารย์มากครับ

จาได้สอบ Proposol ซะที

^^

[ณรงศักดิ์ หนูขาว]

สวัสดี ครับ อาจารย์ คือผมอยากจะรบกวนให้อาจารย์ แนะนำ หน่อยนะครับว่า

ตอนนี้ ผมกำลังทำงานวิจัยเกี่ยวกับการวิเคราะห์พฤติกรรมการสั่งซื้อของลูกค้า

โดยใช้เทคนิคเหมืองข้อมูล นะครับ ซึ่ง ผมได้มี ฐานข้อมูลของลูกค้า แล้วในส่วนของ

ชื่อ ที่อยู่ และ ยอดการสั่งซื้อ แล้ว ซึ่ง ผมยังไม่เข้าใจ ในส่วน ของ เหมืองข้อมูลมากนัก

เลยอยากให้ อาจารย์แนะนำ ว่า จะใช้วิธีการใด มาทำการ วิเคราะห์ และเหตุผลที่ใช้

มันมีวิธีการใช้อย่างไรครับ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

การทำเหมืองข้อมูล เป็นการหาความรู้ใหม่ภายในฐานข้อมูล ซึ่งมีเทคนิคย่อยๆมากมาย ถ้าจะให้ผมพูดให้คนทั่วไป หรือนักบริหารฟัง ว่าจะเอามาใช้อย่างไรในการวิเคราะห์และวางแผนกลยุทธ์เกี่ยวกับพฤติกรรมลูกค้าได้บ้าง อาทิเช่น

- สามารถทราบถึงพฤติกรรมลูกค้า ว่าถ้าซื้อสินค้าตัวหนึ่งๆแล้ว น่าจะซื้ออะไร หรือทำอะไรต่อไป หรือเดินไปในโซนไหนต่อ

- สามารถทราบถึงคุณลักษณะของลูกค้าประเภทต่างๆ จำแนกตามสิ่งที่คุณอยากจะทราบ เช่น ลูกค้าชั้นดี ลูกค้าที่ซื้อมากๆ ลูกค้าที่ซื้อน้อย ลูกค้าที่ยังลังเลใจ หรือวิเคราะห์ตามวัตถุประสงค์ เช่น ลูกค้าที่ซื้อสินค้าโดยเน้นราคาถูกไว้ก่อน ลูกค้าที่ซื้อเพราะชอบฟังก์ชั่นของสินค้าเป็นหลัก หรือลูกค้าที่ไม่พอใจในการให้บริการของเรา ฯลฯ

- สามารถทราบถึงพยากรณ์ผลลัพธ์ เช่น ยอดขาย หรือความพึงพอใจ หากปัจจัยต่างๆเปลี่ยนไป โดยปัจจัยหรือตัวแปรเหล่านั้น จะเป็นข้อมูลเชิงปริมาณ หรือเชิงคุณภาพก็ได้

- สามารถประเมินประสิทธิภาพของแผนกลยุทธ์ ว่าแผนใดหากนำไปใช้แล้วจะเกิดประสิทธิภาพมากกว่ากัน

ฯลฯ

มีอีกมากมายครับ บอกแค่ตัวหนังสือก็คงทำได้แค่นี้ครับ อยากรู้อยากฟังอยากเห็นของจริง ต้องมาเรียนกับผมในชั้นเรียนครับ ผมเน้นสอนภาคปฏิบัิติมากกว่าทฤษฎี เพราะจะได้ทำงานได้เลยครับ

หวังว่าคุณณรงค์ศักดิ์คงพอเห็นประโยชน์ของการทำเหมืองข้อมูล (Data Mining) เพื่อการวางแผนกลยุทธ์องค์กรบ้างนะครับ

[ณรงศักดิ์ หนูขาว]

ขอบคุณ อาจารย์ มากครับ

สำหรับคำแนะนำ ซึ่งเป็นประโยชน์ มากเลยครับ

ผมจะนำไปพัฒนาโปรเจคของผม ต่อไปครับ

[ก้อย]

อยากได้ตัวอย่างการนำเทคนิค data mining มาแบ่งกลุ่มลูกค้า ที่ไม่ใช่แค่ clustering ค่ะ ขอบคุณค่ะ

[ปุ๋ม]

กราบเรียนอาจารย์ วิทยา

อาจารย์ค่ะ ตอนนี้หนูกำลังทำโปรเจคป.โท เกี่ยวกับ Data mining (Classification tree ID3,C4.5) ค่ะ

คือหนูคิดว่าถ้าเราไม่ใช่คนในองค์กรจะหาข้อมูลลำบาก ดังนั้นหนูก็เลยเลือก "การพัฒนาระบบเพื่อช่วยในการตัดสินใจรับนักเรียน" โดยใช้vb.net และ sql2005 ค่ะ ซึ่งหนูยางงงเรื่อง sql อยู่ แต่ตอนนี้ขอให้อาจารย์ช่วยวิเคราะห์ให้หนูหน่อย เพื่อนำไปพัฒนาระบบที่จะทำ

ซี่งหนูคิดว่าข้อมูลด้านการศึกษาน่าจะขอได้ง่ายกว่า ตอนแรกหนูว่าจะทำการเลือกสาขาวิชาของคณะวิศวะ ในชั้นปีที่ 2 (กรณีที่ปี1 เรียนรวม) ซึ่งตอนแรกสำนักทะเบียน(kmitl) เค้ารับปากจะให้ข้อมูลพอใกล้ส่งเค้าไม่ให้ หนูก้อเลยเคว้ง เลยต้องหาข้อมูลใหม่ทันทีเพราะต้องรีบทำ แต่หนูคิดไม่ออกว่าจะไปขอด้านไหนเพราะหนูไม่รู้จักคนในองค์กร

หนูก้อเลยต้องหาข้อมูลใหม่ แต่ถ้าทำแบบเดิมน้อยมหาลัยที่จะมีการเลือกสาขาในปี 2 และขออยากมาก ไม่น่าได้ ขนาดที่ที่หนูเรียนยางไม่ให้เลย

1. อยากถามอาจารย์ว่าถ้าเป็นข้อมูลของนักเรียนในระดับมัธยมศึกษาปีที่1-6 (เกรดแต่ละวิชา ,รหัสวิชา(ชื่อวิชา),GPA, ที่อยู่, สาขาที่เรียนตอนม.ปลาย)

- ตอนนี้หนูคิดได้อย่างเดียวคือ ช่วยเลือกสาขาตอนม.ปลาย ว่าได้เกรดเท่านี้ วิชานี้ ควรเรียนสายไหน --> วิทย์คณิต, สังคม,ศิลปภาษา

- อยากถามอาจารย์ว่าถ้าได้ข้อมูลพวกนี้มาจะสามารถทำอะไรได้อีกบ้าง หนูสับสนคิดไม่ออก หรือต้องเพิ่มข้อมูลไหนอีกเพื่อให้น่าสนใจ

- ตอนแรกหนูว่าจะทำเหมือนช่วยเลือกสาขาตอนเข้ามหาลัยว่าเด็กมัธยมสามารถเข้าที่ไหนบ้าง แต่ก้อไม่รู้จะต้องหาข้อมูลระดับลึกอย่างไร เพราะเคยมีพี่บอกว่ามันอยากถ้าเราต้องถามแบบสอบถามเด็กปี 1 ว่าตอนม.ปลายอยากเข้าคณะไหน เกรดเท่าไร เพราะไม่ค่อยมีใครให้ หนูเลยว่ามันอยากในการหาข้อมูล

2. อยากถามอาจารย์ว่าถ้าเหนูหาข้อมูลของนักศึกษา ปริญญาตรี ที่มีการเลือกสาขาตอน ent เข้ามาเล้ว(อาจจะมีบางมหาลัยให้ความอนุเคราะห์ข้อมูล) และหนูขอข้อมูลพวก(เกรดแต่ละวิชา ,รหัสวิชา ,GPA, ที่อยู่, สาขาที่เรียน GPA(มัธยม) ,เพศ) เราจะสามารถนำมาทำ Data mining (Classification tree ID3,C4.5)ในเรื่องอะไรได้บ้าง และต้องขอหลายคณะหรือคณะเดียวแต่มีหลายสาขา และมีข้อมูลที่จำเป็นอะไรอีกบ้างค่ะที่ต้องมี

อาจารย์ช่วยตอบให้ทีค่ะตอนนี้หนูเคว้งมากเลย และยังไม่เข้าใจในส่วนของเหมืองข้อมูลมากนัก เลยอยากให้ อาจารย์แนะนำว่าถ้าได้ข้อมูลจากข้างต้น มาทำการวิเคราะห์ มันจะสามารถclassification ด้วย tree แบบไหนได้บ้างค่ะ และอยากให้อาจารย์ช่วยดูให้หน่อยว่าข้อมูลของมัธยม(ข้อ1) กับมหาลัย(ข้อ2) (มหาลัยไม่ค่อยให้ค่ะ) อันไหนจะง่ายในการวิเคราะห์ค่ะแบบให้น่าสนใจ

หนูกราบขอโทษอาจารย์ด้วยที่เขียนมาปรึกษาเยอะ แต่หนูหาที่พึ่งไม่ได้จริงๆๆ และหนู้ต้องรีบหาข้อมูลให้ได้ก่อนวันที่ 10 ตุลา เพราะจะเป็นช่วงปิดเทอมแล้ว และหนูต้องรีบทามให้เสร็จก่อนสิ้น พฤศจิกา ด้วยที่ว่าหนูเขียนโค้ดไม่เก่งด้วย

****** รบกวนอาจารย์ช่วยตอบให้หนูที ********

ขอขอบพระคุณอย่างสูงค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

สวัสดีครับ คุณปุ๋ม

เสียดายที่คุณไม่ได้เรียนวิชา Data Mining for Strategic Planning กับผม ซึ่งผมจะเน้นสอนภาคปฏิบัติและการวางแผนเป็นหลัก เรื่องการเขียนโปรแกรมด้วย VB.Net นั้น ผมคงไม่บังอาจแนะนำ

เอาเป็นว่าขอให้คุณทราบหลักการ และแนวทางปฏิบัติในการใช้ Classification Tree ก็แล้วกันนะครับ ว่างๆ ผมจะเขียนเป็นบทความเรื่องนี้อีกครั้งหนึ่ง

การทำ Classification Tree นั้น มีแนวคิดง่ายๆ ก็คือ อยากทราบจุดมุ่งหมายอะไร ก็ให้กำหนดตัวแปรนั้นเป็นตัวแปรตาม ซึ่งจะอยู่บนยอดสุดของต้นไม้ แล้วมันจะสร้างกฎการแบ่งกิ่งก้านสาขาออกมา ว่าตัดสินใจที่เลขอะไร ดังนั้นเพื่อให้เกิดประสิทธิภาพสูงสุดของการทำ Classification Tree ฐานข้อมูลที่นำมาใช้ ควรประกอบไปด้วยตัวแปรอิสระ (ต้วแปรต้น) หลายๆตัวครับ และแต่ละตัวแปรนั้นควรเป็นคุณสมบัติหรือการอธิบายลักษณะมาก ยกตัวอย่างทางธุรกิจได้ดังนี้

สมมุติเราอยากจะทราบว่า ลูกค้าชั้นดีที่ซื้อของเรามากๆในห้างของเรานั้น มีลักษณะอย่างไร ภาษาธุรกิจจะเรียกว่า "Customer Profiling" เราอาจกำหนดยอดขายเป็นกลุ่มตัวแปรหรือเป็นช่วงชั้นให้มีระดับเป็น "ลูกค้าซื้อมาก" "ลูกค้าซื้อปานกลาง" "ลูกค้าซื้อน้อย" (แปลงมาจากยอดขาย) แล้วก็กำหนดตัวแปรนี้ (ระดับของลูกค้า) เป็นตัวแปรตาม

คราวนี้เราอยากจะรู้ว่า "ลูกค้าซื้อมาก" มีลักษณะอย่างไร จะเป็นการวิเคราะห์ย้อนกลับว่า ถ้าปลายทางที่เราต้องการหาคือ "ลูกค้าซื้อมาก" ให้บอกลักษณะมาให้หน่อย เช่น ผลการวิเคราะห์อาจบอกกฎกับเราว่า "ลูกค้าซื้อมาก" = การศึกษาสูงกว่า ป.ตรี , รายได้มากกว่า 30,000 บาท , โสด , มีบ้านของตัวเอง , มีรถยนต์ , อายุระหว่าง 25-30 ปี โดยมีความเชื่อมั่นของกฎข้อนี้เท่ากับ 85% เป็นต้น (หรืออาจมีกฏหลายข้อก็ได้ และแต่ละข้อก็จะบอกความเชื่อมั่นในการพบเจอความสัมพันธ์เหล่านี้)

พอจะเข้าใจไหมการประยุกต์ใช้ไหมครับ และพอจะเข้าใจหรือยังว่า ข้อมูลที่นำมาใช้ ถ้าอยากให้อธิบายลักษณะได้ละเอียดมาก ก็ควรมีข้อมูลที่แสดงรายละเอียดให้มากไว้ จะได้บอกลักษณะได้ลึกขึ้นครับ

[ปุ๋ม]

ขอรบกวนอีกครั้งค่ะ อาจารย์ หนูไม่เข้าใจการประยุกต์ใช้ค่ะ ที่หนูคิดออกก็อยากช่วยให้อาจารย์ช่วยดูให้หน่อยค่ะข้อมูลที่นำมาใช้ จะสามารถกำหนดจุดมุ่งหมายอะไรได้อีกบ้าง ขอเป็นตัวอย่างคล้ายๆๆข้อมูลที่หนูขอไปเกี่ยวกับการศึกษาน่ะค่ะ เพราะถ้าเป็นข้อมูลลูกค้าหนูคงไม่มีทางได้ข้อมูลพวกนั้นแน่นอน เพราะหนูเคยขอตามบริษัทแล้วเขาไม่ไห้

หนูทำ เรื่อง การพัฒนาระบบเพื่อช่วยตัดสินใจในการรับนักเรียน โดยตอนนี้หนูจะขอข้อมูล ดังที่แสดงให้อาจารย์ดู ตามข้อ 1,2 แต่ยังไม่แน่ใจว่าจะได้ในระดับมัธยมหรือปริญญาตรีเลยอยากให้อาจารย์ช่วยแนะนำว่าควรจะทำข้อมูลในแบบข้อไหนดี

และจะสามารถวิเคราะห์อะไรเพิ่มเติมจากข้อมูลที่แสดงให้ดูได้บ้างค่ะ

1. ถ้าเป็นข้อมูลของนักเรียนในระดับมัธยมศึกษาปีที่1-6 ข้อมูลที่ขอมี (เกรดแต่ละวิชา ,รหัสวิชา(ชื่อวิชา),GPA, ที่อยู่, สาขาที่เรียนตอนม.ปลาย) ย้อนหลัง 3 ปี ซึ่งถ้ามีนักเรียนรุ่นใหม่เข้ามาและอยากรู้ว่าตัวเองได้เกรดเท่านี้ควรจะเลือกเรียนสาขาไหนตอนม.ปลายดีโดยไม่โดนออก หรือ ผลการเรียนแย่ ซึ่งในโปรแกรมของหนูจะมีไฟล์ข้อมูลใหม่เข้ามาหลายคน หรือ มีช่องให้กรอก เกรด กับ สาขาที่ต้องการเรียน เรียกว่า ขั้น test data ซึ่งจะทำการเลือกโมเดล tree ที่เคยสร้างจาก tranning set data

(ข้อมูลเก่าเมื่อ 3 ปี ที่แล้วที่หนูได้ขอไป) แล้วโปรแกรมก้อจะจำลองอัลกอริทึมแบบ tree โดยอิงจากโมเดลเก่าที่เคยสร้างเพื่อช่วยในการตัดสินใจในการเลือกสาขาให้กับนักเรียนกลุ่มใหม่

- ซึ่งตอนนี้หนูคิดได้อย่างเดียว คือ ช่วยเลือกสาขาตอนม.ปลาย ว่าได้เกรดเท่านี้ วิชานี้ ควรเรียนสายไหน วิทย์คณิต, สังคม,ศิลป-ภาษา เช่น

ช่วยตัดสินใจวิเคราะห์ว่าถ้านักเรียนคนนี้ได้เกรดวิชาคณิต วิทย์ เป็น C เกรดเฉลี่ย 2.00 ตอนม.ต้น สามารถเลือกเรียนสาขาตอนมัธยมปลาย พวกวิทย์-คณิต จะมีสิทธิ์เรียนได้โดยไม่ถูกไทร์หรือผลการเรียนแย่ ได้หรือไม่ หรือสามารถเลือกเรียนสายไหนดีที่จะเหมาะกับผลการเรียนของเค้า ซึ่งจะใช้ข้อมูล tranning set data ที่ได้สถิติย้อนหลัง 3 ปี โดยดูจากผลการเรียนตอน ม.ต้น และ ผลการเรียนตอนม.ปลาย (ม.4-5 ,ไม่แน่ใจว่าต้องใช้ม.6 ด้วยหรือไม่) แล้วดูผลลัพธ์ที่ได้จากการ classify ที่ได้เลือกสาขาให้ว่าถูกต้องไหม คือ มีสถิติผลการเรียนใน ม.ปลายจากข้อมูลเก่าเป็นอย่างไร หลังจากนั้นจะนำข้อมูลนักเรียนใหม่ (test data) เข้ามาทดลองกับโมเดลที่เคยสร้างว่าผลลัพธ์ที่ได้ถูกต้องหรือไม่ เพื่อลดจำนวนที่นักเรียนโดนออกและได้ผลการเรียนตกต่ำ

**** เลยอยากถามอาจารย์ว่าถ้าข้อมูลนักเรียนที่ได้จากที่หนูขอข้างต้นมี field เป็นแบบนี้มันจะวิเคราะห์อะไรได้อีกบ้าง

หนูประยุกต์ไม่เป็น หรือต้องขอข้อมูลเพิ่มขึ่นอีกเพื่อให้น่าสนใจ*****

- และอีกความคิดหนึ่งคือ ตอนแรกหนูว่าจะทำเหมือนช่วยเลือกสาขาตอนเข้ามหาลัยว่าเด็กมัธยมม.6 เกรดเวิชา หรือคะแนนเฉลี่ย เท่ารัยถึงจะเข้าคณะที่ต้องการได้ แต่ก้อไม่รู้จะต้องหาข้อมูลในระดับลึกอย่างไรอีกบ้าง เพราะเคยมีพี่บอกว่ามันยากถ้าเราต้องถามแบบสอบถามเด็กปี 1 ว่าตอนม.ปลายอยากเข้าคณะไหน เกรดเท่าไร แล้วได้เรียนตามที่เราทำนายหรือไม่ เพราะไม่ค่อยมีใครให้ข้อมูล หนูเลยว่ามันยากในการหาข้อมูล

2. ถ้าหนูหาข้อมูลของนักศึกษาในระดับ ปริญญาตรี ที่มีการเลือกสาขาเข้ามาแล้วตอน ent และหนูขอข้อมูลพวก(เกรดแต่ละวิชา ,รหัสวิชา ,GPA, ที่อยู่, สาขาที่เรียน GPA(มัธยม) ,เพศ) และงงตรงที่ว่าจะต้องขอข้อมูลหลายคณะหรือคณะเดียวแต่มีหลายสาขา และมีข้อมูลที่จำเป็นอะไรอีกบ้างค่ะที่ต้องมี (คือต้องขอชั้นปีไหนบ้างค่ะ) ที่เราจะสามารถนำมาทำ การวิเคราะห์เรื่องอะไรได้อีกบ้าง ซึ่งตรงนี้หนูไม่เข้าใจคิดไม่ออกว่าจะวิเคราะห์เป้าหมายอะไรได้อีกบ้าง (อาจจะมีบางมหาลัยให้ความอนุเคราะห์ข้อมูลหนู)

ซึ่งตอนแรกที่หนูทำคือหาข้อมูลคณะที่เรียนรวมตอนปี 1 แล้ว แล้วแยกสาขาตอนปี 2 โดยที่หนูตั้งใจจะทำคือ จะทำการClassification แบบ tree เพื่อช่วยตัดสินใจเลือกสาขาวิชาของคณะวิศวะซึ่งมี 15 สาขา วิชา ให้กับนักศึกษาปีที่ 1 ที่จะขึ้นชั้นปีที่ 2 (กรณีที่ปี1 เรียนรวม) ว่าควรจะเรียนสาขาไหนถึงจะมีโอกาสโดนรีไทน์น้อย โดยหนูขอข้อมูลคณะวิศวกรรมศาสตร์ ปีที่ 1 ที่เรียนรวมไม่แยกสาขาและ ชั้นปีที่2 และ 3 ซึ่งประกอบด้วยข้อมูล(เกรดแต่ละวิชา ,รหัสวิชา ,GPA(ป.ตรี), ที่อยู่, สาขาที่เรียน, GPA(มัธยม) ,เพศ) ย้อนหลัง 3 ปี

เพื่อนำข้อมูลดิบเหล่านี้มาสร้าง Tranning set และจำลองโมเดลต้นไม้จากข้อมูลดิบด้วย algorithm พวกนี้ขึ้นมาก่อนว่าได้ผลลัพธ์จากข้อมูลเก่าอย่างไร หลังจากนั้นจะทำการtest data ซึ่งจะมีข้อมูลนักศึกษารุ่นใหม่มาทำการเลือกโมเดลที่เคยได้จากข้อมูลเก่า แล้วจะคำนวณ algorithm ว่าถ้าข้อมูลใหม่ที่ได้ควรจะอยู่กลุ่มไหน สาขาไหนดี ซึ่งตอนแรกสำนักทะเบียน(kmitl) เค้ารับปากจะให้ข้อมูลหนูและหนูก้อทำmine map เกี่ยวกับแต่ละสาขาพื่อให้เจ้าหน้าที่ดึงง่าย หนูติดต่อตั้งแต่เดือนมิถุนาตามงานตลอด พอใกล้ส่งproject ซึ่งต้องใช้ข้อมูลดิบจริงเค้าไม่ให้ หนูก้อเลยเคว้งต้องdrop และต้องหาข้อมูลใหม่ทันทีเพราะต้องรีบทำ แต่หนูคิดไม่ออกว่าจะไปขอด้านไหนได้เพราะหนูไม่รู้จักคนในองค์กรนอกจากตามโรงเรียน หรือ มหาลัยที่ใจดีให้ข้อมูล

**** เลยอยากให้อาจารย์ช่วยยกตัวอย่างว่าจะวิเคราะห์เป้าหมายในการทำข้อมูลพวกนี้มีอะไรจะทำได้อีกบ้าง คงขอข้อมูลประมาณเดิม เพราะน่าจะหาได้ง่ายกว่าองค์กรอื่น และ ถ้าข้อมูลที่ได้เป็นมัธยมที่หนูเขียนอธิบายไปข้างต้นหนูคิดเป้าหมายได้แค่นั้น และถ้าเป็นระดับมหาลัยที่มีการเลือกสาขาตั้งแต่ตอนเข้ามาของแต่ละคณะแล้วหนูไม่รู้ว่าจะวิเคราะห์เป้าหมายอย่างไรได้อีกบ้างต้องขอข้อมูลคณะเดียวหรือหลายคณะในกาวิเคราะห์ งงงค่ะ เพราะตอนแรกจะทำแบบที่เล่าให้อาจารย์ฟังแต่พอข้อมูลต้องเปลี่ยนเลยคิดเป้าหมายในการวิเคราะห์ไม่ออก****

-------ทั้งนี้ขอรบกวนอาจารย์ช่วยแนะนำรายละเอียดหรือวิธีการเพิ่มเติม หนูจะได้มองเห็นภาพและนำไปประยุกต์ใช้กับข้อมูลที่ได้

แต่ตอนนี้ยางมองไม่เห็นหนทาง----- ตอนนี้มันตื้อไปหมด

ขอโทษด้วยน่ะค่ะที่มารบกวนอีกแล้ว พอดีหนูเห็นกระทู้ของอาจารย์ที่สามารถให้คำตอบได้หนูเลยเข้ามาใช้ทันทีค่ะ (หนูไม่ค่อยเก่ง ขอให้อาจารย์อธิบายละเอียดๆๆหน่อยน่ะค่ะ ) ขอความกรุณาด้วยค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

สวัสดีครับ

ในกรณีที่เราอยากให้ผลลัพธ์ของการ Test Data (ข้อมูลผลการศึกษาของนักเรียนต่างๆ) ออกมาได้ผลลัพธ์เป็นชื่อคณะที่แนะนำ (Target) เราสามารถกำหนดชื่อคณะที่จะแนะนำเป็นตัวแปรตาม (Target/Output) ส่วนข้อมูลผลการศึกษาอื่นๆ ไม่ว่าคุณจะได้ข้อมูลไหนมา ข้อมูลผลการเรียน ม.ปลาย หรือจำแนกเกรดตามรายวิชา ม.ปลาย ก็ได้ ก็สามารถใช้ Classification Tree เป็นระบบช่วยตัดสินใจเลือกเรียนคณะในมหาวิทยาลัยได้แล้วครับ

ยกตัวอย่างการใช้งานระบบนี้ => คุณกรอกข้อมูลนักเรียนเข้าไปว่า เกรดคณิตศาสตร์ ม.6 = 3 , เกรดฟิสิกส์ ม.6 = 4 , เกรดเคมี ม.6 = 2 , เกรดชีวะ ม.6 = 3 , เกรดภาษาอังกฤษ ม.6 = 4 , เกรดวิชาสังคม ม.6 = 2 ครบแล้ว ระบบอาจสรุปผลให้เราว่า มีความเชื่อมั่น (ความน่าจะเป็น) 75% ที่จะเอ็นท์ได้คณะวิศวกรรมศาสตร์ ม.XXX (วิเคราะห์โดยใช้ฐานข้อมูลเก่า ของ ม.นั้น ในอดีต เพื่อนำมาใช้พยากรณ์และตัดสินใจข้อมูลใหม่จาก Test Data)

ยกตัวอย่างมาแบบนี้ พอจะเข้าใจมากขึ้นไหมครับ ^_^

การอธิบายการทำ Data Mining ด้วยตัวหนังสืออย่างเดียว โดยไม่เห็นภาพเลยนี่ก็ยากนะครับ ยิ่งใครไม่เคยรู้ ไม่เคยใช้โปรแกรมอะไรมาก่อนเลย คงจะยากพอดูนะครับ

[ใต้น้ำ]

สัวสดี ครับอาจารย์แวะมาเยี่ยม อีกครั้งหนึ่งแล้ว

เทอมนี้ ต้องเรียนวิชา นี้ แล้วละครับ คงจะได้เอาปัญหามาถก กับ อาจารย์นะครับ

[cu]

สวัสดีค่ะอาจารย์ มีเรื่องสอบถามค่ะ

ใน Decision Tree ที่นิยมใช้เราจะใช้ค่าเกน ในการหาnodeเริ่มต้น แต่ตอนนี้คิดว่าค่าเกนนี้อาจจะไม่ถูกต้อง ดังนั้นเราจะมีวิธีการเลือกโหนดแบบอื่นไหมคะ ที่ไม่ใช้ค่าเกน

ขอบคุณค่ะ

[Oil]

สวัสดีค่ะ พอจะมีโค้ด หรือคำแนะนำในการวิเคราะห์ความพึงพอใจของลูกค้าจากข้อความคำแนะนำโดยการทำเหมืองความคิดเห็น ไหมค่ะ พอดีว่ากำลังศึกษาเรื่องนี้
ขอบคุณค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ทำได้หลายวิธีครับ ที่นิยมที่สุดคือทำ Customer Profiling ด้วยการใช้ Decision Tree เพื่อหาลักษณะของลูกค้าที่มีความพึงพอใจในระดับต่างๆ ว่ามีความเหมือนหรือแตกต่างกันอย่างไร

[ภัชรฌาภรณ์ จีนา]

อาจารย์ค่ะดิฉันอยากรบกวนขอความรู้จากอาจารย์ค่ะ เพราะเวลาหาข้อมูล customer segmentation มันมักจะไปเกี่ยวกับ market segmentation ในภาพรวมมากกว่า ดิฉันอยากรบกวนอาจารย์วิเคราะห์ ข้อดี ข้อเสีย ของแนวคิดสมัยใหม่กับ 

customer segmentation ได้หรือเปล่าคะ ขอบคุณที่เสียสละเวลาให้ความรู้กับดิฉันค่ะ ขอบพระคุณค่ะ

[วิทยา พรพัชรพงศ์ , Wittaya Pornpatcharapong]

ทฤษฏี Customer Segmentation มีเยอะมาก เพราะเป็นแนวคิดที่เกิดมานานแล้วครับ เริ่มบูมมากตั้งแต่ Marketing 2.0 การตลาดที่เน้นลูกค้าเป็นหลักเริ่มมาแรงจนถึงปัจจุบัน ถึงแม้ภาคทฤษฏีนั้น เรากำลังทำ Marketing 3.0 เพื่อให้องค์กรต่างๆ ใส่ใจสังคมให้มากขึ้น

ทฤษฏีมากมายผมคงพูดไม่หมด และคงไม่มีวันหมดด้วยครับ ค้นคว้าเองจะดีกว่า พัฒนาทักษะและองค์ความรู้ด้วย ในที่นี้ผมจะบอกภาพรวมให้เพียงว่า คำว่า Customer Segmentation นั้น เป็นคำที่ใช้ในวงการธุรกิจมากกว่าวิชาการครับ เพราะจากการประชุมกับองค์กรเอกชนต่างๆ มากมาย เค้ามักเค้าใจว่ามันคือสูตรครอบจักรวาล ตั้งแต่วิเคราะห์หากลุ่มลูกค้า แบ่งกลุ่มลูกค้า ประเมินผลลูกค้า รวมไปถึงการอธิบายลักษณะลูกค้าแต่ละกลุ่ม ซึ่งในทางวิชาการแล้ว จะแบ่งเรื่องเหล่านี้ออกเป็นเรื่องย่อยๆ ที่มีทฤษฏีแตกต่างกันมากครับ

ขั้นตอนแรกที่ควรทำคือ รู้หรือยังว่ามีลูกค้ากี่กลุ่ม หากยังไม่่รู้ต้องหาจำนวนกลุ่ม จำแนกตามตัวแปรที่จะแบ่งก่อน เช่น ยอดซื้อ กำไรที่ได้รับ ความถี่ในการซื้อ ฯลฯ  พวกนี้จะใช้เทคนิค Clustering หาก่อน และข้อมูลต้องเป็นเลขจำนวนจริงเท่านั้น (เทคนิคเก่า)

เมื่อทราบว่าลูกค้ามี่กี่กลุ่มชัดเจนแล้ว ค่อยไปอธิบายลักษณะของแต่ละกลุ่ม ว่าเป็นอย่างไร ภาษาธุรกิจเรียกว่า Customer Profiling ส่วนทางวิชาการเรียกว่า Customer Classification

พวกนี้เป็นเรื่องพื้นฐานของทางวิชาการเรื่องนี้ครับ ซึ่งทั้งหมดนี้นั้น ทางธุรกิจเรียกคำเดียวว่า Customer Segmentation

ผมยังไม่ได้พูดถึงการประเมินผล การทำนาย การพยากรณ์ลูกค้าเลยนะครับ ทางวิชาการมีเทคนิคการวิเคราะห์ที่หลากหลายมากครับ ทั้งหมดที่กล่าวมานั้น เป็นการทำเหมืองข้อมูล (Data Mining) ในภาพใหญ่ แต่เทคนิคจะใช้แตกต่างกันตามวัตถุประสงค์ และลักษณะตัวแปรในฐานข้อมูลที่มี ต้องเลือกให้เหมาะสมครับ

[Waridsara]

อาจารย์คะ ถ้าเราได้กลุ่มลูกค้าและกฎความสัมพันธ์ของสินค้าที่ลูกค้าซื้อแล้ว เราจะมาออกแบบระบบ ส่วนของ input จะเป็นพฤติกรรมขของลูกค้า ส่วนของ ouput เป็นความสัมพันธ์ของสินค้าใช่ไหมคะ

[คุณ นาง เรไร เสรีวัฒน์ คุณศศิวิมล เสรีวัฒน์]

คุณพรพิมล เสรีวัฒน์เจอกัน 38.

เจ๊เพ็ญพิมล เสรีวัฒน์ 59.

[orawan]

Customer Segmentation โรงพิมพ์เราควรแบ่งอย่างไรได้บ้างค่ะ