โอกาสใหม่ของ SMEs-Startups จาก Social Media

โดยเริ่มนำมาใช้งานในทางธุรกิจ เช่น ข้อมูลจากการทำธุรกรรมการเงินและการเปลี่ยนถ่ายข้อมูลในห่วงโซ่อุปทาน ซึ่งคิดเป็น 28% รองลงมาคือข้อมูลจากเทคโนโลยีใหม่เพื่อช่วยเหลือธุรกิจ เช่น mobile applications ซึ่งคิดเป็น 24% ต่อมาคือข้อมูลจากการใช้เพื่อสืบค้นจัดเก็บข้อมูลที่เกี่ยวข้องกับกฎหมายซึ่งคิดเป็น 19% ส่วนหลังสุดคือข้อมูลจากการใช้ข้อมูลจากสื่อ social media ซึ่งคิดเป็นเพียงแค่ 18% เท่านั้น

ทั้งนี้ถ้าลองคิดถึงการลงทุนเพื่อการจัดเก็บวิเคราะห์ข้อมูล และ applications การทำธุรกรรมจากข้อมูล big data ล้วนแล้วแต่อาศัยการลงทุนขนาดใหญ่ในการจัดเตรียม hardware และ software แต่เรามักลืมคิดไปว่าข้อมูลอีกชนิดหนึ่งที่มีอยู่โดยไม่มีต้นทุนและสามารถเข้าถึงได้โดยไม่ต้องใช้เงินลงทุนมากคือข้อมูลจาก social media ทั้งหลาย เพียงแต่ผู้ประกอบการต้องรู้จักทำความเข้าใจข้อมูลเหล่านี้เพื่อนำข้อมูลพวกนี้มาใช้ประโยชน์ในทางธุรกิจ

ที่ผ่านมาผู้ประกอบการ SMEs ส่วนใหญ่เล็งเห็นถึงความสำคัญของ social media เพียงแค่เป็นช่องทางการประชาสัมพันธ์โฆษณาที่เห็นผลได้ชัดจากสื่อsocial mediaไม่ว่าจะเป็น Pantip,Facebook, Instagram,หรือTwitter แต่ในความเป็นจริงแล้วข้อมูลจาก social media เหล่านี้เปรียบเสมือนภูเขาขุมทรัพย์ของข้อมูลที่มีอยู่มากมายรอผู้แสวงหาโอกาสมาตักตวงไปจากช่องทางต่างๆในอินเตอร์เน็ท

ใช่ว่า social media จะมีประโยชน์เพียงแค่เป็นสื่อประชาสัมพันธ์และการเข้าถึงกลุ่มลูกค้าให้เห็นโฆษณาเท่านั้น แต่ข้อมูลบนสื่อเหล่านี้ล้วนแล้วแต่เป็นทรัพยากรชั้นดีที่สามารถช่วยในการทำความเข้าใจความต้องการของกลุ่มลูกค้าอย่างแท้จริงหากมีการนำทฤษฎีเกี่ยวกับการวิเคราะห์ข้อมูลจากฝั่งนักวิทยาศาสตร์ข้อมูล (data scientists)รวบรวมข้อมูลติดตามการพูดคุยสนทนา การเขียนรีวิวหรือการโพสความเห็นโต้ตอบผลิตภัณฑ์หรือตัวสินค้าในธุรกิจให้เกิดประโยชน์สูงสุด การวิเคราะห์ข้อมูลเหล่านี้ทำได้ในกับข้อมูลตัวอักษรทั้งหลาย(text mining)ซึ่งเป็นการวิเคราะห์ความเห็นหรือความรู้สึกของกลุ่มลูกค้าผู้ใช้ผลิตภัณฑ์และบริการ (sentiment or opinion analysis)

ขั้นตอนในการทำ sentimental analysis ของสินค้าและบริการเริ่มจากแยกส่วนของข้อมูลจากทั้งเอกสารออกมาเป็นรายประโยคย่อย แล้วแยกกลุ่มคำที่เป็นความเห็นส่วนตัวออกจากข้อมูลที่เกี่ยวข้องกับผลิตภัณฑ์การวิเคราะห์ข้อมูลรายประโยคจะทำให้เราเห็นความเห็นของผู้ใช้แยกออกมาจากคุณสมบัติของผลิตภัณฑ์หรือตัวสินค้าได้ท้ายสุดคือการวิเคราะห์ความเห็นโดดซึ่งเป็นความคิดเห็นต่อผลิตภัณฑ์ซึ่งใช้ในการสรุปสิ่งที่ผลิตภัณฑ์ยังขาดไปรวมถึงข้อบกพร่องเพื่อนำมาใช้ปรับปรุงผลิตภัณฑ์หรือการให้บริการได้สูงสุด 

เช่น การวิเคราะห์ข้อมูลการแนะนำผลิตภัณฑ์สายการบินราคาประหยัด การวิเคราะห์ทั้งหน้าเอกสารอาจสรุปเบื้องต้นว่าได้คะแนน3เต็ม5 โดยประกอบไปด้วยรีวิวจากผู้โดยสารที่ว่าด้วย บริการของพนักงานดี บริการอาหารที่ดี แต่ไม่ตรงเวลา ดังนั้นการวิเคราะห์รายประโยคจะแยกส่วนของข้อมูลผลิตภัณฑ์และการบริการ (เช่นพนักงาน อาหาร ความตรงต่อเวลา) ออกจากความเห็น (ดีหรือไม่ดี) ออกจากสิ่งที่ควรปรับปรุงได้แก่ คือความไม่ตรงเวลาของสายการบินนี้ เป็นต้น

ตัวอย่างของการใช้งานข้อมูลsocial mediaในประเทศสหรัฐอเมริกาและจีน มีการนำข้อมูลจากข้อความทั้งหมดของคอมเมนต์รีวิว แล้วเชื่อมโยงกับตัวชี้วัดคือผลความพึงพอใจของระดับจำนวนดาว (1ใน5) หรือ การแนะนำสินค้าแก่ผู้อื่นซึ่งเป็นนิยมแพร่หลายใน websites เช่น Amazon, eBay และร้านค้าปลีกออนไลน์อื่นๆมาทำการวิเคราะห์ได้ว่าเป็นข้อมูลเชิงบวกหรือเชิงลบสามารถนำมาทำนายการซื้อสินค้าและช่องทางของสินค้าใหม่ 

ทั้งนี้ยังมีการธุรกิจ Startups ทำนายราคาหุ้นจากข้อมูลใน Twitter ส่วนในประเทศจีนมีการนำรีวิวการท่องเที่ยวจาก Ctrip ซึ่งเป็น Website ท่องเที่ยวและขายตั๋วเครื่องบินและโรงแรม หรือรีวิวการใช้บริการทางสุขภาพและการขอคำปรึกษาทางการแพทย์จากเว็บไซต์ Guahao ไปเป็นช่องทางเปิดธุรกิจใหม่

จากตัวอย่างข้างต้นในการวิเคราะห์ข้อมูลความเห็นนี้ ผู้ประกอบการSMEsไทยสามารถปรับแนวคิดของการวิเคราะห์ข้อมูลจาก แหล่งข้อมูลsocial mediaและใช้ประโยชน์ข้อมูลที่มีอยู่มากมายมหาศาลได้โดยหาช่องทางใช้ประโยชน์ของข้อมูลที่ว่ากันว่าไม่มีโครงสร้างที่แน่นอน (unstructured data)ให้เกิดประโยชน์แก่องค์กรได้การปรับกลยุทธ์นี้จะทำให้องค์กรก้าวทันโลกของการใช้ข้อมูลให้เกิดประโยชน์สูงสุด และแข่งขันกับผู้ประกอบการรายใหญ่ได้โดยไม่น้อยหน้า

ทั้งนี้และทั้งนั้นการทำsentiment analysisจากข้อมูลsocial mediaในภาษาไทยก็ยังมีอุปสรรคอยู่ อันดับแรกคือการตัดคำในภาษาไทยยังทำได้ยากเพราะคำภาษาไทยเป็นcharacter-basedและไม่ใช้space(ช่องว่าง)ระหว่างคำ เมื่อเปรียบเทียบกับภาษาcharacter-basedอื่นๆเช่นภาษาอังกฤษ ลาติน ฝรั่งเศสที่ใช้ช่องว่างระหว่างคำในทางกลับกันภาษาอื่นที่ไม่ใช้ช่องว่างระหว่างคำเช่น ภาษาจีน เกาหลี และ ญี่ปุ่นเป็นsymbol-basedที่ใช้เครื่องหมาย(symbol)แทนคำ อันดับที่สองคือ ยังไม่มีการทำพจนานุกรมความรู้สึกในภาษาไทยโดยขณะที่ในภาษาอังกฤษมี SentiWord ในภาษาจีนมี HowNet

ตอนนี้มีหลายบริษัทในไทยที่เริ่มขายข้อมูลทาง social media ที่ช่วยข้ามอุปสรรคทางข้อมูลเหล่านี้ในส่วนของธนาคารแห่งประเทศไทยก็เริ่มส่งเสริมการวิเคราะห์ข้อมูล social media ที่เกี่ยวข้องกับธนาคารพาณิชย์เพื่อใช้ในการช่วยกำกับและดูแลด้านจริยธรรม (business conduct and ethics)ของธนาคารพาณิชย์ซึ่งธุรกิจSMEs

------

เครดิต :เขียนโดย ดร. พราวพรรณ ธารสิทธิ์พงษ์ ประธานหลักสูตรบริหารธุรกิจมหาบัณฑิต และอาจารย์ประจำกลุ่มสาขาวิชาบริหารธุรกิจ วิทยาลัยนานาชาติ มหาวิทยาลัยมหิดล และ ศ.ดร.วันประชา เชาวลิตวงศ์ ผู้อำนวยการสถาบันดาต้าอนาไลติกส์ มหาลัยแห่งมลรัฐอาคันซอ ประทศสหรัฐอเมริกา และที่ปรีกษาธนาคารแห่งประทศไทย