การวิเคราะห์คอนเทนต์แบบผิด ๆ ใน Data Driven Content Marketing

เมื่อพูดถึงเรื่องการใช้ Data เพื่อวิเคราะห์คอนเทนต์นั้น ปัญหาที่หลายคนมักบ่นอยู่บ่อย ๆ ก็คือเรื่องการวัดผล ซึ่งส่วนหนึ่งก็มักจะเกิดขึ้นจากการที่ต้องอธิบายกับคนที่ทำงานร่วมกันว่าจะดูข้อมูลอะไร หรือที่จะไปกันใหญ่ก็คือการได้รับยอดหรือเป้าบางอย่างที่ไม่สมเหตุสมผล ซึ่งสิ่งเหล่านี้เองนั้นก็เกิดขึ้นจากการเข้าใจข้อมูลกันแบบคลาดเคลื่อน จนนำไปสู่การมองข้อมูลและใช้หน่วยวัดที่ไม่เหมาะสมเพื่อมาวิเคราะห์คอนเทนต์นั่นเอง

1. การใช้หน่วยวัดที่ไม่สอดคล้องกับเป้าหมาย

ลองคิดง่าย ๆ ว่าถ้าเราทำคอนเทนต์เพื่อให้เกิด Engagement ประเภท Reaction ต่าง ๆ ใน Facebook แล้วกลับไปวิเคราะห์ประสิทธิภาพจากว่าใครคลิกลิงค์ที่แปะไว้ใน Caption เท่าไรนั้น ก็คงจะไม่สอดคล้องกันเท่าไรนัก

สิ่งที่ผมมักจะบอกผู้บริหารหรือคนที่เกี่ยวข้องกับการทำคอนเทนต์อยู่บ่อย ๆ ก็คือการกำหนดกรอบให้ชัดว่าคอนเทนต์นี้ต้องการอะไร ไม่ใช่การพูดกว้าง ๆ แค่บอกว่า “ทำคอนเทนต์ที่มีคุณภาพ” เพราะการมีคุณภาพนั้นก็มีหลายแบบ ไม่ว่าจะทำคอนเทนต์ให้คนจำได้ ให้คน Action ในแบบที่แตกต่างกัน และนั่นทำให้การใช้หน่วยวัดมาวิเคราะห์ก็ต้องสอดคล้องไปด้วยนั่นเอง

2. การเปรียบเทียบโดยไม่รู้ไส้ใน

การเทียบแบบ Apple-to-Apple นั้นเป็นคอนเซปต์ที่มักจะใช้อธิบายแต่เอาจริง ๆ มันทำแทบไม่ได้เลย เพราะการทำคอนเทนต์นั้นมีปัจจัยเกี่ยวข้องมากมายแต่เราก็มักจะชอบเอาคอนเทนต์จากสองแหล่งมาเทียบชนกันแบบตรง ๆ ประเภทว่าอันไหนมีคนไลค์เยอะกว่า อันไหนคนแชร์มากกว่าทั้งที่จริง ๆ แล้วมันต้องวิเคราะห์ที่มาที่ไปและเหตุปัจจัยอื่น ๆ ที่เกี่ยวข้อง ไม่ว่าจะเป็นเรื่องของการใช้งบสนับสนุนโปรโมท กลุ่มคนที่เห็นคอนเทนต์ ช่วงเวลาต่าง ๆ

แน่นอนว่าการเทียบกันระหว่างคอนเทนต์ของเราเองก็อาจจะวิเคราะห์ได้มากกว่าเนื่องจากเราพอจะสามารถควบคุมการทดลองหรือการเข้าถึงข้อมูลต่า งๆ ได้เยอะหน่อย แต่ถ้าเป็นการเทียบกับคู่แข่งหรือคนอื่นที่เราไม่ให้ไส้ในของข้อมูลแล้วก็จะเป็นเรื่องที่วิเคราะห์กันทื่อ ๆ เลยได้ยากมากทีเดียว

3. การไม่เข้าใจตัวชี้วัด และตีความผิด ๆ

แม้ว่าความรู้เรื่องคอนเทนต์จะเยอะขึ้นมาก แต่ผมก็ยังเจอบ่อย ๆ กับการบอกว่าคอนเทนต์ดีคือคอนเทนต์ที่แชร์เยอะ ๆ มียอด Engagment เยอะ ๆ ซึ่งมันอาจจะไม่ได้เป็นแบบนั้นเสียทีเดียว แถมบางคอนเทนต์อาจจะดังกันแบบผิดวัตถุประสงค์ไปเลยก็ได้

สิ่งที่ต้องระวังคือตัวชี้วัดและ “ปริมาณ” ต่าง ๆ ที่เกิดขึ้นในตัวชี้วัดนั้น ๆ อาจจะทำให้เราเข้าใจผิดแบบคลาดเคลื่อนไปเยอะมากหากไม่ได้เห็นว่าสิ่งนั้นสะท้อนอะไร เช่นเดียวกับถ้าเราหลุดโฟกัสไปว่าจริง ๆ แล้วเราทำคอนเทนต์นี้เพื่ออะไร ทั้งนี้เพราะการใช้ตัวชี้วัดผิด ๆ แถมเป็นการทำคอนเทนต์เพื่อตามตัวชี้วัดนั้น ๆ อาจจะได้ผลของการสื่อสารที่ไม่ได้ดั่งหวังก็ได้ เช่นทำคอนเทนต์เพื่อให้ Engagement เยอะๆ แต่ไม่เกี่ยวกับแบรนด์ หรือทำให้คนแชร์เยอะแต่ไม่ได้นำไปสู่การขาย เป็นต้น=

ที่เล่ามานี้เป็นส่วนหนึ่งของตัวอยย่างการวิเคราะห์คอนเทนต์กันแบบผิด ๆ แม้ว่าจะใช้ Data ต่าง ๆ เข้ามาประกอบการวิเคราะห์แล้วก็ตาม ซึ่งนั่นทำให้การจะทำ Data Driven Content Marketing เองคงจะไม่ใช่การเก็บข้อมูลแล้วเอามาทำรายงานกันเฉย ๆ หากแต่ผู้วิเคราะห์จำเป็นต้องเข้าใจและรู้จักใช้ข้อมูลให้เกิดประโยชน์จริง ๆ ด้วยนั่นเอง