Hyper-personalization: เมื่อ AI ช่วยให้ธนาคารรู้ใจลูกค้าขั้นสุด

25 กันยายน 2567

By Parinya Mingsakul

บทนำ

เทคโนโลยีใหม่ๆ เกิดขึ้นมากมายในปัจจุบัน โดยมีปัญญาประดิษฐ์ (Artificial Intelligence: AI) เป็นหนึ่งในเทคโนโลยีที่คนจำนวนมากกล่าวถึงและเข้ามามีบทบาทต่อการดำเนินธุรกิจในแทบทุกวงการ ซึ่งกระแสของ Generative AI หรือ “ปัญญาประดิษฐ์นักสร้าง” ที่สามารถทำงานได้หลากหลาย อาทิ สร้างสรรค์เนื้อหา สรุปความ แปลภาษา โต้ตอบกับมนุษย์ เขียนโค้ดโปรแกรม วิเคราะห์ข้อมูลและให้คำแนะนำต่างๆ ได้กระตุ้นให้หลายอุตสาหกรรมรวมถึงภาคธนาคารพยายามนำ AI มาใช้ประโยชน์ในการพัฒนานวัตกรรมด้านการให้บริการแก่ลูกค้า ท่ามกลางสถานการณ์การแข่งขันอันดุเดือด ธุรกิจธนาคารที่ขับเคลื่อนด้วยข้อมูลปริมาณมหาศาลสามารถใช้ AI เพื่อสร้างปฏิสัมพันธ์กับลูกค้าได้ โดยอาศัยการวิเคราะห์และประมวลผลข้อมูลเพื่อทำนายความต้องการของลูกค้าแต่ละรายได้อย่างรวดเร็วและแม่นยำ ทำให้ธนาคารสามารถนำเสนอผลิตภัณฑ์หรือบริการทางการเงินที่ตอบโจทย์ลูกค้าได้อย่างเหมาะสม และเฉพาะเจาะจงสำหรับแต่ละรายประหนึ่งรู้ใจ หรือที่เรียกว่า Hyper-personalization

Hyper-personalization คืออะไร สำคัญอย่างไร

ในยุคปัจจุบัน ผู้คนต่างแสวงหาสินค้าหรือบริการเพื่อตอบโจทย์กับไลฟ์สไตล์ของตน และแสดงออกถึงความเป็นตัวเองที่มีเอกลักษณ์เฉพาะและแตกต่างกันไปในแต่ละบุคคล ส่งผลให้ธุรกิจพยายามเรียนรู้ถึงพฤติกรรมของลูกค้าอย่างละเอียดลึกซึ้ง เพื่อให้สินค้าและบริการของตนสามารถตอบสนองความต้องการของลูกค้าแต่ละรายได้อย่างตรงใจและรอบด้าน เพราะยิ่งทำความรู้จักลูกค้าได้ดีขึ้นเท่าใด ย่อมหมายถึงโอกาสทางธุรกิจที่เพิ่มขึ้นด้วยเท่านั้น

ที่ผ่านมา กลยุทธ์การตลาดแบบเฉพาะบุคคลได้รับความนิยมสูงขึ้น โดยภาคธุรกิจมักนำข้อมูลในอดีต (Historical data) ที่เกี่ยวข้องกับผู้บริโภคมาวิเคราะห์เป็นรายกลุ่มหรือรายบุคคล จากนั้นจึงนำเสนอผลิตภัณฑ์หรือบริการที่ลูกค้าแต่ละกลุ่มหรือแต่ละรายอาจจะสนใจ หรือที่เรียกว่า Personalization ตัวอย่างเช่น ข้อความหรืออีเมลแนะนำผลิตภัณฑ์ที่ระบุชื่อของลูกค้าเข้าไปด้วย โดยจะเลือกผลิตภัณฑ์ที่นำเสนอผ่านการวิเคราะห์ความชื่นชอบและพฤติกรรมของลูกค้า ตลอดจนประวัติการซื้อสินค้าหรือร่องรอยการค้นคว้าหาข้อมูลของสินค้านั้นๆ ในช่วงที่ผ่านมา อย่างไรก็ตาม แนวทาง Personalization ซึ่งแบ่งลูกค้าออกเป็นกลุ่ม (Segmentation) ตามหลักประชากรศาสตร์ (Demographic) เช่น เพศ อายุ รายได้ หรือแบ่งตามความชื่นชอบและใช้เพียงข้อมูลในอดีตมาประมวลเพื่อนำเสนอสินค้าหรือบริการเฉพาะกลุ่มนั้น ยังไม่สามารถตอบสนองความต้องการของผู้บริโภคได้ดีและแม่นยำมากพอ ธุรกิจจึงมุ่งพัฒนาการทำความรู้จักลูกค้ารายบุคคลแบบเจาะลึก เพื่อนำเสนอผลิตภัณฑ์หรือบริการที่ตอบโจทย์และตรงใจลูกค้าแต่ละรายมากยิ่งขึ้น จนเกิดแนวทางใหม่ที่เรียกว่า Hyper-personalization ซึ่งเป็นการตลาดเฉพาะบุคคลที่มีประสิทธิภาพสูงและสามารถสร้างความประทับใจแก่ลูกค้าได้มากยิ่งขึ้นกว่าเดิม โดยฟันเฟืองสำคัญคือการใช้ AI ประมวลผลข้อมูลขนาดใหญ่ (Big data) แบบเรียลไทม์ เพื่อให้เข้าใจความต้องการของลูกค้าได้อย่างลึกซึ้ง โดยตัวอย่างของข้อมูลที่มีการนำมาประมวล เช่น พฤติกรรมการเลือกดูสินค้าและจับจ่ายใช้สอย พฤติกรรมด้านการเงิน ไลฟ์สไตล์และความสนใจ พิกัดปัจจุบันของลูกค้า (Current location) หรือแม้แต่ช่องทางการซื้อสินค้าและบริการ เป็นต้น

Hyper-personalization เป็นการทำตลาดที่ใช้เทคโนโลยีต่างๆ มาขับเคลื่อนอย่างเป็นขั้นตอน ตั้งแต่ 1) การจัดเก็บหรือรวบรวมข้อมูลขนาดใหญ่ (Big data) ที่สะท้อนถึงตัวตน ความชื่นชอบ และพฤติกรรมเชิงลึกของลูกค้า (Who and What) 2) การประมวลผลและพยากรณ์ความต้องการของลูกค้าที่แม่นยำ เพื่อนำเสนอผลิตภัณฑ์หรือบริการ ตลอดจนสร้างข้อเสนอหรือให้คำแนะนำอย่างตรงจุดและตอบโจทย์ลูกค้าแต่ละราย (What’s next) จากนั้นจะเข้าสู่ 3) การปรับแต่งเนื้อหาทางการตลาดให้เหมาะสมกับลูกค้าแต่ละบุคคลแบบเรียลไทม์ ดังนั้น จะเห็นว่า Hyper-personalization เป็นการทำการตลาดที่สามารถสร้างปฏิสัมพันธ์กับลูกค้าในระดับบุคคลได้อย่างแม่นยำและรวดเร็วยิ่งขึ้น เช่น ในระหว่างที่ลูกค้าทดลองขับรถยนต์กับดีลเลอร์ ธนาคารสามารถนำเสนอโปรโมชันของสินเชื่อเช่าซื้อ หรือให้คำแนะนำทางการเงินสำหรับซื้อรถยนต์ที่เหมาะสมกับบริบทของลูกค้าได้อย่างฉับไวหรือในทันที ผ่านช่องทางการสื่อสาร เช่น อีเมล ข้อความสั้น (SMS) หรือแอปพลิเคชันของธนาคาร เป็นต้น

ภาคธุรกิจต่างสนใจ Hyper-personalization

เมื่อ Hyper-personalization ช่วยสร้างแต้มต่อในการแข่งขัน หลากหลายธุรกิจจึงมุ่งมั่นวางแผนในเรื่องดังกล่าว โดย Brainy Insights ประเมินว่าในปี 2566 มูลค่าตลาดทั่วโลกของ Hyper-personalization อยู่ที่ 18.9 พันล้านดอลลาร์สหรัฐ และในปี 2576 มูลค่าดังกล่าวจะเพิ่มขึ้นเป็น 74.8 พันล้านดอลลาร์สหรัฐ^1/ หรือคิดเป็นอัตราการเติบโตเฉลี่ยสะสมต่อปี (CAGR) ที่สูงถึงร้อยละ 41 นอกจากนี้ ผลสำรวจของ MMA Global^2/ ในปี 2566 ยังพบว่า ร้อยละ 44 ของธุรกิจทั่วโลกมีแผนขยายการออกแบบผลิตภัณฑ์หรือบริการให้เฉพาะเจาะจงกับลูกค้าแต่ละรายเพื่อเพิ่มความผูกพัน (Engagement) และความภักดี (Loyalty) ของลูกค้า^3/

ตัวอย่างบริษัทที่มีความโดดเด่นในเรื่อง Hyper-personalization คือ Netflix ผู้ให้บริการสตรีมมิ่งสื่อบันเทิงที่ทั่วโลกรู้จักดี โดย Netflix ใช้ AI เพื่อเรียนรู้และวิเคราะห์ข้อมูลของลูกค้าในเชิงลึก อาทิ วันเวลาที่ลูกค้ารับชมสิ่งบันเทิง ประเภทและลักษณะของอุปกรณ์ที่ใช้ ตลอดจนพฤติกรรมการกดข้ามหรือกดหยุดชั่วคราวในระหว่างรับชม ทำให้บริษัทสามารถปรับเปลี่ยนการนำเสนอตัวเลือกภาพยนตร์ ซีรีส์ หรือเนื้อหาประเภทอื่นๆ แบบวันต่อวัน เสมือนรู้ใจลูกค้าว่าชื่นชอบหรือต้องการรับชมสิ่งบันเทิงประเภทใดสำหรับช่วงเวลาใดในแต่ละวัน ยิ่งไปกว่านั้น เมื่อ AI เข้าสู่ยุคที่มีความชาญฉลาดมากขึ้น Netflix ยังได้พัฒนาโมเดลภาษาขนาดใหญ่ (Large Language Model: LLM)^4/ สำหรับสนทนาโต้ตอบกับผู้ใช้งานเพื่อให้คำแนะนำในการรับชม (Conversational recommendation) ซึ่งนับว่าเป็นการส่งมอบประสบการณ์ที่ดียิ่งขึ้นสำหรับลูกค้า^5/ โดย Deloitte ได้ประเมินว่า รายรับกว่าร้อยละ 60 ของ Netfilx เป็นผลพลอยได้จาก Hyper-personalization^6/

นอกจากนี้ อุตสาหกรรมอื่นๆ ได้นำ Hyper-personalization มาใช้สร้างความประทับใจแก่ลูกค้าและสร้างโอกาสด้วยเช่นกัน โดยเฉพาะธุรกิจค้าปลีก โดยสำหรับประเทศไทย ห้างโลตัส (Lotus’s) ได้พัฒนาแอปพลิเคชัน My Lotus’s ที่ใช้ AI ประมวลผลข้อมูลขนาดใหญ่ (Big data) ทำให้บริษัทเข้าใจพฤติกรรมของลูกค้ามากขึ้น รวมถึงสามารถนำเสนอโปรโมชันและสิทธิประโยชน์ที่ปรับเปลี่ยนให้เหมาะสมกับความสนใจของลูกค้าแต่ละรายได้ดียิ่งขึ้นด้วย^7/

AI กับบทบาทด้าน Hyper-personalization

ผลสำรวจของ McKinsey & Company และมหาวิทยาลัย Stanford พบว่า ในปี 2566 องค์กรทั่วโลกกว่า 1 ใน 4 ได้มอบหมายให้ AI เป็นผู้ช่วยในงานพัฒนาผลิตภัณฑ์หรือบริการ รวมถึงการขายและการตลาดให้ดียิ่งขึ้น และหากพิจารณาเจาะลึกในบทบาทเฉพาะด้านของ AI จะพบว่า องค์กรทั่วโลกกว่าร้อยละ 23 ใช้ AI สร้างประโยชน์ในกิจกรรมด้านการตลาดเฉพาะบุคคล (Personalization) ซึ่งมากเป็นอันดับสองรองจากการให้บริการลูกค้าโดยอัตโนมัติ (Contact-center automation)^8/ (ภาพที่ 3)

AI ถือเป็นเทคโนโลยีสำคัญที่ขับเคลื่อนงานด้าน Hyper-personalization โดยทำหน้าที่คิดวิเคราะห์และคิดสร้างสรรค์ หรือทำงานเหมือนกับสมองซีกซ้ายและซีกขวาของมนุษย์ที่มีทั้งส่วนของเหตุผลและการสร้างสรรค์ สำหรับประเภทของ AI ที่มีบทบาทสำคัญในเรื่อง Hyper-personalization ได้แก่

ปัญญาประดิษฐ์นักทำนาย (Predictive AI: PreAI) เชี่ยวชาญในการพยากรณ์ถึงโอกาสหรือความเป็นไปได้ของเหตุการณ์เพื่อสนับสนุนการตัดสินใจทางธุรกิจ จึงเปรียบเสมือนสมองซีกซ้ายของมนุษย์ซึ่งทำหน้าที่ในด้านตรรกะ (Logic) การคำนวณและการวัดผล สำหรับงานด้าน Hyper-personalization นั้น PreAI เป็นเครื่องมือสำคัญที่ช่วยวิเคราะห์และทำให้ได้รู้ว่าลูกค้าคือใคร เข้าใจสิ่งที่ลูกค้าต้องการได้อย่างลึกซึ้ง รวมถึงประมวลผลเพื่อหาข้อเสนอที่ดีที่สุด (Best offer) ของผลิตภัณฑ์หรือบริการที่เหมาะสมกับลูกค้าแต่ละราย
ปัญญาประดิษฐ์นักสร้าง (Generative AI: GenAI)^9/ เชี่ยวชาญในการรังสรรค์สิ่งใหม่ เช่น งานออกแบบเนื้อหาหรือคอนเทนต์ (Content) ให้ตรงกับความสนใจของลูกค้า หรือออกแบบเส้นทางผู้บริโภค (Customer journey) ตั้งแต่เริ่มติดต่อกับธุรกิจจนกลายเป็นลูกค้า จึงเปรียบเสมือนสมองซีกขวาของมนุษย์ซึ่งทำหน้าที่คิดสร้างสรรค์หรือมีมุมมองแบบองค์รวม (Holistic perspective) นอกจากนี้ GenAI ยังสามารถสนทนาหรือโต้ตอบกับมนุษย์ด้วยภาษาที่มนุษย์ใช้สื่อสารกันโดยปกติ (Natural language) ในรูปแบบของแชตบอท จึงทำให้ GenAI สามารถสวมบทบาทเป็นผู้ช่วยเสมือน (Virtual Assistant) ที่พร้อมตอบคำถามหรือทำตามคำสั่งของลูกค้าอย่างฉับไวได้อีกด้วย

นอกจาก AI สองประเภทที่กล่าวถึงข้างต้นแล้ว ยังมี AI ที่ชำนาญในด้านอื่นๆ และสามารถเข้ามาช่วยเสริมทัพด้าน Hyper-personalization ได้ด้วย อาทิ Adaptive AI หรือ ปัญญาประดิษฐ์ที่ปรับเปลี่ยนได้ ซึ่งเป็น AI ที่สามารถนำข้อมูลหรือการเรียนรู้ในอดีตมาพัฒนาโมเดล จึงสามารถปรับตัวต่อสถานการณ์ใหม่ๆ ได้ดีและสามารถประยุกต์ใช้งานได้หลากหลาย ดังนั้น Adaptive AI จึงสามารถช่วยสร้างปฏิสัมพันธ์หรือโต้ตอบกับลูกค้า และยังช่วยปรับการยิงโฆษณาให้สอดคล้องกับความสนใจของแต่ละบุคคลได้ดียิ่งขึ้น¹⁰/ นอกจากนี้ยังมี Conversational AI หรือปัญญาประดิษฐ์เชิงสนทนา ที่สามารถตอบโต้กับลูกค้าที่มีความต้องการแตกต่างกันได้อย่างทันทีทันใด จะเห็นว่า ความสามารถของ AI เหล่านี้จะเป็นเครื่องมือสำคัญที่ช่วยให้ Hyper-personalization เข้าถึงและตอบโจทย์ลูกค้าได้ดียิ่งขึ้น

AI กับบทบาทด้าน Hyper-personalization ในภาคธนาคาร

ในช่วงไม่กี่ปีที่ผ่านมา ธนาคารหลายแห่งต่างเร่งลงทุนในเทคโนโลยี AI โดย The Association for The Advancement of Artificial Intelligence ประเมินว่า มูลค่าตลาดของ AI ในอุตสาหกรรมการเงินการธนาคารจะสูงถึง 277 พันล้านดอลลาร์สหรัฐในปี 2573 โดยเติบโตอย่างต่อเนื่องจากระดับ 46 พันล้านดอลลาร์สหรัฐในปี 2567 หรือคิดเป็นอัตราการเติบโตเฉลี่ยสะสมต่อปี (CAGR) ร้อยละ 35^11/ (ภาพที่ 5) นอกจากนี้ ผลสำรวจของ McKinsey และมหาวิทยาลัย Stanford ในปี 2566 พบว่า องค์กรในอุตสาหกรรมการบริการทางการเงิน (Financial services) มากกว่า 1 ใน 5 ได้ประยุกต์ใช้ AI ในกิจกรรมการตลาดและการขาย รวมถึงกิจกรรมการพัฒนาผลิตภัณฑ์และบริการที่เกี่ยวข้องกับ Hyper-personalization (ภาพที่ 6)

^{ความสำคัญของ Hyper-personalization ต่อธนาคาร}

จากอดีตถึงปัจจุบัน ภาคธนาคารได้ประยุกต์ใช้เทคโนโลยีต่างๆ เพื่อตอบสนองความต้องการของลูกค้ามาโดยตลอด ผลสำรวจของ Salesforce ในปี 2567 พบว่า ผู้บริโภคกว่าร้อยละ 61 ต้องการให้ธนาคารมอบคำแนะนำที่เหมาะสมกับความต้องการของลูกค้าแต่ละราย12/ ดังนั้น Hyper-personalization จึงเป็นอีกภารกิจสำคัญในการมัดใจลูกค้า และแสดงออกถึงจุดยืนว่า “ลูกค้าคือคนสำคัญ” ที่ชัดเจนยิ่งขึ้นด้วย ซึ่งทั้งธนาคารและลูกค้าล้วนได้รับประโยชน์จาก Hyper-personalization ด้วยกันทั้งสองฝ่าย โดยคุณประโยชน์อันเด่นชัดมีดังนี้

ประโยชน์ที่ลูกค้าได้รับจาก Hyper-personalization

1) ประสบการณ์ที่ดี

Hyper-personalization ช่วยให้ลูกค้าเข้าถึงผลิตภัณฑ์หรือการให้บริการของธนาคารที่ตอบสนองความต้องการของลูกค้าได้แม่นยำ จึงได้รับประสบการณ์ที่ดียิ่งขึ้น โดย AI จะช่วยคาดการณ์ความต้องการของลูกค้าแต่ละรายได้อย่างฉับไว และนำเสนอผลิตภัณฑ์ทางการเงินที่ตรงกับไลฟ์สไตล์ ไม่ว่าจะเป็นสินเชื่อประเภทต่างๆ ผลิตภัณฑ์เงินฝาก รวมถึงสิทธิประโยชน์ (Rewards) ผ่านช่องทางและรูปแบบการสื่อสารที่เหมาะสมกับลูกค้า หรือแม้กระทั่งมอบข้อเสนอหรือคำแนะนำในระหว่างที่ลูกค้าเยี่ยมชมเว็บไซต์หรือหาข้อมูลผลิตภัณฑ์ทางการเงินเพื่อตัดสินใจทำธุรกรรม ตัวอย่างเช่น ขณะที่ลูกค้ากำลังกรอกข้อมูลสมัครสินเชื่อผ่านทางเว็บไซต์ AI สามารถประมวลข้อมูลของลูกค้าและช่วยให้ธนาคารสามารถติดต่อลูกค้าเพื่อมอบคำแนะนำด้านการเงิน และ/หรือนำเสนอสินเชื่อที่น่าสนใจและเหมาะสมต่อความเสี่ยงของลูกค้าได้อย่างทันทีทันใด ลูกค้าจึงได้รับประสบการณ์ที่ราบรื่นไร้รอยต่อ (Seamless customer experience) พร้อมกับเข้าถึงผลิตภัณฑ์ทางการเงินที่เหมาะสมและตรงใจ

นอกจากนี้ ธนาคารสามารถต่อยอด Hyper-personalization กับบริการของผู้ช่วยเสมือนที่คอยอำนวยความสะดวกเมื่อลูกค้าติดต่อผ่านทางแชตบอทอัจฉริยะหรือคอลเซ็นเตอร์ ซึ่งช่วยให้ลูกค้าได้รับความช่วยเหลืออย่างรวดเร็วและได้รับคำแนะนำที่เหมาะสมกับความต้องการของลูกค้า

2) การบรรลุเป้าหมายทางการเงิน

อีกหนึ่งคุณประโยชน์ของ Hyper-personalization คือช่วยให้ลูกค้าได้รับคำแนะนำเชิงลึกจากธนาคารเพื่อบรรลุเป้าหมายทางการเงิน โดย AI สามารถประมวลผลข้อมูลและช่วยให้ธนาคารเข้าใจถึงเป้าหมายทางการเงิน ตลอดจนพฤติกรรมและสถานะทางการเงินของลูกค้าแต่ละรายได้ ธนาคารจึงสามารถออกแบบผลิตภัณฑ์ทางการเงิน ข้อเสนอ หรือแผนการออมเงินที่เจาะจงตามเป้าหมายของลูกค้าแต่ละราย นอกจากนี้ ธนาคารอาจเพิ่มฟังก์ชันแดชบอร์ดในแอปพลิเคชันของธนาคารที่ช่วยติดตาม (Tracking dashboard) และแสดงข้อมูลเชิงลึกทางด้านการเงินของลูกค้าไปพร้อมๆ กับให้คำแนะนำหรือนำเสนอผลิตภัณฑ์เพื่อให้ลูกค้าแต่ละรายบรรลุเป้าหมายทางการเงินของตนด้วย

ประโยชน์ที่ธนาคารได้รับจาก Hyper-personalization

1) รายรับและโอกาสทางธุรกิจ

ธนาคารมีโอกาสสร้างรายรับจาก Hyper-personalization ได้หลายแนวทาง นับตั้งแต่การแนะนำผลิตภัณฑ์หรือบริการประเภทอื่นที่เกี่ยวข้องและมีประโยชน์แต่ลูกค้ายังไม่ทราบหรือยังเข้าไม่ถึง รวมถึงอาจต่อยอดสร้างความร่วมมือกับพันธมิตรทางธุรกิจ (Partner) เพื่อนำเสนอผลิตภัณฑ์ของพันธมิตรที่ลูกค้าสนใจควบคู่กับบริการทางการเงินของธนาคาร ทั้งนี้ งานศึกษาของ McKinsey รายงานว่าการตลาดที่รู้ใจลูกค้าช่วยเพิ่มรายได้สูงสุดถึงร้อยละ 15 และเพิ่มผลตอบแทนจากการลงทุนด้านการตลาด (Marketing Return On Investment: ROI) ได้สูงสุดถึงร้อยละ 30^13/ และบทความของ BCG ได้บ่งชี้ว่า ธนาคารสามารถสร้างรายได้เพิ่มขึ้นถึงร้อยละ 10 หากทำการตลาดแบบเฉพาะเจาะจงลูกค้าแต่ละราย^14/

2) การรักษาฐานลูกค้า

แม้ลูกค้าจะได้รับความสะดวกสบายจากการให้บริการของธนาคารผ่านช่องทางดิจิทัล แต่ในขณะเดียวกันลูกค้าก็สามารถเปลี่ยนใจไปใช้บริการออนไลน์จากธนาคารอื่นได้อย่างง่ายดายเช่นกัน โดยผลสำรวจของ Accenture ในปี 2566 พบว่า ผู้บริโภคกว่าร้อยละ 42 ไม่สามารถบอกความแตกต่างของผู้ให้บริการทางการเงินในยุคดิจิทัลได้อย่างชัดเจน^15/ ซึ่งอาจส่งผลกระทบต่อความรู้สึกผูกพันและความภักดีที่ลูกค้ามีต่อธนาคารได้ ดังนั้น Hyper-personalization จึงเป็นอีกหนึ่งหนทางที่จะช่วยรักษาฐานลูกค้าให้อยู่กับธนาคารเดิมไว้ได้ โดยผลสำรวจของ Twilo ในปี 2566 ระบุว่า หากลูกค้าได้รับประสบการณ์ที่ตอบโจทย์ในระดับบุคคลแล้ว ลูกค้าร้อยละ 56 จะอุดหนุนสินค้าหรือบริการจากผู้ขายรายเดิม^16/ ฉะนั้น เมื่อธนาคารเข้าใจพฤติกรรมในอดีตและความชื่นชอบของลูกค้าได้อย่างลึกซึ้ง และสามารถคาดการณ์ความต้องการของลูกค้าด้วย AI ที่ชาญฉลาด ก็จะช่วยให้ลูกค้าใช้บริการของธนาคารต่อไปโดยไม่เปลี่ยนใจไปหาคู่แข่ง

ข้อมูลคือหัวใจสำคัญ

การมัดใจลูกค้าด้วย Hyper-personalization โดยใช้ AI จำเป็นต้องอาศัยข้อมูลของลูกค้าที่มีคุณภาพ ไม่ว่าจะเป็นข้อมูลประวัติการทำธุรกรรม การเยี่ยมชมเว็บไซต์ การซื้อสินค้า กิจกรรมในสื่อสังคมออนไลน์ รวมถึงข้อมูลจากการสำรวจความคิดเห็นของลูกค้าก็สามารถนำมาใช้ประโยชน์ได้ อาทิ กรณีของ Bank of America (BofA) ที่สำรวจความรู้สึกหรือความต้องการของลูกค้ามากกว่า 50 ล้านคน แล้วนำข้อมูลดังกล่าวมาใช้ปรับปรุงการบริการในระดับรายบุคคล^17/ อย่างไรก็ตาม หากธนาคารมีโครงสร้างพื้นฐานด้านเทคโนโลยีและด้านการจัดการข้อมูลที่ไม่เอื้ออำนวย อาจก่อให้เกิดอุปสรรคเมื่อต้องวิเคราะห์ข้อมูลปริมาณมากได้ เช่น ข้อมูลระหว่างฝ่ายงานไม่เชื่อมโยงกัน (Siloed data) ไปจนถึงข้อจำกัดด้านการเข้าถึงข้อมูลเพื่อนำไปใช้ประโยชน์ต่ออีกทอดหนึ่ง เป็นต้น

แม้ AI จะฉลาดล้ำ แต่มนุษย์ยังคงต้องมีส่วนร่วม

แม้ AI สามารถแนะนำผลิตภัณฑ์หรือบริการได้ตรงใจลูกค้าในรูปแบบผู้ช่วยเสมือน แต่ลูกค้าบางกลุ่มยังต้องการติดต่อพูดคุยกับมนุษย์ (Human touch) หรือในบางสถานการณ์มนุษย์อาจจะสามารถให้บริการลูกค้าได้ดีกว่า ตัวอย่างเช่น แชตบอทที่ขับเคลื่อนด้วย AI แม้จะสามารถตอบคำถามได้มากมายแบบตรงไปตรงมาอย่างรวดเร็วและบ่อยครั้ง แต่ยังคงมีข้อจำกัด เช่น ยังไม่สามารถตอบคำถามที่ซับซ้อนได้ดีนักและยังไม่สามารถรับรู้อารมณ์ของลูกค้า ซึ่งงานศึกษาของ Accenture (2024)^18/ บ่งชี้ว่า ธนาคารสามารถมีเพิ่มรายได้ถึงร้อยละ 6 ภายในระยะเวลา 3 ปี หากสามารถผสมผสานการทำงานระหว่าง AI และมนุษย์เพื่อให้คำแนะนำทางด้านการบริหารความมั่งคั่ง (Wealth Management) ออกแบบผลิตภัณฑ์ให้เหมาะสมกับลูกค้ารายบุคคล และปรับปรุงการให้บริการของศูนย์บริการลูกค้า (Contact center) เป็นต้น

มุมมองวิจัยกรุงศรี: ถนนสู่ความสำเร็จของ Hyper-personalization

สำหรับภาคธนาคารแล้ว การนำ AI มาใช้ประโยชน์ด้าน Hyper-Personalization จะนำมาซึ่งประโยชน์ต่อทั้งธนาคารและลูกค้า และอาจนำไปสู่โอกาสทางธุรกิจใหม่ๆ ได้ด้วย แต่สิ่งที่ธนาคารควรต้องตระหนักเป็นอย่างยิ่งคือความเป็นส่วนตัว (Privacy) จากการใช้เทคโนโลยี นอกจากนี้ ธนาคารยังอยู่ในฐานะผู้ควบคุมข้อมูลส่วนบุคคล (Data Controller) ตามพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 ดังนั้นประเด็นด้านความปลอดภัยของข้อมูลลูกค้า (Data security) จึงเป็นเรื่องสำคัญต่อธนาคารเช่นกันและเป็นประเด็นที่ผู้คนจำนวนมากรู้สึกกังวล อันสะท้อนจากผลสำรวจของวิจัยกรุงศรีในช่วงปลายปี 2566 ที่พบว่า ผู้ตอบแบบสำรวจยกให้เรื่องการสูญเสียความเป็นส่วนตัวเนื่องจากถูกเทคโนโลยีสอดส่องพฤติกรรมอยู่ในความกังวล 5 อันดับแรก^24/ ดังนั้น เพื่อลดความกังวลดังกล่าว ธนาคารจึงต้องสื่อสารให้ลูกค้ารับทราบอย่างชัดเจนว่า Hyper-personalization มีวัตถุประสงค์เพียงเพื่อยกระดับประสบการณ์การให้บริการให้ดียิ่งขึ้น โดยจะใช้เฉพาะข้อมูลที่ได้รับความยินยอมจากลูกค้าเท่านั้น และต้องสร้างเกราะป้องกันและยกระดับมาตรฐานการรักษาข้อมูลของลูกค้าไม่ให้รั่วไหล นอกจากนี้ ธนาคารเองต้องคำนึงถึงประเด็นการใช้ AI อย่างรับผิดชอบ (Responsible AI) และกำกับดูแลการใช้งานรวมถึงพัฒนาโมเดล AI ในด้านต่างๆ อย่างรอบคอบและรัดกุม อาทิ ด้านการประมวลผลของ AI จะต้องถูกต้อง เป็นธรรม ไม่มีอคติ

สำหรับแนวทางสำคัญที่จะทำให้ธนาคารสามารถพัฒนา Hyper-personalization ให้ประสบผลสำเร็จได้นั้นจะมาจากการพัฒนาด้านเทคโนโลยีและด้านทรัพยากรมนุษย์ควบคู่กันไป ดังนี้

ด้านเทคโนโลยี ธนาคารอาจพิจารณา 1) สร้างฐานข้อมูลขนาดใหญ่ที่สามารถจัดเก็บและเชื่อมโยงข้อมูลระหว่างกลุ่มงาน ซึ่งจะช่วยให้การนำข้อมูลที่เกี่ยวข้องกับบริบทของลูกค้าอย่างรอบด้าน (Contextual data) ไปใช้ประโยชน์ต่อได้ง่ายขึ้น และช่วยให้สามารถมองเห็นเส้นทางของลูกค้า (Customer journey) ได้ชัดเจนขึ้น 2) พัฒนาระบบไอทีหลักของธนาคาร (Core Banking) เพื่อให้ข้อมูลเชื่อมโยงกัน และให้ AI สามารถประมวลผลแบบเรียลไทม์ได้อย่างทรงพลังยิ่งขึ้น เพื่อเสริมศักยภาพธนาคารในการให้บริการรูปแบบดิจิทัลและนำเสนอผลิตภัณฑ์หรือบริการที่ตรงใจลูกค้ามากยิ่งขึ้น^25/ และ 3) ประยุกต์ใช้เทคโนโลยี AI ร่วมกับเทคโนโลยีอื่นๆ เพื่อยกระดับนวัตกรรมด้าน Hyper-personalization อาทิ เทคโนโลยีอินเทอร์เน็ตของสรรพสิ่งหรือ IoT^26/ ซึ่งเป็นเทคโนโลยีที่ทำให้อุปกรณ์รอบตัวสามารถจัดเก็บข้อมูลและเชื่อมต่อกับอินเทอร์เน็ตได้ จึงช่วยให้วิเคราะห์ข้อมูลพฤติกรรมหรือความชื่นชอบของลูกค้าได้อย่างละเอียดและทันทีทันใด รวมถึงต้องติดตามความก้าวหน้าของการผสานความสามารถของเทคโนโลยี AI และเทคโนโลยีการคำนวณเชิงควอนตัม (Quantum Computing)^27/ ซึ่งจะมาพลิกโฉมการวิเคราะห์ข้อมูลให้ทรงพลังและฉับไวยิ่งขึ้นในอนาคต

ด้านการบริหารบุคลากร ธนาคารควรสร้างวัฒนธรรมการทำงานที่เอื้อให้พนักงานได้เรียนรู้เทคโนโลยีเกิดใหม่ และพัฒนาตนเองอย่างต่อเนื่อง ซึ่งอาจรวมถึงการสร้างเครือข่ายกับผู้เชี่ยวชาญด้าน AI จากหน่วยงานภายนอกเพื่อแลกเปลี่ยนความรู้ระหว่างกัน และให้ธนาคารสามารถดึงดูดและรักษาบุคลากรที่มีความสามารถด้านเทคโนโลยีและการจัดการข้อมูล โดยเฉพาะผู้เชี่ยวชาญด้าน AI รวมถึงนักวิทยาศาสตร์ข้อมูล (Data scientist) ซึ่งเป็นกำลังสำคัญที่ขับเคลื่อนให้ Hyper-personalization ประสบความสำเร็จ นอกจากนี้ยังควรส่งเสริมให้พนักงานได้พัฒนาตนเองโดยเพิ่มพูนทักษะการทำงานร่วมกับ AI เช่น การใช้เครื่องมือ AI การสื่อสารระหว่างบุคคล (Interpersonal skills) ความฉลาดทางด้านอารมณ์ (Emotional intelligence) เป็นต้น

นอกจากนี้ ธนาคารสามารถปลูกฝังให้พนักงานเห็นถึงประโยชน์ของนวัตกรรมทางการเงินที่ช่วยให้ลูกค้าได้รับความประทับใจและความสะดวกสบายด้านการเงิน โดยเมื่อนำเสนอนวัตกรรมด้าน AI ที่ผนวกอยู่ในผลิตภัณฑ์และบริการทางการเงินให้แก่ลูกค้าและสาธารณชนได้รับรู้อย่างต่อเนื่อง ก็จะช่วยดึงดูดความสนใจจากสาธารณชนในวงกว้างและช่วยกระตุ้นให้ผู้มีความสามารถด้านเทคโนโลยีสนใจเข้ามาร่วมงานกับธนาคารได้อีกทางด้วย

จะเห็นได้ว่า หากภาคธนาคารต้องการผลักดันให้ AI สามารถประมวลผลและสร้างสรรค์ผลลัพธ์สำหรับ Hyper-personalization ให้ได้อย่างยอดเยี่ยมที่สุดแล้วนั้น จะต้องทุ่มเททรัพยากรเพื่อพัฒนาทั้งเทคโนโลยีและทรัพยากรบุคคล ซึ่งต้องอาศัยการวางแผนที่สอดรับกันอย่างรอบด้าน ทั้งแผนด้านเทคโนโลยี บุคลากร กระบวนการทำงาน และกรอบจริยธรรมในการดำเนินงาน เพื่อให้ AI สามารถเป็นผู้ช่วยในการ Hyper-personalization ได้อย่างเต็มประสิทธิภาพ กล่าวคือ ช่วยให้ลูกค้าเข้าถึงผลิตภัณฑ์ทางการเงินที่ตอบสนองความต้องการเฉพาะบุคคลได้ดีขึ้น อันจะช่วยเพิ่มความผูกพันของลูกค้ากับธนาคาร และช่วยเน้นย้ำจุดยืนว่า “ลูกค้าคือคนสำคัญ” ได้อีกทางหนึ่งด้วย

References

Accenture (2024): “Banking on AI Banking Top 10 Trends for 2024” Retrieved April 19 2024 from https://www.accenture.com/content/dam/accenture/final/industry/banking/document/Accenture-Banking-Top-10-Trends-2024.pdf

Adam Wilson (2023): “Personalization vs hyper-personalization: The future of digital marketing”. Retrieved July 9 2024 from https://medium.com/@adamwilsonwebmaxy/personalization-vs-hyper-personalization-the-future-of-digital-marketing-682b97eea621

Amazon (2023): “MUFG Signs Multiyear Global Agreement with AWS to Accelerate Digital Transformation” Retrieved May 19 2024 from https://press.aboutamazon.com/2023/11/mufg-signs-multiyear-global-agreement-with-aws-to-accelerate-digital-transformation

BCG (2019): “What Does Personalization in Banking Really Mean?” Retrieved July 9 2024 from https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-personalization

BCG (2023): “A Generative AI Roadmap for Financial Institutions”. Retrieved May 13 2024 from https://www.bcg.com/publications/2023/a-genai-roadmap-for-fis

Blake Morgan (2022): “How Bank Of America Provides Personalized Digital Service To 55 Million Clients” Retrieved April 19 2024 from https://www.blakemichellemorgan.com/podcast/how-bank-of-america-provides-personalized-digital-service/

Brinda Sereno (2023): “Banking Institutions Should Utilize Hyper-Personalized Strategies to Drive Growth”. Retrieved July 15 2024 from https://tvsnext.com/blog/banking-institutions-should-utilize-hyper-personalization-strategies-to-drive-growth/

Walkme (2022): “Hyper-Personalization”. Retrieved June 25 2024 from https://www.walkme.com/glossary/hyper-personalization/

Deloitte (2023): “2024 banking and capital markets outlook”. Retrieved June 25 2024 from https://www2.deloitte.com/us/en/insights/industry/financial-services/financial-services-industry-outlooks/banking-industry-outlook.html

Fat Finger (2023): “Adaptive AI วิวัฒนาการปัญญาประดิษฐ์สุดล้ำ เข้าใจง่ายกว่าที่คุณคิด”. Retrieved June 20 2024 from https://www.averyittech.com/news/Adaptive_AI

Grand View Research (2023): “Artificial Intelligence Market Size, Share, Growth Report 2030”. Retrieved July 9 2024 from https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market

HCL Tech (2021): “Hyper-personalization: a defining competitive edge in Financial Services”. Retrieved July 9 2024 from https://www.hcltech.com/white-papers/ai-financial-services-industry

JPMorgan Chase & Co. (2023): “Annual Report 2023”. Retrieved September 2 2024 from https://www.jpmorganchase.com/content/dam/jpmc/jpmorgan-chase-and-co/investor-relations/documents/annualreport-2023.pdf

JPMorgan Chase & Co. (2023): “Investor Day 2023: Global Technology”. Retrieved September 2 2024 from https://www.jpmorganchase.com/content/dam/jpmc/jpmorgan-chase-and-co/investor-relations/documents/events/2023/jpmc-investor-day-2023/global-technology.pdf

McKinsey & Company (2023): “What is personalization?”. Retrieved July 9 2024 from https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-personalization

MMA (2023): “The State of AI in Marketing and CX”. Retrieved July 15 2024 from https://www.mmaglobal.com/documents/state-ai-marketing

Netflix Research (2023): “Large Language Models as Zero-Shot Conversational Recommenders”. Retrieved June 25 2024 from https://research.netflix.com/publication/large-language-models-as-zero-shot-conversational-recommenders

Plaid (2023): “Tech Talk: Unlock the future of banking personalization to win and retain customers”. Retrieved June 20 2024 from https://plaid.com/blog/unlocking-the-future-banking-personalization/

Saleforce (2023): “The Connected Financial Services Report” . Retrieved September 2 2024 from https://www.salesforce.com/content/dam/web/en_us/www/documents/resources/research-reports/financial-services-report.pdf

Sameer Garde (2024): “Driving Performance With Content Hyper-Personalization Through AI And LLMs”. Retrieved June 20 2024 from https://www.forbes.com/councils/forbesbusinesscouncil/2024/02/23/driving-performance-with-content-hyper-personalization-through-ai-and-llms/

Techsauce Team (2024): “ยกระดับ ‘My Lotus's’ ให้ตรงใจลูกค้า ด้วยการใช้ AI และ Big data”. Retrieved June 20 2024 from https://techsauce.co/news/upgrading-my-lotus-by-using-ai-and-big-data?fbclid=IwAR1hwlO32CvYc4LGJJEI8aqJU51A_ihSprXWfxtaGuTJCC8QrGtW04tz2Jg

The Asian Banker (2023): “Hyper-personalisation is changing the banking experience”. Retrieved April 23 2024 from https://www.theasianbanker.com/updates-and-articles/hyper-personalisation-is-changing-the-banking-experience

The Brainy insights (2023): “Hyper Personalization Market”. Retrieved July 2 2024 from https://www.thebrainyinsights.com/report/hyper-personalization-market-14004

Wipro (2021): “Hyper-personalization: a defining competitive edge in Financial Services”. Retrieved July 9 2024 from https://www.wipro.com/blogs/harpreet-arora/hyper-personalization-a-defining-competitive-edge-in-financial-services/

ZDnet (2023): “AI and data: Honing hyper-personalization to build the bank of the future”. Retrieved June 2 2024 from https://www.zdnet.com/article/ai-and-data-honing-hyper-personalization-to-build-the-bank-of-the-future/

ZDnet (2023): “How to achieve hyper-personalization using generative AI platforms”. Retrieved June 2 2024 from https://www.zdnet.com/article/how-to-achieve-hyper-personalization-using-generative-ai-platforms/

1/ https://www.thebrainyinsights.com/report/hyper-personalization-market-14004
2/ MMA ย่อมาจาก Mobile Marketing Association ซึ่ง MMA Global เป็นสมาคมด้านการตลาดผ่านมือถือระดับโลกที่มีบริษัทชั้นนำเป็นสมาชิกมากกว่า 800 แห่ง อาทิ Uber Mastercard Meta Google Citi และดำเนินงานในลักษณะองค์กรไม่แสวงหาผลกำไรที่มุ่งเน้นการเร่งการเปลี่ยนแปลงและนวัตกรรมทางการตลาดผ่านเทคโนโลยีมือถือและเทคโนโลยีใหม่ๆ ผ่านการเฟ้นหาแนวทางปฏิบัติที่ดีที่สุด งานวิจัย และการสร้างเครือข่ายทางธุรกิจ เพื่อช่วยให้ธุรกิจต่างๆ สามารถปรับกลยุทธ์การตลาดให้มีประสิทธิภาพมากขึ้น
3/ ผลสำรวจประธานเจ้าหน้าที่การตลาด (Chief Marketing Officer) ทั่วโลกจำนวน 102 ราย ดูรายละเอียดเพิ่มเติมได้ที่ https://www.mmaglobal.com/documents/state-ai-marketing
4/ Large Language Model หรือ LLM เป็นชื่อเรียกของโมเดลพื้นฐาน (Foundation model) หรือโครงข่ายประสาทเทียมของ AI ประเภทหนึ่งที่ผ่านการฝึกด้วยข้อความจำนวนมหาศาล ทำให้ AI สามารถเข้าใจและสื่อสารกับเราได้ด้วยภาษาของมนุษย์
5/ https://research.netflix.com/publication/large-language-models-as-zero-shot-conversational-recommenders
6/ https://www2.deloitte.com/content/dam/Deloitte/uk/Documents/financial-services/deloitte-uk-hp-the-future-of-retail-banking.pdf
7/ ยกระดับ ‘My Lotus's’ ให้ตรงใจลูกค้า ด้วยการใช้ AI และ Big data | Techsauce
8/ https://aiindex.stanford.edu/wp-content/uploads/2024/04/HAI_AI-Index-Report-2024.pdf
9/ อ่านรายละเอียดเพิ่มเติมได้ที่บทวิเคราะห์ Generative AI เทคโนโลยีพลิกโฉมโลก
10/ https://www.averyittech.com/news/Adaptive_AI
11/ อุตสาหกรรมการเงินการธนาคารเป็นอุตสาหกรรมที่ประยุกต์ใช้งาน AI มากเป็นอันดับสอง 2 โดยเป็นรองเพียงอุตสาหกรรมการดูแลสุขภาพ (Health care) ที่มา: Artificial Intelligence Market Size, Share, Growth Report 2030 (grandviewresearch.com)
12/ ผลสำรวจผู้บริโภค 6,058 คน ใน 12 ประเทศ อาทิ ออสเตรเลีย บราซิล ฝรั่งเศส สหรัฐอเมริกา ดูรายละเอียดเพิ่มเติมได้ที่: financial-services-report.pdf (salesforce.com)
13/ https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-personalization
14/ https://www.bcg.com/publications/2019/what-does-personalization-banking-really-mean
15/ https://www.accenture.com/content/dam/accenture/final/industry/banking/document/Accenture-Banking-Top-10-Trends-2024.pdf
16/ ผลสำรวจผู้บริโภคจำนวน 3,001 คนในประเทศ เช่น สหรัฐฯ สหราชอาณาจักร ออสเตรเลีย ญี่ปุ่น ดูรายละเอียดได้ที่ https://segment.com/state-of-personalization-report/
17/ https://www.blakemichellemorgan.com/podcast/how-bank-of-america-provides-personalized-digital-service/
18/ https://www.accenture.com/content/dam/accenture/final/industry/banking/document/Accenture-Banking-Top-10-Trends-2024.pdf
19/ https://press.aboutamazon.com/2023/11/mufg-signs-multiyear-global-agreement-with-aws-to-accelerate-digital-transformation
20/ Global Technology (jpmorganchase.com)
21/ 2023 Annual Report (jpmorganchase.com)
22/ https://www.dbs.com/artificial-intelligence-machine-learning/artificial-intelligence/dbs-ai-powered-digital-transformation.html
23/ https://www.walkme.com/glossary/hyper-personalization/ , https://www.capitalone.com/digital/eno/ และ
https://tvsnext.com/blog/banking-institutions-should-utilize-hyper-personalization-strategies-to-drive-growth/
24/ อ่านข้อมูลเพิ่มเติมได้ที่บทวิเคราะห์ ความหวังและความกลัวต่อเทคโนโลยีเกิดใหม่
25/ ธนาคารกรุงศรีอยุธยามีโครงการปรับปรุง Core banking ที่ชื่อว่า “Jupiter Project” โดยมีมูลค่าการลงทุนกว่า 15,000 ล้านบาท สามารถติดตามรายละเอียดได้ที่ https://www.thairath.co.th/money/personal_finance/banking_bond/2759920
26/ ดูรายละเอียดประโยชน์ของเทคโนโลยี IoT ในภาคธนาคารเพิ่มเติมได้ที่ แนวโน้มเทคโนโลยีในภาคธนาคาร ปี 2023
27/ การคำนวณเชิงควอนตัม (Quantum computing) คือการประมวลที่ใช้ปรากฏการณ์เชิง Quantum ที่ทำให้คอมพิวเตอร์ประมวลผลเร็วขึ้นอย่างมหาศาล เทคโนโลยีการประมวลผลดังกล่าวจึงช่วยทลายขีดจำกัดสำหรับ AI ได้ โดยเริ่มมีงานวิจัยที่นำเทคโนโลยี AI และ Quantum มาทำงานร่วมกันแล้วพบว่าช่วยทำให้ AI มีพลังประมวลผลเพิ่มขึ้น