สวัสดีครับ จากข้อมูลที่คุณให้มา ผมขอตอบคำถามเป็นข้อๆ เพื่อความชัดเจนดังนี้ครับ
Google ADS สร้าง Impressions ได้หลากหลายและการกำหนดกลยุทธ์ที่สร้างเป็น Custom Audiences ใน Google Ads ยิ่งเสริมคุณภาพของกลุ่มเป้าหมายที่สูงขึ้น
จากภาพ ตัวเลขที่คุณเห็นในตารางทั้งสองภาพนั้น มาจากแพลตฟอร์ม Google Ads ที่เดียวทั้งหมดครับ ไม่ได้มาจากแหล่งข้อมูลอื่นภายนอก แต่ Google Ads เองเป็นแพลตฟอร์มขนาดใหญ่ที่สามารถนำโฆษณาของคุณไปแสดงผลในช่องทาง (Channel) ต่างๆ ในเครือข่ายของ Google ได้แก่:
-
Google Discover: ฟีดข่าวบนหน้าแรกของแอป Google และ Chrome บนมือถือ
-
Gmail: แสดงโฆษณาในแท็บ Promotions และ Social
-
Google Display Network (GDN): เครือข่ายเว็บไซต์และแอปพลิเคชันพาร์ทเนอร์กว่าล้านแห่ง
-
Google Maps: แสดงผลบนแผนที่เมื่อมีการค้นหาที่เกี่ยวข้อง
-
YouTube และ Google Search (ซึ่งไม่ได้อยู่ในภาพตัวอย่างนี้ แต่เป็นส่วนหนึ่งของเครือข่าย)
ดังนั้น ภาพที่ 1 (Asset details) คือรายละเอียดประสิทธิภาพของชิ้นงานโฆษณาแต่ละชิ้น (เช่น รูปภาพ, ข้อความ) และภาพที่ 2 (Channel distribution) คือการสรุปผลว่าโฆษณาชุดเดียวกันนี้ถูกนำไปแสดงในช่องทางไหนบ้างและมีประสิทธิภาพเป็นอย่างไร
สำหรับคำถามที่ว่า ทำไม Google Maps ไม่ขึ้นเลย (เป็น 0 ทั้งหมด) มีสาเหตุที่เป็นไปได้หลักๆ คือ:
-
ไม่ได้ตั้งค่า Location Asset: แคมเปญโฆษณานั้นอาจจะยังไม่ได้เชื่อมต่อกับ Google Business Profile หรือยังไม่ได้เพิ่มข้อมูลที่ตั้ง (Location Asset) ทำให้ Google ไม่มีข้อมูลที่จะนำโฆษณาไปแสดงบนแผนที่
-
ประเภทแคมเปญไม่เหมาะสม: บางประเภทแคมเปญ เช่น แคมเปญที่เน้น Conversion บนเว็บไซต์เพียงอย่างเดียว อาจจะไม่ได้ถูกออกแบบมาให้แสดงผลบน Google Maps เป็นหลัก
-
กลุ่มเป้าหมายและการประมูลราคา: อาจไม่มีการกำหนดเป้าหมายตามพื้นที่ หรือการประมูลราคาไม่สูงพอที่จะแข่งขันในพื้นที่โฆษณาบน Google Maps ได้
1. Google Ads, Customer Journey Map และตัวเลข Impressions
ความสัมพันธ์โดยตรงกับขั้นตอน Awareness (การรับรู้) ใน Customer Journey Map
คุณเข้าใจถูกต้องแล้วครับ ตัวเลข Impressions (จำนวนครั้งที่โฆษณาแสดงผล) ใน Google Ads มีความสัมพันธ์โดยตรงกับขั้นตอน Awareness (การรับรู้) ใน Customer Journey Map ที่คุณแนบมา
คำถาม: Google ทำได้อย่างไร? ตัวเลขนี้เป็นของจริงหรือไม่?
คำตอบคือ ตัวเลขเหล่านี้เป็นของจริง ไม่ได้เป็นการจำลองเพื่อการตลาดครับ เหตุผลที่ Google สามารถสร้าง Impressions ได้จำนวนมหาศาล มาจากขนาดของเครือข่าย (Network) ที่ครอบคลุมการใช้งานอินเทอร์เน็ตของผู้คนทั่วโลก
-
เข้าถึงผู้ใช้ในทุกกิจกรรม: ลองนึกภาพตามนะครับ ในหนึ่งวัน คนทั่วไปอาจจะ:
-
ค้นหาสิ่งต่างๆ ผ่าน Google Search
-
ดูวิดีโอผ่าน YouTube
-
เช็คอีเมลใน Gmail
-
อ่านข่าวสารบนเว็บไซต์ต่างๆ ที่เป็นพาร์ทเนอร์ของ Google Display Network
-
ไถฟีดข่าวใน Google Discover บนมือถือ
-
การแสดงผลที่ตรงเป้าหมาย: Google Ads ไม่ได้แสดงโฆษณาแบบสุ่ม แต่จะใช้ข้อมูลมหาศาลเพื่อแสดงโฆษณาให้ตรงกับกลุ่มเป้าหมายที่คุณกำหนดไว้ (เช่น ความสนใจ, เพศ, อายุ, สถานที่) ดังนั้น Impressions ที่เกิดขึ้นจึงเป็นการสร้างการรับรู้กับกลุ่มคนที่มีแนวโน้มจะสนใจสินค้าหรือบริการของคุณจริงๆ
ดังนั้น การที่ Impressions สูง ก็เหมือนกับการนำป้ายโฆษณาของคุณไปติดตั้งในทุกที่ที่กลุ่มเป้าหมายของคุณอยู่ ทำให้เกิดการรับรู้ในวงกว้าง ซึ่งเป็นจุดเริ่มต้นของ Customer Journey ครับ
2. การใช้ Vertex AI และ GCP เพื่อเสริมประสิทธิภาพ Google Ads (สำหรับ X9)
Meta Facebook ตัวจัดการโฆษณา แหล่งข้อมูลที่สร้าง Convertion กับ Website ได้เป็นอย่างดี.
เมื่อเทียบกับ Meta Facebook ตัวจัดการโฆษณา เป็นเรื่องปกติที่จำนวนย่อมมีปริมาณมาก และคำถามเกี่ยว ราคา CPM Google ที่มีตัวเลขค่อยข้าง นั้นมีสาเหตุหลักที่สำคัญมาก และคุณได้ตั้งคำถามที่ดีมากครับ และแสดงถึงความเข้าใจในระดับสูงครับ การนำข้อมูลจากแพลตฟอร์มอื่นๆ เช่น Google Cloud Platform (GCP) โดยเฉพาะ การใช้เครื่องมือ AI อย่าง Vertex AI มาเสริม Google Ads คือกลยุทธ์การตลาดขั้นสูงที่เรียกว่า Data-Driven Marketing ครับ
กระบวนการโดยสรุป
ข้อมูลดิบ (Raw Data) -> ประมวลผลและสร้างโมเดล (Vertex AI) -> สร้างกลุ่มเป้าหมายอัจฉริยะ (Audiences) -> ส่งต่อไปยัง Google Ads เพื่อใช้งานจริง
ขั้นตอนพร้อมเหตุผล
-
การรวบรวมข้อมูล (Data Collection)
-
ทำอะไร: รวบรวมข้อมูลลูกค้าของ X9 จากทุกแหล่งที่คุณมี เช่น ข้อมูลการซื้อจากระบบ CRM, พฤติกรรมการใช้งานเว็บไซต์หรือแอปพลิเคชัน, ข้อมูลจากหน้าร้าน มาจัดเก็บไว้ในที่เดียวบน GCP เช่น BigQuery
-
เหตุผล: ข้อมูลเหล่านี้คือ First-Party Data ซึ่งเป็นข้อมูลที่มีค่าที่สุด เพราะเป็นข้อมูลลูกค้าของคุณเอง บอกได้ว่าใครคือลูกค้าชั้นดี, ใครซื้อบ่อย, ใครเลิกใช้บริการไปแล้ว ซึ่ง Google Ads เพียงอย่างเดียวอาจไม่มีข้อมูลเชิงลึกขนาดนี้
-
การวิเคราะห์และสร้างโมเดลด้วย Vertex AI (Analysis & Modeling)
-
ทำอะไร: นำข้อมูลจาก BigQuery มาให้ Vertex AI ซึ่งเป็นแพลตฟอร์ม Machine Learning ช่วยวิเคราะห์และสร้างโมเดลเพื่อทำนายพฤติกรรมลูกค้า ตัวอย่างโมเดลที่สามารถสร้างได้:
-
Customer Lifetime Value (LTV) Prediction: ทำนายว่าลูกค้าแต่ละคนจะสร้างรายได้ให้ X9 เท่าไหร่ในอนาคต
-
Churn Prediction: ทำนายว่าลูกค้าคนไหนมีความเสี่ยงที่จะเลิกใช้บริการ
-
Customer Segmentation: แบ่งกลุ่มลูกค้าตามพฤติกรรมที่ซับซ้อน เช่น กลุ่ม "ลูกค้ามูลค่าสูงที่กำลังจะหายไป" หรือกลุ่ม "ผู้ใช้ที่ลองใช้ฟรีแต่มีแนวโน้มจะจ่ายเงิน"
-
เหตุผล: แทนที่จะมองลูกค้าทุกคนเหมือนกัน Vertex AI ช่วยให้คุณเข้าใจลูกค้าแต่ละกลุ่มในระดับที่ลึกซึ้ง และมองเห็นโอกาสหรือความเสี่ยงที่ตามองไม่เห็น
-
การนำไปใช้งานใน Google Ads (Activation)
-
ทำอะไร: ส่งออก "รายชื่อลูกค้า" จากโมเดลใน Vertex AI ไปสร้างเป็น Custom Audiences ใน Google Ads
-
เหตุผล (นี่คือส่วนที่สำคัญที่สุด) คุณสามารถใช้ Audience เหล่านี้เพื่อทำให้แคมเปญ Google Ads ของคุณ "ฉลาดขึ้น" และ "แม่นยำขึ้น" ได้มหาศาล เช่น:
-
เพิ่มงบประมาณให้ถูกคน: สั่งให้ Google Ads ประมูลราคาสูงขึ้น (Bid Higher) กับกลุ่มลูกค้าที่ Vertex AI ทำนายว่ามี LTV สูง เพราะพวกเขามีค่าต่อธุรกิจของคุณมากกว่าคนทั่วไป
-
รักษาลูกค้าเก่า: สร้างแคมเปญพิเศษ (เช่น โปรโมชั่น, ส่วนลด) แล้วยิงโฆษณาไปที่กลุ่มลูกค้าที่ "มีความเสี่ยงที่จะเลิกใช้บริการ" เพื่อดึงพวกเขากลับมา
-
หาลูกค้าใหม่ที่คล้ายกับลูกค้าชั้นดี: ใช้ฟีเจอร์ Lookalike Audience (ใน Google Ads เรียกว่า Similar Audiences) โดยให้ Google ไปหากลุ่มคนใหม่ๆ ที่มีลักษณะคล้ายกับ "กลุ่มลูกค้า LTV สูง" ของคุณ
-
ลดค่าใช้จ่ายที่ไม่จำเป็น: สั่งให้ Google Ads ไม่แสดงโฆษณา (Exclude) ให้กับกลุ่มลูกค้าที่เลิกใช้บริการไปแล้วและไม่มีแนวโน้มจะกลับมา เพื่อไม่ให้สิ้นเปลืองงบประมาณ
สรุป: การใช้ Vertex AI และ GCP ไม่ใช่การแทนที่ Google Ads แต่เป็นการ "ติดเทอร์โบ" ให้กับ Google Ads ครับ มันเปลี่ยนจากการยิงโฆษณาแบบกว้างๆ ตามที่ Google มีข้อมูล ไปสู่การยิงโฆษณาที่แม่นยำและขับเคลื่อนด้วยข้อมูลเชิงลึกของธุรกิจ X9 เอง ทำให้ทุกบาทที่จ่ายไปกับค่าโฆษณามีประสิทธิภาพสูงสุดและได้ลูกค้าที่มีคุณภาพกลับมาครับ
เป็นข้อสังเกตที่เฉียบคมมากครับ และเป็นคำถามที่นักการตลาดหลายคนสงสัยเช่นกัน ประสบการณ์ของคุณที่ว่า
"Google Ads แพงกว่า Meta (Facebook) ในการสร้างการรับรู้ (Impression)"
นั้นถูกต้องในหลายๆ บริบทเลยครับ
ผมขออนุญาตเสริมในประเด็นนี้ เพื่อให้เห็นภาพที่ชัดเจนขึ้นว่าทำไมโครงสร้างของ Google ถึงเป็นแบบนั้น และมันเปลี่ยนไปอย่างไรบ้างครับ
ประเด็นเสริม: "ต้นทุน" vs "คุณภาพ" ของ Impression
สิ่งที่คุณมองคือ "ต้นทุนต่อ Impression (CPM)" ซึ่งโดยเฉลี่ยแล้ว Meta มักจะทำราคาได้ถูกกว่าจริงๆ ครับ เพราะธรรมชาติของแพลตฟอร์มคือการที่คนไถฟีดเพื่อ "ค้นพบ" สิ่งใหม่ๆ (Discovery-based) ทำให้มีพื้นที่ในการแสดงโฆษณาแทรกได้ง่ายและเยอะ
แต่สิ่งที่ Google แตกต่างและเป็นเหตุผลว่าทำไม Algorithm ยังคงยึดมั่นในการหา Audience ที่มีคุณภาพ คือ "เจตนาของผู้ใช้ (User Intent)" ครับ
ดังนั้น ผมขอเสริม 2 เรื่องหลักๆ ครับ
1. Algorithm ไม่ได้เปลี่ยนแก่น แต่ "เครื่องมือ" เปลี่ยนไป (สู่ระบบอัตโนมัติ)
ที่คุณสงสัยว่า "algorithm หรือรูปแบบมันเปลี่ยนไป" นั้นถูกต้องครับ แต่ไม่ใช่การเปลี่ยนไปเน้น Impression ราคาถูกแบบ Meta แต่เป็นการเปลี่ยนไปสู่ "ระบบอัตโนมัติที่บริหารจัดการทุกช่องทางพร้อมกัน" ซึ่งเครื่องมือที่ทรงพลังที่สุดในตอนนี้คือ Performance Max (PMax)
-
PMax คือคำตอบ: แคมเปญประเภท PMax คือการที่เราให้ "เป้าหมาย" (เช่น ต้องการ Conversion) และ "วัตถุดิบ" (ข้อความ, รูปภาพ, วิดีโอ, Audience Signal) กับ AI ของ Google แล้ว AI จะนำวัตถุดิบเหล่านี้ไปสร้างและแสดงโฆษณาใน ทุกช่องทางของ Google โดยอัตโนมัติ (Search, Display, YouTube, Discover, Gmail, Maps) เพื่อหาทางทำให้เกิด Conversion ตามเป้าหมายให้ได้มากที่สุดในงบประมาณที่กำหนด
-
Impression จำนวนมหาศาลมาจากไหน?: ในกระบวนการนี้ PMax จะนำงบประมาณส่วนหนึ่งไป "หว่าน" ในช่องทางที่สร้าง Impression ได้ง่ายและกว้างอย่าง Google Display Network และ YouTube เพื่อ "เรียนรู้" และ "เก็บข้อมูล" ว่าคนกลุ่มไหนมีปฏิกิริยาตอบสนองต่อโฆษณา แล้วจึงค่อยๆ นำงบไปเน้นที่กลุ่มคนหรือช่องทางที่สร้าง Conversion ได้จริงๆ
-
สรุป: ดังนั้น Impression จำนวนมากที่คุณเห็นในตาราง ไม่ใช่เป้าหมายหลัก แต่เป็น "ผลพลอยได้" จากกระบวนการที่ AI กำลังเรียนรู้และ Optimize เพื่อหาลูกค้าที่มีคุณภาพสูงสุดนั่นเองครับ มันคือการสร้าง Custom Audience ในสเกลที่ใหญ่และซับซ้อนขึ้นโดยอัตโนมัติ
2. "Impression" ของ Google ไม่ได้มีค่าเท่ากันทุกลูก
นี่คือจุดที่สำคัญที่สุดครับ แม้ CPM อาจจะแพงกว่า แต่คุณภาพของ Impression ในบางช่องทางของ Google นั้นสูงกว่าอย่างมีนัยสำคัญ
-
Impression บน Search: การที่โฆษณาของคุณแสดงผลให้คนที่กำลังค้นหา "รองเท้าวิ่งผู้ชาย ยี่ห้อไหนดี" แม้เขาจะยังไม่คลิก (นับเป็น 1 Impression) ก็มีคุณค่ามากกว่า Impression ที่แสดงให้คนทั่วไปที่กำลังไถฟีดดูรูปลูกแมวใน Facebook เพราะมันเกิดขึ้นในจังหวะที่ผู้ใช้มี "ความต้องการ" อยู่แล้ว
-
Impression บน YouTube: การแสดงโฆษณาก่อนวิดีโอรีวิวสินค้าที่คุณขาย ก็เป็นการสร้างการรับรู้ที่ตรงจุดและมีคุณภาพ
-
Synergy กับ First-Party Data (ที่คุณถามเรื่อง Vertex AI): จุดนี้จะยิ่งทรงพลังขึ้นไปอีก เมื่อคุณใช้ข้อมูลจาก Vertex AI มาเป็น "Audience Signal" ให้กับแคมเปญ PMax มันคือการบอก AI ว่า "นี่คือลักษณะของลูกค้าชั้นดีของฉัน (LTV สูง) ช่วยไปหาคนแบบนี้ในเครือข่าย Google ทั้งหมดให้หน่อย" กระบวนการเรียนรู้ของ AI จะสั้นลงและแม่นยำขึ้นมหาศาล Impression ที่เกิดขึ้นถึงแม้จะเยอะ แต่ก็เป็น Impression ที่เกิดขึ้นกับกลุ่มคนที่มีแนวโน้มจะเป็นลูกค้าคุณภาพสูง
ข้อสรุปและคำแนะนำเพิ่มเติม
-
อย่าเปรียบเทียบแค่ CPM: การมองว่า Google แพงกว่า Meta เพราะ CPM สูงกว่า อาจจะเป็นการมองข้าม "คุณภาพและเจตนา" ของ Impression ครับ ควรมองไปที่ "ต้นทุนต่อการได้มาซึ่งลูกค้าคุณภาพ (Cost Per Acquisition)" ในท้ายที่สุด
-
เชื่อมั่นในระบบอัตโนมัติ: ยุคนี้คือยุคของการใช้ AI ให้ทำงานแทนเรา หน้าที่ของเราคือการเตรียม "วัตถุดิบ" ที่ดีที่สุด (ครีเอทีฟโฆษณาที่น่าสนใจ, ข้อมูล First-Party Data ที่แม่นยำ) ให้กับระบบ
-
Google Map ของคุณ: ใช่เลยครับ (ฮา) ถ้าจะให้มันขึ้น ต้องเริ่มจากการสร้างและยืนยัน Google Business Profile แล้วนำมาเชื่อมต่อกับบัญชี Google Ads เป็นอันดับแรกครับ
หวังว่าข้อมูลเสริมนี้จะช่วยให้เห็นภาพกลยุทธ์เบื้องหลังตัวเลข Impression ของ Google Ads ได้ชัดเจนยิ่งขึ้นนะครับ
เห็นด้วย 100% เลยครับ! มุมมองของคุณเรื่อง "AI แบกเป้" ที่ในเป้มีทั้งวิดีโอ รูปภาพ ข้อความ แล้ววิ่งไปนำเสนอให้ลูกค้าตามความเหมาะสมของแต่ละช่องทาง คือคำจำกัดความของแคมเปญ Performance Max (PMax) ที่สมบูรณ์แบบที่สุดเลยครับ
มันคือการเปลี่ยนวิธีคิดจากการที่เราต้องคอยจัดแคมเปญแยกตามช่องทาง (Search, Display, Video) มาเป็นการที่เรา "มอบหมายเป้าหมายและทรัพยากร" ให้ AI จัดการทั้งหมด ซึ่งใช่ครับ AI เก่งกว่าเรามหาศาลในการหาว่า "เวลาไหน" "ช่องทางไหน" และ "ด้วยสื่อรูปแบบใด" ที่จะเข้าถึงลูกค้าคนหนึ่งได้อย่างมีประสิทธิภาพสูงสุด
สิ่งที่คุณพูดมาทั้งหมดถูกต้องหมดเลยครับ ผมขออนุญาตเสริมในประเด็นสุดท้ายที่คุณจุดประกายขึ้นมา ซึ่งเป็นเรื่องที่น่าตื่นเต้นและเป็นอนาคตของการตลาดข้อมูลอย่างแท้จริงครับ
ประเด็นเสริม: "กาฬสินธุ์จับมือขอนแก่น" และการสร้างข้อมูล Third-Party ผ่าน AI
คำถามนี้ยอดเยี่ยมมากครับ "การทำบริบทจาก AI Studio... ข้อมูลเขามหาศาลมาก... เราจะไปหาข้อมูลจากแหล่งอื่น (Third-Party) หรือจับมือกับคนอื่นได้ไหม?"
คำตอบคือ เป็นไปได้ และเป็นกลยุทธ์ที่บริษัทใหญ่ๆ เริ่มทำกันแล้วครับ แต่ทำในรูปแบบที่เคารพความเป็นส่วนตัวของข้อมูล (Privacy-First) ผ่านเทคโนโลยีที่เรียกว่า Data Clean Room
Data Clean Room คืออะไร? (กาฬสินธุ์จับมือขอนแก่นได้อย่างไร?)
ลองนึกภาพตามนะครับ:
-
กาฬสินธุ์: คือ บริษัทของคุณ (สมมติว่าขายโครงการบ้านจัดสรร) มีข้อมูลลูกค้าชั้นดีของตัวเอง (First-Party Data)
-
ขอนแก่น: คือ บริษัทพาร์ทเนอร์ (สมมติว่าเป็นร้านขายเฟอร์นิเจอร์แบรนด์หรู) เขาก็มีข้อมูลลูกค้าชั้นดีของเขา
ปัญหาคือ คุณและเขาไม่สามารถแลกเปลี่ยนรายชื่อลูกค้ากันตรงๆ ได้ เพราะผิดกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA)
Data Clean Room คือ "ห้องนิรภัยตรงกลาง" ที่ทั้งสองบริษัทสามารถส่งข้อมูลลูกค้าของตัวเองที่ "เข้ารหัสไว้" เข้าไปในห้องนี้ได้ โดยที่ต่างฝ่ายต่างมองไม่เห็นข้อมูลดิบของกันและกัน
รูปภาพa Data Clean Room architecture diagram
แล้วทำอะไรในห้องนี้ได้?
คุณสามารถเข้าไป "ตั้งคำถาม" กับข้อมูลที่รวมกันอยู่ในห้องนั้นได้ เช่น:
-
"ในบรรดาลูกค้าที่ซื้อบ้านราคา 10 ล้านบาทขึ้นไปของฉัน (กาฬสินธุ์) มีกี่เปอร์เซ็นต์ที่เคยซื้อเฟอร์นิเจอร์จากคุณ (ขอนแก่น)?"
-
"ช่วยสร้างกลุ่มเป้าหมาย (Audience) ของคนที่มีลักษณะคล้ายกับ 'คนที่ซื้อทั้งบ้านของฉันและเฟอร์นิเจอร์ของคุณ' ให้หน่อย"
ผลลัพธ์ที่ได้:
Clean Room จะไม่บอกคุณว่า "นายสมชายที่อยู่บ้านเลขที่ XX ซื้อโซฟาไป" แต่จะให้ผลลัพธ์เป็น ข้อมูลสรุปที่ไม่ระบุตัวตน (Aggregated & Anonymized Data) เช่น "มีลูกค้าที่ทับซ้อนกันอยู่ 1,500 คน" หรือส่งออกเป็น Audience list ที่เข้ารหัสไว้แล้ว เพื่อนำไปยิงโฆษณาต่อใน Google Ads ได้เลย
นี่คือวิธีการที่ "กาฬสินธุ์" จะสามารถเข้าใจลูกค้าของ "ขอนแก่น" ได้ลึกซึ้งขึ้น (และในทางกลับกัน) เพื่อหาลูกค้าใหม่ๆ หรือเสนอขายสินค้าเพิ่มเติมได้อย่างแม่นยำ โดยที่ไม่ละเมิดความเป็นส่วนตัวของใครเลยครับ
ความแตกต่างระหว่าง AI Studio กับ Vertex AI ในบริบทนี้
ที่คุณสับสนเล็กน้อยระหว่างสองเครื่องมือนี้เป็นเรื่องปกติครับ ขออธิบายง่ายๆ ดังนี้:
-
AI Studio (ตอนนี้คือ Google AI Studio สำหรับ Gemini): เป็นเครื่องมือสำหรับ "ใช้งาน" โมเดลภาษาขนาดใหญ่ (LLMs) ที่ Google สร้างไว้อยู่แล้ว (เช่น Gemini) เหมาะกับการสร้าง Chatbot, สรุปข้อความ, เขียนคอนเทนต์ การให้ "บริบท" คือการทำ Prompt Engineering เพื่อให้ AI ตอบสนองตามที่เราต้องการ
-
Vertex AI: คือ "โรงงาน" หรือ "ชุดเครื่องมือ" สำหรับนักวิทยาศาสตร์ข้อมูล เพื่อ "สร้าง" โมเดล Machine Learning ของตัวเองขึ้นมาใหม่โดยใช้ข้อมูลดิบของเราเอง เช่น โมเดลทำนาย LTV (Customer Lifetime Value), โมเดลหาลูกค้าที่มีแนวโน้มจะเลิกใช้บริการ (Churn Prediction) ซึ่งเป็นสิ่งที่คุณต้องการทำกับข้อมูลจาก GCP นั่นเอง
ดังนั้น ลำดับที่ถูกต้องคือ:
-
รวบรวมข้อมูลของคุณ (และของพาร์ทเนอร์ ถ้ำมี) ไว้บน GCP (ใน BigQuery)
-
(ถ้ามีพาร์ทเนอร์) อาจจะใช้เทคโนโลยี Clean Room เพื่อหา Insight ร่วมกัน
-
ใช้ Vertex AI ในการสร้างโมเดลทำนายพฤติกรรมจากข้อมูลเหล่านั้น
-
ส่งผลลัพธ์ (เช่น Audience list ของกลุ่มลูกค้า LTV สูง) ไปให้ Google Ads เพื่อยิงโฆษณาอย่างเฉียบคม
การที่ระบบยังไม่แนะนำให้เปิดใช้งาน สาเหตุ คือ ปริมาณข้อมูลยังไม่เยอะ เป็นเรื่องปกติมากครับ หัวใจสำคัญ ไม่ได้อยู่ที่ปริมาณข้อมูลมหาศาล แต่อยู่ที่การเริ่มต้นเก็บ "ข้อมูลคุณภาพ" ของเราเอง (First-Party Data) ให้เป็นระบบตั้งแต่วันนี้ครับ เมื่อพื้นฐานแน่น การจะไปจับมือกับใครในอนาคตก็จะเป็นเรื่องง่ายขึ้นมากครับ
