บทที่ 3 ระเบียบวิธีวิจัย

บทที่ 3 ระเบียบวิธีวิจัย

3.1 ขอบเขตการวิจัย 

 

3.1.1 เนื้อหาการวิจัย 

วัตถุประสงค์ในการวิจัย

• เพื่อศึกษาเครื่องมือทางการตลาดดิจิทัล จัดทําเหมืองข้อมูล รวบรวมปัจจัยที่มีผลต่อการจัดทำโฆษณาตามวัตถุประสงค์แคมเปญในพื้นที่ต่างๆ
• เพื่อการวิเคราะห์กลุ่มเป้าหมายจากข้อมูลเชิงลึก สนับสนุนแนวคิดมนุษยศาสตร์ดิจิทัล ที่มุ่งเน้นการนำมาใช้ประโยชน์ทางการตลาด
• เพื่อกำหนดเกณฑ์วัดผลโฆษณาจากการคลิกผ่าน วิเคราะห์แบบประเมินประสิทธิภาพ ปรับปรุงแคมเปญต่อปัจจัยกระทบด้วยวิธีปฏิบัติที่ดีที่สุดจนเกิดการซื้อขาย

 

ศึกษาการทำงาน คุณสมบัติ

ขอบเขตการวิจัยของแต่ละวัตถุประสงค์ มีการกำหนดผู้ทรงคุณวุฒิและผู้เชี่ยวชาญตรวจทานเครื่องมือ และเกณฑ์ตัวชี้วัดทางธุรกิจ, ประสิทธิภาพในแต่ละช่วงเวลา ตามขอบเขตการวิจัยดังนี้

• เครื่องมือทางการตลาดดิจิทัล
• โฆษณาแบบจ่ายต่อคลิก (PPC) โฆษณาบนโซเชียลมีเดีย โฆษณาบนเว็บไซต์
• ปัจจัยที่มีผลต่อการจัดทำโฆษณา
  • วัตถุประสงค์แคมเปญ
  • เป้าหมายกลุ่มเป้าหมาย งบประมาณ
  • พื้นที่การวิจัย ได้แก่ พื้นที่ในประเทศไทย
• การกำหนดกลุ่มตัวอย่างจะขึ้นอยู่กับวัตถุประสงค์ของแคมเปญ กรณีจัดทำแคมเปญครั้งแรกกลุ่มตัวอย่างจะถูกกำหนด "กลุ่มตัวอย่างเชิงปริมาณ" เช่น กลุ่มตัวอย่างแบบสุ่ม , "กลุ่มตัวอย่างเชิงคุณภาพ" เช่น "กลุ่มตัวอย่างแบบเจาะลึก"
• เกณฑ์ตัวชี้วัดทางธุรกิจ เช่น ยอดขาย การเข้าชมเว็บไซต์ ยอดดาวน์โหลด
• ปัจจัยที่มีผลต่อประสิทธิภาพแคมเปญ เช่น การออกแบบโฆษณา ข้อความโฆษณา ช่องทางการโฆษณา เป็นต้น

 

3.1.2 ระยะเวลาการวิจัย

ระยะเวลาการวิจัยแบ่งได้เป็น 3 ระยะ ได้แก่

• ระยะเตรียมการ (Preliminary Research) ระยะเวลาประมาณ 1-3 เดือน
  ใช้ในการกำหนดวัตถุประสงค์ของการวิจัย ขอบเขตการวิจัย วิธีการวิจัย และการเก็บรวบรวมข้อมูล
• ระยะเก็บรวบรวมข้อมูล (Data Collection) ระยะเวลาประมาณ 3-6 เดือน
  ใช้ในการเก็บรวบรวมข้อมูลตามวิธีการวิจัยที่กำหนดไว้
• ระยะวิเคราะห์ข้อมูลและสรุปผลการวิจัย (Data Analysis and Research Report)
  ระยะเวลาประมาณ 6-12 เดือน ใช้ในการวิเคราะห์ข้อมูลและสรุปผลการวิจัย

3.1.3 พื้นที่วิจัย

วัตถุประสงค์การวิจัย ได้ระบุพื้นที่การวิจัย โดยแบ่งเป็น 2 ช่วง ดังนี้

• ช่วงที่ 1 จะกำหนดทั้งประเทศไทย
  เพื่อให้เกิดโอกาสในการสืบค้นตรงกับ Keyword และเกิดการเข้าใช้บริการ
• ช่วงที่ 2 จะกำหนดแบบเฉพาะเจาะจงกลุ่มเป้าหมาย
  เมื่อเกิดการเข้าใช้งานในปริมาณที่มากขึ้นอย่างต่อเนื่องจะเกิดเป็นกลุ่มเป้าหมายที่มีความคล้ายคลึงกัน ซึ่งจะส่งผลให้ AI เรียนรู้มากขึ้นและมีความแม่นยำมากขึ้นอย่างต่อเนื่อง

3.1.4 ประชากรและกลุ่มตัวอย่าง

การกำหนดกลุ่มตัวอย่างจะขึ้นอยู่กับวัตถุประสงค์ของแคมเปญ กรณีจัดทำแคมเปญครั้งแรกกลุ่มตัวอย่างจะถูกกำหนดดังนี้

"กลุ่มตัวอย่างเชิงปริมาณ" เช่น กลุ่มตัวอย่างแบบสุ่ม , "กลุ่มตัวอย่างเชิงคุณภาพ" เช่น "กลุ่มตัวอย่างแบบเจาะลึก"

ตัวอย่างการกำหนดกลุ่มตัวอย่างจากการเลือกวัตถุประสงค์แคมเปญโฆษณา

• แคมเปญ ประเภท เพิ่มการเข้าชมเว็บไซต์ ระบบจะเลือกใช้ "กลุ่มตัวอย่างแบบสุ่ม"
• แคมเปญ ประเภท เพิ่มการเข้าชมเว็บไซต์  ที่ AI มีการเรียนรู้ประมาณ 7-14 วัน ระบบจะเปลี่ยนเป็น "กลุ่มตัวอย่างเชิงคุณภาพ" เช่น ก"ลุ่มตัวอย่างแบบเจาะลึก"

ตัวอย่างการกำหนดกลุ่มตัวอย่างที่เหมาะสม คือ การกำหนดกลุ่มเป้หมาย ซึ่งจะต้องมีข้อมูล เช่น เพศ อายุ ที่อยู่อาศัย หรือ ความสนใจ

กลุ่มตัวอย่างที่เหมาะสมคือกลุ่มเป้าหมาย เช่น  

• ความสนใจ "ผลิตภัณฑ์และบริการ"
• อาชีพ กลุ่มอาชีพ "ผู้ประกอบการด้านอุตสาหกรรม"
• ผู้ประกอบการ "หน่วยงานด้านธุรกิจ"
• กลุ่มเป้าหมายตามกลุ่มความสนใจ , กลุ่มเป้าหมายที่กำหนดเอง , ข้อมูลประชากรโดยละเอียด    
• เหตุการณ์สำคัญในชีวิต , กลุ่มเป้าหมายที่มีแผนจะซื้อ    

กลุ่มเป้าหมายที่เป็นลูกค้า Lead สามารถนำเข้าข้อมูลในรูปแบบไฟล์ .CSV เป็นต้น กลุ่มเป้าหมายเรียกว่า

• "กลุ่มเป้าหมาย ข้อมูลของคุณ"

 

3.2 กระบวนการวิจัย

วัตถุประสงค์ เพื่อศึกษาเครื่องมือทางการตลาดดิจิทัล จัดทําเหมืองข้อมูล รวบรวมปัจจัยที่มีผลต่อการจัดทำโฆษณาตามวัตถุประสงค์แคมเปญในพื้นที่ต่างๆ

3.2.1 เครื่องมือวิจัย

• แบบสอบถามออนไลน์
• สถิติ
• การวิเคราะห์ข้อมูลเชิงลึก (Data mining)
• การสัมภาษณ์หรือการสังเกต
• การวิเคราะห์เนื้อหา (Content analysis)
• การวิเคราะห์ข้อมูลเชิงปริมาณ

3.2.2 เครื่องมือการตลาดดิจิทัล

• SEO เป็นเครื่องมือที่สำคัญที่สุดในการทำการตลาดแบบ Online เนื่องจากช่วยให้เว็บไซต์สามารถปรากฏบนหน้าผลการค้นหาของ Google ได้ ซึ่งจะนำไปสู่การคลิกโฆษณาและยอดขายที่เพิ่มขึ้น
• Google Maps และ Business Profile มีความสำคัญรองลงมา เนื่องจากช่วยให้ลูกค้าสามารถค้นหาธุรกิจได้สะดวกยิ่งขึ้น ซึ่งจะนำไปสู่การคลิกโฆษณาและยอดขายที่เพิ่มขึ้น
• Google Analytics มีความสำคัญรองลงมา เนื่องจากช่วยให้วิเคราะห์ข้อมูลการเข้าชมเว็บไซต์และพฤติกรรมของผู้ใช้ ซึ่งจะช่วยให้สามารถปรับปรุงแคมเปญโฆษณาให้มีประสิทธิภาพมากขึ้น
• Google Marketing Platform มีความสำคัญรองลงมา เนื่องจากช่วยให้วางแผนและวัดผลแคมเปญการตลาด ซึ่งจะช่วยให้สามารถติดตามผลลัพธ์ของแคมเปญโฆษณาได้อย่างใกล้ชิด
• Google Cloud Solution มีความสำคัญน้อยที่สุด เนื่องจากเป็นเครื่องมือที่ช่วยในการจัดการข้อมูลและทรัพยากรด้านไอที ซึ่งอาจไม่จำเป็นสำหรับธุรกิจขนาดเล็ก

3.2.3 การรวบรวมข้อมูล

• รวบรวมข้อมูลคือขั้นตอนที่จำเป็นสำหรับการศึกษาในการวิจัยครั้งนี้ ผู้วิจัยได้เลือกใช้เครื่องมือเพื่อรวบรวมข้อมูล ดังนี้
• Web Design , Web Application , และแหล่งข้อมูลบุคคลที่สาม
• สร้างแคมเปญ Search ที่เรียกว่า "โฆษณาแบบจ่ายต่อคลิก" (PPC) ที่เน้นข้อความบรรทัดแรก ในการสืบค้นผ่าน Google Search
• โฆษณาแบบจ่ายต่อคลิก (PPC)  เป็นเครื่องมือทางการตลาดดิจิทัลในรูปแบบ เป็นกลยุทธ์การสร้างสถานะออนไลน์อย่างรวดเร็ว
• เพื่อให้มีประสิทธิภาพต้องมีโฆษณาที่ดึงดูดความสนใจ เนื้อหาที่เป็นประโยชน์ต่อผู้ชม เมื่อคลิกและดำเนินการต่อตามเป้าหมาย
• เก็บรวบรวมข้อมูลโดยใช้การวิเคราะห์ข้อมูลเชิงลึกจากข้อมูลขนาดใหญ่ (Big Data)

 

ตัวอย่างสมการที่คุณสามารถใช้ในการพัฒนาโมเดล ดังนี้

Conversion rate = f(keyword, popularity)

สมการนี้แสดงว่า Conversion rate ขึ้นอยู่กับ Keyword และ popularity ของ Keyword

คุณสามารถใช้ Correlation matrix เพื่อประมาณค่า f(keyword, popularity) ได้

ตัวอย่าง เช่น พบว่า Keyword A มีความสอดคล้องกับข้อความบรรทัดแรกและคำอธิบายในการแสดงโฆษณามากกว่า Keyword B และ Keyword A ได้รับความนิยมมากกว่า Keyword B สรุปได้ว่า Conversion rate ของ Keyword A สูงกว่า Conversion rate ของ Keyword B

 

3.2.4 การนำเข้าข้อมูล

• นําข้อมูลและบริบททั้งหมดที่เกี่ยวกับธุรกิจและวัฒนธรรม 
• เลือกแพลตฟอร์มที่เหมาะสมกับการทำงานและบริบทขององค์เพื่อความสะดวก ในการศึกษา ปรับปรุงการทํางานและเส้นทางการตัดสินใจ
  (หากใช้งานเพียง 1 แพลตฟอร์มจะเป็นข้อดีต่อต้นทุน)
• ปรับวิสัยทัศน์ให้สอดคล้องกับความเป็นจริงทางธุรกิจเพื่อกําหนดวัตถุประสงค์เชิงกลยุทธ์ในระดับองค์กร

 
3.2.5 การกำหนด KPI เพื่อการวัดประสิทธิภาพ

การวิเคราะห์ข้อมูลโดยการกำหนดตัวชี้วัด KPI เป็นวิธีการวัดผลเชิงปริมาณที่มุ่งเน้นไปที่เป้าหมายและวัตถุประสงค์ทางธุรกิจที่เฉพาะเจาะจง

• การวิเคราะห์ข้อมูลโดยการกำหนดตัวชี้วัด KPI เป็นวิธีการวัดผลเชิงปริมาณที่มุ่งเน้นไปที่เป้าหมายและวัตถุประสงค์ทางธุรกิจที่เฉพาะเจาะจง
• การวิเคราะห์ข้อมูลโดยใช้การวิเคราะห์ข้อมูลเชิงลึก เป็นวิธีการวัดผลเชิงคุณภาพที่มุ่งเน้นไปที่ความเข้าใจและตีความข้อมูล
• การวิเคราะห์ข้อมูลเชิงคุณภาพโดยใช้การวิเคราะห์เนื้อหา เป็นวิธีการวิเคราะห์ข้อมูลเชิงคุณภาพที่มุ่งเน้นไปที่เนื้อหาของข้อมูล

การกำหนด KPI เพื่อการวัดประสิทธิที่มีคุณสมบัติที่ดี ดังนี้

KPI ที่ดีควรมีคุณสมบัติ SMART คือ เฉพาะเจาะจง (Specific) 
วัดได้ (Measurable) บรรลุได้ (Achievable) เกี่ยวข้อง (Relevant) 
และกำหนดเวลา (Time-bound) 

 

ตัวอย่างสมการสามารถใช้เพื่อวัดความสัมพันธ์ระหว่างตัวแปรต่างๆ:

Correlation coefficient = (sum(x_i * y_i) - sum(x_i) * sum(y_i) / (n * sd(x) * sd(y)))

สมการนี้ใช้เพื่อคำนวณค่า Correlation coefficient ซึ่งเป็นค่าที่แสดงถึงความสัมพันธ์ระหว่างตัวแปรต่างๆ

การระบุค่า Correlation coefficient อยู่ในช่วง -1 ถึง 1 ค่าที่ใกล้ -1 แสดงถึงความสัมพันธ์เชิงลบ ค่าที่ใกล้ 0 แสดงถึงความสัมพันธ์ที่ไม่มีนัยสำคัญ ค่าที่ใกล้ 1 แสดงถึงความสัมพันธ์เชิงบวก

 

การวิเคราะห์ข้อมูล

การวิเคราะห์ข้อมูลโดยการกำหนดตัวชี้วัด KPI สามารถใช้เพื่อวัดผลประสิทธิภาพของแคมเปญโฆษณาดิจิทัลได้ 

• อัตราคลิกผ่าน (CTR)
• อัตราการแปลง (Conversion Rate)
• รายได้จากโฆษณา (Revenue from Ads)

การวิเคราะห์เนื้อหาข้อมูลเชิงลึก สามารถใช้เพื่อระบุกลุ่มเป้าหมายทางการตลาดได้ 

• การวิเคราะห์เนื้อหาของเว็บไซต์และโซเชียลมีเดียเพื่อระบุความสนใจของกลุ่มเป้าหมาย
• การวิเคราะห์เส้นทางการเยี่ยมชมเว็บไซต์เพื่อระบุพฤติกรรมการซื้อสินค้าของกลุ่มเป้าหมาย
• การวิเคราะห์พฤติกรรมการคลิกของผู้ใช้เพื่อระบุพฤติกรรมการใช้โซเชียลมีเดียของกลุ่มเป้าหมาย

การวิเคราะห์เนื้อหาเชิงคุณภาพ มีกลไกปรับปรุงเนื้อหาที่ดีที่สุด

• การวิเคราะห์เนื้อหาโฆษณาเพื่อระบุเนื้อหาที่ดึงดูดความสนใจของผู้ใช้
• การวิเคราะห์การออกแบบโฆษณาเพื่อระบุการออกแบบที่มีประสิทธิภาพ
• การวิเคราะห์ข้อความโฆษณาเพื่อระบุข้อความที่เข้าใจง่าย

 

3.2.6 การจัดระเบียบและการวิเคราะห์ข้อมูลเพื่อการวัดประสิทธิภาพทางการตลาด

• วิเคราะห์ข้อมูลโดยการกำหนดตัวชี้วัด KPI สามารถใช้เพื่อวัดผลประสิทธิภาพของแคมเปญโฆษณาดิจิทัลได้ เช่น อัตราคลิกผ่าน (CTR), อัตราการแปลง (Conversion Rate), และรายได้จากโฆษณา (Revenue from Ads)
• วิเคราะห์กลุ่มเป้าหมายทางการตลาดด้วยข้อมูลเชิงลึก สนับสนุนการขับเคลื่อนงานมนุษยศาสตร์ดิจิทัลลนำมาใช้ประโยชน์ทางการตลาด ธุรกิจ การศึกษาและสิ่งแวดล้อมที่มุ่งเน้นการปฏิบัติบนเครือข่ายอินเตอร์เน็ต
• วิเคราะห์ข้อมูลโดยใช้การวิเคราะห์ข้อมูลเชิงลึก สามารถใช้เพื่อระบุกลุ่มเป้าหมายทางการตลาดได้ เช่น ความสนใจของกลุ่มเป้าหมาย พฤติกรรมการซื้อสินค้า และพฤติกรรมการใช้โซเชียลมีเดีย

• วิเคราะห์ CPA เป้าหมาย เพื่อประเมินประสิทธิภาพจากสิ่งที่เกิดขึ้นเมื่อผู้คนเห็นโฆษณาเหล่านั้น

 

3.2.7 สถิติในการวิเคราะห์ข้อมูล (ใช้งานบนแฟตลฟอร์มออนไลน์)

• Maximum likelihood estimation การประมาณค่าความเป็นไปได้สูงสุด 

เป็นวิธีการประเมินพารามิเตอร์ของการแจกแจงความน่าจะเป็นที่สันนิษฐานโดยได้รับข้อมูลที่สังเกตได้ นี่คือความสําเร็จโดยการเพิ่มฟังก์ชันความเป็นไปได้เพื่อให้ภายใต้แบบจําลองทางสถิติที่สันนิษฐานข้อมูลที่สังเกตได้น่าจะเป็นไปได้มากที่สุด จุดในพื้นที่พารามิเตอร์ที่เพิ่มฟังก์ชันความเป็นไปได้สูงสุดเรียกว่าค่าประมาณความเป็นไปได้สูงสุด ตรรกะของความเป็นไปได้สูงสุดมีทั้งใช้งานง่ายและยืดหยุ่นและด้วยเหตุนี้วิธีการนี้จึงกลายเป็นวิธีการอนุมานทางสถิติที่โดดเด่น

• Expectation–maximization algorithm อัลกอริธึมความคาดหวัง-การเพิ่มสูงสุด

การจัดกลุ่ม EM ของข้อมูลการปะทุของ Faithful Daten แบบจําลองเริ่มต้นแบบสุ่ม (ซึ่งเนื่องจากสเกลที่แตกต่างกันของแกนดูเหมือนจะเป็นสอง elipses แบนและกว้างมาก) พอดีกับข้อมูลที่สังเกตได้ ในการทําซ้ําครั้งแรกโมเดลจะเปลี่ยนไปอย่างมาก แต่จากนั้นก็มาบรรจบกันเป็นสองโหมด แสดงภาพโดยใช้ ELKI

Deutsch: EM Clustering von Old Faithful Daten.
Beginnend mit zufälligen Zentroiden und Einheiskugeln (da die Achsen unterschiedliche skaliert sind erscheinen sie flach und breit) passt sich EM schnell an die echte Datenverteilung an.

จากภาพแสดงถึง Expectation–maximization algorithm อัลกอริธึมความคาดหวัง-การเพิ่มสูงสุด เป็นอัลกอริทึมคำนวณตัวแปรแฝงที่ระบุการเป็นสมาชิกในชุดใดกลุ่มหนึ่ง เป็นฟังก์ชั่น การทําซ้ํา EM จะเพิ่มฟังก์ชันความน่าจะเป็นของข้อมูลที่สังเกตได้ แต่ก็ไม่มีการรับประกันว่าลําดับจะมาบรรจบกันเป็นตัวประมาณความเป็นไปได้สูงสุด สําหรับการแจกแจงแบบหลายรูปแบบหมายความว่าอัลกอริทึม EM อาจมาบรรจบกันเป็นฟังก์ชันความเป็นไปได้ของข้อมูลที่สังเกตได้ 

• การวิเคราะห์ปัจจัยของข้อมูลแบบผสม (สําหรับตัวแปรเชิงปริมาณและเชิงคุณภาพ)
• การวิเคราะห์ปัจจัยเชิงสํารวจ
• การวิเคราะห์ส่วนประกอบอิสระ
• การประมาณอันดับต่ํา
• การวิเคราะห์องค์ประกอบหลักการทํางาน
• การวิเคราะห์ข้อมูลทางเรขาคณิต

วิเคราะห์ข้อมูลเชิงคุณภาพโดยใช้การวิเคราะห์เนื้อหา

• การวิเคราะห์การโต้ตอบหลายรายการ (สําหรับตัวแปรเชิงคุณภาพ)
• การประมาณเมทริกซ์ CUR (การประมาณ SVD อันดับต่ํา)
• การวิเคราะห์โต้ตอบทาง Correspondence analysis 
• การวิเคราะห์จดหมายโต้ตอบแบบ Detrended
• การวิเคราะห์องค์ประกอบทิศทาง

 

3.2.8 การนำเสนองานวิจัย

• การตีพิมพ์ผลงานวิจัยในวารสารวิชาการต่างประเทศ

 

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

    คลิก ติดต่อรับคำปรึกษา (ฟรี)  

#ศึกษาการสร้างเนื้อหาที่มีประสิทธิภาพ การสร้างเนื้อหาที่มีประสิทธิภาพควรคำนึงถึงปัจจัย  

บทที่ 3 ระเบียบวิธีวิจัย

#ศึกษาการสร้างเนื้อหาที่มีประสิทธิภาพ การสร้างเนื้อหาที่มีประสิทธิภาพควรคำนึงถึงปัจจัย