กลุ่มบริษัทเทคระดับโลก “FAANG” ใช้ Data Science ยกระดับธุรกิจยังไง
กลุ่มบริษัทเทคระดับโลก “FAANG” ใช้ Data Science ยกระดับธุรกิจยังไง
Business
6 Min
06 Sep 2024
Share
Share
Table of contents
ในที่นี้ทุกคนรู้จัก FAANG กันไหม? หากพูดชื่อไปรับรองว่าทุกคนต้องร้อง อ๋อออ! แน่นอน FAANG คือกลุ่มบริษัทเทคชั้นนำ ได้แก่ Facebook Apple Amazon Netflix และ Google นั่นเอง บริษัทเหล่านี้ได้รับการยอมรับว่าเป็นกลุ่มแนวหน้าในโลกของบริษัทเทคในปัจจุบัน วันนี้เราจะพาทุกคนมาเปิดโลก Data Science ในบริษัทเหล่านี้กัน! มาดูสิว่า FAANG ที่ประสบความสำเร็จได้ขนาดนี้ เบื้องหลังเขาใช้ Data Science ทำอะไรกันบ้าง ไปดูกันเลย
Facebook ใช้ข้อมูลฟีดเนื้อหาได้โดนใจกว่าเดิม
- ใช้ทำ Content Suggestion โชว์เนื้อหาและโฆษณา
- ระบบ Deep Text อ่านโพสต์เข้าใจ ระบุโพสต์ที่ไม่เหมาะสมได้ไว
- ทำ Topic Data ช่วยนักการตลาดเจอ Insight
นอกจากนี้ข้อมูลส่วนใหญ่ที่มีอยู่ใน Facebook มักอยู่ในรูปแบบของข้อความ เช่น โพสต์และความคิดเห็น Facebook จึงได้พัฒนาเครื่องมือ ชื่อ “Deep Text” สร้างขึ้นโดยใช้ neural network architectures ซึ่งสามารถเรียนรู้คำ และตัวอักขระได้ ทำให้สามารถเข้าใจข้อความ วิเคราะห์ความหมายจากข้อความได้ในระดับความแม่นยำใกล้เคียงกับมนุษย์ รวมถึงการระบุความรู้สึกของโพสต์ (บวก, ลบ, เป็นกลาง) หรือ การระบุอารมณ์ในโพสต์ (เศร้า, สุข, โกรธ, ข่มขู่ ฯลฯ) เทคโนโลยีนี้ถูกใช้เพื่อระบุโพสต์ที่ไม่เหมาะสม และใช้ระบุหัวข้อของโพสต์
เรียกได้ว่า Facebook รู้อยู่ตลอดว่าคุณโพสต์อะไรอยู่ จึงสามารถนำข้อมูลเหล่านั้นมาใช้ทำ Topic Data ซึ่งจะแสดงเป็นข้อมูลเชิงลึกเพื่อให้ฝั่งนักการตลาดที่ซื้อโฆษณากับ Facebook ใช้หา Insight ของกลุ่มเป้าหมาย เพื่อทำการตลาดที่เหมาะสมต่อไป
Amazon ใช้ข้อมูลยกระดับประสบการณ์ช้อปปิ้ง
- ทำ Recommendation Engine แนะนำสินค้าตรงใจ
- ผู้ช่วยอัจฉริยะ Amazon Alexa ฉลาดขึ้น
- ทำ Pricing Optimization สร้างผลกำไรสูงสุด
ผู้ช่วยเสมือน เช่น Alexa หรือ Echo/Echo Show ถูกใช้อย่างกว้างขวางในต่างประเทศ เพื่อรับข้อมูลพื้นฐาน เช่น การแจ้งเตือน สภาพอากาศ และข่าวล่าสุด เมื่อผู้ใช้พูดกับ Alexa ไฟล์เสียงจะถูกบันทึกและอัปโหลดไปยังเซิร์ฟเวอร์ของ Amazon เพื่อใช้เทรนอัลกอริทึม Machine Learning และช่วยให้ประสบการณ์ Alexa ดีขึ้น
หนึ่งในข้อมูลที่น่าตกใจคือ Amazon เปลี่ยนราคาของผลิตภัณฑ์ทุก ๆ 10 นาที! เท่ากับว่าใน 1 วัน มีการเปลี่ยนแปลงราคาทั้งหมดในเว็บกว่า 2.5 ล้านครั้ง โดยการใช้อัลกอริทึมประเมินความเต็มใจของบุคคลในการซื้อผลิตภัณฑ์ เป้าหมายคือตั้งราคาให้ลูกค้าอยากซื้อ ซึ่งเรียกว่าเป็นการกำหนดดราคาแบบไดนามิก (Dynamic Pricing) การเปลี่ยนแปลงราคาขึ้นอยู่กับกิจกรรมของผู้ใช้บนเว็บไซต์ การกำหนดราคาของคู่แข่ง ความพร้อมของผลิตภัณฑ์ อัตรากำไร และอื่น ๆ อีกมากมาย เหล่านี้ต้องผ่านการรวบรวมข้อมูลมหาศาลและคิดคำนวนอย่างรวดเร็ว
Apple ใช้ข้อมูลยกระดับประสบการณ์ใช้งาน
- พัฒนา Siri ผู้ช่วยเสมือนคนเก่ง
- Apple Watch วิเคราะห์สุขภาพและการนอน
นอกจากนี้ยังมี Apple Watch ที่สามารถเตือนผู้ใช้เกี่ยวสุขภาพ และวิถีชีวิตตลอดทั้งวันได้ ทั้งการตรวจจับกิจกรรมที่ทำอยู่ ไปจนถึงวิเคราะห์คุณภาพการนอน การแจ้งเตือนเหล่านี้จาก Apple Watch เป็นผลมาจากโมเดล Machine Learning ที่ซับซ้อนในส่วน Back-end
Netflix ใช้ข้อมูลคัดสรรสื่อให้ตรงใจผู้ชมในทุกแง่มุม
- Recommendation Engine แนะนำคอนเทนต์โดนใจผู้ชม
- วางแผนการผลิต พัฒนาคอนเทนต์ และคาดการณ์ความปังล่วงหน้า
- ใช้ Artwork Visual Analysis เลือกภาพปกโปสเตอร์ที่ดึงดูดที่สุด
หลัก ๆ ที่ Data Science มีส่วนช่วยอย่างมาก คงจะหนีไม่พ้นระบบแนะนำหนัง/ซีรีส์ (Recommendation Engine) โดย Netflix รวบรวมข้อมูลมหาศาลเกี่ยวกับผู้ใช้แต่ละราย สิ่งที่พวกเขาค้นหา สิ่งที่พวกเขาเพิ่มในรายการดู และเคยดู จากนั้นจึงใช้อัลกอริทึม Machine Learning สร้างรูปแบบที่บ่งชี้รสนิยมของผู้ชม รูปแบบนี้อาจตรงกับผู้ใช้อีกคนหรืออาจไม่ตรงกับใครเลยก็ได้ เนื่องจากผู้ใช้แต่ละคนอาจมีรสนิยมที่ไม่เหมือนใคร และระบบจึงจะแนะนำหนัง/ซีรีส์ที่ผู้ใช้น่าจะชอบ ทำให้ผู้ใช้ไม่ต้องเสียเวลางมหาสิ่งที่อยากดูเอง นอกจากนี้ Netflix ยังจับข้อมูล เช่น วันเวลา สถานที่ ประเภทของอุปกรณ์ที่ใช้ คำค้นหา ต่าง ๆ เพื่อนำมาจัดลำดับตัวเลือกหนังและซีรีส์ต่าง ๆ เป็นแถวตามความชอบของแต่ละบุคคล โดยสื่อที่มีแนวโน้มจะดูมากที่สุดในมุมซ้ายบน
Data Science และ AI ยังถูกนำมาใช้ในกิจกรรมการวางแผนการผลิตและการพัฒนาเนื้อหาด้วย เมื่อผู้สร้างมีไอเดียเกี่ยวกับภาพยนตร์หรือรายการ ข้อมูลจะมีบทบาทสำคัญในการตัดสินใจ โดยพิจารณาจากเนื้อหาในอดีต ประสิทธิภาพของเนื้อหานั้น สิ่งที่ทำได้ดี และสิ่งที่สามารถปรับปรุงได้ ตั้งแต่พล็อตเรื่อง นักแสดง ไปจนถึงสถานที่ถ่ายทำ ทำให้สามารถคาดการณ์ความน่าจะปังของเนื้อหาใหม่ ๆ ได้ด้วย
นอกจากนี้ภาพปกโปสเตอร์หนัง/ซีรีย์ใน Netflix ก็มาจากการคำนวนความน่าจะชื่นชอบตามหลักของ Data Science Netflix ใช้ Artwork Visual Analysis (AVA) ซึ่งเป็นชุดเครื่องมือและอัลกอริทึม Machine Learning ในการดึงภาพที่เกี่ยวข้องจากวิดีโอ มาแสดงเป็นภาพขนาดย่อสำหรับลูกค้า Netflix โดยอัตโนมัติ ซึ่งโดยทั่วไปซีรีส์แต่ละเรื่องจะมีประมาณ 10 ตอนในแต่ละซีซั่น หรือประมาณ 9 ล้านเฟรม การเลือกเฟรมที่น่าดึงดูดจากวิดีโอขนาดใหญ่เช่นนี้ด้วยมนุษย์จึงไม่ใช่เรื่องง่าย
Google ใช้ข้อมูลขับเคลื่อนผลิตภัณฑ์ให้ตอบโจทย์ยิ่งขึ้น
- Search Engine อัจริยะ ช่วยค้นหาสิ่งที่ต้องการ แสดงโฆษณาตรงเป้าหมาย
- Gemini Generative AI สุดสร้างสรรค์ ที่เก่งไม่แพ้ใคร
และล่าสุดกับ Gemini หนึ่งในความสำเร็จที่ยิ่งใหญ่ของ Google ในด้าน Generative AI ซึ่งเป็น AI ที่สามารถสร้างสรรค์เนื้อหาใหม่ ๆ ได้ เช่น ข้อความ ภาพ หรือโค้ด ก็ผ่านการเทรนด้วยข้อมูลจำนวนมหาศาลที่รวบรวมมาจากทั่วโลก ซึ่งรวมถึงหนังสือ บทความ เว็บไซต์ โค้ด และอื่น ๆ อีกมากมาย ข้อมูลเหล่านี้เป็นเหมือน “อาหาร” ที่ทำให้ Gemini เรียนรู้และพัฒนาความสามารถได้ขนาดนี้
Data Science ได้พิสูจน์ให้เห็นแล้วว่าเป็นเครื่องมืออันทรงพลังที่ช่วยขับเคลื่อนธุรกิจให้เติบโตอย่างก้าวกระโดด การนำข้อมูลจำนวนมหาศาลมาวิเคราะห์เพื่อค้นหา Insights ที่ซ่อนอยู่ และนำไปใช้ในการตัดสินใจทางธุรกิจอย่างชาญฉลาด เป็นกลยุทธ์ที่องค์กรชั้นนำทั่วโลกให้ความสำคัญ
หวังว่าการแบ่งปันกรณีศึกษาเหล่านี้ จะเป็นแรงบันดาลใจให้ทุกคนอยากสร้างสรรค์และพัฒนาธุรกิจให้เติบโตไปข้างหน้า ด้วยการนำความรู้และทักษะด้าน Data Science มาประยุกต์ใช้ให้ตอบโจทย์ความต้องการของลูกค้าในยุคดิจิทัลมากยิ่งขึ้น สำหรับผู้ที่สนใจเรียนรู้เกี่ยวกับ Data Science มากยิ่งขึ้น แบบรู้ลึก รู้จริง ใช้ทำงานได้แบบมืออาชีพ
👉🏻 สามารถดูรายละเอียดคอร์ส และสมัครเรียน “Data Science Immersive” ได้ที่นี่ https://www.truedigitalacademy.com/course/data-science-immersive
Citation: https://www.linkedin.com/pulse/how-faang-companies-leveraging-data-science-ai-stratascratch
Share