กลุ่มบริษัทเทคระดับโลก “FAANG” ใช้ Data Science ยกระดับธุรกิจยังไง

กลุ่มบริษัทเทคระดับโลก “FAANG” ใช้ Data Science ยกระดับธุรกิจยังไง

Business

6 Min

06 Sep 2024

Share

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
Facebook ซึ่งปัจจุบันเปลี่ยนชื่อเป็น Meta เป็นหนึ่งในบริษัทโซเชียลมีเดียที่ใหญ่ที่สุดในโลก ด้วยผู้ใช้งานรายเดือนทั่วโลกเกือบ 3 พันล้านคน ทำให้ Facebook มีข้อมูลจำนวนมหาศาล โดยรายได้ส่วนใหญ่ของ Facebook มาจากการโฆษณา ดังนั้นเป้าหมายคือต้องการให้ผู้ใช้เข้ามาใช้งานให้บ่อยและนานที่สุด การประยุกต์ใช้ Data Science ที่สำคัญที่สุดคือ การตัดสินใจว่าจะแสดงเนื้อหาโพสต์และโฆษณาอย่างไรให้ตรงกับกลุ่มเป้าหมายที่สุด

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
Amazon เป็นหนึ่งในบริษัทอีคอมเมิร์ซที่ใหญ่ที่สุดในโลก มีการรวบรวมข้อมูลประวัติการซื้อของลูกค้าถึง 1 Exabyte (ประมาณ 1000 ล้าน Gigabyte) ซึ่งข้อมูลเหล่านี้ได้ผ่านกระบวนการ Data Science และถูกนำมาใช้เทรนเครื่องมือแนะนำสินค้า ที่สามารถวิเคราะห์พฤติกรรมของลูกค้าบนเว็บไซต์ และทำนายได้อย่างแม่นยำว่าลูกค้าอาจสนใจอะไรในอนาคต

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
Apple เป็นบริษัทเทคโนโลยีระดับโลกที่เชี่ยวชาญในการออกแบบ พัฒนา และจำหน่ายอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค เช่น Mac, iPhone, iPad, AirPods เป็นต้น ดังนั้นการใช้ Data Science หลัก ๆ จึงเป็นไปเพื่อจุดประสงค์ในการสร้างประสบการณ์ใช้งานอุปกรณ์ที่ดียิ่งขึ้น ที่เห็นได้ชัดคือ Siri ผู้ช่วย AI ของ Apple สร้างขึ้นบนอัลกอริทึม Machine Learning ขนาดใหญ่ที่รวมการจดจำเสียงเข้ากับการประมวลผลภาษาธรรมชาติ (Natural Language Processing)

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 เลือกภาพปกโปสเตอร์​ที่ดึงดูดที่สุด
Netflix แพลตฟอร์มสตรีมมิ่งวิดีโอที่ใหญ่ที่สุด ในปี 2024 Netflix มีสมาชิกทั่วโลก กว่า 277 ล้านคน โดยหนึ่งความลับของความสำเร็จอันยิ่งใหญ่นี้คือการใช้ข้อมูล และการวิเคราะห์เพื่อทำการปรับปรุงผลิตภัณฑ์และยกระดับประสบการณ์ลูกค้า อาทิ แนะนำภาพยนตร์และรายการทีวีที่ตรงใจ ปรับแผนการผลิตให้เหมาะสม คาดการณ์ความนิยม ปรับแต่งเนื้อหาการตลาด เช่น ภาพปก เทรลเลอร์ ภาพขนาดย่อของแต่ละตอน

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
Search, Maps, Cloud, YouTube, Translate ผลิตภัณฑ์ทั้งหมดนี้ใช้ Data Science เพื่อช่วยยกระดับประสบการณ์ลูกค้าและขับเคลื่อนการเติบโตของรายได้สำหรับบริษัทตัวอย่างเช่น Google Ads เดิมชื่อ AdWords เป็นชุดเครื่องมือการตลาดสำหรับธุรกิจในการโฆษณาผลิตภัณฑ์ของตนออนไลน์ เพื่อใช้กำหนดเป้าหมายโฆษณาที่เหมาะสมให้กับผู้ใช้ที่เหมาะสม โดยเบื้องหลัง Google Ads มีอัลกอริทึม Machine Learning ที่ทันสมัยซึ่งจัดอันดับคำหลักหลายพันคำตามเมตริกหลายอย่าง ก่อนจะถูกนำมาใช้ในการเลือกโฆษณาที่เหมาะสมเพื่อแสดงให้ผู้ใช้ดู

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

More Information