รู้จัก Snowplow ซอฟต์แวร์ที่มุ่งให้องค์กรใช้ข้อมูลของตัวเองได้เต็มที่ : [ MarTech People EP.11 ]

Snowplow คือบริษัทซอฟต์แวร์ที่มุ่งช่วยให้องค์กรต่างๆเก็บรวบรวมข้อมูลทุกการกระทำหรือทุกเหตุการณ์ที่เกิดขึ้นบนแพลตฟอร์มดิจิทัลของบริษัทนั้นๆ เช่น เว็บไซต์ หรือแอปพลิเคชันมือถือ แล้วนำมาจัดเรียงอย่างเป็นระเบียบ เพื่อให้ธุรกิจสามารถนำข้อมูลไปวิเคราะห์และทำความเข้าใจลูกค้าได้อย่างลึกซึ้ง

ผู้ก่อตั้ง: สองผู้บุกเบิกที่ต้องการให้อำนาจข้อมูลแก่เจ้าของธุรกิจ

Snowplow ก่อตั้งขึ้นในปี 2012 โดยสองผู้ก่อตั้งคือ Yali Sassoon และ Alexander Dean ทั้งคู่ทำงานในบริษัทที่ปรึกษาด้านการตลาดดิจิทัลในลอนดอน ทั้งสองได้พบกันและได้พูดคุยแลกเปลี่ยนมุมมองปัญหาด้านการวิเคราะห์ข้อมูลและได้เห็นปัญหาใหญ่ที่บริษัทต่างๆ กำลังเผชิญอยู่

ตัวอย่างเช่นปัญหาว่าองค์กรต่างๆต้องพึ่งพาแพลตฟอร์มอื่น ให้บริษัทอื่นเป็นคนเก็บข้อมูลพฤติกรรมลูกค้าทั้งหมด โดยข้อมูลนี้เหมือนถูกเก็บไว้โดย “คนอื่น” ที่เจ้าของไม่สามารถเปิดดูได้ตามต้องการ หรือถ้าเปิดได้ ข้อมูลก็ไม่ครบถ้วน ขาดบริบทหรือรายละเอียดทั้งหมด

หรือปัญหารูปแบบข้อมูลตายตัว ปรับแต่งยาก ไม่สามารถตอบคำถามที่ซับซ้อนได้ เช่น “ลูกค้าที่มาจากโฆษณาใน Facebook และดูวิดีโอ A ครบ 80% มีแนวโน้มจะซื้อสินค้า X หรือไม่” หรือคำถามอื่นๆที่ลึกกว่านี้

Yali Sassoon (ผู้ร่วมก่อตั้งและดูแลด้านผลิตภัณฑ์) และ Alexander Dean (ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหาร) จึงตัดสินใจสร้าง Snowplow ขึ้นมา โดยมีเป้าหมายคือ มอบอำนาจและ “ความเป็นเจ้าของข้อมูล” ให้กับธุรกิจอย่างสมบูรณ์

พวกเขาเปรียบเทียบว่า ถ้าเครื่องมือเดิมคือร้านขายของสำเร็จรูป Snowplow จะเป็น โรงงานผลิตข้อมูล ที่ลูกค้าสามารถกำหนดสเปคการผลิตเองได้ทั้งหมด

พวกเขาต้องการให้ธุรกิจสามารถสร้างสิ่งที่เหมือน “นักสืบดิจิทัล” ส่วนตัวที่เก็บข้อมูลได้ละเอียดตามที่ต้องการ และข้อมูลนั้นต้องเป็นของธุรกิจเองทั้งหมด

จุดเริ่มต้น: ยุค Open-Source (2012 – 2015)

Snowplow เริ่มต้นจากการเป็น โครงการโอเพนซอร์ส (Open-Source) ในปี 2012 นี่คือการตัดสินใจครั้งสำคัญ หมายความว่าพวกเขาได้เผยแพร่รหัสโปรแกรมหลักให้ใครก็ได้นำไปใช้และปรับแต่งได้ฟรี เหมือนแจกพิมพ์เขียวของโรงงานให้ทุกคนไปสร้างโรงงานข้อมูลของตัวเอง

การสร้าง ‘Tracker’ ตัวแรก: หัวใจของการเก็บข้อมูลคือ Tracker ซึ่งเป็นโค้ดเล็กๆ ที่ฝังอยู่ในเว็บไซต์เพื่อคอย “สอดแนม” ทุกการกระทำของผู้ใช้ ในตอนแรก Tracker ของ Snowplow เน้นที่การเก็บข้อมูลบนเว็บไซต์ (Web Tracking)

สร้าง ‘Data Pipeline’ ขั้นพื้นฐาน: พวกเขาต้องสร้าง ท่อส่งข้อมูล (Pipeline) เพื่อรับข้อมูลจาก Tracker เข้ามาทำความสะอาดและจัดเก็บ ท่อนี้ในตอนแรกถูกสร้างขึ้นเพื่อใช้กับบริการคลาวด์ยุคแรกๆ เช่น Amazon Web Services (AWS)

โครงสร้างข้อมูลที่ยืดหยุ่น: Snowplow แตกต่างตรงที่ใช้แนวคิด Schema-on-Read ซึ่งอนุญาตให้ผู้ใช้กำหนดรูปแบบของข้อมูลที่ต้องการเก็บเองได้ทุกอย่าง (Custom Events) เหมือนการออกแบบตารางในสมุดบันทึกของคุณเอง ต่างจากเครื่องมืออื่นที่บังคับให้ใช้ตารางสำเร็จรูปเท่านั้น

ในช่วงนี้ Snowplow ได้รับความนิยมในกลุ่มนักวิเคราะห์ข้อมูลและวิศวกรที่ต้องการควบคุมข้อมูลอย่างสมบูรณ์ เพราะมันเป็น เครื่องมือสำหรับผู้เชี่ยวชาญ ที่ต้องติดตั้งและดูแลระบบด้วยตัวเอง

การพัฒนาสู่การเป็น “แพลตฟอร์ม” (2015 – ปัจจุบัน)

เมื่อเวลาผ่านไป ธุรกิจต่างๆ เริ่มตระหนักถึงพลังของข้อมูลละเอียด แต่การดูแลระบบ Snowplow ด้วยตัวเองก็เป็นเรื่องยุ่งยากสำหรับองค์กรขนาดใหญ่

เพื่อให้ Snowplow เข้าถึงได้ง่ายขึ้นสำหรับองค์กรที่ไม่ต้องการจ้างทีมงานดูแลระบบทั้งหมดเอง บริษัทจึงเปิดตัว Snowplow Insights (ปัจจุบันคือ Snowplow BDP – Behavioral Data Platform) ซึ่งเป็น บริการแบบจัดการ (Managed Service)

พัฒนาการของซอฟต์แวร์ในยุคนี้:

รองรับ Multi-Cloud: ขยายการรองรับจาก AWS ไปสู่แพลตฟอร์มคลาวด์อื่นๆ เช่น Google Cloud Platform (GCP) และ Microsoft Azure

Tracker ที่หลากหลาย: พัฒนา Tracker ให้สามารถเก็บข้อมูลจากแหล่งอื่นๆ นอกจากเว็บไซต์ได้ เช่น …

• Mobile Trackers: สำหรับแอปพลิเคชันบนมือถือ (iOS และ Android)
  
  
• IoT Trackers: สำหรับอุปกรณ์อัจฉริยะต่างๆ เช่น เซ็นเซอร์ หรือตู้คีออสก์
  
  
• Real-Time Data (ข้อมูลเรียลไทม์): เพิ่มความสามารถในการประมวลผลข้อมูลได้ ทันที(In Real-Time) ทำให้ธุรกิจสามารถตอบสนองต่อเหตุการณ์ที่กำลังเกิดขึ้นได้ทันท่วงที เช่น เมื่อลูกค้าทำพฤติกรรมบางอย่าง ก็สามารถส่งการแจ้งเตือนกลับไปหาลูกค้าคนนั้นได้ทันที

พัฒนาการล่าสุดที่สำคัญ

• Machine Learning : ให้ความสำคัญกับ AI โดยให้การจัดเก็บข้อมูลให้อยู่ในรูปแบบที่พร้อมสำหรับ การนำไปสร้างแบบจำลอง AI โดยไม่ต้องมีการแปลงข้อมูลซ้ำซ้อน
  
  
• Low-Code/No-Code : แม้ว่า Snowplow จะขึ้นชื่อเรื่องความยืดหยุ่น แต่พวกเขาก็ได้พัฒนาเครื่องมือที่ช่วยให้ผู้ใช้ที่ไม่มีความรู้ด้านโค้ดมากนักสามารถกำหนดการเก็บข้อมูลและสร้าง Data Pipeline ได้ง่ายขึ้น
  
  
• Ecosystem Integration : สร้างความร่วมมือและเชื่อมต่อกับ Data Warehouses ยอดนิยม เช่น Snowflake และ Databricks ได้อย่างราบรื่น ทำให้ข้อมูลที่เก็บมาไหลไปสู่พื้นที่วิเคราะห์ของลูกค้าได้อย่างไร้รอยต่อ

Snowplow ทำงานอย่างไร?

ถ้าเปรียบเว็บไซต์หรือแอปพลิเคชันของคุณเป็น “บ้าน” และลูกค้าคือ “แขก” ที่เข้ามาเยี่ยมชม:

1. การตรวจจับเหตุการณ์

• ติดตั้ง Tracker ของ Snowplow ไว้ทั่วทุกระบบ (เว็บไซต์/แอป) Tracker นี้เป็นเหมือนโค้ดเล็กๆ ที่คอยสังเกตการณ์พฤติกรรมของแขกทุกคน
  
• สิ่งที่เก็บ: ผู้เข้าชม (User) ทำอะไร (Action) ที่ไหน (Location) เมื่อไหร่ (Time) และด้วยอุปกรณ์อะไร (Device)
  เช่น “ลูกค้าชื่อ A (User) กดปุ่ม (Action) ที่อยู่ข้างรูปภาพชุดสีแดง (Location) เมื่อเวลา 14:05 น. (Time) ด้วยโทรศัพท์มือถือ (Device)”

2. การสร้าง “บันทึกเหตุการณ์” (Event Data)

• ทุกการกระทำของแขกจะถูกบันทึกเป็น “เหตุการณ์ (Event)” ที่ละเอียดมากและมี “โครงสร้าง” ที่ชัดเจน
  
• ลองนึกถึงตั๋วเข้างาน: ตั๋วทั่วไปอาจมีแค่ชื่ออีเวนต์ แต่ตั๋วของ Snowplow จะมีช่องใส่รายละเอียดครบถ้วน เช่น ชื่ออีเวนต์, ใครเป็นคนทำ, ทำอะไร, สถานที่ที่ทำ, ข้อมูลสภาพอากาศขณะนั้น, และอุปกรณ์ที่ใช้

3. การทำความสะอาด “ร่องรอย” และจัดส่ง (Processing & Storage)

• ข้อมูลที่เก็บได้จะถูกส่งผ่านท่อ (Pipeline) เพื่อ ทำความสะอาด (กำจัดข้อมูลที่ไม่จำเป็น), ตรวจสอบความถูกต้อง (ข้อมูลนี้เป็นข้อมูลจริงหรือไม่), และ เติมข้อมูลบริบท (เช่น ข้อมูลตำแหน่งของลูกค้า)
  
• ข้อมูลที่สะอาดแล้วจะถูกส่งไปเก็บใน “ห้องเก็บของส่วนตัว” ของคุณ (คลังข้อมูลบนคลาวด์ เช่น Snowflake หรือ Google BigQuery) นี่คือจุดที่สำคัญที่สุด! ข้อมูลนี้เป็นของคุณ 100% คุณสามารถเปิดดู วิเคราะห์ หรือทำอะไรก็ได้ตามต้องการ

4. การใช้ “ข้อมูลดิบ” ไปวิเคราะห์ (Analysis)

• เมื่อคุณมี “ร่องรอยดิจิทัล” ที่ละเอียดและเป็นระเบียบ คุณก็สามารถสร้างแบบจำลอง AI, ปรับปรุงเว็บไซต์, หรือสร้างรายงานที่แม่นยำเพื่อ…
  • ทำนาย: ลูกค้าคนไหนที่มีแนวโน้มจะซื้อสินค้าในเดือนหน้า
    
  • ปรับปรุง: ทำไมลูกค้าถึงคลิกออกจากหน้าชำระเงินบ่อย
    
  • นำเสนอ: แนะนำสินค้าที่ตรงใจลูกค้าแต่ละคนแบบเรียลไทม์

สรุป

พัฒนาการของ Snowplow เป็นตัวอย่างของการเปลี่ยนจากเครื่องมือเฉพาะทางสำหรับนักพัฒนา ไปสู่แพลตฟอร์มที่ให้อำนาจธุรกิจทุกขนาดในการควบคุม “ร่องรอยดิจิทัล” ของตัวเองได้อย่างเต็มที่ ทำให้พวกเขาสามารถตัดสินใจทางธุรกิจได้ด้วยข้อมูลที่แม่นยำที่สุด

ภาพประกอบจาก

snowplow.io

bigdatawire.com/2022/10/28/how-snowplow-breaks-down-data-barriers

. : รู้จัก PAM Realtime CDP ซอฟต์แวร์การตลาดอัตโนมัติไทย ที่ PAMs.ai : .