Persona คือ: ทำไม Customer Persona ที่สร้างจากการคาดเดาถึงล้มเหลวในตลาดไทย

สารบัญ

• Customer Persona คืออะไร
• Persona ที่สร้างจากการคาดเดา กับ Persona ที่สร้างจากการวิจัย
• Customer Persona Template สำหรับตลาดไทย
• วิธีสร้าง Research-Backed Customer Persona ในประเทศไทย
• Persona ตัวอย่าง — จากตลาดไทย
• Persona Marketing — จาก Persona สู่กลยุทธ์
• บทสรุป
• แหล่งอ้างอิง

แบรนด์ส่วนใหญ่มี customer personas อยู่แล้ว แต่หลายครั้ง personas เหล่านั้นกลับไม่สะท้อนผู้บริโภคจริง ไม่ใช่เพราะทีมที่สร้างขาดความตั้งใจ แต่เพราะ persona คือ สิ่งที่มักถูกสร้างจาก input ที่คลาดเคลื่อนตั้งแต่ต้น เช่น assumption ของทีมขาย ข้อมูล demographic จาก Google Analytics หรือ internal workshop ที่สะท้อนมุมมองขององค์กร มากกว่าความเป็นจริงของตลาด ในประเทศไทย ช่องว่างนี้ยิ่งชัดเจนขึ้น เพราะผู้บริโภคไทยมักแสดงออกในบริบทการวิจัยแตกต่างจากพฤติกรรมจริง บทความนี้อธิบายความต่างระหว่าง assumption-based persona และ research-backed persona วิธีสร้างที่มีหลักฐานรองรับ และสิ่งที่ค้นพบจากสามงานวิจัยจริงเมื่อทดสอบสมมติฐานกับข้อมูลผู้บริโภคจริง

Customer Persona คืออะไร

Customer persona คือ โปรไฟล์รวมของลูกค้าประเภทหนึ่งที่สร้างขึ้นเพื่อแทน segment จริงในตลาด ไม่ใช่ค่าเฉลี่ยของลูกค้าทั้งหมด [1] สำหรับกลยุทธ์แบรนด์และการตลาด มี persona อยู่สามประเภทหลัก

Customer persona อธิบาย end user ว่าสินค้าหรือบริการเข้าไปอยู่ในชีวิตของเขาอย่างไร แรงจูงใจ lifestyle และ goal คืออะไร ข้อมูลนี้ช่วยกำหนด product design, UX และ post-purchase experience ส่วน buyer persona คือ โปรไฟล์ของผู้ตัดสินใจซื้อ ครอบคลุม evaluation criteria, buying triggers, decision-making process และ risk concerns ในหลายหมวด โดย B2C ผู้ซื้อกับผู้ใช้อาจเป็นคนเดียวกัน แต่ใน B2B, healthcare, household durables และสินค้าประเภท gifting บทบาทเหล่านี้มักแยกกัน หากรวมทั้งสองบทบาทไว้ใน persona เดียว โปรไฟล์ที่ได้มักไม่สะท้อนทั้งผู้ซื้อและผู้ใช้ได้อย่างแม่นยำ ขณะที่ target persona คือ โปรไฟล์ที่นำไปใช้กับ campaign targeting โดยเฉพาะ เช่น channel preferences, messaging receptivity และ cultural reference points

ในประเทศไทย buyer และ customer roles มักแยกกันมากกว่าที่ international marketing teams คาด เพราะการตัดสินใจภายในครอบครัวทำให้คนค้นหาข้อมูล คนจ่ายเงิน และคนใช้จริง มักเป็นผู้บริโภคคนละกลุ่มกัน [4]

Persona ที่สร้างจากการคาดเดา กับ Persona ที่สร้างจากการวิจัย

Customer personas ส่วนใหญ่ถูกสร้างใน workshop ทีมจะลิสต์สิ่งที่เชื่อเกี่ยวกับลูกค้า เช่น อายุ รายได้ lifestyle และ motivation โดยอิงจากประสบการณ์ฝ่ายขาย anecdotal interactions และ internal data ที่สะท้อนว่าใครกำลังซื้ออยู่แล้ว ไม่ใช่ว่าใครอาจซื้อได้ในอนาคต

Research-backed personas เริ่มจาก qualitative exploration ผ่าน focus group หรือ in-depth interview ที่ให้ผู้บริโภคพูดถึง category, brand และ decision-making ด้วยภาษาของตัวเอง วิธีนี้ช่วยให้เห็น associations, tensions และ motivations ที่ทีมภายในองค์กรมักมองไม่เห็นจากข้อมูลภายในเพียงอย่างเดียว จากนั้น quantitative research จึงใช้ validate ว่า pattern ใดสะท้อนผู้บริโภคในระดับที่มีนัยสำคัญทางสถิติ และ pattern ใดเป็นเพียง edge case [2]

ในประเทศไทย ช่องว่างระหว่างสองวิธีนี้เป็นเรื่องเชิงโครงสร้าง ผู้บริโภคไทยในบริบทการวิจัยมักมี acquiescence bias คือมีแนวโน้มเห็นด้วยกับกรอบคำถามที่ถูกเสนอ มากกว่าการแสดงความไม่เห็นด้วยอย่างตรงไปตรงมา [3] ถ้า customer interviews ทำโดยไม่มี probe techniques ที่เหมาะสม workshop persona ที่เริ่มจากความเชื่อของทีมขายจะยิ่งถูก reinforce ด้วยคำตอบที่สุภาพและปลอดภัย ความไม่พอใจจริง อุปสรรคการซื้อจริง และแรงจูงใจทางเลือก จะปรากฏก็ต่อเมื่อใช้ research instruments ที่ออกแบบมาเพื่อดึงสิ่งเหล่านี้ออกมาโดยเฉพาะ

Customer Persona Template สำหรับตลาดไทย

Customer persona ตัวอย่างแบบฟอร์มช่วยให้การจัดโครงสร้างข้อมูลเป็นระบบ แต่ข้อมูลที่ใส่ลงไปคือสิ่งที่กำหนดว่าผลลัพธ์จะเป็นเครื่องมือเชิงกลยุทธ์ หรือเป็นตัวละครสมมติ ภาพสองภาพด้านล่างแสดง persona เดียวกันที่ถูกสร้างสองครั้ง ครั้งแรกจากหลักฐาน และอีกครั้งจาก assumption

ภาพแรกคือ research-backed Thai persona ของพลอย นักยกระดับคุณภาพชีวิตต่างจังหวัด ซึ่งสร้างจาก qualitative และ quantitative consumer research โดยแต่ละ field ถูกเติมจาก evidence ไม่ใช่การคาดเดา

ความแตกต่างนี้ไม่ใช่เรื่องทฤษฎี หากสร้างพลอยคนเดิมจาก workshop assumptions หน้าตาของ persona จะเปลี่ยนไปอย่างมาก และจะพาทีมการตลาดไปผิดทั้ง motivation, segment, decision-maker และ channel

วิธีสร้าง Research-Backed Customer Persona ในประเทศไทย

Stage 1 — Qualitative exploration: เริ่มต้นด้วย qualitative research — focus group หรือ in-depth interview กับกลุ่มเป้าหมาย ดำเนินการโดย moderator ที่มีความเข้าใจวัฒนธรรมไทยอย่างลึกซึ้ง เป้าหมายไม่ใช่การยืนยันสิ่งที่ทีมเชื่ออยู่แล้ว แต่เพื่อค้นพบว่าผู้บริโภคพูดถึงหมวดหมู่นี้อย่างไร ในภาษาที่พวกเขาใช้เอง พวกเขาเห็น tension ระหว่าง stated preference กับ observed behaviour ตรงไหน และเชื่อมโยง competing brands กับความหมายแบบใด ในประเทศไทย การถามตรงเกินไปมักให้คำตอบที่สบายใจต่อทุกฝ่าย แต่ไม่ใช่ consumer tensions ที่แท้จริง

Stage 2 — Quantitative validation: เมื่อ qualitative exploration ระบุ pattern สำคัญได้แล้ว quantitative research จะช่วยวัด scale และ distribution ของ pattern เหล่านั้นใน target population ขั้นตอนนี้แยก representative persona ออกจาก interesting edge case ในประเทศไทย CAPI fieldwork ที่เข้าถึงผู้ตอบต่างจังหวัดและกลุ่มที่ online panel มักพลาดไป ให้ segment distribution ที่แตกต่างอย่างมีนัยสำคัญจาก panel ที่เน้น Bangkok เป็นศูนย์กลาง [4]

Stage 3 — Segmentation: cluster analysis จัดกลุ่มผู้บริโภคตามพฤติกรรมและแรงจูงใจ ไม่ใช่แค่ demographics ผู้บริโภคสองคนที่มี demographic profile เหมือนกัน เช่น อายุ รายได้ และที่อยู่อาศัยใกล้เคียงกัน อาจมี brand relationships และ purchase drivers ต่างกันโดยสิ้นเชิง Research-backed market segmentation จึงสร้าง personas ที่ทำนายพฤติกรรมได้จริง

Stage 4 — Validation: ทดสอบ persona กับข้อมูลการซื้อจริงก่อนนำไปใช้วางกลยุทธ์ หาก persona ไม่สามารถทำนาย observed behaviour ได้ มันไม่ใช่เครื่องมือเชิงกลยุทธ์ แต่เป็น hypothesis ที่ต้องปรับแก้ [2]

Persona ตัวอย่าง — จากตลาดไทย

Customer persona ตัวอย่างต่อไปนี้แสดงให้เห็นว่า ตัวอย่าง persona ที่สร้างจากข้อมูลจริงสามารถเปลี่ยนการตัดสินใจเชิงกลยุทธ์ได้อย่างไร เมื่อเทียบกับ persona ที่เริ่มจาก assumption

กรณีที่ 1: Pickup Truck Market Entry

แบรนด์ยานยนต์รายหนึ่งตั้งสมมติฐานว่าเกณฑ์การซื้อ pickup truck ของผู้บริโภคไทยเป็นเรื่อง functional เป็นหลัก เช่น payload, fuel efficiency และราคา แต่การวิจัยในกลุ่มผู้ใช้แบรนด์คู่แข่งพบว่า after-sales service trust คือปัจจัยตัดสินใจหลัก เป็น gate แรกของการพิจารณาแบรนด์ที่ยังไม่คุ้นเคย ไม่ใช่ประเด็นรอง กลยุทธ์การสื่อสารจึงถูกปรับให้แก้ trust gap ก่อนเปิดตัว อ่านกรณีศึกษาฉบับเต็ม [5]

กรณีที่ 2: Real Estate Platform

Thai property portal รายหนึ่งตั้งสมมติฐานว่า primary profile คือ traditional family buyer ที่ให้ความสำคัญกับ location และ price เป็นหลัก แต่การวิจัยพบ profile ที่สองอย่างชัดเจน คือ younger professionals ที่สนใจ co-living และมี platform feature priorities ต่างออกไปทั้งหมด กลุ่มนี้แทบมองไม่เห็นใน existing analytics ของแพลตฟอร์ม อ่านกรณีศึกษาฉบับเต็ม

กรณีที่ 3: Digital Messaging Platform

แพลตฟอร์มรายใหญ่รายหนึ่งเชื่อว่าสามารถแบ่งผู้ใช้ไทยตามอายุและ urban-rural split ได้ แต่ qualitative research จาก 12 focus groups พบว่า behaviour-based segmentation หรือการแบ่งตามวิธีที่ผู้ใช้ผสาน messaging เข้ากับชีวิตประจำวัน ให้กลุ่ม persona ที่ต่างออกไปโดยสิ้นเชิง และข้ามเส้นแบ่ง demographic แบบเดิม อ่านกรณีศึกษาฉบับเต็ม

Persona Marketing — จาก Persona สู่กลยุทธ์

Persona marketing คือ การนำ customer persona insights ไปประยุกต์ใช้กับการตัดสินใจทางการตลาดที่เฉพาะเจาะจง เช่น channel selection, message framing, timing และ format คุณค่าของ research-backed persona เมื่อเทียบกับ assumption-based persona เห็นชัดที่สุดในขั้นนี้ เพราะ decision ที่ตามมาจะแตกต่างกันจริง

ในประเทศไทย channel selection ขึ้นกับ persona มากกว่าที่ demographic assumptions มักจับได้ LINE ยังเป็นช่องทาง conversion หลักสำหรับ older established consumers และ provincial audiences ขณะที่ TikTok สร้าง discovery ได้ดีใน younger urban profiles แต่ไม่จำเป็นต้อง convert โดยตรงเสมอไป ส่วน in-store และ community referral ยังเป็นปัจจัยชี้ขาดในบาง category และบางพื้นที่ ซึ่ง online-first brands มักประเมินต่ำเกินไป

Message framing ก็เฉพาะเจาะจงไม่แพ้กัน ผู้บริโภคไทยในหลาย segment อ่อนไหวต่อข้อความที่ฟังดู presume เกินไป หรือไม่สอดคล้องกับ self-image ของตน การเข้าใจพฤติกรรมผู้บริโภคควบคู่กับ market segmentation ที่มาจากการวิจัยผู้บริโภค ช่วยเปิดให้เห็น language, reference points และ cultural signals ที่ resonate รวมถึงสิ่งที่ทำให้เกิด silent rejection

บทสรุป

Customer persona จะแม่นยำได้เท่ากับข้อมูลที่ใช้สร้างเท่านั้น ในประเทศไทย ที่ consumer research ต้องอาศัย cultural calibration, proper probe techniques และ offline fieldwork เพื่อให้ได้ตัวอย่างที่แทนตลาดจริง assumption-based personas ไม่ได้แค่คลาดเคลื่อน แต่สามารถพา marketing investment ไปผิด channel ผิด message และบางครั้งไปสู่การสื่อสารกับผู้บริโภคผิดกลุ่มทั้งหมด

คำถามที่พบบ่อย

Persona คืออะไร?

Persona คือ โปรไฟล์ที่สร้างจากข้อมูลวิจัยเพื่อแทนลูกค้าประเภทหนึ่ง โดยอธิบายแรงจูงใจ เกณฑ์การตัดสินใจ และความคาดหวังทางวัฒนธรรม ใช้เพื่อกำหนด product, marketing และ communication strategy ต่างจาก demographic profile เพราะอธิบายว่าทำไมผู้บริโภคจึงมีพฤติกรรมแบบนั้น ไม่ใช่แค่บอกว่าเขาเป็นใคร

Customer persona กับ buyer persona ต่างกันอย่างไร?

Customer persona ครอบคลุมภาพรวมของผู้บริโภคในแต่ละ segment ส่วน buyer persona โฟกัสผู้ตัดสินใจซื้อ โดยเฉพาะใน B2B หรือสินค้าที่มีกระบวนการตัดสินใจซับซ้อน เช่น role, evaluation criteria, risk concerns และ organisational influence

จะใช้ customer persona template ได้ไหม?

Customer persona template ใช้ได้ในฐานะโครงสร้าง แต่ insight ที่เติมจาก workshop assumptions มักสร้างตัวละครสมมติ มากกว่า persona ที่สะท้อนผู้บริโภคจริง ขณะที่ข้อมูลจาก research จะทำให้ template กลายเป็นเครื่องมือที่มีหลักฐานรองรับ

ควรมี customer persona กี่แบบ?

ขึ้นอยู่กับ category และความซับซ้อนของตลาดในประเทศไทย แบรนด์มักพบกลุ่มที่แตกต่างกันมากกว่าที่คาด โดยเฉพาะความต่างระหว่าง Bangkok กับ upcountry segments และระหว่าง stated drivers กับ actual purchase drivers

Persona marketing คืออะไร?

Persona marketing คือ การนำ insights จาก customer persona ไปใช้กับการตัดสินใจทางการตลาด เช่น channel selection, message framing, timing และ format ในไทย research-backed persona marketing มักนำไปสู่การเลือก channel และ message ที่แตกต่างจาก assumption-based approach อย่างชัดเจน

แหล่งอ้างอิง

[1] Revella, A. (2015). Buyer Personas: How to Gain Insight into your Customer’s Expectations, Align your Marketing Strategies, and Win More Business. Wiley. ISBN 978-1-118-96150-9.

[2] Salminen, J., Jansen, B.J., An, J., Kwak, H. & Jung, S. (2020). Persona transparency: Analyzing the impact of explanations on perceptions of data-driven personas. International Journal of Human-Computer Interaction, 36(8), 788–800. https://www.tandfonline.com/doi/full/10.1080/10447318.2019.1688946

[3] Chen, C., Lee, S.Y. & Stevenson, H.W. (1995). Response style and cross-cultural comparisons of rating scales among East Asian and North American students. Psychological Science, 6(3), 170–175. https://doi.org/10.1111/j.1467-9280.1995.tb00327.x

[4] Punpukdee, A. (2023). Considering consumer behavior in Thailand’s traditional and digital markets. Journal of Contemporary Issues and Thought, 13(1), 25–34. https://doi.org/10.37134/jcit.vol13.1.3.2023

[5] Iconic Research. Pick-up Truck Market Entry Study in Thailand. https://iconicthai.com/th/case-study/thailand-pickup-truck-market/

หากท่านต้องการอ้างอิงข้อมูลใด ๆ จากบทความนี้ โปรดอ้างอิงแหล่งที่มาพร้อมลิงก์ไปยังบทความต้นฉบับเพื่อเป็นการเคารพลิขสิทธิ์

ไอคอนนิค รีเสิร์ช ประเทศไทย เราคือพันธมิตรที่เชื่อถือได้ของท่านในด้านการวิจัยตลาดและให้คำปรึกษาทั่วประเทศไทยและเอเชียตะวันออกเฉียงใต้ เรามีสำนักงานใหญ่ที่กรุงเทพฯ และยังให้บริการไปถึงประเทศเพื่อนบ้านอย่างฟิลิปปินส์ มาเลเซีย อินโดนีเซีย สิงคโปร์ ลาว และเวียดนาม เราให้บริการข้อมูลเชิงลึกที่ขับเคลื่อนด้วยงานวิจัย และช่วยเหลือธุรกิจต่าง ๆ ในการแก้ไขปัญหาความซับซ้อนของตลาดในประเทศไทย ด้วยข้อมูลเชิงลึกของผู้บริโภค กลยุทธ์การเข้าสู่ตลาด และการคาดการแนวโน้มของธุรกิจอันหลากหลาย ติดต่อเราหากท่านมีข้อสงสัย! info@iconicthai.com ‪(+66)888954954

• ข้อมูลเชิงลึกของการวิจัยตลาด