Maison Keeps: Building New Highs with Instinct & Data #P’June
Key Message
Instinct อาจเป็นจุดเริ่มต้น แต่ไม่ควรเป็นคำตอบสุดท้าย
การทำแบรนด์ไม่ควรใช้แค่ “ความรู้สึกว่าอันนี้น่าจะขายดี” และก็ไม่ควรใช้ Data จนแบรนด์ไม่มีความรู้สึก สิ่งสำคัญคือเอา สัญชาตญาณของคนทำแบรนด์ + ข้อมูลจริงจากลูกค้า มาประกอบกัน เพื่อให้ตัดสินใจแม่นขึ้น
1. บางครั้งสินค้าที่ดีที่สุด เริ่มจากสิ่งที่ไม่ได้ตั้งใจจะขาย
เดิม Mason Keeps ไม่ได้เริ่มจากการขาย Accessories แต่ขายเสื้อผ้าเป็นหลัก
มีครั้งหนึ่งทีมคิดทำ กิ๊บติดผมเป็น Free Gift แจกให้ลูกค้า แต่พอทำออกมาแล้วรู้สึกว่าสวย จึงลองตั้งขายในราคาประมาณ 490 บาท ปรากฏว่า ขายดีมาก
สิ่งนี้กลายเป็นสัญญาณว่า สิ่งที่ทีม “ไม่ได้คิดว่าจะเป็นสินค้าหลัก” อาจกำลังบอกว่ามีโอกาสทางธุรกิจซ่อนอยู่
บทเรียน: อย่ายึดติดกับภาพเดิมของธุรกิจมากเกินไป ลูกค้าอาจกำลังบอกว่าโอกาสใหม่ของแบรนด์อยู่ตรงไหน
2. พอเห็นสัญญาณ ต้องกลับไปดู Data ก่อนตัดสินใจจริงจัง
หลังจากกิ๊บขายดี ทีมไม่ได้รีบสรุปทันทีว่า “งั้นเราทำเครื่องประดับเลย”
แต่กลับไปดูข้อมูล เช่น
- Market Size ของตลาดเครื่องประดับ
- Category นี้ใหญ่แค่ไหน
- ตลาด Gift มีสัดส่วนเท่าไร
- พฤติกรรมและความต้องการของลูกค้าเป็นอย่างไร
- ตลาดนี้มีพื้นที่ให้แบรนด์เติบโตหรือไม่
จึงค่อยตัดสินใจว่าจะเดินต่ออย่างจริงจัง
บทเรียน: ยอดขายดีครั้งเดียวคือ “Signal” แต่ยังไม่ใช่คำตอบ ต้องเอาสัญญาณนั้นไปตรวจสอบกับข้อมูลอีกที
3. คนทำแบรนด์ต้องมี Instinct แต่ต้องกล้ายอมรับว่า Instinct อาจผิด
พี่จูนยกตัวอย่างการออกแบบเสื้อตัวหนึ่ง ซึ่งตอนเห็น Sample จริง ทีม Fashion Designer กลับรู้สึกว่า
“มันหวานไป มันไม่ใช่เรา”
ถ้าใช้ความรู้สึกของทีมอย่างเดียว สินค้านี้อาจไม่ได้ไปต่อ
แต่พอลองนำเสื้อไปถ่ายแบบง่าย ๆ ใช้แสงธรรมชาติ ไม่ได้ลงทุน Production ใหญ่ แล้วเอาภาพไปลง กลับพบว่า Engagement สูงผิดปกติเมื่อเทียบกับโพสต์ทั่วไปของแบรนด์
นี่คือ Data ชุดแรกที่เริ่มบอกว่า
“สิ่งที่ทีมไม่ชอบ อาจเป็นสิ่งที่ลูกค้าชอบก็ได้”
4. Social Media ใช้เป็นพื้นที่ Test สินค้าได้
ทีมสังเกต Engagement ของภาพเสื้อตัวดังกล่าว แล้วพบว่ามันโดดเด่นจาก Content ปกติอย่างเห็นได้ชัด
แทนที่จะมองยอด Like เป็นเพียง Vanity Metric ทีมมองมันเป็น Signal ของ Demand
แล้วสิ่งที่เกิดขึ้นหลังจากนั้นก็ยืนยันข้อมูลชุดแรก เพราะเสื้อตัวนี้กลายเป็นสินค้าขายดีจริง
บทเรียน: Content ไม่ได้มีไว้แค่ Marketing แต่สามารถใช้เป็นเครื่องมือ Test Market ก่อนลงทุนกับสินค้าเต็มตัวได้
5. อย่าดูแค่ยอดขาย — ฟัง “เสียงลูกค้า” จากทุก Touchpoint
หลังจากเสื้อเริ่มขายดี ทีมได้รับข้อมูลจากหลายทางพร้อมกัน
- Admin แจ้งว่ามีลูกค้า DM เข้ามาถามหาสินค้า
- ลูกค้าถามว่ามีขาย Online หรือไม่
- ลูกค้าถามว่าสาขาอื่นมีหรือไม่
- PC หน้าร้านบอกว่าสินค้าขายดี
- ลูกค้าขอสีเพิ่ม
- ลูกค้าขอ Size เพิ่ม
- พนักงานจากสาขาอื่นบอกว่ามีคนมาตามหาสินค้า
เมื่อข้อมูลจากหลายช่องทางพูดไปในทิศทางเดียวกัน มันทำให้ทีมมั่นใจมากขึ้นว่า นี่ไม่ใช่ความบังเอิญ แต่เป็น Demand จริง
6. Data ไม่จำเป็นต้องเป็นระบบใหญ่หรือแพง
หนึ่งในประเด็นที่น่าสนใจมากคือ พี่จูนพูดในบริบทของ SME
SME ไม่จำเป็นต้องมีระบบ Data ระดับบริษัทใหญ่
Mason Keeps เองก็ใช้เครื่องมือง่าย ๆ อย่าง Google Sheets / Excel ในการเก็บข้อมูลสินค้าและ Feedback ต่าง ๆ
สิ่งสำคัญไม่ใช่ว่าใช้ Technology อะไร แต่คือ
เราเก็บข้อมูลอะไร และเอาข้อมูลนั้นไปใช้ตัดสินใจอย่างไร
7. “เก็บ Data” อย่างเดียวไม่พอ ต้องสร้าง Process ให้คนส่ง Data กลับมา
อันนี้เป็นอีก Key ที่สำคัญมาก
ถ้าเจ้าของต้องคอยเดินถามพนักงานว่า
“วันนี้ลูกค้าพูดอะไรบ้าง?”
“ตัวไหนขายดี?”
“ลูกค้าถามหาอะไร?”
สุดท้ายข้อมูลจะหายไปตามหน้างาน
Mason Keeps จึงสร้าง Process ให้คนที่สัมผัสลูกค้าโดยตรงช่วยเก็บข้อมูล เช่น
Admin → เก็บคำถาม/Feedback จาก Online
PC หน้าร้าน → รายงานสิ่งที่ลูกค้าถามและสินค้าที่ได้รับความสนใจ
ทีม → นำข้อมูลมารวมและวิเคราะห์
ทำให้เจ้าของไม่จำเป็นต้องยืนขายเองทุกวัน แต่ยังสามารถ “ได้ยินเสียงลูกค้า”
บทเรียน: Data ที่ดีต้องมาพร้อม SOP หรือ Process ที่ทำให้ข้อมูลไหลกลับมาถึงคนตัดสินใจ
8. Customer Feedback ต้องย้อนกลับไปถึงทีม Product
Data ไม่ควรจบอยู่ใน Report
เช่น ถ้าลูกค้าบอกว่า
“อยากได้สีนี้”
“อยากได้ Size เพิ่ม”
“อยากได้เสื้อที่ใช้ Logo แบบนี้”
ข้อมูลเหล่านี้สามารถกลายเป็น Input สำหรับ New Product Development ได้เลย
วงจรจึงควรเป็นประมาณนี้:
ออกสินค้า → ฟัง Feedback → เก็บ Data → หา Insight → พัฒนาสินค้าใหม่ → Test ใหม่
9. SME ไม่จำเป็นต้องเป็นคนคิดสิ่งใหม่ก่อนทุกคน
พี่จูนพูดประโยคหนึ่งที่น่าสนใจประมาณว่า
“เราไม่ใช่ Apple เราไม่ใช่ Huawei เราไม่ใช่ Samsung”
Fashion ไม่ได้แข่งขันกันด้วย Technology ใหม่ที่ต้อง Invent ก่อนคนอื่นเสมอไป สินค้าหลายแบรนด์มี Function ใกล้เคียงกัน
สิ่งที่สร้างความแตกต่างจึงอยู่ที่ ความรู้สึก รสนิยม Brand Experience และความเข้าใจลูกค้า
เพราะฉะนั้นโจทย์ไม่จำเป็นต้องเป็น
“เราจะคิดอะไรที่ไม่มีใครเคยทำได้อย่างไร?”
แต่อาจเป็น
“เราจะเข้าใจลูกค้าได้ลึกกว่าคนอื่นอย่างไร?”
10. หน้าร้านไม่ได้มีไว้แค่ขาย แต่เป็น Lab ของแบรนด์
หนึ่งในเหตุผลที่ Mason Keeps เปิดพื้นที่ที่ Siam Center คือไม่ได้มองแค่เรื่องยอดขาย
แต่ต้องการให้พื้นที่นั้นเป็นสถานที่สำหรับ
Test → Learn → Run
คือทดลองสินค้า ดูปฏิกิริยาของลูกค้า เรียนรู้ แล้วนำข้อมูลกลับไปพัฒนาต่อ
ดังนั้น Retail Store สามารถทำหน้าที่เป็น พื้นที่ทดลองของธุรกิจ ได้ด้วย
11. Data ช่วยให้ตัดสินใจ “แม่นขึ้น” ไม่ได้มีไว้ตัดสินใจแทนเรา
สุดท้ายพี่จูนไม่ได้บอกว่าให้ทุกอย่าง Data Driven 100%
เพราะถ้าใช้ Data มากเกินไป แบรนด์อาจเริ่มทำแต่สิ่งที่ตัวเลขบอกว่าขายได้ จนสุดท้ายสูญเสีย Character ของตัวเอง
สิ่งที่ต้องหาให้เจอคือ Balance ระหว่าง
Instinct — เราเชื่ออะไร / แบรนด์อยากเป็นอะไร
Data — สิ่งที่เกิดขึ้นจริงคืออะไร
Customer Insight — ลูกค้ากำลังต้องการอะไร
แล้วใช้ทั้งสามอย่างร่วมกัน
3 บทเรียนใหญ่จากพี่จูน
1. Instinct starts it, Data validates it.
ความรู้สึกอาจทำให้เราเห็นโอกาส แต่ข้อมูลช่วยยืนยันว่าโอกาสนั้นมีจริงหรือไม่
2. SME ก็ทำ Data-Driven Business ได้
ไม่จำเป็นต้องมี AI หรือ Dashboard ราคาแพง Google Sheets + Process ที่ดี ก็เริ่มได้แล้ว
3. Competitive Advantage คือการเข้าใจลูกค้าให้ลึกกว่าคนอื่น
โดยเฉพาะธุรกิจที่สินค้าไม่ได้แตกต่างกันด้วย Technology มาก สิ่งที่ทำให้แบรนด์ชนะอาจไม่ใช่ “ใครคิดก่อน” แต่คือ “ใครฟังลูกค้าเป็นกว่า และเปลี่ยนสิ่งที่ได้ยินให้กลายเป็นสินค้าได้เร็วกว่า”
สรุปแก่นของ Session ในประโยคเดียว
อย่าทำแบรนด์ด้วยความรู้สึกล้วน ๆ และอย่าทำแบรนด์ด้วยตัวเลขล้วน ๆ — ใช้ Instinct เพื่อสร้าง ใช้ Data เพื่อฟัง และใช้ Customer Insight เพื่อพาแบรนด์ไปในทิศทางที่แม่นขึ้น
Short Note by Palm Puwanai
