ทำไม Keyword ถึงสำคัญกับการใช้ Social Listening Tool จะมาแนะนำพื้นฐานการใช้งาน Social Listening Tool ที่ดูเหมือนจะธรรมดาแต่กลับมีความสำคัญอย่างยิ่งนั่นคือ การใส่ Keyword เพื่อให้ระบบนั้นไปค้นหาข้อมูลตามคำที่เราได้กำหนดไว้ ปัจจุบันผมสังเกตว่านักการตลาดออนไลน์เริ่มหันมาให้ความสนใจกับการนำ Social Media Data มาใช้กับการทำการตลาดออนไลน์ แต่ส่วนใหญ่มักจะให้ความสำคัญกับ Data ที่ออกมามากกว่าต้นทาง

ในครั้งนี้จึงเป็นโอกาสดีครับที่ผมจะขอใช้พื้นที่ในบทความนี้ เพื่อเป็นคู่มือสั้น ๆ ให้ผู้ใช้งาน Mandala Analytics และผู้สนใจทุกท่านสามารถนำไปใช้งานได้จริงครับ

Keyword คืออะไร?
ผมขออธิบายก่อนครับว่าหลักการทำงานในการป้อน Keyword ลงใน Social Listening Tool กับ Search Engine นั้นมีความแตกต่างกันอย่างมาก ผมขอเริ่มอธิบายด้วย Search Engine ก่อนนะครับเพราะว่าส่วนใหญ่น่าจะคุ้นเคยกันอยู่แล้ว

แม้จะมีส่วนที่คล้ายคลึงกันคือ การหาข้อมูลบนอินเทอร์เน็ตเป็นหลัก แต่จุดต่างคือ Data หรือข้อมูลที่จะปรากฏนี่แหละครับ สมมติผมใส่คำว่า “ระยอง” เข้าไปทั้งสองโปรแกรมข้อมูลที่ได้จาก Search Engine จะออกมาทำนองเกี่ยวกับข้อมูลทั่วไป ลักษณะทางกายภาพ สถานที่ท่องเที่ยว ฯลฯ ของจังหวัดระยอง แต่หากเอาคำเดียวกันไปใส่ใน Social Listening Tool ข้อมูลที่ออกมาจะทำนองว่า มีใครบนโลกออนไลน์พูดถึงคำว่าระยองเท่าไหร่ ยอดปฏิสัมพันธ์ (Engagement) มากน้อยเท่าไหร่ มีเนื้อความอย่างไร เพื่อให้เห็นภาพชัดเจนผมอยากให้ลองพิจารณาสองรูปต่อไปนี้ครับ

ผมขอเสริมอีกนิดนึงครับว่าแม้เราจะสะกดคำว่าระยองผิด เช่น สะกดเป็น “ละยอง” Search Engine จะยังสามารถเดาได้ว่าเราต้องการหาข้อมูลเกี่ยวกับจังหวัดระยอง แต่หากเป็น Social Listening Tool ข้อมูลนั้นจะตรงไปตรงมาเลยครับว่า เราจะได้ข้อมูลที่มีคนพิมพ์คำว่าละยองแทน

อธิบายความแตกต่างมาเสียยืดยาวผมคาดว่าผู้อ่านคงพอเห็นความแตกต่างของการทำงานทั้งสองโปรแกรมแล้วนะครับ ฉะนั้น การใส่คำหรือ Keyword บน Social Listening Tool เราจึงต้องอาศัยความประณีต และค่อนข้างให้ความสำคัญพอสมควร โดยต่อไปผมจะกล่าวถึงวิธีการหลัก ๆ ที่ทำให้เราได้ข้อมูลจาก Social Listening Tool อย่างมีประสิทธิภาพครับ

วิธีการให้ได้ Keyword เพื่อข้อมูลที่มีประสิทธิภาพ
เทคนิคต่อไปนี้ผมขอออกตัวก่อนนะครับว่ามาจากประสบการณ์ส่วนตัวในการคลุกคลีอยู่กับการใช้งาน Social Listening Tool พอสมควร ผมขอแบ่งวิธีการออกเป็น 3 วิธีดังนี้ครับ

1. คิดเอง/ตามวัตถุประสงค์: วิธีการที่เบสิกที่สุดแต่ก็ได้ประสิทธิภาพมากที่สุดเช่นกันถ้าเรามีเป้าหมายหรือวัตถุประสงค์ในการนำ Social Media Data ไปใช้งานอย่างไรก็ให้ตั้ง Keyword แบบนั้นเลยครับ เช่น ผู้อ่านอาจมีชื่อแบรนด์/องค์กรที่ต้องนำ Data มาใช้เพื่อติดตามสถานการณ์เกี่ยวกับภาพลักษณ์ก็ใส่ชื่อองค์กร/แบรนด์ตรง ๆ ได้เลย หรือหากผู้อ่านเป็นนักการตลาดออนไลน์ที่เพิ่งปล่อยแคมเปญหรือกิจกรรม แล้วกิจกรรมนั้นมี # (Hashtag) สำหรับกิจกรรมก็สามารถใส่ # เข้าไปเลย เพื่อติดตามเรื่องราวต่าง ๆ ที่เกิดขึ้น

ในอีกทางหนึ่งเราสามารถใส่สินค้า/บริการที่ต้องติดตามก็ได้เช่นเดียวกันครับ เช่น เราสนใจว่าปัจจุบันกระแสไก่ทอดร้านไหนมาแรง หรือมีรูปแบบใดที่กำลังได้รับความนิยม เราก็สามารถใส่คำว่า “ไก่ทอด” เข้าไปได้เลยเช่นเดียวกันครับ

2. ใช้ Google Trends: วิธีการนี้ผมคิดว่าเหมาะสำหรับคนที่มีเป้าหมายหรืออะไรบางอย่างในใจอยู่แล้วว่าต้องการนำ Data ไปใช้อย่างไรบ้าง เช่น เราอาจกำลังสนใจเรื่องสินทรัพย์ดิจิทัลก็อาจจะเริ่มด้วยการใส่คำว่า “คริปโต” ใน Google Trends มาดูผลลัพธ์กันครับว่าสิ่งที่แนะนำมาเรานำมาใช้อะไรได้บ้าง

3. ใช้โปรแกรมแนะนำคำโปรแกรมอื่น: วิธีการนี้จะคล้ายคลึงกับการใช้งาน Google Trends เลยครับ แต่บางโปรแกรมเราอาจจะต้องเสียเงินซักเล็กน้อยเพื่อให้สามารถใช้งานได้เต็มรูปแบบ ตัวอย่างที่ผมยกมานั้นชื่อโปรแกรม Keywordtool.io มาดูกันครับว่าคำค้นหาเดียวกันคือ “คริปโต” เราจะได้ผลลัพธ์อย่างไร

จากภาพเป็นหน้าตาของ Keywordtool.io ครับ เราจะเห็นว่าหน้าตาค่อนข้างละเอียดกว่า Google Trends (เงินมาของไปอะครับพูดง่าย ๆ เลย) ถึงแม้มันจะแสดงอย่างละเอียดที่เราอาจจะนำไปต่อยอดใน Social Listening Tool ได้มากมาย แต่ผมมองว่าข้อเสียมันก็มีอยู่นะครับคือ ด้วยความที่มันเยอะมากก็ส่งผลให้เราเลือกไม่ถูกเหมือนกันว่าจะเอาอะไรมาใช้ดี ผมแนะนำว่าวิธีนี้อาจจะต้องเป็นคนที่คุ้นชินกับการใช้งานพอสมควรครับ

ในหัวข้อที่แล้วผมแสดงวิธีการต่าง ๆ เพื่อให้มาซึ่ง Keyword ที่เราต้องการแล้วนั้น ในหัวข้อนี้ผมจะเผยอีกเทคนิคที่ทำให้ Data ของเราตรง ชัด และกระชับครับ โดยผมจะแบ่งออกเป็น 2 หัวข้อย่อยคือ 1) การระบุด้วยการเพิ่ม Keyword และ 2) การระบุด้วยการลด Keyword ทั้งนี้ ทุกวิธีการจะเป็นการต่อยอดหรือหลังจากที่เราได้ Keyword ไม่ว่าจะมาจากวิธีการใดก็แล้วแต่ตามที่ผมได้เสนอไว้แล้วครับ

1. การระบุด้วยการเพิ่ม Keyword: วิธีการนี้คือใส่เครื่องหมายบวก (+) เพื่อขยาย Keyword หลักของเรา เช่น เรากำลังสนใจอุตสาหกรรมรองเท้าแน่นอนครับว่าคำหลักที่เราต้องใส่เลยคือ “รองเท้า” แต่อย่าลืมนะครับว่าคำว่ารองเท้าวัน ๆ นึงนี่มีคนพิมพ์ในโลกออนไลน์เยอะแยะแน่นอน มากไปกว่านี้รองเท้าในโลกเราก็ไม่ได้มีแค่ประเภทเดียว มีทั้งรองเท้าแตะ รองเท้าผ้าใบ รองเท้าส้นสูง นี่จึงเป็นที่มาของคำแนะนำข้อนี้ครับว่า ให้เราใส่ + เพื่อระบุครับว่า รองเท้าที่เราต้องการดูข้อมูลนั้นเป็นรองเท้าประเภทอะไร เพื่อใคร โดยผมอยากให้ดูจากตัวอย่างภาพประกอบต่อไปนี้ครับ

จากภาพจะเห็นว่าผมระบุว่าต้องการข้อมูลรองเท้าที่แยกเพศชัดเจนระหว่างผู้ชายและผู้หญิง ผมจึงใส่เครื่องหมาย + หลังคำว่ารองเท้าและรองเท้าแตะ แล้วตามด้วยคำขยายก็คือ “ผู้ชาย” และ “ผู้หญิง”

นอกจากนี้ การใช้ + นั้นนอกจากจะระบุเพื่อความชัดเจนแล้วนั้นยังสามารถขจัดความคลุมเครือออกไปได้ด้วย ตัวอย่างที่ค่อนข้างชัดเจนคือคำว่า “ครีม” ผมไม่แน่ใจว่าพอได้ยินคำนี้ผู้อ่านคิดถึงอะไรบ้าง อาจจะคิดถึงครีมบำรุงผิวกาย หรือบางคนอาจจะนึกถึงครีมที่เป็นอุปกรณ์ช่าง การใช้เครื่องหมาย + จึงเป็นอีกวิธีที่ทำให้คำว่าครีมของเรานั้นมันชัดเจนยิ่งขึ้นครับว่า ครีมที่เราต้องการคือครีมอะไร

2. การระบุด้วยการลด Keyword: วิธีการนี้จะแตกต่างจากการใส่เครื่องหมาย + เล็กน้อยครับ โดย Mandala Analytics จะมีคำสั่งให้เราระบุตั้งแต่ตอนตั้งแคมเปญชื่อว่า “Excluded Keywords” คำสั่งนี้จะเป็นการสั่งไปที่โปรแกรมว่า Data ที่กำลังจะไปเก็บต่อไปนี้ถึงแม้จะมีเนื้อหาที่ตรงกับ Keyword ที่เราใส่ไป แต่ถ้ามีคำต่อไปนี้ไม่ต้องเก็บเข้ามา หรือพูดง่าย ๆ ก็คือ เราไม่อยากได้เนื้อหาที่มีคำเหล่านี้นั่นเอง ตัวอย่างที่ผมมักยกมาประจำคือ สมมติว่าผมกำลังสนใจบัญชีเงินฝากออมทรัพย์ว่าของธนาคารใดกำลังมาแรง คำที่ผมต้องใส่แน่นอนเลยคือ “บัญชีออมทรัพย์” แต่สิ่งที่ผมเจอมาคือเรามักจะติดเนื้อหาเกี่ยวกับเชิญชวนทำบุญ บริจาค หรือกระทั่งร้านค้าออนไลน์ที่มักจะระบุเลขที่บัญชีและประเภทบัญชี สิ่งเหล่านี้มันไม่ได้อยู่ในความสนใจของผมในการทำข้อมูลมาใช้ในครั้งนี้ ฉะนั้น ผมต้องเอามันออกไปตั้งแต่เนิ่น ๆ ครับ โดยผู้อ่านสามารถดูได้จากตัวอย่างดังนี้ครับ

ในอีกกรณีคือ จากตัวอย่างที่ผมยกเรื่องครีมไปแล้วนั้นเราสามารถประยุกต์มาใช้กับวิธีการนี้ได้เช่นเดียวกันครับ โดยเราอาจจะใส่คำว่า “เครื่องมือช่าง” “งานก่อสร้าง” แทน หากเราต้องการดูเกี่ยวกับครีมที่ใช้ประทินผิวนั่นเองครับ

การใส่ Keyword ควรคำนึงให้รอบด้าน

ในหัวข้อนี้เป็นอีกเทคนิคที่สำคัญไม่แพ้กันครับ โดยผมอยากเริ่มอย่างนี้ว่าภาษาไทยนั้นโดยธรรมชาติของภาษาค่อนข้างซับซ้อน และเรามีคำกำกวมเยอะมาก นี่ไม่รวมคำที่เรามักชอบสะกดผิดกันอีกนะครับ ฉะนั้น ผมอยากจะขอแนะนำ 2 ประเด็นครับ

1. อย่าละเลยคำแสลง: คำแสลงคือคำที่มักแผลงหรือใช้เรียกอ้อม ๆ ครับ โดยเฉพาะอย่างยิ่งโลกออนไลน์ที่จะมีคนส่วนหนึ่งไม่ใช้คำที่สื่อสารตรงไปตรงมา ผมขอยกตัวอย่างครับว่า ธนาคารแห่งหนึ่งที่คนไทยนิยมใช้กันมากมีสีประจำธนาคารคือสีเขียว ผมเดาเลยครับว่าไม่มีใครพิมพ์ชื่อธนาคารนี้ตรงไปตรงมาถ้าไม่ใช่มาจาก Official ของทางธนาคาร หรือเนื้อหาจากสำนักข่าว คำแสลงที่จะกล่าวถึงธนาคารแห่งก็เช่น “ธนาคารสีเขียว” โดยคำพวกนี้เราก็สามารถนำไปใส่ในโปรแกรมได้เช่นเดียวกันครับ เพื่อความสมบูรณ์ของข้อมูล

2. อย่าละเลยคำที่สะกดผิด: คำที่สะกดผิดในภาษาไทยนั้นจากการสังเกตส่วนตัวมักจะมี 3 ประเภทครับ 1) คำภาษาไทยเอง เช่น “นะคะ” สะกดเป็น “นะค่ะ” “อนุญาต” สะกดเป็น “อนญาติ” 2) คำที่เลียนเสียงภาษาอังกฤษ เช่น “โรแมนติก” สะกดเป็น “โรแมนติค” “เกม” สะกดเป็น “เกมส์” และ 3) คำที่เป็นชื่อแบรนด์ เช่น “แอร์เอเชีย” สะกดเป็น “แอร์เอเซีย” การสะกดผิดเหล่านี้เป็นสิ่งที่เราไม่ควรมองข้ามเลยครับ โดยตามความเห็นของผมเราควรจะเผื่อเล็กน้อยในการใส่ Keyword ที่มีการสะกดผิดเหล่านี้เข้าไปด้วย เพื่อไม่ให้เราพลาดข้อมูลอะไรบางอย่างไปครับ

จากที่ผมแนะนำเรื่องการใส่คำที่สะกดผิดนั้น มันก็มีอีกเทคนิคครับ เช่น คำว่า “Game” นั้นต้องสะกดว่า “เกม” แต่ก็จะมีคนสะกดด้วยคำว่า “เกมส์” ซึ่งจริง ๆ แล้วเราใส่แค่คำว่า “เกม” ก็เพียงพอแล้วครับ เนื่องจากโปรแกรมจะไปเก็บข้อมูลมาให้ครอบคลุมทั้งที่สะกดด้วย ส์ กับ ไม่มี ส์

อีกเทคนิคที่อาจจะเรียกว่าเป็นข้อควรระวังก็ได้ครับซึ่งมันไม่ได้เกิดขึ้นบ่อยเท่าไหร่นัก โดยบางครั้งเราอาจจะหาแค่ข้อมูลจากคำ ๆ หนึ่ง แต่ด้วยคำ ๆ นั้นมันเป็นส่วนประกอบหรือส่วนผสมของอีกคำหนึ่งซึ่งเราไม่ได้ต้องการนำมาใช้ในการทำงานเลย โอกาสเหล่านี้ก็อาจจะมีติดมาได้บ้างเช่นเดียวกันครับ เช่น คำว่า “รถติด” ก็อาจจะดูธรรมดาไม่มีอะไรน่ากังวล แต่กรณีนี้ข้อมูลที่มีโอกาสเข้ามาคือ “สามารถติดต่อ” สังเกตที่ผมขีดเส้นใต้นะครับ คำที่ขีดไว้มันก็คือคำว่ารถติดที่เราต้องการค้นหาแต่แรกนั่นเอง โอกาสเช่นนี้แก้ไขด้วยการระบุ Keyword ที่ผมได้กล่าวไปแล้วครับคือ ไม่ + เพื่อให้เฉพาะเจาะจง ก็ต้อง Exclude ออกนั่นเอง