Writer: 
Share
ในยุคที่ทุกแบรนด์พูดคำว่า “Data-Driven” จนแทบจะเป็นคำติดปาก แต่มีไม่กี่แบรนด์ที่ทำมันได้จริงและเห็นผลเป็นรูปธรรม วันนี้ Thumbsup จะพาไปเจาะลึกหนึ่งใน Case Study ที่น่าตื่นเต้นที่สุดของไทยอย่าง “เต่าบิน” จากเวทีสัมมนา SME Thailand Future Day 2026 ที่เราได้ฟังอินไซต์แบบเน้น ๆ จาก คุณอนุภัทร พิสิฐโภคิน ประธานเจ้าหน้าที่บริหารสายงานการตลาดแบรนด์เต่าบิน
หลายคนอาจจะยังมองว่าเต่าบินคือความสำเร็จของ Hardware หรือนวัตกรรมตู้ชงอัตโนมัติ แต่คุณมาร์ทได้ย้ำชัดว่า หัวใจที่แท้จริงที่ทำให้เต่าบินสเกลได้เร็วและแรงขนาดนี้ คือการวางโครงสร้างพื้นฐาน “ดาต้า” มาตั้งแต่วันแรก
จาก B2B Hardware สู่ B2C Data Company จุดกำเนิดที่ “ไม่บังเอิญ”
ก่อนจะมาเป็นเต่าบินที่เรารู้จักกันในวันนี้ รากฐานของพวกเขาแข็งแกร่งมาก ๆ ในนามบริษัท ฟอร์ท คอร์ปอเรชั่น (FORTH) ผู้อยู่เบื้องหลังธุรกิจ B2B ด้าน Hardware ที่ซับซ้อนมายาวนาน ไม่ว่าจะเป็น มิเตอร์ไฟฟ้า, ตู้ชุมสายโทรศัพท์, ชิปในเครื่องใช้ไฟฟ้า ไปจนถึงระบบกล้องวงจรปิดและไฟจราจร
จุดเปลี่ยนแรกคือการขยับมาทำ B2C กับ “ตู้บุญเติม” ที่แมสมาก ๆ ในต่างจังหวัด สร้าง Know-how เรื่องการบริหารจัดการตู้แบบกระจายศูนย์ และการรับชำระเงิน
แต่จุดที่ทำให้เต่าบิน “เกิด” จริง ๆ คือการเรียนรู้จากความล้มเหลว (หรืออย่างน้อยก็ “ไม่ปัง”) ของโมเดลตู้ขายสินค้าอัตโนมัติ (Vending Machine) แบบเดิม ๆ ที่ขายขนมหรือน้ำกระป๋อง คุณอนุภัทรชี้ให้เห็น Pain Point ว่า โมเดลนั้นเป็นแค่การ “ซื้อมา-ขายไป” (Buy-and-Sell) ที่มี Margin ต่ำมาก และใคร ๆ ก็เลียนแบบได้ง่าย
โจทย์ของ “คุณตอง” (Founder ของเต่าบิน) อดีตพนักงาน Microsoft ที่กลับไทยในช่วงโควิด จึงเป็นการสร้างตู้ที่ “Add Value” ได้จริง และด้วย DNA ความเชี่ยวชาญด้าน Hardware ของ FORTH ทำให้พวกเขาสร้างสิ่งที่เลียนแบบได้ยากสุด ๆ ขึ้นมา
แต่สิ่งที่ได้เปรียบที่สุด ของการเป็นแบรนด์ยุคใหม่ คือการที่เต่าบิน “เกิดและโตมากับดาต้า” พวกเขาไม่ต้องมาปวดหัวกับการรื้อระบบเก่า เหมือนองค์กรใหญ่ ๆ ที่มีดาต้าในรูปแบบกระดาษหรือ Excel ที่กระจัดกระจาย เต่าบินวาง Infrastructure ทุกอย่างให้รองรับการสเกลตั้งแต่วันแรก
สเกลของดาต้า ขุมทรัพย์ 230 ล้าน Transactions
คุณอนุภัทรเปิดตัวเลขให้เราเห็นภาพว่า เต่าบินวันนี้มีข้อมูลอยู่ในมือมหาศาลขนาดไหน
- Transactions: กว่า 230 ล้านเรคคอร์ด
- ยอดขายเฉลี่ย: ประมาณ 200,000+ บิลต่อวัน
- เบอร์โทรศัพท์: 12 ล้านเบอร์ (อัตราการกรอกสูงถึง 90%)
- LINE Friends: 2.8 ล้านคน
- สมาชิก (Member): 2 ล้านคน ซึ่งเป็นกลุ่มที่สำคัญที่สุด เพราะมี Purchase Frequency (ความถี่ในการซื้อ) สูงมาก
หัวใจสำคัญคือ “เต่าบินไม่มีมนุษย์” ในการปฏิสัมพันธ์หน้าร้าน ทุกการกระทำ ทุกการกด ทุกแก้วที่ออกมา คือ Data Point ที่ไหลเข้าสู่ระบบแบบ 100% ทำให้ข้อมูลของเต่าบิน “สะอาด” และพร้อมใช้งานอย่างมหาศาล
เครื่องจักรดาต้า 3 ส่วน ตู้, คนเติม และลูกค้า
เต่าบินไม่ได้แค่ “เก็บ” ดาต้า แต่พวกเขา “ใช้” มันขับเคลื่อน 3 ส่วนหลักของธุรกิจอย่างเป็นระบบ
- Operations Data (ข้อมูลการเติมของ): นี่คือดาต้าสำหรับ “Route Man” (คนเติมของ) ไม่ใช่แค่การบอกว่า “ของหมดแล้วไปเติม” แต่ระบบจะใช้ AI ในการ Predictive Replenishment โดยดูจากอัตราการใช้วัตถุดิบ (Consumption Rate) ของแต่ละตู้ เพื่อคำนวณว่า “อีก 3 วัน” ของจะหมด และจัดเส้นทาง (Route Optimization) ที่มีประสิทธิภาพที่สุดให้ Route Man วิ่งเข้าไปเติม “ก่อน” ที่มันจะหมด ลดการเสียโอกาสในการขาย
- Maintenance Data (ข้อมูลการซ่อมบำรุง): ด้วยความที่เป็น Hardware ซับซ้อน อะไหล่ทุกชิ้นมีอายุการใช้งาน เช่น หัวชง, เครื่องทำน้ำแข็ง, หัวจ่ายไซรัป เต่าบินรู้ว่าอะไหล่ชิ้นนี้ใช้ได้ 7,000 ครั้ง เมื่อตู้ไหนใช้งานใกล้ครบ ระบบจะแจ้งเตือนให้ทีมช่างเข้าไป Proactive Maintenance (ซ่อมบำรุงเชิงป้องกัน) ก่อนที่มันจะพังจริง โดยปัจจุบัน Failure Rate อยู่ที่ 0.3% ซึ่งฟังดูน้อยมาก แต่เมื่อเทียบกับยอด 200,000 แก้วต่อวัน นั่นหมายถึงลูกค้าที่ไม่แฮปปี้กว่า 600 คนต่อวัน! ดาต้าส่วนนี้จึงสำคัญมากในการลดแรงกระแทกตรงนี้
- Consumer Data (ข้อมูลผู้บริโภค): นี่คือส่วนของ CMO โดยตรง คือการตอบคำถาม 5 Ws: Who (ใคร), What (ซื้ออะไร), When (เมื่อไหร่), Where (ที่ไหน) และ How (จ่ายเงินยังไง) เพื่อนำไปสู่คำถามที่สำคัญที่สุดคือ Why (ทำไมเขาถึงซื้อ หรือทำไมเขาถึงเลิกซื้อ)
Proof of Concept เมื่อดาต้าคือ “อาวุธ” ไม่ใช่ “ต้นทุน”
ในโลกของ C-Suite การที่ CMO จะขอ งบประมาณจาก CFO ต้องมีตัวเลขไปยืนยัน คุณอนุภัทรได้โชว์ Case Study ที่พิสูจน์ว่าดาต้าเวิร์คจริง และสร้าง ROI (Return on Investment) ได้ชัดเจน
- Case 1: แคมเปญ 99 (Lapsed Customer): ที่เต่าบินลองยิงโปรโมชันไปหาลูกค้า 2 กลุ่มประกอบด้วย
- กลุ่มที่หายไป 30+ วัน (Lapsed 30): Conversion Rate 4.56%
- กลุ่มที่เพิ่งหายไป 7 วัน (Lapsed 7): Conversion Rate 12.4%
- Insight: เห็นได้ชัดว่าการ “ดึง” ลูกค้าที่เพิ่งเริ่มห่างเหิน (Lapsed 7) กลับมานั้น ง่ายกว่าและคุ้มค่ากว่าการไปตามคนที่หายไปนานแล้วหลายเท่า นี่คือการใช้งบประมาณการตลาดที่ตรงจุด
- Case 2: แคมเปญ Matcha (Segmentation): แทนที่จะยิงโปรฯ ชาเขียวหาทุกคน เต่าบินยิงหาเฉพาะคนที่ “เคย” กินชาเขียวมาก่อนเท่านั้น ผลคือ Conversion Rate สูงขึ้นชัดเจน เพราะเป็นการ Exclude (ตัด) คนที่ไม่กินชาเขียวออกไปเลย ไม่ต้องเสียเงินเปล่า
- Case 3: แคมเปญ Pepsi (The Winner): แคมเปญนี้คือตัวเลขที่พีคที่สุดในชีวิตการทำงานของคุณอนุภัทร
- ยิงหาคนทั่วไป: Conversion Rate 16%
- ยิงหาลูกค้า Lapsed ที่เคยดื่ม Pepsi: Conversion Rate 31%
- ตัวเลข 31% นี้ ไม่ได้มาจาก Sample Size หลักร้อย แต่มาจากการยิงหาคนเป็น “แสน” คน นั่นหมายถึงยอดขายมหาศาลที่กลับมาจากแคมเปญเดียว
เมื่อ “สัญชาตญาณ” สวนทางกับ “ดาต้า”
อีกหนึ่ง Case ที่น่าสนใจคือตอนที่เต่าบินออก “เป๊ปซี่แก้วใหญ่” (ลดน้ำแข็ง เพิ่มน้ำ ในราคาเท่าเดิม)
- Gut Feeling (สัญชาตญาณ): ผู้บริหารรู้สึกว่า “ลูกค้าไม่น่าแฮปปี้” เพราะได้แก้วขนาดเท่าเดิม แค่ลดน้ำแข็ง อาจจะรู้สึกเหมือนโดนเอาเปรียบ
- Data (ข้อมูล): แต่ดาต้าชี้ว่า “น่าจะเวิร์ค”
- Lesson: เมื่อ Gut กับ Data สวนทางกัน สิ่งที่ต้องทำคือ “Test Small” (ทดลองในวงเล็ก)
- Result: กราฟโชว์ชัดเจนว่ายอดขายสินค้าใหม่ไม่ได้แค่ไปกินยอดขายสินค้าเดิมแต่ยอดรวม (สินค้าเก่า และใหม่) เติบโตขึ้นถึง 37% นี่คือการพิสูจน์ว่าดาต้าถูก และทีมก็ขยายผลทันที
Dashboard ของ C-Suite มองเกมจาก “ยอดรวม” สู่ “รากของปัญหา”
คุณอนุภัทรอธิบายวิธีที่ผู้บริหารเต่าบินมองดาต้าได้น่าสนใจมาก โดยเริ่มจากสมการง่าย ๆ คือ รายได้รวม = (จำนวนตู้) x (จำนวนแก้วต่อตู้) x (ราคาเฉลี่ยต่อแก้ว)
เมื่อรายได้มีปัญหา พวกเขาจะเจาะ (Drill Down) ไปทีละส่วนทันที
- “จำนวนตู้” ลดลง? -> เพราะอะไร? ตู้เสีย (ปัญหา Maintenance) หรือ ทีม Sales หาที่ใหม่ไม่ได้?
- “จำนวนแก้วต่อตู้” ลดลง? -> เพราะอะไร? ทำเลไม่ดี? (Sales) หรือ ของขาด/แก้วหมด? (Operations) หรือ อัตราซื้อซ้ำต่ำ/สินค้าใหม่ไม่ปัง? (Marketing / R&D)
- “ราคาเฉลี่ยต่อแก้ว” ลดลง? -> เพราะอะไร? เกิด Cannibalization (ออกสินค้าราคาถูกมาฆ่าตัวแพง) หรือเปล่า? (Marketing) หรือ Topping หมด? (Operations)
จะเห็นว่าดาต้าได้ทลายไซโลขององค์กร ทำให้ทุกแผนกเห็นภาพเดียวกันและแก้ปัญหาที่ต้นตอได้
The Future is Hyper-local ภารกิจคือการเป็น “Routine”
ภารกิจของเต่าบินไม่ใช่การเป็นแบรนด์สำหรับ “วันพิเศษ” (Special Occasion) แต่คือการเป็น “Routine” (กิจวัตร) ของผู้คน ภายใต้สโลแกน “Your Perfect Anytime, Anywhere” (ยอดขายเต่าบินจะตกในวันหยุด แต่จะพุ่งในวันทำงานปกติ)
อนาคตที่ขับเคลื่อนด้วยดาต้าจึงมุ่งไปที่ “Hyper-localization” (การปรับให้เข้ากับท้องถิ่นขั้นสุด)
- Product Localization: ตอนนี้เต่าบินมี 19 Location Profile (เช่น โรงงาน, ออฟฟิศ, คอนโด) ซึ่งมีพฤติกรรมการกินต่างกัน (โรงงานชอบโซดา, ออฟฟิศชอบกาแฟ) แต่อนาคตคือ 8,000 ตู้ 8,000 เมนู ตู้ในย่านที่กำลังซื้อสูงอาจมีเมล็ดกาแฟพรีเมียม, ตู้ในโรงเรียนอาจมีเมนูสำหรับเด็ก
- Media Localization: หน้าจอของตู้ในออฟฟิศ จะแสดงโฆษณาไม่เหมือนตู้ในโรงเรียน
และนวัตกรรมที่น่าทึ่งคือ “Stock Check” ที่ลูกค้าสามารถเช็คได้แบบ Real-time ว่าตู้ไหนมีเมนูอะไรเหลือบ้าง นี่ไม่ใช่แค่ฟีเจอร์เอาใจลูกค้า แต่เป็น Infrastructure สำคัญสำหรับอนาคต เช่น เวลาเต่าบินจะเคลียร์สต็อก “ขิง” (ซึ่งมีแค่ 2,000 ตู้) แทนที่จะยิงโปรฯ แล้วลูกค้าไปเก้อ เขาก็แนบลิงก์ Stock Check ไปในโปรฯ เลย ช่วยลดความหงุดหงิดของลูกค้าได้มหาศาล
Thumbsup มองว่า เรื่องราวของเต่าบินสอนเราว่า “ดาต้า” ไม่ใช่เรื่องขององค์กรใหญ่เท่านั้น แต่เป็นหัวใจของการเติบโตในยุคนี้ เต่าบินไม่ใช่บริษัทเครื่องดื่มที่ใช้เทคโนโลยี แต่พวกเขาคือ “บริษัทดาต้าและโลจิสติกส์” ที่มีเครื่องดื่มเป็น Product ต่างหาก
สำหรับ SME หรือผู้ประกอบการที่ฟังเรื่องนี้แล้วรู้สึกว่า “ไกลตัว” คุณอนุภัทรให้คำแนะนำที่ทรงพลังมากว่า อย่าเพิ่งคิดการใหญ่ ให้กลับไปดูดาต้าที่ตัวเองมี แล้วเริ่มจาก “Low-Hanging Fruit” (สิ่งที่ทำได้ง่ายและเห็นผลเร็ว) ก่อน
การเติบโตในวันนี้ ไม่ได้วัดกันที่ว่าใครมี “สัญชาตญาณ” ที่ดีที่สุด แต่วัดกันที่ว่าใคร “ทดสอบ” และ “เรียนรู้” จากดาต้าได้เร็วกว่ากัน
อ่านเพิ่มเติม
