Adobe เปิดตัวแพลตฟอร์ม AI เอเจนต์สำหรับองค์กรใหม่ เป้าหมายของเครื่องมือนี้คือทำให้งานการตลาดไม่ต้องให้คนมาจัดการทีละอย่างเอง ความหมายคือจะจัดการกระบวนการตั้งแต่ดึงลูกค้า เชื่อมไปสู่การซื้อ และทำให้กลับมาซื้อซ้ำอีกครั้ง ภายในระบบเดียว ในการประกาศครั้งนี้ Adobe บอกว่าจะร่วมมือกับบริษัท AI หลักอย่าง Amazon, Anthropic, Google, IBM, Microsoft, NVIDIA และ OpenAI นี่คือกลยุทธ์ที่จะเชื่อม AI โมเดลและบริการหลายแบบเข้าด้วยกัน เพื่อให้องค์กรใช้ได้ตามแบบที่ต้องการ และยังอธิบายด้วยว่าเอเจนซีโฆษณาหลักของโลกได้นำเครื่องมือ CX สำหรับองค์กรของ Adobe ไปใช้เป็นเครื่องมือมาตรฐาน ตอนนี้ Adobe บอกว่าควรโฟกัสที่มูลค่าระยะยาวของลูกค้ามากกว่าจำนวนคลิก ความหมายคือไม่ได้ดูแค่ว่าโฆษณาถูกกดเยอะแค่ไหน แต่ให้ความสำคัญมากกว่าว่าลูกค้าหนึ่งคนจะซื้อไปอีกนานแค่ไหนและซื้อบ่อยแค่ไหน นอกจากนี้ยังเสนอแนวทางเชื่อมบริการชำระเงิน เพื่อให้จัดการตั้งแต่การให้คำปรึกษาไปจนถึงการสั่งซื้อและการชำระเงินได้ในกระแสงานเดียว
원문 보기
เดิมพันที่ Adobe โยนลงมา จริง ๆ แล้วไม่ใช่เรื่องของ Photoshop เลย
ถ้าดูแค่หัวข้อข่าว ก็อาจอ่านง่าย ๆ ว่า 'บริษัท Photoshop ใส่ฟังก์ชัน AI เพิ่มมาอีกอย่างสินะ' แต่แก่นจริงของการประกาศครั้งนี้ไม่ใช่การแต่งภาพ แต่คือ Adobe กำลังพยายามกุมการดำเนินงานการตลาดขององค์กรทั้งหมด ตั้งแต่เขียนข้อความโฆษณา แบ่งกลุ่มลูกค้า รันแคมเปญ และอ่านผลลัพธ์เพื่อตัดสินใจการกระทำถัดไป ทุกอย่างจะหมุนอยู่บนแพลตฟอร์มเดียว
ทำไมเรื่องนี้ถึงใหญ่ เพราะตอนนี้หลายองค์กรใช้ AI หลายตัวอยู่แล้ว AI บางตัวใช้เขียนข้อความ บางตัวใช้สร้างภาพ และเครื่องมืออื่นก็ใช้วิเคราะห์ข้อมูลลูกค้า ปัญหาคือถ้าเครื่องมือเหล่านี้แยกกันทำงาน ความเร็วจะช้าลง โทนของแบรนด์ก็จะสั่น และการจัดการความปลอดภัยก็ซับซ้อนขึ้น Adobe กำลังเล็งช่องว่างนี้ และพยายามเป็นไม่ใช่แค่ 'บริษัทที่สร้าง AI เก่ง' แต่เป็น 'แพลตฟอร์มผู้บัญชาการใหญ่ที่เชื่อม AI หลายตัวเข้ากับงานจริง'
ถ้าจะพูดแบบเกินจริงหน่อย เมื่อก่อน Adobe คือซอฟต์แวร์บนโต๊ะของนักออกแบบ แต่ตอนนี้ตำแหน่งที่ Adobe เล็งไว้ใกล้กับระบบปฏิบัติการของทั้งแผนกการตลาดมากกว่า เพราะงั้นข่าวนี้จึงไม่ใช่แค่การเปิดตัวฟังก์ชันใหม่ธรรมดา แต่ควรมองว่าเป็น ฉากที่บริษัทด้านดีไซน์กำลังเปลี่ยนตัวเองเป็นบริษัท AI สำหรับองค์กรอย่างเต็มตัว จะทำให้เข้าใจได้ชัดกว่า
Adobe ไม่อยากหยุดอยู่แค่การเป็น 'บริษัทเครื่องมือสร้างภาพ' อีกต่อไป
เป้าหมายคือเป็นแพลตฟอร์มที่เชื่อม AI หลายตัวกับข้อมูล เพื่อจัดการทั้งกระแสงานการตลาดขององค์กร
แชตบอต ระบบอัตโนมัติ และ AI เอเจนต์ ต่างกันยังไง
| หัวข้อเปรียบเทียบ | แชตบอต | ระบบอัตโนมัติแบบดั้งเดิม | เอไอเอเจนต์ |
|---|---|---|---|
| ข้อมูลนำเข้าหลัก | ถ้าได้รับคำถามก็จะตอบ | กฎและเงื่อนไขที่ตั้งไว้ล่วงหน้า | ถ้าได้รับเป้าหมายก็วางแผนขั้นตอนเอง |
| วิธีตัดสินใจ | เน้นการตอบกลับในการสนทนา | ทำงานตามกฎที่กำหนดไว้ | ตีความสถานการณ์แล้วเสนอและดำเนินการถัดไป |
| การเชื่อมต่อเครื่องมือภายนอก | จำกัด | เชื่อมต่อบางส่วนได้ | เชื่อมต่อได้กว้างตั้งแต่ CRM·โฆษณา·การวิเคราะห์·การชำระเงิน |
| ขอบเขตการทำงาน | ตอบข้อสอบถาม | ส่งอีเมล·เรียกใช้ทริกเกอร์ | ลูปต่อเนื่องของการแบ่งกลุ่ม·สร้างข้อความโฆษณา·ดำเนินการ·ปรับผลลัพธ์ |
| KPI ที่เหมาะ | ความเร็วในการตอบ, อัตราการแก้ปัญหา | อัตราการเปิด, อัตราการส่งอัตโนมัติ | การเปลี่ยนเป็นลูกค้า, อัตราการคงอยู่, LTV(มูลค่าตลอดอายุลูกค้า) |
| ต้องให้คนอนุมัติ | จำเป็นตามสถานการณ์ | จำเป็นตอนจัดการข้อยกเว้น | การตัดสินใจความเสี่ยงสูงอย่างเช่นแบรนด์·กฎหมาย·งบประมาณก็ยังสำคัญอยู่ |
เอเจนต์ AI ด้านการตลาดทำงานแบบนี้จริงๆ
หัวใจสำคัญไม่ใช่ 'คำตอบเดียว' แต่เป็น 'ขั้นตอนการทำงานที่เชื่อมต่อกัน' นะ
ขั้นตอนที่ 1: อ่านข้อมูลลูกค้า
ระบบจะรวบรวมข้อมูลอย่างประวัติการเข้าเว็บ ประวัติการซื้อ และบันทึกการใช้งานแอป แล้วดูให้รู้ก่อนว่าลูกค้าแต่ละคนเป็นใคร พูดง่ายๆ ก็คล้ายกับซูเปอร์มาร์เก็ตที่อ่านนิสัยตะกร้าสินค้าของลูกค้าประจำนั่นแหละ
ขั้นตอนที่ 2: แบ่งกลุ่มลูกค้า
ระบบจะแบ่ง เซกเมนต์(กลุ่มที่มีพฤติกรรมคล้ายกัน) เช่น คนที่เพิ่งมา คนที่ใกล้จะเลิกใช้ และคนที่ซื้อบ่อยๆ ต้องมีขั้นตอนนี้ก่อน ถึงจะไม่ส่งข้อความเดียวกันให้ทุกคน
ขั้นตอนที่ 3: สร้างข้อความและภาพ
Generative AI จะช่วยทำร่างแรกของข้อความโฆษณา หัวข้ออีเมล และภาพแบนเนอร์ที่เหมาะกับแต่ละกลุ่ม ตรงนี้แชตบอตมักให้ผลลัพธ์แค่ 1-2 แบบแล้วจบ แต่เอเจนต์จะพยายามต่อไปถึงขั้นตอนการนำไปใช้งานถัดไป
ขั้นตอนที่ 4: ดำเนินงานให้เหมาะกับแต่ละช่องทาง
ระบบจะส่งออกให้เหมาะกับแต่ละช่องทาง เช่น อีเมล การแจ้งเตือนในแอป แพลตฟอร์มโฆษณา และแบนเนอร์บนเว็บไซต์ เพราะสิ่งที่บริษัทต้องการไม่ใช่แค่ประโยคสวยๆ 1 บรรทัด แต่คือแคมเปญที่ทำงานได้จริง
ขั้นตอนที่ 5: ดูผลลัพธ์แล้วปรับใหม่
ระบบจะดูว่าใครคลิก ใครซื้อ และใครกลับมาอีก แล้วเปลี่ยนกลุ่มเป้าหมายกับข้อความถัดไป วงวนที่ทำซ้ำแบบนี้แหละคือจุดที่ทำให้มันเป็น 'เอเจนต์' จริงๆ
Adobe เปลี่ยนจากบริษัท Photoshop มาเป็นบริษัทประสบการณ์ลูกค้าได้อย่างไร
ดูเหมือนเปลี่ยนแบบกะทันหัน แต่จริงๆ แล้วเป็นเส้นทางที่เตรียมมานานเกิน 10 ปี
1982~2005: สร้างอาณาจักรเครื่องมือสร้างสรรค์
เดิมที Adobe เริ่มจากเทคโนโลยีการพิมพ์และการเผยแพร่ และกลายเป็นมาตรฐานของวงการครีเอทีฟด้วย Photoshop, Illustrator และ PDF ในช่วงนั้น Adobe แทบจะเป็นเหมือน 'กล่องเครื่องมือพื้นฐานของนักออกแบบ' เลย
2009: เปิดประตูสู่ข้อมูลด้วยการซื้อ Omniture
เหตุผลที่การซื้อครั้งนี้สำคัญ ก็เพราะนี่เป็นครั้งแรกที่ Adobe เข้าไปสู่โลกของการวิเคราะห์เว็บและข้อมูลการตลาดอย่างจริงจัง บริษัทที่เคยสร้างภาพ ตอนนี้เริ่มดูแล้วด้วยว่าภาพนั้นทำให้ลูกค้าตอบสนองอย่างไร
2012~2013: Marketing Cloud และการเปลี่ยนสู่ระบบสมัครสมาชิก
การเปิดตัว Adobe Marketing Cloud และการเปลี่ยน Creative Cloud ไปเป็นระบบสมัครสมาชิก ทำให้ทิศทางเปลี่ยนไปแบบสมบูรณ์ จากบริษัทขายผลิตภัณฑ์มาเป็นบริษัท SaaS ที่สร้างรายได้แบบต่อเนื่อง เลยสามารถมุ่งไปที่สัญญาระยะยาวสำหรับองค์กรได้ลึกขึ้น
2018~2019: จับเส้นทางลูกค้าด้วย Marketo และ Magento
Marketo เด่นด้านระบบอัตโนมัติทางการตลาด ส่วน Magento เด่นด้านคอมเมิร์ซ เมื่อสองอย่างนี้เข้ามา Adobe ก็เปลี่ยนจากบริษัทที่จบแค่ 'การสร้างคอนเทนต์' ไปเป็นบริษัทที่ดูแลเส้นทางทั้งหมดของลูกค้า ตั้งแต่เห็น ซื้อ แล้วก็กลับมาอีกครั้ง
2024~2026: ต่อจิ๊กซอว์ชิ้นสุดท้ายด้วย Generative AI และเอเจนต์
ตอนนี้ Adobe ไม่ได้อยู่ในขั้นแค่ใส่ AI ลงในเครื่องมือสร้างงานแล้ว แต่กำลังจะวางเอเจนต์ AI บน Experience Cloud เพื่อเชื่อมคอนเทนต์ ข้อมูล การดำเนินงานการตลาด และการชำระเงินเข้าด้วยกัน เพราะงั้นข่าวนี้จึงใกล้กับขั้นตอนการทำให้กลยุทธ์สมบูรณ์ มากกว่าจะเป็นแค่ฟังก์ชันใหม่
การเข้าซื้อกิจการครั้งใหญ่ของ Adobe แต่ละครั้งเป็นชิ้นส่วนจิ๊กซอว์อะไรบ้าง
| การเข้าซื้อกิจการ·การเปลี่ยนผ่าน | นำอะไรมาบ้าง | ความหมายในตอนนี้ของกลยุทธ์ AI |
|---|---|---|
| Omniture (2009) | การวิเคราะห์เว็บ, ข้อมูลพฤติกรรมลูกค้า | ฐานข้อมูลที่ป้อนข้อมูลให้ AI ใช้ตัดสินใจ |
| Marketing Cloud (2012) | ชุดรวมการวัดผล·การกำหนดเป้าหมาย·การทำงานการตลาด | ช่องทางที่เชื่อมผลลัพธ์ที่สร้างขึ้นไปยังแคมเปญจริง |
| การเปลี่ยนเป็นระบบสมัครสมาชิก Creative Cloud (2013) | รายได้ประจำและโครงสร้างการดำเนินงานแบบ SaaS | โครงสร้างการเงินที่รองรับสัญญาระยะยาวขององค์กรได้ |
| Magento (2018) | คอมเมิร์ซและกระแสการทำธุรกรรม | จุดเชื่อมที่ปิดวงจรตั้งแต่โฆษณาจนถึงการซื้อจริง |
| Marketo (2018) | ระบบอัตโนมัติด้านการตลาด B2B | เสริมความแข็งแรงให้การแบ่งกลุ่มลูกค้าและการดูแลต่อเนื่องแบบอัตโนมัติ |
| ความพยายามเข้าซื้อ Figma (2022~2023) | การออกแบบแบบทำงานร่วมกันและเวิร์กโฟลว์บนเว็บ | แม้จะไม่สำเร็จ แต่เป็นสัญญาณว่าเล็งกระแสองค์กรแบบทำงานร่วมกัน |
ทำไมไม่ดันแค่ AI ของตัวเอง แต่ยังเอาโมเดลของบริษัทอื่นมาเชื่อมด้วย
| บทบาท | โมเดลภายนอก | Firefly | แพลตฟอร์ม Adobe |
|---|---|---|---|
| จุดแข็ง | ความหลากหลายของสไตล์, ความเชี่ยวชาญเฉพาะงานบางอย่าง | โมเดลพื้นฐานที่ปลอดภัยในเชิงพาณิชย์ | การจัดการสิทธิ์, การเชื่อมเวิร์กโฟลว์, การคิดค่าบริการและธรรมาภิบาล |
| สิ่งที่บริษัทได้รับ | ประสิทธิภาพล่าสุดและความเป็นการทดลอง | ทางเลือกพื้นฐานที่ช่วยลดความเสี่ยงของแบรนด์ | ควบคุมหลายโมเดลในกระบวนการทำงานจริงเดียวกัน |
| การคำนวณของอะโดบี | ถึงโมเดลที่ดีที่สุดจะเปลี่ยน ก็ยังไม่เสียลูกค้าไป | รักษาอัตลักษณ์ทางเทคโนโลยีของตัวเอง | ย้ายจุดทำกำไรจริงไปที่สัญญาแพลตฟอร์ม |
| ข้อความหลัก | ตัวโมเดลเอง | เอนจินการสร้างสรรค์พื้นฐาน | การออร์เคสตราชัน AI(งานที่คอยสั่งการ AI หลายตัว) |
ยิ่งการใช้งาน Firefly มากขึ้น อะโดบีก็ยิ่งเคลื่อนไหวอย่างเปิดกว้างมากขึ้น
ถ้าเอาเมาส์ไปวางบนจุด จะดูตัวเลขที่แม่นยำได้
บริษัทต่าง ๆ นำ AI มาใช้เร็ว แต่บริษัที่ทำได้ดีจริงยังมีไม่มาก
ถ้ามองแค่ตัวเลขใหญ่ตัวเดียว อาจดูเหมือนว่า AI ตั้งหลักได้สมบูรณ์แล้ว แต่ถ้าดูข้างในจริง ๆ ยังเป็นช่วงเปลี่ยนผ่านอยู่
ความกระจัดกระจายของ AI สิ่งที่อะโดบีช่วยลดได้และลดไม่ได้
| ปัญหา | ส่วนที่อะโดบีทำได้ดี | ข้อจำกัดที่ยังคงอยู่ |
|---|---|---|
| ความสม่ำเสมอของแบรนด์ | จัดการการสร้างคอนเทนต์และขั้นตอนการอนุมัติในที่เดียว | ยากที่จะทำให้เป็นมาตรฐานเดียวกันทั้งหมด รวมถึงช่องทางออฟไลน์และระบบของบริษัทอื่น |
| ความซ้ำซ้อนในการดำเนินงานการตลาด | เชื่อมการจัดการทรัพยากร การดำเนินแคมเปญ และการวิเคราะห์ผลลัพธ์เข้าด้วยกัน | ทั้ง ERP ศูนย์บริการลูกค้า และระบบเก่าเดิมของทั้งองค์กร ยังต้องจัดการแยกต่างหาก |
| ความปลอดภัยและการควบคุมสิทธิ์ | สามารถรวมสิทธิ์การเข้าถึงและบันทึกการตรวจสอบภายในแพลตฟอร์มได้ | ไซโลข้อมูลของแต่ละแผนกและการรับมือกฎระเบียบ ยังเป็นปัญหาด้านธรรมาภิบาลทั้งองค์กร |
| การวัด ROI | ดูได้ง่ายตั้งแต่คอนเทนต์ไปจนถึงผลลัพธ์ของแคมเปญในกระแสเดียวกัน | ถ้าจะดูว่าช่วยยอดขายจริงแค่ไหน ต้องเชื่อมข้อมูลการชำระเงิน CRM และข้อมูลการเงินด้วย |
นักการตลาดที่ดู CLV มีเพิ่มขึ้นเรื่อย ๆ
กราฟนี้ไม่ใช่แนวโน้มประเภทเดียวกัน แต่แสดงตัวเลขจาก 2 การสำรวจเกี่ยวกับ CLV ไว้ข้างกัน 2018~2019 คือสัดส่วนนักการตลาดที่ตอบว่ารู้จัก CLV และค่าล่าสุดคืออัตราการเพิ่มขึ้นของการใช้ตัวชี้วัด CLV เทียบกับปีก่อน
KPI การตลาดแบบเก่ากับ KPI ในยุค AI ต่างกันแบบนี้
| การแบ่งประเภท | เกณฑ์แบบเดิม | เกณฑ์ที่ตอนนี้สำคัญมากขึ้น |
|---|---|---|
| ตัวชี้วัด KPI หลัก | CTR, CPC, คลิกสุดท้าย, ROAS ทันที | LTV, LTV/CAC, อัตราการคงอยู่, อัตราการซื้อซ้ำ |
| ลูกค้าที่ชอบ | คนที่คลิกทันทีและซื้อทันที | คนที่อยู่นานและกลับมาซื้อบ่อย |
| เป้าหมายที่ AI เรียนรู้ | ปรับให้เหมาะกับการตอบสนองระยะสั้น | ปรับให้เหมาะกับกำไรระยะยาวและความสัมพันธ์ |
| ความเสี่ยง | อาจรวบรวมได้แต่คลิกราคาถูกจำนวนมาก | ถ้าเชื่อมข้อมูลไม่ได้ จะคำนวณยาก |
| ความหมายที่มีต่อบริษัท | ดูแค่ผลลัพธ์ของแคมเปญ | ดูการช่วยให้ธุรกิจเติบโตทั้งภาพรวม |
ตลาดการตลาด AI ใครมีพลังแบบไหนบ้าง
| ผู้เล่น | จุดแข็ง | จุดอ่อน | ความสัมพันธ์กับอะโดบี |
|---|---|---|---|
| บริษัทแพลตฟอร์ม(Google·Meta เป็นต้น) | พื้นที่โฆษณาและข้อมูลขนาดใหญ่ | การรวมระบบนอกระบบนิเวศของตัวเองมีข้อจำกัด | อะโดบีแทนที่ทั้งหมดได้ยาก แต่กำลังเล็งชั้นการดำเนินงานระดับบน |
| เอเจนซีโฆษณา(WPP·Publicis เป็นต้น) | กลยุทธ์แบรนด์และประสบการณ์การลงมือทำ | การทำซอฟต์แวร์ให้เป็นผลิตภัณฑ์ค่อนข้างอ่อนกว่า | สามารถทำให้เครื่องมือของอะโดบีเป็นมาตรฐานและเป็นพาร์ตเนอร์ด้านงานปฏิบัติได้ |
| บริษัทที่ปรึกษา(Accenture·IBM เป็นต้น) | รวมการเปลี่ยนผ่านด้าน CRM·ข้อมูล·องค์กร | ยังไม่ค่อยเก่งในการครองเวิร์กโฟลว์การสร้างสรรค์ในชีวิตประจำวัน | ในโครงการนำระบบขนาดใหญ่เข้าใช้ สามารถอยู่ร่วมกับอะโดบีได้ |
| บริษัท SaaS(Adobe·Salesforce·HubSpot เป็นต้น) | ระบบอัตโนมัติที่ทำเป็นผลิตภัณฑ์แล้วและการเก็บเงินแบบรอบซ้ำ | ไม่ได้ถือข้อมูลแพลตฟอร์ม·สื่อไว้โดยตรง | อะโดบีสร้างความแตกต่างที่จุดเชื่อมต่อระหว่างคอนเทนต์กับ CX |
เพราะงั้น เหตุผลที่ข่าวนี้สำคัญก็คือ AI กำลังพยายามปิดการขายให้จบ ไม่ได้หยุดแค่โฆษณา
เมื่อก่อนโฆษณาดิจิทัลมักดูแค่คะแนนระหว่างทางเยอะค่ะ เช่น มีคนกดกี่คน มีคนสมัครสมาชิกกี่คน หรือยอดขายที่ออกมาทันทีเมื่อเทียบกับค่าโฆษณาเป็นเท่าไร แต่พอการให้คำปรึกษา การแนะนำ การสั่งซื้อ และการชำระเงิน เริ่มถูกรวมเป็นกระแสเดียวกัน เรื่องก็เปลี่ยนไปเลย ตอนนี้บริษัทจึงมองได้แม่นขึ้นว่า 'ข้อความแบบไหนนำไปสู่การจ่ายเงินจริง' และ 'ใครคือลูกค้าที่จะกลับมาซื้ออีกทีหลัง'
ตรงนี้มีเหตุผลที่การชำระเงินสำคัญค่ะ พอมีการชำระเงินเข้ามา การตลาดก็ไม่ใช่แค่ 'การรวบรวมความสนใจ' อีกต่อไป แต่เชื่อมตรงกับการปิดยอดขายจริงเลย คล้ายกับในเกาหลีที่แอปส่งอาหารหรือแอปช้อปปิ้งพยายามให้โฆษณา การแนะนำ และการชำระเงิน จบในหน้าจอเดียว ผู้ใช้ก็สะดวก และบริษัทก็มีข้อมูลเหลือมากขึ้น
เพราะงั้น ข่าวอะโดบีครั้งนี้จึงไม่ค่อยเหมือนบทความที่พูดถึงอนาคตของ Photoshop แต่ใกล้กับบทความที่แสดงให้เห็นว่า เส้นแบ่งระหว่างบริษัทโฆษณา·บริษัทที่ปรึกษา·บริษัทซอฟต์แวร์กำลังพังลง มากกว่า ต่อไปบริษัทที่แข็งแกร่งอาจไม่ใช่แค่ที่สร้างโมเดล AI ตัวเดียวได้เก่ง แต่เป็นที่เอาข้อมูลลูกค้า คอนเทนต์ และกระแสการชำระเงินมาเชื่อมเข้าด้วยกัน จนมี 'ระบบที่ทำให้เงินหมุนได้จริง'
หมากสำคัญของอะโดบีใกล้กับการ 'ยึดทั้งกระบวนการการตลาดของบริษัท' มากกว่าการ 'สร้างภาพให้ดีขึ้น'
การแข่งขันในยุค AI ไม่ได้ตัดสินกันแค่โมเดลไหนเป็นที่ 1 แต่กำลังเกิดขึ้นในแพลตฟอร์มที่เอาหลายโมเดล·ข้อมูล·การชำระเงินมาผูกกัน แล้วทำให้ใช้ในงานจริงได้
เราจะบอกวิธีใช้ชีวิตในเกาหลีให้คุณ
ช่วยรัก gltr life กันเยอะๆ นะ