Databricks เผยผู้ช่วย AI ภายในองค์กรช่วยเพิ่มการใช้ข้อมูลของนักการตลาดขึ้นถึง 3 เท่า
Databricks ระบุว่าทีมการตลาดของบริษัทได้พัฒนา Marge ผู้ช่วยวิเคราะห์ข้อมูลที่สร้างขึ้นบนพื้นฐานของ Genie Agents ซึ่งช่วยเพิ่มการใช้งานข้อมูลได้ถึง 3 เท่า และมีอัตราการนำไปใช้งานสูงกว่า 85%
คำตอบโดยย่อ
Databricks ประกาศอะไรเกี่ยวกับผู้ช่วยวิเคราะห์ข้อมูลด้าน AI สำหรับการตลาดที่ชื่อ Marge?
Databricks ระบุว่าได้พัฒนา Marge ผู้ช่วยวิเคราะห์ข้อมูลด้าน AI ที่ขับเคลื่อนด้วย Genie Agents และอ้างอิงข้อมูลจาก Marketing Lakehouse ที่มีการกำกับดูแลอย่างเป็นระบบ ช่วยให้นักการตลาดสามารถตั้งคำถามด้วยภาษาธรรมชาติได้ บริษัทรายงานว่าปัจจุบันนักการตลาดใช้ข้อมูลประกอบการตัดสินใจบ่อยขึ้นถึงสามเท่า โดยมีอัตราการนำไปใช้งานครอบคลุมมากกว่า 85% ขององค์กรด้านการตลาด
ประเด็นสำคัญ
- Databricks ระบุว่าได้พัฒนา Marge ซึ่งเป็นการนำ Genie Agents มาปรับใช้เฉพาะด้านการตลาด โดยสร้างขึ้นบนฐาน Marketing Lakehouse ที่มีการกำกับดูแลข้อมูลอย่างเป็นระบบ ซึ่งรวมข้อมูลแคมเปญ เว็บไซต์ CRM และยอดขายเข้าไว้ด้วยกัน
- Databricks รายงานว่าปัจจุบันนักการตลาดใช้ข้อมูลในการตัดสินใจบ่อยขึ้นถึงสามเท่า โดยอัตราการนำไปใช้ครอบคลุมกว่า 85% ขององค์กรการตลาด และการใช้งานเติบโตขึ้น 50% เมื่อเทียบไตรมาสต่อไตรมาส
- According to Databricks, Marge handles more than 800 questions per month and has answered over 5,000 total, while flagged incorrect responses have dropped 25% as the system improved.
- Databricks ระบุว่าได้ใช้ Unity Catalog สำหรับการจัดการเมทาดาทา การตรวจสอบสายข้อมูล (lineage) และการควบคุมสิทธิ์การเข้าถึงตามบทบาทแบบรวมศูนย์ ผสานเข้ากับคำตอบที่ผ่านการตรวจสอบแล้ว ตัวอย่างคำสั่งค้นหา และแนวทางการใช้ภาษาทางธุรกิจ เพื่อให้ Marge ทำงานได้แม่นยำยิ่งขึ้น
- Databricks ระบุว่าการเริ่มใช้งานระบบนี้เริ่มต้นจากกรณีการใช้งานเดียว คือการวัดประสิทธิภาพแคมเปญอีเมล ก่อนจะขยายขอบเขตออกไป และปัจจุบันการดูแลรักษา Marge ใช้เวลาของผู้จัดการฝ่าย BI เพียงประมาณหนึ่งชั่วโมงต่อสัปดาห์เท่านั้น
Databricks ระบุว่าฝ่ายการตลาดขององค์กรได้พัฒนาผู้ช่วยวิเคราะห์ข้อมูลด้วย AI ภายในองค์กรชื่อ Marge ซึ่งช่วยให้นักการตลาดใช้ข้อมูลประกอบการตัดสินใจเพิ่มขึ้นถึงสามเท่า ตามข้อมูลจากบล็อกโพสต์ของบริษัท
ผู้ช่วยตัวนี้เป็นการนำ Genie Agents ซึ่งเป็นเทคโนโลยีการวิเคราะห์ข้อมูลเชิงสนทนาของ Databricks มาปรับใช้เฉพาะด้านการตลาด โดยอ้างอิงจากสิ่งที่บริษัทเรียกว่า Marketing Lakehouse ที่มีการกำกับดูแลอย่างเป็นระบบ เลคเฮาส์ดังกล่าวรวมข้อมูลจากแพลตฟอร์มแคมเปญ การวิเคราะห์เว็บไซต์ ระบบ CRM เครื่องมือจัดการอีเวนต์ ช่องทางโฆษณา และข้อมูลการขาย ซึ่ง Databricks ระบุว่าก่อนหน้านี้กระจัดกระจายอยู่ในระบบแยกกันและมีคำนิยามที่ไม่สอดคล้องกัน
ผลลัพธ์ที่ Databricks รายงาน
บริษัทระบุว่า นับตั้งแต่เริ่มใช้งาน Marge:
- นักการตลาดใช้ข้อมูลประกอบการตัดสินใจบ่อยขึ้นถึงสามเท่า
- บุคลากรฝ่ายการตลาดมากกว่า 85% ใช้งาน Marge
- อัตราการใช้งานเติบโตขึ้น 50% เมื่อเทียบไตรมาสต่อไตรมาส
- Marge รองรับคำถามมากกว่า 800 คำถามต่อเดือน และตอบคำถามไปแล้วกว่า 5,000 คำถามโดยรวม
- จำนวนคำตอบที่ถูกแจ้งว่าไม่ถูกต้องลดลง 25% เมื่อระบบได้รับการปรับปรุง
- Databricks ระบุว่าสามารถขยายการเข้าถึงข้อมูลเชิงลึกได้โดยไม่ต้องเพิ่มบุคลากรฝ่ายวิเคราะห์ข้อมูล
Databricks ระบุว่านักการตลาดโต้ตอบกับ Marge ด้วยการตั้งคำถามด้วยภาษาธรรมชาติ เช่น แคมเปญอีเมลมีผลลัพธ์เป็นอย่างไร หรือโปรแกรมใดที่มีอิทธิพลต่อไปป์ไลน์ในไตรมาสหนึ่ง ๆ ผู้ช่วยจะแปลงคำถามเหล่านั้นให้เป็นคำสั่งวิเคราะห์ข้อมูลและให้คำตอบที่ดึงมาจากข้อมูลที่ผ่านการกำกับดูแล ตามข้อมูลของบริษัท Databricks ระบุว่านักการตลาดเข้าถึง Marge ผ่าน Genie One ซึ่งบริษัทอธิบายว่าเป็นประสบการณ์การทำงานร่วมกับ AI สำหรับผู้ใช้งานฝ่ายธุรกิจ ที่รวมถึงแดชบอร์ดและแอปพลิเคชันด้วย และ Genie One จะส่งคำขอไปยังเอเจนต์เฉพาะทางที่สร้างขึ้นสำหรับแต่ละด้าน เช่น ประสิทธิภาพเว็บไซต์ การวิเคราะห์ดิจิทัล และการวางแผนการตลาด
วิธีที่ Databricks สร้างความแม่นยำและความน่าเชื่อถือ
บริษัทอธิบายกลไกสี่ประการที่ใช้เพื่อทำให้ Marge มีความแม่นยำและน่าเชื่อถือมากขึ้น ประการแรก Databricks ระบุว่าใช้ Unity Catalog เพื่อรวมศูนย์ข้อมูลเมทาดาทา คำอธิบายตาราง เส้นทางที่มาของข้อมูล (lineage) และการควบคุมสิทธิ์การเข้าถึง โดยให้ผู้เกี่ยวข้องฝ่ายการตลาดตรวจสอบและเพิ่มบริบททางธุรกิจให้กับคำอธิบายที่สร้างโดย AI ประการที่สอง บริษัทระบุว่าได้บันทึกคำตอบที่ผ่านการตรวจสอบและตัวอย่างคำสั่งค้นหาสำหรับคำถามที่พบบ่อยและมีมูลค่าสูง เช่น อัตราการแปลง (conversion rate) และมูลค่าตลอดอายุลูกค้า (customer lifetime value) โดยผ่านการตรวจสอบจากผู้เชี่ยวชาญในแต่ละด้าน ประการที่สาม Databricks ระบุว่าได้กำหนดแนวทางเชิงพฤติกรรมให้ Marge ในการตีความคำศัพท์เฉพาะขององค์กร เช่น การถือว่าคำว่า "spend" และ "investment" มีความหมายเทียบเท่ากับฟิลด์ที่ชื่อว่า "cost" และกำหนดให้ผู้ช่วยตั้งคำถามเพื่อขอความชัดเจนเมื่อคำขอขาดข้อมูล เช่น ช่วงเวลาหรือภูมิภาค ประการที่สี่ บริษัทระบุว่าได้สร้างวงจรฟีดแบ็กและการประเมินผลอย่างต่อเนื่อง โดยผู้ใช้งานจะให้คะแนนคำตอบ และผู้จัดการฝ่าย BI จะตรวจสอบคะแนนเหล่านั้น ซึ่ง Databricks ระบุว่าช่วยลดอัตราคำตอบที่ถูกแจ้งว่าไม่ถูกต้องลงได้ 25% บริษัทระบุว่าปัจจุบันการดูแลรักษาระบบนี้ใช้เวลาประมาณหนึ่งชั่วโมงต่อสัปดาห์
แนวทางการเปิดตัวใช้งาน
Databricks ระบุว่าเริ่มต้นด้วยการทำงานร่วมกับนักการตลาดโดยตรงเพื่อทำความเข้าใจคำถามที่พวกเขาถามบ่อยที่สุดและภาษาที่ใช้ จากนั้นจึงเริ่มจากกรณีการใช้งานเดียวที่มีขอบเขตชัดเจน คือประสิทธิภาพของแคมเปญอีเมล โดยใช้เฉพาะข้อมูลแคมเปญ ผู้รับ และการมีส่วนร่วมเท่าที่จำเป็นต่อการตอบคำถามเหล่านั้น บริษัทระบุว่าขอบเขตที่แคบในช่วงเริ่มต้นนี้ช่วยให้ตรวจสอบความแม่นยำและแสดงให้เห็นคุณค่าได้ง่ายขึ้น ก่อนจะขยายไปสู่ข้อมูลและกรณีการใช้งานเพิ่มเติม
ที่มา: Databricks Blog, "How Databricks' marketers use data 3x more with Genie, an AI analytics assistant," เผยแพร่เมื่อวันที่ 15 กันยายน 2026
คำถามที่พบบ่อย
- Marge คืออะไร
- ตามข้อมูลของ Databricks ระบุว่า Marge คือผู้ช่วยวิเคราะห์ข้อมูลเชิงสนทนาที่พัฒนาด้วย Genie Agents โดยอ้างอิงจาก Marketing Lakehouse ที่อยู่ภายใต้การกำกับดูแลของบริษัท ซึ่งช่วยให้นักการตลาดสามารถตั้งคำถามด้วยภาษาที่เข้าใจง่าย และได้รับคำตอบที่ผ่านการควบคุมดูแลอย่างเหมาะสม
- Databricks รายงานผลลัพธ์อะไรบ้างจากการใช้ Marge?
- Databricks ระบุว่าปัจจุบันนักการตลาดใช้ข้อมูลประกอบการตัดสินใจบ่อยขึ้นถึงสามเท่า อัตราการนำไปใช้ในองค์กรด้านการตลาดสูงกว่า 85% และปริมาณการใช้งานเติบโตขึ้น 50% เมื่อเทียบเป็นรายไตรมาส
- Databricks บอกว่ารักษาความแม่นยำของคำตอบของ Marge ไว้ได้อย่างไร
- Databricks says it documented data relationships in Unity Catalog, encoded verified answers and example queries, taught Marge business-specific terminology, and built continuous feedback and evaluation loops.
- Databricks เปิดตัว Marge ให้ทีมการตลาดใช้งานอย่างไร
- Databricks ระบุว่าโครงการนี้เริ่มต้นจากคำถามจริงของผู้ใช้งาน โดยเริ่มจากกรณีการใช้งานเดียวที่โฟกัสชัดเจน คือประสิทธิภาพของแคมเปญอีเมล ก่อนจะขยายขอบเขตออกไปจากจุดนั้น