Databricks เผยทีมการตลาดภายในองค์กรใช้ข้อมูลเพิ่มขึ้น 3 เท่า ด้วยผู้ช่วยอัจฉริยะ Marge ที่พัฒนาจาก Genie
Databricks details how its marketing organization tripled data use in decisions after deploying Marge, an internal AI analytics assistant built on Genie Agents.
คำตอบโดยย่อ
Databricks รายงานผลลัพธ์อะไรบ้างจาก Marge ผู้ช่วยวิเคราะห์การตลาดภายในองค์กรที่ขับเคลื่อนด้วย Genie?
Databricks says its internal marketing team uses data three times more often in decisions after adopting Marge, a Genie Agents-based assistant built on a governed Marketing Lakehouse. The company reports over 85% adoption among marketers, 800-plus monthly questions answered, and a 25% drop in flagged incorrect responses.
ประเด็นสำคัญ
- Databricks says its marketing team now uses data three times more often in decision-making after deploying Marge, an internal assistant built on Genie Agents.
- บริษัทระบุว่ามากกว่า 85% ของทีมการตลาดใช้งาน Marge โดยมีอัตราการใช้งานเพิ่มขึ้น 50% ในแต่ละไตรมาส และมีคำถามที่ได้รับการตอบมากกว่า 800 คำถามต่อเดือน
- Databricks says flagged incorrect responses fell 25% after it added verified answer sets, example queries, and documented business definitions in Unity Catalog.
- บริษัทระบุว่ากลยุทธ์การเปิดตัวที่ค่อยเป็นค่อยไป โดยเริ่มจากกรณีใช้งานเดียว (ประสิทธิภาพแคมเปญอีเมล) แล้วขยายผลตามความคิดเห็นของผู้ใช้ เป็นปัจจัยสำคัญที่ผลักดันให้เกิดการยอมรับใช้งานอย่างแพร่หลาย
- Databricks says one BI manager spends about one hour per week maintaining Marge, which the company says allowed it to scale access to insights without adding analytics headcount.
สิ่งที่ Databricks ประกาศ
Databricks เผยแพร่บทความบนบล็อกของบริษัท เล่ารายละเอียดว่าฝ่ายการตลาดขององค์กรใช้ผู้ช่วย AI ภายในที่มีชื่อว่า Marge อย่างไร โดยบริษัทระบุว่าเครื่องมือนี้เป็นการนำ Genie Agents ซึ่งเป็นเทคโนโลยีวิเคราะห์ข้อมูลเชิงสนทนาของบริษัท มาประยุกต์ใช้กับงานการตลาดโดยเฉพาะ บทความนี้เขียนโดย Elizabeth Dobbs รองประธานฝ่ายเทคโนโลยีการตลาดของ Databricks ร่วมกับ Thomas Russell, Katy Yuan และ Sydney Sundell
Databricks ระบุว่า Marge ช่วยให้นักการตลาดสามารถตั้งคำถามด้วยภาษาธรรมชาติ และได้รับคำตอบที่อ้างอิงจาก "Marketing Lakehouse" ซึ่งเป็นสภาพแวดล้อมข้อมูลที่มีการกำกับดูแล สร้างขึ้นเพื่อรวมข้อมูลแคมเปญ การวิเคราะห์เว็บ CRM กิจกรรม และยอดขาย ให้อยู่ภายใต้คำนิยามและตัวชี้วัดที่สอดคล้องกัน
ผลการใช้งานและตัวเลขที่รายงาน
Databricks ระบุว่าเครื่องมือนี้สร้างผลลัพธ์ต่อไปนี้ภายในฝ่ายการตลาดของบริษัท
- นักการตลาดใช้ข้อมูลประกอบการตัดสินใจเพิ่มขึ้นสามเท่า
- ฝ่ายการตลาดกว่า 85% ใช้งาน Marge
- การใช้งานเติบโตขึ้น 50% เมื่อเทียบไตรมาสต่อไตรมาส
- Marge รองรับคำถามมากกว่า 800 คำถามต่อเดือน และตอบคำถามไปแล้วรวมกว่า 5,000 คำถาม
- คำตอบที่ถูกแจ้งว่าไม่ถูกต้องลดลง 25% หลังจากมีการปรับปรุงระบบ
- Databricks ระบุว่าสามารถขยายการเข้าถึงข้อมูลเชิงลึกได้โดยไม่ต้องเพิ่มบุคลากรฝ่ายวิเคราะห์ข้อมูล
บริษัทระบุว่านักการตลาดสามารถถาม Marge ได้ เช่น แคมเปญอีเมลหนึ่งมีผลการดำเนินงานอย่างไร โปรแกรมใดมีอิทธิพลต่อไปป์ไลน์ในไตรมาสที่กำหนด หรือควรปรับงบประมาณแคมเปญตรงจุดไหน โดย Marge จะแปลงคำถามเหล่านั้นเป็นคิวรีที่รันกับข้อมูลองค์กรที่มีการกำกับดูแล การเข้าถึงระบบทำผ่าน Genie One ซึ่ง Databricks อธิบายว่าเป็น "ประสบการณ์ทำงานร่วมกับ AI สำหรับผู้ใช้งานทางธุรกิจ" ที่ส่งต่อคำขอไปยัง Genie Agents เฉพาะทางที่ครอบคลุมด้านต่างๆ เช่น ประสิทธิภาพเว็บไซต์ การวิเคราะห์ดิจิทัล และการวางแผนการตลาด สำหรับคำขอที่ซับซ้อนกว่านั้น บริษัทระบุว่า "โหมด Agent" สามารถประมวลผลหลายขั้นตอนเพื่อให้ได้การวิเคราะห์เชิงลึกยิ่งขึ้น
Unity Catalog ผลิตภัณฑ์ด้านการกำกับดูแลข้อมูลของ Databricks ทำหน้าที่จัดการเมทาดาทา สายข้อมูล (lineage) และการควบคุมสิทธิ์การเข้าถึงตามบทบาทแบบรวมศูนย์ เพื่อให้ผู้ใช้แต่ละคนเห็นเฉพาะข้อมูลที่ตนได้รับอนุญาตเท่านั้น ตามที่ระบุในบทความ
วิธีที่ Databricks ระบุว่าสร้างความน่าเชื่อถือให้กับระบบ
Databricks ระบุแนวปฏิบัติสี่ประการที่บริษัทให้เครดิตว่าช่วยให้ Marge มีความแม่นยำและน่าเชื่อถือมากขึ้น
- บันทึกข้อมูลและความสัมพันธ์ระหว่างตารางไว้ใน Unity Catalog รวมถึงคำนิยามเฉพาะทางธุรกิจ เช่น เกณฑ์การนับว่าเป็นลีดที่มีคุณสมบัติด้านการตลาด (marketing-qualified lead)
- เข้ารหัสคำตอบที่ผ่านการตรวจสอบแล้ว และคู่ตัวอย่างคำถาม-คิวรีที่ผู้เชี่ยวชาญในสาขานั้นๆ ตรวจทาน สำหรับคำถามที่มีมูลค่าสูงหรือซับซ้อน
- สอนคำศัพท์เฉพาะทางธุรกิจให้ Marge และกำหนดให้ระบบถามคำถามเพื่อขอความชัดเจนเมื่อคำขอขาดรายละเอียด เช่น ช่วงเวลาหรือภูมิภาค
- ดำเนินการวนรอบการรับฟังความคิดเห็นและประเมินผลอย่างต่อเนื่อง รวมถึงการให้คะแนนจากผู้ใช้งานและคำถามมาตรฐานที่ตรวจสอบกับคำตอบที่ทราบอยู่แล้ว
บริษัทระบุว่าผู้จัดการฝ่าย BI คนหนึ่งใช้เวลาประมาณหนึ่งชั่วโมงต่อสัปดาห์ในการตรวจสอบผลตอบรับและดูแล Marge ซึ่งเป็นการลงทุนที่บริษัทให้เครดิตว่าเป็นสาเหตุที่ทำให้คำตอบไม่ถูกต้องที่ถูกแจ้งลดลง 25%
แนวทางการเปิดตัว
Databricks ระบุว่าได้ผลักดันการนำไปใช้งานด้วยการทำงานร่วมกับนักการตลาดโดยตรง เพื่อระบุคำถามที่พบบ่อยที่สุดและภาษาที่พวกเขาใช้ จากนั้นเริ่มต้นด้วยกรณีการใช้งานที่แคบและเจาะจงเพียงหนึ่งเดียว คือ ประสิทธิภาพของแคมเปญอีเมล ก่อนจะขยายขอบเขตออกไป บริษัทระบุว่าวิธีนี้ช่วยให้สามารถตรวจสอบความแม่นยำและสร้างความเชื่อมั่นของผู้ใช้งานได้ก่อนที่จะขยายขอบเขตการครอบคลุมของผู้ช่วยตัวนี้
ที่มา: บล็อก Databricks เรื่อง "How Databricks' marketers use data 3x more with Genie, an AI analytics assistant" เผยแพร่เมื่อวันที่ 15 กันยายน 2026
คำถามที่พบบ่อย
- Marge คืออะไร
- Databricks ระบุว่า Marge เป็นผู้ช่วยวิเคราะห์ข้อมูลด้วย AI ที่ใช้งานภายในองค์กร โดยสร้างขึ้นบนเทคโนโลยี Genie Agents ของบริษัท ซึ่งทีมการตลาดของ Databricks เองนำไปใช้ตอบคำถามภาษาธรรมชาติโดยอ้างอิงจากข้อมูลที่อยู่ภายใต้การกำกับดูแล
- What results has Databricks reported from using Marge?
- บริษัทระบุว่าปัจจุบันนักการตลาดใช้ข้อมูลในการตัดสินใจมากขึ้นถึงสามเท่า มากกว่า 85% ขององค์กรด้านการตลาดของบริษัทใช้ Marge และคำตอบที่ไม่ถูกต้องซึ่งถูกตรวจพบลดลง 25%
- How does Marge access marketing data?
- Databricks ระบุว่า Marge ทำงานบนระบบ "Marketing Lakehouse" ที่มีการกำกับดูแลอย่างเป็นระบบ และใช้ผลิตภัณฑ์ Unity Catalog ของบริษัทในการจัดการเมทาดาทา การตรวจสอบสายข้อมูล (lineage) และการควบคุมสิทธิ์การเข้าถึงตามบทบาท
- How did Databricks roll out Marge to its marketing team?
- บริษัทระบุว่าเริ่มต้นจากกรณีการใช้งานเดียว คือประสิทธิภาพของแคมเปญอีเมล ก่อนจะขยายขอบเขตตามความคิดเห็นและการใช้งานจริงของผู้ใช้