วิเคราะห์พฤติกรรมการใช้ e-Payment

Team member:

Byte, Manon, Worapot, Kam, Pao, Bankky, Rawi, Gisaku & Team

1. Intro มา!!

1.1 e-Payment คืออะไร? แล้วกลายมาเป็นหัวข้อในการศึกษาได้อย่างไร?

จากหลายๆตัวเลือกที่ในทีมได้ทำการเสนอมา หัวข้อที่ได้เข้าชิงและชนะไปในที่สุดก็คือ “e-Payment” โดยในตอนแรกนั้น ทีมเราได้ตั้งจุดประสงค์ไว้คร่าวๆว่า เราอยากรู้ “พฤติกรรมการใช้ e-Payment ของคนไทย” อธิบายสั้นๆเพิ่มเติมว่า e-Payment หรือเรียกเต็มๆว่า Electronic Payment System (การชำระเงินทางอิเล็กทรอนิกส์) ก็คือการชำระเงินทุกประเภทที่มีระบบอินเทอร์เน็ตเป็นสื่อกลาง ตัวอย่างเช่น ผ่านแอปพลิเคชันของธนาคาร บัตรเครดิต บัตรเดบิต ตู้ ATM พรอมพ์เพย์ การหักบัญชีธนาคาร หรือแม้กระทั่งแอปพลิเคชัน “เป๋าตัง”

ซึ่งจริงๆแล้ววิธีเหล่านี้ก็ถูกคิดค้นขึ้นมาเพื่อเพิ่มความสะดวกและความปลอดภัยให้กับทั้งผู้ชำระและผู้รับเงิน โดยคาดว่าในอนาคตอันใกล้ “เงินสด” ที่มนุษย์เราใช้กันมาหลายร้อยปีจะถูกแทนที่ด้วยวิธีเหล่านี้ และเราจะเข้าสู่ “Cashless society” หรือ “สังคมไร้เงินสด” อย่างเต็มตัวถ้านึกไม่ออกให้ลองนึกว่าเราเดินออกจากบ้านและสามารถใช้ชีวิตออกจากบ้าน ขึ้นรถเมล์ รถไฟฟ้า ขึ้นพี่วิน กินข้าวราดแกง ซื้อขนมจากร้านสะดวกซื้อ ซื้อผลไม้ที่ตลาดนัด โดยที่ไม่ต้องถือเงินสดสักบาทเดียว อ่านแล้วดูน่าตื่นเต้นใช่มั้ยล่าาา แต่ก่อนที่เราจะไปถึงจุดนั้น มาศึกษาดูสักหน่อยว่าในปี 2020 นี้ พฤติกรรมของคนไทยในการใช้ e-Payment นั้น เป็นอย่างไร

จากแบบสอบถามที่เราได้ทำการเก็บข้อมูลมาโดยแบ่งเป็นเพศ อาชีพ ช่วงอายุ ช่องทางการใช้ e-Payment การใช้จ่ายผ่านบริการใด บ้างซึ่งจากข้อมูลตรงนี้นั้นเราได้มาทำการตั้งสมมติฐานในกลุ่มของเรา เพื่อนำไปใช้การทำโปรเจ็คของเราต่อไป ไปดูขั้นตอนต่อไปกันเล้ยยยยย

1.2 Data Analytics คืออะไร

DataAnalytics มีความสำคัญอย่างไร Data Analytics คือกระบวนการทางวิทยาศาสตร์และเทคโนโลยี ที่ใช้สำหรับเปลี่ยนแปลงข้อมูลดิบที่มีไปเป็นการตัดสินใจทางธุรกิจ ในชีวิตประจำวันพวกเราอาจไม่เคยตั้งคำถามง่ายๆเช่น ทำไมเว็บไซต์กูเกิ้ลจึงใช้สีน้ำเงินเฉดนั้นบนหน้าเว็บไซต์ สุ่มเลือกมาหรือเปล่านะ..? หรือว่าจะโหวตกันภายในองค์กร แน่นอนว่าบริษัทที่ใช้ข้อมูลในการตัดสินใจอย่าง Google นั้นใช้ดาต้าในการวิเคราะห์แน่นอน ซึ่งพวกเขาได้ทดลองนำสีน้ำเงินเฉดต่าง ๆ มาทดลองใช้และในท้ายที่สุดพวกเขาก็ได้สีน้ำเงินอย่างบนเว็บไซต์ในปัจจุบัน จะเห็นได้ว่าการใช้ดาต้าในการตัดสินใจล้วนมีความแม่นยำและตอบโจทย์ทางด้านการตลาดเช่นเดียวกันกับหัวข้อของเราที่จะนำการวิเคราะห์ของข้อมูลหรือที่รู้จักกันดีว่าการทำ Data Analytics มาช่วยในการวิเคราะห์ข้อมูลเพื่อเพิ่มประสิทธิภาพในการนำผลวิเคราะห์ที่ได้ไปใช้ในอนาคต โดยวิธีการทำ Data Analytics มีดังต่อไปนี้

กระบวนการทำ Data Analytics

0. จุดประสงค์การทำ Data Analytics คืออะไร

1. การเก็บข้อมูล/รวบรวมข้อมูลดิบ

2. การตั้งคำถาม ตั้งสมมติฐาน

3. การสร้างฐานข้อมูลเพื่อการวิเคราะห์ (Data Mart)

4. การหาคำตอบจากข้อมูล ซึ่งอาจจะได้จากขั้นตอนที่ 3 หรือหา insight เพิ่มเติม

5. ระหว่างการหาคำตอบ จะมีคำถามใหม่เกิดขึ้นมาจนอาจจะนำมาสู่กระบวนการย้อนกลับไปสู่ขั้นตอน 1 หรือ 2

6. การสรุปผล

2. Analysis(การวิเคราะห์)

2.1 ทำไมเราถึงเก็บข้อมูลเอง?

เมื่อสรุปหัวข้อกันได้แล้วเราเริ่มจากการใช้ชุดข้อมูลตั้งต้นจากธนาคารแห่งประเทศไทย (มูลค่าการชำระเงินทางอิเล็กทรอนิกส์ผ่านอุปกรณ์อย่างหนึ่งอย่างใด หรือผ่านทางเครือข่าย (e-Payment) — Open Government Data of Thailand) ซึ่งเป็นชุดข้อมูลที่แสดงให้เห็นการเติบโตทางปริมาณและมูลค่าของ e-Payment ตลอดระยะเวลาร่วม 10 ปี

แม้ว่าข้อมูลที่ได้มาจะน่าสนใจและสามารถนำไปตีความได้หลายด้าน แต่ข้อมูลชุดนี้เรียกได้ว่าเป็นระดับมหภาคเลยทีเดียวเพราะเป็นการรวมมูลค่าการใช้งานของคนไทยทั้งประเทศ แต่อาจจะไม่ตรงใจทีมเรามากนัก เนื่องจากเราอยากรู้รายละเอียดขึ้นไปอีกสักหน่อย เช่นบริการประเภทไหนที่มียอดใช้สูงสุด หรือกลุ่มคนที่ใช้งานเงินอิเล็กทรอนิกส์บ่อยๆมีรายได้ประมาณเท่าไหร่กันนะ?

ดังนั้นเราจึงตัดสินใจที่จะทำชุดแบบสอบถามและกระจายออกไปเพื่อเก็บข้อมูลที่มีรายละเอียดมากขึ้น ด้วยระยะเวลาที่ค่อนข้างจำกัด เราตั้งเป้าไว้ประมาณ 200 คำตอบซึ่งคาดว่าจะหลากหลายเพียงพอต่อการนำมาวิเคราะห์ ซึ่งต้องบอกว่าผลลัพท์ที่ได้น่าพึงพอใจมาก (กระจายออกไปแค่ 3–4 วัน ก็ถึงเป้าแล้ว ขอบคุณทุกคนที่ช่วยทำแบบสอบถามน้าาาา ^^)

จากแบบสอบถามที่เราได้ทำการเก็บข้อมูลมาโดยแบ่งเป็นเพศ อาชีพ ช่วงอายุ ช่องทางการใช้ e-Payment การใช้จ่ายผ่านบริการใด บ้างซึ่งจากข้อมูลตรงนี้นั้นเราได้มาทำการตั้งสมมติฐานในกลุ่มของเรา เพื่อนำไปใช้การทำโปรเจ็คของเราต่อไป ไปดูขั้นตอนต่อไปกันเล้ยยยยย

2.2 สมมติฐาน (Hypothesis)

a. เพศหญิงน่าจะมีการใช้จ่ายต่อเดือนที่มากกว่าเพศชาย

b. คนส่วนใหญ่น่าจะใช้บัตรเครดิตเป็นช่องทางหลัก

c. กลุ่มมนุษย์เงินเดือนน่าจะมีการใช้จ่ายผ่านบัตรเครดิตเยอะที่สุด

d. ประเภทบริการซื้อของตามซูเปอร์มาร์เก็ต น่าจะมีการใช้งาน E-Payment เยอะที่สุด

2.3 การสร้างฐานข้อมูลเพื่อวิเคราะห์

a.การทำความสะอาดข้อมูล

จากแบบสอบถามที่เราได้สร้างขึ้น คำถามหลักๆจะมีสองประเภทคือ คำถามแบบตัวเลือก และคำถามปลายเปิด ในประเภทแรกนั้นไม่ค่อยมีปัญหามากเท่าไหร่ เพราะจำกัดรูปแบบคำตอบไว้ แต่ในประเภทที่สอง เนื่องจากมีคำตอบหลากหลาย(ม้ากกก) ซึ่งจริงๆก็ตรงกับจุดประสงค์แฝงของทีม นั่นคือการที่เราอยากได้คำตอบประเภท free-text มาลองทำการวิเคราะห์ดู ดังนั้นสิ่งแรกที่ต้องทำเลยคือการทำความสะอาด เติมเต็ม แก้ไขและจัดรูปแบบข้อมูล

คำถามปลายเปิดข้อหลักๆคือ อาชีพ และ ประเภทบริการที่ใช้ สิ่งที่ต้องทำหลักๆคือการทำความสะอาดข้อมูลดังนี้

• แก้ไขคำผิด
• รวมอาชีพที่เป็นลักษณะเดียวกันจัดเป็นหมวดหมู่เดียวกัน
• แปลชื่ออาชีพจากภาษาอังกฤษเป็นไทย

ในรูปนี้จะเป็นตัวอย่างการแปลงคำตอบตระกูลนักเรียน-นักศึกษา จาก 10 แบบให้เหลือเพียงแบบเดียว คือ “Student” (น้องที่ตอบว่าพ่อแม่จ้างเรียน น้องตอบอย่างจริงใจเกินไปมั้ยครับบบ!!??) ดังนั้นเมื่อแก้ไขข้อมูลเหล่านี้แล้วจาก 90 กว่าประเภทจะเหลือเพียง 50–60 คำตอบ ซึ่งสามารถดูคำตอบคร่าวๆได้จาก Word Cloud ข้างล่างนี้ครับ

ทำเช่นเดียวกันกับประเภทการใช้จ่ายของผู้กรอกแบบสอบถามครับ จะได้ประเภทบริการหลักๆดังนี้

b. แบ่งกลุ่มข้อมูลอาชีพที่หลายหลายให้เหลือเพียง 6 กลุ่มใหญ่
ถึงแม้ว่าเราทำการคลีนข้อมูลและจัดกลุ่มเบื้องต้นแล้วความหลากหลายทางอาชีพ 50 แบบยังดูเยอะเกินไปสักหน่อย ดังนั้นเราจึงทำการรวมกลุ่มให้เหลือเพียง 6 ประเภทหลัก โดยเลือกจากลักษณะอาชีพที่พื้นฐานคล้ายกันและแนวโน้มการใช้งานดูเป็นไปในทิศทางเดียวกันดังนี้ กลุ่มนักเรียน กลุ่มว่างง่าน กลุ่มอาชีพอิสระ(Freelance) กลุ่มข้าราชการ กลุ่มเจ้าของกิจการ และอื่นๆ

c. การจัดรูปแบบ

จากแบบสอบถามที่กระจายไป ช่องทาง e-Payment ที่ได้คำตอบมามีทั้งหมด 5 ประเภทหลัก และมีประเภทอื่นๆ ที่มีผู้ตอบแบบสอบถามเพิ่มเติมเข้ามา ซึ่งเมื่อแสดงผลโดย Word Cloud จะได้ลักษณะดังนี้

จากนั้นเราจึงพยายามจัดรูปแบบตามกลุ่มที่แยกไว้ โดยทำการ Group by ตามประเภทอาชีพที่อธิบายในข้อที่ผ่านมาแล้วเลือกจัดอันดับ ตัวอย่างในรูป เป็นการแสดงผลประเภท e-Payment ที่กลุ่มพนังานประจำนิยมใช้สูงสุด 5 อันดับแรก ดังนั้นเมื่อได้ข้อมูลความนิยมของบริการชำระเงินของแต่ละกลุ่มเป้าหมายแล้ว เราก็สามารถนำไปศึกษาต่อและตอบคำถามตามสมมติฐานที่ได้ตั้งขึ้นได้

2.4 หาคำตอบจากข้อมูล (ตอบคำถามสมมติฐานที่เราตั้ง 4 ข้อ)

a. ผู้หญิงน่าจะมีการใช้จ่ายต่อเดือนที่มากกว่าผู้ชาย
สรุป
ผู้ชายมีการใช้จ่ายต่อเดือนมากกว่าผู้หญิง คาดว่าเกิดจากการที่ผู้ชายมีการใช้บริการรายเดือนมากกว่าผู้หญิง จึงส่งผลให้ผู้ชายมีค่าใช้จ่ายมากกว่าผู้หญิง

b. คนส่วนใหญ่น่าจะใช้บัตรเครดิตเป็นช่องทางหลัก
สรุป
Mobile Banking เป็นที่นิยมมากที่สุดในการใช้งาน e-Payment คาดว่าเกิดจากการชำระค่าบริการหรือค่าใช้จ่ายต่างๆในยุคปัจจุบันสามารถชำระผ่านระบบ Mobile Banking ได้ ตลอดจนถึงการซื้อของออนไลน์ หรือ การซื้อสินค้าหรือบริการกับผู้ขายโดยตรง การใช้ Mobile Banking เพื่อชำระสินค้าหรือค่าบริการจึงเป็นทางเลือกนึงที่สะดวกและรวดเร็วที่สุด

c.กลุ่มมนุษย์เงินเดือนน่าจะมีการใช้จ่ายผ่านบัตรเครดิตเยอะที่สุด
สรุป
จะเห็นได้ว่ากลุ่ม Employee หรือมนุษย์เงินเดือน มีการใช้งาน Credit Card มากที่สุด เนื่องจากว่า การจะถือครองบัตรเครดิตนั้นจำเป็นที่จะต้องมีงานประจำเสียก่อน เราจึงสามารถตัดกลุ่มอาชีพได้อีกหลายกลุ่ม อาทิ นักศึกษา ฯลฯ ซึ่งยังไม่สามารถถือครองบัตรเครดิตได้ จึงส่งผลให้กลุ่มประชากรที่มีปริมาณมากที่สุดนั่นก็คือ “มนุษย์เงินเดือน” ถือครองบัตรเครดิตมากที่สุด

d. ประเภทบริการซื้อของตามซูเปอร์มาร์เก็ต น่าจะมีการใช้งาน e-Payment เยอะที่สุด
สรุป
จะเห็นได้ว่า การซื้อของตามซูเปอร์มาร์เก็ต มีปริมาณการใช้งาน e-Payment มากที่สุดในทุกสายอาชีพ ตามมาด้วยสาธารณูปโภคซึ่งห่างกันเพียง 1% เท่านั้น ซึ่งเราอาจจะมองได้ว่าไม่ต่างกันเลยก็ได้ สำหรับซูปเปอร์มาเก็ตอาจจะบอกได้เนื่องจากว่าในยุคปัจจุบันผู้คนเลือกที่จะใช้เครื่องมืออำนวยความสะดวก อย่างเช่น สมาร์ทโฟน หรือบัตรเครดิต แทนที่จะพกเงินสดติดตัวตลอดเวลา นอกจากเรื่องความสะดวกสบายที่เราจะได้รับแล้ว ยังช่วยในเรื่องของความปลอดภัยอีกด้วย และในส่วนของสาธารณูปโภคซึ่งเป็นปัจจัยสำคัญในการดำรงชีวิตทำให้มีการใช้จ่ายในส่วนนี้มากเป็นลำดับถัดมา

ในแต่กราฟ ใครเป็นผู้ใช้หลัก (แบ่งตามกลุ่มอาชีพ)

เพิ่มเติม

ส่วนนี้จะเป็นข้อมูลเพิ่มเติมครับที่ไม่อยู่ในสมมติฐานที่เราตั้งไว้ แต่ทีมเห็นว่ามีความน่าสนใจ เลยลองนำเสนอให้ดูครับ ส่วนนี้จะเป็นยอดเฉลี่ยค่าใช้จ่ายเฉลี่ยและด้วย e-Payment (บาท/เดือน/คน) ของแต่ละกลุ่มอาชีพ

sum

mean

และยอดใช้จ่ายเฉลี่ย (บาท/เดือน/คน) แบ่งตามเพศ

3. Conclusion

เริ่มต้นจากการเก็บข้อมูลโดยแบบฟอร์ม นำข้อมูลที่ได้มาทำความสะอาด จัดกลุ่ม วิเคราะห์และแสดงผล เราสามารถตอบสมมติฐานที่เราตั้งไว้ได้ดังนี้

• ข้อ 1. ถ้านับตามยอดเฉลี่ยการใช้งานต่อเดือน ยอดการชิม ช้อป และใช้โดย e-Payment ของหนุ่มๆ สูงกว่าสาวๆนะจ๊ะ (ส่วนถ้านับยอดรวมเงินสดด้วย ใครใช้เยอะกว่า อันนี้ไปเถียงกันเองน้าาา)
• ข้อ 2. นี้ก็พลิกโผไปเช่นเดียวกัน คือช่องทางการใช้ที่มีผู้ใช้งานสูงสุดคือ mobile banking ไม่ใช่บัตรเครดิตอย่างที่คาดเดาไว้
• ข้อ 3. ถ้าแบ่งตามกลุ่มอาชีพจะสามารถสรุปช่องทางการใช้สูงสุดได้ดังนี้

• ข้อ 4. ประเภทบริการที่มีการชำระเงินอิเล็กทรอนิกส์สูงสุดคือซื้อของกินและใช้ตามห้างสรรพสินค้า (เย้ ข้อนี้สมมติฐานเราถูกต้องนะคร้าบ)

สรุปสุดท้ายก็คือ การวิเคราะห์ข้อมูลเบื้องต้นนี้ข้อมูลที่เราได้มาอาจจะเป็นกลุ่มตัวอย่างเล็กๆแต่ก็เป็นการสุ่มกลุ่มตัวอย่างที่ทำให้เราได้เห็นพฤติกรรมของผู้ใช้งาน e-Payment ได้ไม่มากก็น้อย และเป็นเครื่องยืนยันว่าบางครั้งเราไม่สามารถตอบคำถามโดยประสบการณ์หรือความรู้สึกได้เพียงอย่างเดียว (ใครจะเชื่อว่าผู้หญิงมียอดการใช้น้อยกว่าผู้ชายจริงๆนะเออ) แต่ข้อมูลนี่แหละเป็นตัวช่วยชั้นดีในการหา insights จากลูกค้าและผู้ใช้บริการ การศึกษานี้ยังช่วยแนะนำได้อีกด้วยว่าในแต่ละประเภทกลุ่มอาชีพเราควรจะเจาะจงประเภทการชำระเงินลักษณะใดและประเภทบริการใดจึงจะเหมาะสมและเป็นที่นิยมสูงสุดสำหรับกลุ่มนั้นๆ

Link colab : https://colab.research.google.com/drive/14ptw8WMtlLKGeSmcEJpwHQMw5kLnjHBQ?usp=sharing