ทักเข้ามาวันละหลายสิบแชท แต่กว่าจะปิดยอดใช้เวลากี่วันไม่เคยรู้

แอดมินร้านหนึ่งเล่าให้ผมฟังว่าวันหนึ่งรับแชทเป็นสิบเป็นยี่สิบข้อความ แต่พอถามว่าเคสที่ทักวันนี้ กว่าจะปิดยอดได้ใช้เวลากี่วันโดยเฉลี่ย เขาตอบไม่ได้เลย รู้แค่ว่า 'บางทีก็ปิดวันเดียว บางทีก็หายไปเป็นอาทิตย์'

ความไม่รู้ตัวเลขนี้ส่งผลมากกว่าที่คิด เพราะถ้าธุรกิจของคุณมี Conversion Lag เฉลี่ย 5 วัน แต่คุณตั้งค่า Attribution Window ของโฆษณาไว้แค่ 1 วัน ยอดขายที่เกิดขึ้นจริงจำนวนมากจะไม่ถูกนับเข้าระบบโฆษณาเลย ทำให้แพลตฟอร์มมองว่าแคมเปญนั้นทำงานได้ไม่ดี ทั้งที่จริง ๆ มันแค่ปิดยอดช้ากว่าที่ตั้งค่าไว้

บทความนี้จะพาดูว่า Conversion Lag คำนวณยังไง ทำไมแต่ละสินค้าถึงมี Lag ไม่เท่ากัน และจะเอาตัวเลขนี้ไปใช้ตั้งค่าโฆษณาให้แม่นขึ้นได้อย่างไร

Conversion Lag คืออะไร คำนวณยังไง

Conversion Lag คือระยะเวลาตั้งแต่เหตุการณ์ต้นทาง เช่น ทักแชทครั้งแรกหรือเป็น Lead จนถึงเหตุการณ์ปลายทางคือปิดการขายหรือชำระเงินสำเร็จ คำนวณง่าย ๆ คือเอา Timestamp ของการปิดการขาย ลบด้วย Timestamp ของการทักแชทครั้งแรก

ตัวเลขนี้ควรดูทั้งค่ามัธยฐาน (Median) และการกระจายตัว ไม่ใช่แค่ค่าเฉลี่ย เพราะบางเคสอาจปิดภายในไม่กี่ชั่วโมง ในขณะที่บางเคสใช้เวลาเป็นเดือน ถ้าใช้ค่าเฉลี่ยอย่างเดียวจะไม่เห็นภาพจริงว่าลูกค้าส่วนใหญ่ปิดยอดในช่วงเวลาไหนกันแน่

ทำไม Conversion Lag ต่างกันในแต่ละสินค้า

ถ้า Attribution Window สั้นกว่า Lag จริง จะเกิดอะไรขึ้น

แพลตฟอร์มโฆษณาแต่ละตัวมี Attribution Window หรือระยะเวลาที่ยอมรับ Conversion ย้อนหลังได้ ถ้าธุรกิจตั้งค่าไว้สั้นกว่า Lag จริงของตัวเอง ยอดขายที่เกิดขึ้นช้ากว่าช่วงเวลานั้นจะไม่ถูกส่งกลับไปนับเป็นผลของแคมเปญ ทำให้ระบบมองว่าแคมเปญนั้นไม่มีประสิทธิภาพ ทั้งที่ความจริงมันแค่ต้องใช้เวลานานกว่าจะเห็นผล

ผลกระทบที่ตามมาคือระบบโฆษณาอาจปรับลดการเสนอราคาให้กับกลุ่มเป้าหมายที่จริง ๆ แล้วเป็นกลุ่มที่ปิดการขายได้ดี เพียงเพราะ Conversion ของกลุ่มนั้นมาช้ากว่าที่ระบบมองเห็น การรู้ Lag ที่แท้จริงของธุรกิจตัวเอง จึงเป็นข้อมูลสำคัญก่อนตั้งค่า Conversion Window ให้เหมาะสม

จะเริ่มเก็บ Timestamp เพื่อวัด Lag นี้ได้อย่างไร

1. บันทึก Timestamp ของข้อความแรกที่ทักเข้ามา ให้เป็นจุดเริ่มต้นของการนับ Lag
2. กำหนดสถานะ 'ปิดการขาย' ให้ชัดเจนในระบบขาย พร้อม Timestamp ที่บันทึกทันทีเมื่อเกิดขึ้นจริง ไม่ใช่บันทึกย้อนหลังหลายวันซึ่งจะทำให้ตัวเลขคลาดเคลื่อน
3. คำนวณผลต่างระหว่างสองจุดนี้เป็นชั่วโมงหรือวัน แล้วเก็บสะสมไว้เป็นชุดข้อมูลรายเดือน
4. แยกดู Lag ตามประเภทสินค้าหรือแคมเปญต้นทางเพื่อดูว่าแต่ละกลุ่มมีความแตกต่างกันแค่ไหน ไม่ใช่ดูภาพรวมทั้งหมดปนกัน

ทำไมเรื่องนี้เกี่ยวข้องกับการส่ง Offline Conversion กลับแพลตฟอร์ม

เมื่อรู้ Conversion Lag ของตัวเองแล้ว จะช่วยตัดสินใจได้ว่าควรใช้วิธีส่งOffline Conversionกลับไปยังแพลตฟอร์มโฆษณาแบบไหน เพราะบาง Event ปลายทางเกิดขึ้นนอกเว็บไซต์หรือนอกแอป เช่น ปิดการขายในแชทหรือหน้าร้าน ซึ่งต้องอาศัยการนำเข้าข้อมูลย้อนหลังโดยมี Click ID หรือ Identifier ที่เก็บไว้ตั้งแต่ต้น

ธุรกิจที่มี Lag ยาว ควรวางแผนเรื่องความถี่ในการอัปโหลด Conversion ย้อนหลังให้เหมาะสม ไม่ใช่รอสะสมนานเกินไปจนเลย Attribution Window ที่แพลตฟอร์มกำหนด เพราะจะทำให้ Conversion เหล่านั้นไม่ถูกจับคู่กับ Click ต้นทางได้อีก

เอาตัวเลข Lag นี้ไปใช้วางแผนอะไรได้บ้าง

นอกจากใช้ตั้งค่า Attribution Window แล้ว ตัวเลข Lag ยังบอกได้ว่าควรรอกี่วันก่อนสรุปผลว่าแคมเปญไหนดีหรือไม่ดี ถ้าธุรกิจมี Lag เฉลี่ย 7 วัน แต่รีบสรุปผลแคมเปญตั้งแต่วันที่สาม ก็จะเห็นแค่ยอดขายบางส่วนที่ปิดเร็ว ไม่ใช่ภาพเต็มของแคมเปญนั้น

การรู้ Lag ยังช่วยวางแผนกำลังคนของทีมขาย เพราะถ้ารู้ว่าลูกค้าส่วนใหญ่ปิดยอดในช่วงวันที่ 3-5 หลังทัก ทีมขายสามารถวางแผนติดตามผลในช่วงนั้นให้เข้มข้นขึ้น แทนที่จะกระจายความพยายามเท่ากันทุกวัน

เทียบการตั้ง Attribution Window ตาม Conversion Lag ของแต่ละประเภทธุรกิจ

แพลตฟอร์มโฆษณาแต่ละตัวมีตัวเลือก Attribution Window ให้ปรับตามเอกสารล่าสุดของแต่ละแพลตฟอร์ม ตารางนี้เป็นกรอบตัวอย่างที่ช่วยให้เห็นภาพว่าธุรกิจแต่ละแบบควรเริ่มพิจารณาจากช่วงไหน ไม่ใช่ค่าที่ตายตัวหรือใช้แทนการตรวจเอกสารจริงของแต่ละแพลตฟอร์ม

ขั้นตอนตรวจ QA ก่อนเชื่อตัวเลข Conversion Lag ที่คำนวณได้

1. ตรวจก่อนว่า Timestamp ของทักแชทครั้งแรกกับ Timestamp ของปิดการขาย ถูกบันทึกจากระบบที่ใช้ Time Zone เดียวกัน ไม่งั้นผลต่างที่คำนวณได้จะเพี้ยนไปตามส่วนต่างของ Time Zone
2. เช็คว่าสถานะ 'ปิดการขาย' ถูกบันทึกทันทีที่เกิดขึ้นจริง ไม่ใช่ทีมขายมาอัปเดตย้อนหลังทีเดียวตอนสิ้นสัปดาห์ เพราะจะทำให้ Timestamp ปิดการขายไม่ตรงกับเวลาจริงที่เกิดขึ้น
3. กรองเคสที่ Lag ยาวผิดปกติออกมาดูเป็นรายเคส เช่น เคสที่ใช้เวลาเป็นเดือน อาจเป็นเพราะลูกค้าทักซ้ำหลังหายไปนาน หรือเป็นความผิดพลาดในการบันทึกที่ต้องแก้ ไม่ใช่ Lag จริงของ Journey เดียวกัน
4. เทียบจำนวนเคสที่มีข้อมูลครบทั้งสอง Timestamp กับจำนวนเคสที่ปิดการขายทั้งหมด ถ้าสัดส่วนที่มีข้อมูลครบต่ำเกินไป ค่ามัธยฐานที่คำนวณได้อาจไม่ได้สะท้อนภาพรวมที่แท้จริง
5. ทบทวนตัวเลข Lag นี้ทุกไตรมาส เพราะพฤติกรรมลูกค้าและกระบวนการขายอาจเปลี่ยนไปตามฤดูกาลหรือการเปลี่ยนแปลงราคาสินค้า ไม่ควรใช้ค่าที่คำนวณครั้งเดียวไปตลอดโดยไม่ทบทวน

ปัญหาที่เจอบ่อยเมื่อเริ่มวัด Conversion Lag และวิธีแก้

• ทีมขายบันทึก 'ปิดการขาย' เฉพาะตอนได้รับเงินครบเต็มจำนวน ทั้งที่บางเคสมีการวางมัดจำก่อนแล้วจ่ายส่วนที่เหลือทีหลัง ทำให้ Lag ที่วัดได้ยาวกว่าความเป็นจริงของจุดที่ลูกค้าตัดสินใจซื้อแล้ว ควรตกลงนิยามให้ชัดว่าจะนับ Lag ถึงจุดมัดจำหรือจุดจ่ายครบ
• ปนรวมเคสที่ลูกค้าทักซ้ำหลังจากเงียบหายไปนานมากเป็นเดือน เข้ากับเคสที่คุยต่อเนื่องจนปิดยอด ทำให้ค่ามัธยฐานถูกดึงให้สูงผิดปกติจากไม่กี่เคสที่เป็นข้อยกเว้น ควรแยกเคสที่มีช่วงเงียบยาวผิดปกติออกมาพิจารณาต่างหาก
• ไม่แยก Lag ตามทีมขายหรือแอดมินแต่ละคน ทำให้มองไม่เห็นว่าความเร็วในการปิดยอดต่างกันเพราะตัวสินค้าหรือเพราะทักษะการติดตามผลของแต่ละคน ควรมีรายงานแยกรายบุคคลควบคู่กับภาพรวม เพื่อใช้พัฒนาทีมได้ตรงจุด
• ใช้ตัวเลข Lag จากช่วงโปรโมชันพิเศษมาเป็นค่าอ้างอิงมาตรฐาน ทั้งที่ช่วงโปรโมชันมักทำให้ลูกค้าตัดสินใจเร็วกว่าปกติ ควรแยกช่วงที่มีโปรโมชันพิเศษออกจากข้อมูลที่ใช้คำนวณค่าเฉลี่ยหรือค่ามัธยฐานปกติ

ฤดูกาลและจำนวนแอดมินที่ว่างส่งผลต่อ Lag มากแค่ไหน

หลายธุรกิจมองว่า Conversion Lag เป็นตัวเลขคงที่ของสินค้าแต่ละประเภท แต่ในความจริง Lag เปลี่ยนไปตามช่วงเวลาและกำลังคนที่ตอบแชทได้ด้วย ช่วงเทศกาลที่แชทเข้ามาพร้อมกันเยอะ ๆ แอดมินอาจตอบช้ากว่าปกติ ทำให้ลูกค้าที่ทักมาต้องรอนานขึ้นก่อนได้คุยจริงจัง ส่งผลให้ Lag ยืดออกไปโดยไม่ได้เกี่ยวกับตัวสินค้าเลย

ในทางกลับกัน ช่วงที่แอดมินว่างและตอบไวเป็นพิเศษ เช่น ช่วงกลางเดือนที่แชทน้อยลง Lag อาจสั้นลงอย่างเห็นได้ชัดเพราะลูกค้าได้รับคำตอบเร็วขึ้นตั้งแต่ต้น การเปรียบเทียบ Lag ระหว่างสองช่วงเวลานี้โดยไม่คำนึงถึงปัจจัยกำลังคน อาจทำให้สรุปผิดว่าสินค้าตัวหนึ่งขายยากกว่าอีกตัวหนึ่ง ทั้งที่จริง ๆ แล้วเป็นเรื่องความเร็วในการตอบแชทล้วน ๆ

ก่อนสรุปว่าแคมเปญหรือสินค้าตัวไหนมี Lag ยาวผิดปกติ จึงควรตรวจดูก่อนว่าช่วงเวลานั้นมีปัจจัยเรื่องปริมาณแชทกับจำนวนแอดมินที่ว่างเข้ามาเกี่ยวข้องด้วยหรือไม่ ถ้าใช่ ควรแยกวิเคราะห์ผลของปัจจัยกำลังคนออกจากผลของตัวสินค้าเอง เพื่อไม่ให้การตัดสินใจปรับงบโฆษณาผิดพลาดจากสาเหตุที่แท้จริงเป็นเรื่องการจัดตารางแอดมิน ไม่ใช่คุณภาพของแคมเปญ

สรุป

แชทที่เข้ามาทุกวันเป็นแค่จุดเริ่มต้นของเรื่องราว ไม่ใช่จุดจบ กว่าจะปิดยอดได้แต่ละเคสใช้เวลาไม่เท่ากัน และถ้าไม่เคยวัดตัวเลขนี้ ก็จะไม่มีทางรู้เลยว่าการตั้งค่าโฆษณาที่ใช้อยู่ตอนนี้เหมาะกับความเป็นจริงของธุรกิจหรือไม่

เริ่มจากบันทึก Timestamp สองจุดง่าย ๆ คือทักแชทครั้งแรกกับปิดการขาย แล้วเก็บสะสมไปสักหนึ่งถึงสองเดือน จะเริ่มเห็นรูปแบบที่ช่วยตัดสินใจได้ทั้งเรื่องงบโฆษณาและการวางแผนทีมขาย

• Conversion Lag คือระยะเวลาจากทักแชทถึงปิดการขาย ต่างกันตามประเภทสินค้า
• ถ้า Attribution Window สั้นกว่า Lag จริง ยอดขายจำนวนมากจะไม่ถูกนับเป็นผลของแคมเปญ
• ควรดูค่ามัธยฐานและการกระจายตัว ไม่ใช่แค่ค่าเฉลี่ยที่อาจถูกดึงเบี้ยวจากเคสส่วนน้อย

คำถามที่พบบ่อย