Attribution vs Incrementality: ตัวไหนควรใช้ตัดสินใจเพิ่มหรือลดงบโฆษณา

มีเจ้าของร้านคนหนึ่งเล่าให้ผมฟังว่า เขาดู Dashboard แล้วเห็นว่าแคมเปญรีทาร์เก็ตของเขา ROAS สูงลิ่ว 12 เท่า สูงกว่าแคมเปญหาลูกค้าใหม่เกือบสามเท่า เขาเลยเทงบเกือบทั้งหมดไปที่รีทาร์เก็ต แล้วภายในสองเดือนยอดขายรวมกลับไม่ได้โตขึ้นเลย ทั้งที่ตัวเลขในรายงานยังสวยเหมือนเดิม

สิ่งที่เกิดขึ้นคือเขาสับสนระหว่างสองคำที่ฟังดูคล้ายกันแต่ตอบคนละคำถาม Attribution บอกเขาว่า 'ใครควรได้เครดิตสำหรับยอดขายที่เกิดขึ้นแล้ว' แต่ไม่เคยบอกว่า 'ถ้าไม่ยิงแคมเปญนี้ ลูกค้าคนนั้นจะซื้ออยู่ดีไหม' คนที่เห็นโฆษณารีทาร์เก็ตส่วนใหญ่คือคนที่เพิ่งดูสินค้าไปเมื่อวานและตั้งใจซื้ออยู่แล้ว ไม่ว่าจะเห็นแอดหรือไม่ก็ตาม

บทความนี้จะแยกให้ชัดว่า Attribution กับ Incrementality ต่างกันตรงไหน แต่ละอย่างเหมาะกับการตัดสินใจแบบไหน และธุรกิจที่ปิดการขายผ่าน LINE ควรวางกรอบการอ่านตัวเลขสองชุดนี้ไปด้วยกันอย่างไร เพื่อไม่ให้พลาดแบบเจ้าของร้านคนนั้น

นิยามที่ต้องแยกให้ออกก่อน: เครดิต vs ผลต่างที่เกิดขึ้นจริง

Attribution คือกระบวนการให้เครดิตยอดขายหรือ Conversion หนึ่งรายการ กับจุดสัมผัส (Touchpoint) ที่พาลูกค้ามาถึงจุดนั้น เช่น ถ้าลูกค้าคลิกโฆษณา Facebook แล้วสามวันต่อมาทักไลน์ผ่านลิงก์ในเว็บไซต์แล้วซื้อ Attribution จะพยายามบอกว่ายอดขายนี้ควรนับให้ Facebook, เว็บไซต์, หรือแบ่งเครดิตให้ทั้งคู่ตามโมเดลที่เลือกใช้ ไม่ว่าจะเป็น Last-touch, First-touch หรือ Multi-touch

Incrementality คือการวัดผลต่างที่เกิดขึ้นจริงจากการกระทำหนึ่งอย่าง เช่น ถ้าปิดแคมเปญนี้ไปเลย ยอดขายรวมของธุรกิจจะลดลงเท่าไหร่ วิธีวัดที่แม่นกว่าคือการทดลองเปรียบเทียบ เช่น แบ่งพื้นที่หรือกลุ่มเป้าหมายเป็นกลุ่มที่เห็นแอดกับกลุ่มที่ไม่เห็น (Holdout) แล้วเทียบยอดขายของสองกลุ่มนั้น ความต่างที่วัดได้คือ 'ผลเพิ่ม' ที่แอดสร้างขึ้นจริง ไม่ใช่แค่ยอดที่บังเอิญเกิดขึ้นพร้อมกับที่แอดกำลังรัน

ความต่างสำคัญที่สุดคือ Attribution วัดจาก Journey ที่ระบบมองเห็น ส่วน Incrementality วัดจาก 'สิ่งที่ไม่เกิดขึ้นถ้าไม่มีการกระทำนั้น' ซึ่งเป็นคำถามเชิงเปรียบเทียบ (Counterfactual) ที่ Attribution ตอบไม่ได้ เพราะ Attribution ไม่เคยรู้ว่าลูกค้าคนที่คลิกแอดจะซื้ออยู่ดีหรือไม่ถ้าไม่มีแอดตัวนั้น

ทำไมทีมการตลาดถึงสับสนสองคำนี้จนตัดสินใจผิด

สาเหตุหลักคือ Attribution เป็นสิ่งที่มองเห็นได้ทุกวันในแดชบอร์ดของ Ads Manager หรือ GA4 มันพร้อมใช้งานทันที ไม่ต้องออกแบบการทดลองอะไรเพิ่ม ในขณะที่ Incrementality ต้องใช้เวลาวางแผน ต้องมีกลุ่มเปรียบเทียบ และต้องรอผลหลายสัปดาห์ ทีมส่วนใหญ่จึงเลือกใช้ตัวเลขที่หาง่ายกว่าเป็นหลัก แล้วลืมไปว่ามันตอบคนละคำถามกับสิ่งที่กำลังจะตัดสินใจ

อีกสาเหตุคือคำว่า 'ROAS' ถูกใช้ปนกันจนคนเข้าใจว่ามันคือกำไรที่แอดสร้างขึ้นจริง ทั้งที่ ROAS ที่เห็นในระบบส่วนใหญ่เป็น Attributed ROAS คือคำนวณจากยอดขายที่ระบบให้เครดิตกับแอดนั้น ไม่ใช่ยอดขายที่เพิ่มขึ้นจริงเพราะแอดนั้น ถ้าแคมเปญรีทาร์เก็ตเจาะกลุ่มคนที่ตั้งใจซื้ออยู่แล้ว ROAS ที่เห็นอาจสูงมาก แต่ Incremental ROAS อาจต่ำกว่านั้นมาก เพราะคนกลุ่มนี้ส่วนหนึ่งซื้ออยู่ดีแม้ไม่เห็นแอด

ธุรกิจที่ขายผ่าน LINE มีความซับซ้อนเพิ่มขึ้นอีกชั้น เพราะระหว่างคลิกแอดกับปิดการขายมีขั้นตอนของแอดมินคั่นกลาง คนอาจเห็นแอด แล้วไม่ทักทันที แต่กลับมาทักตอนค้นหาชื่อร้านใน LINE เองในอีกสามวันถัดมา Attribution แบบมาตรฐานอาจให้เครดิตผิดจุด หรือมองว่าเป็นยอด Direct ทั้งที่จริงมาจากแอดตัวเดิม ซึ่งเป็นเรื่องที่ต้องอ่านคู่กับ ช่องว่างระหว่างคลิกกับการเข้า LINE เพื่อเข้าใจว่าทำไมข้อมูลถึงขาดตอนได้ง่าย

Attribution วัดผลจากอะไรบ้าง และมีข้อจำกัดตรงไหน

Attribution อาศัยข้อมูลจากหลายจุดร่วมกันเพื่อประกอบ Journey ของลูกค้าคนหนึ่งให้ครบที่สุดเท่าที่ระบบจะเห็นได้

• Click Identifier เช่น GCLID หรือ Meta Click ID ที่แนบมากับ URL ตอนคลิกโฆษณา ใช้จับคู่ว่าคนที่ทำ Conversion ท้ายทางมาจากคลิกไหน
• UTM Parameter ที่บอกว่าลิงก์นั้นมาจากแคมเปญ ช่องทาง หรือครีเอทีฟใด ต้องตั้งชื่อให้สม่ำเสมอไม่งั้นรายงานจะปนกัน
• Attribution Window คือกรอบเวลาที่ระบบยอมนับว่าคลิกหรือการมองเห็นก่อนหน้านั้นยังมีผลต่อ Conversion เช่น 7 วันหลังคลิก หรือ 1 วันหลังดูโฆษณา ถ้า Conversion เกิดหลังกรอบเวลานี้ ระบบจะไม่นับให้แคมเปญนั้น
• Attribution Model เช่น Last-click ที่ให้เครดิตทั้งหมดกับจุดสัมผัสสุดท้าย หรือ Data-driven ที่กระจายเครดิตตามน้ำหนักที่ระบบคำนวณจากข้อมูลจริง แต่ละแพลตฟอร์มมักคำนวณ Attribution ของตัวเองแยกกัน ทำให้ตัวเลขจาก Google Ads กับ Meta ไม่ตรงกันเสมอเมื่อดูแคมเปญเดียวกัน

วิธีวัด Incrementality แบบที่ธุรกิจขนาดกลางพอทำได้เอง

Incrementality ไม่จำเป็นต้องใช้เครื่องมือซับซ้อนเสมอไป ธุรกิจที่มีหลายสาขาหรือหลายพื้นที่โฆษณาสามารถเริ่มจากการทดลองแบบง่ายได้ดังนี้

1. เลือกพื้นที่หรือกลุ่มเป้าหมายสองกลุ่มที่มีลักษณะใกล้เคียงกัน เช่น สองจังหวัดที่ยอดขายปกติใกล้เคียงกัน แล้วยิงแอดเฉพาะกลุ่มหนึ่ง ปิดไว้อีกกลุ่ม (Geo Holdout)
2. กำหนดช่วงเวลาทดลองที่นานพอ อย่างน้อย 2-4 สัปดาห์ เพื่อลดผลจากความผันผวนรายวัน และหลีกเลี่ยงช่วงเทศกาลที่ยอดขายผิดปกติ
3. เก็บยอดขายของทั้งสองกลุ่มแยกกันตลอดช่วงทดลอง โดยต้องแน่ใจว่าระบบหลังบ้านบันทึกยอดตามพื้นที่หรือกลุ่มเป้าหมายได้จริง ไม่ปนกัน
4. เปรียบเทียบยอดขายของกลุ่มที่เห็นแอดกับกลุ่มที่ไม่เห็น ผลต่างที่ได้คือ Incremental Lift โดยประมาณ แล้วนำไปหารด้วยงบที่ใช้ในกลุ่มที่เห็นแอด จะได้ Incremental ROAS โดยประมาณ ซึ่งมักต่ำกว่า Attributed ROAS ที่เห็นในแดชบอร์ด

ตารางเทียบ Attribution กับ Incrementality แบบเห็นภาพ

สรุปความต่างหลักเป็นตารางเพื่อให้ตัดสินใจได้เร็วขึ้นว่าตอนไหนควรดูตัวเลขชุดไหน:

ธุรกิจแบบไหนควรเริ่มดู Incrementality และแบบไหนยังไม่จำเป็น

ไม่ใช่ทุกธุรกิจต้องรีบทำ Incrementality Test ธุรกิจที่มี Conversion ต่อเดือนน้อยกว่าหลักสิบราย การแบ่งกลุ่มทดลองจะได้ตัวอย่างน้อยเกินไปจนสรุปอะไรไม่ได้แม่นพอ กรณีนี้ควรโฟกัสที่การทำ Attribution ให้สะอาดก่อน เช่น UTM ครบ ไม่มี Conversion ซ้ำ แล้วใช้สามัญสำนึกประกอบ เช่น สังเกตว่าถ้าปิดแคมเปญไปสองสัปดาห์ ยอดทักเข้ามาลดลงชัดเจนหรือไม่

ธุรกิจที่ควรเริ่มพิจารณา Incrementality คือธุรกิจที่มีงบโฆษณาระดับหลักแสนต่อเดือนขึ้นไป มีหลายสาขาหรือหลายพื้นที่ที่แยกกันได้ชัด และกำลังจะตัดสินใจเรื่องใหญ่ เช่น จะเพิ่มงบรีทาร์เก็ตอีกเท่าตัวดีไหม หรือจะตัดงบ Brand Search ที่ ROAS สูงลิ่วแต่สงสัยว่าคนกลุ่มนั้นน่าจะซื้ออยู่แล้ว การตัดสินใจระดับนี้ถ้าใช้แค่ Attribution อาจนำไปสู่การเทงบผิดทางเหมือนเจ้าของร้านในตอนต้นบทความ

อีกกรณีที่ Incrementality มีประโยชน์มากคือการเปรียบเทียบระหว่างช่องทางที่แย่งกลุ่มเป้าหมายเดียวกัน เช่น ถ้าธุรกิจยิงทั้ง Search และ Retargeting ไปหากลุ่มคนที่เพิ่งดูสินค้า ROAS ของทั้งสองอาจสูงพร้อมกันเพราะแย่งเครดิตยอดขายเดียวกัน การทดลองปิดช่องทางใดช่องทางหนึ่งชั่วคราวจะช่วยให้เห็นว่าช่องทางไหนสร้างยอดใหม่จริง และช่องทางไหนแค่ 'เก็บเกี่ยว' ยอดที่จะเกิดขึ้นอยู่แล้ว

ตัวอย่างสมมติ: ร้านคลินิกความงามที่เกือบตัดงบผิดช่องทาง

ลองดูตัวอย่างสมมติเพื่อให้เห็นภาพชัดขึ้น คลินิกความงามแห่งหนึ่งมีสองแคมเปญหลักที่ยิงเข้า LINE คือ Search ที่จับคำค้นชื่อคลินิกโดยตรง กับ Retargeting ที่ยิงหาคนที่เคยเข้าเว็บไซต์ ตัวเลขในแดชบอร์ดเดือนล่าสุด (ข้อมูลสมมติเพื่อประกอบการอธิบาย) แสดงว่า Search มี ROAS 9 เท่า และ Retargeting มี ROAS 14 เท่า

ถ้าดูแค่ Attribution เจ้าของคลินิกอาจสรุปว่าควรเทงบไปที่ Retargeting เพิ่ม เพราะ ROAS สูงกว่า แต่พอทดลองปิด Retargeting ไปหนึ่งสัปดาห์เทียบกับสัปดาห์ปกติ ยอดทักเข้า LINE ลดลงเพียงประมาณ 8% ในขณะที่พอทดลองปิด Search ยอดทักลดลงถึง 35% นั่นแปลว่าคนที่เห็น Retargeting ส่วนใหญ่เป็นคนที่ตั้งใจกลับมาหาคลินิกอยู่แล้ว ต่อให้ไม่เห็นแอดก็มีแนวโน้มทักเข้ามาเองผ่านการค้นหาชื่อคลินิก

บทเรียนจากตัวอย่างนี้คือ Attributed ROAS สูงไม่ได้แปลว่าควรเพิ่มงบเสมอ ต้องถามต่อว่า Conversion นั้น 'ใหม่' จริงหรือแค่ถูกนับซ้ำกับสิ่งที่จะเกิดขึ้นอยู่แล้ว ซึ่งเป็นแนวคิดเดียวกับที่อธิบายไว้ในเรื่อง Marginal ROAS ที่ว่าการเพิ่มงบทีละหน่วยให้ผลตอบแทนลดลงเรื่อย ๆ ไม่ใช่คงที่ตามค่าเฉลี่ยที่เห็นในแดชบอร์ด

ทำแบบนี้แล้วพัง: ข้อผิดพลาดที่พบบ่อยเมื่อสับสนสองคำนี้

ข้อผิดพลาดที่เจอบ่อยที่สุดคือการใช้ Last-click Attribution เพียงอย่างเดียวแล้วเชื่อว่าคือความจริงทั้งหมด ทำให้แคมเปญ Brand Search ที่มักเป็นจุดสัมผัสสุดท้ายก่อนซื้อ ได้เครดิตเกินจริง ในขณะที่แคมเปญที่สร้างความสนใจตั้งแต่ต้น (Awareness) กลับดูเหมือนไม่มีผลอะไรเลย ทั้งที่จริงเป็นตัวพาลูกค้าเข้ามาในระบบตั้งแต่แรก

อีกจุดที่พังบ่อยคือตัดงบแคมเปญที่ ROAS ต่ำโดยไม่ทดสอบ Incrementality ก่อน แคมเปญหาลูกค้าใหม่มักมี Attributed ROAS ต่ำกว่ารีทาร์เก็ตเสมอเพราะต้องใช้ต้นทุนสูงกว่าในการทำให้คนแปลกหน้ารู้จักแบรนด์ แต่ถ้าตัดแคมเปญนี้ทิ้งเพราะดูตัวเลขอย่างเดียว ปริมาณคนใหม่ที่จะไหลเข้ามาเป็นรีทาร์เก็ตในอนาคตก็จะหายไปด้วย ทำให้ยอดขายโดยรวมค่อย ๆ ลดลงในอีกสองสามเดือนถัดมาโดยไม่รู้สาเหตุ

ข้อผิดพลาดสุดท้ายคือทำ Incrementality Test ผิดวิธี เช่น เปลี่ยนหลายตัวแปรพร้อมกันในช่วงทดลอง (เปลี่ยนทั้งงบและครีเอทีฟพร้อมกัน) หรือทดลองช่วงเวลาสั้นเกินไปจนความผันผวนปกติของยอดขายบดบังผลที่แท้จริง ทำให้สรุปผิดว่าแคมเปญไม่มีผล ทั้งที่จริงตัวอย่างยังไม่พอสรุป

สิ่งที่ต้องตรวจก่อนใช้ตัวเลขไปตัดสินใจเรื่องงบ

ก่อนจะเชื่อตัวเลข Attribution หรือ Incrementality ไปตัดสินใจอะไรใหญ่ ๆ ควรตรวจสิ่งเหล่านี้ก่อนเสมอ เพื่อกันไม่ให้ตัดสินใจผิดจากข้อมูลที่ยังไม่พร้อม

• Attribution Window ของแต่ละแพลตฟอร์มตั้งไว้ตรงกับพฤติกรรมจริงของลูกค้าหรือไม่ ถ้าลูกค้าใช้เวลาตัดสินใจนานกว่ากรอบที่ตั้งไว้ ตัวเลขจะนับ Conversion ตกหล่นไปเป็นช่องทางอื่น
• UTM และ Click ID ถูกเก็บครบตลอด Journey จนถึงตอนที่แอดมินบันทึกยอดขาย ไม่ใช่แค่ตอนคลิกเข้าเว็บไซต์ครั้งแรก
• ถ้าจะทำ Incrementality Test ตัวอย่างเพียงพอไหม กลุ่มเปรียบเทียบมีลักษณะใกล้เคียงกันจริงหรือมีปัจจัยอื่นแทรกซ้อน เช่น สาขาหนึ่งมีโปรโมชันพิเศษที่อีกสาขาไม่มี
• ยอดขายที่นำมาเทียบเป็นยอดที่หัก Refund และรายการยกเลิกแล้วหรือยัง เพราะถ้าใช้ยอดดิบ ผลการทดลองอาจคลาดเคลื่อนจากความเป็นจริง

สรุป

Attribution กับ Incrementality ไม่ใช่คู่แข่งกัน แต่เป็นเครื่องมือคนละแบบที่ตอบคำถามคนละชนิด Attribution ช่วยให้เห็นแนวโน้มรายวันได้เร็วและถูกกว่า ส่วน Incrementality ช่วยยืนยันว่าตัวเลขที่เห็นนั้นสะท้อนผลจริงหรือแค่การแย่งเครดิตยอดขายที่จะเกิดขึ้นอยู่แล้ว

สิ่งที่ควรทำต่อคือกลับไปดูแคมเปญที่ ROAS สูงผิดปกติของตัวเองสักหนึ่งตัว แล้วลองตั้งคำถามว่า ถ้าไม่มีแคมเปญนี้ ลูกค้ากลุ่มนั้นจะยังทักเข้ามาอยู่ไหม คำถามง่าย ๆ นี้เป็นจุดเริ่มต้นของการคิดแบบ Incrementality ก่อนจะขยับไปทำการทดลองที่เป็นระบบมากขึ้น

• Attribution ตอบว่าใครควรได้เครดิต Incrementality ตอบว่าผลต่างจริงคือเท่าไหร่
• ROAS สูงในแดชบอร์ดไม่ได้แปลว่าควรเพิ่มงบเสมอ ต้องดูว่ายอดนั้นใหม่จริงหรือเกิดขึ้นอยู่แล้ว
• ธุรกิจงบเล็กควรทำ Attribution ให้สะอาดก่อน ธุรกิจงบใหญ่ค่อยขยับไปทำ Incrementality Test

คำถามที่พบบ่อย