ยอดขายพุ่งช่วง Black Friday แต่ตัวเลขแอดเข้า LINE เชื่อได้แค่ไหน วิธีตรวจก่อนสรุปผลแคมเปญ

ร้านเสื้อผ้าออนไลน์เจ้าหนึ่งที่ผมเคยช่วยดูตัวเลข เปิดแคมเปญ Black Friday สามวัน แล้วแอดมินรายงานว่าคอนเวอร์ชั่นจากแอดเข้า LINE พุ่งจาก 25 ต่อวันเป็น 210 ต่อวัน ทีมการตลาดตื่นเต้นมาก เตรียมเสนอเพิ่มงบเดือนถัดไปอีกสามเท่าโดยอ้างตัวเลขนี้เป็นหลักฐาน

แต่พอลองแกะยอดขายจริงเทียบเป็นรายชั่วโมง พบว่ายอดพุ่งกระจุกอยู่ในสามช่วงเวลา คือตอนเปิดเซลเที่ยงคืน ตอนพักเที่ยง และตอนสองทุ่มถึงสี่ทุ่ม ซึ่งตรงกับช่วงที่ลูกค้าเก่าที่เคยกดถูกใจเพจไว้ วนกลับมาเช็คราคาซ้ำหลายรอบก่อนตัดสินใจซื้อ ไม่ใช่ลูกค้าใหม่ที่มาจากแอดจริง

ปัญหาของการเชื่อตัวเลข Black Friday แบบไม่กรองก่อน คือมันมักดันให้ทีมสรุปผิดว่าครีเอทีฟหรือกลุ่มเป้าหมายที่ใช้ตอนเซลคือสูตรที่ใช้ได้ตลอดปี ทั้งที่จริง ๆ ปัจจัยหลักคือ 'ช่วงเวลาที่คนตั้งใจซื้ออยู่แล้ว' ต่างหาก บทความนี้จะพาไล่ตรวจทีละจุดก่อนเอาตัวเลขไปอ้างอิงงบปีถัดไป

ทำไมต้องมี baseline ก่อนเซล ไม่ใช่ดูแค่ตัวเลขช่วงเซล

ก่อนแคมเปญเซลใหญ่จะเริ่ม ควรมีตัวเลข 2-3 สัปดาห์ก่อนหน้าเก็บไว้เป็นเส้นฐาน (baseline) ทั้งจำนวนคลิก ยอดทักแชท และอัตราปิดการขาย เพราะถ้าไม่มีเส้นฐานนี้ จะไม่มีทางรู้เลยว่าตัวเลขที่พุ่งขึ้นมาช่วงเซล คือ 'เพิ่มขึ้นจริง' กี่เปอร์เซ็นต์ หรือแค่ดูเยอะเพราะฐานเดิมมันน้อย

วิธีที่ใช้ได้จริงคือคำนวณเป็นอัตราส่วนต่อวันปกติ เช่น ถ้าปกติแชทเข้าวันละ 25 ราย ช่วงเซลขึ้นเป็น 210 ราย ให้มองเป็น 'เพิ่มขึ้น 8.4 เท่า' แล้วถามต่อว่าตัวเลขนี้ใกล้เคียงกับปีก่อนไหม ถ้าปีก่อนก็เพิ่มขึ้นประมาณนี้อยู่แล้วโดยที่งบโฆษณาไม่ได้ต่างกันมาก แปลว่าปัจจัยหลักคือฤดูกาล ไม่ใช่ฝีมือแคมเปญปีนี้

ร้านที่มีแดชบอร์ดเทียบข้อมูลแบบ data-drivenอยู่แล้ว จะได้เปรียบตรงนี้มาก เพราะดึงข้อมูลปีก่อนย้อนกลับมาเทียบได้ทันที ไม่ต้องนั่งเดาว่าปีนี้ดีขึ้นเพราะอะไร

คลิกซ้ำจากการรีเฟรชหน้าเซลทำให้ตัวเลขคลิกบวมเกินจริง

ช่วงเซลใหญ่ พฤติกรรมลูกค้าที่ต่างจากวันปกติชัดเจนคือการรีเฟรชหน้าเซลซ้ำ ๆ เพื่อเช็คว่าสินค้าที่จองในใจไว้ลดราคาหรือยัง หรือเช็คว่าสต๊อกหมดหรือยัง พฤติกรรมนี้ทำให้ระบบนับคลิกโฆษณาบวมขึ้นโดยไม่ได้แปลว่ามีคนสนใจเพิ่มขึ้นจริง

ถ้าใช้ auto-refresh หรือเปิดหลายแท็บค้างไว้ บาง pixel อาจยิง event ซ้ำทุกครั้งที่หน้าโหลดใหม่ ทำให้ตัวเลข click-to-chat ดูเหมือนแย่ลงทั้งที่จริงคนกลุ่มเดียวกันแค่กดซ้ำ วิธีเช็คคร่าว ๆ คือดูอัตราส่วนคลิกต่อ unique visitor ถ้าช่วงเซลอัตรานี้สูงผิดปกติเมื่อเทียบกับช่วงปกติ ให้สงสัยการรีเฟรชซ้ำไว้ก่อน

• เช็คว่า pixel ยิง event ครั้งเดียวต่อ session หรือยิงซ้ำทุกครั้งที่โหลดหน้า
• ดูอัตราส่วนคลิกต่อ unique visitor เทียบกับช่วงปกติ
• แยกยอดคลิกจากมือถือกับเดสก์ท็อป เพราะพฤติกรรมรีเฟรชต่างกันชัดในสองแพลตฟอร์ม

แชทที่ทักเข้ามาช่วงเซล เป็นลูกค้าใหม่หรือลูกค้าเก่ากลับมา

ตัวเลขคอนเวอร์ชั่นที่พุ่งช่วงเซลจะมีความหมายต่างกันมาก ขึ้นอยู่กับว่าคนที่ทักแชทเข้ามาเป็นใคร ถ้าส่วนใหญ่เป็นลูกค้าเก่าที่เคยซื้อแล้วรอจังหวะเซลกลับมาซื้อซ้ำ นั่นคือสัญญาณที่ดีเรื่องความภักดี แต่ไม่ควรเอาไปวัดประสิทธิภาพของครีเอทีฟหรือกลุ่มเป้าหมายที่ใช้หาลูกค้าใหม่ เพราะคนละวัตถุประสงค์กัน

วิธีแยกที่ทำได้จริงคือให้แอดมินแท็กในระบบแชทว่าเป็นเบอร์/LINE ID เดิมที่เคยซื้อหรือไม่ ถ้ามีฐานข้อมูลลูกค้าเก่าอยู่แล้ว การเทียบแบบนี้ใช้เวลาไม่นาน แล้วแยกรายงานเป็นสองชุด คือ 'คอนเวอร์ชั่นจากลูกค้าใหม่' กับ 'คอนเวอร์ชั่นจากลูกค้าเก่าที่กลับมา' เพื่อประเมินแยกกันว่าแคมเปญไหนควรได้เครดิตส่วนไหน

ช่วงแชทเข้าถล่มทลาย อัตราตอบกลับของแอดมินกระทบตัวเลขปิดการขายแค่ไหน

อีกปัจจัยที่คนมักมองข้ามคือขีดความสามารถของทีมแอดมินตอบแชท ช่วงเซลที่แชทเข้ามาเพิ่มเป็นหลายเท่าตัว ถ้าจำนวนแอดมินเท่าเดิม อัตราการตอบช้าลงเป็นเรื่องปกติ และลูกค้าบางส่วนจะเปลี่ยนใจไปซื้อที่อื่นระหว่างรอ ทำให้อัตราปิดการขายต่อแชทลดลงทั้งที่ต้นทางจากแอดยังดีอยู่

ถ้าเห็นว่ายอดแชททักเข้ามาสูงมาก แต่อัตราปิดการขายกลับต่ำกว่าช่วงปกติ อย่ารีบสรุปว่าแอดพาลูกค้าคุณภาพต่ำเข้ามา ให้เช็คก่อนว่าเวลาตอบกลับเฉลี่ยของแอดมินช่วงพีคยาวขึ้นแค่ไหน เพราะบางทีปัญหาไม่ได้อยู่ที่แอดเลย

• บันทึกเวลาตอบกลับเฉลี่ยของแอดมินแยกช่วงพีคกับช่วงปกติ
• เตรียมข้อความอัตโนมัติเบื้องต้นระหว่างรอแอดมินตอบ เพื่อลดอัตราลูกค้าหลุดหาย
• พิจารณาเพิ่มแอดมินชั่วคราวเฉพาะช่วงเซลถ้างบโฆษณาเพิ่มขึ้นมาก

อ่าน ROAS ช่วงเซลอย่างไรไม่ให้หลอกตัวเอง

1. แยกยอดขายที่มาจากส่วนลดเซลออกจากยอดขายราคาปกติ เพื่อดูกำไรที่แท้จริงหลังหักส่วนลด ไม่ใช่แค่ยอดขายรวม
2. คำนวณ ROAS แยกเป็นสามช่วง คือก่อนเซล ระหว่างเซล และหลังเซลหนึ่งสัปดาห์ เพื่อดูว่ายอดขายที่หายไปหลังเซลคือ 'ดึงยอดในอนาคตมาขายล่วงหน้า' หรือเปล่า
3. เทียบ ROAS ปีนี้กับปีก่อนในช่วงเซลเดียวกัน แทนที่จะเทียบกับเดือนปกติ เพราะฐานที่ต่างกันทำให้เปรียบเทียบผิดธรรมชาติ
4. ถ้ามีแดชบอร์ด ROAS แยกตามช่วงเวลาอยู่แล้ว ให้ตั้งช่วงเปรียบเทียบแบบปีต่อปีไว้ล่วงหน้าก่อนเซลเริ่ม จะได้ไม่ต้องมานั่งดึงข้อมูลย้อนหลังทีหลัง

ยอดขายทรุดหลังเซลจบ ปกติหรือผิดปกติ

หลังเซลใหญ่จบ แทบทุกร้านจะเจอยอดขายซบเซาลงในสัปดาห์ถัดมา เพราะลูกค้าที่ตั้งใจซื้ออยู่แล้วซื้อไปหมดแล้วช่วงเซล ปรากฏการณ์นี้เรียกกันในวงการว่า 'pull-forward effect' คือดึงยอดขายในอนาคตมาขายล่วงหน้า ไม่ใช่ยอดขายที่เพิ่มขึ้นจริงสุทธิ

การวัดผลแคมเปญ Black Friday ที่ยุติธรรมกว่าคือดูยอดขายรวมของทั้งเดือน (ไม่ใช่แค่สามวันเซล) เทียบกับเดือนเดียวกันปีก่อน ถ้ายอดรวมทั้งเดือนโตขึ้นจริง แปลว่าแคมเปญดึงลูกค้าใหม่เข้ามาเพิ่ม ไม่ใช่แค่ย้ายเวลาซื้อของลูกค้าเดิม การทำกระบวนการกระทบยอดหลังจบแคมเปญอย่างเป็นระบบช่วยให้เห็นภาพนี้ชัดขึ้นมาก

เอาตัวเลขปีนี้ไปวางแผนงบปีหน้าอย่างไรให้ไม่พลาด

หลังแยกตัวเลขตามหัวข้อข้างต้นแล้ว สิ่งที่ควรจดไว้เป็นบทเรียนสำหรับปีหน้าไม่ใช่แค่ 'ROAS รวมเท่าไหร่' แต่ควรเป็นสัดส่วนลูกค้าใหม่ต่อลูกค้าเก่า อัตราตอบกลับของแอดมินช่วงพีค และช่วงเวลาที่ยอดขายกระจุกตัวจริง เพราะสามตัวนี้บอกได้ว่าปีหน้าควรเพิ่มงบโฆษณา เพิ่มแอดมิน หรือปรับตารางเวลาแคมเปญ ถ้าเซลใหญ่ของร้านมีลักษณะใกล้เคียงกับแคมเปญขนาดใหญ่ที่ต้องวัดผลข้ามหลายช่องทางพร้อมกัน ควรวางแผนตั้งแต่ต้นปีแทนการเริ่มเตรียมตัวใกล้วันเซล

การเพิ่มงบโฆษณาสามเท่าจากแค่เห็นตัวเลขคอนเวอร์ชั่นพุ่งโดยไม่แยกองค์ประกอบ เป็นความเสี่ยงที่พบบ่อยที่สุดของร้านที่เพิ่งเจอเซลใหญ่ครั้งแรก เพราะถ้าปีหน้าฐานลูกค้าเก่าไม่ได้ขยายตามงบที่เพิ่ม ROAS จะลดลงทันทีโดยไม่มีใครเข้าใจว่าเกิดอะไรขึ้น

สรุป

ตัวเลขที่พุ่งขึ้นช่วงเซลใหญ่เป็นเรื่องน่าตื่นเต้น แต่ก็เป็นช่วงที่ตัวเลขบิดเบือนง่ายที่สุดในรอบปี เพราะมีทั้งลูกค้าเก่าที่กลับมาซื้อซ้ำ คลิกซ้ำจากการรีเฟรชหน้าเว็บ และแอดมินที่ตอบช้าลงจากปริมาณแชทที่ล้น ทั้งหมดนี้ปนกันอยู่ในตัวเลขก้อนเดียวที่แดชบอร์ดแสดงให้เห็น

การแยกองค์ประกอบเหล่านี้ออกจากกันก่อนเอาไปตัดสินใจงบปีหน้า ไม่ได้ใช้เวลามากไปกว่าการนั่งดูแดชบอร์ดเฉย ๆ แต่ต้องการวินัยในการดึงข้อมูลมาเทียบให้ถูกช่วงเวลาและถูกกลุ่มลูกค้า ซึ่งคุ้มค่ากว่าการรีบเพิ่มงบสามเท่าแล้วมาผิดหวังตอนที่ ROAS ปีหน้าไม่เป็นไปตามที่คาด

• แยกลูกค้าใหม่กับลูกค้าเก่าก่อนตีความว่าคอนเวอร์ชั่นที่เพิ่มขึ้นมาจากไหน
• เทียบ ROAS แบบปีต่อปีในช่วงเซลเดียวกัน ไม่ใช่เทียบกับเดือนปกติ
• เก็บตัวเลขเวลาตอบกลับของแอดมินช่วงพีคไว้เป็นข้อมูลตัดสินใจเรื่องกำลังคนควบคู่กับงบโฆษณา

คำถามที่พบบ่อย