ลูกค้าทิ้งตะกร้าแล้วกลับมาซื้อเพราะข้อความ Broadcast ในไลน์ ไม่ใช่โฆษณา จะนับจุดสัมผัสที่ไม่ได้มาจากแอดใน attribution model ยังไง

‘Wear Story’ (ชื่อสมมติ) ร้านขายเสื้อผ้าออนไลน์ที่เชื่อม LINE OA กับเว็บไซต์ มีลูกค้ารายหนึ่งเห็นโฆษณา Facebook เสื้อโค้ทตัวหนึ่ง กดเข้าเว็บ ใส่ตะกร้าไว้ แต่ไม่ได้ชำระเงินแล้วปิดแอปไปเฉย ๆ สองวันต่อมาทีมการตลาดส่งข้อความ Broadcast ในไลน์เตือนว่า ‘สินค้าที่คุณเลือกไว้ใกล้หมดสต๊อกแล้ว’ พร้อมลิงก์กลับไปหน้าตะกร้า ลูกค้าคนนั้นกดกลับไปและชำระเงินทันที

ถ้าดูจากรายงานโฆษณา Facebook Ads Manager จะขึ้นว่าตัวเองปิดยอดนี้ได้ เพราะเป็นจุดสัมผัสแรกที่พาลูกค้ามาเจอสินค้า แต่ในความเป็นจริง สิ่งที่ทำให้เขากลับมาซื้อจริง ๆ คือข้อความ Broadcast ที่ไม่ได้เสียเงินค่าสื่อเลยแม้แต่บาทเดียว ถ้าไม่นับจุดสัมผัสนี้เข้าไปในการวิเคราะห์ จะเห็นภาพที่บิดเบือนว่าโฆษณาคือฮีโร่ตัวเดียว ทั้งที่จริง ๆ แล้วช่องทางเจ้าของเองก็มีบทบาทสำคัญไม่แพ้กัน

ปัญหานี้เกิดบ่อยกับธุรกิจที่ใช้ไลน์เป็นทั้งช่องทางแชทและช่องทางรีมาร์เก็ตติ้งในตัวเดียวกัน บทความนี้จะพาคิดว่าจะนับจุดสัมผัสจากช่องทางเจ้าของเองแบบนี้เข้าไปในโมเดล attribution อย่างไรให้ยุติธรรมกับทั้งฝั่งโฆษณาและฝั่งการตลาดผ่านไลน์

ทำไมต้องแยก ‘ช่องทางเสียเงิน’ กับ ‘ช่องทางเจ้าของเอง’ ออกจากกันชัด ๆ

โฆษณามีต้นทุนที่คำนวณได้ตรง ๆ เป็นบาทต่อคลิกหรือบาทต่อการมองเห็น ส่วนข้อความ Broadcast ในไลน์แทบไม่มีต้นทุนเพิ่มเติมนอกจากค่าธรรมเนียมข้อความตามแพ็กเกจที่ใช้อยู่แล้ว การเอาสองอย่างนี้มาปนกันในโมเดล attribution เดียวโดยไม่แยกหมวด จะทำให้คำนวณ ROAS หรือ Cost per Sale ผิดเพี้ยนไปเลย เพราะช่องทางที่แทบไม่มีต้นทุนจะดูเหมือน ‘คุ้มค่าที่สุดเสมอ’ โดยไม่ได้สะท้อนความจริงทั้งหมด

ในทางกลับกัน ถ้าไม่นับจุดสัมผัสจาก Broadcast เข้าไปในการวิเคราะห์เลย ก็จะมองข้ามบทบาทสำคัญของมันไปด้วย ทั้งที่ในหลายเคสข้อความเตือนตะกร้าหรือ Rich Menu คือตัวที่เปลี่ยนคนที่ ‘เกือบซื้อ’ ให้กลายเป็นคนที่ ‘ซื้อจริง’ ได้อย่างมีนัยสำคัญ

ประเภทของช่องทางเจ้าของเองในไลน์ที่ควรนับเป็นจุดสัมผัส

• ข้อความ Broadcast ที่ส่งถึงผู้ติดตามทั้งหมดหรือกลุ่มเป้าหมายเฉพาะ เช่น กลุ่มที่เคยใส่ตะกร้าแต่ยังไม่ซื้อ
• Rich Menu ที่ลูกค้ากดเข้ามาดูสินค้าเองโดยไม่ได้มาจากโฆษณา
• ข้อความตอบกลับอัตโนมัติที่มีลิงก์แนะนำสินค้าเพิ่มเติมหลังลูกค้าถามคำถามหนึ่ง
• การแจ้งเตือนสถานะออเดอร์หรือโปรโมชันเฉพาะบุคคลที่ส่งตามพฤติกรรมการซื้อก่อนหน้า

ตัวอย่างการปรับโมเดลให้รวมช่องทางเจ้าของเองอย่างเป็นธรรม

วัดประสิทธิภาพของ Broadcast เองแยกจากโฆษณา

เพราะ Broadcast แทบไม่มีต้นทุนค่าสื่อ การวัดผลจึงไม่ควรใช้ ROAS แบบเดียวกับโฆษณา แต่ควรวัดจาก ‘อัตราการกลับมาซื้อหลังได้รับข้อความ’ เทียบกับ ‘อัตราการกลับมาซื้อของกลุ่มที่ไม่ได้รับข้อความ’ (กลุ่มควบคุม) เพื่อดูว่า Broadcast มีผลจริงมากกว่าการที่ลูกค้าจะกลับมาซื้อเองอยู่แล้วหรือไม่

การมีกลุ่มควบคุมสำหรับทดสอบข้อความเตือนตะกร้าช่วยให้เห็นภาพชัดกว่าการดูแค่ตัวเลขยอดขายหลังส่ง Broadcast เพราะบางครั้งลูกค้าก็อาจกลับมาซื้อเองอยู่แล้วโดยไม่ต้องมีข้อความเตือนเลยก็ได้ ถ้าไม่มีกลุ่มเทียบ จะไม่มีทางแยกได้ว่า Broadcast สร้างผลต่างจริงแค่ไหน

ข้อควรระวัง: ยิ่งส่ง Broadcast บ่อย ยิ่งดีเสมอไปไหม

• การส่งข้อความเตือนตะกร้าถี่เกินไปอาจทำให้ลูกค้ารู้สึกถูกรบกวนและบล็อกบัญชีไลน์ทิ้งไปเลย ควรจำกัดความถี่และเว้นระยะเวลาที่เหมาะสม
• ควรแบ่งกลุ่มผู้รับ Broadcast ตามพฤติกรรมจริง ไม่ใช่ส่งข้อความเดียวกันให้ทุกคนในฐานผู้ติดตามทั้งหมด เพราะข้อความที่ไม่เกี่ยวข้องกับความสนใจของลูกค้าจะยิ่งลดอัตราการเปิดอ่านลงเรื่อย ๆ
• ติดตามอัตราการบล็อกบัญชีหลังส่ง Broadcast แต่ละครั้ง เพราะถ้าอัตราสูงขึ้นผิดปกติ อาจแปลว่าความถี่หรือเนื้อหาที่ส่งเริ่มมากเกินไปแล้ว

จะรวมข้อมูล Broadcast เข้ากับรายงาน attribution รวมได้อย่างไรในทางปฏิบัติ

แม้จะแยกวิธีวัดผลของ Broadcast ออกจากโฆษณา แต่สุดท้ายเจ้าของธุรกิจก็ยังต้องการเห็นภาพรวมทั้งหมดในที่เดียวว่าเส้นทางลูกค้าคนหนึ่งผ่านช่องทางอะไรมาบ้างก่อนจะซื้อ วิธีที่ Wear Story ใช้คือทำรายงานสองชั้น ชั้นแรกคือตารางเส้นทางลูกค้ารายคนที่แสดงทุกจุดสัมผัสเรียงตามเวลารวมทั้งช่องทางเสียเงินและช่องทางเจ้าของเอง ชั้นที่สองคือตารางสรุปประสิทธิภาพที่แยกคำนวณ ROAS ของโฆษณาและอัตราการกลับมาซื้อของ Broadcast ไว้คนละส่วน

การมีรายงานสองชั้นแบบนี้ทำให้ทีมการตลาดเห็นทั้งภาพรวมเชิงคุณภาพว่าลูกค้าแต่ละคนเดินทางอย่างไร และยังเห็นตัวเลขเชิงปริมาณที่เปรียบเทียบได้อย่างยุติธรรมระหว่างช่องทางที่มีต้นทุนต่างกันโดยสิ้นเชิง แทนที่จะพยายามยัดทุกอย่างลงในตารางเดียวที่สุดท้ายจะเปรียบเทียบกันไม่ได้เลย

การแบ่งกลุ่มผู้รับ Broadcast ที่ดี ส่งผลต่อคุณภาพข้อมูล attribution ด้วย

ยิ่งแบ่งกลุ่มผู้รับ Broadcast ได้ละเอียดเท่าไร ข้อมูลที่ใช้วิเคราะห์ attribution ก็ยิ่งมีความหมายมากขึ้นเท่านั้น เช่น กลุ่มที่เคยใส่ตะกร้าแต่ไม่ซื้อ กลุ่มที่เคยซื้อแล้วหายไปนาน หรือกลุ่มที่เพิ่งกดดูสินค้าแต่ยังไม่เคยคุยกับแอดมิน แต่ละกลุ่มควรได้รับข้อความที่ต่างกันและควรวัดผลแยกกัน เพราะอัตราการกลับมาซื้อของแต่ละกลุ่มมีธรรมชาติต่างกันมาก การส่งข้อความเดียวกันให้ทุกกลุ่มแล้ววัดผลรวมกันจะทำให้มองไม่เห็นว่ากลุ่มไหนตอบสนองดีจริง ๆ

สำหรับ Wear Story การแบ่งกลุ่มผู้รับ Broadcast อย่างละเอียดยังช่วยให้ทีมเห็นว่ากลุ่ม ‘เคยใส่ตะกร้าแต่ไม่ซื้อ’ มีอัตราการกลับมาซื้อหลังได้รับข้อความสูงกว่ากลุ่มอื่นอย่างชัดเจน ทำให้ตัดสินใจได้ว่าควรลงทุนเวลาและความถี่ในการส่งข้อความให้กลุ่มนี้มากกว่ากลุ่มอื่นที่ผลตอบรับต่ำกว่า

ทีมยังพบว่ากลุ่มที่ ‘เคยซื้อแล้วหายไปนาน’ ตอบสนองต่อข้อความประเภทแจ้งสินค้าใหม่มากกว่าข้อความประเภทลดราคา ในขณะที่กลุ่ม ‘เพิ่งกดดูสินค้าแต่ยังไม่คุย’ ตอบสนองดีกับข้อความที่ชวนให้ทักถามข้อมูลเพิ่มเติมมากกว่าข้อความขายตรง ๆ ความแตกต่างเหล่านี้จะไม่มีทางเห็นเลยถ้าไม่แบ่งกลุ่มผู้รับให้ละเอียดตั้งแต่ต้น และเป็นเหตุผลว่าทำไมการลงทุนเวลาวางระบบแบ่งกลุ่มถึงคุ้มค่ากว่าการส่งข้อความเดียวแบบเหมารวมในระยะยาว

ข้อแนะนำเพิ่มเติมคือควรทบทวนการแบ่งกลุ่มเหล่านี้เป็นระยะ เพราะพฤติกรรมลูกค้าอาจเปลี่ยนไปตามฤดูกาลหรือประเภทสินค้าที่ออกใหม่ กลุ่มที่เคยตอบสนองดีกับข้อความแบบหนึ่งอาจเริ่มเฉยชาลงเมื่อเวลาผ่านไป การหมั่นทดสอบและปรับปรุงข้อความสำหรับแต่ละกลุ่มอย่างต่อเนื่อง จะช่วยให้ Broadcast ยังคงมีบทบาทสำคัญในเส้นทางลูกค้าต่อไปในระยะยาว ไม่ใช่แค่ได้ผลดีในช่วงแรกแล้วค่อย ๆ จืดจางลง

Wear Story ยังตั้งข้อสังเกตว่าการทดลองข้อความใหม่ควรทำทีละกลุ่มและทีละตัวแปรเท่านั้น ไม่ใช่เปลี่ยนทั้งเนื้อหาและเวลาส่งพร้อมกันในคราวเดียว เพราะจะทำให้ไม่รู้ว่าผลลัพธ์ที่เปลี่ยนไปมาจากตัวแปรไหนกันแน่ การทดลองอย่างเป็นระบบทีละขั้นแม้จะช้ากว่า แต่ให้ข้อมูลที่นำไปใช้ตัดสินใจต่อได้แม่นยำกว่ามาก

สรุป

ช่องทางเจ้าของเองในไลน์อย่าง Broadcast และ Rich Menu มีบทบาทจริงในการพาลูกค้ากลับมาซื้อ แม้จะไม่ได้เสียเงินค่าสื่อเหมือนโฆษณา และไม่ควรถูกมองข้ามในโมเดล attribution

สิ่งสำคัญคือต้องแยกหมวดต้นทุนและวิธีวัดผลของช่องทางเจ้าของเองออกจากโฆษณาที่เสียเงิน เพื่อไม่ให้ตัวเลขที่เปรียบเทียบกันบิดเบือนจนตัดสินใจงบผิดทาง

• แยกช่องทางเจ้าของเอง (owned) ออกจากช่องทางเสียเงิน (paid) เสมอในการวิเคราะห์ attribution
• วัดผล Broadcast ด้วยอัตราการกลับมาซื้อเทียบกลุ่มควบคุม ไม่ใช่ ROAS แบบเดียวกับโฆษณา
• ระวังความถี่ในการส่ง Broadcast เพราะการรบกวนมากเกินไปอาจทำให้เสียลูกค้าจากทุกช่องทางไปเลย

คำถามที่พบบ่อย