Contribution margin ต่อแหล่งที่มาของลีด: บางแหล่งได้ลีดถูก แต่กำไรที่เหลือน้อยกว่า
สรุปสั้น ๆ
ทีมมาร์เก็ตติ้งมักภูมิใจกับแหล่งที่มาที่ได้ลีดราคาถูก แต่ต้นทุนต่อลีดเป็นแค่ครึ่งเดียวของภาพ อีกครึ่งที่หายไปคือต้นทุนแปรผันอื่น ๆ ที่แต่ละแหล่งพ่วงมาไม่เท่ากัน เช่น เวลาแอดมิน อัตราคืนสินค้า หรือค่าจัดส่ง เมื่อหักทั้งหมดแล้ว แหล่งที่ดูถูกที่สุดอาจไม่ใช่แหล่งที่ทำกำไรมากที่สุดจริง
ลองดูสองแหล่งที่มาของลีดในธุรกิจสมมติหนึ่ง แหล่งแรกคือแอดตัดราคาที่ได้ลีดในราคาแค่ 25 บาทต่อคน ส่วนแหล่งที่สองคือแอดที่เจาะกลุ่มเฉพาะ ได้ลีดแพงกว่าที่ 60 บาทต่อคน ถ้าดูแค่ต้นทุนต่อลีด ทีมมาร์เก็ตติ้งจะรีบทุ่มงบไปทางแหล่งแรกทันที เพราะดูเหมือนคุ้มกว่าเห็น ๆ
แต่พอลองไล่ดูลึกลงไป แหล่งแรกกลับมีอัตราการยกเลิกออเดอร์สูงกว่า เพราะคนที่มาแบบราคาถูกมักเป็นคนที่ยังไม่ตั้งใจซื้อจริงจัง สังเกตได้จากคำค้นหาที่พาเขามาเป็นคำกว้าง ๆ ไม่ใช่คำสายซื้อ แอดมินต้องใช้เวลาคุยนานกว่าจะปิดได้ และเมื่อปิดได้แล้วก็มีอัตราคืนสินค้าสูงกว่าด้วย พอเอาต้นทุนแปรผันทั้งหมดมาหักออกจากรายได้จริง แหล่งที่มาที่ดูถูกกว่ากลับเหลือ contribution margin ต่ำกว่าแหล่งที่สองอย่างชัดเจน
Contribution margin คืออะไร ต่างจากกำไรขั้นต้นยังไง
Contribution margin คือรายได้ หักด้วยต้นทุนแปรผันทั้งหมดที่เกี่ยวข้องโดยตรงกับการขายชิ้นนั้น ต่างจากกำไรขั้นต้นที่มักหักแค่ต้นทุนสินค้า เพราะ contribution margin รวมเอาต้นทุนแปรผันอื่น ๆ ที่แปรตามปริมาณขายเข้ามาด้วย เช่น ค่าแอด เวลาแอดมิน ค่าจัดส่ง และต้นทุนจากการคืนสินค้า
ต้นทุนแปรผันที่ต้องรวมเข้าไปแยกตามแหล่งที่มาของลีด
- ค่าแอดต่อลีดที่ปิดได้จากแหล่งนั้น เทียบกับคุณภาพของลูกค้ากลุ่มนั้นเมื่อดูพฤติกรรมซื้อซ้ำย้อนหลัง
- เวลาแอดมินเฉลี่ยที่ใช้คุยจนปิดได้ แปลงเป็นต้นทุนเงินเดือนต่อชั่วโมง เพราะบางแหล่งใช้เวลาคุยนานกว่ามาก
- อัตราการยกเลิกหรือคืนสินค้าของลูกค้าจากแหล่งนั้น
- ต้นทุนสินค้าและค่าจัดส่งที่แปรตามยอดขาย
ตัวอย่างคำนวณเทียบสองแหล่งที่มา
| รายการ | แหล่ง A (ลีดถูก) | แหล่ง B (ลีดแพงกว่า) |
|---|---|---|
| รายได้เฉลี่ยต่อออเดอร์ | 890 บาท | 1,250 บาท |
| ค่าแอดต่อออเดอร์ที่ปิดได้ | 180 บาท | 150 บาท |
| ต้นทุนเวลาแอดมิน + คืนสินค้า | 220 บาท | 90 บาท |
| ต้นทุนสินค้า/จัดส่ง | 300 บาท | 420 บาท |
| Contribution margin | 190 บาท | 590 บาท |
เมื่อเห็นตัวเลขแล้ว ควรจัดงบใหม่ยังไง
ตัวเลขจากตารางข้างบนบอกชัดว่าแหล่ง B แม้ต้นทุนต่อลีดสูงกว่า แต่เหลือ contribution margin มากกว่าแหล่ง A เกือบสามเท่า ถ้าทีมมาร์เก็ตติ้งยังยึดแค่ต้นทุนต่อลีดเป็นเกณฑ์ตัดสินใจ จะเทงบผิดทางไปเรื่อย ๆ โดยไม่รู้ตัว การจัดงบที่ถูกต้องกว่าคือค่อย ๆ โยกงบจากแหล่ง A ไปแหล่ง B แล้ววัดผลต่อเนื่อง ไม่ใช่ตัดแหล่ง A ทิ้งทันที เพราะแหล่ง A อาจยังมีประโยชน์ในแง่ปริมาณหรือการเข้าถึงกลุ่มใหม่
สิ่งที่ควรทำควบคู่กันคือแยกวิเคราะห์ระดับช่องทางโฆษณาด้วย เพราะแหล่งที่มาของลีดกับช่องทางโฆษณาไม่ใช่เรื่องเดียวกันเสมอไป บางช่องทางอาจมีหลายแหล่งที่มาซ้อนกันอยู่
สรุป
ต้นทุนต่อลีดเป็นแค่ตัวเลขหน้าฉากที่มองเห็นง่ายที่สุด แต่ตัวเลขที่บอกความจริงว่าแหล่งไหนคุ้มค่าจริง คือ contribution margin ที่หักต้นทุนแปรผันทั้งหมดออกแล้ว
ครั้งต่อไปที่ทีมมาร์เก็ตติ้งอยากทุ่มงบไปทางแหล่งที่ ‘ลีดถูก’ ให้ลองถามกลับก่อนว่าคำนวณ contribution margin ของแหล่งนั้นหรือยัง เพราะบางครั้งของถูกที่สุดกลับเป็นของที่แพงที่สุดเมื่อหักต้นทุนแฝงออกมาครบ
- ลีดถูกไม่ได้แปลว่ากำไรมากกว่าเสมอไป ต้องหักต้นทุนแปรผันทั้งหมดก่อน
- รวมเวลาแอดมินและอัตราคืนสินค้าเข้าไปในการคำนวณ ไม่ใช่แค่ค่าแอด
- โยกงบทีละขั้นตามข้อมูล อย่าตัดแหล่งเดิมทิ้งทันทีที่เห็นตัวเลขแย่กว่า
คำถามที่พบบ่อย
ทำไมไม่ใช้แค่กำไรขั้นต้นเปรียบเทียบแหล่งที่มาไปเลย
เพราะกำไรขั้นต้นมักหักแค่ต้นทุนสินค้า ไม่รวมต้นทุนแปรผันอื่นอย่างเวลาแอดมินหรืออัตราคืนสินค้าที่ต่างกันมากในแต่ละแหล่งที่มา ทำให้ภาพที่เห็นไม่ครบและอาจตัดสินใจผิดพลาดได้
ต้นทุนเวลาแอดมินคำนวณยากมาก จำเป็นต้องละเอียดขนาดนั้นไหม
ไม่ต้องละเอียดมากในช่วงแรก ใช้ค่าประมาณเฉลี่ยจากการสุ่มจับเวลาสัก 1-2 สัปดาห์ก็พอเริ่มได้ แล้วค่อยปรับให้แม่นขึ้นเมื่อเห็นว่าตัวเลขนี้ส่งผลต่อการตัดสินใจจริง
ถ้าแหล่งที่มาหนึ่งมี contribution margin ติดลบ ควรหยุดทันทีไหม
ควรตรวจสาเหตุก่อนว่าติดลบเพราะอะไร ถ้าเป็นช่วงทดลองตลาดใหม่อาจให้เวลาสักระยะ แต่ถ้าติดลบต่อเนื่องหลายเดือนโดยไม่มีทีท่าดีขึ้น ควรพิจารณาลดงบหรือหยุดจริงจัง
แหล่งที่มาของลีดในที่นี้หมายถึงอะไรบ้าง
หมายถึงจุดที่ลูกค้าเข้ามาทัก เช่น แคมเปญโฆษณาตัวใดตัวหนึ่ง คำค้นหาเฉพาะ หรือคอนเทนต์ชิ้นใดชิ้นหนึ่งที่พาเขามาสู่แชท ไม่ใช่แค่ระดับแพลตฟอร์มโฆษณาใหญ่ ๆ
ควรคำนวณ contribution margin นี้บ่อยแค่ไหน
รายเดือนเหมาะสมที่สุดสำหรับส่วนใหญ่ เพราะต้องรวบรวมข้อมูลอัตราคืนสินค้าและต้นทุนแปรผันอื่นให้ครบก่อนถึงจะคำนวณได้แม่นยำ การคำนวณถี่เกินไปอาจได้ตัวเลขที่ยังไม่นิ่งพอ
บทความที่เกี่ยวข้อง
