Data Clean Room จำเป็นกับธุรกิจไทยขนาดไหน หรือยังไม่ต้องคิดถึง

เซลส์แพลตฟอร์มคนหนึ่งบอกเจ้าของร้านที่ยิงแอดเดือนละ 150,000 บาท (สมมติ) ว่าลูกค้ารายใหญ่ ๆ ใช้ clean room กันหมดแล้ว เจ้าของร้านกลับมาถามผมว่าตัวเองตกเทรนด์หรือเปล่า คำตอบของผมคือยัง และถ้าไม่มีคนเขียน SQL ในทีม ก็ยังไม่ต้องเอาเรื่องนี้ขึ้นโต๊ะประชุมปีนี้

เทคโนโลยีนี้มีของจริงและมีคนได้ประโยชน์ แต่คนที่ได้คือคนที่มีคำถามเฉพาะ มีข้อมูลฝั่งตัวเองมากพอ และมีทีมข้อมูลดูแลประจำ ส่วนที่เหลือกำลังซื้อคำตอบราคาแพงให้คำถามที่ยังไม่ได้ถาม

สิ่งที่ clean room ทำให้ ซึ่งแพลตฟอร์มไม่ยอมส่งให้คุณเป็นไฟล์

แพลตฟอร์มโฆษณาถือบันทึกว่าใครเห็นและกดแอดอะไรเมื่อไรในระดับรายผู้ใช้ แต่จะไม่ส่งไฟล์นั้นให้คุณ ส่วนคุณถือผลลัพธ์ที่แพลตฟอร์มไม่เห็น คือใครซื้อจริงและซื้อเท่าไร clean room คือห้องกลางที่ให้คำสั่งค้นหาจากสองฝั่งมาเจอกัน แล้วคืนมาเฉพาะผลสรุป เช่น ‘กลุ่มคนที่ดูวิดีโอจนจบแต่ไม่คลิก ซื้อภายใน 14 วันกี่เปอร์เซ็นต์’ ผลสรุปต้องรวมคนเกินเกณฑ์ขั้นต่ำ เพื่อไม่ให้ย้อนกลับไปหาคนเดียวได้

ตัวอย่างที่ถูกพูดถึงบ่อยมี Google Ads Data Hub ซึ่งทำงานบน BigQuery, Amazon Marketing Cloud, และบริการอย่าง AWS Clean Rooms หรือ Snowflake ที่ใช้ให้สองบริษัทจับคู่ข้อมูลกัน ชื่อและเงื่อนไขของผลิตภัณฑ์เหล่านี้เปลี่ยนบ่อย ให้ตรวจกับเอกสารปัจจุบันของผู้ให้บริการ

สี่คำถามคัดกรองก่อนจ่ายเงิน

1. มีคำถามที่ตอนนี้ตอบไม่ได้จริงไหม เช่น คนที่เห็นวิดีโอแล้วไม่คลิก มาทักภายหลังเท่าไร ถ้าคำถามคือ ‘แอดตัวไหนทำเงิน’ ไม่ต้องใช้ clean room เพราะข้อมูลแชทที่ผูกกับยอดขายตอบได้อยู่แล้ว
2. มีตัวระบุที่จับคู่ได้ไหม แพลตฟอร์มจับคู่ด้วยอีเมลหรือเบอร์โทร ไม่ใช่ LINE userId ถ้าคุณไม่ได้เก็บอีเมลหรือเบอร์ของลูกค้าส่วนใหญ่ ห้องนี้จะว่างเปล่า
3. หลังจับคู่แล้วยังเหลือคนมากพอไหม สมมติมีลูกค้าซื้อ 4,000 ราย จับคู่ได้ราวครึ่งหนึ่งเหลือ 2,000 แล้วยังต้องแยกตามแคมเปญและช่วงเวลา กลุ่มย่อยจะเล็กจนตกเกณฑ์ขั้นต่ำและไม่คืนผลให้
4. มีคนดูแลประจำไหม ต้องมีคนเขียน SQL ดูแลโปรเจกต์คลาวด์ และตีความผลสรุป ถ้าต้องจ้างงานนี้เป็นรายครั้ง ตัวเลขจะค้างอยู่ในสไลด์

ต้นทุนที่ไม่อยู่ในใบเสนอราคา

คำถามที่ห้าอยู่นอกรายการ คือถ้าผลออกมาแล้ว คุณจะย้ายงบไหม ถ้างบแอดเท่าเดิมไม่ว่าผลเป็นอย่างไร ผลวิเคราะห์ก็เป็นแค่ของน่ารู้

• เวลาวิศวกรข้อมูลเตรียมตารางลูกค้าให้ตรงรูปแบบ ล้างข้อมูลซ้ำ และดูแลการโหลดเป็นรอบ
• ค่าประมวลผลของคลังข้อมูลที่ห้องนั้นรันอยู่ เช่น BigQuery ซึ่งคิดตามปริมาณการค้นหา
• งานความยินยอม การส่งข้อมูลลูกค้าเข้าห้องของแพลตฟอร์มต่างประเทศยังเป็นการนำเข้าข้อมูลส่วนบุคคล ต้องผ่านเรื่องความยินยอมและประกาศความเป็นส่วนตัวเหมือนการยิง CAPI ดู ด่านความยินยอมก่อนยิง CAPI
• ข้อจำกัดของผลลัพธ์ คุณได้ตัวเลขสรุปเท่านั้น ส่งกลับไปเป็นกลุ่มเป้าหมายยิงแอดไม่ได้เสมอไป

ขนาดธุรกิจกับสิ่งที่ควรทำก่อน

เกณฑ์ในตารางเป็นความเห็นของผมจากโจทย์สมมติ ไม่ใช่มาตรฐานอุตสาหกรรม ปรับตามความเชี่ยวชาญของทีมคุณ

ทางเลือกที่ให้คำตอบใกล้เคียงและถูกกว่า

• ส่งยอดขายจริงกลับแพลตฟอร์มผ่าน offline conversion ของ Meta เพื่อให้ระบบเรียนรู้จากยอดที่ปิดในแชท
• ทดสอบ holdout เพื่อตอบว่าแอดสร้างยอดเพิ่มจริงไหม ซึ่งเป็นคำถามที่ clean room หลายเคสพยายามตอบอยู่แล้ว
• ทำคลังข้อมูลของตัวเองตามแนว การซิงก์ข้อมูล LINE เข้า data warehouse เพื่อให้เล่นกับข้อมูลฝั่งคุณได้เต็มที่ก่อน
• ใช้ MMM ระดับพื้นฐานถ้าต้องการภาพรวมข้ามช่องทาง ดู MMM สำหรับ SME

ถ้าจะทดลอง ทำอย่างไรให้ไม่เสียเงินเปล่า

1. เขียนคำถามเดียวเป็นประโยคเดียว เช่น ‘คนที่เห็นแอดวิดีโอแต่ไม่คลิก ซื้อภายใน 14 วันกี่คน’
2. เลือกแพลตฟอร์มเดียวที่ใช้งบมากที่สุด และตรวจก่อนว่าขนาดกลุ่มที่จับคู่ได้เพียงพอ
3. ตั้งเกณฑ์หยุดล่วงหน้า เช่น ถ้าสองรอบแล้วผลไม่เปลี่ยนการจัดสรรงบ ให้เลิก
4. จดต้นทุนทั้งหมดรวมชั่วโมงของคน เทียบกับเงินที่ผลนั้นช่วยประหยัดหรือเพิ่ม

สรุป

สิ่งที่ควรทำปีนี้คือสะสมของที่ clean room ต้องใช้อยู่ดี ได้แก่ อีเมลหรือเบอร์ที่เก็บถูกวิธีพร้อมความยินยอม ยอดขายที่ผูกกับที่มาของแอด และคนที่เขียน SQL ได้ ถ้าวันหนึ่งคำถามเฉพาะมาถึง คุณจะเริ่มได้ในหนึ่งไตรมาส ไม่ใช่หนึ่งปี

ส่วนคำเสนอของเซลส์ ให้ถามกลับข้อเดียวว่า คำถามอะไรที่ผมถามไม่ได้ตอนนี้ แล้วห้องของคุณตอบได้

• ถ้าคำถามคือแอดตัวไหนทำยอด ข้อมูลแชทที่ผูกยอดขายตอบได้ ยังไม่ต้องใช้ clean room
• เตรียมของที่ต้องใช้อยู่ดี คือตัวระบุที่จับคู่ได้พร้อมความยินยอม คลังข้อมูลของตัวเอง และคนเขียน SQL

คำถามที่พบบ่อย