ลูกค้าคนหนึ่งเจอแอด 4 จุดก่อนทักไลน์ แล้วใครควรได้เครดิตยอดขายบ้าง

สรุปสั้น ๆ
การนับเครดิตยอดขายแบบ last-click ให้ผลง่ายแต่บิดเบือน เพราะยกความดีความชอบทั้งหมดให้จุดสัมผัสสุดท้ายจุดเดียว โมเดล data-driven กระจายน้ำหนักตามบทบาทจริงของแต่ละจุดสัมผัส ทำให้เห็นภาพที่ตรงกับความจริงมากกว่าว่าช่องทางไหนควรได้งบเพิ่ม
ลองไล่เส้นทางของลูกค้าคนหนึ่งของร้าน ‘WoodNest เฟอร์นิเจอร์ไม้’ ดู วันจันทร์เขาเห็นโพสต์รีวิวเฟอร์นิเจอร์บน Facebook แล้วเลื่อนผ่านไป วันพุธเห็นสตอรี่ IG ของร้านอีกรอบแล้วกดดูสินค้า วันศุกร์เสิร์จหาชื่อร้านใน Google แล้วคลิกเข้าเว็บ และวันเสาร์เห็นแอด LINE ที่มีปุ่ม ‘ทักเลย’ แล้วกดทักจนปิดการขายได้
ถ้าใช้โมเดล last-click แบบดั้งเดิม เครดิตยอดขายทั้งหมดจะตกเป็นของแอด LINE วันเสาร์ 100% ทั้งที่ Facebook, IG และ Google ต่างก็มีส่วนปูทางให้ลูกค้าคนนี้เดินทางมาถึงจุดตัดสินใจ การให้เครดิตแบบนี้ทำให้ทีมสรุปผิดว่า ‘ต้องเทงบ LINE เพิ่ม’ ทั้งที่ถ้าตัดสามช่องทางแรกทิ้ง ลูกค้าคนนี้อาจไม่รู้จักร้านเลยด้วยซ้ำ
บทความนี้จะคำนวณตัวอย่างเปรียบเทียบให้เห็นตัวเลขจริงว่า last-click กับ data-driven ให้ผลต่างกันแค่ไหน และทำไมความต่างนี้ถึงสำคัญกับการตัดสินใจจัดงบโฆษณา
Last-click คำนวณยังไง และพังตรงไหน
หลักการของ last-click ง่ายมาก: ดูว่าจุดสัมผัสสุดท้ายก่อนปิดการขายคือช่องทางไหน แล้วยกเครดิต 100% ให้ช่องทางนั้น จุดสัมผัสอื่นๆ ก่อนหน้าได้เครดิต 0% ทั้งหมด
จุดที่พังคือมันมองข้ามว่าจุดสัมผัสแรกๆ มักทำหน้าที่ ‘สร้างการรับรู้’ ซึ่งจำเป็นต่อการขายไม่แพ้จุดสุดท้าย ถ้าไม่มี Facebook โพสต์แรก ลูกค้าอาจไม่เคยรู้จักร้านนี้เลยด้วยซ้ำ การให้เครดิต 0% กับจุดที่ทำหน้าที่นี้จึงบิดเบือนภาพรวมอย่างมาก
Data-driven กระจายน้ำหนักตามบทบาทจริงยังไง
แทนที่จะให้เครดิตทั้งหมดกับจุดเดียว โมเดล data-driven จะดูจากข้อมูลจริงว่าเส้นทางแบบไหนที่มีจุดสัมผัสนี้อยู่ด้วย แล้วมีโอกาสปิดการขายมากกว่าเส้นทางที่ไม่มีจุดสัมผัสนี้แค่ไหน ยิ่งจุดสัมผัสไหนทำให้โอกาสปิดเพิ่มขึ้นมาก ยิ่งได้น้ำหนักเยอะ
พูดง่ายๆ คือมันถามว่า ‘ถ้าตัดจุดสัมผัสนี้ออกไป ผลลัพธ์จะเปลี่ยนไปแค่ไหน’ แล้วให้เครดิตตามสัดส่วนของผลกระทบนั้น ไม่ใช่ตามลำดับก่อน-หลังเพียงอย่างเดียว
ตัวอย่างคำนวณเปรียบเทียบสองโมเดล
| จุดสัมผัส | เครดิตแบบ Last-click | เครดิตแบบ Data-driven (ตัวอย่าง) |
|---|---|---|
| Facebook โพสต์รีวิว | 0% | 30% |
| IG สตอรี่ | 0% | 15% |
| Google Search | 0% | 20% |
| แอด LINE (จุดสุดท้าย) | 100% | 35% |
ความต่างนี้ส่งผลกับการจัดงบยังไง
ถ้าเชื่อตัวเลข last-click ทีมอาจตัดสินใจเทงบ LINE เพิ่มแล้วลดงบ Facebook กับ Google ลง เพราะดูเหมือนสองช่องทางนั้น ‘ไม่สร้างยอดเลย’ แต่พอดูตัวเลข data-driven จะเห็นว่า Facebook มีบทบาทสร้างการรับรู้ตั้งต้นถึง 30% ซึ่งถ้าตัดทิ้งไป ยอดขายรวมอาจลดลงมากกว่าที่คิด
การกระจายน้ำหนักที่สมเหตุสมผลกว่าไม่ได้แปลว่าต้องเลิกดู last-click ไปเลย last-click ยังมีประโยชน์ในการดูว่าจุดไหนเป็น ‘จุดปิดการขาย’ ที่ต้องดูแลให้ลื่นไหล แต่ไม่ควรใช้ตัดสินว่าจุดไหน ‘มีค่ากับธุรกิจ’ ทั้งหมด
ในทางปฏิบัติ ธุรกิจขนาดเล็กควรทำยังไง
- ถ้าไม่มีระบบคำนวณ data-driven อัตโนมัติ อย่างน้อยให้ถามลูกค้าในแชทว่า ‘รู้จักร้านเรามาจากไหนก่อนหน้านี้’ เพื่อเก็บข้อมูลเส้นทางแบบหยาบๆ ไว้ประกอบการตัดสินใจ
- อย่าตัดงบช่องทางที่ conversion ดูต่ำ ก่อนเช็กว่ามันอาจทำหน้าที่ปูทางให้ช่องทางอื่นปิดการขายได้ง่ายขึ้นหรือไม่
- ถ้างบจำกัดจนต้องเลือก ให้เก็บช่องทางที่ปรากฏบ่อยในเส้นทางของลูกค้าที่ปิดการขายได้จริง มากกว่าช่องทางที่แค่เป็นจุดสุดท้ายบ่อยๆ
สรุป
การให้เครดิตยอดขายทั้งหมดกับจุดสัมผัสสุดท้ายเป็นวิธีที่ง่ายแต่ไม่ตรงกับความจริง เพราะลูกค้าแทบทุกคนผ่านหลายจุดสัมผัสกว่าจะตัดสินใจซื้อ การกระจายน้ำหนักตามบทบาทจริงของแต่ละจุดช่วยให้เห็นภาพที่ใกล้เคียงความจริงมากกว่า
ไม่ต้องรีบทิ้ง last-click ไปทั้งหมด แต่ควรเริ่มเก็บข้อมูลเส้นทางลูกค้าให้ครบ แล้วค่อยๆ ทดลองมองผ่านมุม data-driven ควบคู่กันไป เพื่อไม่ให้ตัดงบผิดช่องทางเพราะมองแค่จุดสุดท้าย
- last-click ยกเครดิต 100% ให้จุดสัมผัสสุดท้าย มองข้ามบทบาทของจุดก่อนหน้าทั้งหมด
- data-driven กระจายน้ำหนักตามผลกระทบจริงของแต่ละจุดสัมผัส ให้ภาพที่ตรงความจริงกว่า
- อย่าตัดงบช่องทางที่ conversion ดูต่ำ ก่อนเช็กว่ามันอาจทำหน้าที่ปูทางให้ช่องทางอื่นปิดได้ง่ายขึ้น
คำถามที่พบบ่อย
แปลว่าห้ามใช้ last-click เลยใช่ไหม
ไม่ใช่ last-click ยังมีประโยชน์ในการดูว่าจุดปิดการขายอยู่ตรงไหน เพื่อดูแลให้ขั้นตอนตรงนั้นลื่นไหล เพียงแต่ไม่ควรใช้มันตัดสินว่าช่องทางไหน ‘มีค่า’ ต่อธุรกิจทั้งหมด
ธุรกิจเล็กที่ไม่มีระบบ data-driven จะประเมินยังไง
อาจใช้วิธีถามลูกค้าตรงๆ ในแชทว่ารู้จักร้านจากไหนก่อนหน้านี้ แล้วสะสมข้อมูลแบบหยาบไว้ดูแนวโน้ม ไม่แม่นเท่าระบบอัตโนมัติแต่ดีกว่าไม่มีข้อมูลเลย
ทำไมตัวเลขในตารางตัวอย่างถึงไม่รวมกันเป็น 100% พอดีในบางกรณี
เพราะโมเดล data-driven จริงมักคำนวณจากหลายเส้นทางพร้อมกัน ตัวเลขตัวอย่างในบทความนี้ปัดให้เข้าใจง่าย ในทางปฏิบัติซอฟต์แวร์ที่ใช้จริงจะคำนวณละเอียดกว่านี้
จุดสัมผัสแรกสุดสำคัญกว่าจุดกลางๆ เสมอไปไหม
ไม่เสมอไป ขึ้นกับสินค้าและพฤติกรรมลูกค้าแต่ละกลุ่ม บางธุรกิจจุดกลางทางที่สร้างความมั่นใจ เช่น รีวิวหรือการเปรียบเทียบราคา อาจมีน้ำหนักมากกว่าจุดแรกที่แค่สร้างการรับรู้
ต้องเปลี่ยนมาใช้ data-driven ทั้งหมดทันทีไหม
ไม่จำเป็นต้องเปลี่ยนทันที ค่อยๆ เริ่มเก็บข้อมูลเส้นทางลูกค้าให้ครบก่อน แล้วค่อยทดลองเทียบสองโมเดลดูว่าการตัดสินใจจัดงบเปลี่ยนไปมากแค่ไหนเมื่อใช้มุมมองต่างกัน
ระบบที่ผูกแชท LINE กับที่มาของโฆษณาช่วยเรื่องนี้ได้แค่ไหน
ช่วยได้มากในการเก็บข้อมูลว่าแชทแต่ละบทมาจากแคมเปญไหน ซึ่งเป็นวัตถุดิบตั้งต้นที่จำเป็นก่อนจะคำนวณโมเดลแบบ data-driven ได้ ระบบอย่างlinliที่บันทึกที่มาของแชทไว้ตั้งแต่ต้นจะทำให้ข้อมูลชุดนี้ครบถ้วนกว่าการเดาเอาทีหลัง
บทความที่เกี่ยวข้อง


