← กลับไปหน้าบทความ
แพลตฟอร์มโฆษณา

หลัง iOS14 ยิงแอดแบบเดาสุ่มแม่นน้อยลง คำตอบอยู่ที่ลิสต์ลูกค้าจริงในแชท ไม่ใช่ในตัวช่วยของแพลตฟอร์ม

02 ส.ค. 04:17 · อ่าน 1 นาที
หลัง iOS14 ยิงแอดแบบเดาสุ่มแม่นน้อยลง คำตอบอยู่ที่ลิสต์ลูกค้าจริงในแชท ไม่ใช่ในตัวช่วยของแพลตฟอร์ม

สรุปสั้น ๆ

lookalike audience จะแม่นแค่ไหนขึ้นอยู่กับคุณภาพของลิสต์ต้นทาง ถ้าเอาแค่คนที่คลิกโฆษณามาทำ ผลจะกว้างและเบลอ แต่ถ้าเอาลิสต์คนที่ 'ซื้อจริง' จากประวัติแชทมาอัป ระบบจะหาคนหน้าตาคล้ายคนซื้อจริง ไม่ใช่คล้ายคนที่แค่คลิกผ่าน

ตั้งแต่ iOS14 เริ่มบังคับให้แอปขอสิทธิ์ติดตามผู้ใช้ ข้อมูลที่แพลตฟอร์มโฆษณาเคยเห็นจากพิกเซลก็บางลงเรื่อย ๆ หลายร้านเล่าให้ฟังตรงกันว่า audience ที่เคยเจาะแม่น ๆ เริ่มเจาะได้กว้างขึ้นแต่แม่นน้อยลง เหมือนยิงปืนลูกซองแทนปืนไรเฟิล

ทางแก้ที่หลายคนนึกถึงคือเพิ่มงบ หรือลองสุ่มความสนใจใหม่ไปเรื่อย ๆ แต่มีอีกทางที่ตรงจุดกว่าและแทบไม่ต้องเพิ่มงบเลย นั่นคือการเอาข้อมูลลูกค้าที่ซื้อจริงซึ่งกองอยู่ในประวัติแชท LINE ของคุณเอง มาสร้าง audience ต้นทางให้ระบบไปหาคนหน้าตาคล้ายกัน

บทความนี้อธิบายว่าทำไมลิสต์จากแชทถึงมีคุณภาพสูงกว่าลิสต์จากการคลิกโฆษณาเฉย ๆ และควรเตรียมข้อมูลยังไงก่อนจะเอาไปอัปโหลดใช้งาน

ทำไมยิงแอดสมัยนี้ถึงเดาแม่นน้อยลง

ก่อนหน้านี้พิกเซลโฆษณาตามเห็นพฤติกรรมผู้ใช้ข้ามเว็บได้ค่อนข้างละเอียด ระบบเลยเก่งในการหา 'คนที่มีแนวโน้มจะซื้อ' จากพฤติกรรมเหล่านั้น แต่พอผู้ใช้เริ่มปิดสิทธิ์ติดตามกันมากขึ้น ข้อมูลที่ระบบใช้อ้างอิงก็บางลง ผลคือ audience ที่เคยแคบและแม่น กลายเป็นกว้างและเบลอ

สิ่งที่ยังไม่หายไปคือข้อมูลที่คุณเก็บเอง เพราะมันไม่ได้พึ่งพิกเซลของใครเลย มันคือประวัติจริงในห้องแชทว่าใครทัก ใครถาม ใครโอนเงิน ข้อมูลชุดนี้ยิ่งมีคุณค่ามากขึ้นในยุคที่สัญญาณจากฝั่งแพลตฟอร์มอ่อนลงเรื่อย ๆ

ลิสต์คนคลิก กับลิสต์คนซื้อจริง ให้ผล lookalike ต่างกันมาก

จุดที่หลายร้านพลาดคือเอา 'คนที่เคยคลิกโฆษณา' หรือ 'คนที่เคยทักแชท' มาเป็นฐานทำ lookalike ทั้งที่คนกลุ่มนี้ปนกันอยู่ทั้งคนซื้อจริงและคนแค่ผ่านมาดู พอเอาลิสต์ปนแบบนี้ไปให้ระบบหาคนคล้าย ระบบก็จะหาคนที่ 'คล้ายคนคลิก' ซึ่งกว้างเกินไปและไม่ได้การันตีว่าจะซื้อ

สิ่งที่แม่นกว่าคือเอาเฉพาะรายชื่อคนที่ปิดการขายจริงแล้วในแชทมาเป็นฐาน เพราะนี่คือหลักฐานพฤติกรรมที่หนักแน่นที่สุด ไม่ใช่แค่ความสนใจผ่าน ๆ ยิ่งลิสต์นี้กรองเฉพาะกลุ่มที่ซื้อซ้ำหรือซื้อของมูลค่าสูงได้ ยิ่งได้ audience คล้ายที่มีแนวโน้มเป็นลูกค้าคุณภาพสูงตามไปด้วย

ลองนึกภาพร้านขายเฟอร์นิเจอร์ชื่อสมมติ 'บ้านไม้เรียบ' ที่เคยยิงแอดหา audience กว้างแล้วได้แต่คนถามราคาไม่ซื้อ พอเปลี่ยนมาเอาลิสต์ 40 รายชื่อคนที่ปิดการขายจริงในไตรมาสก่อนไปทำ lookalike ผลที่ได้คือคนกลุ่มใหม่ที่ทักเข้ามาถามละเอียดขึ้นและมีสัดส่วนปิดการขายสูงขึ้นอย่างเห็นได้ชัด (ตัวเลขเป็นตัวอย่างประกอบ ไม่ใช่สถิติวิจัยที่ยืนยันแล้ว)

เตรียมลิสต์จากแชทยังไงก่อนอัปให้แพลตฟอร์ม

การเอาข้อมูลจากแชทไปใช้ต้องผ่านการจัดรูปแบบก่อน ไม่ใช่ก็อปชื่อจากห้องแชทไปแปะตรง ๆ ขั้นตอนคร่าว ๆ ที่ควรทำคือ:

  1. รวบรวมรายชื่อ/เบอร์โทร/อีเมลของลูกค้าที่ปิดการขายจริงในช่วงเวลาที่กำหนด แยกตามมูลค่าการซื้อถ้าทำได้
  2. ทำความสะอาดข้อมูลก่อน เช่น เบอร์ซ้ำ เบอร์พิมพ์ผิด ชื่อไม่ครบ เพราะข้อมูลสกปรกทำให้ระบบจับคู่ตัวตนได้แย่ลง
  3. อัปโหลดเข้าเครื่องมือ custom audience ของแพลตฟอร์มที่ใช้อยู่ แล้วสร้าง lookalike ต่อจากลิสต์นั้น
  4. ทดสอบยิงงบเล็ก ๆ ก่อนเทียบกับ audience แบบเดาความสนใจแบบเดิม แล้วดูว่าอัตราปิดการขายต่างกันแค่ไหนก่อนขยับงบเพิ่ม

ลิสต์เก่าเกินไปก็ทำให้ lookalike คลาดเคลื่อน

อีกจุดที่มักถูกมองข้ามคือความสดของลิสต์ ถ้าเอาลูกค้าที่ซื้อเมื่อสองปีก่อนมาทำ lookalike พฤติกรรมตลาดและกลุ่มคนที่ซื้อสินค้าแบบนั้นอาจเปลี่ยนไปแล้ว การอัปเดตลิสต์ทุก 2-3 เดือนโดยเอาลูกค้าล่าสุดเข้าไปแทนที่ลิสต์เก่า จะทำให้ audience คล้ายที่ได้สอดคล้องกับพฤติกรรมตลาดปัจจุบันมากกว่า

ควบคู่ไปกับการทำ lookalike ธุรกิจที่ยังมีกลุ่มคนที่เคยทักแต่ยังไม่ซื้อค้างอยู่ ก็ควรพิจารณาแยกยิงหาคนกลุ่มนี้ต่างหาก เพราะพฤติกรรมและเหตุผลที่ยังไม่ซื้อต่างจากคนที่ไม่เคยรู้จักแบรนด์เลย

สรุป

สัญญาณจากพิกเซลจะยิ่งบางลงเรื่อย ๆ ตามนโยบายความเป็นส่วนตัวของแต่ละแพลตฟอร์ม แต่ข้อมูลที่คุณเก็บเองจากบทสนทนาจริงไม่ได้รับผลกระทบตรงนั้นเลย นี่คือเหตุผลที่ลิสต์ลูกค้าจากแชทกลายเป็นสินทรัพย์ที่มีค่าขึ้นเรื่อย ๆ ไม่ใช่ลดค่าลง

เริ่มจากดึงลิสต์คนที่ซื้อจริงออกมาก่อน จัดระเบียบให้สะอาด แล้วทดสอบเทียบกับ audience แบบเดิม สิ่งที่จะเห็นคือคุณภาพของคนที่ทักเข้ามาต่างจากเดิมชัดเจน

  • สัญญาณจากพิกเซลอ่อนลงหลัง iOS14 แต่ข้อมูลจากแชทที่เก็บเองไม่ได้รับผลกระทบ
  • ลิสต์คนซื้อจริงให้ผล lookalike แม่นกว่าลิสต์คนคลิกหรือคนแค่ทักถาม
  • อัปเดตลิสต์เป็นระยะเพื่อให้ audience คล้ายสะท้อนลูกค้าปัจจุบัน ไม่ใช่ลูกค้าเก่าที่พฤติกรรมเปลี่ยนไปแล้ว

คำถามที่พบบ่อย

ต้องมีลูกค้ากี่คนถึงจะทำ lookalike ได้ผลดี

ยิ่งลิสต์ต้นทางมีคุณภาพและมากพอ (มักแนะนำอย่างน้อยหลักร้อยรายชื่อขึ้นไป) ผลลัพธ์ยิ่งเสถียร ถ้ามีน้อยกว่านั้นยังทำได้แต่ผลอาจแกว่งมากกว่า ควรทดสอบเทียบกับ audience แบบเดิมก่อนทุ่มงบเต็มที่

ใช้ลิสต์คนแค่ถามแล้วไม่ซื้อได้ไหม

ได้ในบางกรณีถ้าอยากขยายฐานให้กว้างขึ้น แต่คุณภาพจะต่ำกว่าลิสต์คนซื้อจริงแน่นอน แนะนำให้แยกทดสอบเป็นคนละ audience ไม่ปนกับลิสต์คนซื้อจริง เพื่อเทียบผลได้ชัดเจน

ข้อมูลจากแชทเอาไปอัปโหลดตรง ๆ ได้เลยไหม

ควรผ่านการจัดรูปแบบและทำความสะอาดก่อน เช่น ตัดช่องว่าง แก้เบอร์โทรให้เป็นรูปแบบเดียวกัน เพราะข้อมูลที่รกทำให้ระบบจับคู่ตัวตนของแพลตฟอร์มทำงานได้ไม่เต็มประสิทธิภาพ

lookalike จากลิสต์เล็ก ๆ จะแคบเกินไปจนงบไม่พอยิงไหม

ขึ้นอยู่กับตั้งค่าความคล้าย ถ้าตั้งให้คล้ายมากเกินไปกลุ่มเป้าหมายจะแคบจริง แนะนำเริ่มจากระดับความคล้ายกลาง ๆ แล้วค่อยปรับแคบขึ้นถ้าเห็นว่าปิดการขายได้ดี

ควรอัปเดตลิสต์บ่อยแค่ไหน

โดยทั่วไปทุก 2-3 เดือนเป็นจังหวะที่เหมาะ ยิ่งธุรกิจที่สินค้าขายเร็วหรือเทรนด์เปลี่ยนไว อาจต้องอัปเดตถี่กว่านั้น เพื่อให้ audience คล้ายสะท้อนลูกค้าปัจจุบันจริง ๆ

จำเป็นต้องใช้เครื่องมือช่วยไหมถึงจะทำแบบนี้ได้

ไม่จำเป็น แต่การมีระบบอย่าง linli ที่ผูกที่มาของแอดกับผลการปิดการขายในแชทไว้ตั้งแต่ต้น จะทำให้ดึงรายชื่อ 'คนซื้อจริงจากแคมเปญไหน' ออกมาได้เร็วกว่าไล่เช็กเองทีละห้อง

อยากวัดผลโฆษณาเข้า LINE ให้ถึงยอดขาย?

ทดลองใช้ linli ฟรี 14 วัน ไม่ต้องใช้บัตรเครดิต

เริ่มทดลองใช้ฟรี

บทความที่เกี่ยวข้อง

คู่มือเริ่มต้น LINE Conversion Tracking ในไทย ตั้งแต่ติดตั้งจนวัดยอดขายจริง
คู่มือเริ่มต้น LINE Conversion Tracking ในไทย ตั้งแต่ติดตั้งจนวัดยอดขายจริง
สำหรับคนที่เพิ่งเริ่มทำ LINE Conversion Tracking บทความนี้รวมทุกขั้นตอนตั้งแต่นิยาม Funnel ติดตั้งระบบ เชื่อมแพลตฟอร์ม จนถึงวางแผนช่วงทดลองใช้ให้ตัดสินใจได้จริงก่อนหมด Trial
LINE Tracking กับ PDPA ธุรกิจไทยควรเก็บข้อมูลอย่างไรให้เหมาะสม
LINE Tracking กับ PDPA ธุรกิจไทยควรเก็บข้อมูลอย่างไรให้เหมาะสม
ระบบ Tracking ไม่ได้ทำให้ธุรกิจผ่าน PDPA โดยอัตโนมัติ บทความนี้อธิบายว่าธุรกิจยังต้องรับผิดชอบอะไรเองบ้าง ตั้งแต่ Legal Basis ไปจนถึงการจำกัดข้อมูลที่ส่งไปแพลตฟอร์มโฆษณา
วิธีติดตั้ง Tracking Link และ Tracking Script สำหรับปุ่ม LINE บนเว็บไซต์
วิธีติดตั้ง Tracking Link และ Tracking Script สำหรับปุ่ม LINE บนเว็บไซต์
ก่อนติดตั้ง Tracking Link หรือ Script บนปุ่ม LINE ต้องเตรียมอะไรบ้าง บทความนี้เล่าขั้นตอนจริงตั้งแต่สิทธิ์เข้าถึงเว็บ ไปจนถึง Test Journey ก่อนเปิดใช้งาน ไม่ใช่แค่ก็อปโค้ดไปวาง