เคสสมมติ: สร้างกลุ่ม Lookalike จากลิสต์คนร่วมกิจกรรมแจกฟรี แล้วได้แต่นักล่าของแถมเต็มแคมเปญ

เคสนี้เป็นเรื่องที่ผมประกอบขึ้นจากความเข้าใจผิดที่พบบ่อยเรื่องการสร้างกลุ่ม Lookalike ไม่ใช่แบรนด์ใดแบรนด์หนึ่งจริง — สมมติให้เป็นแบรนด์เครื่องประดับเงินแฮนด์เมดชื่อ ‘แสงจันทร์ เจมส์’ ที่ขายผ่าน LINE OA เป็นหลัก ราคาเฉลี่ยต่อชิ้นอยู่ที่ประมาณ 1,500-3,000 บาท

หกเดือนก่อน แบรนด์เคยจัดกิจกรรมแจกสร้อยคอฟรีเพื่อเก็บอีเมลและเพิ่มการมองเห็น มีคนลงทะเบียนร่วมกิจกรรมกว่า 4,000 คน ทีมการตลาดเก็บลิสต์นี้ไว้ แล้วพอถึงเวลาต้องการขยายฐานลูกค้าใหม่ ก็หยิบลิสต์นี้ขึ้นมาสร้างเป็นกลุ่ม Lookalike ทันทีเพราะเป็นลิสต์ที่ใหญ่ที่สุดที่มีอยู่

แคมเปญวิ่งไปสองสัปดาห์ ยอดทักเข้ามาเยอะพอสมควร แต่พอแอดมินเริ่มคุยกับลูกค้าจริง กลับพบว่าคำถามที่พบบ่อยที่สุดคือ ‘ตอนนี้มีแจกฟรีอะไรไหมคะ’ หรือ ‘เคยเห็นเพจแจกของ ตอนนี้ยังมีอยู่ไหม’ ซึ่งไม่ใช่คำถามของคนที่ตั้งใจจะซื้อเครื่องประดับราคาหลักพัน

ทำไม ‘ลิสต์ต้นแบบ’ ที่ใช้สร้าง Lookalike ถึงสำคัญกว่าที่คิด

กลุ่ม Lookalike ทำงานด้วยหลักการง่าย ๆ คือให้ระบบไปหาคนที่มี ‘พฤติกรรมและลักษณะคล้ายกับคนในลิสต์ต้นแบบ’ ที่เราป้อนเข้าไป ถ้าลิสต์ต้นแบบคือคนที่ซื้อสินค้าจริง ระบบก็จะไปหาคนที่มีแนวโน้มซื้อสินค้าจริงเหมือนกัน แต่ถ้าลิสต์ต้นแบบคือคนที่แค่ร่วมกิจกรรมแจกฟรี ระบบก็จะไปหาคนที่มีแนวโน้มชอบร่วมกิจกรรมแจกฟรีเหมือนกันแทน

จุดนี้คือสิ่งที่ทีมของแสงจันทร์ เจมส์มองข้ามไปโดยไม่รู้ตัว พวกเขาคิดว่าตราบใดที่คนในลิสต์เคย ‘สนใจแบรนด์’ ไม่ว่าจะด้วยเหตุผลอะไร ก็น่าจะใช้สร้างกลุ่มเป้าหมายใหม่ได้ดีเหมือนกันหมด ทั้งที่ความจริงแล้ว ‘สนใจของฟรี’ กับ ‘สนใจซื้อของราคาหลักพัน’ เป็นแรงจูงใจคนละแบบที่แทบไม่เกี่ยวข้องกันเลย

สิ่งที่เห็นจริงในแชท เมื่อลองสุ่มอ่านย้อนหลัง

ทีมงานสุ่มอ่านแชท 40 เส้นจากแคมเปญนี้ พบว่า 22 เส้นถามถึงกิจกรรมแจกของฟรีโดยตรง อีก 10 เส้นถามราคาแล้วเงียบไปทันทีที่เห็นตัวเลข ไม่มีการต่อรองหรือถามรายละเอียดเพิ่มเติมเหมือนลูกค้าที่ตั้งใจซื้อทั่วไป เหลือเพียง 8 เส้นที่ดูมีท่าทีสนใจซื้อจริง

สิ่งที่น่าสนใจคือคนกลุ่มที่ถามเรื่องของฟรีจำนวนหนึ่งพิมพ์ประโยคที่คล้ายกันมาก อย่างเช่น ‘เพจไหนแจกอะไรก็ตามไปดูหมดค่ะ’ ซึ่งเผยให้เห็นชัดว่าคนกลุ่มนี้ติดตามหลายเพจที่จัดกิจกรรมแจกของเป็นงานอดิเรก ไม่ได้ตั้งใจติดตามแบรนด์เครื่องประดับโดยเฉพาะแต่อย่างใด

ทำไมกลุ่ม Lookalike จากลิสต์นี้ถึงพาคนผิดกลุ่มมาได้ง่ายขนาดนี้

• คนที่ร่วมกิจกรรมแจกฟรีมีสัดส่วนไม่น้อยที่เป็น ‘นักล่าของแถม’ ซึ่งเป็นกลุ่มที่มีพฤติกรรมออนไลน์คล้ายกันชัดเจน เช่น ติดตามเพจกิจกรรมจำนวนมาก คอมเมนต์บ่อย แชร์บ่อย ทำให้ระบบมองว่าเป็นกลุ่มที่มี ‘ลักษณะเด่นร่วมกัน’ ง่ายต่อการหาคนคล้าย ๆ กันมาเพิ่ม
• ในขณะที่คนที่ซื้อเครื่องประดับราคาหลักพันจริงมักไม่มีพฤติกรรมออนไลน์ที่เด่นชัดขนาดนั้น การหาคนคล้ายจากลิสต์ลูกค้าซื้อจริงจึงอาจได้ผลลัพธ์ที่แคบกว่าแต่ตรงกลุ่มมากกว่า
• ทีมงานไม่เคยแยกลิสต์ตามพฤติกรรม มีแค่ลิสต์เดียวที่รวมทุกคนที่เคย ‘สัมผัสแบรนด์’ ไม่ว่าจะด้วยเหตุผลอะไร ทำให้ไม่มีทางเลือกอื่นตอนต้องสร้างกลุ่ม Lookalike นอกจากใช้ลิสต์ที่ใหญ่ที่สุดที่มีอยู่ ซึ่งบังเอิญเป็นลิสต์ที่ผิดกลุ่มที่สุดด้วย

เทียบผลลัพธ์เมื่อภายหลังสร้างกลุ่มใหม่จากลิสต์ลูกค้าซื้อจริง

บทเรียนที่กว้างกว่าเรื่องกลุ่มเป้าหมาย

หลังเหตุการณ์นี้ ทีมของแสงจันทร์ เจมส์เริ่มแยกฐานข้อมูลลูกค้าตามพฤติกรรมอย่างชัดเจนมากขึ้น แบ่งเป็นกลุ่มคนที่เคยซื้อจริง กลุ่มที่เคยทักถามแต่ไม่ซื้อ และกลุ่มที่มาจากกิจกรรมแจกของ เพื่อให้เลือกลิสต์ต้นแบบได้ถูกต้องตามวัตถุประสงค์ของแต่ละแคมเปญ การทำวิเคราะห์กลุ่มลูกค้าตามพฤติกรรมการซื้อช่วยให้เห็นความต่างของแต่ละกลุ่มชัดขึ้นมาก

บทเรียนที่กว้างกว่าคือ ข้อมูลลูกค้าไม่ได้มีค่าเท่ากันทุกก้อน ลิสต์ที่ใหญ่ที่สุดไม่ได้แปลว่าจะเป็นลิสต์ที่ดีที่สุดเสมอไป และก่อนจะใช้ข้อมูลใดสร้างกลุ่มเป้าหมาย ควรถามก่อนว่าคนในลิสต์นี้ ‘สัมผัสแบรนด์ด้วยเหตุผลอะไร’ เพราะเหตุผลนั้นเองที่ระบบจะเอาไปใช้หาคนคล้าย ๆ กันมาเพิ่ม

สรุป

เคสของแสงจันทร์ เจมส์แสดงให้เห็นว่ากลุ่ม Lookalike จะดีหรือแย่ ไม่ได้ขึ้นอยู่กับเทคโนโลยีของแพลตฟอร์มโฆษณา แต่ขึ้นอยู่กับคุณภาพของ ‘ลิสต์ต้นแบบ’ ที่ป้อนเข้าไปตั้งแต่ต้น ระบบทำได้แค่หาคนคล้ายกับสิ่งที่เราบอกมันเท่านั้น

บทเรียนสำคัญคือก่อนสร้างกลุ่มเป้าหมายใหม่จากลิสต์ใดก็ตาม ควรถามตัวเองก่อนเสมอว่าคนในลิสต์นั้นมีเหตุผลอะไรถึงเข้ามาอยู่ในลิสต์ เพราะเหตุผลนั้นเองที่จะกำหนดว่ากลุ่มเป้าหมายใหม่ที่ได้มาจะหน้าตาเป็นแบบไหน

• กลุ่ม Lookalike สะท้อนพฤติกรรมของลิสต์ต้นแบบเสมอ ถ้าลิสต์ต้นแบบผิดกลุ่ม กลุ่มเป้าหมายใหม่ก็จะผิดกลุ่มตามไปด้วย
• ลิสต์คนร่วมกิจกรรมแจกของฟรีมักมีพฤติกรรมต่างจากลิสต์ลูกค้าที่ซื้อจริง แม้จะมาจากแบรนด์เดียวกัน
• แยกฐานข้อมูลลูกค้าตามพฤติกรรมตั้งแต่ต้น จะช่วยให้เลือกลิสต์ต้นแบบได้ถูกต้องตามวัตถุประสงค์ของแต่ละแคมเปญ

คำถามที่พบบ่อย