ร้านที่เพิ่งเปิดยิงแอดได้ไม่ถึงปี ยังไม่ถึงเวลาต้องทำ Marketing Mix Modeling

เจ้าของแบรนด์คนหนึ่งไปฟังสัมมนาการตลาดแล้วกลับมาด้วยคำถามว่า 'เราควรทำ Marketing Mix Modeling ไหม' เพราะได้ยินว่าเป็นวิธีวัดผลที่แม่นยำกว่าการดู Attribution แบบเดิม แต่พอเริ่มหาข้อมูลเพิ่มก็พบว่าคำอธิบายส่วนใหญ่เขียนด้วยภาษาสถิติที่เข้าใจยาก และไม่มีใครบอกชัดว่าธุรกิจขนาดเล็กที่เพิ่งยิงแอดได้ไม่ถึงปีควรทำเรื่องนี้หรือยัง

ความจริงคือ MMM ไม่ใช่เครื่องมือที่เหมาะกับทุกธุรกิจ และไม่ใช่สิ่งที่ควรรีบทำเพียงเพราะได้ยินว่าแบรนด์ใหญ่ใช้กัน การจะได้ประโยชน์จริงจาก MMM ต้องมีเงื่อนไขพื้นฐานบางอย่างให้พร้อมก่อน ไม่ว่าจะเป็นปริมาณข้อมูลย้อนหลัง ความสม่ำเสมอของการบันทึกยอดขาย และจำนวนช่องทางสื่อที่ใช้งานจริง

บทความนี้จะอธิบายว่า Marketing Mix Modeling คืออะไรแบบเข้าใจง่าย ต่างจากวิธีวัดผลที่ธุรกิจ LINE ส่วนใหญ่คุ้นเคยยังไง และที่สำคัญที่สุดคือธุรกิจแบบไหนที่ยังไม่ควรรีบลงทุนกับเรื่องนี้

Marketing Mix Modeling คืออะไรกันแน่ อธิบายแบบไม่ใช้ศัพท์สถิติ

พูดให้ง่ายที่สุด Marketing Mix Modeling คือการเอาข้อมูลยอดขายรวมรายสัปดาห์หรือรายเดือนย้อนหลัง มาเทียบกับงบที่ใช้ในแต่ละช่องทางสื่อในช่วงเวลาเดียวกัน แล้วใช้แบบจำลองทางสถิติหาความสัมพันธ์ว่าเมื่อเพิ่มหรือลดงบในช่องทางไหน ยอดขายรวมมีแนวโน้มเปลี่ยนแปลงไปในทิศทางใด โดยพยายามแยกผลของแต่ละปัจจัยออกจากกัน เช่น งบโฆษณาออนไลน์ งบโฆษณาออฟไลน์ ฤดูกาล โปรโมชัน และปัจจัยภายนอกอื่น ๆ ที่อาจส่งผลต่อยอดขายในช่วงเวลาเดียวกัน

จุดที่ทำให้ MMM ต่างจากวิธีวัดผลแบบ Digital Tracking ทั่วไปคือมันไม่ต้องอาศัยการติดตามผู้ใช้เป็นรายคน ไม่ต้องมี Click ID หรือ Cookie ใด ๆ เพราะมองที่ภาพรวมระดับตลาดหรือระดับธุรกิจทั้งหมด ไม่ใช่ระดับ Journey ของลูกค้าคนใดคนหนึ่ง ทำให้ไม่ได้รับผลกระทบจากปัญหาเรื่อง Consent หรือ Cookie หมดอายุเหมือนการวัดผลแบบรายคน แต่ก็แลกมาด้วยการที่ต้องใช้ข้อมูลย้อนหลังจำนวนมากกว่าจะได้ผลลัพธ์ที่น่าเชื่อถือ

MMM ต่างจาก Attribution แบบรายคนที่ธุรกิจ LINE ส่วนใหญ่คุ้นเคยยังไง

ธุรกิจที่ยิงแอดเข้า LINE ส่วนใหญ่คุ้นเคยกับการวัดผลแบบรายคน คือดูว่าคนที่คลิกโฆษณาคนไหน เพิ่มเพื่อน ทักแชท แล้วปิดการขายจริงหรือไม่ ผ่านรหัสอ้างอิงอย่าง UTM หรือ Click ID ซึ่งให้ข้อมูลที่ละเอียดถึงระดับแคมเปญหรือแม้แต่ระดับโฆษณาชิ้นใดชิ้นหนึ่ง วิธีนี้เหมาะกับการปรับแคมเปญรายวันหรือรายสัปดาห์ แต่มีข้อจำกัดเมื่อลูกค้าเห็นโฆษณาหลายช่องทางก่อนตัดสินใจซื้อ หรือเมื่อ Cookie และ Click ID ถูกจำกัดจากนโยบายความเป็นส่วนตัว

MMM มองในมุมตรงข้าม คือไม่สนใจว่าใครคนใดคนหนึ่งเดินทางผ่านช่องทางไหนบ้าง แต่มองภาพรวมว่าทั้งตลาดตอบสนองต่อการเปลี่ยนแปลงงบในแต่ละช่องทางอย่างไร วิธีนี้จึงเหมาะกับการตัดสินใจเชิงกลยุทธ์ระยะยาว เช่น ปีหน้าควรจัดสรรงบระหว่างช่องทางออนไลน์กับออฟไลน์อย่างไร มากกว่าการตัดสินใจปรับแคมเปญรายวัน ธุรกิจที่ทำได้ดีที่สุดมักใช้สองวิธีนี้เสริมกัน ไม่ใช่เลือกใช้อย่างใดอย่างหนึ่งแทนกันทั้งหมด

ธุรกิจแบบไหนที่ MMM เริ่มมีประโยชน์จริง

MMM จะเริ่มให้ผลลัพธ์ที่น่าเชื่อถือเมื่อธุรกิจมีข้อมูลยอดขายย้อนหลังต่อเนื่องอย่างน้อยหนึ่งถึงสองปี และมีการใช้งบโฆษณาหลายช่องทางพร้อมกันในระดับที่มีนัยสำคัญ เช่น ทั้งโฆษณาออนไลน์ ป้ายโฆษณา สื่อทีวีหรือวิทยุ และกิจกรรมส่งเสริมการขายต่าง ๆ ยิ่งมีความหลากหลายของช่องทางและมีการเปลี่ยนแปลงงบในแต่ละช่วงเวลาชัดเจน แบบจำลองก็ยิ่งมีข้อมูลพอที่จะแยกผลของแต่ละปัจจัยออกจากกันได้แม่นยำขึ้น

ธุรกิจที่เหมาะกับ MMM มักเป็นแบรนด์ที่มีขนาดใหญ่พอสมควร มีทีมการตลาดที่ดูแลงบประมาณระดับหลักล้านต่อเดือนขึ้นไป และต้องการคำตอบเชิงกลยุทธ์มากกว่าการปรับแคมเปญรายวัน เช่น การตัดสินใจว่าปีหน้าควรเพิ่มสัดส่วนงบให้ช่องทางออนไลน์หรือกลับไปเน้นสื่อดั้งเดิม ซึ่งเป็นคำถามที่ Attribution แบบรายคนไม่สามารถตอบได้ดีนัก เพราะมองเห็นแค่ Journey ของคนที่มี Digital Footprint เท่านั้น

ร้านแบบไหนที่ยังไม่ควรรีบลงทุนกับ MMM

ธุรกิจ SME ที่เพิ่งเริ่มยิงแอดได้ไม่ถึงหนึ่งปี ยังไม่มีข้อมูลยอดขายย้อนหลังมากพอให้แบบจำลองทางสถิติหาความสัมพันธ์ที่น่าเชื่อถือได้ ยิ่งถ้าใช้งบโฆษณาเพียงช่องทางเดียวหรือสองช่องทาง MMM แทบไม่มีประโยชน์เลย เพราะจุดแข็งของ MMM คือการแยกผลระหว่างหลายช่องทางที่ทำงานพร้อมกัน ถ้ามีช่องทางเดียว การใช้ Attribution แบบรายคนที่ดูตรง Click ไปจนถึง Chat และยอดขายจะให้คำตอบที่ตรงประเด็นและเร็วกว่ามาก

อีกกลุ่มที่ยังไม่ควรรีบทำคือธุรกิจที่ยังไม่มีระบบบันทึกยอดขายที่แม่นยำและสม่ำเสมอ เพราะ MMM ต้องพึ่งพาข้อมูลยอดขายย้อนหลังเป็นวัตถุดิบหลัก ถ้าข้อมูลยอดขายมีช่องโหว่ บันทึกไม่ครบ หรือนิยาม 'ยอดขาย' เปลี่ยนไปมาในแต่ละช่วง ผลลัพธ์จากแบบจำลองก็จะไม่น่าเชื่อถือไม่ว่าจะใช้เทคนิคสถิติซับซ้อนแค่ไหนก็ตาม ธุรกิจกลุ่มนี้ควรให้ความสำคัญกับการวางระบบบันทึกยอดขายให้แม่นยำก่อน อย่างการผูก Order ID ให้สม่ำเสมออย่างที่อธิบายไว้ใน Order ID Attribution มากกว่าจะข้ามไปทำ MMM เลย

ข้อมูลอะไรบ้างที่ต้องมีก่อนเริ่มทำ MMM ได้จริง

ก่อนจะเริ่มคิดเรื่องแบบจำลองทางสถิติ ธุรกิจต้องรวบรวมข้อมูลพื้นฐานให้ครบก่อน ซึ่งส่วนใหญ่เป็นข้อมูลที่ธุรกิจควรเก็บอยู่แล้วในการทำงานประจำวัน:

• ยอดขายรายสัปดาห์หรือรายเดือนย้อนหลังอย่างน้อยหนึ่งถึงสองปี แยกตามสินค้าหรือกลุ่มสินค้าถ้าเป็นไปได้
• งบโฆษณาที่ใช้จริงในแต่ละช่องทางตามช่วงเวลาเดียวกับข้อมูลยอดขาย ไม่ใช่งบที่ตั้งไว้แต่ไม่ได้ใช้จริง
• ข้อมูลโปรโมชันหรือส่วนลดที่เคยจัดในแต่ละช่วง เพราะเป็นปัจจัยที่ส่งผลต่อยอดขายและต้องแยกออกจากผลของโฆษณา
• ปัจจัยตามฤดูกาลหรือเทศกาลที่ส่งผลต่อยอดขายของธุรกิจนั้นโดยเฉพาะ เช่น ช่วงเปิดเทอมสำหรับธุรกิจการศึกษา
• ข้อมูลราคาสินค้าที่เปลี่ยนแปลงในแต่ละช่วง เพราะการเปลี่ยนราคาก็เป็นอีกปัจจัยที่กระทบยอดขายเช่นกัน

เทียบ MMM กับวิธีวัดผลอื่นที่ธุรกิจ LINE ใช้อยู่

ธุรกิจที่โตถึงระดับหนึ่งมักไม่ได้เลือกใช้แค่วิธีเดียว แต่ผสมทั้งสามแบบเข้าด้วยกันตามคำถามที่ต้องการคำตอบ ทีมที่ดูแลแคมเปญรายวันจะพึ่ง Attribution แบบรายคนเป็นหลักเพราะต้องการความไวในการปรับงบ ส่วนผู้บริหารที่วางแผนงบประมาณรายปีอาจขอผลจาก MMM มาประกอบการตัดสินใจว่าจะเพิ่มหรือลดสัดส่วนงบในแต่ละช่องทาง และเมื่อมีคำถามเฉพาะเจาะจงว่าแคมเปญหนึ่งสร้างยอดขายเพิ่มจริงหรือลูกค้าจะซื้ออยู่แล้วโดยไม่มีโฆษณา ก็ต้องอาศัย Incrementality Testing มาช่วยตอบแยกต่างหาก การเข้าใจว่าแต่ละวิธีตอบคำถามคนละแบบ ช่วยไม่ให้ธุรกิจคาดหวังผิดว่าวิธีใดวิธีหนึ่งจะเป็นคำตอบสุดท้ายของทุกคำถามด้านการตลาด

เพื่อให้เห็นภาพชัดว่าแต่ละวิธีเหมาะกับสถานการณ์ไหน ลองดูตารางเปรียบเทียบนี้:

ความเข้าใจผิดที่พบบ่อยเกี่ยวกับ MMM

• คิดว่า MMM แม่นยำกว่า Attribution เสมอ — ความจริงคือทั้งสองมีข้อจำกัดต่างกัน MMM แม่นในภาพรวมระยะยาวแต่หยาบในระดับแคมเปญ ส่วน Attribution ละเอียดระดับแคมเปญแต่มีข้อจำกัดเรื่อง Cross-channel และ Privacy
• คิดว่าต้องมีทีม Data Scientist เต็มรูปแบบถึงจะเริ่มได้ — ธุรกิจขนาดกลางที่มีข้อมูลพร้อมอาจเริ่มจากการวิเคราะห์เบื้องต้นร่วมกับที่ปรึกษาภายนอกได้ โดยไม่ต้องมีทีมภายในทั้งหมด
• คิดว่าทำครั้งเดียวแล้วใช้ได้ตลอด — พฤติกรรมตลาดและประสิทธิภาพของแต่ละช่องทางเปลี่ยนไปตามเวลา แบบจำลองต้องมีการปรับปรุงเป็นระยะ ไม่ใช่ทำครั้งเดียวจบ
• คิดว่า MMM ใช้แทน Conversion Tracking รายวันได้เลย — MMM ไม่ได้ออกแบบมาให้ตอบคำถามว่าวันนี้ควรปิดหรือเปิดแคมเปญไหน งานนั้นยังต้องพึ่งข้อมูล Conversion ที่ละเอียดกว่า

เริ่มต้นแบบง่ายโดยไม่ต้องมีทีม Data Scientist ได้ไหม

สำหรับธุรกิจที่ยังไม่พร้อมลงทุนทำ MMM เต็มรูปแบบ จุดเริ่มต้นที่ทำได้จริงคือการวางระบบเก็บข้อมูลให้พร้อมก่อน ทั้งยอดขายรายสัปดาห์ งบโฆษณาแต่ละช่องทาง และปัจจัยโปรโมชันหรือฤดูกาล เพื่อให้เมื่อถึงวันที่ธุรกิจโตพอและพร้อมทำ MMM จริง ข้อมูลย้อนหลังจะมีพร้อมอยู่แล้วไม่ต้องเริ่มนับหนึ่งใหม่ ระหว่างทางนี้ธุรกิจยังใช้ Attribution แบบรายคนและข้อมูล Conversion จากช่องทาง LINE ได้ตามปกติสำหรับการตัดสินใจรายวัน

linli เองไม่ได้เป็นเครื่องมือสร้างแบบจำลอง MMM โดยตรง แต่ข้อมูล Lead คุณภาพ Order และยอดขายที่บันทึกผ่านระบบสามารถเป็นหนึ่งในชุดข้อมูลที่นำไปใช้เป็นวัตถุดิบประกอบการวิเคราะห์ภาพรวมได้ในอนาคต ถ้าธุรกิจตัดสินใจทำ MMM จริงจัง สิ่งที่ต้องมีเพิ่มคือข้อมูลงบโฆษณาช่องทางอื่นและปัจจัยภายนอกที่ระบบวัดผลเฉพาะ LINE ไม่ได้ครอบคลุมอยู่แล้ว การวางแผนเรื่องต้นทุนต่อยอดขายและอัตรากำไรที่กล่าวถึงใน LTV ต่อ CAC ก็เป็นข้อมูลอีกชุดที่ควรเตรียมไว้ควบคู่กัน

สรุป

Marketing Mix Modeling เป็นเครื่องมือที่ทรงพลังสำหรับธุรกิจที่มีข้อมูลย้อนหลังมากพอและใช้สื่อหลายช่องทางพร้อมกัน แต่ไม่ใช่สิ่งที่ทุกธุรกิจควรรีบลงทุนทันทีเพียงเพราะได้ยินว่าแบรนด์ใหญ่ใช้กัน

ธุรกิจที่เพิ่งเริ่มยิงแอดหรือมีข้อมูลยอดขายย้อนหลังไม่พอ ควรให้ความสำคัญกับการวางระบบ Attribution และ Conversion Tracking ให้แม่นยำก่อน แล้วค่อยพิจารณาเรื่อง MMM เมื่อธุรกิจโตถึงจุดที่ข้อมูลและงบประมาณพร้อมจริง

• MMM มองภาพรวมระดับตลาด ไม่ต้องติดตามผู้ใช้รายคนเหมือน Attribution แบบเดิม
• เหมาะกับธุรกิจที่มีข้อมูลย้อนหลังหนึ่งถึงสองปีขึ้นไปและใช้สื่อหลายช่องทาง
• ธุรกิจที่เพิ่งเริ่มยิงแอดหรือมีช่องทางเดียวยังไม่ได้ประโยชน์จาก MMM เท่าที่ควร
• เตรียมข้อมูลยอดขาย งบโฆษณา และปัจจัยโปรโมชันให้พร้อมไว้ล่วงหน้า แม้จะยังไม่เริ่มทำ MMM ตอนนี้

คำถามที่พบบ่อย