Marketing Mix Modeling (MMM) ฉบับย่อสำหรับ SME: ไม่มีทีม Data Science ก็เริ่มได้
สรุปสั้น ๆ
Marketing Mix Modeling (MMM) คือการดูยอดขายรายสัปดาห์เทียบกับงบที่ลงในแต่ละช่องทางย้อนหลัง เพื่อประเมินว่าช่องทางไหนมีความสัมพันธ์กับยอดขายมากที่สุด เวอร์ชันง่ายสำหรับ SME ทำได้ด้วยสเปรดชีตและข้อมูล 8-12 สัปดาห์ ไม่ต้องมีนักสถิติหรือซอฟต์แวร์แพง
ร้านเครื่องสำอางรายหนึ่งที่ผมดูแลอยู่ยิงแอดพร้อมกัน 4 ช่องทาง คือ Facebook, TikTok, Google Search และ LINE Ads ทุกเดือนเจ้าของร้านถามคำถามเดิมว่า ‘เดือนนี้ยอดขึ้น 15% ตัวไหนทำ’ ซึ่งพอเปิดแดชบอร์ดแต่ละแพลตฟอร์มมาดู ทุกตัวเคลมว่าตัวเองเป็นคนปิดยอดหมด รวมกันแล้วเกิน 100% ของยอดขายจริงไปไกล
นี่คือปัญหาคลาสสิกของธุรกิจที่ยิงหลายช่องทางพร้อมกัน แต่ละแพลตฟอร์มมองเห็นแค่โลกของตัวเอง Facebook ไม่รู้ว่า Google ก็อ้างเครดิตคนเดียวกัน และทั้งคู่ไม่รู้ว่าคนคนนั้นสุดท้ายไปทักปิดในแชท LINE
Marketing Mix Modeling หรือ MMM คือแนวคิดเก่าแก่ก่อนยุคดิจิทัลด้วยซ้ำ ที่มองข้ามการนับ Conversion รายคน แล้วดูภาพรวมระดับสัปดาห์/เดือนแทนว่า เมื่อเพิ่มงบช่องทางไหน ยอดขายรวมขยับตามไหม บทความนี้จะเล่าเวอร์ชันที่ทำได้จริงด้วยสเปรดชีต ไม่ใช่ MMM ระดับองค์กรที่ใช้ทีมนักสถิติ
ทำไม Last-Click ถึงหลอกเมื่อยิงหลายช่องทางพร้อมกัน
เวลาลูกค้าเห็นโฆษณา TikTok วันจันทร์ เห็น Facebook Retargeting วันพุธ แล้วค้นชื่อแบรนด์ใน Google วันศุกร์ก่อนจะทัก LINE สั่งซื้อ ทุกแพลตฟอร์มจะบอกว่า ‘ฉันปิดยอดนี้’ เพราะแต่ละที่เห็นแค่ส่วนของตัวเอง ไม่เห็นภาพรวมทั้งเส้นทาง ปัญหานี้รุนแรงขึ้นเรื่อย ๆ เมื่อ iOS จำกัดการติดตามข้ามแอป และคุกกี้บุคคลที่สามหายไปทีละน้อย
MMM เลี่ยงปัญหานี้โดยไม่พยายามตามรอยรายคนเลย แต่ดูสถิติระดับมหภาคแทน: สัปดาห์ไหนงบ Facebook สูง ยอดขายเป็นยังไง สัปดาห์ไหนงบ Google สูงแต่ Facebook ลดลง ยอดขายเปลี่ยนแค่ไหน ทำแบบนี้ต่อเนื่องหลายสัปดาห์จะเริ่มเห็นแพทเทิร์นว่าช่องทางไหน ‘ดึงน้ำหนัก’ ของยอดขายจริง
ตัวอย่างข้อมูล 4 สัปดาห์ (ตัวเลขสมมติเพื่อสาธิตวิธีคิด)
| สัปดาห์ | งบ Facebook | งบ Google | งบ TikTok | ยอดปิดใน LINE |
|---|---|---|---|---|
| 1 | 15,000 | 10,000 | 8,000 | 412,000 |
| 2 | 22,000 | 10,000 | 8,000 | 468,000 |
| 3 | 15,000 | 18,000 | 8,000 | 455,000 |
| 4 | 15,000 | 10,000 | 16,000 | 421,000 |
อ่านตารางนี้ยังไงให้ได้ข้อสรุป
จากตัวอย่างข้างบน สัปดาห์ที่ 2 เพิ่มงบ Facebook เดี่ยว ๆ ยอดขายขึ้นชัดเจนที่สุด (+56,000 จากฐาน) ส่วนสัปดาห์ที่ 3 เพิ่มงบ Google ยอดขึ้นน้อยกว่า และสัปดาห์ที่ 4 เพิ่มงบ TikTok ยอดกลับลดลงจากฐาน นี่ไม่ได้แปลว่า TikTok ‘ไม่ดี’ เสมอไป อาจเป็นเพราะโฆษณาชุดนั้นยังไม่นิ่งหรือกลุ่มเป้าหมายไม่ตรง แต่ข้อมูลแบบนี้ทำให้เริ่มตั้งสมมติฐานได้แทนที่จะเดาส่งเดช
ข้อควรระวังคือ 4 สัปดาห์น้อยเกินไปที่จะฟันธง อย่างน้อยควรมีข้อมูล 8-12 สัปดาห์ขึ้นไป และต้องตัดช่วงที่มีตัวแปรแทรกซ้อนออก เช่น สัปดาห์ที่มีโปรโมชันใหญ่หรือเทศกาล เพราะจะทำให้ทุกช่องทางดูดีพร้อมกันหมดโดยไม่เกี่ยวกับงบที่เพิ่ม
เริ่ม MMM แบบสเปรดชีตด้วยตัวเอง
- รวบรวมยอดขายที่ปิดจริงใน LINE รายสัปดาห์ย้อนหลังอย่างน้อย 3 เดือน (ไม่ใช่ยอดทักหรือยอดคลิก)
- รวบรวมงบที่ใช้แต่ละช่องทางในสัปดาห์เดียวกัน แยกคอลัมน์ชัดเจน
- ทำเครื่องหมายสัปดาห์ที่มีเหตุการณ์พิเศษ (โปรโมชัน, เทศกาล, สินค้าขาดตลาด) เพื่อไม่เอาไปปนกับสัปดาห์ปกติ
- ใช้ฟังก์ชัน CORREL ในสเปรดชีตหาค่าสหสัมพันธ์ระหว่างงบแต่ละช่องทางกับยอดขาย (ตัดสัปดาห์พิเศษออกก่อน) ค่ายิ่งเข้าใกล้ 1 ยิ่งมีแนวโน้มสัมพันธ์กับยอดขายมาก
- อย่าฟันธงจากค่าสหสัมพันธ์อย่างเดียว ให้ใช้เป็นสมมติฐานแล้วไปทดสอบต่อด้วย Incrementality Test กับช่องทางที่สงสัยว่าอาจไม่ได้สร้างยอดเพิ่มจริง
เมื่อไหร่ถึงคุ้มจะจ้างทำ MMM แบบเต็มรูปแบบ
MMM แบบสเปรดชีตที่เล่ามาเหมาะกับธุรกิจที่งบแอดรวมยังไม่เกินหลักแสนต่อเดือน เพราะความแม่นยำที่ได้เพียงพอสำหรับการตัดสินใจระดับ ‘เพิ่ม-ลดงบช่องทางไหน’ แล้ว ถ้างบเริ่มเกินหลักล้านต่อเดือนและมีช่องทางออฟไลน์ร่วมด้วย เช่น ป้ายบิลบอร์ดหรือทีวี ตอนนั้นถึงจะคุ้มที่จะจ้างเอเจนซี่หรือใช้ซอฟต์แวร์ MMM ที่คำนวณด้วยแบบจำลองทางสถิติจริงจัง (Regression แบบมี Adstock/Saturation Curve)
สิ่งที่ผมอยากเตือนคือ อย่าใช้ MMM แบบง่ายนี้แทน การเช็ก Conversion ซ้ำซ้อน ระหว่างแพลตฟอร์ม เพราะเป็นคนละปัญหากัน MMM ตอบว่าช่องทางไหนมีน้ำหนักต่อยอดขายภาพรวม ส่วนการเช็กข้อมูลซ้ำตอบว่าตัวเลขที่แต่ละแพลตฟอร์มรายงานแม่นแค่ไหน ต้องทำควบคู่กันไป
สรุป
MMM แบบสเปรดชีตไม่ได้ให้คำตอบแม่นระดับวิทยาศาสตร์ แต่ให้ ‘ทิศทาง’ ที่ดีกว่าการเดาจากความรู้สึกหรือเชื่อตัวเลขที่แต่ละแพลตฟอร์มเคลมเอง ซึ่งสำหรับ SME ที่ไม่มีงบจ้างนักสถิติ แค่นี้ก็เพียงพอจะเริ่มตัดสินใจจัดงบใหม่ได้อย่างมีเหตุผลมากขึ้น
- MMM มองภาพรวมงบกับยอดขายรายสัปดาห์ แทนการตามรอยรายคนแบบ Attribution
- เริ่มด้วยสเปรดชีตและข้อมูลย้อนหลัง 8-12 สัปดาห์ก็เพียงพอสำหรับ SME
- ค่าสหสัมพันธ์เป็นแค่สมมติฐาน ต้องทดสอบต่อด้วย Incrementality Test ถึงจะฟันธงได้
- เหมาะกับธุรกิจที่ยิงหลายช่องทางพร้อมกัน ไม่จำเป็นสำหรับคนที่ยิงช่องทางเดียว
คำถามที่พบบ่อย
MMM ต่างจาก Attribution Model ยังไง
Attribution พยายามตามรอยลูกค้ารายคนว่าคลิกอะไรมาก่อนจะซื้อ ส่วน MMM ไม่สนใจรายคนเลย มองแค่ภาพรวมงบกับยอดขายรายสัปดาห์ เหมาะกับยุคที่การตามรอยรายคนเริ่มทำได้ยากขึ้นเพราะข้อจำกัดความเป็นส่วนตัว
ต้องมีข้อมูลกี่สัปดาห์ถึงจะเริ่มวิเคราะห์ได้
อย่างน้อย 8 สัปดาห์ถึงจะเริ่มเห็นแพทเทิร์นคร่าว ๆ แต่ถ้าอยากได้ความมั่นใจสูงขึ้น ควรมี 12 สัปดาห์ขึ้นไปและมีความหลากหลายของงบในแต่ละช่องทาง ไม่ใช่คงที่ทุกสัปดาห์เพราะจะไม่เห็นความสัมพันธ์อะไรเลย
ถ้างบทุกช่องทางคงที่ทุกเดือนจะทำ MMM ได้ไหม
ทำได้ยากมาก เพราะ MMM ต้องอาศัยความผันผวนของงบเพื่อดูว่ายอดขายตอบสนองยังไง ถ้างบนิ่งตลอด จะไม่มีข้อมูลพอให้เห็นความสัมพันธ์ วิธีแก้คือลองสลับเพิ่ม-ลดงบทีละช่องทางแบบมีแผนในบางเดือน
ค่าสหสัมพันธ์ (Correlation) สูงแปลว่าช่องทางนั้นทำให้ยอดขายเพิ่มแน่นอนไหม
ไม่แน่นอน สหสัมพันธ์บอกแค่ว่าสองตัวแปรเคลื่อนไหวไปด้วยกัน ไม่ได้พิสูจน์ว่าตัวหนึ่งเป็นสาเหตุของอีกตัว อาจมีตัวแปรแฝงอื่น เช่น ฤดูกาลขายดีที่ทำให้ทั้งงบและยอดขายขึ้นพร้อมกันโดยไม่เกี่ยวกัน ต้องเอาไปยืนยันด้วยการทดลองจริงอีกชั้น
ธุรกิจเล็กที่มีงบแอดช่องทางเดียวควรทำ MMM ไหม
ไม่จำเป็น MMM มีประโยชน์เมื่อมีหลายช่องทางแข่งกันแย่งเครดิต ถ้ายิงช่องทางเดียว ปัญหานี้ไม่เกิด ควรโฟกัสที่การอ่านตัวเลขในแพลตฟอร์มนั้นให้ลึกและดู <a href="/blog/performance-report-line">รายงานผลแคมเปญ</a> แทน
มีเครื่องมือช่วยเก็บยอดขายรายสัปดาห์แยกตามที่มาไหม
ถ้าติดตั้งระบบส่งอีเวนต์แบบ linli ไว้แล้ว ข้อมูลยอดที่ปิดจริงจะถูกจัดเก็บพร้อม UTM ต้นทางให้อัตโนมัติ ดึงมาทำตารางรายสัปดาห์ได้เร็วกว่านั่งไล่แชทเองทีละเคสมาก
บทความที่เกี่ยวข้อง
