ทีมขายปิดออเดอร์ทุกวัน แต่ผู้บริหารยังไม่รู้ว่างบโฆษณาก้อนไหนสร้างยอดจริง

มีทีมการตลาดทีมหนึ่งที่ผมเคยคุยด้วย เขาบอกว่าทุกเช้าแอดมิน LINE จะรายงานยอดปิดออเดอร์ให้ผู้บริหารฟังอย่างละเอียด วันนี้ปิดกี่เคส ยอดรวมเท่าไหร่ แต่พอผู้บริหารถามกลับว่า 'แล้วงบโฆษณา 300,000 บาทที่จ่ายไปเดือนนี้ ก้อนไหนที่สร้างยอดพวกนั้นจริง' ไม่มีใครในทีมตอบได้ชัดเจน เพราะรายงานที่มีอยู่แยกเป็นสองชุดที่ไม่เคยคุยกัน ชุดหนึ่งคือยอดขายจากทีมขาย อีกชุดคือ Attribution จากแต่ละแพลตฟอร์มโฆษณาที่ตัวเลขไม่เคยตรงกันเป๊ะ

ปัญหานี้พบบ่อยในธุรกิจที่ขายทั้งผ่านหน้าร้าน ผ่านเว็บไซต์ และผ่านแชท LINE พร้อมกัน เพราะ Attribution แบบดิจิทัลมองเห็นแค่ Journey ที่ผ่านคลิกออนไลน์ ส่วนยอดที่เกิดจากคนเห็นป้ายหน้าร้าน เห็นรีวิวเพื่อน หรือจำชื่อร้านจากโฆษณาที่เคยเห็นเมื่อเดือนก่อนแล้วพิมพ์ค้นหาเอง มักถูกนับเป็น 'Direct' หรือหายไปจากรายงานเลย

นี่คือจุดที่ Marketing Mix Modeling หรือ MMM เข้ามาช่วยเติมเต็มมุมมองที่ Attribution มองไม่เห็น บทความนี้จะอธิบายว่า MMM คืออะไร ต่างจาก Attribution ตรงไหน และทีมที่ขายผ่าน LINE ควรใช้ทั้งสองอย่างร่วมกันแบบไหนถึงจะได้ประโยชน์สูงสุด

Marketing Mix Modeling คืออะไร มองต่างจาก Attribution ตรงไหน

MMM คือการวิเคราะห์ทางสถิติที่ใช้ข้อมูลยอดขายรวมรายสัปดาห์หรือรายเดือน เทียบกับงบที่ใช้ในแต่ละช่องทางย้อนหลังหลายเดือนหรือหลายปี เพื่อประเมินว่าแต่ละช่องทางมีส่วนสร้างยอดขายภาพรวมมากน้อยแค่ไหน โดยพิจารณาปัจจัยอื่นร่วมด้วย เช่น ฤดูกาล โปรโมชัน ราคาคู่แข่ง หรือแม้แต่สภาพเศรษฐกิจในช่วงนั้น

จุดต่างสำคัญจาก Attribution คือ MMM ไม่ต้องพึ่ง Cookie, Click ID หรือการติดตามลูกค้ารายบุคคลเลย มันมองภาพรวมระดับตลาดหรือระดับธุรกิจ ไม่ใช่ระดับ Journey ของลูกค้าคนใดคนหนึ่ง จึงไม่ได้รับผลกระทบจากปัญหาที่ Attribution เจอบ่อย เช่น Consent ที่ลูกค้าไม่ยอมให้ติดตาม หรือคนที่เปลี่ยนอุปกรณ์ระหว่างทาง

ข้อจำกัดของ MMM คือต้องใช้ข้อมูลย้อนหลังจำนวนมากถึงจะได้ผลลัพธ์ที่น่าเชื่อถือ และให้ผลลัพธ์เป็นภาพรวมระดับช่องทาง ไม่สามารถบอกได้ว่าแคมเปญไหนหรือครีเอทีฟตัวไหนในช่องทางนั้นทำงานดี ซึ่งเป็นสิ่งที่ Attribution ตอบได้ละเอียดกว่ามาก

ทบทวนสั้น ๆ ว่า Attribution มองจากมุมไหน

ถ้า MMM มองจากมุมนก (Bird's Eye View) ที่เห็นภาพรวมทั้งตลาด Attribution ก็เหมือนมองจากมุมกล้องวงจรปิดที่ไล่ตามลูกค้าคนเดียวตั้งแต่คลิกแรกจนถึงการซื้อ มันบอกได้ว่าลูกค้าคนนี้เห็นโฆษณาอะไรก่อน คลิกลิงก์ไหน แล้วทักไลน์ยังไง ซึ่งมีประโยชน์มากสำหรับการปรับแคมเปญและครีเอทีฟรายวัน

แต่ Attribution มีจุดอ่อนตรงที่ต้องพึ่งข้อมูลระดับบุคคล และเห็นได้เฉพาะ Journey ที่ผ่านช่องทางดิจิทัลที่ติดตามได้ ถ้าลูกค้าเห็นโฆษณาบนป้ายรถเมล์แล้วมาค้นหาชื่อร้านใน LINE เอง Attribution จะไม่รู้เลยว่าป้ายนั้นมีผล เพราะไม่มี Click ID หรือ UTM ให้จับคู่ ทำให้ยอดนั้นถูกนับเป็น Direct หรือ Organic แทน ซึ่งเป็นเรื่องเดียวกับที่อธิบายไว้ใน ปัญหา Direct/Referral ปนกันใน GA4

ข้อมูลที่ MMM ต้องใช้ และทำไมธุรกิจเล็กมักทำเองไม่ได้

การสร้างโมเดล MMM ที่น่าเชื่อถือต้องอาศัยข้อมูลหลายชุดพร้อมกัน:

• ยอดขายรายสัปดาห์หรือรายเดือน ย้อนหลังอย่างน้อย 1-2 ปี เพื่อให้เห็นรูปแบบตามฤดูกาลและเทศกาลซ้ำหลายรอบ
• งบโฆษณาแยกตามช่องทาง ในช่วงเวลาเดียวกัน เพื่อเทียบว่าช่วงที่งบช่องทางหนึ่งเพิ่มขึ้น ยอดขายรวมขยับตามหรือไม่
• ปัจจัยภายนอก เช่น ราคาคู่แข่ง สภาพอากาศสำหรับธุรกิจที่ได้รับผลกระทบ หรือวันหยุดยาวที่ทำให้พฤติกรรมซื้อเปลี่ยนไป
• โปรโมชันและการเปลี่ยนแปลงราคา ของธุรกิจเองในช่วงเวลานั้น เพราะถ้าไม่แยกปัจจัยนี้ออก โมเดลอาจเข้าใจผิดว่ายอดขายที่เพิ่มมาจากโฆษณาทั้งหมด ทั้งที่จริงมาจากส่วนลดที่ให้ในช่วงเดียวกัน

ทำไมธุรกิจ SME มักสร้างโมเดล MMM เองไม่ได้

ด้วยความที่ต้องใช้ข้อมูลย้อนหลังจำนวนมากและอาศัยสถิติที่ซับซ้อน ธุรกิจ SME ที่เพิ่งเริ่มยิงแอดได้ไม่กี่เดือนมักยังไม่มีข้อมูลพอสร้างโมเดล MMM ที่แม่นยำ กรณีนี้การโฟกัสที่ Attribution ให้สะอาดก่อนจะให้ผลตอบแทนคุ้มค่ากว่าในระยะสั้น

อีกข้อจำกัดคือ MMM ต้องการนักวิเคราะห์ที่เข้าใจสถิติเชิงลึกเพื่อแยกผลกระทบของแต่ละปัจจัยออกจากกันอย่างถูกต้อง ถ้าสร้างโมเดลผิดวิธี เช่น ไม่ควบคุมปัจจัยฤดูกาลให้ดีพอ ผลลัพธ์ที่ได้อาจชี้ผิดทางและทำให้ตัดสินใจเพิ่มงบให้ช่องทางที่ไม่ได้ช่วยอะไรจริง ธุรกิจขนาดกลางที่อยากเริ่มต้นจึงมักใช้บริการที่ปรึกษาหรือเครื่องมือสำเร็จรูปแทนการสร้างโมเดลเอง

เมื่อไรควรใช้ MMM และ Attribution ควบคู่กัน

แนวทางที่ทีมการตลาดที่มีข้อมูลพร้อมมักใช้คือให้ Attribution ตอบคำถามระยะสั้นและรายวัน เช่น ครีเอทีฟไหนควรเปลี่ยน แคมเปญไหนควรหยุดเพราะยอดตกฮวบผิดปกติ ในขณะที่ MMM ตอบคำถามระยะยาวและระดับกลยุทธ์ เช่น ปีหน้าควรแบ่งงบระหว่าง Search, Social และออฟไลน์สัดส่วนเท่าไหร่ถึงจะเหมาะสมที่สุด

ธุรกิจที่ขายผ่าน LINE และมีหน้าร้านด้วย ควรใช้ MMM ช่วยตอบคำถามที่ Attribution ตอบไม่ได้ เช่น ป้ายโฆษณาหน้าร้านหรือการบอกต่อแบบปากต่อปากมีผลต่อยอดขายรวมแค่ไหน เพราะสองอย่างนี้ไม่มี Click ID ให้ Attribution จับคู่เลย ในขณะที่ Attribution ยังจำเป็นต้องใช้ควบคู่เพื่อดูว่าภายในงบดิจิทัลที่ MMM บอกว่าควรได้ ควรกระจายไปแคมเปญไหนบ้าง

ตัวอย่างสมมติ: ร้านอาหารที่มีทั้งหน้าร้านและสั่งผ่าน LINE

ลองดูตัวอย่างสมมติ ร้านอาหารแห่งหนึ่งมีสาขาเดียวแต่รับออเดอร์ทั้งจากลูกค้าที่เดินเข้าร้านและลูกค้าที่สั่งผ่าน LINE OA เจ้าของร้านยิงแอด Facebook และ Google ควบคู่กับการแจกใบปลิวแถวที่ตั้งร้าน (ข้อมูลสมมติเพื่อประกอบการอธิบาย) Attribution จากแดชบอร์ดโฆษณาแสดงว่าออเดอร์ผ่าน LINE ส่วนใหญ่มาจาก Facebook แต่พอลองวิเคราะห์แบบ MMM อย่างง่ายโดยเทียบยอดขายรวมกับงบทั้งสามช่องทางย้อนหลังหกเดือน กลับพบว่าช่วงที่แจกใบปลิวเพิ่มขึ้น ยอดขายรวมของทั้งร้านขยับขึ้นชัดเจนกว่าช่วงที่เพิ่มงบ Facebook เพียงอย่างเดียว

สิ่งที่เกิดขึ้นคือใบปลิวทำให้คนในละแวกนั้นจดจำชื่อร้านได้ แล้วพอเห็นโฆษณา Facebook อีกรอบก็คลิกทัก LINE ทำให้ Attribution มองว่า Facebook คือตัวสร้างยอด ทั้งที่จริงใบปลิวเป็นตัวจุดประกายความสนใจตั้งแต่แรก นี่คือตัวอย่างที่แสดงว่าทำไมการดู Attribution เพียงอย่างเดียวถึงอาจทำให้ประเมินคุณค่าของช่องทางออฟไลน์ต่ำเกินไป

ทำแบบนี้แล้วพัง: ข้อผิดพลาดเมื่อใช้ MMM หรือ Attribution ผิดจุด

ข้อผิดพลาดแรกคือใช้ Attribution ตัดสินใจเรื่องกลยุทธ์ระยะยาว เช่น ตัดงบออฟไลน์ทั้งหมดเพราะ Attribution ไม่เคยให้เครดิตช่องทางนั้นเลย ทั้งที่ความจริงคือ Attribution มองไม่เห็นช่องทางนั้นตั้งแต่แรก ไม่ใช่ว่าช่องทางนั้นไม่มีผล

ข้อผิดพลาดที่สองคือใช้ MMM ตัดสินใจเรื่องรายวัน เช่น พยายามหาคำตอบจากโมเดล MMM ว่าครีเอทีฟตัวไหนในแคมเปญ Facebookควรปิดวันนี้ ซึ่งเป็นคำถามที่ MMM ไม่ได้ออกแบบมาตอบ เพราะโมเดลทำงานที่ระดับช่องทางรวม ไม่ใช่ระดับครีเอทีฟรายชิ้น การใช้เครื่องมือผิดระดับแบบนี้ทำให้เสียเวลาสร้างโมเดลที่ซับซ้อนโดยไม่ได้คำตอบที่ต้องการ

ข้อผิดพลาดที่สามคือสร้างโมเดล MMM จากข้อมูลที่สั้นเกินไป เช่น มีข้อมูลแค่สามเดือน ทำให้โมเดลจับรูปแบบตามฤดูกาลไม่ได้ และมักให้น้ำหนักผิดกับช่องทางที่บังเอิญตรงกับช่วงที่ยอดขายดีอยู่แล้ว

ข้อผิดพลาดที่สี่ที่พบได้บ่อยในทีมขนาดกลางคือปล่อยให้สองเครื่องมือนี้อยู่คนละแผนกโดยไม่คุยกันเลย ฝ่ายการตลาดดู Attribution จากแดชบอร์ดโฆษณา ส่วนฝ่ายผู้บริหารหรือฝ่ายการเงินดูตัวเลข MMM จากที่ปรึกษาภายนอกแยกกันคนละรอบ พอผลลัพธ์ขัดแย้งกัน แต่ละฝ่ายก็ยึดตัวเลขของตัวเองแล้วเถียงกันว่าใครถูก ทั้งที่ความจริงคือทั้งสองฝ่ายกำลังมองข้อมูลคนละมุมของปัญหาเดียวกัน วิธีแก้คือให้ทั้งสองฝ่ายมานั่งคุยกันทุกไตรมาสว่าตัวเลขที่ต่างกันมาจากอะไร แทนที่จะเลือกเชื่อฝั่งใดฝั่งหนึ่งไปเลย

สิ่งที่ควรตรวจก่อนนำผลจาก MMM หรือ Attribution ไปใช้จริง

ก่อนนำตัวเลขจากเครื่องมือใดเครื่องมือหนึ่งไปใช้ตัดสินใจเรื่องงบ ควรตรวจสิ่งเหล่านี้ก่อน:

• ข้อมูลยอดขายที่ใช้ในโมเดล MMM ครอบคลุมรอบฤดูกาลอย่างน้อยหนึ่งปีเต็มหรือยัง เพื่อให้โมเดลแยกผลของฤดูกาลออกจากผลของโฆษณาได้แม่นยำ
• ปัจจัยที่ควบคุมไม่ได้ เช่น โปรโมชันพิเศษหรือการเปลี่ยนราคา ถูกใส่เข้าไปในโมเดลด้วยหรือไม่ ถ้าไม่ใส่ ผลลัพธ์อาจให้เครดิตผิดช่องทาง
• Attribution ที่ใช้ดูรายวันมี UTM และ Click ID ครบพอจะเชื่อถือได้ไหม ก่อนจะเอาไปเทียบกับผลจาก MMM
• ผลลัพธ์จาก MMM กับ Attribution ขัดแย้งกันตรงไหนบ้าง และมีคำอธิบายที่สมเหตุสมผลรองรับความขัดแย้งนั้นหรือไม่ ก่อนจะเชื่อตัวเลขใดตัวเลขหนึ่งไปเต็มร้อย

สรุป

MMM และ Attribution ไม่ได้แข่งกันว่าตัวไหนแม่นกว่า แต่เป็นเครื่องมือคนละระดับที่ควรใช้เสริมกัน Attribution ช่วยตัดสินใจเรื่องเล็กรายวัน ส่วน MMM ช่วยตัดสินใจเรื่องใหญ่ระยะยาวที่ Attribution มองไม่เห็น โดยเฉพาะช่องทางออฟไลน์ที่ไม่มี Click ID ให้ติดตาม

ธุรกิจที่ยังไม่มีข้อมูลพอสร้าง MMM ไม่ต้องรีบ สิ่งที่ควรทำก่อนคือสะสมข้อมูลยอดขายและงบโฆษณาให้เป็นระเบียบไปเรื่อย ๆ วันหนึ่งเมื่อข้อมูลพร้อม การวิเคราะห์แบบ MMM จะทำได้แม่นยำขึ้นมาก

• MMM มองภาพรวมตลาดโดยไม่พึ่ง Cookie ส่วน Attribution ไล่ตาม Journey รายบุคคล
• ใช้ Attribution ตัดสินใจรายวัน ใช้ MMM ตัดสินใจเรื่องกลยุทธ์งบประจำปี
• ช่องทางออฟไลน์ที่ Attribution มองไม่เห็นอาจมีผลจริงมากกว่าที่คิด ต้องใช้ MMM ช่วยเติมภาพ

คำถามที่พบบ่อย