แจกเครดิตแบบ Even กับแบบ Time Decay ให้ Lead LINE ต่างกันตรงไหน

ลองนึกภาพลูกค้าคนหนึ่ง สัปดาห์ก่อนเขาเห็นแอดโปรโมชันของคุณผ่านตาแล้วเลื่อนผ่านไป สองวันถัดมาเจอโพสต์ออร์แกนิกในกลุ่ม Facebook ที่มีคนแชร์ต่อ กดเข้าไปอ่านคอมเมนต์เฉย ๆ แล้วก็ปิดแอปไป จนวันที่สามเขาเห็นแอดตัวเดิมอีกครั้งระหว่างเลื่อนฟีด คราวนี้กดเข้าเว็บ กดปุ่มไปหา LINE OA แล้วทักถามราคาทันที คำถามที่ทีมการตลาดส่วนใหญ่ตอบไม่ตรงกันคือ ใครควรได้เครดิตของ Lead รายนี้ แคมเปญที่เห็นครั้งแรก โพสต์ออร์แกนิกที่อยู่ตรงกลาง หรือแอดที่กดคลิกจริงในครั้งสุดท้าย

นี่คือปัญหาที่ multi touch attribution พยายามตอบ แทนที่จะยกเครดิตให้จุดสัมผัสเดียวแบบ First-touch หรือ Last-touch มันแบ่งเครดิตออกเป็นสัดส่วนตามจุดสัมผัสทั้งหมดที่เกิดขึ้นก่อน Lead จะทัก LINE เข้ามา ปัญหาคือมีหลายวิธีแบ่งสัดส่วน และแต่ละวิธีให้ผลสรุปที่ต่างกันมากพอจะเปลี่ยนการตัดสินใจเรื่องงบได้จริง

บทความนี้จะเจาะสองโมเดลที่ทีมขนาดกลางใช้บ่อยที่สุดเมื่อเริ่มทำ multi touch attribution LINE คือ Even ที่แบ่งเครดิตเท่ากันทุกจุด กับ Time Decay ที่ให้น้ำหนักจุดใกล้ปิดการขายมากกว่า พร้อมตัวอย่างตัวเลขสมมติที่ทำให้เห็นภาพว่าโมเดลไหนเหมาะกับ Journey แบบไหน และทำไมรายงานถึงยังมี Unknown Source โผล่มาแม้จะตั้งค่าโมเดลถูกแล้วก็ตาม

ทำไมการวัดจุดเดียวไม่พอสำหรับ Journey ที่ยาวขึ้นเรื่อย ๆ

ธุรกิจที่เพิ่งเริ่มยิงแอดมักใช้ Last-touch เป็นค่าเริ่มต้น เพราะตั้งค่าง่ายและตรงไปตรงมา ใครคลิกก่อนทักคือคนนั้นได้เครดิตทั้งหมด วิธีนี้ใช้ได้ดีตอนที่ Journey สั้น คนเห็นแอดแล้วทักเลยภายในไม่กี่นาที แต่พอสินค้าเริ่มมีราคาสูงขึ้น หรือธุรกิจเริ่มมีทั้งแอดและคอนเทนต์ออร์แกนิกพร้อมกัน ลูกค้ามักไม่ได้ตัดสินใจจากจุดสัมผัสเดียวอีกต่อไป

ปัญหาของ Last-touch ในสถานการณ์นี้คือมันมองข้ามจุดสัมผัสที่ทำหน้าที่ 'สร้างความอยากรู้' หรือ 'สร้างความมั่นใจ' ไปเลย ทั้งที่จุดเหล่านั้นอาจเป็นเหตุผลจริงที่ทำให้เขากลับมาคลิกครั้งสุดท้าย ถ้าคุณตัดงบแคมเปญที่สร้าง Awareness ออกเพราะดู Last-touch แล้วไม่เห็นว่ามันสร้าง Lead ตรง ๆ คุณอาจกำลังตัดสิ่งที่ทำให้แคมเปญปิดการขายอื่น ๆ ทำงานได้ดีอยู่

ในทางกลับกัน First-touch ก็มีปัญหาคล้ายกันแต่กลับด้าน มันให้เครดิตกับจุดที่ 'แค่ทำให้รู้จัก' ทั้งที่จุดสัมผัสหลังจากนั้นต่างหากที่ผลักให้เขาตัดสินใจจริง multi touch attribution จึงเข้ามาเติมช่องว่างตรงกลางนี้ ด้วยการยอมรับว่า Journey ของ Lead ที่ปิดผ่าน LINE ส่วนใหญ่ไม่ได้มีจุดสัมผัสเดียว และควรมีวิธีแบ่งเครดิตที่สะท้อนความจริงมากกว่าการยกให้จุดใดจุดหนึ่งทั้งหมด

โมเดล Even กับ Time Decay ต่างกันตรงไหน

ทั้งสองโมเดลอยู่ในกลุ่ม multi touch attribution เหมือนกัน คือแบ่งเครดิตให้มากกว่าหนึ่งจุดสัมผัส แต่หลักการแบ่งต่างกันคนละแบบ Even หรือ Linear ให้น้ำหนักเท่ากันทุกจุดโดยไม่สนใจว่าจุดไหนเกิดก่อนหรือหลัง ส่วน Time Decay ให้น้ำหนักตามระยะเวลา จุดที่เกิดใกล้กับตอนที่ Lead ทักเข้า LINE จะได้เครดิตมากกว่าจุดที่เกิดไกลออกไป

ตัวอย่างสมมติ: หนึ่ง Lead ผ่านสี่จุดสัมผัสก่อนทัก LINE

เพื่อให้เห็นภาพชัดขึ้น สมมติว่า Lead รายหนึ่งเดินทางผ่านสี่จุดสัมผัสก่อนทักเข้า LINE OA ห่างกันตามลำดับเวลา คือ เห็นแอด Awareness วันที่ 1, เห็นโพสต์ออร์แกนิกวันที่ 3, คลิกแอด Retargeting วันที่ 6 และคลิกแอดตัวสุดท้ายก่อนทักจริงวันที่ 7 ตัวเลขที่ใช้ในตัวอย่างนี้เป็นข้อมูลสมมติเพื่ออธิบายกรอบวิเคราะห์เท่านั้น ไม่ใช่ค่าเฉลี่ยจริงของธุรกิจใด

ถ้าใช้โมเดล Even ทั้งสี่จุดจะได้เครดิตเท่ากันจุดละ 25% โดยไม่สนใจว่าเกิดวันที่เท่าไหร่ ผลคือแคมเปญ Awareness ที่เห็นวันแรกได้เครดิตเท่ากับแอด Retargeting ที่คลิกวันสุดท้ายก่อนทัก ซึ่งอาจดูไม่แฟร์ในสายตาทีมที่ดูแลแคมเปญ Retargeting เพราะรู้สึกว่าตัวเองใกล้ปิดดีลมากกว่า

ถ้าเปลี่ยนมาใช้ Time Decay ที่กำหนดค่าถดถอยตามระยะวัน แคมเปญ Awareness วันที่ 1 อาจเหลือเครดิตราว 10% โพสต์ออร์แกนิกวันที่ 3 ได้ราว 15% แอด Retargeting วันที่ 6 ได้ราว 30% และแอดตัวสุดท้ายวันที่ 7 ได้เครดิตสูงสุดราว 45% ตัวเลขเหล่านี้เป็นตัวอย่างสมมติเพื่อแสดงทิศทางการแบ่งน้ำหนัก ไม่ใช่สูตรตายตัวที่ใช้ได้กับทุกกรณี

ผลลัพธ์เปลี่ยนไปแค่ไหนเมื่อสลับโมเดล

จากตัวอย่างข้างต้น ถ้าธุรกิจตัดสินใจเรื่องงบจากโมเดล Even อย่างเดียว แคมเปญ Awareness อาจดูมีบทบาทสูงเกินจริงเมื่อเทียบกับแคมเปญ Retargeting ที่จริง ๆ แล้วเป็นตัวปิดดีล ในทางกลับกัน ถ้าใช้ Time Decay อย่างเดียว แคมเปญ Awareness ที่ทำหน้าที่จุดประกายความสนใจตั้งแต่ต้นอาจถูกมองว่ามีค่าน้อยเกินไป ทั้งที่ถ้าไม่มีจุดนี้ Lead รายนี้อาจไม่เกิดขึ้นเลย

สิ่งที่ทีมส่วนใหญ่พลาดคือเลือกโมเดลเดียวแล้วยึดมั่นไปตลอด ทั้งที่ความจริงแต่ละโมเดลมีจุดแข็งคนละด้าน แนวทางที่ปฏิบัติได้จริงคือดูทั้งสองมุมคู่กันในช่วงแรก แล้วค่อยเลือกโมเดลหลักตามลักษณะ Journey ของธุรกิจตัวเอง เช่นถ้าสินค้าราคาสูงและใช้เวลาตัดสินใจนาน Time Decay มักสะท้อนความจริงได้ดีกว่า ส่วนถ้าสินค้าตัดสินใจเร็วและจุดสัมผัสไม่ต่างกันมากด้านบทบาท Even ก็เพียงพอและอ่านง่ายกว่า

ข้อมูลที่ต้องเก็บให้ครบก่อนจะใช้โมเดลไหนก็ได้

ไม่ว่าจะเลือกโมเดลไหน สิ่งที่ต้องมีเหมือนกันคือข้อมูลจุดสัมผัสที่ครบและมี Timestamp ชัดเจนทุกจุด ถ้าเก็บมาไม่ครบ ต่อให้สูตรแบ่งเครดิตดีแค่ไหนก็ให้ผลผิดเพี้ยนอยู่ดี เพราะระบบนับได้แค่จุดที่ 'เห็น' ไม่ใช่จุดที่ 'เกิดขึ้นจริงทั้งหมด'

• UTM ที่สม่ำเสมอทุกแคมเปญ ทั้งแอดและออร์แกนิก เพื่อให้แยกแหล่งที่มาของแต่ละจุดสัมผัสได้
• Click Identifier เช่น GCLID หรือ Meta Click ID ที่เก็บไว้ทุกครั้งที่มีการคลิกจากแพลตฟอร์มโฆษณา ไม่ใช่แค่ครั้งสุดท้าย
• Timestamp ของแต่ละจุดสัมผัสในรูปแบบ Time Zone เดียวกันทั้งระบบ เพราะถ้า Time Zone ไม่ตรงกัน ลำดับเวลาที่ใช้คำนวณ Time Decay จะผิดตั้งแต่ต้น
• จุดที่เชื่อม Journey ฝั่งเว็บกับฝั่งแชท LINE เข้าด้วยกัน เพื่อไม่ให้จุดสัมผัสที่เกิดก่อนเข้า LINE หายไปจากรายงาน

ทำไม Unknown Source ยังโผล่ในรายงานทั้งที่เก็บข้อมูลดีแล้ว

หลายทีมตั้งค่า multi touch attribution ครบถ้วนแล้วยังเจอสัดส่วน Unknown Source ค้างอยู่ในรายงาน ทำแบบนี้แล้วพัง เพราะมักมีสาเหตุที่ไม่ใช่เรื่องโมเดลเลย แต่เป็นเรื่องจุดที่ข้อมูลหลุดระหว่างทาง

สาเหตุที่พบบ่อยที่สุดคือลูกค้าคัดลอกลิงก์จากที่หนึ่งไปเปิดในแอปอื่น ทำให้พารามิเตอร์ท้าย URL หายไปก่อนถึงปลายทาง หรือลูกค้าเห็นแอดแล้วปิดไป จากนั้นพิมพ์ค้นหาชื่อร้านใน LINE เองโดยตรง กรณีนี้ระบบจะมองว่าเป็น Direct ทั้งที่จริงมีจุดสัมผัสจากแอดอยู่ก่อนหน้า ถ้าอ่านเรื่อง ช่องว่างระหว่างคลิกกับการเข้า LINE ประกอบ จะเห็นว่าปัญหานี้เป็นจุดที่ทำให้ข้อมูลขาดตอนบ่อยที่สุด

อีกสาเหตุคือ Attribution Window ที่ตั้งไว้สั้นเกินไปเมื่อเทียบกับ Journey จริงของธุรกิจ ถ้าตั้งไว้ 7 วันแต่ลูกค้าตัวจริงใช้เวลาตัดสินใจ 20 วัน จุดสัมผัสแรก ๆ จะหลุดออกนอกกรอบเวลาไปโดยอัตโนมัติ ทำให้ระบบเห็นแค่จุดสัมผัสสุดท้ายและเผลอจัดเป็น Unknown หรือ Direct ทั้งที่มีต้นทางจริงอยู่ก่อนหน้า

เลือกโมเดลไหนดีตามสถานะข้อมูลจริงของธุรกิจ

การเลือกโมเดลไม่ควรตัดสินจากความชอบส่วนตัว แต่ควรดูจากลักษณะ Journey และปริมาณข้อมูลที่มีจริง ตารางนี้เป็นกรอบเริ่มต้นที่ช่วยตัดสินใจ ก่อนจะปรับละเอียดตามธุรกิจของตัวเองอีกที

ข้อจำกัดที่ต้องยอมรับก่อนใช้ Multi-touch กับ LINE

ไม่ว่าจะเลือกโมเดลไหน multi touch attribution ก็ยังเป็นมุมวิเคราะห์ ไม่ใช่ความจริงหนึ่งเดียวของ Journey ทั้งหมด เพราะยังมีข้อจำกัดจาก Browser Privacy, Cross-device ที่ระบบมองไม่เห็นว่าเป็นคนเดียวกัน, และการที่ลูกค้าบางส่วนตัดสินใจนอกช่องทางออนไลน์ เช่นเพื่อนแนะนำปากต่อปากแล้วค่อยมาค้นหาต่อ

ธุรกิจที่ใช้ multi touch attribution LINE จึงควรกำหนด Source of Truth สำหรับยอดขายแยกออกจากมุมมอง Attribution เสมอ ให้ Attribution เป็นเครื่องมือช่วยตัดสินใจเรื่องงบและแคมเปญ ไม่ใช่ตัวเลขที่เอาไปฟันธงว่าแคมเปญไหน 'สร้างยอดขาย' แบบสมบูรณ์ 100% เพราะแม้แต่โมเดลที่ตั้งค่าดีที่สุดก็ยังพลาดจุดสัมผัสที่เกิดนอกระบบไปได้เสมอ

สรุป

Even และ Time Decay ไม่มีฝ่ายไหนถูกหรือผิดโดยสมบูรณ์ มันเป็นแค่มุมมองสองแบบที่เหมาะกับสถานการณ์ต่างกัน สิ่งที่สำคัญกว่าการเลือกโมเดลคือการเก็บข้อมูลจุดสัมผัสให้ครบและมี Timestamp ที่เชื่อถือได้ตั้งแต่ต้นทาง เพราะถ้าข้อมูลดิบไม่ครบ ต่อให้สูตรแบ่งเครดิตดีแค่ไหนก็ยังให้ผลผิดเพี้ยนอยู่ดี

ก่อนจะฟันธงว่าแคมเปญไหนคุ้มที่สุด ลองดูทั้งสองโมเดลควบคู่กันสักช่วงหนึ่ง แล้วสังเกตว่าภาพรวมของแต่ละแคมเปญเปลี่ยนไปมากน้อยแค่ไหน นั่นจะช่วยให้ตัดสินใจปรับงบได้อย่างมีเหตุผลรองรับ ไม่ใช่เชื่อตัวเลขจากมุมมองเดียวแบบสุ่มสี่สุ่มห้า

• Even แบ่งเครดิตเท่ากันทุกจุด ส่วน Time Decay ให้น้ำหนักจุดใกล้ปิดการขายมากกว่า
• ข้อมูลจุดสัมผัสต้องครบและมี Timestamp ที่ Time Zone ตรงกันก่อนใช้โมเดลไหนก็ตาม
• Unknown Source ส่วนใหญ่เกิดจากลิงก์หลุดพารามิเตอร์หรือ Attribution Window สั้นเกินไป ไม่ใช่โมเดลผิด
• ใช้ Attribution เป็นมุมวิเคราะห์ช่วยตัดสินใจงบ ไม่ใช่ความจริงหนึ่งเดียวของยอดขาย

คำถามที่พบบ่อย