เพิ่งเปิดตัวสินค้าใหม่ ยอดปิดยังน้อยจนโมเดล attribution แบบถ่วงน้ำหนักซับซ้อนใช้ไม่ได้ ควรเริ่มจากอะไรก่อน

‘บ้านสมุนไพรเปิ้ล’ (ชื่อสมมติ) เพิ่งเปิดตัวผลิตภัณฑ์ยาสีฟันสมุนไพรสูตรใหม่ ยิงแอดหลายแพลตฟอร์มพร้อมกันทั้ง Facebook, TikTok และ Google ให้คนทักไลน์ OA มาสั่งซื้อ ทีมการตลาดอยากรู้ว่าแพลตฟอร์มไหนควรได้เครดิตมากที่สุด จึงพยายามตั้งโมเดล attribution แบบถ่วงน้ำหนักตามตำแหน่งจุดสัมผัส (position-based) ที่ใช้ในสินค้าตัวหลักของแบรนด์อยู่แล้ว

ปัญหาคือเดือนแรกมีออเดอร์ปิดจริงแค่ 18 ออเดอร์ เมื่อเอาโมเดลถ่วงน้ำหนักที่ซับซ้อนมาคำนวณกับข้อมูลจำนวนน้อยขนาดนี้ ผลลัพธ์ที่ได้แกว่งไปมาอย่างรุนแรง เดือนนี้บอกว่า TikTok ได้เครดิตมากสุด เดือนถัดไปสลับเป็น Facebook ทั้งที่พฤติกรรมลูกค้าไม่ได้เปลี่ยนแปลงอะไรมาก แค่ตัวอย่างมันน้อยเกินกว่าจะให้ผลลัพธ์ที่นิ่งพอจะเชื่อถือได้

นี่คือปัญหาคลาสสิกของช่วง cold-start ที่หลายธุรกิจเจอเวลาเปิดตัวสินค้าใหม่ บทความนี้จะพาดูว่าทำไมโมเดลซับซ้อนถึงใช้ไม่ได้ผลในช่วงนี้ และควรเริ่มจากอะไรก่อนจนกว่าจะมีข้อมูลมากพอ

ทำไมโมเดลถ่วงน้ำหนักซับซ้อนถึงไม่เหมาะกับช่วงเพิ่งเปิดตัว

โมเดล attribution แบบถ่วงน้ำหนัก เช่น position-based หรือ time-decay ต้องอาศัยจำนวนเส้นทางลูกค้า (customer journey) มากพอที่จะเห็นรูปแบบซ้ำ ๆ ที่มีนัยสำคัญทางสถิติ เมื่อมีออเดอร์แค่หลักสิบ การเปลี่ยนแปลงของลูกค้าเพียงไม่กี่คนก็ทำให้ผลลัพธ์เปอร์เซ็นต์เครดิตของแต่ละช่องทางสวิงไปมาอย่างรุนแรง

ผลลัพธ์ที่แกว่งแบบนี้ไม่ได้สะท้อนความจริงว่าช่องทางไหนดีกว่ากัน แต่สะท้อนแค่ความบังเอิญของตัวอย่างเล็ก ๆ ถ้าทีมการตลาดเอาผลลัพธ์นี้ไปตัดสินใจย้ายงบระหว่างแพลตฟอร์ม อาจตัดสินใจผิดพลาดเพราะไปเชื่อสัญญาณรบกวนที่ไม่มีความหมายจริง

ควรเริ่มจากโมเดลง่ายแบบไหนในช่วง cold-start

• Last-touch แบบง่าย — ให้เครดิตช่องทางสุดท้ายก่อนปิดออเดอร์เต็ม 100% ตีความง่าย ไม่ต้องอาศัยตัวอย่างจำนวนมากก็ยังใช้ได้
• First-touch แบบง่าย — ดูว่าช่องทางไหนพาลูกค้าเข้ามารู้จักสินค้าใหม่มากที่สุด เหมาะกับช่วงที่อยากรู้ว่าใครสร้าง awareness ได้ดี มากกว่าใครปิดยอดเก่ง
• นับจำนวนจุดสัมผัสแบบดิบ ๆ — แค่นับว่าแต่ละช่องทางมีคนทักไลน์เข้ามากี่ครั้ง โดยยังไม่ต้องถ่วงน้ำหนักอะไรเลยในช่วงแรก

จำนวนออเดอร์ขั้นต่ำที่ควรมีก่อนขยับไปใช้โมเดลซับซ้อน

ระหว่างรอข้อมูลมากพอ ให้จับสัญญาณเชิงทิศทางแทนตัวเลขที่แม่นยำ

ในช่วงที่ยอดยังน้อย สิ่งที่ทำได้ดีกว่าการไล่ตามเปอร์เซ็นต์เครดิตที่แม่นยำ คือการสังเกตสัญญาณเชิงทิศทางแบบกว้าง ๆ เช่น ช่องทางไหนที่มีคนทักไลน์เข้ามาถามซ้ำ ๆ บ่อยกว่า หรือช่องทางไหนที่ลูกค้าที่ทักเข้ามามีแนวโน้มถามคำถามเชิงลึกกว่าช่องทางอื่น

สัญญาณเชิงทิศทางแบบนี้แม้จะไม่ได้แปลงเป็นตัวเลขเปอร์เซ็นต์ที่แม่นยำ แต่ก็เพียงพอให้ทีมการตลาดตัดสินใจเบื้องต้นได้ว่าจะเพิ่มหรือลดงบช่องทางไหนก่อน โดยไม่ต้องรอให้มีข้อมูลมากพอจะรันโมเดลถ่วงน้ำหนักที่นิ่งจริง ๆ

ถ้าธุรกิจมีสินค้าตัวหลักที่ข้อมูลนิ่งอยู่แล้ว จะยืมความรู้มาใช้ได้แค่ไหน

หลายธุรกิจที่เปิดตัวสินค้าใหม่มักมีสินค้าตัวหลักที่ทำattribution windowและโมเดลจนนิ่งอยู่แล้ว คำถามคือยืมโมเดลของสินค้าเก่ามาใช้กับสินค้าใหม่ได้เลยไหม คำตอบคือใช้เป็น ‘จุดตั้งต้น’ ได้ แต่ต้องระวังว่าพฤติกรรมลูกค้าของสินค้าใหม่อาจต่างจากสินค้าเก่าโดยสิ้นเชิง โดยเฉพาะถ้าฐานลูกค้าเป้าหมายไม่ใช่กลุ่มเดียวกัน

วิธีที่ปลอดภัยกว่าคือใช้โมเดลง่ายของตัวเองไปก่อนตามจำนวนออเดอร์จริงของสินค้าใหม่ แล้วเทียบผลลัพธ์เชิงทิศทางกับสินค้าตัวหลักเป็นข้อมูลอ้างอิงเฉย ๆ ไม่ใช่เอาเปอร์เซ็นต์เครดิตของสินค้าเก่ามาใช้แทนกันตรง ๆ

ถ้าผ่านช่วง cold-start ไปแล้วแต่ยอดยังไม่โต ควรตัดสินใจอย่างไร

ปัญหาที่แยกจากเรื่องเลือกโมเดล attribution แต่มักถูกถามควบคู่กันเสมอคือ ถ้าผ่านช่วงสองสามเดือนแรกไปแล้วยอดออเดอร์ยังไม่ขยับขึ้นจากหลักสิบเลย ควรตัดสินใจอย่างไรต่อ คำตอบไม่ได้อยู่ที่การเปลี่ยนโมเดล attribution ให้ซับซ้อนขึ้น เพราะปัญหาที่แท้จริงอาจไม่ใช่เรื่องวัดผลไม่แม่น แต่เป็นเรื่องตัวสินค้าเองที่ยังไม่ตอบโจทย์ตลาดมากพอ

สำหรับบ้านสมุนไพรเปิ้ล สัญญาณที่ทีมใช้ตัดสินใจว่าจะลงทุนต่อหรือหยุดคือดูอัตราการทักไลน์ต่อยอดคนเห็นแอด (engagement rate) ควบคู่กับอัตราการปิดออเดอร์ ถ้าคนทักเข้ามาเยอะแต่ปิดยอดน้อย ปัญหาอาจอยู่ที่ราคาหรือการตอบแชท แต่ถ้าคนทักเข้ามาน้อยตั้งแต่ต้น ปัญหาอาจอยู่ที่ตัวครีเอทีฟหรือสินค้าเองที่ยังไม่ดึงดูดพอ ซึ่งเป็นคนละปัญหากับเรื่องเลือกโมเดล attribution ที่บทความนี้พูดถึงโดยตรง

ข้อควรระวัง: อย่าเพิ่งไปปรับจูนโมเดลถ่วงน้ำหนักละเอียดเกินจำเป็นตั้งแต่ต้น

ทีมการตลาดบางทีมพยายามปรับพารามิเตอร์ของโมเดล attribution ให้ละเอียดที่สุดตั้งแต่วันแรกของการเปิดตัวสินค้าใหม่ เช่น กำหนดค่าถ่วงน้ำหนักเฉพาะเจาะจงสำหรับแต่ละช่วงเวลาในเส้นทางลูกค้า ทั้งที่ยังไม่มีข้อมูลมากพอจะรู้ว่าค่าถ่วงน้ำหนักแบบไหนเหมาะสมจริง ๆ การทำแบบนี้เป็นการเสียเวลาไปกับความละเอียดที่ยังไม่มีความหมาย ในขณะที่เวลานั้นควรใช้ไปกับการปรับปรุงตัวสินค้าหรือข้อความโฆษณาให้ตรงใจลูกค้ามากขึ้นแทน

หลักการที่ควรยึดไว้คือ ความซับซ้อนของเครื่องมือวัดผลควรตามหลังความซับซ้อนของข้อมูลที่มีจริง ไม่ใช่นำหน้าไปก่อน เมื่อไรที่ข้อมูลมากพอและนิ่งพอ โมเดลที่ซับซ้อนขึ้นจะเริ่มให้ผลลัพธ์ที่มีความหมาย แต่ก่อนหน้านั้นการลงทุนเวลาไปกับความละเอียดของโมเดลมักไม่คุ้มค่าเท่ากับการโฟกัสที่พื้นฐานอย่างตัวสินค้าและการสื่อสารกับลูกค้า

บ้านสมุนไพรเปิ้ลเรียนรู้บทเรียนนี้ด้วยตัวเองหลังจากเสียเวลาไปเกือบสองสัปดาห์ลองปรับพารามิเตอร์โมเดลถ่วงน้ำหนักหลายแบบในช่วงเดือนแรกที่ยอดยังมีแค่สิบกว่าออเดอร์ สุดท้ายพบว่าไม่ว่าจะปรับพารามิเตอร์แบบไหน ผลลัพธ์ก็ยังแกว่งเหมือนเดิมเพราะปัญหาอยู่ที่จำนวนตัวอย่างไม่ใช่การตั้งค่า เมื่อเปลี่ยนมาโฟกัสที่การปรับปรุงข้อความตอบแชทและความเร็วในการตอบลูกค้าแทน ยอดขายกลับเพิ่มขึ้นเร็วกว่าการนั่งปรับโมเดลมาก

บทเรียนนี้ทำให้ทีมการตลาดของบ้านสมุนไพรเปิ้ลเปลี่ยนวิธีคิดสำหรับสินค้าใหม่ตัวถัดไปที่จะเปิดตัว โดยตกลงกันล่วงหน้าว่าในช่วงสองเดือนแรกจะไม่แตะต้องโมเดล attribution เลย แต่จะโฟกัสทั้งหมดไปที่การเก็บข้อมูลให้ครบและปรับปรุงประสบการณ์ลูกค้าให้ดีที่สุดก่อน แล้วค่อยกลับมาดูเรื่องโมเดลอย่างจริงจังเมื่อยอดออเดอร์เริ่มสะสมมากพอในภายหลัง

สรุป

สินค้าที่เพิ่งเปิดตัวและยอดปิดยังน้อย ไม่ควรรีบใช้โมเดล attribution แบบถ่วงน้ำหนักซับซ้อนตั้งแต่วันแรก เพราะผลลัพธ์จากตัวอย่างขนาดเล็กจะแกว่งไปมาจนไม่น่าเชื่อถือและอาจนำไปสู่การตัดสินใจย้ายงบผิดพลาด

เริ่มจากโมเดลง่ายอย่าง last-touch หรือ first-touch ไปก่อน จับสัญญาณเชิงทิศทางระหว่างทาง แล้วค่อยขยับไปใช้โมเดลที่ซับซ้อนขึ้นเมื่อจำนวนออเดอร์มากพอและผลลัพธ์เริ่มนิ่งในแต่ละเดือน

• โมเดลถ่วงน้ำหนักซับซ้อนต้องอาศัยจำนวนออเดอร์มากพอจึงจะให้ผลลัพธ์ที่มีความหมาย
• ช่วง cold-start ควรเริ่มจาก last-touch หรือ first-touch แบบง่ายไปก่อน
• รอให้ผลลัพธ์นิ่งขึ้นในแต่ละเดือนก่อนค่อยขยับไปใช้โมเดลที่ซับซ้อนขึ้น

คำถามที่พบบ่อย