ลูกค้าคลิกโฆษณาวันนี้ แต่ปิดในไลน์อีกหกสัปดาห์ให้หลัง: Time-Decay Attribution สำหรับสินค้าที่ตัดสินใจนาน
สรุปสั้น ๆ
Time-Decay Attribution ให้เครดิตกับจุดสัมผัสที่อยู่ใกล้วันปิดการขายมากกว่าจุดที่ห่างไกล เหมาะกับสินค้า B2B หรือของราคาสูงที่ใช้เวลาตัดสินใจเป็นสัปดาห์หรือเป็นเดือน เพราะโมเดล Last-Click ธรรมดาจะมองข้ามความยาวนานของเส้นทางลูกค้าไปเลย
‘SunRoof’ (ชื่อสมมติ) บริษัทติดตั้งโซลาร์เซลล์ให้บ้านพักอาศัย เจอปัญหาที่ทีมการตลาดปวดหัวมานาน คือลูกค้าคนหนึ่งดาวน์โหลดคู่มือคำนวณค่าไฟจากโฆษณา Facebook วันที่ 2 มิถุนายน หลังจากนั้นเห็นโฆษณารีทาร์เก็ตอีกสามครั้งในเดือนถัดมา จนวันที่ 15 กรกฎาคม เขาถึงทักเข้า LINE OA เพื่อขอใบเสนอราคา และปิดดีลจริงวันที่ 28 กรกฎาคม รวมแล้วเกือบสองเดือนตั้งแต่คลิกแรกถึงวันโอนเงิน
ถ้าใช้ Last-Click ธรรมดา เครดิตทั้งหมดจะตกไปที่โฆษณารีทาร์เก็ตตัวสุดท้ายก่อนวันทัก ทั้งที่จริง ๆ แล้วมีจุดสัมผัสอย่างน้อยสี่จุดที่ร่วมกันดันลูกค้าคนนี้มาถึงจุดปิดดีล การให้เครดิต 100% กับจุดสุดท้ายจุดเดียวจึงบิดเบือนภาพรวมไปมาก โดยเฉพาะสำหรับธุรกิจที่วงจรขายยาวแบบนี้
Time-Decay Attribution คือโมเดลที่ออกแบบมาเพื่อแก้ปัญหานี้โดยเฉพาะ — มันไม่ได้ให้เครดิตทั้งหมดกับจุดสุดท้ายเหมือน Last-Click และไม่ได้หารเท่ากันทุกจุดเหมือน Linear แต่ให้น้ำหนักเพิ่มขึ้นเรื่อย ๆ ตามความใกล้ของวันปิดดีล บทความนี้จะอธิบายว่ามันทำงานยังไง และทำไมธุรกิจวงจรขายยาวควรพิจารณาใช้
หลักการของ Time-Decay: ยิ่งใกล้วันปิด ยิ่งได้เครดิตมาก
แนวคิดพื้นฐานง่ายมาก คือกำหนด ‘ครึ่งชีวิต’ (half-life) ของเครดิต เช่น ตั้งไว้ที่ 7 วัน แปลว่าจุดสัมผัสที่เกิดขึ้น 7 วันก่อนปิดดีลจะได้เครดิตครึ่งหนึ่งของจุดสัมผัสที่เกิดขึ้นในวันปิดดีลเอง ส่วนจุดสัมผัสที่เกิดขึ้น 14 วันก่อนปิด จะได้แค่หนึ่งในสี่ ไล่ลดหลั่นกันไปแบบนี้เรื่อย ๆ
กรณีของ SunRoof ถ้าตั้ง half-life ไว้ที่ 10 วัน คู่มือคำนวณค่าไฟที่ดาวน์โหลดตั้งแต่ต้นเดือนมิถุนายนจะได้เครดิตน้อยมาก เพราะห่างจากวันปิดเกือบสองเดือน แต่โฆษณารีทาร์เก็ตช่วงต้นกรกฎาคมที่ใกล้วันทักมากกว่าจะได้เครดิตสูงกว่าชัดเจน สะท้อนความจริงว่าจุดสัมผัสไหนน่าจะมีบทบาทมากกว่าในการดันให้เขาตัดสินใจ
ข้อดีของโมเดลนี้คือมันยอมรับว่าจุดสัมผัสแรกมีค่าจริง (ไม่เหมือน Last-Click ที่ตัดทิ้งไปเลย) แต่ก็ไม่ได้ให้ค่าเท่ากับจุดใกล้วันปิดเหมือน Linear ซึ่งสมเหตุสมผลกว่าสำหรับธุรกิจที่ผู้ซื้อมักตัดสินใจจริงจังในช่วงใกล้วันปิดมากกว่าตอนเริ่มสนใจ
ทำไมธุรกิจ B2B และของราคาสูงถึงเหมาะกับโมเดลนี้เป็นพิเศษ
สินค้าที่ตัดสินใจไวแบบอิมพัลส์ไม่ค่อยมีปัญหานี้ เพราะเส้นทางลูกค้าสั้น จุดสัมผัสแรกกับจุดปิดห่างกันแค่ไม่กี่ชั่วโมง แต่สำหรับ B2B หรือของราคาสูงอย่างโซลาร์เซลล์ อสังหาริมทรัพย์ หรือคอร์สเรียนราคาแพง ผู้ซื้อมักต้องขอความเห็นจากคนในครอบครัวหรือทีมงาน เปรียบเทียบราคาหลายเจ้า และรอจังหวะการเงินที่พร้อม
ยิ่งวงจรขายยาว ยิ่งมีความเสี่ยงที่ Last-Click จะให้เครดิตกับ ‘จุดสัมผัสที่บังเอิญเกิดใกล้วันปิด’ มากกว่า ‘จุดสัมผัสที่แท้จริงสร้างความสนใจ’ Time-Decay ช่วยลดความเอนเอียงนี้โดยไม่ทิ้งความสำคัญของจุดสัมผัสตอนต้นทางไปทั้งหมด ซึ่งเหมาะกับธรรมชาติของการตัดสินใจแบบพิจารณานาน
ตัวอย่างการตั้งค่า half-life ตามความยาวของวงจรขาย
| วงจรขายโดยเฉลี่ย | half-life ที่แนะนำเริ่มต้น | เหตุผล |
|---|---|---|
| 1-3 วัน (อิมพัลส์) | 1 วัน | จุดสัมผัสใกล้วันปิดมีน้ำหนักสูงเกือบทั้งหมดอยู่แล้ว |
| 1-2 สัปดาห์ | 3-5 วัน | ยังมีจุดสัมผัสต้นทางที่ควรได้เครดิตพอสมควร |
| 1-2 เดือน (B2B/high-ticket) | 10-14 วัน | ต้องกระจายเครดิตให้จุดสัมผัสหลายจุดตลอดเส้นทางยาว |
จะรู้ half-life ที่แม่นได้ ต้องเห็นวันที่ของทุกจุดสัมผัส ไม่ใช่แค่วันปิด
ปัญหาจริงของ SunRoof ไม่ใช่แค่เรื่องเลือกโมเดล แต่คือการที่แอดมินไลน์ไม่เคยรู้ว่าลูกค้าคนที่ทักมาวันนี้เคยคลิกโฆษณาอะไรมาก่อนบ้างเมื่อไหร่ ถ้าไม่มีระบบเชื่อมข้อมูลคลิกย้อนหลังกับวันที่ปิดจริงในแชท ก็ไม่มีทางคำนวณ time-decay ได้เลย เพราะโมเดลนี้ต้องอาศัยไทม์สแตมป์ของทุกจุดสัมผัส ไม่ใช่แค่จุดสุดท้าย
สิ่งที่ SunRoof เริ่มทำคือให้ทีมขายกรอกวันที่ ‘เริ่มติดต่อครั้งแรก’ กับ ‘วันปิดดีล’ ในทุกเคส แล้วย้อนดูจากแพลตฟอร์มโฆษณาว่าลูกค้ารายนั้นมีคลิกกี่ครั้งในช่วงเวลาดังกล่าว ทำให้พอมองเห็นรูปแบบว่าวงจรขายเฉลี่ยของธุรกิจตัวเองอยู่ที่ราวหกสัปดาห์ ซึ่งกลายเป็นฐานในการตั้งค่า half-life ให้เหมาะสมกว่าการเดาส่งเดช
ข้อผิดพลาดที่มักเจอเมื่อเริ่มใช้ Time-Decay
- ตั้ง half-life สั้นเกินไปเพราะก็อปปี้ค่าจากธุรกิจอิมพัลส์ ทำให้ผลลัพธ์ออกมาแทบไม่ต่างจาก Last-Click เลย
- ไม่บันทึกวันที่ของจุดสัมผัสตอนต้นทาง ทำให้โมเดลไม่มีข้อมูลเพียงพอจะคำนวณค่าถ่วงน้ำหนักได้จริง
- ลืมทบทวน half-life เมื่อวงจรขายเปลี่ยน เช่นเปิดโปรโมชันผ่อนชำระที่ทำให้คนตัดสินใจไวขึ้น แต่ยังใช้ค่าเก่าที่ตั้งไว้ตอนวงจรขายยาวกว่านี้
สรุป
สำหรับธุรกิจที่วงจรขายยาว การให้เครดิตทั้งหมดกับจุดสัมผัสสุดท้ายเหมือน Last-Click คือการมองข้ามความจริงว่าลูกค้าใช้เวลาคิดนานแค่ไหนกว่าจะมาถึงจุดปิดดีล
Time-Decay ไม่ได้สมบูรณ์แบบ แต่มันสะท้อนธรรมชาติของการตัดสินใจแบบพิจารณานานได้ดีกว่าโมเดลง่าย ๆ ทั่วไป ลองเริ่มจากการบันทึกวันที่ของทุกจุดสัมผัสให้ครบก่อน แล้วค่อยปรับ half-life ให้เข้ากับวงจรขายจริงของธุรกิจคุณ
- Time-Decay ให้เครดิตมากขึ้นกับจุดสัมผัสที่ใกล้วันปิดดีล เหมาะกับวงจรขายยาว
- ต้องมีไทม์สแตมป์ของทุกจุดสัมผัส ไม่ใช่แค่วันปิด ถึงจะคำนวณได้จริง
- ตั้ง half-life จากวงจรขายเฉลี่ยจริงของธุรกิจ ไม่ใช่ก็อปปี้ค่าจากธุรกิจอื่น
คำถามที่พบบ่อย
Time-Decay กับ Linear Attribution ต่างกันตรงไหน
Linear หารเครดิตเท่ากันทุกจุดสัมผัสไม่ว่าจะเกิดขึ้นเมื่อไหร่ ส่วน Time-Decay ให้น้ำหนักมากขึ้นกับจุดที่ใกล้วันปิดดีล ทำให้เหมาะกับธุรกิจที่เชื่อว่าจุดสัมผัสหลัง ๆ มีอิทธิพลต่อการตัดสินใจมากกว่าจุดแรก ๆ
ควรตั้ง half-life จากอะไร ไม่ใช่การเดาสุ่ม
ควรตั้งจากวงจรขายเฉลี่ยจริงของธุรกิจตัวเอง โดยย้อนดูเคสที่ปิดแล้วสักสิบยี่สิบเคสว่าโดยเฉลี่ยจากจุดสัมผัสแรกถึงวันปิดใช้เวลากี่วัน แล้วตั้ง half-life เป็นสัดส่วนหนึ่งในสามถึงครึ่งหนึ่งของค่านั้นเป็นจุดเริ่มต้น
ธุรกิจที่วงจรขายสั้นควรใช้ Time-Decay ไหม
ถ้าวงจรขายสั้นมากอย่างสินค้าอิมพัลส์ที่ปิดภายในไม่กี่ชั่วโมง ใช้ Last-Click ธรรมดาก็ให้ผลใกล้เคียงกันอยู่แล้ว Time-Decay จะเห็นประโยชน์ชัดกว่ามากเมื่อวงจรขายยาวเป็นสัปดาห์หรือเป็นเดือน
ต้องมีซอฟต์แวร์พิเศษไหมถึงจะคำนวณ Time-Decay ได้
ไม่จำเป็นต้องเริ่มด้วยซอฟต์แวร์ราคาแพง ถ้ามีวันที่ของแต่ละจุดสัมผัสครบ สามารถคำนวณด้วยสูตรถ่วงน้ำหนักในสเปรดชีตได้ แต่ถ้าจำนวนดีลเยอะขึ้น การมีระบบช่วยดึงข้อมูลอัตโนมัติจะประหยัดเวลากว่ามาก
จุดสัมผัสที่เกิดก่อนหน้านานมาก ๆ ควรตัดทิ้งไปเลยไหม
ไม่ควรตัดทิ้งทันที ให้ปล่อยให้สูตร decay ลดค่าลงเองตามธรรมชาติ เพราะบางครั้งจุดสัมผัสแรกที่ดูห่างไกลก็ยังมีส่วนสร้างการรับรู้อยู่บ้าง แม้จะน้อยกว่าจุดใกล้วันปิดมากก็ตาม
บทความที่เกี่ยวข้อง
