ลูกค้าคลิกโฆษณาวันนี้ แต่ปิดในไลน์อีกหกสัปดาห์ให้หลัง นี่คือกรณีที่ต้องใช้ Time-Decay Attribution กับสินค้าที่ตัดสินใจนาน

‘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

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