เดือนนี้มีคนจองทดลองเรียน 40 คน แต่ไม่รู้ว่ากี่คนจ่ายเงินสมัครจริง
สรุปสั้น ๆ
อัตราแปลงจากทดลองเรียนเป็นสมัครจริงควรวัดอย่างน้อยระดับ Campaign เพื่อรู้ว่าแคมเปญไหนพาคนที่ตั้งใจเรียนจริงเข้ามา ส่วนระดับ Ad หรือ Keyword ควรทำเมื่อมีจำนวนข้อมูลมากพอ ไม่งั้นตัวเลขจะผันผวนจนเอาไปตัดสินใจไม่ได้
สมมติสถาบันสอนดนตรีแห่งหนึ่งเปิดให้จองคลาสทดลองเรียนฟรีผ่าน LINE เดือนที่แล้วมีคนจอง 40 คน ทีมการตลาดดีใจเพราะดูเหมือนแคมเปญทำงานได้ผล แต่พอถามฝ่ายครูผู้สอนว่ามีกี่คนที่สมัครเรียนต่อหลังทดลองจบ คำตอบคือ 'ไม่แน่ใจ จำได้คร่าว ๆ ว่าประมาณสิบกว่าคน'
ความไม่แน่ใจนี้ไม่ใช่ความผิดของครูผู้สอน เพราะงานหลักของเขาคือสอน ไม่ใช่นับสถิติ แต่มันสะท้อนว่าสถาบันยังไม่มีจุดที่เชื่อมระหว่าง 'ใครจองทดลองเรียน' กับ 'ใครสมัครต่อ' เข้าด้วยกันอย่างเป็นระบบ ทำให้ทีมการตลาดรู้แค่ครึ่งแรกของเรื่อง และไม่รู้เลยว่าเงินที่จ่ายไปกับแอดสร้างนักเรียนจริงกี่คน
บทความนี้จะพาดูว่าควรวัด Conversion จากทดลองเรียนไปถึงสมัครจริงที่ระดับไหนของโครงสร้างแคมเปญ และจะเชื่อมข้อมูลสองฝั่งนี้เข้าด้วยกันอย่างไรโดยไม่เพิ่มภาระงานให้ครูผู้สอนมากเกินไป
ทดลองเรียนเป็นจุดกลางของ Funnel ไม่ใช่เป้าหมายสุดท้าย
หลายสถาบันตั้ง Conversion หลักของแคมเปญไว้ที่ 'จองทดลองเรียน' เพราะเป็นเหตุการณ์ที่วัดง่ายและเกิดเร็วกว่าการสมัครจริง แต่ถ้ามองแค่ตัวเลขนี้อย่างเดียว จะเห็นภาพครึ่งเดียวของธุรกิจ เพราะคนที่จองทดลองเรียนบางส่วนแค่อยากลองฟรี ไม่ได้ตั้งใจเรียนต่อจริงจัง
การมีคนจองทดลองเรียนเยอะจึงไม่ได้แปลว่าแคมเปญนั้นดีเสมอไป ต้องดูควบคู่กับอัตราที่คนกลุ่มนี้สมัครเรียนต่อด้วย ถึงจะบอกได้ว่าแคมเปญไหนพาคนที่ตั้งใจเรียนจริงเข้ามา ไม่ใช่แค่คนที่อยากลองของฟรี
อีกมุมที่มักถูกมองข้ามคือทดลองเรียนมีต้นทุนแฝงที่ไม่ใช่แค่ค่าแอด สถาบันต้องเสียเวลาครูผู้สอน เสียห้องเรียนหรือคิวสอนที่อาจเอาไปให้นักเรียนที่จ่ายเงินแล้วได้ ถ้าแคมเปญดึงคนที่ไม่ตั้งใจเรียนต่อเข้ามาทดลองเยอะเกินไป นอกจากจะไม่ได้นักเรียนเพิ่มแล้ว ยังเปลืองทรัพยากรที่ควรเอาไปดูแลนักเรียนปัจจุบันด้วย นี่คือเหตุผลที่การวัด Conversion จากทดลองเรียนไปถึงสมัครจริงสำคัญกว่าการนับจำนวนคนจองเพียงอย่างเดียว
ควรวัดระดับ Campaign, Ad หรือ Keyword แค่ไหน
คำตอบขึ้นอยู่กับปริมาณข้อมูลที่มี ถ้าสถาบันมีคนจองทดลองเรียนต่อเดือนไม่มาก การแยกวัดถึงระดับ Ad หรือ Keyword จะทำให้แต่ละกลุ่มมีตัวอย่างน้อยเกินไปจนสรุปอะไรไม่ได้ เช่นถ้า Ad หนึ่งมีคนจองแค่สามคน แล้วสมัครต่อหนึ่งคน จะบอกว่า Ad นั้นแปลงได้ 33% ก็เสี่ยงเกินไปเพราะตัวอย่างน้อยมาก
| ระดับ | เหมาะกับสถาบันแบบไหน | ข้อควรระวัง |
|---|---|---|
| Campaign | ปริมาณ Lead ปานกลางถึงน้อย | ยังบอกไม่ได้ว่าครีเอทีฟไหนทำงาน |
| Ad | ปริมาณ Lead มากพอในแต่ละ Ad | ต้องมีจำนวนตัวอย่างมากพอ ไม่งั้นสรุปผิดได้ |
| Keyword | แคมเปญ Search ที่มี Lead จำนวนมาก | คำค้นเฉพาะเจาะจงอาจมีปริมาณน้อยเกินไปให้วัด |
เชื่อมข้อมูลทดลองเรียนกับข้อมูลสมัครจริงยังไงไม่ให้เพิ่มงานครู
จุดที่ต้องออกแบบให้ดีคือใครเป็นคนบันทึกว่านักเรียนคนไหนสมัครต่อหลังทดลองเรียน ถ้าให้ครูผู้สอนต้องกรอกระบบหลังสอนทุกครั้ง อาจถูกมองว่าเป็นภาระเพิ่ม จึงควรให้ฝ่ายธุรการหรือแอดมิน LINE เป็นผู้ปิดสถานะแทน โดยอ้างอิงจากใบสมัครหรือยอดชำระเงินที่มีอยู่แล้ว
วิธีที่ใช้ได้จริงคือใช้ Lead ID เดียวกันตั้งแต่วันที่จองทดลองเรียน ผ่านการทดลองเรียน จนถึงวันสมัคร โดยไม่สร้างข้อมูลใหม่ทุกขั้น เมื่อฝ่ายธุรการยืนยันการชำระเงิน ระบบจะอัปเดตสถานะของ Lead เดิม ทำให้ย้อนกลับไปดูได้ว่า Lead รายนี้มาจากแคมเปญไหนตั้งแต่ต้น เรื่องนี้เชื่อมโยงกับหลักการเดียวกับการปิดช่องว่างระหว่างคลิกกับการเข้า LINE คือต้องมีตัวเชื่อมที่ไม่ขาดตอนตลอดเส้นทาง
ทำแบบนี้แล้วพัง เพราะบางสถาบันให้แอดมินสร้าง Lead ใหม่ทุกครั้งที่นักเรียนติดต่อกลับมาหลังทดลองเรียน โดยเฉพาะถ้าติดต่อผ่านเบอร์โทรแทนแชทเดิม พอถึงเวลาสรุปยอด ระบบจึงนับ Lead ซ้ำและทำให้อัตราแปลงดูต่ำกว่าความเป็นจริง เพราะระบบไม่รู้ว่า Lead สองรายการนี้คือคนเดียวกัน ทางแก้คือกำหนดให้แอดมินค้นหาเบอร์โทรหรือชื่อในระบบก่อนสร้าง Lead ใหม่ทุกครั้ง ไม่ใช่สร้างใหม่โดยอัตโนมัติทุกช่องทางติดต่อ
ตัวอย่างสมมติการอ่านตัวเลขทั้ง Funnel
ลองดูตัวอย่างสมมติเพื่อให้เห็นภาพการเทียบทั้ง Funnel แคมเปญ A มีคนจองทดลองเรียน 25 คน สมัครต่อ 10 คน คิดเป็นอัตราแปลง 40% ส่วนแคมเปญ B มีคนจองทดลองเรียน 40 คน แต่สมัครต่อแค่ 8 คน คิดเป็นอัตราแปลง 20% ถ้าดูแค่จำนวนคนจองทดลองเรียน แคมเปญ B ดูเหมือนทำงานได้ดีกว่า แต่พอดูอัตราแปลงเป็นนักเรียนจริง แคมเปญ A กลับให้ผลลัพธ์ที่คุ้มค่ากว่าต่อคนที่จอง
ตัวเลขนี้เป็นตัวอย่างสมมติเพื่อประกอบกรอบวิเคราะห์เท่านั้น อัตราแปลงจริงของแต่ละสถาบันจะต่างกันตามประเภทวิชา ราคาคอร์ส และประสบการณ์ของครูผู้สอนคลาสทดลอง
ปัจจัยนอกเหนือจากโฆษณาที่ทำให้อัตราแปลงต่ำ
- คลาสทดลองเรียนสั้นหรือยาวเกินไป ไม่พอให้ผู้ปกครองเห็นสไตล์การสอน
- ครูผู้สอนคลาสทดลองกับครูประจำคนละคน ทำให้ประสบการณ์ไม่ต่อเนื่อง
- ไม่มีการติดตามหลังทดลองเรียนภายในเวลาที่เหมาะสม ปล่อยให้ความสนใจเย็นลง
- ราคาคอร์สจริงต่างจากที่สื่อสารไว้ตอนโฆษณา ทำให้ผู้ปกครองรู้สึกไม่ตรงกับที่คาดไว้
ช่วงเวลาหลังทดลองเรียนคือจุดตัดสินใจที่สำคัญที่สุด
หลายสถาบันทุ่มความพยายามไปกับการดึงคนมาทดลองเรียน แต่ปล่อยให้ช่วงหลังทดลองเรียนเงียบไปเอง ทั้งที่นี่คือจุดที่ตัดสินว่าคนจะสมัครหรือไม่สมัคร การมีข้อความติดตามภายในหนึ่งถึงสองวันหลังทดลองเรียน พร้อมถามความรู้สึกและตอบคำถามที่ค้างอยู่ มีผลต่ออัตราแปลงมากกว่าที่หลายคนคิด
จังหวะการติดตามนี้ยังเป็นช่วงที่เก็บเหตุผลที่ยังไม่ตัดสินใจสมัครได้ดีที่สุด เพราะความรู้สึกยังสดอยู่ ถ้าปล่อยนานเกินไปผู้ปกครองอาจให้เหตุผลที่ไม่ตรงกับความจริงเพราะจำรายละเอียดไม่ได้แล้ว
ใช้ตัวเลขนี้วางแผนจำนวนคลาสทดลองต่อเดือน
เมื่อรู้อัตราแปลงจากทดลองเรียนเป็นสมัครจริงของแต่ละแคมเปญแล้ว สถาบันสามารถใช้ตัวเลขนี้วางแผนกำลังการรับคลาสทดลองได้แม่นขึ้น แทนที่จะเปิดรับจองทดลองเรียนไม่อั้นจนครูผู้สอนล้นมือ ควรกำหนดโควตาต่อสัปดาห์ตามความจุจริง แล้วให้แคมเปญที่มีอัตราแปลงสูงกว่าได้โควตามากกว่าแคมเปญที่ดึงคนมาทดลองเยอะแต่ปิดสมัครได้น้อย
- รวบรวมข้อมูลอัตราแปลงย้อนหลังอย่างน้อยสองเดือนของแต่ละแคมเปญ ก่อนเริ่มจัดสรรโควตาคลาสทดลอง
- จัดลำดับแคมเปญตามอัตราแปลง ไม่ใช่ตามจำนวนคนจองทดลองเรียนอย่างเดียว
- ให้โควตาคลาสทดลองมากขึ้นกับแคมเปญที่อัตราแปลงสูง และพิจารณาลดงบหรือปรับข้อความโฆษณาของแคมเปญที่อัตราแปลงต่ำต่อเนื่องหลายเดือน
- ทบทวนโควตาใหม่ทุกไตรมาส เพราะพฤติกรรมผู้ปกครองและคู่แข่งในตลาดเปลี่ยนได้ตลอดเวลา ตัวเลขที่ใช้ได้ผลเมื่อสองไตรมาสก่อนอาจไม่เหมาะกับตอนนี้แล้ว
รักษาที่มาของแคมเปญไว้ตลอดเส้นทางตั้งแต่คลิกจนถึงสมัคร
อีกจุดที่ทำให้การวัดอัตราแปลงคลาดเคลื่อนคือการทำ UTM หรือแท็กแคมเปญหายไประหว่างทาง โดยเฉพาะเมื่อผู้ปกครองจองทดลองเรียนผ่านลิงก์จากโฆษณาหนึ่ง แต่พอสมัครจริงกลับติดต่อผ่านช่องทางอื่น เช่นโทรเข้าเบอร์สาขาโดยตรงหรือเดินมาที่หน้าร้าน ถ้าไม่มีการบันทึกอ้างอิงกลับไปยัง Lead เดิม ระบบจะไม่รู้ว่าการสมัครนี้มาจากแคมเปญไหน ทำให้อัตราแปลงของแคมเปญนั้นดูต่ำกว่าความเป็นจริง
ทำแบบนี้แล้วพัง เพราะบางสถาบันปล่อยให้พนักงานหน้าร้านหรือฝ่ายรับสมัครบันทึกยอดสมัครแยกจากระบบ Lead ของฝ่ายการตลาดโดยสิ้นเชิง พอถึงสิ้นเดือน ตัวเลขยอดสมัครที่ฝ่ายธุรการมีจึงสูงกว่าตัวเลขที่ระบบการตลาดติดตามได้มาก เพราะนักเรียนส่วนหนึ่งสมัครผ่านช่องทางที่ไม่ได้เชื่อมกับ Lead ID เดิม ทำให้ทีมการตลาดเข้าใจผิดว่าแคมเปญทำงานได้แย่กว่าความจริง ทั้งที่จริงเป็นปัญหาการเชื่อมข้อมูลระหว่างแผนก
วิธีป้องกันคือให้ทุกช่องทางที่รับสมัคร ไม่ว่าจะเป็นหน้าร้าน โทรศัพท์ หรือแชท ถามคำถามเดียวกันเสมอว่า 'เคยจองทดลองเรียนผ่านช่องทางไหนมาก่อนไหม' แล้วให้ผู้รับสมัครค้นหาชื่อหรือเบอร์โทรในระบบ Lead ก่อนบันทึกเป็นยอดสมัครใหม่ทุกครั้ง เพื่อให้ที่มาของแคมเปญไม่หลุดหายไประหว่างทาง
รอบเวลาที่ควรทบทวนตัวเลขนี้ร่วมกันทั้งทีม
| รอบเวลา | สิ่งที่ควรดู | ใครควรอยู่ในวงประชุม |
|---|---|---|
| รายสัปดาห์ | จำนวนคนจองทดลองเรียนและสถานะติดตามล่าสุด | แอดมิน หัวหน้าทีมขาย |
| รายเดือน | อัตราแปลงจากทดลองเรียนเป็นสมัครจริงต่อแคมเปญ | การตลาด หัวหน้าทีมขาย ฝ่ายธุรการ |
| รายไตรมาส | ทบทวนโควตาคลาสทดลองและงบโฆษณาตามอัตราแปลง | ผู้บริหาร การตลาด หัวหน้าครูผู้สอน |
สรุป
จำนวนคนจองทดลองเรียนบอกแค่ว่าโฆษณาดึงความสนใจได้ แต่ไม่ได้บอกว่าธุรกิจได้นักเรียนจริงกี่คน การวัดให้ถึงจุดสมัครจริงต้องอาศัยการผูก Lead เดิมตลอดเส้นทาง และเลือกระดับการวัดให้เหมาะกับปริมาณข้อมูลที่มี ไม่ใช่พยายามแยกละเอียดเกินกว่าที่ข้อมูลจะรองรับได้
สิ่งที่ควรทำต่อจากนี้คือทบทวนว่าตอนนี้มีจุดเชื่อมระหว่างการจองทดลองเรียนกับการสมัครจริงหรือยัง ถ้ายังไม่มี เริ่มจากให้ฝ่ายธุรการปิดสถานะในระบบเดิมที่มีอยู่ก่อน แล้วค่อยขยับไปดูตัวเลขระดับแคมเปญให้ลึกขึ้นเมื่อข้อมูลสะสมมากพอ
- จองทดลองเรียนเป็นจุดกลาง ไม่ใช่เป้าหมายสุดท้ายของ Funnel
- เลือกระดับวัด Campaign/Ad/Keyword ตามปริมาณข้อมูลที่มีจริง
- ช่วงติดตามหลังทดลองเรียนมีผลต่ออัตราแปลงมากกว่าที่หลายคนคิด
- การแปลงคนเรียนทดลองเป็นคนจ่ายเงินจริง อ่านที่การแปลงคนเรียนทดลองเป็นผู้เรียนที่จ่ายเงินจริง
- เคสโรงเรียนสอนภาษาที่วัดผลคลาสทดลอง ดูที่เคสโรงเรียนสอนภาษาที่วัดผลคลาสทดลอง
คำถามที่พบบ่อย
ควรตั้ง Conversion หลักของแคมเปญไว้ที่จองทดลองเรียนหรือสมัครจริง
ถ้าจำนวนคนสมัครจริงต่อเดือนยังน้อย อาจต้องใช้จองทดลองเรียนเป็น Primary ไปก่อนเพราะมีปริมาณมากพอให้ระบบเรียนรู้ แล้วค่อยผสมสมัครจริงเป็น Secondary เมื่อข้อมูลสะสมมากขึ้น
อัตราแปลงจากทดลองเรียนเป็นสมัครจริงเท่าไหร่ถึงเรียกว่าดี
ไม่มีมาตรฐานตายตัวเพราะขึ้นกับประเภทวิชาและราคาคอร์ส วิธีที่ใช้ได้จริงคือเทียบอัตราแปลงของแต่ละแคมเปญกับค่าเฉลี่ยของสถาบันเอง ไม่เทียบกับสถาบันอื่น
ถ้าครูผู้สอนไม่มีเวลากรอกข้อมูลหลังสอน ควรทำยังไง
ให้ฝ่ายธุรการหรือแอดมินเป็นผู้ปิดสถานะแทนโดยอ้างอิงจากใบสมัครหรือยอดชำระเงิน ไม่จำเป็นต้องให้ครูผู้สอนรับผิดชอบงานบันทึกข้อมูล
ทำไมแคมเปญที่ได้คนจองทดลองเรียนเยอะถึงไม่ใช่แคมเปญที่ดีที่สุดเสมอไป
เพราะจำนวนคนจองวัดแค่ความสนใจเบื้องต้น ไม่ได้บอกว่าคนกลุ่มนั้นตั้งใจเรียนต่อจริงจังแค่ไหน ต้องดูอัตราแปลงเป็นนักเรียนจริงประกอบเสมอ
ควรวัดที่ระดับ Keyword เมื่อไหร่
เมื่อแคมเปญ Search มีปริมาณคลิกและ Lead มากพอในแต่ละคำค้น ถ้าคำค้นหนึ่งมี Lead แค่หนึ่งถึงสองคนต่อเดือน การวัดระดับนี้จะให้ข้อมูลที่ไม่นิ่งพอจะตัดสินใจ
linli ช่วยเชื่อมข้อมูลทดลองเรียนกับสมัครจริงได้ไหม
linli ช่วยเก็บ Lead ID เดิมตั้งแต่จองทดลองเรียนจนถึงสถานะสมัคร ทำให้ทีมย้อนดูได้ว่าแคมเปญไหนพาคนที่สมัครเรียนจริงเข้ามา ไม่ใช่แค่คนที่จองทดลองแล้วหายไป
ถ้าสถาบันมีหลายสาขา ควรวัดอัตราแปลงแยกสาขากันไหม
ควรแยก เพราะแต่ละสาขาอาจมีทำเลและกลุ่มเป้าหมายต่างกัน การรวมตัวเลขทุกสาขาเข้าด้วยกันอาจบดบังปัญหาของสาขาใดสาขาหนึ่งที่อัตราแปลงต่ำผิดปกติ ควรดูภาพรวมควบคู่กับตัวเลขรายสาขาเสมอเพื่อไม่ให้พลาดสัญญาณเตือนที่สำคัญ
อ่านต่อแบบเจาะลึก
ทดลองวัดผลโฆษณาเข้า LINE ฟรี 14 วัน
สมัครแล้วสร้างโปรเจกต์ เชื่อม LINE ติดตั้ง Tracking แล้วเริ่มเห็น Funnel จาก Click ถึง Purchase ได้ทันที ไม่ต้องใช้บัตรเครดิต
เริ่มทดลองใช้ฟรี 14 วันบทความที่เกี่ยวข้อง
ส่ง Conversion ผ่าน CAPI กับผ่าน Pixel ต่างกันตรงไหน
ทำไมยอดใน Ads Manager ถึงไม่ตรงกับยอดโอนจริงของฝ่ายการเงิน
