วัด ROAS คอร์สเรียนที่ปิดการขายใน LINE ให้ตรงกับยอดสมัครจริง

เจ้าของสถาบันสอนทำอาหารรายหนึ่งเล่าให้ฟังว่ายิงแอดสามแคมเปญพร้อมกันเข้า LINE เดียวกัน พอสิ้นเดือนอยากรู้ว่าแคมเปญไหนทำ ROAS ได้ดีที่สุด แต่พอเปิดดูข้อมูลจริงกลับพบว่าลิงก์ที่ใช้ในทั้งสามแคมเปญเป็นลิงก์ LINE OA เดียวกันแบบไม่มีการติดแท็กอะไรเลย ทำให้ไม่มีทางแยกได้เลยว่าคนที่ทักเข้ามาแต่ละคนมาจากแคมเปญไหน

สุดท้ายเขาต้องเดาโดยอิงจากช่วงเวลาที่แคมเปญแต่ละตัวยิง ซึ่งไม่แม่นเลยเพราะทั้งสามแคมเปญยิงพร้อมกันตลอดเดือน การเดาแบบนี้ทำให้เขาตัดสินใจเพิ่มงบให้แคมเปญที่คิดว่าดีที่สุดผิดตัว และผลลัพธ์เดือนถัดมาก็ไม่ได้ดีขึ้นตามที่คาด

ปัญหานี้แก้ได้ตั้งแต่ต้นทางด้วยการวางโครง UTM ให้ถูกต้องก่อนเริ่มยิงแอด บทความนี้จะพาดูว่าควรออกแบบ UTM อย่างไร และควรส่ง Conversion อะไรกลับแพลตฟอร์มโฆษณาเพื่อให้คำนวณ ROAS ได้แม่นจริง

ทำไมต้องวาง UTM ก่อนยิงแอด ไม่ใช่แก้ทีหลัง

UTM คือชุดพารามิเตอร์ที่ติดไปกับลิงก์เพื่อบอกว่าคลิกนี้มาจากแหล่งไหน แคมเปญไหน และครีเอทีฟตัวไหน เมื่อคนคลิกลิงก์ที่มี UTM แล้วเข้า LINE ระบบที่เชื่อมข้อมูลไว้จะสามารถผูก Lead รายนั้นกับแคมเปญต้นทางได้ทันที ต่างจากการใช้ลิงก์ LINE OA เดียวที่ไม่มีทางแยกแหล่งที่มาได้เลยหลังจากคลิกไปแล้ว

การแก้ปัญหาทีหลังด้วยการถามผู้ปกครองว่า 'ทราบข่าวคอร์สนี้จากช่องทางไหน' ก็พอช่วยได้บ้าง แต่ความแม่นยำต่ำกว่าการติดแท็กอัตโนมัติมาก เพราะคนมักจำไม่ได้แน่ชัดว่าคลิกจากโฆษณาตัวไหน โดยเฉพาะถ้าเห็นโฆษณาของสถาบันเดียวกันหลายตัวในฟีดเดียวกัน

โครง UTM ที่ใช้แยกแคมเปญได้จริงสำหรับสถาบันสอนคอร์ส

จุดสำคัญคือต้องตั้งชื่อ utm_campaign ให้สอดคล้องกับชื่อแคมเปญในแพลตฟอร์มโฆษณาจริง เพื่อให้ตอนดึงรายงานมาเทียบกัน ไม่ต้องมานั่งจับคู่ชื่อที่ไม่ตรงกันทีหลัง และควรมีมาตรฐานการตั้งชื่อที่ทุกคนในทีมใช้ร่วมกัน ไม่ใช่แต่ละคนตั้งชื่อตามใจตัวเอง

ผูกยอดขายกลับไปยังแคมเปญต้นทางให้ครบวงจร

เมื่อมี UTM ที่ผูก Lead กับแคมเปญแล้ว ขั้นต่อไปคือต้องเชื่อมต่อไปถึงยอดขายจริงเมื่อมีการสมัครเรียนและชำระเงิน วิธีที่ใช้ได้จริงคือให้ระบบเก็บ Lead ID เดียวกันตั้งแต่คลิกแรกจนถึงวันที่ธุรการยืนยันรับเงิน แล้วดึงยอดเงินที่ได้จริงมาเทียบกับค่าแอดของแคมเปญนั้นเพื่อคำนวณ ROAS

สูตรพื้นฐานคือ ROAS เท่ากับยอดขายที่ได้จากแคมเปญ หารด้วยค่าแอดที่จ่ายไปในแคมเปญนั้น ถ้าได้ค่ามากกว่า 1 แปลว่าแคมเปญนั้นสร้างรายได้มากกว่าที่จ่ายไป แต่ตัวเลขนี้ยังไม่ได้หักต้นทุนอื่นอย่างค่าครูผู้สอนหรือค่าเช่าสถานที่ จึงควรใช้ประกอบกับ Margin ของคอร์สด้วยเสมอ ไม่ใช่ดู ROAS อย่างเดียวแล้วสรุปว่าคุ้มทุน

ตัวอย่างสมมติการคำนวณ ROAS แยกแคมเปญ

ลองดูตัวอย่างสมมติ แคมเปญ A ใช้งบ 15,000 บาท ได้ยอดขายคอร์สที่ผูกกลับมาได้ 60,000 บาท คิดเป็น ROAS 4 เท่า ส่วนแคมเปญ B ใช้งบ 20,000 บาท ได้ยอดขาย 50,000 บาท คิดเป็น ROAS 2.5 เท่า ถ้าดูแค่ยอดขายรวม แคมเปญ B ดูเหมือนสร้างรายได้มากกว่าไม่มาก แต่พอดู ROAS แคมเปญ A ให้ผลตอบแทนต่อบาทที่จ่ายไปดีกว่าชัดเจน

ตัวเลขนี้เป็นตัวอย่างสมมติเพื่อประกอบกรอบวิเคราะห์เท่านั้น ค่า ROAS ที่ถือว่าคุ้มทุนจริงของแต่ละสถาบันขึ้นกับ Margin ของคอร์สนั้น ๆ สถาบันที่มี Margin สูงอาจรับ ROAS ต่ำกว่า 2 ได้ ในขณะที่สถาบันที่ Margin บางอาจต้องการ ROAS สูงกว่า 4 ถึงจะคุ้มทุนจริง

ควรส่ง Conversion อะไรกลับแพลตฟอร์มโฆษณา

• Lead หรือ 'ทักแชท' เหมาะเป็น Conversion เริ่มต้นเมื่อข้อมูลยังสะสมไม่มาก เพราะมีปริมาณมากพอให้ระบบเรียนรู้เร็ว
• Qualified Lead เหมาะเมื่อมีระบบติดป้ายสถานะแล้วและต้องการให้ระบบหาคนคุณภาพใกล้เคียงมากขึ้น
• Purchase หรือ 'สมัครเรียนสำเร็จ' เหมาะเมื่อมีจำนวนยอดขายต่อเดือนมากพอ ปกติควรมีอย่างน้อยหลายสิบ Conversion ต่อสัปดาห์ต่อแคมเปญ ระบบถึงจะ Optimize ได้แม่น
• หากส่งยอดเงินจริง (Purchase Value) กลับไปด้วยได้ ระบบโฆษณาบางแพลตฟอร์มจะใช้ข้อมูลนี้ Optimize หา Lead ที่มีแนวโน้มใช้จ่ายสูงได้ดีขึ้นกว่าการส่งแค่ Event เฉย ๆ

ความผิดพลาดที่ทำให้ ROAS ที่คำนวณได้ไม่น่าเชื่อถือ

ทำแบบนี้แล้วพัง เพราะบางทีมคำนวณ ROAS โดยเอายอดขายรวมทั้งเดือนของทุกช่องทางมาหารด้วยค่าแอดของแคมเปญเดียว โดยไม่แยกว่ายอดขายส่วนไหนมาจากแคมเปญนั้นจริง ๆ ทำให้ตัวเลข ROAS ที่ได้สูงเกินจริงมาก และเมื่อนำไปตัดสินใจเพิ่มงบ กลับไม่ได้ผลตามที่คาด เพราะยอดขายส่วนใหญ่ไม่ได้มาจากแคมเปญที่เพิ่มงบให้เลย

อีกความผิดพลาดที่พบบ่อยคือนับยอดขายซ้ำเมื่อลูกค้าคนเดียวกันสมัครหลายคอร์สในเดือนเดียว ถ้าไม่ระวังอาจเอายอดขายทั้งหมดไปผูกกับแคมเปญแรกที่พาเขาเข้ามา ทั้งที่คอร์สหลังอาจเกิดจากการบอกต่อหรือการตัดสินใจเองโดยไม่เกี่ยวกับโฆษณาเลย ทางแก้คือกำหนดกรอบเวลาที่ยอมให้ผูกยอดขายกลับไปยังแคมเปญต้นทาง เช่นภายใน 30 วันหลังคลิก ถ้าสมัครคอร์สใหม่หลังจากนั้นให้ถือเป็นยอดขายที่เกิดขึ้นเองไม่ผูกกับแคมเปญเดิม

เทียบ ROAS ข้ามแพลตฟอร์มโฆษณาต้องระวังอะไรบ้าง

สถาบันที่ยิงแอดพร้อมกันหลายแพลตฟอร์ม เช่น Facebook, Google และ TikTok มักอยากรู้ว่าแพลตฟอร์มไหนให้ ROAS ดีที่สุดเพื่อจัดสรรงบใหม่ แต่การเทียบข้ามแพลตฟอร์มมีกับดักที่ต้องระวัง เพราะแต่ละแพลตฟอร์มมีวิธีนับ Attribution Window ไม่เหมือนกัน บางแพลตฟอร์มนับ Conversion ที่เกิดภายในเจ็ดวันหลังคลิก บางแพลตฟอร์มนับสูงสุดถึงยี่สิบแปดวัน ถ้าเอาตัวเลขที่รายงานในแต่ละแพลตฟอร์มมาเทียบกันตรง ๆ โดยไม่ปรับกรอบเวลาให้เท่ากัน จะได้ผลเปรียบเทียบที่ไม่ยุติธรรม

วิธีที่แม่นกว่าคือใช้ระบบกลางที่เก็บ Lead ID และแหล่งที่มาจริงจาก UTM มาคำนวณ ROAS เอง แทนที่จะเชื่อตัวเลขที่แต่ละแพลตฟอร์มรายงานในหน้า Ads Manager ของตัวเอง เพราะตัวเลขที่แพลตฟอร์มรายงานมักคำนวณจาก Model การให้เครดิตที่เข้าข้างตัวเองอยู่แล้ว โดยเฉพาะเมื่อลูกค้าคนเดียวกันเห็นโฆษณาจากหลายแพลตฟอร์มก่อนตัดสินใจสมัคร แต่ละแพลตฟอร์มก็มักจะอ้างว่าตัวเองเป็นคนพาลูกค้ารายนั้นเข้ามา

ตัวอย่างสมมติ สถาบันหนึ่งเทียบ ROAS ที่รายงานในหน้า Ads Manager ของ Facebook ได้ 5 เท่า ในขณะที่ Google Ads รายงาน 3 เท่า ทำให้ทีมเกือบตัดสินใจย้ายงบทั้งหมดไปที่ Facebook แต่พอดึงข้อมูลจากระบบกลางที่ผูก Lead ID จริงมาคำนวณใหม่ กลับพบว่า ROAS จริงของ Facebook อยู่ที่ 3.2 เท่า และ Google Ads อยู่ที่ 2.8 เท่า ใกล้เคียงกันกว่าที่แต่ละแพลตฟอร์มรายงานเองมาก เพราะมีลูกค้าจำนวนหนึ่งที่ทั้งสองแพลตฟอร์มแย่งอ้างเครดิตเป็นของตัวเอง

รอบเวลาที่ควรทบทวน ROAS และปรับงบ

ทำรายงาน ROAS ให้ทีมที่ไม่ถนัดตัวเลขเข้าใจง่าย

เจ้าของสถาบันหรือผู้บริหารบางคนไม่คุ้นกับศัพท์การตลาดอย่าง ROAS หรือ Attribution การรายงานตัวเลขเปล่า ๆ อาจทำให้ตัดสินใจยากกว่าที่ควร วิธีที่ช่วยได้คือแปลง ROAS เป็นภาษาที่เข้าใจง่ายกว่า เช่นแทนที่จะพูดว่า 'แคมเปญนี้ ROAS 4 เท่า' ให้พูดว่า 'จ่ายค่าแอดไป 1 บาท ได้ยอดขายกลับมา 4 บาท' ซึ่งสื่อความหมายเดียวกันแต่เข้าใจง่ายกว่ามาก

การทำรายงานควรใส่บริบทประกอบด้วยเสมอ ไม่ใช่แค่ตัวเลข ROAS เปล่า ๆ เช่นระบุจำนวน Lead ทั้งหมด อัตราแปลงเป็นยอดขาย และช่วงเวลาที่ใช้คำนวณ เพื่อให้ผู้บริหารเห็นภาพรวมทั้ง Funnel ไม่ใช่แค่ตัวเลขสรุปตัวเดียวที่อาจถูกตีความผิดได้ง่ายถ้าไม่มีบริบทประกอบ

อีกวิธีที่ช่วยให้ผู้บริหารตัดสินใจได้เร็วขึ้นคือทำกราฟแนวโน้ม ROAS รายสัปดาห์ควบคู่กับกราฟงบที่ใช้ไป แทนที่จะให้ดูแค่ตัวเลขสรุปของเดือนล่าสุดเพียงอย่างเดียว เพราะกราฟแนวโน้มช่วยให้เห็นว่า ROAS กำลังดีขึ้นหรือแย่ลงต่อเนื่อง ซึ่งมีประโยชน์ต่อการตัดสินใจมากกว่าตัวเลข ณ จุดใดจุดหนึ่งที่อาจเป็นแค่ความผันผวนชั่วคราว

สรุป

ROAS ที่แม่นเริ่มต้นจากการวาง UTM ให้แยกแคมเปญ ครีเอทีฟ และกลุ่มเป้าหมายชัดเจนตั้งแต่ก่อนยิงแอด ไม่ใช่มาแก้ทีหลังตอนอยากรู้ผล เพราะถึงตอนนั้นข้อมูลต้นทางอาจสูญหายไปแล้ว

สิ่งที่ควรทำต่อจากนี้คือตรวจสอบว่าตอนนี้แต่ละแคมเปญมี UTM ที่แยกกันชัดเจนหรือยัง ถ้ายัง เริ่มวางมาตรฐานการตั้งชื่อร่วมกันในทีมก่อน แล้วค่อยขยับไปเรื่องการเชื่อมยอดขายกลับไปยังแคมเปญต้นทางให้ครบวงจร

• UTM ต้องวางก่อนยิงแอด ไม่ใช่แก้ทีหลังเมื่ออยากรู้ผล
• ROAS ต้องดูคู่กับ Margin ของคอร์ส ไม่ใช่ดูตัวเลขเปล่า ๆ
• ระวังการผูกยอดขายซ้ำหรือผิดแคมเปญ กำหนดกรอบเวลาผูกยอดขายให้ชัดเจน
• เคสคอร์สเรียนออนไลน์ที่วัดผลผ่าน LINE ดูที่เคสคอร์สเรียนออนไลน์ที่วัดผลผ่าน LINE
• การให้ส่วนลดนักเรียนส่งผลต่อยอดขายจริงยังไง อ่านที่ผลของส่วนลดนักเรียนต่อยอดขายจริงผ่าน LINE
• การเชื่อมโฆษณาคอร์สเรียนให้ถึงยอดปิดจริง อ่านที่การเชื่อมโฆษณาคอร์สเรียนให้ถึงยอดปิดจริง
• ต้นทุนต่อยอดสมัครเรียนโดยละเอียด ดูที่ต้นทุนต่อยอดสมัครเรียนของโรงเรียนจาก LINE

คำถามที่พบบ่อย