ทุ่มงบโฆษณาไปแล้วมันคุ้มค่าจริงๆเหรอ? เชื่อว่านักการตลาดและคนทำธุรกิจเคยยิงโฆษณาในแพลทฟอร์มออนไลน์มีคำถามนี้อยู่ในใจ บางครั้งเราอยากได้ลูกค้าที่มีคุณภาพมากกว่าแค่การสร้างยอดขายแต่ก็ไม่รู้จะบอกให้ระบบเข้าใจเป้าหมายของธุรกิจเราอย่างไร?
ล่าสุด Meta มีข่าวดีกับฟีเจอร์สำหรับธุรกิจมาประกาศแล้วด้วยการเปิดตัว 3 ฟีเจอร์ใหม่ที่ขับเคลื่อนด้วย AI โดยจุดเด่นของฟีเจอร์ที่ว่าก็คือการทำให้เราสามารถ “สั่งการ” AI ของ Meta ให้ทำงานตามเป้าหมายธุรกิจของเราได้อย่างแม่นยำยิ่งขึ้น ไม่ว่าจะเป็นการเพิ่มกำไร หาลูกค้าใหม่ที่ใช่ หรือแม้แต่วัดผล ROI แบบที่ไม่เคยทำได้มาก่อน
AI จะทำงานได้ดีที่สุดเมื่อเราบอกมันว่าธุรกิจของเราให้ค่ากับอะไร
ก่อนที่เราจะไปดูเครื่องมือใหม่ ๆ ของ Meta เราคงต้องมาเข้าใจ painpoint ของธุรกิจกันก่อน นั่นก็คือ AI และระบบอัตโนมัติในการทำโฆษณาจะฉลาดและแม่นยำที่สุด ก็ต่อเมื่อเราบอกระบบอย่างชัดเจนว่า อะไรคือสิ่งที่เราให้ “คุณค่า” ในธุรกิจของเราและเราวัดผลความสำเร็จจากอะไร
ยกตัวอย่างเช่น ถ้าเราเป็นเจ้าของร้านขายของเล่นเด็กออนไลน์เล็กๆ เป้าหมายหลักของเราตอนนี้อาจจะเป็น “อยากได้ลูกค้าใหม่เยอะ ๆ” (New Customer) เพื่อสร้างฐานลูกค้าหรือ “อยากให้โฆษณาที่ลงไปได้ยอดขายกลับมาคุ้มค่า” (ROAS) เราอาจจะวัดผลจากตัวเลขใน Ads Manager ของ Meta โดยตรง หรือใช้เครื่องมือวิเคราะห์ข้อมูลจาก 3rd party ก็ได้
แต่ถ้าเราเป็นแบรนด์รองเท้ากีฬาระดับโลกที่มีสาขาเยอะมาก เป้าหมายของเราอาจลึกกว่านั้น เช่น การเพิ่ม “กำไรสุทธิ” (Profit) ไม่ใช่แค่ยอดขายอย่างเดียว เพราะสินค้าบางตัวอาจกำไรดีกว่า หรือ “อยากได้ลูกค้าที่มีแนวโน้มจะกลับมาซื้อซ้ำไปนานๆ” (Lifetime value) เพราะลูกค้ารายเดียวที่ซื้อบ่อย ๆ มีคุณค่ามหาศาลกว่าลูกค้าหลายคนที่ซื้อทีเดียวแล้วหายไป ซึ่งสิ่งนี้เราอาจจะวัดผลด้วยระบบวิเคราะห์ข้อมูลภายในบริษัทของเราเอง (In-house attribution) หรือใช้การทดลองแบบ A/B testing ที่เรียกว่า “Incrementality studies” เพื่อดูว่าโฆษณาของเราสร้างยอดขายเพิ่มขึ้นจริงเท่าไหร่ ไม่ใช่แค่บังเอิญลูกค้าจะซื้ออยู่แล้ว
จะเห็นได้ว่า “เป้าหมาย” และ “วิธีการวัดผล” ของแต่ละธุรกิจไม่เหมือนกัน นี่เลยเป็นจุดที่ AI ของ Meta จะเข้ามาช่วยให้การทำโฆษณาของเรา “ฉลาดขึ้น” และ “ตรงจุด” มากกว่าเดิม เพราะเมื่อเราบอก AI ว่าเราต้องการอะไรและวัดผลอย่างไร AI ก็จะเรียนรู้และปรับการทำงานของแคมเปญโฆษณาให้บรรลุเป้าหมายเหล่านั้นได้อย่างแม่นยำยิ่งขึ้นนั่นเอง
ดังนั้นจึงเป็นที่มาของฟีเจอร์ใหม่ทั้ง 3 ที่จะช่วยให้เราสามารถบอกได้มากขึ้นว่าธุรกิจของเราต้องการอะไรให้ AI ได้รับรู้และ 3 เครื่องมือใหม่นี้ก็คือ
- Value Rules
- Value Optimization
- Incremental Attribution
1. Value Rules
ฟีเจอร์นี้ Meta คิดมาเพื่อแก้ปัญหาในกรณีที่ธุรกิจเราอาจมีลูกค้าหลาย Segment ที่มีคุณค่าหรือมี Value กับธุรกิจไม่เท่ากัน เดิมเราก็ไม่รู้จะบอกให้ AI ให้เข้าใจได้ยังไง แต่ฟีเจอร์ใหม่ที่เรียกว่า “Value Rules” จะเข้ามาช่วยให้เราสามารถตั้งกฎใน Ads Manager เพื่อให้นำหนักกับลูกค้าบางกลุ่มมากขึ้นได้ ทำให้ AI ของ Meta มุ่งเน้นการหาลูกค้าที่มีมูลค่าสูง และเพิ่มโอกาสในการสร้าง ROAS ที่ดีขึ้น
ตัวอย่างเช่นสมมติเราเป็นธุรกิจแฟชั่นในไทย และพบว่าลูกค้าผู้หญิงช่วงอายุ 25-34 ปี มีแนวโน้มที่จะซื้อสินค้าพรีเมียมและเป็นลูกค้าประจำ เราสามารถตั้งค่า Value Rule ใน Ads Managerให้ Meta เสนอราคา Bid สูงขึ้นสำหรับกลุ่มเป้าหมายนี้ เพราะเรารู้ว่าลูกค้ากลุ่มนี้มี Lifetime Value (LTV) สูงกว่าได้นั่นเอง
2. Value Optimization
สำหรับฟีเจอร์นี้แต่ก่อนเราอาจจะเน้นแค่ “จำนวน Conversion” หรือ “ยอดขาย” ว่าเกิดขึ้นหรือไม่ ระบบจะวัดแค่ว่า “ซื้อ” หรือ “ไม่ซื้อ” แต่ในโลกธุรกิจจริงๆ แต่ละ Conversion ก็มีค่า ไม่เท่ากัน เพราะบางครั้งการขายสินค้าราคาถูกหลายชิ้น อาจให้กำไรน้อยกว่าการขายสินค้าราคาสูงเพียงชิ้นเดียวก็ได้ ดังนั้น Meta ก็เลยเพิ่มฟีเจอร์ Value Optimization มาช่วยแก้ปัญหานี้ โดยเครื่องมือนี้ช่วยให้เราสามารถบอก Meta ได้เลยว่า Conversion ไหนที่มีมูลค่ากับธุรกิจของเรามากที่สุด ซึ่ง Meta จะมีให้เรามาใช้งาน 3 รูปแบบ
1.เน้น Value of Conversion
ยกตัวอย่างง่าย ๆ คือใน Ads Manager ตอนนี้เราสามารถกดเลือก Conversion goals ให้เป็น “Maximize value of conversions” หรือ “เพิ่มมูลค่าสูงสุดของ Conversion” คือแทนที่จะได้ยอดขาย 13,000 บาท จากการขาย 4 ครั้ง Meta จะพยายามหาวิธีให้เราได้ยอดขาย 16,500 บาท จากการขาย 3 ครั้ง จากการใช้งบโฆษณาเท่ากัน ซึ่งคุ้มค่ากว่ามากเพราะได้ยอดขายรวมสูงขึ้น แม้จำนวนครั้งที่ขายได้จะน้อยลง แต่เป็นการขายที่มีมูลค่าต่อครั้งสูงกว่านั่นเอง ซึ่งทาง Meta ระบุว่าฟีเจอร์นี้ที่มีทางเลือกในการให้น้ำหนักเป้าหมายได้มากขึ้นทำให้ ROAS ที่สูงขึ้นโดยเฉลี่ย 12% เมื่อเทียบกับการที่มีแค่ฟีเจอร์เพิ่มจำนวน Conversion เพียงอย่างเดียว
2. เน้นอัตรากำไรของสินค้า
Meta บอกด้วยว่าตอนนี้กำลังทดสอบ ฟีเจอร์เพิ่มเติมสำหรับธุรกิจที่มีสินค้าหลายประเภทและมีอัตรากำไรต่างกัน ฟีเจอร์นี้จะช่วยให้ Meta เน้นการหาลูกค้าที่จะซื้อสินค้าที่มีกำไรสูงให้เราโดยเฉพาะ การทำงานของฟีเจอร์นี้จะเป็นการส่งข้อมูลผ่าน Conversions API เน้นไปที่ผลกำไรที่เกิดจากการขาย จากนั้นเราจึงนำผลที่ได้มาเน้นการขับเคลื่อน ROAS โดยเฉพาะ โดยผลตอบแทนขึ้นอยู่กับผลกำไรแทนที่จะเป็นปริมาณการซื้อ
ยกตัวอย่างเช่นร้านเสื้อผ้าออนไลน์ของเรามีทั้ง “เสื้อยืด” ราคาถูก (กำไรน้อย) และ “ชุดเดรสออกงาน” ราคาแพง (กำไรสูง) แทนที่จะให้โฆษณาไปเน้นขายเสื้อยืดเยอะ ๆ เพราะมันขายง่าย แต่กำไรน้อย ฟีเจอร์นี้จะช่วยให้ Meta ไปมองหาลูกค้าที่มีแนวโน้มจะซื้อ “ชุดเดรสออกงาน” มากกว่า เพื่อให้เราได้ผลตอบแทนจากค่าโฆษณา (ROAS) ที่สูงขึ้น โดยคำนวณจาก “กำไร” ที่ได้รับจริง ไม่ใช่แค่จำนวนชิ้นที่ขายได้ การทำงานเบื้องหลังคือ เราจะต้องส่งข้อมูลกำไรจากการขายผ่านระบบ Conversions API ให้ Meta เพื่อให้ AI เรียนรู้และปรับการโฆษณาให้ตรงจุดนี้
3.เน้น กิจกรรมอื่นที่ไม่ใช่การซื้อ
อีกฟีเจอร์ใน Value Optimization ที่ Meta กำลังขยายบริการไปทั่วโลก ก็คือการให้ค่ากับกิจกรรมที่ไม่ใช่แค่การซื้อเท่านั้น เพราะสำหรับบางธุรกิจ กิจกรรมก่อนการซื้ออย่าง “การสมัครสมาชิก” หรือ “การลงทะเบียนครั้งแรก” ก็มีมูลค่าสูงเช่นกัน ตอนนี้เราสามารถกำหนดให้ Meta มุ่งเน้นการสร้าง ROAS จากกิจกรรมเหล่านี้ได้แล้ว
ยกตัวอย่างเช่นถ้าเราทำธุรกิจบริการสตรีมมิ่ง แทนที่จะรอให้ลูกค้าจ่ายเงินสมัครแพ็กเกจ (ซึ่งคือการซื้อ) การที่ลูกค้า “สมัครทดลองใช้งานฟรี” (Trial registration) หรือ “ลงทะเบียนเพื่อรับข่าวสาร” (Newsletter sign-up) ก็ถือเป็นกิจกรรมที่มีคุณค่าสูงมาก เพราะนี่คือด่านแรกที่นำไปสู่การเป็นลูกค้าในระยะยาว หรือถ้าเราเป็นแพลตฟอร์มคอร์สเรียนออนไลน์ การที่ลูกค้า “ลงทะเบียนเข้าฟัง Webinar ฟรี” ก็เป็นสัญญาณที่ดีว่าเขาสนใจเราแล้ว ดังนั้น Meta ก็เลยเพิ่มฟีเจอร์สำหรับธุรกิจที่เน้นการสร้าง ROAS จากกิจกรรมเหล่านี้ได้แล้ว ทำให้เราได้ลูกค้าที่มีคุณภาพตั้งแต่ช่วงแรกที่สนใจในธุรกิจของเรา
3.Incremental Attribution
สิ่งที่นักการตลาดที่ยิงโฆษณาออนไลน์สงสัยกันก็คือ เราจะรู้ได้ยังไงว่ายอดขายที่เกิดขึ้นนั้นมาจากโฆษณาของเราจริง ๆ หรือลูกค้าตั้งใจจะซื้ออยู่แล้ว? เรื่องนี้ซับซ้อนมากที่จะหาคำตอบโดยเฉพาะอย่างยิ่งเมื่อลูกค้าเห็นโฆษณาจากหลายช่องทาง เรื่องนี้เป็นปัญหาในแง่ธุรกิจด้วยเพราะงานวิจัยก็มีบอกไว้ด้วยว่า 35% ของงบโฆษณาอาจสูญเสียไปกับการขายที่ไม่ได้เพิ่มขึ้นจากการโฆษณา ฟีเจอร์นี้ก็คือ Incremental Attribution
ฟีเจอร์นี้เหมือน Meta กำลังทำ “การทดลอง” ให้เราโดยจะแบ่งกลุ่มลูกค้าเป็น 2 กลุ่ม กลุ่มหนึ่งเห็นโฆษณา Meta (Test Group) และอีกกลุ่มหนึ่งไม่เห็นโฆษณา Meta (Control Group) จากนั้น Meta จะเปรียบเทียบยอดขายที่เกิดขึ้นในสองกลุ่มนี้ เพื่อให้เราเห็นได้อย่างชัดเจนว่า โฆษณา Meta ของเราสร้างยอดขายที่ “เพิ่มขึ้นจริง ๆ” (Conversion Lift) ได้มากแค่ไหน ไม่ใช่แค่บังเอิญยอดขายขึ้นมาเอง
ยกตัวอย่างเช่น เราเป็นร้านอาหารที่มีแคมเปญโฆษณา Meta เพื่อโปรโมทเมนูใหม่ เมื่อเราเปิดใช้ Incremental Attribution แล้ว Meta จะบอกเราได้เลยว่า “จากยอดสั่งอาหารเมนูใหม่ทั้งหมด มีกี่ออเดอร์ที่เกิดขึ้นเพราะลูกค้าเห็นโฆษณา Meta ของเราจริง ๆ” ไม่ใช่แค่ลูกค้าผ่านมาหน้าร้านแล้วตัดสินใจสั่งอยู่แล้ว ทำให้เรารู้ว่าเงินที่ลงไปกับโฆษณา Meta นั้นคุ้มค่าแค่ไหนได้แบบ real time
แล้วในกรณีที่เราไม่ได้วัดผลจาก Conversion หรือ ROAS ล่ะ แต่เราใช้เครื่องมือวัดผลแบบละเอียดที่ดูทุกช่องทาง (Multitouch Attribution – MTA) จากบริษัทอื่น ๆ เช่น Adobe, Northbeam, Rockerbox และ Triple Whale ระบบติดตามได้ว่าลูกค้าเห็นโฆษณาจากช่องทางไหนบ้าง ก่อนจะตัดสินใจซื้อ และให้เครดิตกับทุก ๆ Touchpoint คำถามก็คือ ข้อมูลนี้ Meta เองไม่รู้ การปรับโฆษณาใน Meta ก็ไม่สอดคล้องกับภาพรวมสิ
ล่าสุด Meta ก็อัพเดทแล้วว่า ตอนนี้จะเปิดให้เราสามารถแชร์ข้อมูลการให้เครดิตการคลิกหรือ Attribution แบบละเอียดจากเครื่องมือ MTA ของเรากับ Meta ได้โดยตรง โดยเชื่อมต่อ Analytics เข้ากับพาร์ทเนอร์อย่าง Adobe, Northbeam, Rockerbox และ Triple Whale ในอนาคต โดย Meta จะมีฟีเจอร์ใหม่ชื่อ Custom Attribution ที่จะยิ่งทำให้เราสามารถใช้ข้อมูลเชิงลึกจากเครื่องมือภายนอกมาปรับปรุงการทำงานของ AI ใน Meta ได้อย่างลงตัวยิ่งขึ้น และทำให้โฆษณาใน Meta ยิงได้ตรงเป้าหมายตามวิธีที่เราวัดผลจริง ๆ ได้
ยกตัวอย่างเช่น เราเป็นบริษัทท่องเที่ยวที่ลูกค้ามักจะเห็นโฆษณาหลายที่ เช่น เห็นบน Google ก่อน แล้วมาเห็นบน Facebook และตัดสินใจจอง ระบบ MTA ของเราอาจจะให้เครดิตทั้ง Google และ Facebook ในสัดส่วนที่แตกต่างกัน ตอนนี้เราสามารถแชร์ข้อมูลนี้กับ Meta ได้ ทำให้ Meta เข้าใจว่าบทบาทของโฆษณาบนแพลตฟอร์มตัวเองมีผลต่อการตัดสินใจของลูกค้าอย่างไรในภาพรวม และสามารถปรับโฆษณาให้มีประสิทธิภาพสูงสุดตามการวัดผลที่เราใช้จริงได้นั่นเอง
